2016년 11월 1일 화요일
머신러닝을 알린 알파고의 알고리즘 분석
인공지능에 대한 관심은 이전에도 있었지만 최근처럼 뜨거운 열풍을 일으킨 것은 역시 알파고(AlphaGo)다. 알파고는 우리나라 이세돌 9단과 바둑 대결을 한 구글 딥마인드(DeepMind)에서 개발된 인공지능이다. 대결 전에는 이세돌 9단의 우세를 점치는 전문가들이 많았지만 실제 경기에서는 알파고의 승리로 끝났다. 그렇다면, 어떻게 컴퓨터가 사람처럼 바둑을 두는 것인지 자연스러운 의문을 가지게 된다. 이번 회에서는 알파고가 바둑을 두는 알고리즘에 대해 단국대학교 소프트웨어공학연구센터의 김규억 박사를 만나 자세한 사항을 들어본다.
Q: 본격적인 이야기 전에 머신러닝에 대해 설명을 부탁 드립니다.
머신러닝(Machine Learning)은 컴퓨터에 답이 정해진 샘플 데이터를 넣으면서 반복적으로 학습을 시킨 후, 새로운 문제가 나타나면 스스로 답을 찾을 수 있도록 하는 것입니다. 말 그대로 컴퓨터한테 공부를 가르쳐서 지식을 얻게 하는 것이지요. 학습 자료를 계속 입력하고, 거기서 일정한 패턴을 찾아낸 후 문제가 입력되면 정답을 제시할 수 있는 모델이 만들어집니다(그림1).
<그림1> 머신러닝의 학습을 통한 예측 모델 생성
이렇게 만들어진 모델로 새로운 문제가 제시되면 정답을 찾아낼 수 있는 것이죠. 사람이 수학 문제를 많이 풀면, 비슷한 유형의 문제가 나오면 풀 수 있는 것처럼 컴퓨터도 학습을 하면 별다른 로직 없이 정답을 알려주는 것입니다.
IoT 사례 연구 - 개발 기법
IoT(Internet of Things) 소프트웨어는 기존 ICT(Information & Communication Technology) 소프트웨어와는 다소 상이한 부분이 있다. IoT 기반 소프트웨어의 경우 IoT 디바이스를 중심으로 개발되어야 하기 때문에 소프트웨어 개발부터 운영까지 확인해야 할 사항들이 존재한다. 이번 회에서는 IoT을 위한 소프트웨어의 구성과 개발에 관해 알아보기로 한다. IoT 기술 적용을 위한 소프트웨어의 요소를 이해하는데 도움이 되기를 기대한다.
사례 연구 전 확인 사항
IoT는 사물을 이용한 방식이기 때문에 디바이스와 네트워크에 대한 제어를 소프트웨어에 포함시켜야 하는 경우가 많다. 기존에는 각 산업이나 서비스에서 필요한 정보만을 수집하다 보니 소프트웨어의 규모도 그리 크지 않았지만, 최근에는 엄청난 양의 정보가 수집되어 소프트웨어의 규모도 커지고 그에 필요한 아키텍처도 다양해지는 추세다. 이렇게, 정보를 한 곳으로 모았다가 다시 필요한 곳으로 정보를 제공하는 중앙 집중 식 클라우드 형태가 현재 많이 사용되는 모델이고, 이후 분산 클라우드 형태의 IoT가 많이 연구되어 발표되고 있는 추세다.
이처럼, IoT의 모델이 다양하게 존재하지만, 소프트웨어 입장에서 근본적인 IoT의 모델은 다양한 사물에서 데이터를 수집하는 형태다(그림1). 기존에는 단독 사물에서 데이터를 수집하는 형태였지만, 여러 사물에서 중앙집중식으로 변화가 일어나면서 소프트웨어는 더 많은 디바이스와 연결하고 더 많은 데이터를 가져오는 것으로 변화됐다.
<그림1> IoT 모델의 변화
출처: 전자부품연구원
그림1에서 보는 것처럼, 소프트웨어 관점에서는 표준화된 플랫폼을 구축하여 다양한 디바이스와 네트워크의 제어가 가능하게 된다. 아래는 이렇게 표준화된 플랫폼 기반에서 다양한 IoT 서비스 위한 소프트웨어 개발에 필요한 능력이다.
피드 구독하기:
글
(
Atom
)