머신러닝 통해 비용절감, 생산성 향상, 효율성 증가 등 제조 혁신 일으킬 수 있어

[Industry News 전시현 기자] 국내 제조현장에서는 사물인터넷(IoT), 빅데이터, 머신러닝 등을 적용해 스마트 팩토리 등을 구현하기 위한 움직임을 보이고 있다.

하지만 머신러닝은 다양한 산업 분야에서 제대로 사용할 경우에만 실질적인 비즈니스 가치를 끌어낼 수 있다. 머신러닝이 제조 산업에 주는 효과와 성과는 수많은 연구 논문을 통해 이미 증명된 사실이다.

머신러닝과 딥러닝은 다르다. '사람'이 하느냐, '기계'가 하느냐에 따라 구분된다. 가령 머신러닝은 개발자가 다양한 고양이 사진을 컴퓨터에게 보여주고 ‘이것이 고양이이다.’라고 알려준 다음, 새로운 고양이 사진을 보았을 때 ‘고양이’라고 판단할 수 있도록 하는 것이며, 딥러닝은 스스로가 여러 가지 고양이 사진을 찾아보고 '고양이'에 대해 학습한 다음 새로운 고양이 사진을 보고 '고양이'라고 구분하는 것이다.

최근 세계적 경영전문지 하버드비즈니스리뷰(HBR) 소개된 내용에 따르면 국내외 제조 업체들은 실제 문제 해결하기 위해 머신러닝을 적용하는데 어려움을 겪고 있다. 특히 국내 제조 현장은 전문인력 부족, 데이터 부족, 성능보다 SCI 논문 중심의 경직된 평가제도 등이 기술발전과 스마트 팩토리에 장애물이 되고 있다.

한편 구글, 마이크로소프트, 페이스북, 지멘스, 캐스피다, 크리테오, 아마존, NVIDIA 등의 선진 기업들은 머신러닝을 인터넷 서비스, 생산공정, 우편자동화, 의료, 보안, 광고, 배송, 지능형자동차 등 다양한 분야에 적용해 수익을 창출하고 있을뿐 아니라 새로운 시장을 개척하면서 주도권을 확보하고 있다.

소프트웨어정책 연구소 관계자는 "머신러닝이 빠르게 발전하면서 응용 범위를 넓혀가고 있는 이 시점에서 정부의 지원이 적극 이뤄져야하며 체계적인 시스템이 필요하다"라고 강조했다.

예를 들어, 핀테크, 헬스케어와 같은 융합 분야에는 머신러닝을 잘 적용할 경우 파괴적 혁신을 일으킬 수 있는 기회가 많다. 하지만 금융 및 의료 분야에는 SW를 잘 이해할 수 있는 융합 역량을 갖춘 전문가가 절대 부족하다. 또한, 스마트카에 응용을 위해서는 기존의 자동차 업계 및 H/W 업계와의 긴밀한 협력과 관련 법규의 적절한 보완 등 제도적 지원이 필요하다.

그는 "지금 국내 제조 업체들이 가진 장애물들을 극복하기 위해서는 해당 융합 분야에 대한 큰 그림과 일관성 있는 추진이 필요하다. 이를 극복하기 위해서는 인내심을 가지고 체계적인 고급인재 양성 정책이 필요하다. 머신러닝 기술은 수학적으로 복잡하여 고급 전문가 육성에 많은 시간이 소요된다. 따라서, 국내  대학과 기업에서는 원천기술에 접근하기 보다는 오픈소스를 활용한 응용 연구 등 피상적인 연구에 그치고 있다"라고 설명했다. 

소프트웨어 정책연구소 관계자는 "오픈소스를 이용할 경우 짧은 시간 내에 응용 시스템을 구성할 수 있다. 하지만, 딥러닝 기술의 핵심에 접근하는 데에는 한계가 있다. 때문에 정부는 딥러닝과 관련해서는 실용적 응용을 위한 오픈소스 기반 사업과 고급 핵심 인재양성을 위한 딥러닝 핵심 알고리즘 개발 사업으로 구분해 지원하는 게 바람직하다"라고 강조했다.

이어 "특히, 고급인재양성을 위해서는 단기간 동안 대규모 연구단 단위로 거액의 연구비를 지급하는 것보다는 중소규모의 연구비를 다수의 소규모 그룹에 장기간 지원하는 것이 효과적이다. 또한, 금융, 의료 등 비 IT분야에 SW과정을 확대함으로써 추후 머신러닝 및 SW전문가들과 협력해 해당 분야에 혁신을 주도할 수 있는 융합인력을 육성하는 것도 필요하다"라고 덧붙였다.

전시현 기자 다른기사 보기