죄송합니다. 더 이상 지원되지 않는 웹 브라우저입니다.

IoT 데이터를 위한 AI 해법

PDF 다운로드

IoT는 많은 양의 원시 데이터를 생성하기 때문에 기존의 분석 방식으로는 대처하기 어렵다. AI가 그 해답이 될 수 있다.
자료제공/노르딕 세미컨덕터(Nordic Semiconductor)

수많은 회사들이 이전에는 처리하기 어려웠던 문제들을 해결하기 위해 IoT에 주목하기 시작했으며, 비즈니스를 최적화하는 새로운 방식으로 전환하기 시작했다. 한 기업이 IoT 기술을 성공적으로 구현하여 경쟁우위를 점하게 되면, 다른 경쟁업체나 상대방들도 뒤처지지 않기 위해 속도전에 참여하게 되면서 이러한 모멘텀은 계속 이어지게 된다.
IoT를 구성하는 센서와 프로세서, 무선 기술 빌딩 블록은 연속적으로 세밀한 데이터 스트림을 생성하는 거의 모든 사물들을 모니터링하고, 측정하고, 디지털화할 수 있도록 기술적 및 상업적으로 실행 가능하게 되었다. 이러한 ‘빅 데이터(Big Data)’의 성과는 효율성, 편의성, 안전성, 보안 및 비용절감 측면에서 혜택을 제공하지만, 데이터 과부하라는 문제 또한 낳고 있다.
노르딕 세미컨덕터(Nordic Semiconductor)의 CTO인 스베인-에길 닐슨(Svein-Egil Nielsen)은 “IoT는 우리가 처리할 수 있는 것보다 더 많은 데이터를 생성함으로써 의도치 않은 비용을 발생시킨다”며, ”이는 계속 불어나는 정보의 홍수에 빠져드는 것과 같다”고 말했다.
하지만 AI가 해결책으로 떠오르고 있으며, 이미 선도 회사들은 이에 대처하고 있다. 닐슨은 “최근 발표자로 참여한 IoT 컨퍼런스에서 나를 제외한 모든 발표자들이 AI를 언급한 것에 놀라웠다”고 언급했다.
닐슨의 생각은 전문기관의 발표자료를 통해서도 확인할 수 있다. CB 인사이트(CB Insights)에 따르면, 최근 ‘세계에서 가장 유망한 100대 AI 스타트업’ 발굴 연구에 신청서를 제출한 스타트업은 13개국, 15개 산업 분야에 걸쳐 5,000개에 이른 것으로 나타났다. 또한 비즈니스 네트워킹 조직인 링크드인(LinkedIn)의 ‘2020년 신흥 일자리 보고서’에 따르면, AI와 데이터 과학 분야의 일자리가 거의 모든 산업에서 급증하고 있는 것으로 조사됐다.(링크드인은 IoT 기술을 채택할 때 AI는 더 이상 선택사항이 아니며, 전세계의 모든 기업들이 곧 채용에 나설 것이라고 언급했다. 이제 사회에 진출하고, 유망한 직종을 원한다면, 이보다 더 좋은 직업은 없을 것이다.) 그렇다면 AI는 어떻게 IoT의 데이터 과부하 문제를 해결하는가? 모든 방면에 걸쳐 가능하다. AI는 IoT의 핵심으로 자리하면서 네트워크는 빠르게 AIoT(AI of Things)로 전환되고 있다. 그러나 이는 아직 초기 단계이며, 복잡성을 증가시키는 AI의 여러 측면도 있지만, 중요한 몇 가지 구현사례들도 등장하고 있다.

대규모 및 소규모 AI

미국의 임베디드 디자인 컨설턴트 회사인 시그네틱(Signetik)의 스티브 폴센(Steve Poulsen) 사장은 “IoT에서 AI는 데이터를 취합하고, 이 데이터를 기반으로 의사결정을 내리는 모든 프로그램이 가능한 인텔리전스로 정의할 수 있다”며, “AI는 데이터 과부하를 줄이거나 없앨 수 있고, IoT는 사람이 직접 처리할 필요성을 줄이거나 없애기 때문에 훨씬 더 자주, 비용 효과적으로 측정을 수행할 수 있다. 또한 해당 데이터의 변칙성이나 추세를 보다 빠르고 안정적으로 파악할 수 있다”고 설명했다.
시그네틱은 이 기술을 상용화한 선도 기업으로, 최근 Arm M33 프로세서를 내장한 노르딕의 nRF9160 SiP 다중 모드 셀룰러 IoT 제품을 기반으로 AI 기반 데이터 분석을 수행할 수 있는 시그셀(SigCell)이라는 셀룰러 IoT 플랫폼을 개발했다. 이 엣지 컴퓨팅 솔루션은 완벽하게 주변 환경을 감지하고, 클라우드와의 연결을 지원한다.
스티브 폴센 사장은 “그러나 실제 IoT를 구현할 때 ‘대규모 AI(Big AI)’와 ‘소규모 AI(Small AI)’는 큰 차이가 있다. 이러한 차이는 들어오는 데이터의 복잡성과 이러한 데이터에 기반한 의사결정 횟수, 그리고 그 결과로 발생하는 데이터의 양에 따라 결정된다”며, “IoT에서 클라우드와의 통신은 대부분 비용과 전력소비 오버헤드를 발생시키기 때문에 로컬에서는 가능한 소규모(간단한) AI를 사용하고, 클라우드에서는 대규모(복잡한) AI를 수행하고자 할 것이다”고 언급했다.
폴센은 엣지에서 자체적으로 데이터를 필터링하는 경우 소규모 AI가 도입되고 있다고 설명했다. 그는 “데이터만 수집하는 센서를 도입하면, 너무 많은 양의 데이터가 수집되게 된다. 하지만 소규모 AI 기능을 센서에 적용하면, 데이터를 원하는 만큼 줄일 수 있다. 경험 상 실제로 센서가 수집하는 데이터 양은 1~10%까지 줄어든다”고 설명했다.
폴센은 고객들이 구현한 소규모 AI 사례를 제시했다. 병든 동물을 식별하기 위해 양이나 소의 머리 위치를 탐지하거나 수분 공급 여부를 결정하기 위한 식물의 ‘녹색도’ 측정, 다양한 종류의 잡초를 자동으로 식별하고, 점유상태 예측 및 에너지 사용량을 조정하기 위한 환경 데이터 측정 등에 소규모 AI가 적용되고 있다. 또한 시그네틱은 범죄가 많은 도심 지역에서 총소리를 감지하고 해당 지역 경찰에게 자동으로 경보를 보내는 시스템을 개발하기도 했다. 폴센은 이러한 사건들을 주민들이 직접 신고하는 경우가 적기 때문에 자동화 시스템으로 처리하는 것이 법 집행에 매우 유용하다고 언급했다.
폴센은 “IoT는 사람이 신속하고, 안정적으로 분석하기에는 너무 많은 양의 데이터를 생성하기 때문에 AI와 IoT의 협력이 필요하다”며, “현재 고객의 약 20%가 IoT 애플리케이션에 AI를 사용하고 있으며, 이러한 추세를 감안하면, 향후 몇 년 안에 50% 이상으로 증가할 것으로 예상된다. 우리는 IoT라는 용어가 나오기 훨씬 전부터 거의 20년 동안 IoT 애플리케이션을 개발해 왔다”고 밝혔다.
또한 폴센 사장은 “변화된 점은 데이터를 수집하는 수단으로 보다 강력한 저비용의 센서와 LPWAN 무선 기술이 상용화되었다는 것이다. 또한 새롭게 추가된 셀룰러 IoT를 통해 LPWAN 게이트웨이를 사용하지 않고도 장거리 연결이 가능하게 되었다. 셀룰러 IoT는 오늘날 최상의 LPWAN 무선 기술이며, 향후 표준화될 예정이다”고 설명했다.

[그림 1] 시그네틱(Signetik)의 시그셀(SigCell) 플랫폼은 센서 데이터 수집 및 엣지 컴퓨팅과 기본적인 AI 데이터 분석을 수행하기 위해 64MHz Arm Cortex-M33와 1MB 플래시 및 256KB RAM이 지원되는 노르딕의 nRF9160 SiP를 이용하고 있다.

성능이 제한된 장치를 위한 AI

IoT에서 새롭게 등장하고 있는 AI의 적용사례를 보면, 배터리, 메모리, 프로세서 성능이 제한된 IoT 엣지 장치에 맞게 복잡성 및 크기를 정제할 수 있도록 신경망 기반의 첨단 AI 알고리즘을 통해 특정 활동에 대한 딥러닝을 수행한다.
엣지 AI 스타트업 기업인 이미지모브(Imagi-mob)의 공동창립자이자 CEO인 앤더스 하데브링(Anders Hardebring)은 “올해 미국 CES에서 발표된 제스처 제어가 가능한 헤드폰 데모 개발에 참여했으며, 이 헤드폰에는 ‘가상 버튼(Virtual Button)’이 적용될 분위기가 감지되고 있다”고 밝혔다.
이미지모브는 레이더 기술 회사인 아코니어(Acconeer)와 협력하여 이 프로젝트를 진행했다. 이 시스템은 아코니어의 A111 PCR(Pulsed Coherent Radar) 센서를 사용한다. A111 레이더 센서는 밀리미터 수준의 고정밀 거리 측정 및 물리적 감지에 최적화되어 있으며, 작은 설치면적과 초저전력 소비를 갖추고 있다. A111 레이더 센서는 XM122 IoT 모듈(노르딕의 첨단 블루투스 LE SoC인 nRF52840도 통합되어 있음) 안에 하우징되어 헤드폰 내부에 내장되어 있으며, 코인셀 배터리로 동작할 수 있는 세계 최초의 레이더 시스템으로 평가받고 있다.
앤더스 하데브링은 “이 프로젝트의 목표는 레이더 데이터를 사용하여 실시간으로 5가지의 다른 손동작을 정확하게 식별하고, 이러한 제스처 중 하나는 애플리케이션을 웨이크업하는데 사용할 수 있는 저전력 임베디드 애플리케이션을 개발하는 것이었다”고 설명했다. 그는 “제스처 제어 기능이 단순해 보일 수 있지만, ‘상시 동작’이 가능한 수준의 완벽한 성능에 도달하기 위해서는 극도의 정밀성이 필요하다”고 덧붙였다.
하데브링 CEO는 이러한 수준의 정밀도를 달성하기 위해서는 상당한 양의 데이터를 실시간으로 수집 및 처리해야 한다고 지적하고, “배터리로 동작하는 헤드폰을 사용하면서 백만 년이 걸릴 수도 있는 데이터를 클라우드로 전송하고 싶지는 않을 것이다”라고 언급했다.
또한 하데브링은 “우리는 다양한 사람들의 몸짓과 이들 간의 미묘하면서도 중요한 차이점과 유사점을 찾아내기 위해 자체 개발한 AI 신경망 알고리즘을 사용했다. 이를 통해 고정밀 헤드폰 제스처 모델이 탄생되었고, 이는 우리 회사의 주력 소프트웨어를 통해 실행되고 있다”고 설명했다.
이미지모브 기술의 특별하면서도 스마트한 점은 저전력 Arm Cortex M4와 같은 리소스가 제한된 디바이스 상에서도 실행할 수 있도록 모든 종류의 대규모 AI 모델을 고도로 최적화된 소프트웨어로 전환할 수 있다는 것이다.(헤드폰 애플리케이션의 아코니어 모듈에 사용된 것과 동일한 디바이스) 예를 들어, 현재 애플리케이션에는 제스처 제어 기능이 적용되었지만, 향후에는 비정상적인 질소 산화물(차량의 배기가스 배출 컴포넌트)을 판독하고, 교통혼잡 부담금을 적용할 수 있도록 설계된 Arm M급 프로세서로 구동되는 대기질 센서가 그 대상이 될 수도 있다.

[그림 2] 제스처 감지를 통해 기존의 터치 제어나 기계식 버튼을 제거할 수 있다. 비디오 또는 IR 센서와 달리, 아코니어(Acconeer)의 PCR(Pulsed Coherent Radar)은 렌즈가 필요하지 않기 때문에 헤드폰과 같은 최종 제품의 내부에 통합하기가 용이하다. 미세한 제스처 동작을 사용하여 상호작용이 보다 강화되었다. 이미지모브(Imagimob)의 제스처 감지는 Arm M4 프로세서와 유사한 디바이스에서 실행이 가능하다.

숨겨진 혁명

노르딕의 CTO인 닐슨은 “대부분의 사람들은 IoT나 AI를 언급할 때 이를 여전히 미래의 혁신으로만 여기고, 아직 시작되지 않은 것으로 생각하는 경우가 많다”며, “이는 전혀 사실이 아니다. 굳이 일일이 언급하지 않아도 이미 우리 주변의 모든 종류의 애플리케이션에 IoT와 AI가 적용되어 있다. IoT와 AI는 느리지만 꾸준히 부상하고 있는 거대한 플랫폼 위에 자리하고 있으며, 우리가 눈치채지 못하는 사이 이미 모든 사물과 모든 사람들을 끌어안고 있다”고 밝혔다.
닐슨은 언어 및 음성인식을 비롯해 디지털 어시스턴스, 헬스케어, 물류, 운송, 유틸리티 계량, 소매결제, 조명, 산업 자동화, 스포츠, 피트니스, 장난감, 게이밍, VR 및 AR, 자동차 등 수많은 애플리케이션을 예로 들며, “이러한 모든 분야는 현재 IoT와 AI에 의해 변화되고 있다”고 언급했다. 닐슨은 2019년 유럽친환경수도(European Green Capital)로 선정된 오슬로의 스마트 쓰레기통을 예로 들었다. 이 쓰레기통은 내용물이 가득 차면 자동으로 감지할 수 있는 센서가 장착되어 있어 쓰레기 수거차량의 불필요한 방문을 없애고, 수거 경로를 최적화하여 거리를 단축할 수 있도록 해준다. 또한 쓰레기통이 가득 차면 훨씬 빨리 이를 처리할 수 있다. 닐슨은 “이는 수거 비용과 오염을 줄이고, 가득 찬 쓰레기통으로 인한 불쾌한 냄새와 쓰레기를 방지할 수 있다”고 설명했다.
EE Times 아시아는 최근 IoT와 AI가 적용되고 있는 또 다른 사례로서, 대만의 스타트업인 옴니아이즈(OmniEyes)가 일반적으로 폐기되는 소비자의 대시보드 카메라에서 수집된 화면에 컴퓨터 비전과 AI를 접목하여 어떻게 난폭운전 사고를 자동으로 감지할 수 있는 지를 보여주는 기사를 소개했다. 이러한 정보는 안전운전을 장려하고, 난폭운전에 대한 벌점을 가함으로써 보험회사에게 큰 도움이 될 수 있다.

이제 시작일 뿐이다

미국 조지아공대 공과대학 학장인 스티브 맥로플린(Steve Mc-Laughlin)은 IEEE 스펙트럼(IEEE Spectrum) 기사에서 “모든 문제의 중심에는 데이터가 있다”며, “모든 분야의 모든 회사들이 ‘이제 우리는 에너지 회사(혹은 물류, 자동차)가 아니라 데이터 회사다’라고 규정짓고 있다. 이러한 흐름은 모든 분야로 확산되고 있다”고 언급했다.
미래를 예측하는 모든 신호들도 같은 방향을 가리키고 있다. IoT는 가장 큰 데이터 소스가 될 것이며, 엄청난 규모를 생성하게 될 것이다. 예를 들어, IDC(International Data Corporation)의 최근 자료에 따르면, 2025년까지 416억 개의 IoT 커넥티드 기기들이 생성하는 데이터 규모는 79.4ZB(Zettabyte)에 이를 것으로 예상되고 있다. 이 예측 기간 동안 산업(및 자동차) 분야에서의 데이터 증가율이 연평균(CAGR) 60%에 이르면서 가장 빠른 증가율을 보일 것으로 전망되었다. 아마도 AI는 이러한 대규모 데이터를 의미있게 이해할 수 있는 유일한 희망이 될 것이다.
언젠가 산업 및 컴퓨팅 분야에 추가적인 ‘IoT’ 또는 ‘AI’ 혁명이 필요하게 될지는 두고 봐야 할 것이다. 하지만 IoT와 AI는 이미 형성되고 있는 AIoT(AI of Things)에 자연스럽게 부합해 나갈 것이다. 또한 IoT 및 AI와 빅 데이터는 로보틱스와 통신, 유전학과 같은 분야의 기술적 발전을 가능하게 하고, 이미 전개되고 있는 보다 큰 차원의 기술적 혁명의 일부가 될 것이다.
그러나 이러한 혁명 또한 계속 진화할 것이며, 흥미로운 도전적 시기에도 시대를 앞서 나갈 것이다.