KOSEN 한인과학기술자네트워크

저희는 12월 13일 수요일 리버풀 및 잉글랜드 북서부 지역에 거주하는 회원님들과 함께 코센데이 행사를 가졌습니다. 저희는 박사과정, 박사후 연구원, 인근 대학교 교원까지 다양하게 구성되어 있습니다. 전공 분야도 화학, 재료, 토목, 건축음향, 재무 등으로 모두 달라서 오랜만에 다양한 분야의 이야기를 들을 수 있었습니다. 특히, 식당으로 이동하기 건축음향 연구실에 모여서 실험실 투어도 하고 코센데이 주제인 "인공지능 시대 달라진 연구현장 및 연구자의 모습"에 대해서 한시간 가량 간단한 발표와 토의를 가졌습니다. 저희 코센데이는 아래와 같이 진행됐습니다.

• 17:00-17:10, 인사 및 본인 소개
• 17:10-17:30, 조홍일 박사 발제
• 17:30-18:00, 토의 및 본인 분야에서의 인공지능 활용 사례 소개
• 18:00-18:30, 식당 이동
• 18:30-20:30, 식사
  

1. 발제

먼저 재료분야에서 박사후 연구원으로 근무하고 있는 조홍일 회원이 본인 연구분야에서 활용되고 있는 인공지능에 대해 본인 논문과 최근 연구를 기반으로 발표해주셨습니다.

몇년 전만해도 인공지능은 사람이 직접 규칙을 입력하여 구현했기 때문에 사람들이 아직 모르는 영역에 대해서는 활용하기가 어려웠다는 단점이 있습니다. 하지만 최근에 와서는 컴퓨터를 학습시켜 스스로 규칙을 만들어내도록 하는 머신러닝 기법을 통해 인공지능을 구현하고 있습니다. 이때문에 머신러닝을 통해 형성된 인공지능은 사람들이 아직 풀지 못한 문제도 답을 예상해 볼 수 있다는 장점이 있습니다.
재료화학 분야에서의 난제 중 하나는 원하는 특성을 갖는 새로운 재료 물질을 설계할 수 있는가입니다. 현재도 대부분의 연구 그룹들은 수많은 시행착오를 겪으며, 새로운 재료 물질을 합성해나가고 있습니다. 하지만 요즘 저희 그룹을 포함한 몇몇 연구팀에서 기존에 보고된 수만~수십만개의 재료물질을 학습시켜 인공지능을 형성시키고, 이 인공지능이 성능이 좋을 것으로 예측한 물질을 실제로 구현함으로써 보다 체계적으로 새로운 물질을 개발할 수 있다는 연구를 발표하고 있습니다. 다만, 저희 그룹에서 인공지능으로 예측한 물질을 합성을 시도했던 다른 연구원들과 대화해보니 인공지능이 예측한 물질을 합성하는데 실패한 경험도 많이 들을 수 있었습니다. 이는 인공지능 스스로 만들어낸 규칙성이 실제 자연법칙과 아직은 많이 다르다는 의미일 겁니다. 그러나 인공지능으로 예측한 물질 합성이 조금씩 보고되고 있고 이런 경험들이 쌓여나간다면, 예측 정확도가 높은 인공지능이 개발될 것으로 예상합니다.
또한, 현재 인공지능을 활용한 연구는 주로 인공지능 연구자들의 협업으로 진행되고 있지만, 다양한 계산 프로그램을 일반인들도 쉽게 사용할수 있듯이, 몇년뒤에는 누구나 인공지능을 활용하여 연구를 좀더 효율적으로 진행할 수 있을 것이라 생각합니다. 다른 분들도 인공지능과 관련한 경험이나 의견이 있으시면 자유롭게 말씀해주시면 좋겠습니다.

2. 토의

이평직, 음향 분야에서의 인공지능: 전 건축음향 및 환경소음진동 분야에서 연구를 진행하고 있습니다. 저희 분야도 인공지능 활용한 연구들이 활발히 발표되고 있습니다. 특히, 음향신호 및 소스 검출(detection)에 인공지능이 가장 활발하게 적용되면서 연구분야의 경계가 허물지는 경우를 발견하곤 합니다. 몇년 전까지만 해도 건축이나 토목 분야를 연구하던 그룹이 인공지능을 적용하면서 수중음향이나 생체음향으로까지 연구분야를 확장하더군요. 저희 그룹도 최근에는 건축물 소음 뿐만 아니라 동물이나 조류가 발생시키는 소리에 딥러닝 기법을 적용해서 연구하고 있습니다. 기존에 해왔던 연구주제나 분야의 경계를 넘어 오픈 마인드로 연구주제를 살피는 자세가 필요할 것 같습니다.

서형준, 토목공학 분야에서의 인공지능:저는 infrastructure 및 natural heritage 에 인공위성, 드론, 레이저 스캐닝, 광섬유 센싱과 같은 SMART 센싱 기술을 적용하는 연구를 진행하고 있습니다. 여기서 발생하는 수많은 3차원의 데이터는 머신러닝과 딮러닝 알고리즘으로 분석할 수 있는 툴을 개발함으로써 자동적인 데이터 분석이 가능하게 됩니다. 이번 모임에서 음향분야, 화학 분야, 그리고 학제간의 차이를 뛰어 넘어 인문학적인 차원에서 제 연구의 확장성을 고려해 볼 수 있었습니다. 뿐만아니라 타 분야와의 협업을 계획할 수 있었습니다.

양진석, heritige building 분야에서의 인공지능:저는 영국에 존재하는 헤리티지 빌딩들의 3차원 포인트 크라우드 데이터를 통해 헤리티지 빌딩의 유지관리를 통합적으로 가능하게 하는 플렛폼을 개발하는 연구를 진행하고 있었습니다. 이 과정에서 automatic damage detection 이 가능하게 하기 위해서 다양한 딮러닝 알고리즘을 적용하고 있습니다. 이번 모임을 통해서 헤리티지 빌딩에서 적용가능한 센싱 기술들을 더 알아갈 수 있었고, 리버풀 대학의 음향랩 방문을 통해 아이디어를 얻을 수 있었습니다.

김민주, 비지니스 분야에서의 인공지능: 인공지능(AI)은 금융 산업 전반에 걸쳐 다양한 방식으로 활용되고 있습니다. 간략하게 소개하면 다음과 같습니다. 효율성 향상: AI는 금융기관의 업무를 자동화하고 효율성을 향상시키는 데 활용될 수 있습니다. 예를 들어, AI는 고객 서비스 상담, 대출 심사, 거래 처리, 리스크 관리 등 다양한 업무를 자동화하여 인건비를 절감하고 업무 처리 속도를 높일 수 있습니다. 사기 탐지 및 예방: AI는 금융 사기 탐지 및 예방에 효과적으로 활용될 수 있습니다. AI는 대량의 데이터를 빠르게 분석하여 이상 징후를 탐지할 수 있으며, 기존의 사기 탐지 시스템보다 더 정교하고 정확한 결과를 제공할 수 있습니다. 고객 서비스 개선: AI는 고객 서비스 개선에도 활용될 수 있습니다. AI는 고객의 질문을 이해하고 이에 대한 답변을 제공하는 대화형 챗봇으로 활용될 수 있으며, 고객의 금융 니즈를 파악하고 맞춤형 금융 서비스를 제공하는 데 활용될 수도 있습니다. 위험 평가 및 관리: AI는 위험 평가 및 관리에도 활용될 수 있습니다. AI는 금융 시장의 변동성, 고객의 신용도, 대출의 연체 가능성 등 다양한 요소를 고려하여 위험을 평가하고 관리할 수 있습니다. 저는 Ensemble Learning 기법을 적용한 기업의 회계부정 적발 그리고 Deep Learning을 적용한 주가의 변동성 예측 등을 연구하고 있습니다.

김성환 , 포렌식 분야에서의 인공지능: 인공지능은 시각 및 감각 인식, 인지 사고, 의사 결정 등 인간과 유사한 학습을 수행하고 궁극적으로 더 빠른 속도와 더 적은 오류로 복잡한 문제를 해결할 것으로 기대됩니다. 특히 치안 분야 연구자들은 사법 현장의 방대한 양의 데이터와 복잡한 증거들을 효과적으로 이해하기 위해 데이터 분석, 패턴 인식, 이미지 처리, 데이터 마이닝 등과 같은 방법을 사용하고 있으며 과학 수사의 거의 모든 분야를 지원하고 있습니다. 예를 들면, 과거 발생한 대량의 자료에 대한 평가를 바탕으로 알고리즘을 개발하여 범죄 예측, 탐지 및 검거에 활용할 수 있습니다. 결과적으로 관련 연구들은 근거 기반 경찰 활동 (Evidence-Based Policing)을 가능하게 함으로써 시민들의 안전과 정의 실현에 이바지 할 것입니다. 다만 많은 개인정보를 다루는 만큼 관련 법령 및 연구 윤리 준수도 신중하게 이행되어야 할 것입니다.

임정후, 화학 분야에서의 인공지능:  화학분야에서 인공 지능은 최첨단의 화두로 떠오르고 있습니다. 최근 구글 DeepMind는 인공지능을 통해 약 22만가지 신물질에 대한 가능성을 확인하였고, 더 나아가 Supervised machine learning을 통해 기존의 논문들의 재료 합성법을 참고하여 신물질의 합성 방법 제시 및 약 70%의 성공률로 실제 결과물까지 보여주었습니다. 또한 제가 연구하는 배터리 분야의 경우 머신 러닝을 통해 배터리 물질의 원소 치환 안정성, 신물질 구조를 예측하는 것부터 상용 셀들의 배터리 수명에 대한 데이터를 바탕으로 배터리 신제품의 수명을 머신 러닝으로 예측하는 실제 산업에까지 인공지능이 적용되기 시작하였습니다. 하지만 모든 반짝이는 것이 금이 아닌 것처럼, 인공지능은 모든 분야의 가능성을 스크린하기에 구현이 불가능한 가상으로만 존재할 수 있는 결과도 같이 보여주게 됩니다. 결국 인공지능을 잘 활용하기 위해서는 그것을 이용하는 사람의 지식을 토대로 방향성을 제시할 수 있을 때 (Supervised) 그 실효성이 극대화될 것이며 각 산업에 필요한 쓰임새를 갖출 것이라 생각하게 되었습니다.

3. 식사

발제와 토의를 한시간 가량 가진 후 리버풀 시내에 위치한 터키 바베큐 식당(Elif)으로 이동해 두시간 가량 즐거운 시간을 가졌습니다. 양고기가 익숙하지 않은 회원들이 많았지만 다행히 모든 회원분들이 맛있게 음식을 즐기셨습니다.

이번 행사를 통해 다양한 분야에 종사하시는 회원분들과 즐겁게 대화를 나누고 연말을 보낼 수 있었습니다. 다시 한 번 소중한 기회를 주신 KOSEN 관계자분들께 감사드립니다.