이번 포스팅에서는 인공지능(AI)와 사물인터넷(IoT)가 결합된 AIoT 정의와 요소기술과 사례, 전망에 대해 정리해보았습니다.
99년 MIT의 오토 아이디센터 (Auto ID Center)의 케빈 애시턴이 처음 전망한 사물인터넷(Internet of Things, IoT)는 계속해서 진화를 거듭하여 최근에는 다시 딥러닝과 함께 주목받고 있는 AI(인공지능) 기술과 결합하여 지능형IoT 또는 사물지능이라고 불리는 AIot(Artificial Intelligence of Things) 개념이 부상하고 있습니다.
이러한 AIoT 기술은 최근의 디지털 전환(Digital Transformation, DX) 흐름에 따라 더욱더 큰 관심을 받고 있습니다.
가령 요즘 정의되는 “스마트 디바이스”는 단순히 “말을 알아듣고 처리하는 기능”을 넘어 “말을 하지 않아도 알아서 하는 기능”으로 진화하였습니다.
인공지능(AI)과 사물인터넷(IoT)를 넘어 두 기술이 융합된 형태를 통해 제공되기 시작하였습니다.
AIoT란, AIOT 정의
AIoT 정의를 내리자면 AI of Things, Artificial Intelligence of Things의 약어로 인공지능(AI)와 사물인터넷(IoT)이 결합된 의미로 IoT를 통해 수집한 대규모의 데이터를 AI가 학습하여 분류 및 분석 또는 예측하여 수행시키는 알고리즘을 만드는 기술 입니다.
즉 사물인터넷(IoT) 센서가 방대한 양의 데이터를 수집한 다음, 이 빅데이터를 다시 인공지능에 들어가 스마트 디바이스, 가전기기 뿐 아니라 의료, 제조, 모빌리티, 스마트시티 등 분야에서 거대한 데이터 흐름을 감지하고 패턴을 분석해서 사용하자 원하는 것을 예측해서 수행하는 역할을 하는 것 입니다.
사물인터넷(IoT) 기기들은 스마트폰 뿐만 아니라 카메라, 의료기기, 제조로봇 등에 이르기 까지 다양하고 이러한 IoT 디바이스들은 약 300억개가 있다고 합니다.
인공지능(AI)은 본래부터 데이터를 분류, 분석하고 데이터에서 예측하는 알고리즘을 만드는데요,
이렇게 인공지능과 IoT가 결합하면 인공지능은 사물인터넷 기기가 수집한 데이터를 사람의 개입 없이 학습, 분석하여 의사결정에 활용할 수 있습니다. 이렇게 IoT에서 데이터 분석이 이루어지는 것이 AIoT 이고 이미 다양한 산업에서 AIoT가 활용되기 시작했습니다.
AIoT 정의, 개념의 유래와 기원
최초로 AIoT 정의를 내린 개념 자체는 일본의 가전기업인 샤프(Sharp)가 15년에 처음으로 사용하기 시작했습니다. 스마트 가전에 인공지능 기술을 접목하여 좀 더 사용자 친화적인 제품을 만들고 이를 통해 가전시장의 주도권을 가져가겠다는 의지로 표현한 용어 인데요,
현재 사용되고 있는 AIoT 정의와 개념은 샤프가 생각한 AIoT 개념이 산업 전반으로 확장되었다고 하면 이해가 쉬울 수도 있을 것 같습니다.
AIoT에 있어 AI와 IoT의 관계
앞서 AIoT 정의를 한 바와 같이, 진정한 IoT 잠재력을 이끌어내기 위해서는 AI와의 융합과 상호작용이 필수적입니다.
즉 AI는 뇌(Brain)의 역할을 하고 IoT는 운동부(Body)의 역할을 하며 AI는 IoT의 촉매제 구실을 하여 데이터 기반 수익화 모델에 있어 AIoT가 필수적인 기능을 할 것이라는 전망이 많습니다. (관련 IBM 보고서 링크 PDF (영문))
실제 이렇게 AI와 IoT는 상호 보완적 관계라 결합이 필연적이라고 할 수 있습니다.
IoT기기는 서로 연결되어 통신이 진행되면 생성되는 방대한 규모의 데이터를 처리하기 위해 클라우드로 전송하며 그래서 기본적으로 클라우드 컴퓨팅이 필요해졌지만,
문제는 클라우드가 방대한 데이터 규모에 비례해 확장하기가 어려웠고 클라우드에 결국 과부하가 발생되었습니다.
결국 이러한 IoT기기에서 제공되는 방대한 데이터를 엣지 단, 기기 자체에서 초고속으로 처리하기 위한 해결책이 논의되기 시작되었고 이에 AIoT 측면에서 엣지 컴퓨팅 개념이 등장하였습니다.
AIoT 요소 기술 (1) 클라우드, 엣지, 포그 컴퓨팅
앞선 세션에서 AIoT 정의한 바와 같이 IoT는 클라우드와 결합을 통해 강력한 컴퓨팅 파워와 광범위한 서비스가 가능하게 됩니다.
하지만 클라우드를 통한 중앙집중식 구조로는 모든 디바이스들이 중앙을 통해 연산되는 과정에서 많은 비용 – 시간 지연 또는 전력 소비가 발생되는데요,
이러한 문제를 해결하기 위해 데이터가 발생되는 현장 근처의 네트워크 엣지(Edge) 단에서 소규모 컴퓨팅을 통해 사룸과 실시간으로 데이터를 주고받아 사물이 스스로 판단하고 반응하여 연산시간을 획기적으로 줄이는 엣지 컴퓨팅 기술이 필요한 경우도 있습니다.
엣지 컴퓨티는 다시 포그 컴퓨팅(Fog Computing)과 구분되기도 하는데요, 엣지 컴퓨팅은 사물 자체 또는 사물이 연결된 네트워크에 설치되었다고 하면 포그 컴퓨팅은 엣지 컴퓨팅과 LAN으로 연결되어 클라우드 컴퓨팅과 연결을 담당하거나 또는 엣지 컴퓨팅이 포그 컴퓨팅을 포함하는 개념으로 설명되기도 합니다.
참고로 클라우드 컴퓨팅, 엣지컴퓨팅과 포그컴퓨팅 개념에 대해서는 앞선 포스팅에서 여기 링크에 정리한 바 있습니다.
AIoT 요소 기술 (2) 아주 작은 기계학습, Tiny ML
Tiny ML이란 Cloud ML 또는 Edge ML에서 벗어나 초소형 IoT 디바이스에서 구동 가능한 초소형 임베디드 시스템에서도 자체적으로 운영될 수 있는 기계학습을 의미합니다.
본래 인공지능 – 기계학습 프로세싱은 대규모 컴퓨팅 자원을 필요로 하기 때문에 통상적으로 클라우드에서 이루어져왔고, 앞서 설명한 바와 같이 지연없는 실시간 프로세싱을 위해 클라우드에서 점점 엣지(Edge)로 이동하고 있는데,
이러한 패러다임 전환에 따라 현장에 위치한 수mW 정도의 배터리 전력을 소모하는 초소형 임베디드 시스템에서도 자체적으로 운영 가능한 기계학습이 등장했습니다.
참고로 대표적인 TinyML 플랫폼은 아두이노입니다. 예를 들어 아래 이미지와 같이 마이크로프로세서 상에서 TinyML이 가능합니다. (관련 아두이노 블로그 링크(영문))
AIoT 사례 및 기술 전망
AIoT는 기본적으로 디지털 전환 패러다임에 따라 데이터 분석을 통한 정보 최적화가 필요한 곳에 적용 범위가 확장되고 있으며 특히 전통 제조업인 자동차에서부터 항공우주, 통신, 물류 등 다양한 산업 분야에서 활용되고 있습니다.
우선 제조기업들은 스마트팩토리 구축을 통해 디지털 전환을 앞두고 있고 IoT가 적용된 장비에서 생성된 방대한 데이터를 인공지능을 통해 문제 해결 및 의사결정을 진행하여 지능형 공장을 만들고 있습니다.
또한 자율주행 자동차는 AIoT기술이 적용되어 센서로 데이터를 빠르게 수집 및 분석하고 노면 상태나 장애물 등의 외부 상황은 물론 운전자 상태 등을 모니터링하고 이에 따라 의사결정 및 주행을 하도록 할 수 있습니다.
이 밖에도 의료 분야에서 원격 진단 및 케어, 위급 환자 식별 및 처리 또는 일상 생활에 있어 스마트홈을 통해 가전 기기 제어나 유행병 통제, 유해물질 알림 등 여러가지 사회적 이슈에 대해서도 대응할 수 있도록 진화하고 있습니다.
시장조사업체 브랜드에센스마켓리서치에 따르면 세계 AIoT 시장은 21년 이미 150억4000만달러(약 19조3910억원) 규모를 달성한 것으로 나타났는데, 2028년까지 연평균(CAGR) 38.1%의 성장률을 기록해 2028년에는 AIoT 시장이 1440억7000만달러(약 185조7490억원)까지 확장할 전망이라고 합니다.
COVID19 팬데믹으로 인한 비대면 패러다임 전환이 가속화 되면서 빠르게 AIoT 기술 도입이 이루어지고 있으며 가트너에 따르면 기업 IoT 프로젝트의 80% 이상에 AI요소를 포함할 것으로 예상하는 등 AIoT 기술은 계속 확장해나갈 것 같습니다.
이번 포스팅에서는 인공지능(AI)와 사물인터넷(IoT)가 결합된 AIoT 정의와 요소기술과 사례, 전망에 대해 정리해보았습니다.
앞선 포스팅에서 인공지능과 IoT 관련 기술 트랜드에 대해 정리한 글은 아래와 같습니다.
인공지능 문제와 미래 (1) 강인공지능 불가능? 강인공지능 실패 사례
인공지능 로봇 이해 (1) 로봇과 로보틱스 정의, 인공지능 로보틱스 차이 (로숨의 만능로봇)