일 시 2017. 8. 7(월) 10:00~13:30
장 소 소프트웨어정책연구소 회의실 (판교글로벌R&D센터)
주 제 AI가 가져올 변화와 비즈니스 기회
발 제 자 최대우 (한국외국어대학교 교수)
참 석 자 SPRi 연구진

O 인공지능이란 기계를 지능화 하는 것이며, 지능이란 객체가 주어진 환경에서 적절한 예지력을 갖고 기능하는 것으로 정의할 수 있음

O 수학자 데이비드 힐베르트(David Hilbert)는 1900년에 20세기에 해결해야 할 23개의 중요한  문제를 발표했는데, 이 중 13번째 문제가 뉴럴 네트워크(neural network)의 중요한 이론적 근거였으며, 1956년에 이르러서 해결됨

O 현실적으로 뉴럴 네트워크의 구현을 위해서는 오버피팅(overfitting), 국부 최소점(local minima), 그라디언트 소실(vanishing gradient) 등의 문제를 극복해야 했으며, 많은 데이터와 컴퓨팅 파워가 요구되었음

O 딥러닝(deep leraning)은 다른 학습방법에 비해 방대한 데이터에 대한 꾸준한 학습을 통한 지속적 성능 향상이 가능하기 때문에 함수 추정에 효과적인 방법이라 할 수 있음
  - 미숙한 단계이긴 하지만 데이터와 학습 방법, 계산을 위한 컴퓨팅 환경도 개선되고 있어 발전이 예상됨

O 금융기관의 개인 신용평가는 의사결정 트리(decision tree) 형태로 고객 세그먼트를 형성하고 각 세그먼트에 적용될 금융 전략을 매핑(mapping)하여 이를 최적화 하는 방법이 활용됨
  - 최적화의 목적으로는 시장점유율 확대, 교차판매(cross-sale)를 통한 고객 고착화, 수익극대화 전략 등이 있음

O 기존 최적화는 의사결정에 필요한 입력부분, 전략 수행 후의 발생 부분의 관계를 수식으로 도출하고 조건 내에서 최적 전략을 선형 계획법(linear programming)이나 유전자 알고리즘(genetic algorithm)을 활용해 왔음

O 최근 알파고와 이세돌의 대국 이후로부터 금융기관에서 머신러닝이 본격적으로 도입되기 시작했으며, 신용평가가 어려운 중금리 시장을 대상으로 활용되고 있음
  - 그간 금융기관에서는 획일적인 모형 방법론을 활용하고 있었으며, 이는 금융당국의 규제에 일부 기인함

O 금융기관에서 인공지능을 활용하여 새로운 알고리즘을 개발했다 하더라도 이를 실제에 적용하기 위해서는 병렬적인 실험이 지속적으로 필요
  - 기존의 방법과 인공지능을 활용한 방법을 비교하면서  성공 케이스를 만들어 내는 것이 필요
  - 최적의 해를 찾기 위해서는 무작위 데이터가 필요하나 금융권에서는 이러한 데이터를 만들어 내기가 어려움

O 콜센터의 민원발생 예측 모델 개발에 기존에는 어휘 사전을 활용했는데, GAN(Generative Adversarial Network) 머신러닝을 활용한다면 예측의 정확도를 높일 수 있음
  - GAN은 유사한 샘플을 생성하고 두 개의 인공지능(generator, discriminator)이 경쟁하는 방법으로 문제에 대한 능동적 인식이 가능함
  - 콜센터 상담기록 데이터의 정형화 문제에 대해서는 의료분야에서 데이터를 효율적으로 정형화 시켜 예측에 사용할 수 있도록 한 사례가 있음

인공지능 머신러닝 월간SW중심사회2017년9월