로봇은 AI을 통해 더 많은 것을 수행할 수 있다.

산업 현장에서 AI 알고리즘이 제공하는 가능성은 매우 유망하다. 이는 생산 현장에서 반복적인 로봇 어플리케이션을 뛰어넘는 것을 계속 요구하기 때문이다.

위르겐 보크(Jürgen Bock): Kuka에서 스마트 데이터 인프라 연구 지도.

핵심 내용

  • 지능형 로봇은 힘들고 지치는 반복적인 작업에서 인간의 건강을 지키기 위해 작업의 안전과 수준을 끌어올리고 때로는 인간을 대체한다.
  • 지능형 로봇은 숙련 인력이 부족한 상황에서 인간의 작업 능력을 대신할 수 있다.
  • 아직은 인간이 로봇과 환경의 물리적인 상호 작용이 필요한 실질적인 지능 측면에서 지능형 로봇보다 훨씬 뛰어나며, 이는 한동안 지속될 것이다.

AI는 일상의 많은 분야에서 기존의 접근 방식으로 해결하기 어렵거나 해결할 수 없는 문제에 적극적인 해결책을 제시한다. 여기에는 이미지 인식과 음성 인식 등 다양하다. 산업 환경에서도 AI는 데이터에서 패턴을 끌어내 인간의 의사 결정과 로봇의 의사 결정을 지원한다. 일반적으로 지금까지 로봇은 반복 작업에 적합하며, 높은 정밀도와 반복 정확도로 자신에게 주어진 업무를 일정하게 수행하였다. 미래의 생산은 점점 더 복잡한 기능을 요구하기 때문에, AI의 하위 영역으로서 머신 러닝은 로봇 시스템을 유연한 생산에 적합하게 만드는 데에 도움이 될 것이다. 관건은 데이터를 해석하고 연관성을 찾아 정보를 도출해내는 것이다.   

AI 머신 러닝 이상이다

하지만 현재 머신 러닝이 관심의 중심에 있다고 할지라도, 인공 지능 이면에는 단순한 머신 러닝 이상의 것이 있다. 머신 러닝 분야, 특히 컴퓨터 비전 분야에서 성공을 거둘 수 있었던 것은 인공 지능이 있었기에 가능했으며, 이는 의심의 여지가 없다. 그런데 AI의 상징적인 측면이 잊히고 있다. 규칙에 기반한 AI는 사건 또는 행동을 구체적이고 명확한 기호로 파악하여, 이러한 기호에서 수학적으로 정확한 연산과 논리적 결론을 계산할 수 있다. 따라서 상징적 측면에서 AI는 추상적인 프로세스와 명확한 지식을 모델링할 수 있다. 따라서 각각의 접근법은 장점과 단점을 모두 가지고 있어, 서로의 방법을 잘 보완하여 두 분야를 합리적으로 고려하는 것이 좋다. 특히 산업적 응용 분야에서의 의사 결정은 명확한 규칙을 따라야 하고 이해가 가능해야 하며, 바로 이런 점이 AI의 상징적인 접근법을 옹호한다. 또한 AI는 센서 데이터를 바탕으로 오류를 감지하거나 카메라 기반 인식 또는 환경 인식에 적합한 품질의 대량의 데이터를 사용하는 경우, 머신 러닝 프로세스에 사용할 수 있다.     

AI가 유망한 응용 사례는 이미지 인식 분야이다. 로봇의 지능적 행동을 위한 기본 전제 조건으로 사물 인식과 의미론적 장면 분석 그리고 그리핑 포인트 인식 등을 로봇의 자율성과 유연성 증대를 위해 사용할 수 있다.

지능형 로봇이 도움을 있지만 이상은 아니다

Swisslog의 Item Piq 제품은 로보틱스에서 응용 AI를 위한 초석을 형성하였다. 이 지능형 비전 시스템은 알지 못하는 제품의 그리핑 지점을 인식하고 올바른 그리핑 방법을 선택할 수 있어 티칭 프로세스가 수월하다.

지능형 로봇은 작업의 수준과 안전을 올리고, 힘들고 지치는 반복적인 작업에서 인간을 대체하거나 인간을 안전하게 지키고 도울 수 있다. 보고 느낄 수 있는 지능형 로봇은 단순 작업에서 우수한 작업 능력으로 인간을 대신할 수 있다. 하지만 공상과학 영화에서 묘사되는 그런 로봇과는 아직 거리가 있다. 한 예로 체스 그랜드 마스터에서 우승할 수 있는 체스 컴퓨터는 있어도, 체스 게임을 위해 서랍에서 게임 판을 가져오고 필드 위에 말을 세워 게임을 시작하는 로봇은 없다. 아직까지는 인간이 로봇이 자신의 환경과 물리적으로 상호 작용하기 위한 실질적인 지능에서 ‘지능형 로봇’을 훨씬 능가하고 있으며, 한동안 이러한 상황이 바뀌지는 않을 것이다.

우리는 로봇이 어떻게 자율적으로 움직이고, 이미 수행하고 있는 특정 작업들을 구체적인 지침이 줄었을 때에 인공지능이 어떻게 수행하는지 체험하게 될 것이다. 또한 로봇은 미래에 생산 현장을 벗어나 새로운 응용 분야나, 아직 사용되지 않은 서비스 로보틱스 분야에서도 적용될 수 있을 것이다. 인공 지능이 이를 위해 상당히 기여할 것임은 분명하다. 독일과 유럽은 데이터 의식 수준이 높은 편에 속한다. 이는 잠재적으로 개인 정보 처리와 관련이 있지만, 다른 한편으로 내부적인 운영 프로세스와 제품 세부 사항에 대한 생산 데이터 처리와 관련이 있다. 머신 러닝은 많은 양의 트레이닝 데이터에 의존하기 때문에 AI 개발 관점에서 보면 장애물이다. 데이터 가용성 여부를 보면 대량의 고품질 데이터를 인터넷에서 이용할 수 있는 기계 이미지 처리 분야에서 왜 큰 발전이 있는지 알 수 있다. 하지만 그에 비해 업계에서의 성공은 비교적 느리게 나타나고 있다. 생산 설비 운영자는 이런 관점에서 AI를 통해 데이터 경제성과 부가가치 사이에서 균형을 잡아야 한다.