?상명대학교 / 서광규 교수
첨단기술의 발달로 글로벌 규모의 경영이 상대적으로 쉬워졌는데, 특히 자동화는 많은 이점을 추가했고 조직에서 수동 작업을 거의 대체했다. 자동화에 활발하게 적용되고 있는 기술이 인공지능 기술인데, 인공지능은 기업이 직접 인공지능 기술을 개발하여 업무에 적용하거나 아니면 제3의 기업으로서 AI 아웃소싱을 제공하는 기업도 있다. 이 서비스는 인공지능의 서비스라고 알려져 있다. AI에도 클라우드의 적용이 활발하다. AIaaS를 이용할 경우 AI를 모르는 개발자도 API 형태로 제공되는 AI를 이용해 쉽게 AI서비스를 제공할 수 있다.
이 글에는 인공지능 아키텍처, AI의 서비스화, AIaaS에서의 서비스 제공형태 및 구현방법, AIaaS를 제공하는 대표적인 기업, 장단점 등을 기술하기로 한다.
인공지능 아키텍처
컴퓨터 시스템의 이론과 발전은 시각적 지각, 음성 인식, 의사 결정, 언어 간 번역과 같이 인간의 지능이 필요한 업무를 정상적으로 수행할 수 있다.
인공지능(AI)은 컴퓨터 과학의 한 분야로 지적 업무를 수행하는 기계를 만드는 것을 목표로 한다. 즉 인간처럼 반응하고 작용하는 지능적인 기계의 창조를 나타낸다. 특히 이 분야는 오랫동안 주요 주제였기 때문에, 이 분야에서 많은 연구, 혁신, 발전이 이루어지고 있다. 이러한 인공지능(AI) 아키텍처는 그림 1과 같다.
[그림1. 인공지능(AI) 아키텍처
최신 인공지능(AI) 동향으로는 다음과 같다.
- 가상 에이전트
- 음성 인식
- 자연언어 창조
- AI에 최적화된 하드웨어
- 콘텐츠 작성
이러한 인공지능 트렌드가 우리의 오늘과 내일에 많은 영향을 미치고 있는데, 최신 AI 기술은 개선된 세상을 바라보는 현대 문화에 도움이 될 것이다.
서비스로서 AI(AIaaS)
서비스로서 모든 것(XaaS)은 클라우드 컴퓨팅의 용어다. 그것은 기술에 대한 원격 액세스와 관련된 광범위한 서비스 및 애플리케이션 범주를 설명한다.
현재 '서비스로서' 약어가 많이 존재하는데, 그 중에는 Software as a Service(SaaS), Platform as a Service(PaaS), Infrastructure as a Service(IaaS)가 대표적이다.
그러면 서비스로서의 AI란 무엇인가? 클라우드별 SaaS, PaaS, IaaS 등의 서비스를 보유하고 있는 것처럼 AI는 AIaaS라는 서비스를 제공한다. 인공지능의 서비스화(AIaaS)는 AI 아웃소싱의 제3자 제품이다. 클라우드 AI 서비스는 몇 가지 AI 작업에 필요한 전문 하드웨어를 제공한다. 예를 들면. 집약적인 워크로드 등에 대한 GPU 기반 프로세싱이 대표적이다. AIaaS에서는 AI를 이용하려면 하드웨어와 소프트웨어에 대한 큰 투자가 필요 없다. AIaaS는 가치 창출 시간을 크게 개선하는데, 문제에 대한 새로운 접근 방식을 신속하게 테스트할 수 있다.
AIaaS가 주목받는 이유는 4가지이다.
첫 번째는 구현성이다. AIaaS는 IaaS에서는 AI 구현에 필요한 자원을 제공하고, PaaS에서는 자원뿐만 아니라 AI 개발에 필요한 개발 도구를 지원하며, SaaS에서는 AI 서비스가 API 형태로 제공된다.
두 번째는 편의성이다. 사용자는 클라우드 플랫폼에 담겨 있는 AI 서비스를 이용하기만 하면 된다. 만약 AI 개발 환경이 필요하다면 PaaS 형태의 AI 개발 도구 및 환경을 서비스 형태로 받으면 된다.
세 번째는 운영 효율성이다. 클라우드 서비스의 장점 중 하나는 사용한 만큼 비용을 지불하는 정량제 서비스로 AIaaS를 이용할 경우에는 AI를 개발, 학습할 때 투입되는 많은 컴퓨팅 자원들을 개발, 학습이 끝나면 자동으로 축소할 수 있다.
네 번째는 접근성이다. 클라우드에 사용자는 단말기 성능에 관계없이 클라우드 서비스를 이용할 수 있다. 높은 사양을 필요로 하는 AI 서비스에서는 이 같은 장점을 누릴 수 있다.
AIaaS에서의 서비스 제공형태 및 구현 방법
AIaaS는 크게 두 가지 형태로 구분된다. 먼저 AI 플랫폼(AI 엔진)을 제공하는 것으로 이는 머신러닝 모델, 혹은 플랫폼을 제공해 고객이 직접 머신러닝 모델을 개발하는 것이다. 다른 하나는 AI 서비스를 제공하는 것으로 클라우드 서비스를 제공하는 업체들이 서비스 제공자들이 제공하는 인공지능 모델에 데이터만 적용하면 결과를 도출할 수 있다.
AIaaS의 구현 방법도 두 가지로 구분할 수 있는데, 먼저 클라우드 사업자가 개발한 API 형태의 AI 솔루션을 활용할 수 있다. 목적에 맞는 서비스가 있다면, 가장 빠르게 도입할 수 있는 방식으로 개발도구를 이용해 머신러닝 모델을 직접 개발하고 튜닝하는 대신 웹 화면이나 API/SDK 등을 이용해 서비스를 사용할 수 있다.
다음으로 자사의 데이터로 맞춤형 머신러닝 모델을 생성하고, 서비스 형태로 배포한 후 타 시스템/데이터와 연계하는 방식으로 PaaS 형식의 AI 서비스 제공형태이다. 이 방식은 다음과 같은 단계를 거친다.
- 데이터 이동/연계
- 다양한 데이터 통합, 정형정보 추출, 피처 엔지니어링(Feature Engineering)
- 모델 학습
- 모델 검증
- 모델 패키징 및 배포(테스트, 운영환경)
- 서비스 모니터링
- 복잡한 머신러닝 실험 과정/결과물의 체계적인 관리
- 재학습/재배포 자동화
7. 낮은 수준의 AIaaS(Low-level AIaaS)와 높은 수준의 AIaaS(High-level AIaaS)
클라우드에서 제공하는 AIaaS는 낮은수준과 높은수준의 AIaaS로 구분할 수 있다.
먼저 낮은 수준의 AI 또는 약한 AI 또는 좁은 AI는 하나의 좁은 작업에 집중하는 지능이다. 그들은 마음의 제한된 부분을 구현하고 그것에 대해 매우 스마트한 것처럼 보입니다. 분류, 회귀, 클러스터링 ? 베이지안 네트워크 ? 강화 학습, 표현 학습 ? 유전 알고리즘과 같은 고전적인 기계 학습 알고리즘으로 구성된다.
높은 수준의 AI는 모든 문제에 지능을 적용 할 수 있는 능력을 가진 기계로 정의되는 높은 수준 또는 강력한 AI를 말한다. 이는 한 가지 문제에만 집중하지 않으며 때로는 의식이 필요한 것으로 간주되었다. 강력한 AI는 인간이 가질 수 있는 모든 인지 기능을 수행 할 수 있다. 본질적으로 그것은 실제 인간의 마음과 비슷하다. 그들은 인공 신경망 (ANN)을 사용한 딥 러닝 ? 컨볼 루션 신경망 (CNN) ? 오토 인코더 ? 반복 신경망 (RNN) ? 장/단기 기억 (LSTM) ? 문제 지향 솔루션/알고리즘 (예: 얼굴 인식, 텍스트)으로 구성된다. 높은 수준의 AIaaS는 인터페이스가 단순하고 AI가 아닌 전문가가 쉽게 처리할 수 있다.
Microsoft Azure, AWS, Google Cloud는 저수준 및 고수준 AI 서비스를 최대한 많이 제공하는데, 이에 대한 간략한 비교는 다음 표 1과 같다.
| AIaaS | Low Level | High Level |
| MS Azure | ML Studio : - 이상 탐지 - 클러스터링 - 통계 함수 - 텍스트 분석 | 인지 서비스 : - 언어 - 연설 - 검색 - 비전 |
| Google Cloud | 대규모 기계 학습 서비스 - 회귀 모델에서 딥 러닝을 기반으로 한 이미지 분류까지 사용자 지정 모델 | - Google Cloud Job Discovery ? Google Cloud Video Intelligence ? Google 클라우드 비전 - Google 자연 언어 |
| AWS | AWS 기계 학습 ? 알고리즘: 회귀, 분류(이진/멀티 클래스) | Amazon Lex: ? 자연어 이해(NLU) 자동 음성 인식(ASR) Amazon 인식: ? 시각 검색 및 이미지 인식: |
<표 1. AIaaS 제공자별로 제공되는 낮은 수준과 높은 수준의 AIaaS>
7. AIaaS의 장점과 단점
이상에서 살펴본 AIaaS에서도 장점과 단점이 존재한다. 이를 간략하게 기술하면 다음과 같다.
먼저 AIaaS의 장점은 다음과 같다.
- 중앙 위치에서 모든 데이터에 액세스하고 작업
- 데이터 센터 인프라 및 환경이 귀사를 위해 처리되므로 조직의 책임도 적음
- 인프라를 필요에 따라 신속하게 확장 및 축소하여 신속하게 신제품 테스트 및 출시 기간을 단축
- 공급자에 의한 데이터 보안 강화
[그림2. AI기반의 자동화의 장점
AIaaS의 단점은 다음과 같다.
- 대부분 오픈 소스가 아님
- 어떤 알고리즘이 구현되는지, 어떤 매개 변수가 사용되는지 명확하지 않음
- 다른 소프트웨어와 마찬가지로 구현도 매우 까다로울 수 있음
- 체계적인 테스트 권장
- AIaaS 측면은 사업자 간 서비스의 비교 가능성 저해
참 고 문 헌
- https://aws.amazon.com/ko/machine-learning/
- https://cloud.google.com/products/ai/
- https://azure.microsoft.com/en-us/overview/ai-platform/
- http://www.comworld.co.kr/news/articleView.html?idxno=49775
저작권정책
K-ICT 클라우드혁신센터의 저작물인 『클라우드에서 서비스로서 인공지능(AI as Service) 기술』은 K-ICT 클라우드혁신센터에서 상명대학교 서광규 교수에게 집필 자문을 받아 발행한 전문정보 브리프로, K-ICT 클라우드혁신센터의 저작권정책에 따라 이용할 수 있습니다.
다만 사진, 이미지, 인용자료 등 제3자에게 저작권이 있는 경우 원저작권자가 정한 바에 따릅니다.