범용컴퓨터 에니악(ENIAC)이 만들어지고 1956년 매카시(John McCarthy)에 의해 처음 사용되었던 ‘인공지능(AI)’이란 단어는 컴퓨터와 늘 같이 사용되었지만, 먼 미래 기술의 추상화된 일반기술용어로 보아 왔다.
빅데이터, 데이터 분석, 기계학습이 익숙해지고 이를 이용하여 예지정비(Predictive Maintenance), 가상계측(Virtual Metrology) 등을 이용한 스마트 공장, 디지털 전환(Digital Transformation)이 구현되면서도, 인공지능은 그저 관련 기술들의 총괄적 의미 또는 신경망 알고리즘을 구현한 모델이라는 좁은 의미의 구현 기술로 인식될 뿐이었다.
그런데, 2022년 11월 오픈AI에 의해 챗GPT가 서비스됨으로써 지금까지의 인공지능을 개념적 존재에서 실존적 존재로 바꿔 놓았다. 그동안의 인공지능을 ANI(Artificial Narrow Intelligence)라고 한다면 GPT(Generative Pre-trained Transformer)로 구현된 자연어처리 서비스는 AGI(Artificial General Intelligence)의 시작으로 볼 수 있고, 공상과학영화에서나 그렸던 ASI(Artificial Super Intelligence)도 현실로 다가왔다는 AI 전문가들의 의견이 많다.
멀티모달(Multi-Modality)을 활용할 수 있는 챗GPT는 자연어처리 기술을 의미 있게 구현한 생성형AI로써, 그동안 조금은 껄끄럽지만 당연하게 받아들였던 키보드와 모니터를 이용한 컴퓨터 활용(Man-Machine Interface), 그리고 인간만의 능력으로 인정받았던 창의성, 상상력, 미학, 지능 등도 재정의되게 될 것이다.
최근 오픈AI에서 공개한 생성형AI ‘소라’(http://openai.com/sora)를 이용하여 텍스트만으로 만들어낸 비디오 클립은 실사 영상과 구분되지 않을 정도로 상상하는 모든 영상 컨텐츠를 만들 수 있게 되었ek. 생성형AI의 이러한 발전에 기반이 되는 학문은 통계와 수학 그리고 정보기술로 구성된 데이터과학(Data Science)이라고 할 수 있다. 인공지능을 의미 있게 만들어 업무에 적용하거나, 데이터 분석을 통하여 전략적 의사결정을 하기 위해서는 데이터의 가치를 이해하고, 탐색적 데이터 분석을 통하여 인사이트를 찾거나, 데이터에서 특징(Feature)을 찾아 기계학습 모형을 만들어 업무에 적용하는 과정이 필요하다. 챗GPT를 구동하는 프롬프트(Prompt)도 도메인과 데이터과학에 대한 이해가 없다면 구글, 네이버의 검색결과와 다를 바가 없거나 오히려 오래된 자료의 조회나 단순한 재밋거리의 채팅에 지나지 않을 것이다.
그런데 데이터공학보다는 데이터과학이라 더 불리는 이유는 무엇인가? 이는 과학이 갖는 특성 때문이다. 공학이 생산성과 효율성에 의미를 더 둔다면 과학은 체계성과 객관성에 더 큰 방점을 두고 있다. 따라서 데이터과학은 체계화된 프로세스와 과학적 알고리즘을 이용하여, 데이터에서 문제의 원인을 찾고 그들 간의 관계성을 해석하여 인사이트를 발견하고 예측과 최적화를 위한 모델을 만들어 업무에 적용하는 과정이라고 할 수 있다.
코헨(Rob Cohen) 감독의 영화 ‘스텔스’에서 인간보다 뛰어난 AI의 출현과 커즈와일(Ray Kurzweil)의 저서 “The Singularity Is Near”에서 나오는, ‘특이점’은 인공지능이 인간의 능력을 초월하는 시점으로, 그 이후에서는 되돌릴 수 없는 현상을 말한다. 데이터과학은 이러한 특이점을 인간의 통제 하에 두고 현실적으로 활용성 높은 AI를 구현하기 위하여 필요한 실용적 융합 학문이라고 할 수 있다.
데이터과학과 인공지능은 특정 도메인의 전유물이 아닌 자동차, 조선, 반도체, 환경, 법률, 의료, 인문, 예술 등 모든 영역에 영향을 미치고 있고, 앞으로는 그 핵심에 들어갈 것으로 예상된다. 그렇다면 철강과 비철강업만 예외일 수는 없다.
현재 국내외 대형 고로사와 전기로사, 그리고 일부 금속제품 가공사 등에서도 데이터분석과 인공지능의 적용 사례가 나오고 있다. 그러나 하이테크 산업과 비교하면 아직 낮은 활용 단계에 있음을 인정해야 할 것이다. “중후장대 산업이라서, 설비 기반의 생산이라서, 조업 환경이 열악해서” 라는 등의 이유는 적절한 해명이 되지 못한다.
철강AI는 단순한 철강과 인공지능을 연결한 복합어가 아닌, 철강의 미래를 이야기하는 고유명사로 받아들여야 한다.
본 연재는 인공지능이 일반화되는 작금의 환경에서 철강AI를 위한 데이터과학, 데이터 가치, 탐색적데이터분석과 데이터시각화, 기계학습과 예측모형, 인공지능 기술, 챗GPT와 프롬프트 엔지니어링, 적용 사례 등을 철강업의 관점에서 소개하려고 한다.
이제 철강AI는 선택이 아니 철강사들의 생존을 위한 전략적×전술적 도구와 환경이라고 인식할 필요가 있다.
윤석용 박사는...
현재 명지대학교 기록정보과학대학원 AI정보과학전공 교수로 재직하면서 AI 및 기계학습을 강의하고 있다. 포스코 정보시스템실 사원을 거쳐 포스코경영연구원에서 빅데이터 TFT 부장을 역임했으며 베가스(주) 빅데이터사업 부사장, 브이엔티지(주) DT센터 센터장 등으로 일했다. 포스코, 현대제철, 세아그룹, 두산 등의 임직원들을 대상으로 '빅데이터분석 방법론'을 강의 및 멘토링 하였으며 국방부, 통일부 등 관공서, 연세대, 고려대, 한양대, 한국데이터산업진흥원 등 다수의 연구, 대학에서 '데이터분석'을 강의한 경험이 있다. 최고의 국내 데이터 분석 전문가로 '기계학습과 신경망을 이용한 특허데이터 분석과 경쟁우위 전략수립', '데이터 분석 전문가 가이드' 등의 저서 및 논문을 발표했다.
