2019.10.31

IBM 왓슨 IoT 책임자가 말하는 'AI와 사물인터넷'

Jon Gold | Network World
IBM은 기업용 사물인터넷(IoT) 시장 중에서도 복잡하고 자산 집약적 부문에서 강점이 있다. IBM 왓슨 IoT 사업부의 GM 카림 유서프에 따르면, 예를 들어 IBM은 항구의 해상 운송량 관리를 지원하는 것부터 기업 내에 흘러 다니는 기술 지식을 추적하는 것까지, 여러 가지 복잡한 시스템에서 만들어진 많은 데이터에서 인사이트 뽑아 제공할 수 있도록 인공지능을 학습시키는 것을 목표로 하고 있다.
 

자산 집약적인 IoT의 대표적인 활용 사례가 예지 보수(Predictive maintenance)다. 유서프는 "이는 많은 이들이 생각하는 것보다 훨씬 더 복잡한 작업이다. 단순히 어떤 기기의  압력 수준을 모니터링하는 것이 아니라 이것이 일반적인 상황에서 벗어났을 때 경고를 하는 것이다. 이를 위해서는 장애 비율과 자산 계획에 대한 정보를 수집해 기업이 잠재적인 장애 상황에 대비해 비상 대책을 만들 수 있도록 지원하는 것이 중요하다"라고 말했다.

이어 "예지 보수는 '이 장비가 언제 고장이 날까?'라는 질문을 뛰어넘는 문제다. 왜냐하면 이제는 다양한 기술을 활용해 더 합리적인 관리 방법을 찾을 수 있는 더 많은 인사이트를 확보할 수 있기 때문이다. 이는 곧 비용 절감으로 이어진다"라고 덧붙였다.

이를 위해서는 AI를 학습시키는 것이 선행돼야 한다. 예를 들어 유서프는 교량 관리의 골칫거리인 균열을 감지하기 위해 드론 기반 시스템을 이용했다. 그전까지는 기술자를 보내 일일이 검사해야 했다. 드론 기반 시스템을 활용하려면 AI가 심각한 위험과 사소한 위험의 차이를 알 수 있어야 하는데, 이를 위해 두 가지 상황의 이미지를 다량으로 학습시켰다. 유서프는 "이런 학습 데이터가 항상 준비된 것은 아니다. 따라서 이런 서비스를 원하는 기업이라면 스스로 '이 작업에 AI를 적용할 수 있는 적당한 학습 데이터가 있는지 자문해 볼 필요가 있다. 오픈소스와 공공 기관 데이터를 활용하는 것도 방법이다"라고 말했다.

동시에 IBM 자신도 자사 AI가 적용된 다양한 서비스를 통해 엄청난 양의 데이터를 수집하고 있다. 기존 고객사 데이터에 접근할 수 있는 명확한 권한도 있다. IBM은 이들 정보를 이용해 비슷한 작업을 처리하는 새 시스템을 학습시키는 데 사용한다. 유서프는 "이런 형태의 협업을 계속 진행 중이다. 공간 설계나 빌딩 활용 등을 위해 유동인구를 예측하는 머신러닝 모델을 만든다고 하면, 우리는 우리가 가진 데이터를 이용해 이를 만들 수 있다. 이미 그런 종류의 많은 테스트 데이터를 보유하고 있다"라고 말했다.

또 다른 새로운 활용 사례는 자율주행 차량 등 매우 복잡한 시스템을 설계하는 것이다. 이런 작업에는 프로세스와 소프트웨어 거버넌스, 오케스트레이션, 하드웨어 스펙, 규제와 컴플라이언스 등 무수히 많은 기술 요건이 필요하다. 이때는 자연어처리(NLP) 시스템이 유용하다. 자동으로 다양한 요건이 실제로 무엇을 의미하는지, 다른 것과 어떤 관계가 있는지 등을 자동으로 판단하는 것은 물론, 요건의 충돌과 불가능한 요건 등도 감지한다. 유서프는 "우리는 디스커버리 서비스와 NLP를 이용해 왓슨이 사용자의 요구사항이 명확하지 않아도 사용자에게 말할 수 있도록 학습 시켜 왔다. 이를 통해 요건의 중복이나 충돌을 찾아낼 수 있다"라고 말했다.

물론 백엔드에 AI 기반의 IoT 시스템을 만드는 것은 쉬운 것이 아니다. 그러나 이 일을 하는 기술자를 지원하는 것이 IBM의 IoT 전략의 핵심이다. 실제로 IBM은 모빌리티 솔루션을 통해 전달되는 정보 관련 문제를 해결하는 데 집중해 왔다.

예를 들어, 새 기술자가 엘리베이터나 다른 복잡한 기기를 고치는 상황을 가정해 보자. 이때 스마트폰에 설치된 모바일 어시스턴트 앱을 이용하면 이 기술자가 에러 코드를 더 간단하게 참고할 수 있다. AI 시스템이 특정 엘리베이터에서 발생한 기존 에러 코드만 보여줄 수 있기 때문이다. 특정 문제의 원인이 될만한 코드와 이를 고치는 데 필요한 코드를 제시한다.

유서프에 따르면, 이러한 과정에서 가장 중요한 것은 표준 업무 흐름을 방해하지 않으면서 정보를 제공하는 것이다. 그는 "IBM은 AI 활용이 기존 작업 방식에 통합돼 이음매 없이 작동해야 한다고 본다"라고 말했다. ciokr@idg.co.kr


2019.10.31

IBM 왓슨 IoT 책임자가 말하는 'AI와 사물인터넷'

Jon Gold | Network World
IBM은 기업용 사물인터넷(IoT) 시장 중에서도 복잡하고 자산 집약적 부문에서 강점이 있다. IBM 왓슨 IoT 사업부의 GM 카림 유서프에 따르면, 예를 들어 IBM은 항구의 해상 운송량 관리를 지원하는 것부터 기업 내에 흘러 다니는 기술 지식을 추적하는 것까지, 여러 가지 복잡한 시스템에서 만들어진 많은 데이터에서 인사이트 뽑아 제공할 수 있도록 인공지능을 학습시키는 것을 목표로 하고 있다.
 

자산 집약적인 IoT의 대표적인 활용 사례가 예지 보수(Predictive maintenance)다. 유서프는 "이는 많은 이들이 생각하는 것보다 훨씬 더 복잡한 작업이다. 단순히 어떤 기기의  압력 수준을 모니터링하는 것이 아니라 이것이 일반적인 상황에서 벗어났을 때 경고를 하는 것이다. 이를 위해서는 장애 비율과 자산 계획에 대한 정보를 수집해 기업이 잠재적인 장애 상황에 대비해 비상 대책을 만들 수 있도록 지원하는 것이 중요하다"라고 말했다.

이어 "예지 보수는 '이 장비가 언제 고장이 날까?'라는 질문을 뛰어넘는 문제다. 왜냐하면 이제는 다양한 기술을 활용해 더 합리적인 관리 방법을 찾을 수 있는 더 많은 인사이트를 확보할 수 있기 때문이다. 이는 곧 비용 절감으로 이어진다"라고 덧붙였다.

이를 위해서는 AI를 학습시키는 것이 선행돼야 한다. 예를 들어 유서프는 교량 관리의 골칫거리인 균열을 감지하기 위해 드론 기반 시스템을 이용했다. 그전까지는 기술자를 보내 일일이 검사해야 했다. 드론 기반 시스템을 활용하려면 AI가 심각한 위험과 사소한 위험의 차이를 알 수 있어야 하는데, 이를 위해 두 가지 상황의 이미지를 다량으로 학습시켰다. 유서프는 "이런 학습 데이터가 항상 준비된 것은 아니다. 따라서 이런 서비스를 원하는 기업이라면 스스로 '이 작업에 AI를 적용할 수 있는 적당한 학습 데이터가 있는지 자문해 볼 필요가 있다. 오픈소스와 공공 기관 데이터를 활용하는 것도 방법이다"라고 말했다.

동시에 IBM 자신도 자사 AI가 적용된 다양한 서비스를 통해 엄청난 양의 데이터를 수집하고 있다. 기존 고객사 데이터에 접근할 수 있는 명확한 권한도 있다. IBM은 이들 정보를 이용해 비슷한 작업을 처리하는 새 시스템을 학습시키는 데 사용한다. 유서프는 "이런 형태의 협업을 계속 진행 중이다. 공간 설계나 빌딩 활용 등을 위해 유동인구를 예측하는 머신러닝 모델을 만든다고 하면, 우리는 우리가 가진 데이터를 이용해 이를 만들 수 있다. 이미 그런 종류의 많은 테스트 데이터를 보유하고 있다"라고 말했다.

또 다른 새로운 활용 사례는 자율주행 차량 등 매우 복잡한 시스템을 설계하는 것이다. 이런 작업에는 프로세스와 소프트웨어 거버넌스, 오케스트레이션, 하드웨어 스펙, 규제와 컴플라이언스 등 무수히 많은 기술 요건이 필요하다. 이때는 자연어처리(NLP) 시스템이 유용하다. 자동으로 다양한 요건이 실제로 무엇을 의미하는지, 다른 것과 어떤 관계가 있는지 등을 자동으로 판단하는 것은 물론, 요건의 충돌과 불가능한 요건 등도 감지한다. 유서프는 "우리는 디스커버리 서비스와 NLP를 이용해 왓슨이 사용자의 요구사항이 명확하지 않아도 사용자에게 말할 수 있도록 학습 시켜 왔다. 이를 통해 요건의 중복이나 충돌을 찾아낼 수 있다"라고 말했다.

물론 백엔드에 AI 기반의 IoT 시스템을 만드는 것은 쉬운 것이 아니다. 그러나 이 일을 하는 기술자를 지원하는 것이 IBM의 IoT 전략의 핵심이다. 실제로 IBM은 모빌리티 솔루션을 통해 전달되는 정보 관련 문제를 해결하는 데 집중해 왔다.

예를 들어, 새 기술자가 엘리베이터나 다른 복잡한 기기를 고치는 상황을 가정해 보자. 이때 스마트폰에 설치된 모바일 어시스턴트 앱을 이용하면 이 기술자가 에러 코드를 더 간단하게 참고할 수 있다. AI 시스템이 특정 엘리베이터에서 발생한 기존 에러 코드만 보여줄 수 있기 때문이다. 특정 문제의 원인이 될만한 코드와 이를 고치는 데 필요한 코드를 제시한다.

유서프에 따르면, 이러한 과정에서 가장 중요한 것은 표준 업무 흐름을 방해하지 않으면서 정보를 제공하는 것이다. 그는 "IBM은 AI 활용이 기존 작업 방식에 통합돼 이음매 없이 작동해야 한다고 본다"라고 말했다. ciokr@idg.co.kr


X