진화형 지식처리 인공지능 기술의 동향과 산업전망

Korea Evaluation Institute of Industrial Technology 79
SUMMARY
목적
진화형 지식처리 인공지능 SW 기술의 연구 동향과 산업 전망을 통하여 지식 처리 인공지능 분야의 미래
신시장을 주도하기 위한 기술 개발 방향을 제시
주요현황
가트너와 IDC에서는 2013년 IT 기술의 메가트랜드 중의 하나로 빅데이터 기반 인공지능 기술을
선정하였으며, MIT에서는 학습과 추론을 통해 의사소통이 가능한 인공지능 기술(Deep Learning)을 2013년
10대 돌파형 기술로 선정
최근 미국, EU, 일본 등에서는 지식·지능처리를 위한 인공지능 기술 개발 확보가 국가의 미래 경쟁력을 좌우할
것으로 인식하고, 정부와 글로벌 대기업의 주도하에 대규모의 R&D를 추진 중
시사점 및 정책제안
IT 산업은 컴퓨터의 연결(인터넷), 정보의 연결(웹), 사람의 연결(소셜 네트워크)을 거쳐 컴퓨터-지식-사람의
연결 시대로 발전 중이며, 컴퓨터-지식-사람 상호 간의 지식소통을 위한 진화형 지식처리 기반 인공지능
기술이 미래 유망 IT기술로 부상할 전망
이를 위해 인간의 학습, 이해 및 추론, 지각 및 협업 능력 등을 실현할 수 있는 인공지능 기술과 지식 처리
기술을 결합하는 First Mover형의 연구를 통한 원천기술 확보가 글로벌 기술 경쟁에서 우위를 선점하여
창조경제를 실현하는 지름길이 될 것임
ｌ저자ｌ 박재득 PD / KEIT SW PD실
정해근 책임 / KEIT SW PD실
김현기 팀장 / ETRI 지식마이닝팀
진화형 지식처리 인공지능 기술의 동향과 산업전망

PD ISSUE REPORT JULY 2013 VOL 13-7KEIT PD Issue Report
한국산업기술평가관리원80
1. 관련 기술의 개념
진화형 지식처리 인공지능 SW 기술이란?
빅데이터로부터 스스로 학습하고 지식을 축적하여, 사용자와 의사소통을 하고 스마트 기기 간의 자율 협업을 통한
지식 공유 및 지능 진화가 가능한 차세대 인공지능 SW 기술을 의미
-일반 지식, 전문 지식 등에 대한 분석·추론 및 심층 학습과 복잡한 상황 및 시계열 기반의 판단 및 예측이
가능하며 전문가 수준의 문제 해결 및 의사 결정을 지원하는 기능을 가짐
-사람 수준의 지식·지능 체계를 가지고 의사소통 및 자가 학습과 도메인 확장이 가능한 지식베이스를 스스로
구축하는 지능 진화형의 지식 생산 능력을 가짐
-다양한 기기에 탑재되어 분산된 이종 지식베이스 및 기기 간의 자율 협업을 기반으로 발현된 협업 지능을 통해
새로운 문제를 스스로 사고하고 해결하는 기능을 가짐
탑재형 인텔리전스 빅데이터 인텔리전스 전문직 의사결정 전문지식 컨설팅 일상분야 QA
Unstructured
Big Data
Structured
Big Data
Machine
Collaborating
Machine
Predicting
Machine
Reasoning
Machine
Studying
Machine
Learning
Machine
Reading
분석/추론
지능진화형
인공지능
판단/예측
의복/로봇/자동차/단말 탑재 기업/공공 의사결정 지원 의료/진단/건강 진단보조 특허/경영/법률 자문 정보부하 및 정보격차 해소
┃그림 4-1 지식/지능처리 인공지능 기술의 개념도┃

ISSUE 4 진화형 지식처리 인공지능 기술의 동향과 산업전망
진화형 지식처리 인공지능은 지식수준·지능이 스스로 진화하는 SW 기술
진화형 지식처리 인공지능의 핵심 요소 기술은 다음과 같음
-자연어 질의문과 텍스트를 심층 이해하고 질의문 의도에 따른 최적의 응답을 추론하고 제공하며, 스스로
학습하고 문제를 해결하는 지능 진화형의 질의응답(Question Answering) 기술
-빅데이터 이해를 통한 지식 표현, 지식 큐레이션을 통한 지식베이스 구축, 하이브리드 지식 추론 기술과 자연언어
이해를 통한 자가 지식 학습/검증 기반의 지식베이스 자동 확장 기술
-인간이 해석할 수 있는 자원을 인간이 사고하는 방식으로 처리하고 학습할 수 있는 Symbolic/Non-Symbolic
Approach 기반 인간 모사형의 지식 이해 및 자가 학습 원천 기술
-분산된 이종 단위 지식/기기 간의 협력, 조정, 타협 등의 상호작용을 통해 단일 도메인 지식으로 해결하기 어려운
난제들에 대한 자율 협업 기반 솔루션을 제공하는 자율지능형 지식/기기 협업 프레임워크 기술
지능진화형 질의응답
자가학습형 지식 베이스 구축/추론 인간모사형 자가학습
자율지능 지식/기기 협업
┃그림 4-2 지식/지능 처리 인공지능의 요소기술 및 관계도┃
지식 증강 서비스란?
지식 증강 서비스란 빅데이터 분석을 통한 자가학습형 지식베이스를 기반으로 사람(Human), 지식(Knowledge),
기계(Computer, Machine) 간의 상호이해를 통해 분석, 추론, 예측형의 전문가 수준의 지식을 제공하여 인간의
지식처리 능력을 증강시켜주는 지능형 서비스
자율 협업 이란?
이종 도메인의 지식 및 기기의 확장 적응을 위해 스스로 학습하고 판단 및 협업하는 지능 기술

2. 국내·외 기술 개발 현황
지식처리 기반 심층 질의응답 기술
미국, 일본 등 선진국들은 정부 주도의 대규모 관련 프로젝트를 추진
-미국은 정부 주도로 Siri 서비스의 모태가 된 인공지능 분야 PAL(Personal Assistant that Learns)프로젝트,
심층 질문 답변을 연구하는 AQUAINT(Advanced Question Answering for Intelligence) 프로젝트를 수행
-일본은 2011년부터 Fujitsu 연구소와 NII(National Institute for Informatics)가 공동으로 2021년 동경대 입시
합격 가능한 수준의 인공지능 시스템 개발을 위해 토다이 로봇 프로젝트 진행 중
글로벌 대기업에서도 관련 연구개발 프로젝트를 진행 중임
-IBM은 DeepQA 프로젝트를 통해 Watson 질의응답 시스템을 2006년부터 개발하여 2011년 2월 Jeopardy!
퀴즈쇼에서 챔피언들을 물리치고 우승, 이후 Watson 심층 질의응답 기술을 의료, 금융 등의 전문 분야로 확장
적용 중
-Apple은 인공지능을 강화한 음성인식 기술과 Wolfram Alpha 검색엔진을 이용하여 사용자가 원하는
검색결과나 기능을 실행해주는 Siri 서비스를 개시
-Google은 방대한 자료를 바탕으로 5억 개의 Knowledge Graph를 구축하여 인물, 지역, 사물 정보 위주의
정보를 제공
-삼성의 S보이스 서비스에서는 Wolfram alpha의 단답형 질의응답 서비스와 제휴하여 영어권 질의응답 서비스는
제공, 다음 포털은 영화, 인물, TV프로그램 시청률 등 구조화된 정보를 대상으로 제한된 단답형 질의응답
서비스를 제공
-이외에도 MIT의 START, IAC의 Ask.com, Wolfram Alpha 연구소의 Wolfram Alpha 등의 웹 기반의 자연어
질의응답 서비스가 현재 제공되고 있음

┃표 4-1 글로벌 기업의 질의응답 프로젝트 현황┃
연구 프로젝트명 기관/년도 프로젝트 및 연구 내용
DeepQA
IBM
2006~2011
• IBM 슈퍼컴퓨터 Watson 이용한 심층 질의응답
• Factoid 형태의 단답형 질문 대상으로 신뢰성 높은 빠른 응답 제시
• http://researchweb.watson.ibm.com/deepqa/
Google
• 위키피디아 콘텐츠 위주 5억 개의 Knowledge Graph를 구축하여 요약형 검색
결과 제시
• http://www.artificialbrains.com/google
AQUAINT
program
NIST
2003~2008
• Advanced QA 연구 프로젝트, 텍스트, 음성, 이미지, 비디오 등, 영어 및 타 외국어
대상
• 복잡한 질문에 정답제시 연구 : definition, relationship, opinion, dialogue,
geography 분야
• http://www-nlpir.nist.gov/projects/aquaint/
Vulcan Inc.
2003~2006
• Digital Aristotle : 어려운 과학 문제의 질문에 답변할 수 있는 (reasoning)
knowledge system
• 파일럿 프로젝트(2004년, 6개월) : domain expert 개발, 3팀 참여(SRI(UT-
Austin, Boeing), Cycorp, Ontoprise)
• AURA(Automated User-Centered Reasoning and Acquisition System)
프로젝트(SRI, 2004~2006) : domain experts(Biology, Chemistry, Physics
대학레벨)
MIT
1993~현재
• 세계 최초 웹 기반 자연어 질의응답 서비스
• 지리, 과학, 예술/연예, 역사/문화 분야의 수백만 지명, 인명, 영화 관련 단답형
질의응답 제공
• http://start.csail.mit.edu/
IAC
2005~현재
• 웹기반 자연어 질의응답 서비스
• 자연어 처리의 단답형 응답 및 사람이 대답한 답을 매칭 하여 보내 주는 방법 또한
사용
• http://www.ask.com
Wolfram Alpha
Research
Company
2009~현재
• Siri 서비스의 질의응답 부분 담당, 수식, 알고리즘, 모델을 적용하여 사용자에게
정답 제시
• 대규모 지식베이스 수작업 구축(10조 데이터, 5만 알고리즘 등)
• http://www.wolframalpha.com/

자가학습형 지식베이스 구축 및 추론 기술
미국에서는 대학 및 기업 등이 지식베이스 구축을 위한 연구를 진행하고 있음
-Google, IBM 등에서는 자연어 처리 기반으로 정보를 추출하고, 추출된 정보를 지식 그래프로 연결하고
확장하기 위한 지식베이스를 구축
-DBpedia, Freebase, YAGO 등의 위키피디아 기반의 지식베이스들이 구축이 되고 이를 이용한 지식추론 기술이
연구
CMU에서는 Read the Web 프로젝트에서 자연어 이해 기반 새로운 지식을 학습 및 구축하는 NELL(Never
Ending Language Learner) 기술을 연구 중
-웹에서 읽어드린 단어들의 관계를 통하여 신뢰도를 부여하며 관계적 지식들을 2010년부터 학습하여 구축
┃표 4-2 지식베이스 연구 현황┃
프로젝트 기관/년도 서비스/연구 내용
NELL :
Never-
Ending
Language
Learning
CMU
(미국)
2010~현재
• 87% 정도의 정확도로 추정되며 5천만 개 범주 및 관계에 대해서 약 189만 개의
고신뢰도 관계 구축
• http://rtw.ml.cmu.edu/rtw
CYC
Cycorp (미국)
1984~현재
• 세계최대 규모의 지식베이스, Common Sense 추론 엔진
• 약 24만 개의 개념 및 2백만 개의 트리플
• 6만 9천여 개 외부 지식베이스 링크
• OpenCyc 프로젝트를 통해 지식베이스 공개
• http://www.cyc.com/platform/opencyc
DBpedia (독일)
2007~현재
• 위키피디아 콘텐츠로부터 추출된 구조정보를 포함하는 멀티도메인 온톨로지 구축
• 영어버전 DBpedia는 3백7십만 개의 개념과 4억 개의 사실을 포함하며, 개체명
위주의 정보 포함
• http://www.dbpedia.org
Google (미국)
2007~현재
• 위키피디아 콘텐츠로부터 추출된 2천3백만 개의 구조화 데이터에 대한 지식
그래프로 구성
• http://wiki.freebase.com/
Saarland University
(독일)
2008~현재
• 위키피디아, 워드넷, GeoNames 콘텐츠로부터 추출된 1천만 개의 구조화 데이터에
대한 지식베이스
• http://www.mpi-inf.mpg.de/yago-naga/yago/

인간모사형 자가 학습 기술
미국의 경우 대학의 소규모 연구와 함께 기업, 국가 주도의 인간을 모사하는 인공지능 연구가 활발하게 진행
-IBM은 DARPA에서 주도하는 SyNAPSE 프로젝트를 통해 256개의 전자 뉴런을 갖는 인간 두뇌를 닮은 컴퓨터
칩 아키텍처를 개발하였으며, 이 칩의 새로운 아키텍처로 저전력의 인간 모사형의 지식 추론에 활용
-Google은 Google Brain 프로젝트를 진행 중이며, 9계층 신경망, 10억 개의 연결구조로 인간이 인지하는 방식의
자율학습 모델을 연구 진행 중
유럽은 인간 두뇌의 인지 형태를 이용한 지식 처리를 위한 Human Brain 프로젝트를 EU 6대 미래 유망 기술로
선정하여 향후 10년간 추진 예정
-EU FP7 Cognitive Systems & Robotics Program(2007~2012)을 통하여 로봇의 지각 능력을 위한 학습,
이해등 지능화를 포함한 프로젝트를 진행
-Human Brain Project에서는 인간의 인지 형태를 프로그램화 시켜 향후 인간의 지식 처리 형태를 가진
인공지능 개발 예정
┃표 4-3 인간모사형 자가학습 기술 연구 현황┃
프로젝트 기관/년도 서비스/연구 내용
SyNAPSE
Project
DARPA, IBM
2008~현재
• 인간의 뇌와 같은 컴퓨터 개발을 목표
• 향후 10년간 저전력 인지 컴퓨팅 칩을 이용하여 인간 지각, 학습, 반응을
모방하는 컴퓨터 시스템 구축 예정
• http://www.artificialbrains.com/darpa-synapse-program
The Human Brain
Project
EU
2013~2023
• 인간 뇌의 작동방식에 대한 정확한 이해, 활용을 통해 컴퓨팅 아키텍처,
신경과학, 의학 분야 등에 적용 예정
• EU 미래기술 주력 사업 (EU FET 플래그쉽) 프로그램의 6대 연구과제 선정
• http://www.humanbrainproject.eu/
Google Brain
Project
Google
2008~현재
• 9계층의 신경망, 10억 개의 연결구조로 인간 인지 방식의 자율학습 모델 연구
• 인간의 뇌가 사물을 인지하고 서로 다른 사물의 차이를 판단하는 방식 적용
• 2만여 개의 객체 카테고리를 인식하는데 15.8%의 정확도
• http://www.mpi-inf.mpg.de/yago-naga/yago/

자율지능형 지식 에이전트·기기 간 협업 기술
국외에서는 자율 지능 기반의 디바이스 간의 협업을 통하여 최적의 솔루션을 생성하고 이를 위한 자율도 레벨,
안전 및 무결성 체크 등의 연구를 진행
-미국의 NIST(National Institute of Standards and Technology)의 EL(Engineering Laboratory)에서는
지능형 시스템의 자율도에 대한 레벨과 시스템에 대한 연구를 수행 중이며, ALFUS(Autonomy Level for
Unmanned System) 프레임워크를 제안
-IBM에서는 자율 협업의 안전성 및 무결성을 위한 시스템의 장애 및 성능 문제를 찾는 모델을 제시, Smarter
Planet 프로젝트를 통해 모든 사물을 인터넷으로 연결하고 협업을 통한 에너지, 자원 등의 절감하는 대규모
프로젝트를 추진 중
-CMU에서는 재해 대응을 위한 이기종 기기 및 팀의 협업 및 플래닝 방법에 대한 연구를 시작
┃표 4-4 자율지능형 지식/기기 협업 기술 연구현황┃
연구명 기관/년도 연구 내용 및 결과
ALFUS
NIST
2003~2008
• 지능형 시스템의 자율도 레벨 선정
• ALFUS 프레임워크 제안(Ver. 2.0)
• http://www.nist.gov/el/isd/ks/autonomy_levels.cfm
Disaster Response
Project
CMU
• 대규모 재해 대응을 위해 이기종 기기 및 팀의 효율적 조정과 긴밀한 협력을
위한 플랜 제공
• 동적이고 불확실한 상황에서의 플래닝
• 이론적인 접근 단계로 구체적인 결과물은 제시되지 않음
• http://www.qatar.cmu.edu/disaster-response/
Centre for Software
Reliability
London City University • Software Dependability 모델링 및 평가
MUSIC SINTEF 연구소
• 자가 적응 소프트웨어 개발을 지원하는 미들웨어와 프레임워크를 개발
• 컴포넌트의 서비스 레벨에 대한 협상 모델
• http://ist-music.berlios.de/site/
SHADOWS
IBM Haifa Lab
2006~2009
• 시스템 실패, 성능 문제 등의 근본 원인을 찾고 재발 방지를 위한 모델 기반
패러다임 제시
Smarter Planet
IBM(미국)
2009~현재
• 모든 사물에 전자식별이 가능한 태그와 센서 부착, 인터넷을 통한 사람과
정보의 연결, 지능화를 통한 협업 솔루션
• 자율 지능 시스템의 협업을 통해 에너지 낭비 방지, 공급 사슬 관리, 수자원
관리 등의 비즈니스 모델 개발

3. 기술의 발전 방향
빅데이터 분석 기반 지능형 지식처리 SW 기술이 미래기술로 부상
제4세대 플랫폼으로 지목되는 인공지능 기반의 지능형 플랫폼은 빅데이터와 결합되면서 정보 검색형 서비스에서
사용자 맞춤형 지능/지식 서비스로의 시장변화를 견인하는 추이를 보임
-광범위하고 정확한 데이터와 과학적 방법론에 의해 도출된 증거 기반의 기업경영 및 국가정책 수행의 중요성
증가
-21세기 데이터 신산업혁명의 촉발에 따른 데이터 분석 및 인공지능 고도화 기술 확보가 국가의 미래 경쟁력을
좌우할 것으로 예상
빅데이터→지식→지능 처리 기술이
국가 및 기업의 미래 경쟁력 좌우
급속히 폭증하는
데이터
전문 지식서비스
수요 증대
지능처리 SW
시대 진입
┃그림 4-3 지식/지능 처리 인공지능 기술의 중요성┃
한편, 주요 기관들도 2013년 미래기술로 빅데이터 관련 기술들을 선정하여 IT산업의 미래기술 트렌드로서
중요성과 파급력을 강조
-IDC는 2013년 10대 전망에서 빅데이터가 검색으로부터 디스커버리 및 예측까지 다양하게 사용될 것이라고 전망
-가트너는 2013년 미래기술로 전략적 빅데이터 분석 및 행동기반 분석 등의 기술 등을 IT 산업의 미래기술로
선정하고 중요성과 파급력을 강조
-MIT에서는 학습과 추론 및 의사소통이 가능한 인공지능 기술이 2013년의 10대 돌파형 기술(Breakthrough
Technology)이 될 것으로 전망

국가 차원의 진화형 지식처리 인공지능 플랫폼 확보를 위한 노력 진행
각국 정부에서는 빅데이터, 인공지능 등의 지식·지능처리 기술 확보를 위해 정부 주도의 중장기 R&D를 추진하고
있으며, 정부가 직접 투자·개발하여 국가 정책의 방향을 설정의 수단으로 활용하고 있어, 이와 차별화된 진화형
지식처리 기술 개발 시급
● 정부 주도 Siri 서비스의 모태가 된 인공지능 분야 PAL(Personal Assistant that
Learns) 프로젝트, Advanced QA를 연구하는 AQUAINT프로젝트를 지속적으로 진행
● 2012년 3월, 연간 2억 달러 규모의 BigData R&D Initiative발표(고성능컴퓨팅+빅데이터분석)
● 토다이 로봇 프로젝트 (2011∼2021) : 동경대와 NII가 공동으로 2021년 동경대 입시
합격 가능한 수준의 인공지능 시스템 목표로 개발
● 세계 1등 수퍼컴 K컴퓨터를 기반으로 지능형 SW기술 확보 추진 중
● 싱가폴은 2005년 RAHS(Risk Assessment and Horizon Scanning)를 설립하여 중장
기적인 미래예측 활동을 주기적으로 수행함
● 테러 및 전염병 예방 등 빅데이터 심층분석 기반 체계적인 위험 관리
● 스마토피아 구현 5대 전략 중 '빅데이터/인공지능 기반의 SW 컴퓨팅 플랫폼 개발'
제시(지경부 R&D 전략 기획단, 2012년 4월)
● 사회, 경제 등 전 분야의 스마트화 목표
● EU FP7 Cognitive Systems & Robotics Program (2007∼2012) : 로봇의 지각능력을
위해서 학습, 이해 등의 지능화를 포함한 프로젝트 진행
┃그림 4-4 주요국가의 인공지능 관련 기술개발 현황┃
관련 기술의 특허 및 표준화 현황
국내·외 특허 동향은 2003년 최고점으로, 2000년부터 2010년까지 등락을 보이고 점진적으로 감소하였으나, 이는
주요 출원인들이 양보다는 질에 치중한 흐름이 반영된 것으로 예상
-Microsoft가 전체 출원 1위, 그 뒤로 IBM, Google 등이 이 분야에서 다수의 특허를 출원하였으며, 미국에서의
출원이 전체 분석대상 국가 출원규모의 절반 이상 차지
-Google, IBM, 애플이 기보유하고 있는 특허를 회피할 수 있는 개량 특허 및 신규 특허 확보가 시급

┃표 4-5 주요 기술적 이슈별 지재권확보 가능성 분석┃
주요 기술 지재권 확보 가능성
지능 진화형의 질의응답 기술
자연어의 심층 이해 및 학습 기술은 일부 유사 기술이 존재하므로 유사점을 잘
회피한다면 개량 특허 확보가 가능하며, 자율 학습 기반의 지능 진화형 질의응답 요소
기술은 기술적 차별성이 분명하므로 국내·외 핵심 특허의 확보가 가능할 것으로 보임
자가 학습형 지식베이스 및 지식 추론
기술
지식표현 체계 및 다중소스로부터 정보를 추출하는 부분은 국내·외 유사한 특허가 존재,
강화학습, 대규모 지식베이스 기반 고속 하이브리드 추론, 불확실성 추론, 불완전 추론
등은 차이가 있으므로 국내·외 특허 확보가 가능할 것으로 보임
인간 모사형의 지식 이해 및 자가
학습 기술
인간인지모델 기반의 지식이해 기술은 국내·외 유사 특허가 존재, 지능진화, 비기호적
접근방법에 관한 기술은 차이점이 있으므로 국내·외 특허 확보가 가능할 것으로 보임
자율지능형 지식/기기 협업
프레임워크 기술
자율 협상을 위한 비용 편익(Cost-benefit) 모델, 분산 협업 추론 쪽으로 개발이 된다면
국내·외 핵심 특허의 확보가 가능할 것으로 보임
*출처 : 특허기술동향조사 보고서 (R&D 특허센터, 2012년 11월)
관련 기술의 국내·외 표준화 대상 단체 및 표준화 내용은 다음과 같음
-국내·외 표준화 기관의 워킹그룹에서 아래와 같은 주제에 대해 표준화 참여 및 관련 기술의 표준화 추진이 필요
┃표 4-6 요소기술별 표준화 현황┃
표준화 기관의 워킹그룹 표준화 내용
TTA PG606 메타데이터 표준화 그룹 관계형 기술지식 추출 모델 및 데이터 포맷
ISO MPEG User Description 그룹 사용자별 맞춤형 콘텐츠 표현을 위한 지식 콘텐츠 포맷
ISO TC37 Language and
Content Resource 그룹
자연어 의미 프레임 표준 (신규 추진)
ITU-T SG2 Q2 HCI 및 Multimedia 그룹 자연어질의 형식 (신규 추진)
ITU-T SG16 Q13 IPTV 그룹 자연어 인터페이스를 위한 대화모델
ITU-T SG16 Q25 Accessibility 그룹 장애인을 위한 자연어 대화형 인터페이스 (신규 추진)
ISO TC37/SC4 Language Resource
Management 그룹
지식 표현 체계
ISO TC37/SC3/WG3 OntolOp 그룹
이종 도메인 지식 에이전트·기기 간 협업을 위한 디바이스 역량 및
지식 표현

4. 활용방안 및 기대효과
전통산업의 ICT화 및 지능형 지식서비스 산업 창출
국가 혁신형의 지능 처리 기술 확보 및 전통산업의 ICT화 견인을 통한 국가 SW 산업의 미래 경쟁력 확보가 가능
-고부가가치의 차세대 지능형 지식서비스 산업으로 재창출 및 제조업, 도·소매업, 과학 및 교육 분야 등의 고성능
인공지능 컴퓨터 적용 확대로 IT 시장 영역 확장
-기업·공공 분야의 경영자, 전문가 의사결정 지원, 사회현상 분석과 예측 등 지식경제시대의 국가 핵심 SW
플랫폼으로 활용 가능
전통사업 ICT 化
전문가 수준 지식을 제공하는
지능 상담사
Qusestion Answering Embodied Agents
Embedded IntelligenceCooperative Partner
지능형 에이전트
대화형 조력자전문 컨설턴트
협업을 통한 의사 결정지원,
복잡한 문제를 해결을 위한
다양한 기기에 탑재되어 사용법,
수리 가이드를 제공하는
가상 아바타, 휴마노이드 로봇 등에 탑재되는
지능 新 산업 창출
┃그림 4-5] 산업 확산 방안 및 기대 효과┃
기술적 기대 효과
지능 진화형의 인공지능 기술을 선도하고 국가 혁신형의 지능 처리 SW 원천 기술의 확보 가능
-선도 기업과의 기술 격차를 줄이고, 지식의 다양화, 모바일 기기의 다양화와 복잡성을 이해할 수 있는
지식베이스와 기기들 간의 문제해결형 다중 지능 및 지식/기기 협업 기술로 지능 네트워크를 구성할 수 있는
기술 확보가 가능
-인간사고 방식을 모사하는 진화적인 인공 지능 모델을 창출하고 이에 대한 학습 지능을 업그레이드하여 의미
분석 정확도를 향상시키고, 고위험·고비용·고난이도의 지능 SW 원천 기술의 확보가 가능

경제적 기대효과
ICT 융합 기반의 지능형 서비스 산업 및 신시장 창출 가능
-IBM 등의 글로벌 기업 대비 저비용 및 고효율 기반의 ICT 산업의 부가가치 창출
-의료, 법률, 금융, 기업·공공 정책 등의 문제 해결 및 의사 결정 지원으로 인하여 고품질, 저위험의 산업 기반
조성이 가능해져 경제적 소모비용을 절감
-진화형 지식처리 인공지능 요소 기술의 직접 활용 및 타 산업 연계 활용과 글로벌화를 통한 신시장 선점
글로벌 시장 진입
타산업 연계 활용
기술 직접 적용
지식/지능 처리 인공지능 기술
┃그림 4-6 타 산업 연계 및 글로벌화를 통한 신산업/시장 개척 ┃

사회·문화적 기대 효과
고품질 지식서비스 제공으로 삶의 질 향상
-빈부 격차 심화로 발생하는 교육 불균형 문제와 급격한 고령화 사회 진입 문제를 IT적인 접근을 통해 해소
-전문가 문제해결 및 의사결정 지원 지식 컨설팅 제공으로 불확실한 미래와 사회적 불신감 해소를 위한 사회,
문화적 투명성을 제고
-디지털 공간의 데이터 분석/활용으로 예측 대비가 가능한 사회 인프라 구축
5. 정책적 시사점
선진국의 지식·지능 처리 인공지능 기술 개발 박차 움직임
글로벌 기업들도 지식·지능 처리 인공지능 기술에 도전하기 위한 연구를 진행 중
-IBM은 Watson을 통해 Jeopardy! 퀴즈 쇼에서 인간을 능가하였으며, 영역을 금융, 의료 등의 전문 분야로 확장
-Google은 빅데이터를 활용하여 자가 학습이 가능한 인공신경망을 개발 중
-Apple은 인공지능을 강화한 음성인식 기술과 Wolfram Alpha 검색 기반의 Siri를 개발, 최근에는 자동차에 탑재
인공지능 기술개발 경쟁에서 기술 및 시장을 선점하는 차별화 전략 필요
최근 ‘빅데이터 버블’이라고 언급될 정도로 조성되고 있는 관심을 더욱 가치 있게 하려면 인공지능 기술과의
접목이 반드시 필요
-빅데이터의 단순 활용을 넘어 제대로 이해해고 해석하여 지식을 생산해낼 수 있는 진화형 지식처리 인공지능
기술의 확보와 이에 대한 정부의 장기적이고 정책적인 지원이 필수
-선진국에서도 진화형 지식처리 인공지능 기술은 아직 수준이 낮은 편이어서, 미래시장의 Game Change가 될
수 있는 새로운 패러다임의 고위험·고비용의 기술 선점 노력 필요
-차별성 있고 도전적인 원천기술의 개발과 의료, 교육, 재난·재해, 공공, 복지 등의 다양한 분야의 적용 비즈니스
모델의 개발 및 시범 사업의 추진이 필수적임

지식/지능 처리 인공지능 기술 글로벌 경쟁 시작
〈1세대 패러다임〉
HW
①고성능 컴퓨팅
②자연어 분석
③자연어 질의응답
SW/OS
①대규모 클러스터
②심층기계학습
③빅테이터 분석
웹
①인지, 학습, 추론
②대화형 UI/UX
데이터→지식→지능
인공지능 컴퓨팅
차별성 있는 도전적 신규 창의원천기술 → 지식/지능 처리 인공지능 기술전쟁의 승자
┃그림 4-7 제 4의 SW 패러다임 혁명┃

[참고문헌]
1. “Introduction to ”This is Watson“”, D. A. Ferrucci, 2012, Journal of Research and Development.
2. “White House launches 달러 200M ‘Big Data R&D’ initiative”, R. Yasin, 2012, GCN.
3. “Can a robot get into the world’s top schools?”, J. Roach, 2012.09.12, NBC News.
4. “www.wolframalpha.com/about.html”, 2013, Wolfram Alpha LLC.
5. “DBpedia – A Crystallization point for the Web of Data”, C. Bizer, J. Lehmann, G. Kobilarov, S. Auer, C.
Becker, R. Cyganiak, S. Hellmann, 2009, Web Semantics: Science, Services and Agents on the World
Wide Web.
6. “인공지능 SW 개발 착수”, 김종식, 2013, 톱데일리.
7. “정보통신산업 산업융합원천 R&D 전략 [2013-2017]”, 지식경제부, 2012.09.
8. “2013년도 산업융합원천 기술개발 사업 신규과제 기획보고서”, 지식경제부 2012.
9. “빅데이터 시대, AI의 새로운 의미와 가치”, 김성태, 2012, IT&Future Strategy.
10. “인공지능 기술의 걸음마가 시작되었다”, 성낙환, 2012.06.20., LGERI 리포트.
11. “스마트 국가 구현을 위한 빅데이터 마스터플랜”, 교육과학기술부, 행정안전부, 지식경제부, 방송통신위원회,
국가과학기술위원회, 2012.11.28.

[참고] 미래창조과학부 R&D 과제 소개 (엑소브레인 SW 기술 개발)
과제명 : 사용자와 의사소통하고 스마트기기 간 자율협업을 통한 지식공유 및 지능진화가 가능한 엑소브레인 SW
기술 개발
참여기관 : 총 26개 기관(기업 12개, 대학 13개, 출연연 1개 등)
-1단계(4년) 예산 : 428억 원(정부 320억 원, 민간 108억 원)
개발내용
-1단계(2013.05~2017.04) : 일반지식 대상 분석형 엑소브레인 SW 기반기술 개발
-2단계(2017.05~2020.04) : 전문지식 대상 협업추론형 엑소브레인 SW 응용기술 개발
-3단계(2020.05~2023.04) : 글로벌 전문지식 대상 문제해결형 엑소브레인 SW 상용 기술 개발
*인간도 처리하기 어려운 난해한 사변적인 의미를 파악하거나 습득하려는 것은 아니며, 비교적 용어의 의미가
명료한 전문지식 영역에 대한 문제해결 위주의 응용을 목적으로 함
*과제의 최종결과물은 만물박사를 만드는 것이 목표가 아니라, 관심영역 데이터나 정보를 지치지 않고
수집하여 추론 등을 통해 이해하고 지식을 학습하고 질의 응답하는 등 능력의 자가 진화 메커니즘의
원천기술을 확보하는 것이며, 그 가능성을 2~3개의 이질적 전문 도메인에 적용하여 검증하는 것임
기대효과
-(기술적 측면) 高위험· 高비용, 高난이도 국가 혁신형 지능처리 SW 원천기술 확보를 통해 국가 SW산업 미래
경쟁력 확보
-(산업적 측면) 지능형 서비스 및 지식처리 신산업을 창출하고, 다양한 산업 영역 스마트화 견인 및 활용
*시장 선점 및 창출을 통한 국내·외 경제적 효과 유발 (수출 증대 및 수입 대체 효과 : 2024년 6,718억 원, 789억
원/년)
*인공지능 SW 응용개발·관리인력 및 지식큐레이터 등 일자리 창출 (2024년 4,869 명 고용창출 예상)
-(사회적 측면) 폭증하는 전문지식의 정보과부하, 부정확한 기억 등 전문가 문제해결 및 의사결정 지원(Informed
Decision), 고품질 지식서비스 제공으로 삶의 질 향상
*(예시) 전문가 수준의 지식을 자가 학습하여 제공하는 지능형 의사결정 지원 SW, 지능형 대화 아바타,
휴머노이드 로봇 등에 탑재되는 지능형 자율협업 에이전트, 다양한 기기에 탑재되어 용이한 사용을 지원하는
대화형 조력자, 지식노동자의 복잡한 다량의 지적작업의 조력자/동료 등

진화형 지식처리 인공지능 기술의 동향과 산업전망

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (20)

Semelhante a 진화형 지식처리 인공지능 기술의 동향과 산업전망

Semelhante a 진화형 지식처리 인공지능 기술의 동향과 산업전망 (20)

Mais de 메가트렌드랩 megatrendlab

Mais de 메가트렌드랩 megatrendlab (20)

진화형 지식처리 인공지능 기술의 동향과 산업전망