한-캐 AI 협력동반자 관계 구축, 가치사슬 활용 극대화 가능
[KOTRA_해외시장동향_2019.10.02]
캐나다, "한국은 최고의 AI 협력 동반자"
한국은 바야흐로 AI 전성시대다. 주인 말만 듣는 스피커에 이어, TV, 에어컨, 냉장고 등 가전제품에도 인공지능 기술 도입이 한창이다. 최근에는 의료, 법률 등 다방면으로 기술 도입이 확대되는 추세다. 한국을 AI 도입이 가장 빠른 나라 중 하나로 꼽는 이유다.
캐나다는 글로벌 AI 기술의 허브로 제프리 힌튼, 요슈아 밴죠를 비롯한 많은 AI 리더 양성의 산실이자 AI 연구의 보고(寶庫)로 명성이 높다. 삼성, 엘지를 비롯해 구글, 아마존, MS 등 글로벌 디지털 기업들이 앞다퉈 연구소를 세웠지만 여전히 많은 IT 기업들의 캐나다 진출 열기가 뜨겁다.
응용 AI에 강한 한국! 핵심 AI에 앞선 캐나다! 양국은 상호보완적 산업구조로 상생협력을 통한 시너지 극대화 가능성이 매우 높다. 이에 캐나다 AI 기계학습분야 전문가인 김한돌 박사를 만나 캐나다 AI 기술현황과 한-캐 협력에 대한 그의 생각을 들어봤다.
<아래 본문은 영어로 진행된 현장인터뷰 내용을 국문으로 번역한 것입니다.>
[질문] 간단한 자기소개를 부탁 드립니다.
제 이름은 김한돌 입니다. 서울에서 태어나 한 살 때 부모님과 함께 캐나다로 이민을 와서 이 곳에서 자랐습니다. 지금은 퀀텀 컴퓨팅 분야의 글로벌 선두기업인 D-Wave 시스템에서 기계학습사업부문(Quadrant)의 총괄책임을 맡고 있습니다(참고로 김한돌 박사는 인터뷰 이후 인 2019년 9월, D-Wave를 나와 AI기반 신약개발 기업인 Variation AI를 창업하였으며 현재는 Variation AI의 Co-Founder & CEO임).
Quadrant는 인공지능 알고리즘과 솔루션을 개발하는 것을 전문으로 합니다. 작년 5월 사업부가 만들어 졌으며 1년 3개월 동안 Siemens Healthineers, Konica Minolta, National Institute of Health 및 SK Telecom과 같은 글로벌 기업의 프로젝트에 참여했습니다.
[질문] 캐나다의 AI 기술력 수준은 어느 정도인가요?
캐나다는 명실상부한 AI 기술의 글로벌 리더 입니다. 캐나다에서 태동한 AI 핵심기술이 오늘의 AI를 만들었다고 해도 과언이 아닐 것입니다. 제프리 힌튼(토론토 대학)과 요슈아 벤죠(몬트리올 대학)가 대표적입니다. 두 사람 모두 AI, 특히 딥러닝(Deep Learning) 및 딥뉴로넷(Deep NeuroNet)을 중심으로 지금의 AI 붐을 일으키는데 선구자적 역할을 했습니다. 2012년 이후 두 분의 오랜 연구성과물들이 논문과 학술지를 통해 소개되면서 AI 기술의 혁신적인 발전을 가져오게 되었습니다.
그리고 앨버타 대학교의 리차드 수튼(Richard Sutton)도 있습니다. 수튼 교수는 강화학습(reinforcement learning)의 창시자 중 한 명입니다. 강화학습은 매우 강력한 AI 기술로 한국에서도 ‘인간 vs 인공지능 바둑대국’으로 잘 알려진 ‘알파고’가 사용했던 기술입니다.
캐나다가 AI 분야에서 이토록 두각을 보이는 이유는 캐나다 고등 연구원(Canadian Institute for advanced research)이 소위 인공지능의 겨울이라 불리는 80년~90년대에 지속적인 연구지원을 아끼지 않았기 때문입니다. 80년대와 90년대에는 아무도 AI에 관심을 두지 않았습니다. 하지만 캐나다 정부는 AI분야 R&D 예산을 꾸준히 지원했으며 바로 이 것이 밑거름이 돼 오늘날의 AI 강국 캐나다를 만들었습니다.
[질문] 캐나다를 대표하는 AI 도시에는 어디가 있나요?
캐나다에는 소위 4대 AI 성지가 있습니다. 바로 토론토, 몬트리올, 에드먼턴, 밴쿠버 입니다. 한 가지 특징적인 것은 이들 4개 지역이 각기 다른 차별화된 강점을 보유하고 있다는 점입니다.
예를 들어 토론토와 몬트리올에는 페이스북, 구글, 삼성, LG 같은 대기업 연구소가 진출해 있으며 이들 기업들은 심층신경망(Deep Neural Net) 기반 딥러닝 기술을 즐겨 사용합니다.
에드먼튼에는 강화학습으로 유명한 구글 딥마인드 연구소가 있구요.
반면 밴쿠버의 강점은 주로 컴퓨터 비전 또는 비주얼 컴퓨팅이라고 불리는 영역입니다. 사이머프레이저대학(SFU)은 컴퓨터 비전, 비주얼 컴퓨팅 영역에서 특히 강합니다. UBC는 우리가 의사결정(Decision Making) AI라고 부르는 영역에서 탁월하구요. 그리고 AI 기업으로 생성모델(Generative Model)에 특화된 Quadrant가 있습니다.
[질문] 생성모델(Generative Model) 이란 용어는 다소 생소합니다. 어떤 기술인가요?
AI를 구현하는 핵심기술이 기계학습 또는 머신러닝이며 종류가 여러 가지입니다. 각각의 기계학습은 특정 유형의 문제를 해결하는데 익숙합니다. AI와 기계학습을 잘 모르는 많은 사람들은 AI나 기계학습이 어떤 한 가지 것 이라고 생각하지만 실제로는 많은 다른 유형의 알고리즘과 접근법이 있는 것입니다. 따라서 우리는 해결하려는 문제에 적합한 최적의 알고리즘을 선택해야만 합니다.
이러한 기계학습 방식 중 널리 사용되는 방식이 바로 딥러닝입니다. 그러나 여기에는 한 가지 큰 문제가 있습니다. 이러한 심층인공신경망(Deep artificial neural networks) 방식을 사용하려면 어마어마한 양의 데이터가 필요합니다. 빅데이터 시대에 이런 것이 어째서 문제가 될까 생각하시겠지만, 실제로 각 데이터 마다 레이블(일종의 값)을 지정해야 하기 때문에 실제로 컴퓨터가 활용할 수 있는 데이터 양은 상대적으로 많지 않습니다.
예를 들어 폐의 CT 스캔 이미지가 백만 장이 있다고 하면 의사가 일일이 암이 있는지 여부를 확인해주어야 하는 것과 같습니다. 이런 식으로 모든 데이터에 레이블을 지정해야 하며 레이블 없이는 이러한 알고리즘의 기계학습 방식은 거의 무용지물 입니다.
생성모델 방식의 강점은 바로 기계학습에 많은 데이터가 필요하지 않다는 것입니다. 생성학습 방식은 조건부 확률 분포가 아닌 결합 확률 분포를 기반으로 하며 딥러닝과는 다른 유형의 알고리즘을 사용합니다.
어린아이에게 집이라는 사물을 이해시킬 때 모든 집 구조를 일일이 보여주며 설명할 필요가 없듯이, 기계학습에서도 소수의 샘플만으로도 매우 빠르게 이해시키는 것이 가능합니다. 이것이 생성학습 방식입니다.
[질문] 오늘날 인공지능의 한계는 무엇이라고 보는지요?
우스갯소리로 들릴지 모르지만 우리 시대 AI의 가장 큰 한계는 바로 '인력부족'입니다.
AI 기술발전의 핵심요소는 바로 사람, 전문 연구인력입니다. 흔히 AI 전문인력이라고 하면 많은 사람들이 기계학습 엔지니어나 AI 기계 엔지니어를 생각합니다. 하지만 AI는 기계공학(Engineering) 분야가 아닙니다. AI는 과학(Science) 입니다. 수학, 물리, 화학 등과 같은 기초과학 입니다.
물론 공학 엔지니어도 필요합니다. 하지만 오늘날 AI 혁신의 많은 부분이 기초연구에서 비롯되고 있습니다. 최첨단 인공지능 솔루션 개발에는 생명/물리/화학처럼 인공지능학문을 전문적으로 다루는 기초연구 인력이 필요합니다. 인공지능은 학문이며 과학이기 때문입니다.
이 때문에 Google, Amazon, Baidu와 같은 대부분의 기업에서는 AI 연구자에게 연구주제나 기한을 따로 정해주지 않습니다. 연구자가 원하는 연구를 마음껏 수행할 수 있도록 하기 위함이지요.
2012년 이후 갑자기 AI 열풍이 불었습니다. 불과 7년 전인 2012년까지도 인공지능을 연구하는 사람이 거의 없었으며 이 때문에 지금까지도 AI분야는 전문인력이 부족합니다. 하지만 향후 5년에서 10년 안에 인력수급에 균형이 잡힐 것으로 생각합니다. 이제 AI에 대한 관심이 높아져 더 많은 학생들이 AI 연구에 몰리고 있으니까요.
참고로 현재 AI 분야에서 엘리트 수준의 연구자는 전 세계에 30,000명 정도입니다. 많은 것 같지만 사실은 신경 과학자 수보다 적습니다. 그리고 이중 80%가 Facebook, Amazon, Netflix, Google, Alibaba 등 글로벌 기업에서 근무하고 있습니다.
[질문] 요즘 뜨고 있는 최신 AI 기술 트렌드는 무엇인가요?
AI 관련 핵심기술 트렌드 중 하나는 바로 '칩(Chip)'입니다. 오늘날 칩의 연산처리 속도는 그야말로 기하급수적으로 증가하고 있습니다. 특히 인공지능 분야에서는 GPU가 빠른 딥러닝 연산처리로, CPU가 담당했던 자리를 빠르게 대체하며, 새로운 ‘인공지능 칩’으로 각광받고 있습니다. 이러한 GPU의 인기 비결은 저렴한 비용과 병렬연산처리 방식으로 더욱 강력해진 학습능력 입니다.
최근 실리콘밸리에서 가장 큰 화두는 AI 프로세서 입니다. 기계학습은 막대한 시간과 에너지, 비용이 수반되는 작업이기 때문에 최소의 설비로 최대의 성능을 낼 수 있기 위해서는 '최적의 고성능 칩'을 확보하는 것이 무엇보다 중요합니다. 때문에 최근 주요 칩 제조사들은 AI 전용의 완전히 새로운 칩 아키텍처를 개발하는데 역량을 집중하고 있습니다.
예를 들면, 기존 '폰 노이만 구조로부터의 탈피'입니다. 이 구조는 CPU와 메모리 사이를 데이터가 끊임없이 이동하기 때문에 칩 발열이 심해지고 메모리에 병목현상이 발생해 최상의 성능을 기대하기가 어렵습니다.
그래서 새로운 AI 칩은 이러한 설계방식을 버리고 있습니다. 즉, 메모리를 CPU에 넣거나 CPU를 메모리에 삽입해 데이터 이동과 전력사용을 최소화하고 발열량도 낮아 하나의 칩에 더 많은 CPU와 메모리를 삽입함으로써 칩 성능을 극대화 시키는 것입니다.
이러한 칩 아키텍처의 변화는 삼성이나 SK 하이닉스 등 한국의 모든 칩 생산기업들이 반드시 고민해봐야 합니다. 오늘날 실리콘밸리의 많은 기업들도 칩 성능향상에 막대한 예산을 투입하고 있습니다.
또 다른 AI 기술 트렌드는 디지털화입니다. 기업의 AI 기술도입이 늘면서 디지털화 트렌드가 더욱 가속화 되고 있으며 가장 대표적인 예가 기업의 ‘최고 디지털 책임자(CDO)’ 입니다. 특히 Mitsubishi, Hitachi 등 대부분의 일본 대기업에는 CDO가 있습니다. 왜일까요? 모든 기업관련 데이터를 디지털 방식으로 전환해야 하기 때문입니다. 그래야만 AI를 활용할 수 있으니까요. 하지만 이 작업은 수 년이 걸릴 만큼 시간 소요가 커 기업입장에서는 많은 끊기와 노력이 필요합니다.
한 가지 첨언을 드리자면, 데이터 관리가 중요한 이유는 이러한 데이터들로부터 새로운 비즈니스 가치가 창출되기 때문입니다. 그러나 때때로 이 모든 데이터를 얻고 준비하기 위한 노력이 힘들어 결국 데이터를 제대로 활용하지 못하고 방치하는 경우가 많습니다. 누구나 자신이 보유한 데이터 양과 질을 뽐냅니다. 그러나 당신의 데이터는 생각만큼 가치가 없을 가능성이 큽니다. 거대한 데이터 속에서 서로의 연관성을 찾고 새로운 비즈니스 가치를 만들어 내기 위해서는 고비용의 프로세스가 반드시 수반되어야 합니다.
[질문] 한국의 AI 기술 수준은 어떻게 보십니까?
일반적으로 국가나 연구기관의 연구역량을 평가하는 척도로서 인기 저널에 출판된 논문 수, 인용 빈도수 등이 활용됩니다. 그런데 한 가지 의문이 있습니다. 한국에서는 한국인 연구자와 비 한국인 연구자를 어떻게 구분하나요? 미국, 캐나다의 유명 대학교에만 해도 많은 한국 출신의 연구자가 있습니다. 그들의 연구실적이나 성과를 한국의 것으로 봐도 되나요? 즉 해외에 거주하고 있는 많은 '교포' 연구자들은 한국인인가요? 아니면 외국인인가요?
한국의 인구규모는 5천만 명으로 결코 작은 나라가 아닙니다. 그렇다고 그렇게 큰 나라 또한 아닙니다. 한국에는 인구에 비해 정말 많은 교육 기관이 있습니다. 하지만 정작 AI 분야 전문인력 양성 기관과 전문인력 수는 많지 않습니다. 하지만 이것은 한국만의 문제는 아닙니다. 중국을 제외한 대부분의 국가가 동일한 문제를 안고 있으며 일본도 예외가 아닙니다.
AI 기업에는 두 가지 종류가 있습니다. 우선 핵심 AI 기업입니다. 핵심 AI 기업은 기계학습 알고리즘을 개발하는 회사입니다. 그리고 응용 AI 기업이 있습니다. 응용 AI는 핵심 AI에서 한 단계 더 발전한 것입니다. AI를 활용해 디지털 마케팅을 수행하거나, 은행고객의 대출신용 점수를 매기고, 네트워크 트래픽 분석을 수행합니다. 이것이 응용 AI 입니다. 전체 AI 기업의 0.01%만이 핵심 AI 기업이며 나머지는 응용 AI 기업입니다.
한국은 응용 AI 도입 속도가 상당히 빠릅니다. 이미 대부분의 기업에서 부분적으로 AI를 도입했거나 미래 도입을 적극적으로 검토하고 있습니다. 또한 모든 재벌기업들은 자신의 주력 사업에 AI를 중심에 두고 다양한 성장전략을 추진하고 있습니다. 응용 AI 분야에서 한국은 이미 꽤 발전했으며 일본과 거의 같은 수준이라고 보여집니다..
한국은 기본적으로 인공지능에 대해 열린 마음가짐을 가지고 있으며 이점이 다른 나라와 가장 큰 차이를 보이는 부분 중 하나라고 생각됩니다. 이런 점에서 저는 한국이 인공지능을 바라 보는 개방성에 있어 상당히 앞서있다고 생각합니다.
[질문] 한국-캐나다간 AI 분야 협력방안에 대해 의견 부탁 드립니다.
AI에서 캐나다와 한국은 서로 매우 다른데 이 때문에 오히려 양국간 상생협력사업을 촉진하고 파급효과를 극대화할 수 있는 가능성이 큽니다.
캐나다는 기초연구에 강한 반면 한국은 응용연구에 강합니다. 따라서 이러한 양국 간의 상호보완적인 강점을 고려해 협력의 틀을 만드는 것이 가장 합리적일 것입니다. 먼저 양국간 AI 협력 MOU 또는 새로운 AI 협력 전담조직을 신설하고, 이를 통해 캐나다 R&D 성과를 한국의 주요기업들을 통해 상업화하는 상생협력 사이클을 촉진시키는 것입니다.
사실 AI R&D는 생명, 물리, 화학 등 순수 기초과학 R&D와 어떤 면에서 작은 차이가 있습니다. 예를 들어 기초과학 R&D의 성과가 상용화로 이어지기까지 수 년 이상 소요될 수 있지만 AI R&D는 그 기간이 훨씬 짧습니다. 새로운 기계학습 알고리즘의 경우 NeurIPS(2019년 12월 밴쿠버에서 개최)와 같은 국제학술 컨퍼런스을 통해서 외부에 공개되고 몇 개월 내에 Google, Baidu 또는 Amazon과 같은 대표 디지털 기업에서 신기술 활용이 가능해집니다. 어떻게 보면 AI R&D는 빠르게 상품을 회전시키는 패션산업과 같다고 할 수 있겠습니다. 고급패션 상품이 파리에서 전시되고 나면, 한 달도 안돼서 Forever 21, Zara 또는 H&M과 같은 중저가 매장에서 판매가 되니까요.
[질문] 캐나다 시장 진출을 계획하고 있는 한국의 AI 기업에 조언 한 말씀 부탁 드립니다.
캐나다 응용 AI 시장은 자연어처리(Natural Language Processing), 챗봇(Chat Bot) 등 기반이며 한국에 비해 그 규모가 작고 제한적 입니다. 또한 이들 시장은 성숙단계로 접어들어 이미 많은 기업들이 시장에 참여하고 있습니다. 따라서 이러한 분야는 한국의 AI기업이 새롭게 진출하기에는 적합하지 않을 것으로 보입니다.
한국의 응용 AI 기업은 궁극적으로, 세계 최대 시장인 미국진출을 목표에 두어야 합니다. 이런 관점에서 캐나다 시장은 지역별 특화산업에 따라 일종의 테스트베드(시험무대)로 전략적인 활용이 가능합니다. BC 주는 임업 또는 광업 분야에서 의미가 있고, 로봇 공학이나 자동차부품 예측/유지관리 분야라면 온타리오주가 활용에 적합하며, 철강관련 솔루션은 해밀턴 지역이 미래시장의 실험실로서 제격입니다.
마지막으로 AI 기업의 해외시장 진출전략 관련해서, 기업전략은 국가가 아닌 산업에 포커스를 맞춰야 합니다. 산업의 AI 활용 수요를 바탕으로 산업별 진출전략을 세우고 미국, 독일, 한국 시장에 도전하는 방식이 특정 국가에 집중해 산업별 진출전략을 마련하는 방식보다 더욱 효과적입니다. 따라서 국가가 아닌 산업과 고객에 맞춘 진출 전략이 필요하다는 것을 강조 드립니다. 이것이 해외 진출을 계획중인 한국 AI 기업에 드리고 싶은 조언입니다.
□ 시사점
○ 한-캐 AI 협력동반자 관계 구축, 가치사슬 활용 극대화 가능
- 인공지능 분야에서 한국과 캐나다는 상호간에 상대적으로 우위를 차지하는 요인이 있으므로 쌍방이 상호보완적 상생협력을 통해 4차 산업혁명 시대의 최고의 파트너가 될 것으로 기대됨
- 즉 캐나다는 첨단 AI 개발에 필요한 원천기술에서, 한국은 원천기술을 활용한 응용 AI 개발 및 상업화에서 차별화된 강점을 보유하고 있어, 산-학-연 협력을 통한 기술사업화를 통해 ‘한-캐 AI 가치사슬’ 상에서 부가가치 효과 극대화가 가능함
- 또한 성공 가능성은 낮으나 성공시 획기적 기술혁신을 주도할 미래원천기술개발 사업을 선정해 국가간 공동연구 추진하는 방안도 적극적으로 고민할 필요가 있음
○ 캐나다 AI 클러스터 구축, 지능형 물류기술개발에 역점
- 캐나다는 2018년 2월 총 5개 ‘혁신 슈퍼클러스터’ 프로젝트 중 하나로 ‘AI 기반 물류공급망(Supply Chain) 클러스터를 선정(클러스터 명: SCALE AI)
- 이에 동부 퀘벡을 거점으로 AI를 활용한 지능형 물류공급망을 구축할 예정이며 2022년까지 총 C$2억 3,000만의 연방기금 지원 예정임
- 그 일환으로 올해 6월부터 SCALE AI 클러스터 1차 사업으로 항만, 소매, 네트워크, 농산물 부문의 4개 프로젝트를 선정해 지능형 물류기술도입을 본격착수(총 C$510만 지원, 각 사업별 3-7개의 파트너로 컨소시엄 구성)
- 2019년 국내 물류기술 분석 자료에 따르면 한국의 물류기술 수준은 선진국 대비 4년 정도 낙후된 것으로 나타나 세계 5위 컨테이너 항만 국가라는 명성에 걸 맞는 지능형 종합 물류시스템 개발이 시급한 상황임
- 이런 점에서 우리 정부는 캐나다 정부가 추진하는 인공지능 기술 기반 물류클러스터 구축 프로젝트 사례를 참고할 필요가 있으며, AI 기업은 물론 물류인프라 기업간의 기술개발을 위한 전략적 제휴, 합작투자 등 B2B 협력방안 모색도 가능할 것으로 기대됨
자료원: D-Wave 현장 인터뷰, Innovation/Science/Economic Development Canada, 밴쿠버 무역관 자료 종합
작성자: 김훈수 캐나다 밴쿠버무역관