KOSEN 한인과학기술자네트워크

코로나 팬데믹 시대에 우리의 일상엔 많은 변화가 있었다. 소소하게는 마스크 착용부터
시작해서 비자발적인 직업의 변화를 겪기도 했고, 비대면 수업, 재택 근무와 같이
예전에 하던 활동이라도 다른 모습으로 진행하고 있다.
집 밥을 먹는 횟수가 늘어나면서 요리 실력 혹은 배달 음식 주문 스킬이 날로 향상되는 것은 덤이다.
사람들 간의 물리적인 거리는 멀어졌지만 전자 기기와는 훨씬 더 가까워졌다.
이처럼 급격히 변화한 흐름에 발 맞추어 가기 위해서는 아무리 사람 냄새 나는 아날로그 감성이 좋다고 하더라도 ？
디지털을 배척할 수는 없다. 남녀노소 직업을 불문하고 스마트폰을 활용한 콘텐츠 제작,
SNS 홍보, 실시간 커뮤니케이션 등 온라인 세상의 활동을 즐길 줄 알고
디지털 변환을 꾀하는 사람만이 소통할 수 있는 시대가 되었다.
 

사실 팬데믹은 좀 더 빠르게 우리 생활에 디지털 변환을 스며들게 했을 뿐, 세상은 계속해서 변화하고 있었다.
4차 산업혁명의 핵심이 되는 기술인 인공지능, 클라우드, IoT 기술이 발달하고,
5G로 초연결 시대가 펼쳐지면서 모두가 연결되고 빠르게 처리할 수 있는 기반 기술은
끊임없이 발전하고 있다. 정말 아이러니하게도 디지털화가 가속되는 세상에서 각광을 받는 기술은
‘사람처럼’ 행동할 수 있는 기술이다. 사람처럼 사물을 인식하고, 사람처럼 말하고,
사람처럼 판단할수록 우리는 그 기술에 열광한다.
결국 기술을 사용하는 것은 사람이기 때문이다. 그렇기 때문에 현실 세계에 대한
명확한 이해가 있어야 하고, 사람에 대한 깊이 있는 연구가 선제적으로 진행이 되어야만 쓸모 있는 기술을 만들 수 있다.

따지고 보면 기계를 사람처럼 공부시키는 기계학습(Machine Learning)도,
신경망을 기계에 추상화시켜 만들어 놓은 딥러닝(Deep learning)의 복잡한 알고리즘도
 결국 사람의 두뇌를 컴퓨터에 만들어 놓은 것이다.
갓난 아이가 수만 번 ‘엄마’라는 단어를 들으며 ‘엄마’를 인지하는 것처럼,
인공지능 기술은 컴퓨터에게 수만 개의 ‘강아지’ 사진을 주고 ‘강아지’를 인지하도록
지도학습(Su-pervised Learning) 시킨다.
또한 인공지능은 당근과 채찍을 적절히 사용해서 알파고에게 바둑 두는 법을 알려주었고,
한 단어의 주변에 나오는 문맥을 학습하면서 자연어를 이해하는 능력도 향상시켰다.
최근에 인공지능 분야에서 나오는 SOTA(State of the art)를 갱신하는 논문을 보면,
‘아차, 사람도 이런 식으로 판단했었지!’하며 나 자신을 성찰해보는 시간을 갖기도 한다.
 

리처드 도킨슨의 ‘이기적 유전자’를 보면,
‘진화란 유전자가 오류를 막기 위해 모든 노력을 하고 있음에도 불구하고 막무가내로 생겨난 일’이라고 한다.
생물체의 유전자는 유리한 방향이라면, 즉 생존을 위해서 또는 안정성을 증가시키기 위해서
자기 복제를 통해 그 능력을 극대화 시키려고 한다.
그 과정에서 오류가 발생하고, 발생한 오류로 인해 새로운 종으로 진화도 할 수 있는 것이다.
 

필자는 여기서 ‘오류’에 대한 부분이 참 흥미롭게 느껴진다.
인류는 지금까지 수많은 기술을 만들어 왔고, 대부분의 기술은 인류가 더 나은 삶을 영위하기 위한 방법을 찾기 위해 개발되었을 것이다.
그럼에도 불구하고 예상치 못한 문제가 항상 발생한다.
IT 시스템이라면 누군가 악의적인 목적을 가지고 시스템의 빈틈을 찾아서 오류를 발생시킬 수도 있고,
악의적이지 않더라도 예상치 못한 상황의 조합이 문제를 발생시키기도 한다.
이처럼 의도하지 않은 정상적인 시스템의 동작을 ‘이상(anomaly) 현상’이라고 한다.
어찌 보면 ‘이상 현상’은 기술의 진화를 촉진시키는 역할을 하는 것일지도 모르겠다.
물론 ‘이상 현상’을 마냥 긍정적으로 바라만 볼 수는 없다.
이상 현상을 막기 위해 모든 노력을 기울여야만 하고, 그 과정 속에서 자연스럽게
기술이 진화되는 것이 순리일지도 모르니 말이다.

그렇다면 ‘이상 현상’을 해결하는 가장 첫 단계는 무엇일까?
바로 지금 발생한 현상이 문제, 즉 이상 상태임을 인지하는 것이다.
이상 상태는 정상이 아닌 상태다. 정상적인 상황과는 그 양상이 너무 달라 문제를 쉽게 인지할 수 있는 경우도 있지만,
정상과 굉장히 유사한 듯 보여서 정상이 아니라는 것을 인지하기도 어려운 경우도 있다.

나날이 인공지능 알고리즘의 성능이 좋아지고, 정교한 문제도 해결할 수 있지만
이와 더불어 이상 현상도 함께 발생한다.

다양한 이상 탐지(anomaly detection) 기술에 대해서 살펴보겠다.

<목차>
비지도(Unsupervised) 방식의 이상 탐지 방법
GAN 기반 이상 탐지 방법
마무리

* 출처 : 소프트웨어정책연구소 산업동향
* 자세한 내용은 첨부파일을 참고하여 주시기 바랍니다.