Intelligent models for smarter decision-making

현명한 의사결정을 위한 지능형 모델

많은 조직은 시뮬레이션 강화를 위해 인공지능에 기대를 걸고 있으며, 이는 곧 빠른 혁신과 좋은 제품으로 이어질 전망이다.

이 기사는 지멘스와 협업으로 작성되었습니다.

현재 엔지니어들은 혁신, 최신기술 따라잡기, 시급한 문제에 대한 창의적인 해결방안 설계를 요구하는 유례 없는 압력을 받고 있다. 이에 따라 설계, 구축 및 테스트라는 기존 엔지니어링 접근 방식의 인기는 저물고 있다.

자율 주행 시스템을 예로 들어 보자. 자율주행 차량은 이동성을 크게 개선한다고 하지만, 엔지니어는 안전성 및 시스템 오작동 가능성 등 중요한 기능을 테스트해야 한다. 토요타는 안전한 무인시스템을 목표로 연구 중인 자동차 제조업체 중 하나다. 2016년 토요타의 회장 겸 CEO 아키오 토요다(Akio Toyoda)는 약 88억 마일(약 142억㎞)의 시험 주행이라는 목표 완수를 위해 테스트를 더 많이 해야한다고 주장했다.

다행스럽게도 지멘스 디지털 인더스트리 소프트웨어(Siemens Digital Industries Software)의 슈테판 요쿠쉬(Stefan Jockusch) 전략 담당 부사장은 시뮬레이션이 도움이 된다고 언급한다. 시뮬레이션 기술은 눈길 주행부터 조심성 없는 보행자에 이르기까지 수백만 개의 실제 상황 시나리오를 가상 테스트함으로써, 자율주행 차량의 성능을 분석하는 동시에 개발을 가속화하고 비용을 절감할 수 있다.

시뮬레이션은 현재와 미래의 제품을 디지털로 개발하고 제조하는 데 매우 중요하다. 그러나 도메인 지식(Domain Knowledge) 부족과 갈수록 더 복잡해지는 문제로 인해 조직은 인공지능(AI)을 통한 시뮬레이션 강화에 나서고 있다.

지능 증강 장치(Intelligent Augmenter)로서의 AI

컨설팅 리서치 기업 CIM데이터(CIMdata)의 돈 톨(Don Tolle) 이사는 “시뮬레이션의 큰 어려움 중 하나는 복잡한 시뮬레이션을 돌려서 이 결과를 설계 엔지니어와 시뮬레이션 분석가 등 다른 사람과 공유하려면 시간이 상당히 많이 걸린다는 점이다”라고 주장한다. 실제로 톨 이사는 의사결정 지원을 위해 시뮬레이션 모델을 설계, 정보 수집, 구축, 실행, 분석하려면 ‘몇 주’가 걸릴 수 있다고 말한다.

복잡한 시뮬레이션은 엔지니어가 해결해야 할 또 다른 문제이다. 시뮬레이션 모델은 제조 시스템이 어떻게 작동하는 지에 대해 더 깊고 정확한 통찰력을 제공하지만, 이 경우 컴퓨팅 비용이 많이 든다. 시뮬레이션 모델을 구축하려면 풍부한 도메인 지식과 수학 지식을 갖춘 인재도 필요하다. 많은 조직은 시뮬레이션 도구를 설계 및 제조 프로세스의 기본으로 하여 보다 많은 인력이 자유롭게 활용하게 하는 데 주력하고 있다. 그러나 톨 이사는 “시뮬레이션과 시뮬레이션 기술의 세세한 부분까지는 도메인 지식을 갖추지 않은 일개 엔지니어에게 이러한 도구를 사용하게 하는 것이 문제”라고 경고한다. 결국, AI 알고리즘 개발은 시뮬레이션 프로세스의 일부일 뿐이다. 엔지니어는 모델이 어떻게 구축되고 있는지와 모델이 제공하는 목적에 대한 큰 맥락을 이해하기 위해 도메인 지식이 필요하다.

이러한 문제에 대처하기 위하여, 많은 조직이 시뮬레이션을 가속화하고 단순화하기 위해 AI에 눈을 돌리고 있다. 이는 타당한 일이다. AI는 엔지니어가 이해하기 쉽고 투명한 형태로 정보를 추출하여, 모델의 일거수일투족을 공유할 필요가 없게 한다. 톨 이사는 “이렇게 엄청나게 복잡한 모델을 개발하는 능력은 인공지능과 머신러닝이 가장 큰 영향을 미칠 분야이다”라고 말한다.

이것은 AI가 유사 애플리케이션에서 수천 개의 시뮬레이션으로 생성된 방대한 양의 시뮬레이션 데이터세트를 바탕으로 전문 지식을 ‘학습’할 수 있기 때문이다. 결과적으로 AI는 시스템과 관련하여 최적의 설계 특성 세트를 고려하는 모델 매개 변수(Model Parameter)를 제안할 수도 있다. 동시에 물리적 테스트보다 더 오래 걸리는 시뮬레이션 실행을 하지 않아도 된다. 이에 따라 엔지니어는 3D 컴퓨터 지원 설계, 소프트웨어 개발 및 전자 장치 등 상세 설계를 위해 최적의 설계 상황을 구현할 수 있다. 톨 이사는 “시뮬레이션은 AI와 [머신러닝]을 통해 엔지니어의 지적 능력을 증강하여 분석 수행 및 데이터 사용 방법을 개선한다”고 주장한다.

활용 사례는 충분

AI는 예를 들어 설계자가 여러 설계 구성을 신속히 테스트 및 검증하고자 할 때 시뮬레이션을 실용적으로 하는 데 도움이 될 수 있다.

요쿠쉬 부사장은 “시뮬레이션은 컴퓨팅 비용이 많이 소요될 수 있다. 예를 들면 수천 가지 유형의 주행 사이클을 목적으로 하이브리드 전기 차량을 충전시킬 때가 그렇다”고 말한다. AI는 ‘복잡한 의사 결정 공간에서 설계자를 안내할 수 있을 만큼 정확한’ 아주 단순하고 컴퓨팅 비용이 훨씬 덜 드는 모델을 얻기 위해 수천 개의 기존 시뮬레이션을 사용하여 소위 대리 모델(Surrogate Model)을 개발하는 데 도움이 된다.

AI의 또 다른 장점은 제품 수명주기 초기에 설계상 결함을 감지할 수 있다는 점이다. 톨 이사는 “지난 4 ~ 5년간 항공우주산업과 자동차산업에서 심각한 리콜과 문제로 이어진 시스템 오작동이나 감시에 대해 주목할 만한 사례가 몇 가지 있었다”고 말했다. “수명 주기에서 확인 및 중요한 결정이 늦어질 경우 막대한 비용이 초래된다.”

그는 “엔지니어들이 개발 내내 시스템을 검증함으로써 AI가 제품 설계에 결함을 유발할 가능성을 최소화할 수 있다는 점은 좋은 소식이다. 이렇게 되면, 설계를 추후 변경할 필요 없이(복잡한 시스템일 경우 비용이 많이 소요됨) 설계 수명 주기 초반에 더 현명하고 신속하게 결정하고 상호 보완할 수 있다”라고 말했다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.