중국의 인공지능(AI) 산업이 2020년부터 침체기에 들어섰다. 돈벌이는 되지 않고 기술적 한계에 부딪혔다는 회의가 짙다. AI가 일상에 들어온 것은 분명하지만 사람들의 기대치를 채우기는 쉽지 않아 보인다. 한편에선 AI 의료기기가 크게 늘어 의사 보조 구실을 톡톡히 한다. 그러나 생명을 다루는 의료 분야에서 AI가 복잡한 진단 능력까지 갖추려면 상당한 시간이 걸릴 전망이다. _편집자

허수징 何書靜 <차이신주간> 기자

▲ 중국 인공지능(AI) 산업을 이끄는 기술기업 센스타임의 홍콩 사무실. 중국 AI 분야 선두 기업들은 기업공개 과정에서 수익을 내기 어렵다는 비관론을 불러일으켰다. REUTERS

5년 넘도록 투자자본의 전폭적인 지원을 받던 중국의 인공지능(AI) 산업이 2020년부터 침체기에 진입했다. 2021년 들어 ‘AI 업계 네 마리 용’인 센스타임(商汤), 메그비(旷視), 클라우드워크(云从), 이투(依图) 등 AI 분야 선두 기업이 기업공개(IPO)를 추진하면서 재무 상황을 공개하자 업계의 현실이 드러났다. 시장의 서사는 ‘AI는 무엇이든 할 수 있다’에서 ‘AI는 돈벌이가 안 되고 기술적 한계에 부딪혔다’는 기조로 변했다.
매우 심오하고 가능성이 무한한 산업으로 포장됐다가 실제 기술 개발과 상업적 성과가 기대에 부응하지 못했던 산업은 과거에도 있었다. 외부에서는 지금의 AI가 영화에서 묘사한 것처럼 ‘신기하지 않다’는 현실을 깨달았다. 기대를 모았던 사업의 실제 모습이 알려졌다.
예를 들어 미국 스케일팩터는 AI 기술을 이용해 중소기업의 회계처리를 돕겠다고 공언했다. 하지만 제품 기능이 기대에 미치지 못하자 외국에서 회계사를 고용해 회계장부를 처리했다. 수억달러의 투자를 받았지만, 2020년 신종 코로나바이러스 감염증(코로나19)이 확산하자 파산했다.

한계 봉착
AI 기술의 가치를 무시할 수는 없다. 인공신경망을 기반으로 한 딥러닝 이론은 실험실 수준을 벗어났다. 최근 컴퓨터 비전과 자연어 처리 등 기술의 정확도가 크게 개선돼 새로운 응용서비스를 개발했다. 쇼핑, 보안, 의료 분야의 발전을 견인했다.
“업계에서는 딥러닝 기술이 한계에 도달했다고 느낀다. 하지만 어떤 기술이 비용을 낮추고 효율을 개선해 문제를 어느 정도 해결해준다면 그 자체로 가치가 있다. 단순히 학술적 관점에서 기술의 잠재력을 평가할 순 없다.” 리룬 중국인공지능산업발전연맹 기술산업워킹그룹 부의장은 이렇게 말했다.
중국 정보통신연구원은 업계 현황을 조사한 뒤 2021년 4월 <인공지능 핵심기술 산업 백서>를 발표했다. 이 백서는 지적했다. “딥러닝은 이해와 추론 등에서 기술적 한계를 드러냈다. 앞으로 기술 개발을 통해 극복해야 할 과제다. 지금까지 이룬 성과와 가능성을 부정할 수 없다.” 개발 속도가 떨어지기 시작했지만, 지금까지 확보한 기술을 활용하면 이미지 분류와 기계번역 등 지각 기능의 정확도를 개선할 수 있다. 다양한 응용서비스가 대규모 이용 단계에 들어서 앞으로 5~8년 계속 성장할 것이다.
대중이 기대하는 수준과는 상당한 거리가 있지만, AI는 이미 평범한 사람들의 일상생활에 들어왔다. 자동차를 운전할 때 음성인식 내비게이션을 사용하고 음성인식 비서로 가전제품을 원격으로 조작한다. 휴대폰으로 사진 찍을 때 자동으로 사진을 보정하고 앨범을 검색한다. AI 고객 상담사와 대화하고 인터넷쇼핑몰 시스템에서 추천한 제품을 구입한다.
“이미 일상에서 다양한 AI 기술을 사용하고 있다. 표면적으로 느끼지 못하는 것뿐이다.” 추시펑 푸단대학교 컴퓨터과학기술대학 교수는 “입력법도 AI의 지원을 받는다”며 “AI 기술은 대부분 단독으로 나오지 않고 다른 제품에 내장된 형태로 구현된다”고 말했다.
스마트폰은 다양한 AI 기술을 집약한 응용서비스 환경이다. 스마트폰으로 사진 찍을 때는 계산사진학(CP) 기술로 해상도를 높이고 사진 여러 장을 조합해 최적의 화질을 구현한다. 사진을 분할해 배경을 흐리게 하거나 잘라내는 효과도 있다. 또한 스마트폰에는 대부분 음성인식 기능이 있고 화면을 길게 누르면 추천 정보가 나타난다. AI로 트래픽을 관리해 최적의 인터넷 속도를 유지하기도 한다.

▲ 2021년 7월 중국 상하이에서 열린 세계인공지능대회(WAIC)를 찾은 관람객들이 음식배달 플랫폼 메이퇀이 개발한 무인배달차량을 구경하고 있다. REUTERS

응용서비스 확산
AI는 전통산업에도 도입되기 시작했다. 의료 분야에서는 영상의학과 의사들이 AI의 도움을 받아 CT 영상에서 폐결절을 찾아낸다. 병소의 크기가 작아 눈으로 찾아내려면 시간이 오래 걸리는데, AI 도구가 병소를 포착해 보여주는 것이다. 양성과 악성을 판단하는 능력은 없지만 업무 효율을 개선해 의료진에게 없어서는 안 될 도구가 되었다.
AI를 가장 많이 응용하는 곳은 IT 기술 분야다. 추시펑 교수는 “인터넷기업이 AI 기술을 가장 잘 활용하고 있다”며 “인터넷기업이 AI 분야의 역량을 강화해 우수한 인재가 그쪽으로 이동했다”고 말했다.
추천 시스템은 사람들이 가장 많이 알고 있는 AI 응용서비스다. 사용자가 원하는 핵심을 직접적으로 공략한다. “11월11일 솽스이(雙十一·중국 최대 온라인 쇼핑 시즌) 행사 때 인터넷쇼핑몰을 검색하는데 시스템에서 벽의 틈새를 메우는 신기한 제품을 추천했다. 인테리어 공사를 앞두고 있어 마침 그런 제품이 필요했다. 어떻게 알고 추천했는지 모르겠다.” 사용자의 말이다.
추천 시스템은 상당한 경제적 이익을 가져왔다. 인터넷기업의 추천 시스템 개발자는 “임의 추천 기능에 비해 사용자 맞춤형 추천 기능을 적용하면 클릭 비율이 30% 이상 높고, ‘인기검색어’처럼 간단한 추천 규칙보다 10% 이상 높다”며 “플랫폼의 광고 매출이 1억위안(약 186억원)이라면 클릭률이 1%만 올라도 100만위안의 매출이 늘어나는 것”이라고 말했다.
리룬 부의장은 “인터넷쇼핑몰, 금융서비스 추천 시스템, 사진 보정 등 영상서비스, 보안 분야의 영상인식 등은 AI 침투율이 높은 응용서비스”라고 말했다. “AI가 깊게 침투한 분야에는 몇 가지 조건이 있다. 시장 규모가 크고 정보화 수준이 높거나 서비스 환경의 표준화 정도가 높다.”
백서에 따르면 AI 기술이 인터넷쇼핑 분야에서 빠르게 성장해 지능형 추천과 시각 인식, 음성인식 비서 등 다양한 기능이 적용됐다. 전자상거래, 사회관계망서비스(SNS), 인터넷 플랫폼은 물론이고 스마트폰과 드론 등 소비단말기를 망라한다.
앞으로 AI는 산업구조의 고도화를 실현해 고부가가치 산업으로 성장하는 한편, 전통산업의 고부가가치 제품 비중을 늘릴 것이다. 컨설팅업체 매킨지는 2030년 70% 넘는 업종이 AI 기술을 도입하면 세계에서 13조달러어치의 부가가치가 증가할 것으로 예상했다.

지각 증강 시대
업종마다 AI의 침투 속도가 다른 것은 현재 기술이 직면한 한계와 관련 있다. 4월 나온 백서는 “알고리즘 이론의 불확실성과 기술의 미성숙성 때문에 산업계에서 많은 노력과 시간을 들여야 했고 AI의 대규모 응용이 지연됐다”고 지적했다. 현재 AI 지능을 5단계로 나눈다. 1단계 연산과 기억(Computation&Memory), 2단계 지각(Perception), 3단계 인지(Cognition), 4단계 창의성(Creativity), 5단계 지혜(Wisdom)다.
지각 단계의 AI 기술에는 안면인식과 음성인식 등이 있다. 이 단계의 알고리즘에는 추론과 이해 능력이 없다. 대량의 데이터를 통해 훈련한다. 주석이 붙은 데이터에 의존한다. 다양한 상황에서 반복 사용하는 데 한계가 있다는 뜻이다.
리룬 부의장은 시각인식 기술이 일반 산업보다 보안 분야에서 빠르게 성장한 데 대해 “보안 분야에서는 사람과 사물을 표준화된 환경에서 대조하지만, 산업 분야에서는 이미지가 차단되거나 변형되고 조명 등 특수한 문제가 발생해 모델의 정확도에 영향을 주기 때문”이라고 설명했다.
“지금 단계에서 기계가 학습하는 과정은 사람과 다르다. 기계는 데이터에 의존한다.” AI 개발자는 “사람이 ‘새’라는 개념을 학습할 때 사진 몇 장만 있으면 관련 특징을 도출하지만, 기계는 인간처럼 추론하지 못하므로 다양한 새 사진을 익혀야 정확하게 판단할 수 있다”고 설명했다. “배경이 흐린 날의 새와 맑은 날의 새, 비 오는 날의 새 등 배경도 다양해야 한다.”
정보화 수준이 높은 인터넷기업은 AI 분야가 성장하는 기간에 강점이 있다. 추천시스템 개발자는 “인터넷 데이터의 주석 처리는 비용이 저렴하다”며 “자체적으로 대량의 데이터를 제공하며 기록하지 못한 데이터가 있어도 신속하게 다시 기록할 수 있다”고 말했다. “보통 다음 세대 제품이 나올 때를 기다렸다가 기록하기 시작한다. 이르면 2~3주 정도 걸리고 클라우드의 제품 교체는 수시로 일어난다.”
인지 단계가 언제부터 시작될지는 알 수 없다. 백서에 따르면 학계에서 새로운 딥러닝 이론체계를 탐색하면서 캡슐망 등 새로운 아키텍처로 지금의 신경망을 대체하는 방법을 제시했다. 주석 처리된 데이터에 의존하지 않는 학습 방법도 시도하고 있다. 하지만 이해력을 갖춘 알고리즘 모델은 나오지 않았다. 인지 단계에 진입하려면 몇 년은 기다려야 할 것으로 보인다.
인지 단계가 시작되기 전까지 상당 기간 지금의 지각 기술을 활용할 것이다. 리룬 부의장은 “앞으로 여러 업종에서 지각 기술을 최적화해 성과를 낼 것”이라며 “다양한 맞춤형 서비스와 연계할 것”이라고 말했다. “지금의 안면인식 모델로는 부품의 하자를 식별하거나 의료진의 영상 판독 문제를 해결할 수 없기 때문이다.”
인지 기술 개발을 기다리는 것 외에도 지각 증강 시대에는 지각 능력과 효율을 향상시키는 방법에 업계의 관심이 집중될 것이다. 리룬 부의장은 “지각 증강 시대도 지각 단계에 속한다”며 “지각 능력이 현저하게 개선되는 것이 특징이지만 새로운 방법에 의존한다”고 설명했다. 시청각 외에 다양한 형태의 멀티모덜(Multimodal) 데이터로 지각 능력을 향상시키는 것이다. 백서에 따르면 지능화 주석 처리 능력도 개발할 예정이다. 대규모·고품질 데이터는 산업의 수요가 많아 업계에서 주석 처리 도구와 서비스가 나왔고 자본시장의 큰 관심을 받았다.

▲ 미국 초기 기술기업 스케일팩터의 사내 회의 모습. 스케일팩터는 AI 기술로 중소기업의 회계처리를 돕겠다고 공언하며 수억달러를 투자받았지만, 제품이 기대에 못미쳐 파산했다. 스케일팩터 누리집

골짜기 너머
기술의 상용화 전까지 심각한 자금 부족을 겪는 ‘죽음의 계곡’(Death Valley)을 지나는 AI 기업은 실망스러운 사업보고서를 제출했지만, 이 기간을 견디면 흑자로 바뀔 수 있다. “기업은 여전히 생존하기 위해 애쓰고 있다. 보편성을 갖춘 대규모 복제 방법을 찾기 위해 연구개발비를 너무 많이 지출했다. 하지만 이것은 특정 시기와 특정 단계에 이르면 생기는 문제다.” 리룬 부의장은 이렇게 강조했다.
그는 AI가 다양한 업종으로 침투하는 과정에서 지금 ‘S곡선’의 중간 임계점에 와 있는 것으로 본다. 기술을 응용하기 위해 많은 비용이 필요하고, 규모의 경제 효과가 나타나려면 임계점을 지나야 한다. 그다음부터 기업의 수익 상황이 크게 개선될 수 있다. 최근 AI 산업에서 도구 능력이 크게 개선된 것이 이런 판단을 하는 근거다.
S곡선이란 기술과 산업의 수익창출 능력이 규모에 따라 변하는 과정을 말한다. AI는 가치사슬이 긴 산업이다. 초기 비용이 많이 들고 이익은 천천히 늘어난다. 연산시스템과 플랫폼 능력을 갖춰 어느 단계에 이르면 이익이 급상승한다. 이때가 첫 번째 변곡점이다. 규모가 일정 수준이 되면 두 번째 변곡점에 이르고 이때부터 이익의 증가 속도가 다시 느려진다.
리룬 부의장에 따르면 2014년부터 지금까지 성장한 AI 분야 초기에는 실험실에서 탐색하는 수준이었다. 그러나 최근 몇 년 동안 산업에서 차지하는 역할이 늘었다. 공급 능력이 점차 전문화, 세분화된다는 의미다. AI 반도체와 프레임워크, 플랫폼이 성숙해지면 기업이 복제하고 보급하는 능력을 키우고 S곡선에서 수익이 폭발적으로 늘어나는 임계점에 이른다.
오픈소스 기반의 개발 프레임워크는 산업가치사슬에서 중요한 부분이다. 알고리즘 개발과 모델 구축 과정을 간소화해 개발의 문턱을 낮춰준다. 시장에 공급된 여러 오픈소스 개발 프레임워크는 상당히 많은 기초 알고리즘을 통합해 기업이 개발비용을 줄일 수 있다.
AI 산업의 대표적인 생산도구인 오픈소스 개발 프레임워크에선 경쟁구조가 비교적 명확하다. 백서에 따르면 초기에 인기 있던 딥러닝 프레임워크는 업데이트를 중단한 상태다. 구글의 텐서플로(TensorFlow)와 페이스북의 파이토치(Pytorch)가 주도권을 장악했다.
이들의 시장점유율과 산업생태계는 다른 프레임워크를 훨씬 앞선다. 바이두 패들패들(PaddlePaddle·飛漿)과 메그비의 메그엔진 등 중국 기업이 개발한 프레임워크도 성장했지만 아직 두각을 드러내지는 못했다. “앞으로 임계점에 이르는 때가 올 것이다. 지금은 깊은 물을 건너는 것처럼 보이지 않는 어려움까지 해결해야 하는 중요한 시기다.”

▲ 2019년 11월 중국 베이징에서 열린 바이두 딥러닝 개발자회의에서 우톈 바이두 AI그룹 책임자가 자체 딥러닝 프레임워크 ‘패들패들’의 업그레이드된 기능을 설명하고 있다. 바이두 누리집

다른 노선
AI의 성장 노선은 모바일인터넷과 다르다. 딥러닝 이론의 개발 속도가 느려졌지만, 업계는 오랫동안 축적한 공정화 기술을 따라 계속 성장하고 있다. 공정화 기술이란 산업에서 신기술을 대규모로 적용하는 데 필요한 지원 기술을 말한다.
“지금 단계에서는 공정화 기술, 응용서비스 개발 문제를 해결해야 한다.” 리룬 부의장은 “기술이 실험실에서 나와 산업으로 향하려면 프레임워크와 플랫폼, 반도체 등 다양한 지원이 필요하다”며 “기업에서 대규모로 응용하려면 신뢰성과 유지보수 등 여러 문제를 해결해야 한다”고 말했다. 이런 것이 지금 업계에서 중점적으로 추진하는 분야다.
모바일인터넷과 달리 인공지능을 산업에 적용하려면 전통산업과 융합할 필요가 있다. 기술의 정확성과 산업에 대한 이해 수준이 높아야 한다. 초기에 투자자본은 수익 실현 시기를 낙관했다. 2~4년이면 투자금을 회수할 것으로 기대했다. 하지만 AI 산업을 육성하려면 더 오랜 시간이 필요하다.
AI가 진출한 전통산업의 응용 환경은 분산돼 있다. 지금의 딥러닝 모델의 일반화 능력으로는 부족하다. 실제 데이터를 통해 2차 훈련하거나 최적화해야 한다. 이런 이유로 AI 분야 ‘네 마리 용’을 비롯한 모든 AI 기업의 개발 주기가 길어지고 비용이 많이 발생했다.
바닥으로 떨어진 AI 기업의 과제는 모델 선택과 훈련, 검사를 하나로 통합한 개발 플랫폼을 만드는 것이다. 이를 통해 여러 산업에서 효율적이고 대규모로 기술을 응용할 수 있는 기반을 마련하고 업종별 고유 데이터와 지식, 프로세스와 스마트 기술을 융합해 해결 방안을 도출해야 한다. 최근 빠르게 성장한 보안과 의료 분야는 전용 플랫폼을 구축해 응용 상황에 맞춘 종합 생태계를 만들고 있다.

ⓒ 財新週刊 2021년 제43호
等待下一個臨界點
번역 유인영 위원