기계는 학습을 멈추지 않는다

인공 지능에는 머신 러닝, 딥 러닝 등 많은 여러 가지 버전이 있지만, 공통점이 하나 있다. 바로 데이터를 통해 학습하고 패턴을 도출하는 능력이다. 이론의 여지없이 예측 유지보수가 있다. 산업 분야에서는 이를 이용하여 비용이 많이 초래되는 기계 셧다운과 같은 사례를 막을 수 있다. 이러한 예측이 경쟁 우위를 확보할 수 있다.

빅토리아 존넨베르크(Victoria Sonnenberg)

IBM의 Watson이나 Deep Blue는 인공지능 수퍼 컴퓨터이다. ML (Machine Learning, 기계 학습)의 매혹적이고, 이목을 끄는 대표적 사례이며, 빅 데이터의 대표로서, 한 때는 전세계와 체스 선수들을 놀라게 만든 적이 있다. ABS 시스템, 전화기의 음성 인식 등에서 노련한 전문가가 된 기계 학습은 얼마 전부터 르네상스를 맞이하고 있으며, 인더스트리 4.0이 몰고 온 데이터 홍수로 인해 시스템 내에서 독립적으로 방향을 찾고 스스로 학습하며 심지어 프로그래밍을 바꾸고 있다. Omron의 3세대 탁구 로봇을 예로 들어 보자. 지난 하노버 메쎄 박람회에서 Omron이 발표한 것은 과히 평범할 수 없는 내용이다. 이 3세대 탁구 로봇은 기술적 혁신을 이루어, 새로운 것을 스스로 학습하기도 하고 인간에게도 학습 과정을 촉진시키는 역할을 하고 있다.

탁구 로봇의 우아한 동작

Omron의 탁구 로봇 포르페우스(Forpheus)는 Watson과는 차이가 있다. 포르페우스는 단순히 탁구선수의 상대 역할만을 하는 것이 아니라, 인간과 게임을 수행하고, 인간의 전체적인 잠재력을 활용하여 그 과정에서 인간의 경기능력을 최적화하고 향상시키는 역할까지 한다. Omron은 이와 같은 원리를 자동화된 산업 환경에 적용하여, 인간의 잠재력을 최대한 활용하고자 한다. 최선의 방법으로 인간과 기계를 연결한 생산 환경을 만들기 위해 개별적으로 각각의 능력에 맞춘 지침을 인지하고 자동으로 받을 수 있다. 포르페우스는 인간과 기계의 이러한 연결 과정을 구현하고자 하였고, 포르페우스는 총 6가지 기술을 결합하였다.

포르페우스는 실시간으로 데이터를 수집하여 상대 선수에 대응하고, 플레이를 조정하는 방법을 배울 수 있고, 공을 다시 받아치는 유형을 조율한다.

■ 정보 해석 능력

■ 이벤트 예상 능력

■ 새로운 것을 스스로 학습하는 능력

■ 적절한 행동을 실행하는 능력

■ 인간과 상호 작용하는 능력

■ 의사소통 능력

포르페우스는 여러 탁구 선수들이 그 동안 해왔던 경기 장면을 보고, 볼의 흐름과 선수들의 동작 그리고 탁구채의 움직임을 면밀히 파악하여, 예측하는 것을 배운다. 이 인공 지능은 쉴새 없이 실시간으로 데이터를 수집하고, 상대 선수에 맞추어 플레이를 조정하는 방법을 배운다. 공을 받아 치는 유형을 배우고 조율할 수도 있다. 포르페우스는 움직이는 공을 카메라를 통해 삼차원으로 포착되고, 초당 80개의 연산 작동으로 공이 어떻게 날아오는지 예측한다. 포르페우스는 탁구공이 상대 선수의 탁구채에 맞자, 공의 궤적을 계산하여 받아 치기가 가장 좋은 위치로 탁구채를 이동시킨다. 이 과정에서 자신이 받은 볼을 상대 선수가 쉽게 받을 수 있도록 궤적과 위치 그리고 속도를 계산한다.

기계 학습과 같은 현상을 최초로 가능하게 한 개념이 바로 컴퓨팅 능력이다. 인공 지능은 정밀하고 빠르게 반응하고 결과를 제공하는데, 이때 엄청난 컴퓨팅 용량을 필요하다. „기본적으로 신경망과 같은 프로세스는 오래되었지만, 새로운 컴퓨터 아키텍처, 특히 그래픽 카드의 병렬 처리는 알고리즘의 효율적 처리와 스케일링을 가능하게 합니다. 우리는 이제 시작 단계이지만, 컴퓨팅 용량이 늘어남에 따라 기계 학습의 능력은 더욱 확대될 것입니다. 특히 자율 시스템이 새로운 지식을 스스로 습득하고, 인터넷에서 데이터를 무제한으로 액세스할 수 있는 능력을 개발함에 따라 이러한 발전을 더욱 가속화될 것입니다.“(공학박사 마티아스 파이스너, 프라운호퍼 IAO 컴피턴스 센터장)

무질서한 대용량 데이터를 신속하고 정밀하게 패턴화하기

공작 기계가 지능적 알고리즘 덕분에 스스로 최적화된다. 머신 러닝은 기계를 적합하게 활용할 수 있어 경쟁 우위를 차지할 수 있다.

단 기간에 ML의 새로운 개발과 빠른 확대를 위해, 또 무질서한 대용량 데이터를 신속하고 효율적인 처리하기 위해서는 데이터의 가용성과 CPU 컴퓨팅의 병렬 데이터 계산이 중요하다(이때 그래픽 프로세서는 CPU와 함께 기술 응용 프로그램 가속에 이용된다). 컴퓨팅 가속기인 그래픽 카드는 현재 클라우드에서 입지를 넓혀 가고 있다. 자율 주행으로 기계 학습 분야에서 앞서가고 있는 인터넷 거인 Google은 초기부터 Google 클라우드에 이미 훈련된 모델을 갖춘 기계 학습용 머신 러닝 서비스와 사용자 정의된 모델을 작성하는 방법을 제공하고 있다.

컴피턴스 센터장인 공학 박스 안드레아스 슐러는 기계 학습의 그 다음 단계로 „휴먼 컴퓨터 상호작용“을 언급하였다. 프라운호퍼 IAO에서도 기계 학습 프로세스를 지능과 인간의 경험을 결합하고 있다. „우리는 기술 전문가들(데이터 분석가가 아닌 응용 분야 전문가, 예: 프로세스 엔지니어 또는 서비스 기술자)이 그들의 지식과 문제해결 능력을 학습 프로세스에 간단하고 적용할 수 있는 시스템과 사용자 인터페이스를 연구하고 있습니다. 이를 통해 머신 러닝의 효율성과 가능한 응용 분야에 커다란 진전을 이루기를 희망합니다.“

목표: 타임-투-마켓 줄이기

로봇이 스스로 배운다. 2017 하노버 메쎄 박람회의 주제는 기계 학습에 대한 출발점과 솔루션이었다.

제조업 분야의 많은 기업들이 가능한 응용 분야를 스스로 해결하고 있다. Fanuc도 기계 학습을 이용하는 경제적 동기는 분명하다. 기계를 보다 효율적으로 만들어 시장 진입시간을 단축하고 예측 정비를 통해 가용성을 높이고자 한다. 그로부터 도출되는 핵심 사항은 기계 운전이 전체적으로 더 경제적이며, 안전하고 예측 가능하다는 것이다. Fanuc은 스마트 머시닝에서 머신 러닝으로의 전환하는 과정이 유연하다. 머신 러닝의 출발점은 처음의 기계 작동개시를 기준으로 한다. 작동 중인 기계를 최적의 범위로 유도하기 위해 스마트 머시닝이 지능적 알고리즘을 사용한다. „스마트 머시닝을 사용하면 가공할 공작물의 품질을 유지하면서, 기계의 가능성을 십분 활용할 수 있습니다.“(베른하르트 루쉬, Fanuc 독일 CNC 영업 관리자)

Fanuc은 이미 자사의 필드 시스템(Fanuc intelligent Edge Link and Drive System)으로 기계 학습 분야에서 입지를 굳히고 있다. Fanuc은 제조, 고급 분석, 딥 러닝 기능을 위한 개방형 분석과 딥 러닝 플랫폼으로 전체 생산 자동화 스펙트럼과 Fanuc 제품 스펙트럼에 대해 산업 사물 인터넷(IIoT)과 „인더스트리 4.0“ 기술을 선보였다. 예를 들어 로봇 CR-7 i A는 다양한 방향으로 카메라에 가공물을 보여주고, 이미지를 만들어 처리하여, 이를 바탕으로 결정이 내리는 컨셉트 „Surface Flaw Inspection by Machine Learning“이 이 필드 시스템에 속한다.

셧 다운은 옵션에 속하지 않는다

공작 기계에 Fanuc-CNC와 작업 관리 소프트웨어 „MT-Link i“를 사용하여 예측 유지보수를 실현하고 있다. „MT-Link i“는 필드 기술로 공작 기계의 특성 데이터를 모니터링하고, 기계의 „수명 기능“을 분석하여, 조기에 문제를 파악하여 예방 정비를 실시한다. 이에 대한 시장의 제안은 다양하다. 프라운호퍼 IAO도 이를 지원하고 방향을 제시하고 있다. „오늘날 중소기업의 핵심적인 문제는 높은 초기비용과 역량 장애, 잠재력에 대한 불확실성입니다. 우리는 프라운호퍼 IAO에서 KIT(칼스루헤 기술 연구소)와 함께 이 문제에 접근하고 있습니다. ‚우리는 Smart Data plus‘라는 주제로 스마트 데이터와 머신 러닝을 구체적으로 응용 사례를 적용하기 위해, 산업분야에 관심이 있는 기업들과 함께 연합하고 있습니다. 우리의 파트너들은 기술 이전과 데이터 분석 기초에 대한 훈련과 대규모 투자를 하지 않고도, 개별적인 스마트 데이터 테스트 베드를 기반으로 각자의 회사에서 신뢰할 만한 평가와 잠재적 이익이 되는 일을 추진하고 있습니다.“(마티아스 파이스너, 프라운호퍼 IAO 컴피턴스 센터장)

우수한 알고리즘은 기계나 시스템만큼 가치가 충분히 있다.

빅토리아 존넨베르크(Victoria Sonnenberg), 절삭 부문 에디터