▲ 신동일 교수명지대학교 재난안전학과/ 스마트엔지니어링 전공isel.mju.ac.kr/mudis

다양한 산업안전 분야 대부분에서 다루는 소재의 물성이 안전성 확보에 중요한 영향을 끼침은 누구도 부인할 수 없다. 현재의 디지털 컴퓨터 구조를 확립한 노이만이 1945년 ENIAC을 개발한지 몇 년이 지나지 않은 1953년 이미 컴퓨터를 이용한 메트로폴리스의 물성 예측 연구가 있었으니, 안전 문제에 컴퓨터 활용의 역사 또한 인공지능의 역사에 비견될만 하다고 하겠다.

전통적인 지식기반의 인공지능 연구에 집중하고 있던 필자에게 1980년대 후반 인공신경망에도 관심을 갖게했던 연구자중 하나인 토론토대의 힌튼(Hinton) 교수는 2차 인공지능의 겨울을 맞아 대부분이 인공신경망을 외면하던 암흑기 시절에도 꿋꿋하게 관련 연구를 계속한 연구자로 존경을 받는다. 특히 2006년 기울기 소실 문제를 해결하고, 심층신경망의 학습을 가능하게 한 새로운 기법의 이름을 딥러닝(deep learning, 심층학습)으로 칭한 것은 혜안이 돋보인다.

유학시절인 1990년 지인의 초청으로 뉴욕 북부의 IBM Watson 연구소를 방문한 적이 있었는데, 2011년 동일 장소에서 IBM 왓슨 인공지능의 대두를 세상에 알리는 제퍼디! 대회가 있으리라고는 당시는 상상하기 어려웠다. 하지만 새로운 인공지능 시대의 서막을 열기까지엔 1997년 IBM의 딥블루가 체스 세계챔피언인 카스파로프를 꺾고 승리해온 역사에서 보듯이 장기간의 내부 “심층학습”과정이 있었다는 것은 재론할 필요가 없다.  

산업 인공기능 활용의 성공사례로 자주 포스코가 언론에 보도되고 있는데, 필자는 아직도 인공지능 연구를 위해 유학을 준비하던 1989년 소속 연구실에서 진행했던 포스코와의 고로 이상진단연구를 잊을 수 없다. 물론 당시는 지금의 딥러닝이 아닌 전문가시스템(expert system) 기반의 개발이었지만, 이상진단은 스마트플랜트 또는 디지털트윈이 논의되고 있는 요즘 시대 누구나 개발 목표의 하나로 손꼽고 있기에, 시대를 너무 앞서간 면이 있다고 혹자는 말할지라도, 이렇게 축적된 “심층학습”의 경험이 성공의 스토리로 요즘 나오고 있는 것이리라 생각된다.

전문가들은 최근 부활한 인공지능의 성공요소로 산업별 전문성, 대용량 컴퓨팅, 빅데이터의 확보 등등을 꼽는다. 이중 우리 안전인의 책임에 속하는 부분이 전문성 및 데이터 확보로 볼 때 인공지능 안전활용의 심층학습을 시작할 시기가 아닐까?