클라우드와 인공지능(클라우드 컴퓨팅 관련주 )

클라우드와 인공지능

 

막대한 자원과 개발 환경 제공 퍼블릭 클라우드가 AI기술 대중화에 기여
기본 AI도구 제공... MS의 인지 컴퓨팅, 오토ML, 음성 합성, 챗봇 등
클라우드 지향, 컴퓨터가 아니라 컴퓨팅...양자가 서로 이끌며 상부상조

 

기계학습 기반의 인공지능 기술은 1950년대부터 이어져 왔다. 대량의 데이터를 쏟아 부으면 컴퓨터가 스스로 경험적인 알고리즘을 만들어내는 이 기술은 결국 막대한 양의 데이터를 학습할 수 있는 컴퓨터 환경에 달려 있다. 이론은 일찍부터 완성됐고, 여러 논문을 통해 머신러닝은 단순한 가능성이 아니라 언젠가 손에 닿을 기술이었다.

당연히 당시의 컴퓨터로는 원하는 결과물이 만들어지지 않았다. 마이크로 프로세서의 초창기였고, 데이터의 효과적인 처리, 보관도 어려웠다. 하지만 인공지능 기술에 대한 가능성 자체는 분명했기 때문에 많은 사람들이 머신러닝 기술에 관심을 가져왔다. 그렇지만 컴퓨터의 눈부신 발전에도 여전히 머신러닝을 담아내기에 인프라는 늘 부족했고, 비쌌다. 그렇게 인공지능은 이론적 가능성과 현실적 어려움을 사이에 두고 어둠의 시대를 겪어 왔다.

하지만 반도체 기술은 꾸준히 성장했고, 인터넷의 보급으로 전 세계가 연결되면서 이전에 경험하지 못한 막대한 트래픽 처리에 대한 수요가 생겨났다. 이를 위해 본격적으로 고민되기 시작한 클라우드 컴퓨팅은 서버를 추가하는 것만으로 처리량을 확대할 수 있는 클러스터링을 일반화했다. 아주 일부만 쓸 수 있었던 슈퍼컴퓨팅의 개념이 대중화된 셈이다.

(사진편집=임채린 기자)

여기에 더불어 2000년대 들어 게이밍을 위해 등장한 그래픽 프로세서는 그 자체로 병렬 처리가 가능했기 때문에 어느 순간 머신러닝에 활용될 수 있게 되면서 활용도가 높아졌고, TPU를 비롯해 머신러닝 처리에 특화된 전용 프로세서들도 자리를 잡아갔다.

현재 머신러닝 처리 과정은 클라우드 컴퓨팅을 통해 이뤄지는 것이 당연한 일이 되었고, 그 중에서도 막대한 자원과 편리한 개발 환경을 제공하는 퍼블릭 클라우드는 자연스럽게 자리를 잡으며 인공지능 기술의 대중화를 이끌어내고 있다.

여전히 인공지능을 처리하기 위한 시스템 인프라는 개인 뿐 아니라 기업에도 큰 부담이다. 적지 않은 비용을 들여서 구입한 서버라고 해도 막대한 학습 데이터를 처리하는 데에 며칠, 혹은 몇 주씩 걸리는 일도 많다. 시스템을 구축하는 과정도 버겁다.

기업들이 인공지능 분야에 대해서는 일찌감치 퍼블릭 클라우드를 도입하기 시작한 가장 큰 이유다. 장비를 구입하는 데에 들어가는 시간과 비용 없이 곧바로 필요한 서비스를 바로 만들어낼 수 있는 것이 클라우드의 강점이고, 그게 인공지능 분야의 다양한 활용이라는 관점으로도 맞아 떨어진다.

대형 클라우드 기업들은 텐서플로우, 파이토치 등 자리를 잡아가는 머신러닝 개발 환경으로 특별히 인프라에 대한 고민을 하지 않아도 곧바로 모델을 만들고 학습을 시작할 수 있도록 기본 환경을 갖춰 두었다. 여기에 GPU나 머신러닝 학습에 최적화된 전용 프로세서들이 클라우드에 적용되면서 기업들이 필요에 따라 선택할 수 있는 인프라의 다양화도 이뤄지고 있다. 실제로 구글의 TPU는 GPU보다 10배 이상 빠른 성능을 내면서 며칠씩 걸리던 데이터 학습을 몇 시간 만에 해치우기도 한다.

클라우드 기반 인공지능 서비스들의 성장은 ‘인공지능의 대중화’와도 연결된다. 인공지능을 연구하는 기업들, 개발자들은 이 기술이 누군가에게 독점이 되지 않기를 바란다. 세상의 큰 문제들을 해결하는 데에도 쓰이지만 개개인이 겪고 있는 작은 문제를 풀어내는 데에도 활용될 수 있어야 한다는 것이다.

텐서플로우 등 머신러닝 활용을 쉽게 해 주는 프레임워크가 보편화하고, 클라우드 서비스들도 여러 가지 개발 환경을 받아들이고 있는 것은 사실이지만 여전히 학습은 머신러닝의 가장 큰 숙제다. 최근의 흐름 중 하나는 클라우드 기업들이 제공하는 기본적인 인공지능 도구들이다.

잘 알려진 것으로 마이크로소프트의 ‘인지 컴퓨팅’을 예로 들 수 있는데, 사람의 얼굴을 읽어서 나이와 감정을 파익하는 도구나 음성을 받아쓰는 API, 대화를 인지하는 챗봇 등 사람의 감각을 기반으로 하는 몇 가지 서비스들에 대해 마이크로소프트가 직접 모델을 만들고 학습까지 하는 것이다.

아마존 웹서비스 마이크로소프트 애저, 구글의 구글 클라우드 플랫폼 등이 제공하는 오토ML도 OCR, TTS, 번역 등에 대해 손쉽게 쓸 수 있는 API를 제공하고 있고, 국내의 네이버 클라우드플랫폼 역시 음성 합성, 챗봇, 사물인식처럼 일반적으로 쓰이는 AI 기술을 서비스하고 있다.

이런 인공지능 도구들을 이용하면 별도의 학습 없이도 곧바로 필요한 부분에 접목할 수 있다. 아주 간단한 경우에는 2~3시간이면 머신러닝 모델이 작동한다. 이미 우리가 흔하게 접하는 챗봇 서비스는 대부분 이 기술들을 이용하는 것이고, 텍스트나 목소리를 인식하는 기술, 이미지 분석 서비스들도 상당수는 이렇게 만들어져 있는 도구를 활용하고 있다고 봐도 지나치지 않는다.

각 AI 모델은 명확히 주어진 일을 처리하기 때문에 서비스를 개발하는 입장에서는 간편하게 가져다 쓸 수 있고, 클라우드 기업들은 이 모델을 계속해서 학습하고 튜닝해서 정확도를 높여간다. 활용하는 입장에서는 모델의 학습, 유지 관리 등에 대해서 신경 쓰지 않아도 늘 최신의 데이터들이 학습된 모델이 작동하기 때문에 서비스의 질이 높아지는 효과도 있다.

클라우드가 지향하는 것은 컴퓨터가 아니라 컴퓨팅이다. 필요한 무엇인가를 처리하는 것이고, 퍼블릭 클라우드는 그 컴퓨팅 파워를 제공하면서 더 많은 환경에서 기술적인 고민보다 현상의 문제를 해결하는 답을 내어주는 방향으로 성장하고 있다. 인공지능은 그 클라우드 컴퓨팅의 가능성을 바탕으로 현실화되는 대표적인 분야다. 인공지능이 클라우드를, 클라우드가 인공지능을 이끌어주는 역할인 셈이다

 

(출처:http://www.aitimes.com/news/articleView.html?idxno)

 

차기정부 핵심 공약 사항 가운데 하나가 클라우드 관련 빅데이타 산업을 집중 육성 하겠다고 한이상 관련 산업이 큰 수혜를 받을것으로 전망됩니다. 인공지능과 클라우드는 뗄라야 뗄수가 없는 찰떡궁합 사업으로 시너지효과가 극대화될것으로 전망됩니다. 

 

클라우드 관련주 

안랩

솔트룩스

다우기술

SK텔레콤

엑셈

비투엔

KT 

SGA

한일네트웍스

휴네시온

삼성에스디에스

가비아

케이사인

쌍용정보통신

영림원소프트

나무기술

유엔젤

DB

파이오링크

SGA솔루션즈

효성ITX

더존비즈온

포스코ICT

케이아이엔엑스 

젬백스링크

엔텔스

코맥스

폴라리스오피스

한글과컴퓨터

SK

NHN

NAVER

카카오