인공지능과 IT의 만남, 활용 사례

IT 정보기술을 활용한 다양한 방법들이 시도되고 있다. 우선, 금융 분야에서는 ‘투자자문 및 트레이딩’, ‘신용평가 및 심사’, ‘개인금융 비서 기능’, ‘금융범죄 예방’ 등의 분야에서 딥러닝을 활용하고 있다.

금융투자자문 및 트레이딩

딥러닝 기술을 기반으로 경제 및 금융시장의 방대한 데이터를 활용하여 현재 상황을 분석하고 미래를 예측해 투자자문 서비스 및 트레이딩에 활용하고 있으며, 이미 많은 금융기관과 핀테크 기업들이 딥러닝 기반의 솔루션을 개발·활용하고 있다.

 

대표적인 사례로는 샌프란시스코의 인공지능 스타트업인 Sentient Technologies는 딥러닝 기반의 트레이딩 알고리즘 플랫폼을 개발하여 자기자본거래 및 JP모건의 헤지펀드 투자기관인 Highbridge Capital Management의 인공지능 투자 전략 개발에 참여하고 있다. 또한, 세계 최대 규모의 헤지펀드 투자기관인 Bridgewater Associates를 비롯한 많은 헤지펀드 및 투자회사들이 인공지능의 투자 전략 개발 및 운용중이다.

금융 범죄 예방

전 세계적으로 불법 금융거래가 증가하고 있는 가운데 미국의 온라인 결제 서비스 ‘페이팔’은 결제 사기를 예방하기 위한 ‘이상 금융거래 탐지 시스템(FDS)’에 딥러닝 기술을 활용하고 있다. 페이팔은 전 세계에서 이루어 지는 온 라인 결제의 잠재적인 특징을 분석하여 사기 방식을 탐지하고 유형화함으로써 추가 피해를 예방하고 있으며, 이를 통해 페이팔의 사기 결제율(0.32%)은 평균 사기 결제율(1.32%) 보다 감소시킬 수 있었다.

 

국내에서는 이러한 금융 범죄를 예방하기 위해 ‘인피니그루’라는 기업이 딥러닝 기반의 ‘이상금융거래 차단 시스템(FDS)’ 를 구축하여 국내 금융권에 공급중이다. 인피니그루는 기존의 FDS에서 많이 사용되는 규칙을 적용하면 금융 범죄 사건이 발생한 후에 범죄를 탐지하는 비율이 높기 때문에 모든 데이터에 대한 정상 패턴과 비정상 패턴을 학습해 정확한 이상 징후를 사전에 파악할 수 있도록 딥러닝을 기반으로 FDS를 구축하였다. 인피니그루의 FDS는 현재 SK증권과 한국스마트카드, 신한은행에 공급하여 이상 금융 거래를 예방하는데 사용되고 있다.

 

의료 분야

의료 분야에서는 전염병 예방이나 환자의 임상정보 분석 등 다양한 빅데이터를 분석 및 활용하고 있다. 특히 이중에서도 의료 영상 데이터를 판독하여 질병을 진단하는 형태로 딥러닝이 활용되고 있으며, 대표적으로는 IBM(Watson)과 인리틱(Enlitic), 루닛(Lunit), 뷰노(Vuno) 등의 기업이 딥러닝을 기반으로 의료 영상 데이터를 판독 하는 솔루션을 제공하고 있다.

IBM 왓슨(Watson)이 퀴즈쇼에서 인간을 이기면서 이슈가 되었던 IBM의 왓슨(Watson)은 MD앤더슨 암센터, 메모리얼 슬론 케터링 암센터(MSK), 메이요 클리닉 등 미국의 유명 의료기관들과 협력하고 있고 일부 기관에서는 암 진단과 치료법 선택에 이미 활용하고 있으며, 그 정확도는 무려 96%나 된다.

 

또한 메이요 클리닉과는 임상시험에 적합한 환자를 선정 하는 역할을 하고 있으며, 최근에는 MRI나 CT같은 영상정보도 판독할 수 있을 정도로 기술이 발달하고 있다. 왓슨은 지속적인 학습을 통해 정확도를 향상시켜 의사가 더 정확한 진단을 내릴 수 있도록 도움을 줄 수 있을 것으로 예상되며, 국내 도입을 위해서는 한글, 보험시스템, 한국 환자 정보 등에 대한 재교육을 통해 상용화가 가능해 질 것 이다.

 

인리틱(Enlitic)

 

미국의 벤처기업 ‘인리틱(Enlitic)’은 의료 빅데이터와 딥러닝을 활용하여 의료영상을 분석하여 질병을 판정하는 시스템을 개발하였다. 인리틱은 방사선, MRI, CT, 현미경 사진 등을 사용하여 질병 검사 결과 악성 종양의 존재 유무를 빠르고 정확하게 판정한다.

 

또한 인리틱은 질병 예측을 위해 해당 질병의 발병 5년 후 생존한 환자의 데이 터와 5년 이내에 사망한 환자의 데이터를 입력하여 5년간의 생존율을 예측하기도 한다. 이와 같이 의료분야에 딥 러닝이 적용 되면서 일반인과 환자의 패턴을 각각 분석해 질병을 진단하고, 감염된 부위를 정확하게 식별하여 오차를 줄이고 진단의 정확성을 높여주는 형태로 그 활용성이 입증되고 있다.

- 의료영상을 분석하여 질병을 판정하는 시스템(인리틱) -

 

루닛(Lunit)과 뷰노(Vuno)

국내에서도 의료 분야에서 딥러닝을 연구하는 업체들이 있으며, 대표적으로는 루닛(Lunit)과 뷰노(Vuno)가 있다. 루닛(Lunit)은 ‘Toward Data-driven medicine’이라는 목표를 가지고 임상 빅데이터와 딥러닝 기술을 활용하여 의학적 진단을 도와주는 솔루션을 개발하였다. 루닛의 솔루션은 실제 CT 사진에서 유방암 여부를 판독 및 진단할 수 있지만, 유방암으로 진단한 이유에 대한 설명과 앞으로의 치료 방향을 제시해 주지는 못하고 있다.

 

다른 기업인 뷰노(Vuno)에서는 루닛과 마찬가지로 딥러닝 기술과 의료 빅데이터를 활용한 의료용 소프트웨어인 뷰노 메드 (Vuno-Med)를 개발하였다. 뷰노 메드는 딥러닝을 활용하여 폐암 진단을 보조하는 소프트웨어로 폐암 환자의 CT 사진과 진단 데이터를 분석하여 해당 환자의 폐암 여부를 진단해주고 그 정확도는 97%에 이른다. 이러한 뷰노 메드는 아프리카 등의 의사가 부족한 빈민국에서 환자를 진단하는데 큰 도움을 줄 수 있을 것으로 기대하고 있다.

 

자동차 분야

국내에서 2020년 상용화를 목표로 추진되고 있는 자율주행자동차는 딥러닝을 기반으로 한 분석 및 예측 기술을 적용하여 실현이 가능해질 것이다. 자율주행자동자는 자동차의 주행정보와 도로 주변의 환경 정보를 분석하여 차량 주행에 있어서 앞으로 벌어질 일을 예측해 차량을 목적지까지 안전하게 이동시켜야 한다.

 

이러한 자율주행자동차에서 생성되는 다양한 주행 관련 빅데이터를 분석하기 위해서는 딥러닝이 필수불가결한 요건이 되었다. 자율주행 시스템에서 딥러닝은 자율주행자동차의 센서를 통해 단순 위치나 거리와 장애물 등을 인지하여 자율주행의 운전을 통제해야 하며 자동차에 탑승한 사람들의 안전 또한 보장해야 할 것이다.

 

따라서 향후 국내외 자동차 제조사에서 내놓을 것으로 예정되는 자율주행자동차는 딥러닝 알고리즘의 발전 방향에 따라 자율주행자동차의 방향이 달라질 것이다.