앱에 날개를 달다, 인공지능 서비스
스냅챗(Snapchat)이 지난 5월 출시한 새로운 인공지능 기반 렌즈 서비스를 사용해보셨나요? 인물 사진의 성별을 바꾸거나(gender-swap) 아이일때의 얼굴로 바꿔주는(baby lense) 카메라 기능으로 인터넷에 수많은 밈(meme)이 만들어지는 등 선풍적인 인기를 끌었습니다. 지난해 경쟁사들의 핵심서비스 모방전략에 일간활성사용자수 증가율이 4분기 연속 0%에 머무는 어려움을 겪었던 스냅챗은, 새로운 인공지능 렌즈 서비스 출시 후 반등에 성공합니다.
출시 후, 스냅챗의 주간 앱 설치수는 최대 4배까지 증가하였고 개발사 Snap Inc. 주가도 약 35% 상승하였습니다. 스냅챗이란 영문 키워드의 구글 검색량 또한 약 50% 증가했고요. 이처럼 잘 적용된 인공지능은 어플리케이션의 사용성과 매력을 크게 끌어올립니다. 유튜브와 아마존의 개인화(personalization)에 따른 맞춤 추천 기능, 포캣몬GO의 증강현실 기능, 소셜 미디어의 필수 기능으로 자리잡고 있는 카메라 필터 및 렌즈 기능 등에 쓰이는 인공지능은 2025년까지 약 90조원의 시장(89 billion dollar market)으로 성장할 것으로 시장조사업체 Statista는 예측하고 있습니다.
대다수 앱 개발사에게 가깝지만 먼 인공지능의 적용
일견 당연해보이는 사실에도 불구하고, 많은 앱 개발사들에게 인공지능의 개발 및 서비스화는 결코 쉬운 일이 아닙니다. 몇년전부터 글로벌 IT회사들은 #모두를위한인공지능을 위해 오픈소스 머신러닝 프레임워크를 개발하고 무료로 배포하고 있지만, 앱 개발사 입장에서 인공지능까지 제대로 개발하고 적용하기에는 양질의 데이터와 전문인력, 그리고 고성능 컴퓨터에 앱 내 적용을 위한 여러 노력을 비롯하여 넘어야할 산이 많습니다. 최소 수천만원에서 수십억에 달하는 연구개발비는 매니지먼트 레벨의 강한 확신 없이는 실행자체가 어렵습니다.
이를 쉽게 대신해주는 시장이 바로 as a Service화입니다. 서비스로서의 머신러닝(Machine Learning as a Service)은 현재 아마존과 구글 등 클라우드 서비스 업체들이 주도하고 있으며, 이미 고도화된 머신러닝 모델을 메뉴에서 고르고 클라우드에 올려둔 내 데이터를 사용해 쉽게 적용할 수 있습니다. 시장조사기관 MarketReportsWorld에 따르면, MLaaS 시장은 연평균 50%이상 성장하고 있으며 2023년까지 약 8조원에 달할 것이라고 합니다.
하지만 여전히 개선될 점은 있습니다. 첫번째는 제한된 서비스 공급자의 문제입니다. 시장주도자인 클라우드 회사들은 정말 거대한 회사들이며 많은 데이터를 통해 양질의 머신러닝 모델을 보유하고 있지만, 세상에는 더 많은 머신러닝 전문 중소형 업체들과 더 창의적인 개인 개발자들도 존재합니다. 다만 여러가지 이유에서 그들의 참여와 소비자들의 선택의 폭은 제한됩니다.
- 머신러닝 서비스 스타트업: 충분한 자금력과 니즈가 있는 대기업과의 파트너십(B2B)이 현실적인 생존수단이므로 그들의 서비스를 사용하는 고객층이 제한됩니다.
- 창의적인 개인 개발자들: 서비스의 판로에 대한 고민 이전에, 충분한 사용자를 확보하기 전 머신러닝 서비스를 배포하고 유지(deploy)하는 것에만 매달 몇백만원 수준의 서버 비용이 발생하기 때문에 적극적인 시장 참여가 어렵습니다.
두번째 개선점은 머신러닝 서비스의 배포의 경량화와 조합성의 개선입니다. 무슨 말인지 이해가 어려우신 분은, 완제품 상태로 판매하는 애플사(Apple)의 컴퓨터와 조립식 컴퓨터를 떠올려보시기 바랍니다. 전자는 완성도가 높고 바로 갖다 쓸수 있는 장점이 있지만, 더 비싸고 부품들도 호환이 어렵습니다. 후자는 바로 갖다 쓰기 어렵고 완성도가 떨어질 수 있지만, 여러 부품이 조합되고 하나하나의 부품이 상대적으로 저렴하여 어떤 스팩의 컴퓨터이든 구성할 수가 있습니다. 머신러닝 서비스도 이와 거의 유사합니다. 현재는 즉시 쓸 수 있는 완제품 형태의 머신러닝 서비스가 제공되는 시장이지만 더 많은 참여자가 더 경량화되고 여러 서비스가 조합되어 더 다양하고 강력한 머신러닝 서비스를 시장에 내놓을 수 있다면, 어떤 혁신이 가능해질지 상상하기 어렵습니다.
마이크로서비스, 더 나아가 함수 단위로 활용되는 인공지능
최근 중국과 같이 빠른 시일내 대규모 건설이 필요한 곳에 모듈화 공법이 적용되고 있습니다. 한 건물의 일부를 미리 지어두고, 건축 현장에 각 파츠를 가져와서 조립하는 공법으로 시간단축과 건설용이성을 동시에 달성할 수 있습니다. 인공지능을 어플리케이션에 적용하는 방식도 이와 같이 진화하고 있습니다.
단일 형태의 건축물 형태(Monolithic)로 개발되던 과거에서 각 모듈이 마이크로서비스 형태로, 최종적으로 함수(function, 코딩시 쓰여지는 논리함수의 단위) 단위로 완전히 분리되어 개발되는 것이 최신 개발 트랜드입니다. 개발이 함수 단위로 이루어질 시에 이점은 아래와 같습니다.
- 앱 개발사(app developers): 앱을 A부터 Z까지 개발하는 시간과 노력에서 벗어나, 자사 앱 고유의 기능개발에 집중할 수 있음. 인공지능 필터와 같은 핵심적이지만 추가적인 기능은, 타사가 개발한 함수(API 방식 등으로)를 호출하여 실행한 횟수만큼만 비용을 지불.
- 마이크로서비스 인공지능 또는 함수 단위의 개발자(microservice developers): 소규모 또는 1인 개발자일지라도 인공지능 마이크로서비스 및 함수의 개발에만 집중하고 배포 및 수익화 신경쓸 필요가 없음. 함수가 호출될 때마다 수익이 발생.
지금까지는 인공지능 비서나 자율주행 자동차와 같은 대규모의 솔루션을 개발하기 위해서는 대기업에 소속되는 것이 유일한 방법이었습니다만, 앞으로는 블록체인을 활용한 네트워크인 AI Network를 통해서 마이크로서비스의 개발을 통해 인공지능의 발전과 개인의 생계 또한 이어갈 수 있게 됩니다. 동시에 아주 작은 지식까지 개인 단위의 참여로 빼곡히 채워져 방대한 지식을 보유한 위키피디아처럼, 인공지능 프로그래밍계의 집단 지성의 발현이 가능해지기 때문에 인공지능 산업의 급격한 발전이 이루어질 것으로 기대되고 있습니다.
마이크로서비스 인공지능이 앱에 적용된 사례
소셜 미디어 어팬(afan)은 마이크로서비스 인공지능 적용을 염두에 두고 기획 단계에서부터 함수 단위로만 개발이 진행된 블록체인 어플리케이션입니다. 어팬 개발을 위해서는 소셜 미디어의 기본적인 기능 및 차별적인 고유의 기능, 추가로 블록체인과 암호화폐의 활용을 위한 스마트 컨트랙트까지 손이 들어갑니다. 보통 작은 스타트업 개발사 입장에서 앱에 적용할 인공지능까지 개발하기는 어렵지만, 어팬에서는 AI Network를 통해 쉽게 적용하였습니다.
사용한 머신러닝 모델은 구글이 만든 NIMA(Neural Image Assessment: 신경 이미지 평가)라는 오픈소스로 기술적인 측면과 심미적인 측면에서 이미지를 평가할 수 있는 모델입니다. 기술을 평가할 경우에는 노이즈, 흐림, 압축 아티팩트 등과 같은 요소들을 이용하고 심미적인 측면은 이미지의 정서, 아름다움에 초점을 맞춥니다. 이미지는 10.00점 만점으로 평가되는데 실제로도 높은 점수의 사진은 사람들이 선호하는 사진과 매우 유사합니다.
어팬에서는 AI Network 테스트넷 (alpha version)에 NIMA 모델을 통해 매일 사용자들이 업로드한 사진을 참조하고 평가하는 함수가 적용되었습니다. 앱은 간단한 api로 AI Network에서 NIMA모델을 수행하는 함수를 호출합니다. 매일 오후 6시, 앱의 사용자들이 업로드한 이미지를 평가하고 미적, 기능적 요소를 고려해 보상을 제공합니다. 이처럼 많은 앱들은, 향후 최소한의 개발 인력으로도 AI Network의 다양한 인공지능 마이크로서비스를 쇼핑하듯 적용할 수 있을 것으로 예상됩니다.
—
공식 홈페이지 : http://ainetwork.ai/
공식 이메일 : channel@ainetwork.ai
페이스북 : www.facebook.com/ainetworkofficial/
텔레그램
- AI Network Official_KR : t.me/ainetwork_kr
- AI Network Updates_KR : t.me/ainetworkupdates_kr
