▲ 신동일 교수- 명지대학교 재난안전학과/ 스마트엔지니어링 전공

현대물리학은 자연계에 존재하는 기본 힘, 즉 우리가 매일 경험하는 모든 힘을 중력, 전자기력, 강력, 약력으로 정의한다. 이중 중력을 제외한 세 종류의 힘을 통합해 한꺼번에 설명하는 이론인 현대 입자물리학의 표준모형은 물질을 구성하는 기본 입자와 이들 사이의 상호작용은 물론이고 우주의 구성과 움직임까지도 설명한다 (그림 1 참고). 이런 물리학 분야에도 인공지능의 적용은 예외가 아니어서, “10년안에 기계학습 은 수학을 아는 것만큼 물리학 수행에 필수적이 될 것”이라고 Our Mathematical Universe의 저자이자 MIT대의 물리학자인 Tegmark 교수는 주장한다 [출처: https://blockgeni.com/can-ai-help-create-unified-theory/].

▲ 그림 1 입자물리학의 표준모형 [출처: www.mpoweruk.com/standard_model.htm]

필자가 속해있는 산업부의 가스기술기준위원회는 가스안전의 이런 표준 코드 제개정을 담당하고 있거니와, 어느 분야든 표준적인 방법론과 튜토리얼이 있다면, 우리는 그 분야가 정립되었다고 부르기 시작한다. 하지만 아쉽게도 인공지능과 이를 활용한 스마트 안전 분야는 이런 표준모델의 출현이 언제 가능할지는 필자 또한 예측하기 어렵다.

퍼듀를 떠나 컬럼비아대에서 인공지능 연구를 계속하고 계신 지도교수께서 WhatsApp을 이용해 반가운 소식을 전해오셨다. 인공지능 분야의 3대 학교중 하나인 CMU 전산과에서 박사후과정중이던 1985년 컬럼비아대의 신임교수직에 지원을 하셨는데, 공채 과정의 필수코스중 하나인 학과 세미나 당시 공지된 교수님의 발표초록을 오래된 자료모음에서 발견했다는 내용이었다. 35년도 넘긴 자료의 발견에 놀란 것이 아닌, 교수님이나 필자가 놀라했던 부분은 요즘 다시 대두되고 있는 인공지능분야의 지식기반시스템이 당시에도 화두중 하나였다는 사실이었다 (그림 2 참고).

▲ 그림 2 지식기반 인공지능시스템의 강조 (1985)

필자가 속해있는 산업부의 규제개혁위원회는 소관 규제의 적절성을 평가하기 위한 지표중 하나로 비용편익분석을 요구한다. 인공지능기반 시스템의 구축도 당연히 예외가 아닌데, 맨땅에서부터 시작은 기회의 선점 효과는 있겠지만 비용편익을 정당화하기가 쉽지만은 않다. 표준모델의 미정립시기에 그래서 “특정분야에서 학습된 신경망의 일부 능력을 유사하거나 전혀 새로운 분야에서 사용되는 신경망의 학습에 이용하는 것”을 의미하는 전이학습(그림 3 참고)은 보다 적은 비용으로 스마트안전 시스템을 구축하거나 횡전개를 희망하는 기업들에 있어 표준적인 접근법중 하나가 될 수 있지 않을까 기대된다. 

▲ 그림 3 전통적인 기계학습과 전이학습의 비교 [출처:towardsdatascience.com/a-comprehensive-hands-on-guide-to-transfer-learning-with-real-world-applications-in-deep-learning-212bf3b2f27a]