[아이티데일리] KT가 ‘네트워크 AI’, ‘기가트윈’, ‘로보오퍼레이터’, ‘머신닥터’ 등 4가지 AI 엔진을 결합한 ‘융합 엔진’으로 통신·제조·교통·물류 등 산업용 AI 시장 공략에 나섰다. 이를 통해 기업들이 생산성과 효율성을 높일 수 있는 의사결정이 가능하도록 적극 지원해 나간다는 계획이다.

14일 KT(대표 구현모)는 ‘융합 AI 엔진’을 공개하며, 산업용 AI 시장 공략에 대한 포부를 밝혔다.

AI가 기업이 고객에게 제공하는 B2C 서비스 중심에서 기업이 기업에게 솔루션을 제공하는 B2B 시장으로 확산되며, 비즈니스적인 기회가 늘어나고 있다. 컨설팅 회사 아토스(Atos)에 따르면, 전 세계 기업들은 2021년 AI와 인지 자동화 시스템(Cognitive System)에 총 71조 원(520억 유로)을 투자할 것이라고 전망했다. KT는 ‘네트워크 AI’, ‘기가트윈’, ‘로보오퍼레이터’, ‘머신닥터’ 기반의 4대 ‘AI 엔진’으로 다양한 산업 분야에 적용해 산업 전반에서의 일어날 변화를 주도한다는 계획이다.

홍경표 KT 융합기술원장은 “KT는 음성인식 등의 인터페이스 AI 기술뿐 아니라 산업 현장에 특화된 융합 AI 엔진과 산업 별 데이터 자원 및 플랫폼을 가지고 있다”며, “KT가 보유한 AI기술력을 발판으로 통신·비통신 산업의 생산성과 효율성을 높이고 더 나아가 최적의 의사결정을 지원하는 솔루션을 제공해 플랫폼 시장의 혁신을 이끌어 나갈 계획”이라고 말했다.

네트워크 AI로 장애 예측…“자정능력 가진 네트워크 구현할 것”

KT는 고객이 문제를 확인하고 고객센터에 신고하지 않아도 AI가 먼저 확인해 스스로 문제를 해결할 수 있는 ‘자정능력’을 가진 네트워크를 만들기 위해 ‘네트워크 AI 엔진’을 개발했다.

‘네트워크 AI 엔진’은 요약된 문구·문장으로 된 수만 가지의 장비 경보 패턴을 수학적으로 모델링해 학습했다. 정상 상태와 학습한 데이터가 얼마나 유사한지 비교하는 방식으로 인간 수준의 장애 예측 및 복구를 위한 조치사항을 도출해내는 방식이다. 특히, KT는 네트워크 장애에 대한 데이터를 구하기 어려울 경우 학습용 가상 데이터를 생성해 부족한 데이터를 확보한 후 학습량의 균형을 맞춰 네트워크 AI 엔진의 진단 결과 정확도를 개선했다.

KT는 이 엔진을 바탕으로 네트워크 특성 별 3가지 솔루션을 개발, 자사의 통신망에 적용했다. ‘닥터로렌(Dr.Lauren)’은 유선 네트워크, ‘닥터케이블(Dr.Cable)’은 외부 통신 시설(OSP)을, ‘닥터와이즈(Dr.WAIS)’는 LTE 및 5G와 같은 무선 네트워크를 책임진다. 이에 KT 측은 기존에 사람의 경험, 역량에 의존 했다면 앞으로는 설계, 구축, 설정과 운용까지 지능화가 가능한 모든 네트워크 업무를 완벽한 AI 기술로 구현하는 것이 네트워크 AI 엔진의 진화 방향이라고 설명했다.

향후 KT는 ‘네트워크 AI 엔진’을 활용해 네트워크 AI 솔루션, 소프트웨어 정의 네트워킹(SDN, Software Defined Networking)등 이 통합된 새로운 B2B 플랫폼을 만들어 국내외 기업 전용 네트워크 및 솔루션 시장을 공략한다는 계획이다.

산업과 AI 기술이 융합된 엔진으로 산업 현장 고충 해결한다

KT가 공개한 ‘기가트윈’은 자가 진화 기능이 담긴 디지털트윈 AI 엔진이다. 실물과 가까운 시뮬레이션 모델을 만들고 실황과 가까운 예측 데이터를 제공해 최적화에 도움을 준다. 적은 데이터로 초기 학습 모델을 빠르게 구축할 수 있으며, 이후 쌓인 데이터로 강화 학습을 하는 등 스스로 진화한다. 최신 이슈를 지속적으로 반영할 수 있다는 장점을 갖고 있다.

이를 교통 분야에 적용할 경우, 공간 모델을 만들어 전국의 실시간 도로 상황을 분석할 수 있다. 2시간 이후의 교통 흐름 변화를 정확도 88% 수준으로 예측해 낼 수 있다는 것이다. KT는 이 엔진을 10개 광역단위 교차로의 ‘교통 신호 제어 시스템’에 적용해 신호 최적화를 시행하면 교통 정체의 약 20%를 개선할 수 있을 것으로 예상했다.

‘로보오퍼레이터’는 설비제어에 특화된 AI 엔진으로 복잡한 설비 구조를 빠르게 학습해 목적에 맞는 최적화된 제어 솔루션을 제공해준다. 딥러닝이 설비들의 상호관계를 학습하고 설비의 가동 및 정지 시점과 설정 값 등을 빌딩 자동화 시스템에 전달해 에너지 절감 효과를 극대화한다.

이 ‘로보오퍼레이터’는 냉난방설비, 전력설비, 생산설비, 공정설비, 신재생설비 등 다양한 설비와 쉽게 연동된다. 현재 KT 광화문빌딩 이스트, LS타워, 대전 세이브존 등 6개의 건물에 적용돼 실증 사업을 진행 중이며, 최대 18%의 냉난방용 에너지 절감 효과를 내고 있다.

‘머신 닥터’는 사운드, 진동, 전류 등의 데이터를 분석해 기계의 결함을 학습하고 어떤 부분을 고쳐야 할지 진단해준다. ‘머신 닥터’에는 고객의 설비 환경에 대해 스스로 학습하고 맞춤 형태로 조언해 주는 셀프러닝(Self-Learning) 기능이 탑재됐다.

기술이 발전됨에 따라 산업 현장의 시스템은 복잡·다양해지고 환경 보호, 안전 강화 등 책임 증대로 많은 기업들이 부담을 느끼고 있으며, 전문가의 고령화로 기술 단절 발생, 숙련공 부족과 인건비 상승 및 시장 과열로 산업 현장의 비용절감 압박이 심화되고 있다. 이를 KT는 비통신 산업과 AI 기술이 융합된 AI 엔진인 ‘기가트윈’, ‘로보오퍼레이터’, ‘머신닥터’로 산업 현장의 고충을 해결하고 새로운 산업 가치를 창출할 수 있다고 내다봤다.

‘KT 브레인허브’로 산업용 융합 AI 솔루션의 빠른 개발 돕는다

KT는 4대 융합 AI 엔진을 기반으로 통신과 비통신 산업 현장에 적용될 새로운 AI 기술과 솔루션을 더 빠르고 똑똑하게 개발하기 위해 ‘KT 브레인허브(KT Brain Hub)’도 14일 구축했다. ‘KT 브레인허브’는 웹 페이지 형태로 AI 학습용 데이터 플랫폼이다.

AI 학습용 데이터는 AI 목적에 맞는 데이터를 AI 엔진이 학습할 수 있는 상태로 전처리된 데이터다. AI가 인간과 유사하게 논리적인 판단과 결정하기 위한 기초 요소인 셈이다. AI 학습용 데이터의 품질에 따라 AI 성능과 기술력이 결정되기 때문에 AI 분야의 핵심 요소 중 하나다.

‘KT 브레인허브’는 AI 학습용 데이터에 대한 정보를 공유하고 수집해 가공 데이터로 제공한다. 여기에는 네트워크 인프라, 에너지, 빌딩 설비, 음성 인식, 영상 인식 데이터 등 AI 학습 데이터가 저장됐다. 이미지, 비디오, 오디오, 텍스트 등 데이터 유형과 종류에 따라 분류돼 있어 AI 개발자가 원하는 데이터에 쉽게 접근 할 수 있다.

또한 개발자가 AI 학습 데이터로 접근 시 자료의 수집, 가공 방법을 직관적으로 알 수도 있다. 해당 AI 학습 데이터를 다른 개발자가 이용한 연구 사례와 데이터 가공 노하우를 볼 수 있어 새로운 서비스를 기획하고 개발하는데 시행착오 최소화도 가능하다.