연구보고서
보고서명
인공지능 기술 활용 강국을 향한 과학기술정책 제고 전략
보고서명(영문)Strategies for Improving STI Policy Towards a Leading Country in the Application of AI Technology
원문다운로드 자료활용안내
국가정책연구포털(NKIS)이용에 항상 감사드립니다.
이용하시는 자료는 연구기관의 소중한 연구성과물로 저작권 및 이용조건 등을 준수하여 활용해 주시기 바랍니다.
자료 다운로드를 위해 하단의 자료이용 동의서 및 사용목적 등에 응답 부탁드립니다.
답변하신 내용은 NKIS 정보 활용 현황 및 서비스 분석을 위한 기초자료로 활용됩니다.
감사합니다.
자료 이용 시, 국가정책연구포털(NKIS)에서 제공하는 저작물을 이용하였음을 명시할 것을 동의합니다.
무단으로 연구성과물을 사용하였거나 NKIS에서 제시한 이용조건을 이행하지 않았을 경우,
저작권법에 따라 관련기관에 처벌을 받을 수 있으며, 즉시 저작물의 이용허락을 중지할 수 있습니다.
원문다운로드 자료활용안내
국가정책연구포털(NKIS)이용에 항상 감사드립니다.
이용하시는 자료는 연구기관의 소중한 연구성과물로 저작권 및 이용조건 등을 준수하여 활용해 주시기 바랍니다.
자료 다운로드를 위해 하단의 자료이용 동의서 및 사용목적 등에 응답 부탁드립니다.
답변하신 내용은 NKIS 정보 활용 현황 및 서비스 분석을 위한 기초자료로 활용됩니다.
감사합니다.
자료 이용 시, 국가정책연구포털(NKIS)에서 제공하는 저작물을 이용하였음을 명시할 것을 동의합니다.
무단으로 연구성과물을 사용하였거나 NKIS에서 제시한 이용조건을 이행하지 않았을 경우,
저작권법에 따라 관련기관에 처벌을 받을 수 있으며, 즉시 저작물의 이용허락을 중지할 수 있습니다.
국문초록
- 제1장 서론
□ 연구 배경 및 필요성
○ 인공지능(AI)은 4차 산업혁명을 대표하는 핵심 기술로서 정보기술(IT)의 발달과 고도화와 따라 많은 산업에서 인공지능 활용과 시도가 활발하게 이루어짐
○ 주요 선진국의 인공지능 관련 스타트업이 증가하고 인공지능 기술 수준이 급속히 발전하고 있는 반면, 국내 인공지능 관련 현황은 아직까지 만족스럽지 못한 상황
<표 1> 인공지능 분야 1위국 대비 한국의 수준
구분
최선도 국가
한국
국가명
데이터값
데이터값
순위
인공지능 시장 규모
(100만 달러)
전체
미국
766.5
47.6
5위/7개국
금융
미국
182.6
12.8
5위/7개국
유통
미국
106.8
6.3
5위/7개국
헬스케어
미국
110.9
7.2
5위/7개국
교통
미국
82.1
5.4
5위/7개국
농업
미국
38.7
1.7
5위/7개국
법률
미국
17.7
0.04
6위/7개국
인공지능 기업
(개)
전체 기업
미국
2,028
26
8위/8개국
스타트업
미국
1,393
465
2위/8개국
특허
(건)
등록 특허
중국
1,351
497
3위/7개국
특허 점유율
중국
47.3%
17.4%
3위/7개국
○ 인공지능의 활용성을 높이기 위해서는 주요 산업별 인공지능 활용 실태를 면밀히 파악하고 문제점을 발굴하여 해결하는 세심한 과학기술정책 설계가 요구되는 시점
□ 연구 목적 및 프레임워크
○ 본 연구의 목적은 주요 산업별 인공지능 활용에서의 문제점을 정확하게 진단하여 그 활용성을 제고할 수 있는 다양한 정책 방안을 제시하고자 하는 것임
○ 인공지능 활용 강국을 위한 조건은 (1) 인공지능 활용을 위한 하드웨어의 인프라 구축, (2) 빅데이터 구축 등의 데이터 확보, (3) 인공지능 요소기술의 성숙, 인공지능 전문인력 확충, 인공지능 관련 시장(수요 시장/공급 시장), (4) 인공지능 활용을 위한 제도 정비 및 사회문화적 공감대 확산 등으로 정리할 수 있음.
[그림 1] 인공지능 활용 강국을 위한 조건
○ 본 연구에서는 인공지능 활용 강국의 요건을 생태계 관점(주체, 기술, 제도 및 문화)에서 접근하여 주요 산업별 인공지능 활용 제고 방안을 도출하고자 함.
[그림 2] 연구의 프레임워크
○ 산업별 인공지능 활용 강화 방안 도출을 목적으로 하고 있는 본 보고서는 다음과 같이 구성되어 있음
- 2장에서는 국내외 인공지능 기술·국가정책·산업(기업) 현황을 정리하였는데, 특히 인공지능 기술을 선도하고 있는 스타트업에 대한 국내외 현황을 살펴보았음
- 3장부터 6장은 본 보고서의 주요 모듈로서 스마트제조, 금융, 농업, 국방 산업에서의 인공지능 활용 현황, 유망분야 도출, 중장기적 관점에서의 인공지능 활용전략을 도출하고, 산업별 인공지능 활용에 있어서의 애로사항을 도출함
* 스마트제조와 금융 분야의 경우 인공지능 활용이 가장 높은 2차·3차 산업으로 볼 수 있으며, 농업과 국방 분야의 경우 1차 산업과 공공 영역에서 AI 활용 잠재 효익은 매우 크지만 시장 실패를 야기하는 구조적 문제점이 있어 산업 정책적 활성화가 시급한 대표적인 분야로 볼 수 있음
- 7장에서는 각 산업별로 인공지능 활용 강화를 위한 정책방안을 도출하고 이를 종합하여 인공지능 강국을 위한 정책 방향을 정리하고자 함
[그림 3] 연구의 범위 및 구성
제2장 국내외 인공지능 기술, 정책, 기업 동향
1. 인공지능 기술 발전과 동향
□ 인공지능의 정의와 범위
○ 인공지능의 정의에 대한 논의는 수십 년 전부터 학자들 간에 연구 및 공유되고 있으나, ‘AI가 명백하게 무엇이다’라고 정의할 수 있는 기준은 현재까지 없는 상황이지만 인공지능의 목표 및 종류에 따라 분류 가능
<표 2> AI 목표에 따른 분류
구분
이론적(Ideal)
합리적(Rational)
인간의 사고 작용
(Thinking)
인간과 같은 사고 시스템
(Haugeland, Bellman)
합리적 사고 시스템
(Charniak & McDermott, Winston)
인간의 행동
(Behavior)
인간과 같은 행동 시스템
(Kurzweil, Rich & Knight)
합리적 행동 시스템
(Schalkoff, Luger & Stubblefield)
<표 3> AI의 종류
구분
약한 AI
(ANI, Weak AI)
강한 AI
(AGI, Strong AI)
슈퍼 AI
(ASI)
내용
- 약AI는 기존 인간의 지능으로만 가능하던 작업을 컴퓨터로 수행할 수 있는 AI를 의미
- 애플의 시리, 아마존의 알렉사, 구글의 알파고, IBM의 왓슨 등이 있음
- 강AI는 문제 해결을 위해 스스로 사고하고 해결하는 AI를 의미
- 인간과 같은 감정, 자아, 창의성 등을 갖고 있으며, 명령, 지시 없이 스스로 판단하고 행동
- 기존 인류의 지능과 지성을 뛰어넘는 AI를 의미
□ 인공지능 기술의 특징
○ 인공지능 기술은 머신러닝을 중심으로 발전하고 있는데, 이는 컴퓨터가 학습할 수 있도록 하는 ‘알고리즘’과 ‘기술’을 의미
- 머신러닝은 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)으로 구분됨.
- 머신러닝의 세부 방법론들을 통칭하는 개념인 딥러닝은 인간의 뇌를 모사한 인공신경망 알고리즘의 하나임
<표 4> 딥러닝의 종류와 주요 성과
구분
CNN
RNN
GAN
주요
성과
- 이미지 인식 콘테스트
: CNN 알고리즘 ‘AlexNet’이 오류 15.3%로 우승
- 페이스북 ‘딥페이스’
: 정확도 97.35%로 사람 얼굴 인식
- 구글 번역
: 구글 번역기에 RNN을 적용하여 번역 품질 향상
- 구글 이미지 캡션
: CNN으로 분석한 이미지 정보를 활용하여 RNN으로 문장 생성
- 엔비디아 ‘빈센트 AI’
: 사람이 그린 스케치를 실시간으로 여러 버전의 그림으로 변환
- 인실리코 메디슨 신약
: GAN으로 항암 특성이 있는 분자를 지속 평가하여 100만 가지 물질 중 100가지 후보 화합물 선별
- 딥러닝은 계층 구조가 복잡해서 인과관계를 설명할 수 없고, 답이 존재하지 않는 문제를 해결하는 데에는 적용할 수 없는 한계를 가지고 있음.
- 이러한 한계를 해결하기 위해 최근에는 생성적 적대 신경망(Generative Adversarial Networks), 심층강화학습(Deep Reinforcement Learning), 전이학습(Transfer Learning), 설명 가능 AI(Explainable AI), 캡슐망(Capsule Networks) 등과 같은 새로운 머신러닝 방식이 시도되고 있음
□ 인공지능 적용 분야
○ 음성 인식 분야는 최근 빠르게 그 성능이 향상되면서 상용화 애플리케이션 출현도 가장 활발한 영역
- 음성 인식 애플리케이션은 AI 연구를 선도한 IT 자이언트 기업들이 먼저 구현하였으며, 연구·개발과 축적된 기술력을 활용하여 음성 인식 애플리케이션을 차별화하고 있음
<표 5> 음성 인식 주요 기업과 애플리케이션
기업명
내용
구글
- 구글 어시스턴트: 인공지능 비서 서비스다. 기존에 구글이 제공하던 카드형 서비스인 구글 나우와는 달리 상호작용 가능
- 구글 음성 검색: ‘Search by Voice’로 불리며, 사용자가 휴대전화나 컴퓨터에서 말을 함으로써 구글 검색 사용 가능
- 구글 홈: 음성 인식 스마트 스피커. 구글 어시스턴트를 탑재하여 사용자 명령에 따라 지식 검색, 음악 재생, 가전제품 제어 등의 기능을 제공
- 유튜브 자동자막: 음성 인식 기술을 사용해 자동으로 영상 자막 생성
- 픽셀 버즈2: 구글 AI 비서인 구글 어시스턴트가 탑재된 이어폰으로, 음성으로 제어 가능
아마존
- 에코 버즈: 아마존 AI 비서인 알렉사(Alexa)가 탑재된 이어폰으로, 음성으로 제어 가능
- 에코/에코 닷/에코 쇼/에코 스튜디오: 아마존의 스마트 스피커로 알렉사가 탑재되어 있음. 에코 쇼는 디스플레이도 탑재
애플
- 에어팟 프로: 애플 AI 비서인 시리(Siri)가 탑재된 이어폰으로, 음성으로 제어
- 홈팟: 애플 스피커로 시리가 내장되어 있으며, 음성으로 스피커 기능 제어
- 애플 TV: 애플의 셋톱박스 형태의 TV로 리모컨의 음성 인식 기능을 이용하여 제어 가능
마이크로소프트
- 윈도우 음성 인식: 마이크로소프트 윈도우 비스타 이후 버전에 탑재되어 있으며, 사용자 목소리를 인식하여 프로그램 제어 가능
○ 이미지/영상 인식 분야는 시각 인식은 동영상이나 이미지에 있는 사람이나 사물을 인식하는 기술로서 컴퓨터에는 오랫동안 풀기 어려운 문제였으나 최근 딥러닝을 통해 시각 인식 성능이 빠르게 향상
- 시각 인식을 이용한 공간에 대한 이해 기술도 내비게이션, 서비스 로봇 등으로 확장되고 있음
<표 6> 시각 인식 주요 기업과 애플리케이션
기업명
내용
구글
- 구글 렌즈: 스마트폰 카메라를 통한 모바일 검색 애플리케이션으로, 앱을 작동시켜 사진을 찍으면 사진 안의 여러 가지 요소들을 인식하여 검색
아마존
- 물류센터 관리: 물류센터에서 어떤 상품이 어디 있는지를 정확하게 파악하고 제품 픽업 및 적재
엔비디아
- 자율주행: 자동차에 장착된 12개의 HD 카메라 영상을 인식하여 주변 상황을 파악하고, 야간 운전에도 속도 위반 감시카메라, 속도 제한 표시 등을 인식
애플
- 페이스 ID: 2017년 아이폰X에 터치 ID 대신에 페이스 ID를 탑재. 스마트폰 중에서 처음으로 3차원 얼굴 인식 기술을 이용하여 스마트폰 잠금 해제 등을 지원. 사용자의 얼굴이나 표정을 지속 학습하여 정확도 제고
페이스북
- 얼굴 인식을 통한 계정 복구 방법을 연구 중
○ 추론 분야는 주어진 정보들을 이용하여 새로운 명제를 도출하는 추론은 구현하기 매우 어려운 영역이었지만 최근 딥러닝과 알고리즘의 개발을 통해 추론 분야의 AI 기술도 빠르게 발전
- 딥마인드는 AI를 활용한 추론 분야를 선도하고 있는 기업으로 관계적 추론을 위한 신경망 모듈을 개발하였으며, 이를 활용한 비주얼·텍스트 문답, 실제 세계에서 발생하는 복합적인 추론도 가능
○ 추천 분야는 데이터를 기반으로 사용자가 ‘좋아할 만한’ 아이템을 찾는 과정으로 ‘내용 기반’, ‘협업 기반’, ‘딥러닝 기반’으로 추천 모델이 작동
- 최근 들어 ‘딥러닝 기반’은 단독으로 쓰이지는 않고 보통 ‘협업 기반’의 필터링과 결합되어 분석하는 방법이 시도되고 있음
<표 7> 추천 기술 주요 기업과 애플리케이션
기업명
내용
구글
- 구글 뉴스: 실시간 협업 필터링 기술을 사용하여 더 개인화된 뉴스 추천
- 유튜브(Youtube): 사용자에게 최적화된 영상을 추천
넷플릭스
- 영상 추천: 사용자가 좋아할 만한 영상을 추천 및 제공
- 개인 맞춤 동영상을 기반으로 접속 인터페이스를 개인화된 이미지로 제공
네이버
- AiRS: AI 기반 추천 시스템으로, 주로 뉴스 추천에 사용
- AiTEMS: 개인화된 상품 추천 시스템
- AiRSPACE: 이용자 현 위치를 기반으로, 시간/연령/성/관심사/선호도 등의 맥락과 이용자들이 생성한 UGC User-generated Content
를 통해 장소 특징(분위기/방문 목적/인기 시간대/연령별 선호도 등)을 분석하여 해당 장소가 이용자에게 적합하다고 판단되면 자동으로 매칭하여 추천
바이두
- 포핀: 개별 독자들의 성향, 관심 분야, 읽는 패턴 등을 심층적으로 분석해 PC 및 모바일에서 뉴스 및 콘텐츠를 추천
□ 인공지능 산업 생태계 동향
○ 구글, 아마존 등의 글로벌 ICT 기업은 보유한 플랫폼을 개방하는 방식으로 AI 산업 생태계를 구축 및 점령
- 알고리즘, AI 개발도구 등의 공개를 통해 자사 플랫폼 활용을 촉진하는 방식으로 다양한 산업으로 침투하고 있으며, 이를 통해 플랫폼 지배력 강화와 데이터 확보를 가속화함
<표 8> AI 산업 생태계
구분
내용
예시
하드
웨어
AI 반도체
AI 작업을 수행하는 반도체칩(CPU, GPU 등) 설계 및 제조
반도체칩 제조(퀄컴, 인텔, NVIDIA) 반도체칩 설계(ARM)
AI 인프라
AI 비즈니스 구축을 위한 클라우드 환경의 하드웨어 성능 제공
AWS(아마존), Azure(마이크로소프트), Google Cloud(구글)
소프트
웨어
AI 플랫폼
보편화된 AI 알고리즘을 활용한 AI 개발 프로그램(무료 공개)
Tensorflow(구글), Pytorch(페이스북), CNTK(마이크로소프트)
AI 기술을 이용, 제품이나 서비스를 개발하기 위한 도구
Google Assistant(구글), Amazon Alexa(아마존), IBM Watson(IBM)
AI 서비스
최종 사용자 또는 기업에 특정
목적의 AI 제품 및 서비스 제공
챗봇, AI 스피커, 머신비전, 의료서비스, 스마트공장, 자율자동차, 법률상담 등
2. 국내외 인공지능 관련 국가 정책 현황
□ 미국
○ 미국은 산업 분야별 AI 활용·촉진을 위해 관련 AI 기술 개발을 지원하고, 산업 적용을 저해하는 규제를 완화하기 위한 정책에 중점을 둠
<표 9> 미국의 인공지능 관련 주요 국가 정책
정책
내용
오바마
정부 인공지능 3부작 보고서
(2016)
인공지능의 미래를 위한 준비(10월): 국가 차원에서 AI가 초래할 미래상을 조망하고 7대 대응 전략 제시
* 7대 대응 전략: 공적 이익 추구, 정부의 AI 포용・지원, 자율차 및 드론 직접규제, AI는 인력 대체재가 아닌 보완재, 불완전 데이터 사용 금지, 교육 강화,안전과 세계 고려
국가 인공지능 연구·개발 전략 계획(10월): 연방정부 투자로 편익을 확보할 필요성이 높은 분야를 대상으로 7대 R&D 전략 방향 제시
인공지능, 자동화 그리고 경제(12월): AI 기반의 자동화가 경제 전반(노동시장과 직업 변화)에 미치는 충격을 검토하고, 대응 전략을 마련하기 위한 방안
* 3대 대응 전략: 인공지능 투자, 미래 직업을 위한 교육·훈련, 사회 안전망 강화
미국 AI 이니셔티브(2019. 12.)
AI 애플리케이션 규제에 관한 가이드
(2020. 1.)
- 트럼프 행정부의 AI ‘행정명령 13859’*
* 행정명령 13859: AI 분야에서 미국의 리더십 유지를 위한 명령으로, ‘미국AI 이니셔티브’를 공개하고, 관련 행정기관이 해야 할 여러 가지 후속 조치 제시
연방정부 기관이 AI 애플리케이션에 대한 규정 또는 정책을 고려할 때, 기술 발전과 혁신성장을 우선하고, AI 기술의 개발과 활용을 저해하는 규제 장벽을 줄이는 방향으로 접근할 것을 강조
* ‘시장 통제’보다는 ‘시장 활성화’, ‘사전 규제’보다는 ‘사후 규제’로 접근
또한 개인정보 보호, 시민의 자유와 인권, 법치주의와 지적재산권 등에 대한 존중 등 미국의 핵심 가치를 보호할 것을 요구
연방정부는 가이드라인에 따라 AI 애플리케이션에 대한 기존 규제를 검토하고, 규제 장벽에 대한 이해관계자의 의견을 보고
* 높은 우선순위의 AI 애플리케이션을 식별하는 계획 등 원칙 이행 수단을 가이드라인 발행 후 180일 이내에 예산관리실(OMB)에 제출
□ 중국
○ 중국은 세계 AI 최강국이 될 것임을 선언하고 정부 주도로 대규모 투자와 강력한 인력 양성, 데이터 개방 및 공유 등 기업 친화적 정책을 추진 중
- 2015년에 빅데이터 발전 촉진 행동 강요를 시작으로 데이터 강국을 위한 단계별 목표 및 시책을 규명
- 2016년 5월에는 국가급 빅데이터 종합 실험구 8개 실험구: 귀저우, 징진지, 주장 삼각주, 상하이, 허난, 충칭, 선양 및 네이멍구
를 선정하고 지원하는 등 데이터 산업 기반을 마련하기 위한 전략을 추진
- 2017년 7월에는 차세대 인공지능 발전계획을 발표하였는데, 이는 연구·개발, 산업화, 인재 개발, 교육 및 역량 습득, 표준 설정 및 규제, 윤리적 규범, 보안 등을 포함한 포괄적 AI 전략임
□ 일본
○ 저출산, 고령화 등의 사회문제를 겪고 있는 일본은 범부처 차원에서 경제 활성화를 위해 AI를 적극적으로 활용하는 정책을 추진하여 경제, 사회 등 각 분야의 궁극적 변혁을 도모함
<표 10> 일본의 인공지능 관련 주요 국가 정책
정책
내용
일본 재흥전략
(2016. 4.)
- 4차 산업혁명 실현의 핵심 동인으로 IoT, 빅데이터, AI, 로봇 기술을 선정하고, 경쟁력 확보를 위한 공격적 대응 방안 제시
AI 산업화 로드맵
(2017. 2.)
- 경제·사회 전 영역이 복합적으로 연결·융합되는 AI 에코 시스템 구축을 목표로, 3단계 로드맵 제시
* 3단계 로드맵: 다양한 도메인 내에서 데이터 기반 AI의 개발과 활용, 도메인을 넘어서 개발된 AI와 데이터의 대중적 활용, 다중 도메인을 연결하는 에코 시스템 구축
AI 개발 가이드라인
(2017. 7.)
- AI 편익 증진과 위험 방지를 위해 AI 연구·개발에서 유의할 사항을 주요 7개국(G7)이나 경제협력개발기구(OECD) 등에서 국제적으로 논의할 때 기초 자료로 활용하기 위해 작성
* 개발 원칙: 연계의 원칙, 제어 가능성의 원칙, 안전의 원칙, 시큐리티의 원칙, 프라이버시의 원칙, 윤리의 원칙, 이용자 지원의 원칙, 책임의 원칙
인간 중심의 AI 사회 원칙
(2018. 3.)
- 민간 전문가로 구성된 ‘인간 중심의 AI 사회 원칙 회의’에서 발표하였으며, 이후 ‘AI 전략 2019’의 기본 관점으로 반영
- ‘AI-Ready 사회’를 실현하고, 적극적인 AI 사회를 구현하기 위해서 모든 이해관계자가 유의해야 할 7대 기본 원칙을 수립
* 7대 기본 원칙: 인간 중심, 교육·교양, 개인정보 보호, 보안 확대, 공정경쟁, 공정성·책임성, 투명성, 혁신
AI 전략
2019
(2019. 3.)
- AI 도입을 통해 포용성과 지속가능성이 실현되는 사회로의 변화’를 목표로 설정하고, 4대 전략목표와 7대 분야에서의 전략 제시
- 4대 전략목표: ① AI 시대의 인재 육성 및 유입 유도, ② AI 응용 분야에서 세계 최고 수준의 기술력 확보를 통한 산업 경쟁력 강화, ③ 다양성, 포용성, 지속가능성을 갖춘 사회를 실현하기 위한 AI 기술 체계 확립, ④ 글로벌 AI 연구·교육·사회 기반 네트워크 구축
- 7대 분야: ① 교육, ② 연구·개발, ③ 사회 변화, ④ 데이터 기반 구축, ⑤ 디지털 정부, ⑥ 중소ㆍ벤처기업, ⑦ 윤리
□ 유럽
○ 유럽은 인간 중심의 가치, 윤리, 보안 등 균형 잡힌 AI 정책 추진을 지향하며 디지털 싱글 마켓이라는 거시적 목표와 연결하여 정책을 추진 중
<표 11> EU의 인공지능 관련 주요 정책
정책
내용
인공지능
협력선언
(2018. 4.)
- 인공지능에 의해 발생할 수 있는 문제(연구·개발 경쟁력 확보, 사회, 법률, 윤리 문제에 대응 등) 해결에 회원국들이 적극 참여하는 것에 합의
- 협력 강화의 일환으로 EU 집행위는 다양한 전문가집단이 참여하는 유럽 인공지능 연합을 제안
* 인공지능 연합: EU의 고위전문가그룹 AI HLEG(High-Level Expert Group on AI)
주도로 운영되고 있으며, EU 집행위가 위촉한 52명의 전문가로 구성
유럽을 위한
인공지능
정책
(2018. 4.)
- 유럽연합 국가들이 합의한 인공지능 협력선언의 취지를 구체화하여 “유럽을 위한 인공지능 정책”을 발표
* 유럽의 인공지능 산업의 발전 속도가 중국 및 미국에 비해 밀리고 있다는 위기감이 반영된 결과
- 주요 내용은 ① 인공지능 연구·개발 재정 지원 확대 및 공공 및 민간 영역의 활용 증진 ② 인공지능에 의한 사회적, 경제적 변화의 준비(일자리, 교육·훈련 등) ③ 적절한 윤리적 및 규범적 프레임워크의 마련
* 유럽 인공지능 협의체에 AI 윤리 가이드라인, 안전기술, 기술호환성 기준을 2018년 말까지 개발하도록 요청
신뢰할 수 있는 AI 윤리 가이드라인
(2019. 4.)
- 세계 최초로 국제기구 차원에서 만들어진 AI에 대한 윤리 지침
- 가이드라인은 ① AI의 윤리적 목적, AI가 준수해야 하는 기본권, 기본원칙과 가치 제안 ② 이러한 원칙으로부터 신뢰할 수 있는 AI 구현 방안 도출 ③ AI 신뢰성 평가 리스트를 구체적으로 제시
* EU 신뢰할 수 있는 AI 요건: 자율성 및 감독, 기술적 견고함과 안전성, 프라이버시와 데이터 거버넌스, 투명성, 다양성, 비차별성, 공평성, 사회 및 환경 복지, 책임성
AI 데이터 전략
(EU 인공지능 백서)
(2020. 2.)
- 데이터 공유로 자국 IT 기업을 육성하고, AI에 있어서는 EU 자체 기준을 통과하지 못하면 엄격한 규제를 적용하는 등을 골자로 하는 세계 첫 가이드라인
* 초안은 입법화를 위한 절차의 첫 단계로, EU 집행위는 이후 공공정책자문을 거쳐 올해 말까지 최종 초안을 제시한다는 계획
- EU 기업들이 미국의 거대 IT 기업과 중국 기업을 상대로 경쟁력을 갖도록 촉진하기 위한 일종의 청사진으로 평가
□ 한국
○ 한국 정부 역시 인공지능 시대를 맞아 4차산업혁명위원회를 설립하고(’17. 11.) DNA(Data·Network·AI)를 3대 혁신 신산업으로 삼아, 분야별 대책을 발표하고 지원을 대폭 강화함
- 인공지능 기술 선진국에서 발표한 정책과 유사한 내용들을 담고 있으나, 상대적으로 후발주자인 한국의 경우 국가 차원의 정책에서 한걸음 더 나아가 산업별로 가장 효율적인 전략을 수립·실행할 필요가 있음
<표 12> 한국 인공지능 분야 주요 정부 정책(2018~2020)
발간처
시기
발간물명
주요 내용
분야
과학
기술
정보
통신부
2018. 5.
I-KOREA 4.0 실현을 위한
인공지능(AI) R&D 전략
- 인공지능 기술의 개념과 특징
- 인공지능 R&D 현황 진단과 대응 방향
- 중점 추진 과제(기술 확보, 인재 양성, 연구 기반 조성)
- AI R&D 로드맵 ’20, ’22, ’25, ’30
범분야
4차산업혁명
위원회
관계
부처 합동
2018. 1. 29.
도시혁신 및 미래성장동력 창출을 위한 스마트시티 추진전략
- ICT·빅데이터·AI 기술을 활용하여 완전한 자율·원격 비행이 가능한 미래형 드론 교통관리체계인 K드론시스템 개발(’21)
- (AI+수요관리) 스마트미터기·IoT 계량기·스마트가전 등이 연동 및 제어되는 시스템 실증(과기정통부)
스마트시티
관계
부처 합동
2019. 5. 22.
바이오헬스 산업 혁신전략
- 인공지능 등 플랫폼을 활용한 신약 후보물질탐색(’19~, 복지부, 과기부)
- 인공지능, 빅데이터 등 바이오메디컬 핵심 기술 글로벌 인재 양성(’19~, 복지부)
- 바이오데이터 관리기관을 중심으로 데이터 전문인력 양성(’20) 및 AI 대학원 확대로 석박사급 고급 인재 양성(’19~, 과기부)
바이오
중소
벤처
기부
2019. 11.
제1차 제조 AI 전략위원회 개최
- AI·제조 데이터 전략위원회 구성
(데이터/제도, 인프라, 서비스, 정책/거버넌스)
스마트제조
관계
부처
합동
2019. 12.
인공지능 국가전략
- 세계 주요국(미, 중, 일, 독, 영, 프) AI 정책 동향
- 중점 추진 과제(인공지능 생태계 구축, 인재 양성, 국민 교육 등)
- 3대 분야 9대 전략 100대 과제
범분야
3. 국내외 인공지능 스타트업 생태계
□ 국내외 인공지능 스타트업 생태계
○ 해외 및 국내 자료를 활용하여 인공지능 활용 분야 등을 개략적으로 조망
- 해외는 CB Insights의 ‘세계에서 가장 유망한 100대 인공지능 스타트업’ 분석, 국내는 한국인공지능협회의 「2020 AI Korea Startups」와 국내 언론 보도를 종합하여 196개 기업을 분석
- (해외) 전산업응용(36개), 보건의료(13개), 물류유통(9개), 교통(8개), 금융(6개) 등
[그림 4] 산업별 주요 인공지능 스타트업: 해외
- (국내) 전산업응용(33%), 보건의료(14%), 미디어콘텐츠(10%), 공공/도시계획(9%), 금융(6%) 등
[그림 5] 산업별 주요 인공지능 스타트업: 국내
- 해외와 국내 스타트업 모두 넓은 산업에 걸쳐 분포하여 인공지능이 거의 모든 산업 분야에서 활용되고 있음을 확인할 수 있음
- 인공지능 분야뿐만 아니라 전 산업에서 벤처캐피털 등 글로벌 스타트업 생태계에서의 브랜드 인지도는 아직 미흡한 수준
- 2020년 9월 기준으로 10억 달러 이상의 기업 가치를 달성한 비상장 기업인 ‘유니콘 기업’이 세계적으로 615개 존재하나 우리나라 기업은 10개에 불과함
○ 스타트업의 성장 단계를 크게 창업기와 성장기로 구분하고 분야별로 인공지능 스타트업 활성화 방안을 제안
- 공공 데이터 공개, 성장 제한 규제 완화, 초기 시장 조성, 글로벌 진출 지원 등
<표 13> 주요 분야별 인공지능 스타트업 활성화 방안
분야/산업
현재 정책 또는 장애요인
활성화 방안
참고
금융
핀테크 전문공간 ‘서울핀테크랩’ 제공
공유 오피스 스타트업 육성 연계
창업기
금융규제 샌드박스
부가 조건 완화
성장기
법률
판결문 등 법률 데이터 부족
법률 데이터 공개
창업기
「변호사법」의 변호사가 아닌 자와의 동업 금지 조항
변호사와 비(非)변호사 간의 동업과 이익분배 금지 규정을 완화
창업기, 성장기
부동산
부동산 공공 데이터 공개
공공 데이터 공개 확대
창업기
「감정평가법」 등 개발공급업, 중개업, 감정평가업, 임대관리업 등의 겸업 금지
규제 개선으로 부동산 종합서비스업 촉진
창업기, 성장기
교육
스타트업 교육 서비스의 시장 협소
교사 바우처 제도 등을 통한 초기 수요 조성
창업기
AI 원격교육 플랫폼 구축
에듀테크 스타트업 참여 확대 및 혁신 서비스 검증
창업기
교통
해외 시장 진출 지원
지원 기관 및 프로그램 간 연계
성장기
제조
스마트팩토리 수요와 공급의 괴리
국내 중소기업과 스타트업의 연계 및 생태계 조성
성장기
전 산업 공통
인공지능 기술 탈취 우려로 협업 미흡
기술 임치 제도 활용 확대
창업기
글로벌 브랜드 인지도 부족
글로벌 홍보 채널 확대
성장기
제3장 스마트제조 분야 인공지능 활용 제고 방안
□ 스마트제조 분야 국내외 인공지능 활용 현황
○ 스마트제조는 디지털 기술을 이용해 전체 제조 공정을 통합 관리하고 지능화해 생산성을 높이고 시장 니즈에 적시 대응하기 위한 미래형 제조 방식
○ 스마트제조를 구현하기 위한 기술은 하드웨어(HW)에 해당하는 디바이스와 소프트웨어(SW)인 애플리케이션과 플랫폼, 그리고 기타 시스템 통합 및 컨설팅으로 구분
- 인공지능은 가상공간 내 자율화 및 최적화된 의사결정을 통해 필요 데이터를 수집·분석하고 공정 자동화 및 지능화를 담당
○ 국내외 많은 제조기업 및 IT 서비스 기업들이 스마트제조 HW와 SW 고도화에 인공지능을 적극 활용함.
○ (산업용 로봇) 인공지능을 통해 인간 개입의 최소화, 학습 기반의 자율적 업무 수행, 인간과의 안전한 협업 체계 구축 등을 실현
- ABB는 인간 작업자의 업무를 인공지능을 통해 학습하는 리드스루 프로그래밍(lead-through programming)을 양팔 로봇 유미(Yumi)에 적용
- 지멘스는 사람이 특정 업무를 지시하면 어떻게 제조 또는 조립하는지 정보를 수집해 움직임이나 절차에 대한 프로그래밍 없이 스스로 제어하는 로봇을 시연
- KAKU는 특정 수준 이상의 힘이 감지되면 동작을 멈춰 인간에게 상해를 입힐 가능성을 줄이고 다양한 센서를 통해 주변 상황을 파악하고 작동 여부를 스스로 결정하는 협업 로봇 개발에 인공지능을 활용
- 국내 기업인 현대 로보틱스는 컴퓨터 비전 기반의 제조 로봇을 개발해 운영 중이며, 현대위아는 산업용 로봇 분야 진출을 위해 로봇개발팀을 신설하고 2020년까지 공작기계의 가동을 돕는 협동로봇 시장에 진출하기로 결정
○ (스마트제조 플랫폼) 전체 제조 공정상에서의 데이터 수집, 분석 및 패턴 분석을 통한 기기 통합 관제를 담당
- GE의 프레딕스 플랫폼에서 인공지능은 분석 및 기계학습(analytics and machine learning)이라는 이름의 하위 구성 요소로 배치되어 각종 산업용 자산들의 생애주기 관리 관련 데이터 분석을 수행
- 지멘스의 마인드스피어(MindSphere) 플랫폼은 GE의 프레딕스와 유사하게 각종 이종 기기 및 장비들로부터 데이터를 수집해 엣지 또는 클라우드에서 데이터를 분석하고 각종 산업용 애플리케이션에서 활용하는 구조
- 삼성SDS는 넥스플랜트(Nexplant) 스마트팩토리 플랫폼을 상용화해 제조 실행, 제품 설계/개발, 품질/검사, 제조 설비 등 제조환경 전반의 지능화를 지원
- LG CNS는 2018년 4월에 인공지능을 비롯해 빅데이터와 사물인터넷 기술을 이용한 통합 스마트팩토리 플랫폼인 팩토바(Factova)를 출시
□ 스마트제조 분야 인공지능 활용 인식 현황 및 유망 분야 탐색
○ (인공지능 기술 활용에 대한 인식) 국내 스마트제조 분야의 인공지능 활용 정도는 아직 미흡한 수준이나 단계적으로 주요 제조 공정으로 확산될 것으로 예상
○ (활용 수준 및 도입 중요성) 전문가 인식조사 결과 국내 스마트제조의 인공지능 활용 수준은 미흡하나 응답자의 대부분이 중요성을 인식하고 있음
- 전문가들의 약 71%가 현재 활용 수준이 ‘매우 미흡’ 또는 ‘미흡’하다고 답하였고, 82.2%가 ‘많은 분야에서 중요’하거나 ‘대부분의 분야에서 매우 중요’하다고 응답
○ (기대효용) 인공지능 도입 시 기대효용은 ‘검사 지능화로 제조 과정에서의 불량률 최소화’가 가장 높았고, ‘설비 이상 사전 감지 및 고장 예방’, ‘전체 제조 공정상의 실시간 데이터 수집 및 분석으로 최적화된 통합운영 구현’ 순이었음.
- ‘판매된 제품의 실시간 상태데이터 수집 및 분석을 통한 사후관리 강화’와 ‘투입되는 원재료 및 부품 물류 최적화’, ‘제품 설계의 지능화에 따른 업무 효율성 제고’도 모두 보통(7점 척도 기준 4점) 이상의 효용을 기대하는 것으로 나타남
○ (유망 분야) 인공지능 도입 유망 분야는 ‘공정 자동화 및 운영 최적화’가 가장 높게 나타났고, ‘설비 고장 사전 예측’, ‘품질 결함 감지’가 ‘높음’ 이상의 활용도로 향후 유망성이 큰 것으로 조사됨
- ‘데이터 기반 제품 사후관리’(5.56점), ‘원재료/부품 상태 검증’(5.04점), ‘공급사슬 최적화’(5.27점), ‘제품 설계 지능화’(4.67점)가 뒤를 이음
○ (단/중/장기 활용 시나리오) 스마트제조 세부 분야별 인공지능 활용이 활성화되는 시기는 상이할 것으로 보임
- ‘품질 결함 감지’와 ‘설비 고장 사전 예측’은 향후 5년 이내 단기적으로 활용성이 크게 증가할 것으로 예상됨
- 물류의 ‘원재료/부품 상태 검증’과 ‘공급사슬 최적화’, 판매의 ‘데이터 기반 사후관리’도 현재 활용도는 낮지만 5년 이내 활용성 급증이 기대됨
- 중기적으로 인공지능 활용성이 증가할 분야는 생산의 ‘공정 자동화 및 운영 최적화’로 조사됨
- 설계의 ‘제품 설계 지능화’는 다른 분야와 비교할 때 상대적으로 10년 이상의 장기적 활용성이 높은 것으로 조사됨
□ 스마트제조 분야 인공지능 활용 애로사항 파악
○ (인공지능 도입 저해요인) ‘인공지능 전문인력 부족’이 모든 스마트제조의 세부 분야에서 가장 큰 저해요인으로 도출됨
- ‘인공지능 도입 및 유지·보수에 따른 비용 증가’, 활용 가능한 상용 인공지능 기술 부족’, ‘인공지능 기술에 대한 시장 수요 부족’도 모든 세부 분야에서 주요 도입 저해요인으로 꼽힘
○ (사회적 문제점) ‘데이터 공유 및 활용에 따른 정보 유출 이슈’가 발생 가능성이 가장 높은 사회적 문제점으로 인식됨
- ‘인공지능 수용성이 높은 제조기업과 낮은 제조기업 간 양극화 발생’, ‘인공지능 오남용·오작동 시 책임 소재 규명의 한계’, ‘기존 노동력 대체에 따른 일자리 감소’도 인공지능 활용성이 높아질수록 대두될 수 있는 문제로 도출됨
제4장 금융 분야 인공지능 활용 제고 방안
□ 금융 분야 국내외 인공지능 활용 현황
○ 기술력을 가진 IT 기업들이 금융 산업의 혁신을 주도하는 테크핀(TechFin) 시대가 도래함
- 인공지능 기술은 고객 데이터라는 방대한 재료를 분석하고 활용하는 데 적용될 수 있는 핵심적인 도구임
- AI를 활용한 금융 서비스 개발 역시 크게 금융회사와 빅테크(BigTech), 그리고 AI 전문성을 갖춘 핀테크 기업에 의해 주도되고 있음
- AI 기반 금융 서비스 혁신의 예로는 챗봇, RPA, 고객 신용평가, 로보어드바이저, 레그테크(RegTech), 이상거래탐지(FDS) 등을 들 수 있음
○ 금융 서비스 혁신에 적용되는 AI 기술의 핵심 속성은 크게 맞춤화, 의사결정, 예측력, 상호작용, 패턴 인식 등을 들 수 있음
- 인공지능은 인간의 다양한 지적능력을 인공적으로 구현한 컴퓨터 시스템으로 볼 수 있으며 이를 위해 다양한 기술요소들이 활용됨
- 인지 시스템(cognitive system) 구축을 위해 자연어처리, 음성 인식, 이미지 인식, 머신러닝, 딥러닝 등이 활용됨
○ 인공지능 기술은 딥러닝을 중심으로 많은 발전을 이루었지만 현재 기술 수준은 수집된 데이터 패턴을 인지하는 방식에 기초하고 있는 수준임
- 국내의 경우 인공지능에 대한 관심은 높으나 기술 경쟁력은 주요 선진국 대비 다소 뒤처져 있는 상황임
- 국내에서 수요가 많을 것으로 예상되는 금융 서비스를 AI 기술을 통해 어떻게 혁신하고 글로벌 트렌드를 이끌어 나갈 것인지 고민이 필요한 시기임
□ 주요국의 금융 분야 인공지능 관련 정부 정책 동향
○ 미국의 인공지능 지원 정책은 산업 분야별 AI 활용·촉진을 위한 기술 개발 지원 및 규제 완화에 초점이 맞춰져 있음
- 2019년 12월 전 연방 차원의 AI 전략으로 ‘미국 AI 이니셔티브’를 발표하고 연구·개발 투자, 인프라 개방, 거버넌스 표준화, 전문인력 확충, 국제협력을 강조함
- 또한 ‘AI 애플리케이션 규제에 관한 가이드’를 2020년 1월에 발표함으로써 AI 기술 개발뿐만 아니라 AI 리스크 관리의 필요성을 강조함
○ 영국은 민관합의체를 중심으로 인공지능 산업을 육성하기 위해 노력함
- ‘AI Sector Deal’에서 영국 정부는 자국 산업의 생산성 향상을 위해 인공지능 관련 아이디어, 인력 강화, 인프라 구축, 기업환경, 지역의 총 5가지 분야에 대한 장기적 전략과 투자 방안 수립 필요성을 강조함
- 또한 핀테크 분야에서 기업의 경쟁을 촉진하고 진입장벽을 낮추는 정책을 추진함으로써 자국 내 금융 서비스의 질적 향상을 추구함
○ 일본은 AI의 사회 전반적인 확산을 위해 기술 개발은 물론 정부와 기업의 원칙 수립의 중요성을 강조함
- 일본 금융청은 유통과 같은 타 분야에서 금융업 진출이 증가함에 따라 규제 기준을 ‘금융권역’에서 ‘기능·리스크’로 변경함
- AI 기술 적용으로 서비스 프로세스에 대한 규제가 필요해지고, 서비스 제공자에 적용될 법률 검토가 필요해지면서 관련 규제를 재정비 중임
○ 국내에서는 크게 인공지능 사용 윤리와 소비자 보호를 강조함
- 핀테크 산업의 활성화로 국내 금융 산업에서도 AI 알고리즘 활용이 늘어나면서 금융위원회를 중심으로 금융 소비자 보호를 위한 법제도가 도입됨
- 금융 분야에서의 마이데이터(MyData) 사업에 대한 지원 강화를 통해 데이터 경제 활성화를 추구함
□ 금융 분야 인공지능 활용 인식 현황 및 유망 분야 탐색
○ 본 연구에서는 금융 분야의 AI 기술 활용에 대한 현황 및 인식 등을 파악하기 위해 온라인 설문조사를 실시함
- 현재 금융 분야에서의 AI 활용성에 대한 인식과 중장기적으로 AI 기술이 유망하다고 판단되는 비즈니스 모델 유형을 질문함
- 각 금융 서비스 분야에서 AI 기술을 적용해서 활용하는 데 영향을 주는 저해요인이 무엇인지 전문가들의 의견을 취합함
○ 서비스적인 측면에서 AI가 제공할 수 있는 기대효용과 관련해 응답자들은 대체로 공감함
- 특히 데이터 분석에 기반을 둔 고객 맞춤형 서비스 제공 측면에서 가장 큰 효용이 발생할 수 있을 것으로 예측함
- 반면 AI 활용이 가져올 수 있는 위험과 관련해서는 AI 기반 의사결정으로 인한 소비자 피해 보상 대책과 개인정보 보호와 산업적 활용에 대한 우려가 가장 높은 것으로 나타남
○ 국내외 AI 기술 활용도 결과를 보면 설문에서 제시된 주요 분야 및 세부 업무 영역에서의 활용도가 보통 이상인 것으로 나타남
- 중장기적으로는 데이터 분석에 기반을 둔 예측이 주가 되는 신용평가, 이상거래탐지, P2P 대출 서비스 등의 분야에서 널리 활용될 것으로 전망됨
□ 금융 분야 인공지능 활용 애로사항 파악
○ 업무관리 분야, 투자 분야, 예측 분야 모두 AI 기술적 측면에서의 애로사항이 가장 큰 것으로 조사됨
- AI 전문인력의 부족, 비정형 데이터 분석 역량의 미흡에 대한 문제가 제시된 다른 애로사항들보다 높게 나타나 기술 개발의 시급함을 보여 줌
- 설문 결과 향후 국내에서 인공지능 기반 혁신 금융 모델이 발전하기 위해서는 관련 AI 기술 개발 및 인력 양성은 물론, 이를 실행할 수 있는 환경(예: 데이터 유통, 소비자 보호, 협력 생태계 등)이 구축되어야 함을 확인함
제5장 농업 분야 인공지능 활용 제고 방안
□ 농업 분야 국내외 인공지능 활용 현황
○ 농업 분야 해외 인공지능 활용 현황
- 농업 분야의 인공지능 활용은 농업 선진국인 미국과 네덜란드를 중심으로 발전하고 있으며, 최근에는 정보통신기술(ICT)을 기반으로 하는 구글, 마이크로소프트, 알리바바 등 플랫폼 기업에서도 농업 분야에 대한 투자와 서비스 상용화를 확대함
○ 농업 분야 국내 인공지능 활용 현황
- 국내 업체들의 농업 인공지능 활용 기술 개발은 대부분 실험실 수준의 개발 단계이거나 스타트업 중심의 초기에 불과한 수준으로 크게 활용되지 못하고 있으나, 최근 세계인공지능농업대회와 같은 경험을 토대로 기술 고도화 및 상용화를 위한 다양한 시도가 존재함
□ 농업 분야 인공지능 관련 정부 정책 현황
○ 한국형 스마트팜 확산 및 수출 활성화 대책
- ‘스마트팜 확산 방안(’18. 4.)’을 위한 거점으로서 스마트팜 혁신밸리를 중심으로 정부의 스마트팜 관련 정책이 집중적으로 추진되고 있으며, 최근 발표된 ‘인공지능 국가전략(’19. 12.)’을 통해 스마트팜에 인공지능 기술을 도입하여 스마트팜 기술 고도화 및 스마트팜 플랜트 수출 확대를 위한 지원을 늘리고자 함
○ 인공지능을 활용한 2~3세대 스마트팜 고도화 연구·개발(R&D)
- 기존에 개발되어 있는 스마트팜에 인공지능 기술을 도입함으로써 스마트팜 기술·제품을 고도화하기 위한 다부처 R&D 사업으로 ‘스마트팜 다부처 패키지 혁신기술개발사업(’21~’27)’이 착수되면서 인공지능 및 데이터 기반의 지능화·자동화 2~3세대 스마트팜 연구·개발 본격 추진
□ 농업 분야 인공지능 활용 인식 현황 및 유망 분야 탐색
○ 농업 분야 인공지능 활용 인식 현황
- 현재 농업 분야에서 인공지능 기술의 전반적인 활용 정도는 미흡(76.2%)하며, 특히 산업체에서 체감하는 인공지능의 활용도가 가장 낮게 나타남.
- 농업 분야의 인공지능 기술 도입에 대해서는 대부분 중요성을 인식하고 있으며, 특히 정부 부처에서 이 같은 중요성을 가장 강하게 인식하고 있는 것으로 나타남.
- 농업 분야에 인공지능 기술이 도입될 경우 농산물 생산이나 농업 노동인력 등에 비해 농업 재해 및 환경 부하 저감과 같은 분야에 미치는 기대효용이 가장 높을 것으로 예측됨
- 인공지능 기술이 확산될 경우 데이터 공유 및 활용에 따른 사이버 보안이나 데이터 종속·유출과 같은 데이터와 관련된 사회적 문제의 발생 가능성이 가장 높게 나타남.
○ 농업 분야 인공지능 활용 유망 분야
- 농업 ‘생산-수확 후 처리-유통･관리’의 일련의 과정에서 인공지능 기술이 활용될 수 있는 9개 분야에 대한 유망성 탐색
- ‘농업 생산환경 제어·관리 시스템’ 분야는 현재는 물론 향후에도 가장 많이 활용될 분야로 예측되었으며, 특히 해외와의 격차 또한 가장 작게 나타남
○ 단-중-장기적 관점에서의 농업 분야 인공지능 활용 시나리오
- (단기적 측면) 농작물(축산 포함) 자체의 생산에 필요한 생육 및 환경 관련 인공지능 기반의 재배 모델 개발
- (중기적 측면) 농작업의 생력화 및 효율화에 필요한 농작업 상황 판단·인식·제어 등과 같은 인공지능 기반의 무인자동화 시설·장비·시스템 개발
- (장기적 측면) 농작물 생산 단계를 넘어 유통·소비로 이어지는 농업가치사슬 전반에 걸쳐 수급, 품질, 가격 등과 관련하여 경제성, 효율성, 안전성을 향상시키기 위한 전 주기 예측·관리 시스템 개발
□ 농업 분야 인공지능 활용 애로사항 파악
○ 기술/주체/제도·문화 측면의 농업 인공지능 활용 저해요인
- 농업 분야에서 인공지능의 활용에 대해서는 주체 측면의 ‘인공지능 전문인력 부족(5.00)’, 기술 측면의 ‘데이터의 수집·가공·활용기술 및 관리 인프라 미흡(4.71)’ 등이 가장 큰 저해요인으로 조사되었으며, 규제나 문화적 갈등과 같은 제도·문화 측면은 인공지능 활용에 대한 영향이 크지 않은 것으로 나타남
제6장 국방 분야 인공지능 활용 제고 방안
□ 국방 분야 국내외 인공지능 활용 현황
○ 미래 안보환경의 변화와 인공지능의 도입
- 인공지능 기술로 대표되는 4차 산업혁명 기술은 자율 무인체계, 로봇 등 새로운 전투수단으로 활용되는 미래전 양상과 밀접하게 연결됨
- 현 단계에서 인공지능 기술은 인간의 의사결정을 지원하거나 물리적 노동력을 대체하는 수단으로 활용될 수 있다고 보는 것이 합리적이며, 지휘관 또는 전투원은 지휘통제체계나 로봇과 같은 기존 시스템과 인공지능 기술이 적용된 무기체계나 전력지원체계를 통합하여 운용하여 전투력을 극대화시킬 수 있음
○ 국방 분야 해외 인공지능 활용 현황
<표 14> 주요 국가들의 국방 분야 인공지능 적용 현황
○ 국방 분야 국내 인공지능 활용 현황
- 2019년 12월에 발표된 인공지능 국가전략에 따라 국방 인공지능 발전계획을 수립한 바 있으며, 4차산업혁명위원회에서 의결된 ‘4차 산업혁명·스마트 국방혁신·추진계획’을 통해 부분적으로 국방 분야에서의 인공지능 도입을 추진함.
- 육군의 경우 초지능, 초연결, 초융합 육군 건설을 위한 ‘I-Army 2030’이라는 브랜드를 선보였으며, 이를 통해 인공지능 역량 강화의 비전을 수립하였고, 2019년 1월에 창설한 육군 교육사 ‘인공지능연구발전처’를 통해 육군의 인공지능 관련 소요 창출에도 노력을 기울이고 집중하고 있음
□ 국방 분야 인공지능 관련 정부 정책 현황
○ 국방정보화 정책은 안보환경과 국방여건의 변화에 대응하고 4차 산업혁명의 국가정보화 정책과 민간 정보기술 발전 추세에 부합하게 추진 중임
○ ‘2019~2033 국방정보화 기본계획’을 통해 기존 정보시스템의 개선과 신기술 적용 등 중장기 방향과 목표에 따라 미래 전장 환경에 적합한 정보화 발전을 도모함
○ 이러한 전략 추진에도 불구하고, 부처 간 기술 협력이나 민군 기술 협력은 자율적이고 혁신적인 업무 문화가 바탕이 되는 신기술 분야를 따라가지 못하는 기존의 제도·규정의 틀 내에서 수행되고 있는 측면이 여전히 존재함
□ 국방 분야 인공지능 활용의 주요 쟁점
○ 혁신 주체 및 조직 문화적 특징
- 국방 분야는 국민국가의 군대라는 수요자에 의한 수요독점의 구조로 되어 있기 때문에 획득 및 기술 발전에 있어 독특한 생태계를 유지하고 있음
- 무기체계 획득에 막대한 국방예산을 소비하는 만큼, 의회도 군사기술 활용에 영향을 미치는 주체라고 볼 수 있으며, 이들의 신기술에 대한 인식은 궁극적 수요자인 군의 획득 과정에 중요한 영향을 끼침
- 인공지능과 같은 4차 산업혁명 시대의 핵심적 기술을 군사적 활용에 적용, 새로운 형태의 주력부대를 창설하고 이것이 군인들의 진급 경로에 변화를 초래할 경우, 군내 기득권층의 해당 기술에 대한 부정적 인식과 저항 또한 나타날 가능성이 높음
○ 국방 분야에서의 인공지능 기술 성숙도
- 인공지능 소프트웨어의 범위를 규정할 때, 매킨지, 가트너, TRATICA 등 국외 주요 기관 등은 머신러닝, 머신비저닝, 자연어, 컴퓨터 비전 등 파급력이 높은 소프트웨어 기술을 중심으로 분류체계를 적용하고 있지만, 국내는 응용기술을 포함한 포괄적 범위로 접근하고 있다는 점도 국방 AI 기술에 대한 면밀한 진단과 분석을 어렵게 만들고 있음
○ 제도적 및 윤리적 문제점
- 문제는 현행 군형법의 조항이 인공지능을 탑재한 장비가 오조작이나 기능 이상으로 군인 및 민간인의 생명과 재산에 피해를 준 경우에 대한 처벌 규정이 없음
- 미 국방부가 2020년 2월에 발표한 인공지능에 대한 윤리적 원칙에서는 책임성, 공정성, 추적성, 신뢰성, 통제성의 측면에서 고려해야 할 부분들이 제시되었으나, 이에 대한 세부적 규정 정립은 미비한 상황임
○ 민관 협력을 제약하는 요소들
- 인공지능 기술은 민간 주체가 우위에 있다고 평가되며, 이로 인해 민간과의 협력은 군사적 활용에 중요한 요소임
- 국내 국방 분야의 R&D 문제는 단순히 확보 역량의 문제라기보다는 민간의 연구 역량을 국방에 접목하는 민군 협력 R&D 구조의 비효율성에 기인한 측면이 큼
- 보안 문제도 민군 협력의 중요한 제약요인으로, 상대적으로 공개된 정보와 기술을 활용하며 정보교환에도 상대적으로 유연한 입장을 취하는 민간과 달리, 군은 민간 개발자에 대한 군정보 제공 및 민간 기술 도입에 소극적인 입장임
- 민관 협력을 제약하는 추가적인 요소로는 군사규격(mil-spec), 보안 문제, 협력 대상 기업에 대한 과도한 자격요건 충족 요구 등이 있음
□ 국방 분야 인공지능 활용 인식 현황 및 유망 분야 탐색
○ 국방에서의 인공지능 활용 유망 분야
- 현재·미래의 데이터 확보가 상대적으로 용이한 분야
․무기체계의 감시 정찰 및 항공 분야, 전력지원체계의 국방정보시스템 및 교육훈련 분야는 현재에도, 단기(1~5년)에도 활용이 높을 것으로 전망됨
- 신뢰할 수 있는 알고리즘 구현이 상대적으로 용이한 분야
․무기체계의 감시 정찰 분야 및 전력지원체계의 인사, 군수, 전투지원 분야는 임무의 명확성, 단순성에 따라 AI 기술의 접목이 용이할 것으로 전망됨
- 윤리적 충돌 문제가 상대적으로 낮은 분야
․전투지원, 의무지원, 교육훈련, 국방정보시스템의 활용도가 높을 것으로 전망됨
□ 국방 분야 인공지능 활용 애로사항 파악
○ 데이터 활용에 따른 보안 문제와 제도적 규제
- 적용 기술의 성능 향상을 위해 필요한 군 데이터의 사용이 거의 불가능함
○ 국방 현장과 인공지능 기술을 이해하는 조직 역량의 부족
- 국방 분야의 특수성과 AI 기술을 포괄적으로 이해할 수 있는 전문인력이 부족함
○ 국방 AI 기술 활용에 대한 군의 신뢰성 부족과 이해충돌
- AI 기술의 도입을 전통적으로 군인이 수행하던 임무를 두고 AI 기술과 경쟁을 벌이는 국면으로 인식하거나 AI의 판단과 경험적 판단이 다를 경우 충돌함
○ 현장의 의사결정을 지원하는 데이터 분석 플랫폼 기술의 부재
- 센서 단위의 비정형 데이터 정보를 넘어 지휘관이나 주요 의사결정자의 결심 판단을 지원할 수 있는 고도화된 AI 기술은 부재함
○ 기타․민군 R&D 협력 유인의 제약
- 국가 연구·개발 사업 성과물의 소유권이 국가에 귀속돼 민간의 기술이전 속도가 지연됨
제7장 결론
□ 연구 결과 정리
○ 본 연구에서는 4개 산업(스마트제조, 금융, 농업, 국방)의 (ⅰ) 산업별 인공지능 활용 유망 영역 탐색, (ⅱ) 단·중·장기적 관점에서의 산업별 인공지능 활용 전략, (ⅲ) 인공지능 활용에서의 애로사항 파악을 통해 산업별 인공지능 활용성 제고 방안을 도출하고자하였음
□ 산업별 인공지능 활용 강화를 위한 정책 제언
○ 스마트제조 분야
(1) 정부는 산업별로 기업들이 도입·활용할 수 있는 산업 특화 ‘인공지능 기반 스마트제조 플랫폼’ 개발을 주도
(2) 또한, ‘주요 산업 공급사슬별 인공지능 도입 참조 모델’을 수립하고 개별 기업들이 상황에 맞게 적용할 수 있도록 지원
(3) 단기적으로 제조기업들의 산업 및 업종, 규모 등을 고려해 기존 인력을 스마트제조 전문가로 양성할 수 있는 맞춤형 교육 프로그램 개발 지원을 적극 추진하고, 장기적으로는 우수 인력들이 국내 제조기업에 정착할 수 있도록 장학금 확대/수업료 면제, 청년추가고용장려금 확대 등 제도적인 유인책 마련
(4) 기존 스마트공장 보급 사업을 활용해 인공지능 확산을 추진하고 인공지능 수요 및 공급 기업이 쉽게 필요 정보를 탐색하고 거래할 수 있는 스마트제조 특화 인공지능 매칭 플랫폼 개발
(5) 인공지능 도입 후 유지·보수 비용 증가에 대한 부담을 경감할 수 있는 제도적 지원 강화
(6) 인공지능 도입에 따른 정보 유출 위험성을 최소화하기 위해 ‘제품 및 제조 프로세스 관련 정보 보안 가이드라인’ 수립
(7) 인공지능의 보유 및 활용 정도의 차이에 따른 양극화 문제는 우위에 있는 기업이 시장 지배적 지위를 남용하지 못하도록 법제도적 틀 안에서 규제하는 방안 필요
○ 금융 분야
(1) AI 기반 의사결정 결과에 대한 윤리와 책임 강조 필요
- 금융 서비스 기업의 투명하고 책임 있는 AI 활용을 위해 기술 개발 과정에서 고려될 필요가 있는 정부 차원의 지침 마련 필요
- 미국의 경우 최근 연방거래위원회(FTC)가 지침을 통해 기업의 AI 알고리즘 이용 시 반드시 고려해야 할 요건들을 강조
국내에서도 중장기적으로 금융 서비스 제공자가 준수해야 할 보다 구체적이고 산업에 특화된 인공지능 적용 지침 마련 필요
(2) 금융 소비자 보호 및 기업 간 협력 강화
- 초기 인공지능 기술 개발과 더불어 사후에 이를 추적·평가할 수 있는 제도 마련은 안전한 인공지능 서비스를 사용하는 데 필수적임
AI 기술 개발과 동시에 서비스 모델별 특징을 고려하여 AI 활용 과정에서 발생할 수 있는 손해의 유형과 각각의 책임 규정, 그리고 손해배상 방법에 대한 지침 마련 필요
- 더 많은 국내 AI 혁신 기업들이 다양한 금융 서비스 분야에서 자사 비즈니스 모델을 시범 운영하고 고도화할 수 있도록 금융기관, 대기업, 혁신 스타트업 간 협업 유도
(3) 개인정보 보호와 데이터의 산업적 활용의 조화
- 데이터 개정법 취지에 따라 혁신 금융 서비스 사업자들의 데이터 활용을 지원할 수 있는 보다 구체적인 정부 지침 마련의 필요
- 향후 AI 서비스 개발 시 대량의 고객 데이터 활용에 대비해 개인정보 보호 일반법인 ｢개인정보보호법｣에서의 추가적인 입법 필요.
- 또한 고객 데이터의 신뢰할 수 있는 공유 및 관리, 사업화를 지원하는 하위 법령이나 제도 마련도 필요
○ 농업 분야
(1) 농업 분야의 인공지능 데이터 생태계 조성을 위해 개방형, 민간 참여의 빅데이터 플랫폼 구축 및 거래 활성화에 관한 정책적 지원
(2) 농업 분야 인공지능 전문인력 양성을 위한 현장 밀착의 교육기관 확충과 장기적 계획에 입각한 안정적 인력 양성 프로그램 운영
(3) 농업 분야 인공지능 연구·개발에 앞장서고 있는 국가연구기관(농촌진흥청 등)의 경력직 채용 자율성을 높이고, 양성된 전문인력이 선순환할 수 있도록 하는 여건 조성
(4) 농업 분야 인공지능 기술 및 제품의 연구·개발 및 실증을 위한 대규모 실증단지(테스트베드) 구축
(5) 농업 분야 인공지능 기술 및 제품의 연구·개발과 상용화를 촉진하기 위해 가칭 「국가 디지털농업 기술개발 및 보급 촉진법」과 같은 법제도적 기반 마련
(6) 농업 인공지능의 필요성에 대한 인식을 제고하는 사회경제적 연구, 대농업인·국민 홍보와 이해 촉진에 적극적 관심
○ 국방 분야
(1) 국방 분야에서 AI 기술의 임무대체 우려를 완화함과 동시에 군의 조직적 저항이 상대적으로 적은 분야부터 단계적으로 도입
(2) 국방 AI 기술에 대한 군의 신뢰성 부족을 해소하기 위한 체계적인 교육 프로그램 마련
(3) 국방에 특화된 의사결정 지원을 위한 데이터 플랫폼 기술 개발
(4) 인공지능 활용을 강화하기 위해 국방 내 네트워크 인프라를 개선하여 그 활용성 제고
(5) 보안 문제로 국방 데이터의 접근과 활용이 어려운 규제 부분을 시급히 개선할 필요가 있음
(6) 국방 분야 AI 활성화를 위해 조직적 저항이 상대적으로 적은 분야, 윤리적 충돌의 문제가 적은 분야에 규제 샌드박스를 우선 적용