메타버스 기술 편집하기

==== 사물 인터넷 ====

==== 사물 인터넷 ====

[[사물인터넷]]은 차세대 [[정보통신기술]](ICT)의 핵심 기술 중 하나로 현재 수많은 분야와 사물에 사용되고 있다. 차세대 정보통신 분야에서 글로벌 경쟁에 앞서나갈 수 있었던 기반은 잘 구축된 통신 인프라 덕분이다. 2018년 이후에는 사물인터넷 기반의 초연결 사회로 진입하면서, 모든 사물이 인터넷과 연결되는 유무선 네트워크를 통해 발생하는 지능형 스마트 사물인터넷이 진화하고, 혁신적인 성장으로 전통산업의 기술발전과 가치사슬 전반에 영향을 주고 있다. 특히, 2020년 이후에는 코로나로 인한 전통산업의 디지털 융합화로 비대면 상황을 적극적으로 수용하는 디지털 전환이 급속히 진행되고 있다. 비대면 확대로 사물인터넷을 활용한 증강/가상현실 기반의 디지털 트윈이 기존의 전통산업과 융합되는 디지털 대전환의 핵심이 될 것이다. 실제 산업 현장에서 생산품이나 시스템이 사물인터넷으로 연결됨으로써 가상세계와 실시간 모니터링 및 제어할 수 있는 혼합세계를 맞게 될 것이다. 한편, 사물인터넷은 연결형, 지능형, 자율형으로 모델을 구분할 수 있는데 연결형은 사물이 인터넷에 연결되어 주변 환경을 살피고 그 결과를 전송할 수 있으며 모니터링 정보를 통해서 원격으로 사물을 제어한다. 지능형은 사물이 주변을 살핀 후 전송한 데이터를 클라우드에서 지능적으로 분석, 진단, 의사결정을 한다. 마지막으로 자율형은 사물이 지능을 가지고 자율적으로 상호 소통 및 협업을 하여 인간의 최소 개입만으로 임무를 수행할 수 있는 단계이다. 오늘날 융합산업은 사물인터넷을 활용한 디지털 트윈에 초점을 두고 있다. 전통산업 분야에서 자율형 사물인터넷을 활용한 융합산업의 유지 관리 및 안정성에 대한 정보를 제공함으로써 전통제품이 더욱 효과적으로 수행될 수 있도록 데이터 및 효율성을 향상할 수 있게 되고 있다. 파이낸스 온라인의 글로벌 전문가들은 전 세계에 초 연결형 사물인터넷 디바이스 수가 2030년에는 250억 개를 초과할 것이라고 예측하다. 비대면 융합산업 분야에서 사물인터넷은 디지털 트윈과 인터넷 연결을 확장함으로써 ‘메타버스 가상세계의 사물인터넷 단말’의 상호작용과 모니터링으로 기존 전통산업의 비대면 디지털 전환을 위한 기회가 될 것이다.<ref name = "KISA6">한상기 외 7인, 〈[https://www.kisa.or.kr/jsp/common/downloadAction.jsp?bno=158&dno=543&fseq=1 (2021년 KISA Report 6월호_5) 비대면 융합산업 발전과 디지털 대전환]〉, 《한국인터넷진흥원》, 2021-07-06</ref>

[[사물인터넷]]은 차세대 [[정보통신기술]](ICT)의 핵심 기술 중 하나로 현재 수많은 분야와 사물에 사용되고 있다. 차세대 정보통신 분야에서 글로벌 경쟁에 앞서나갈 수 있었던 기반은 잘 구축된 통신 인프라 덕분이다. 2018년 이후에는 사물인터넷 기반의 초연결 사회로 진입하면서, 모든 사물이 인터넷과 연결되는 유무선 네트워크를 통해 발생하는 지능형 스마트 사물인터넷이 진화하고, 혁신적인 성장으로 전통산업의 기술발전과 가치사슬 전반에 영향을 주고 있다. 특히, 2020년 이후에는 코로나로 인한 전통산업의 디지털 융합화로 비대면 상황을 적극적으로 수용하는 디지털 전환이 급속히 진행되고 있다. 비대면 확대로 사물인터넷을 활용한 증강/가상현실 기반의 디지털 트윈이 기존의 전통산업과 융합되는 디지털 대전환의 핵심이 될 것이다. 실제 산업 현장에서 생산품이나 시스템이 사물인터넷으로 연결됨으로써 가상세계와 실시간 모니터링 및 제어할 수 있는 혼합세계를 맞게 될 것이다. 한편, 사물인터넷은 연결형, 지능형, 자율형으로 모델을 구분할 수 있는데 연결형은 사물이 인터넷에 연결되어 주변 환경을 살피고 그 결과를 전송할 수 있으며 모니터링 정보를 통해서 원격으로 사물을 제어한다. 지능형은 사물이 주변을 살핀 후 전송한 데이터를 클라우드에서 지능적으로 분석, 진단, 의사결정을 한다. 마지막으로 자율형은 사물이 지능을 가지고 자율적으로 상호 소통 및 협업을 하여 인간의 최소 개입만으로 임무를 수행할 수 있는 단계이다. 오늘날 융합산업은 사물인터넷을 활용한 디지털 트윈에 초점을 두고 있다. 전통산업 분야에서 자율형 사물인터넷을 활용한 융합산업의 유지 관리 및 안정성에 대한 정보를 제공함으로써 전통제품이 더욱 효과적으로 수행될 수 있도록 데이터 및 효율성을 향상할 수 있게 되고 있다. 파이낸스 온라인의 글로벌 전문가들은 전 세계에 초 연결형 사물인터넷 디바이스 수가 2030년에는 250억 개를 초과할 것이라고 예측하다. 비대면 융합산업 분야에서 사물인터넷은 디지털 트윈과 인터넷 연결을 확장함으로써 ‘메타버스 가상세계의 사물인터넷 단말’의 상호작용과 모니터링으로 기존 전통산업의 비대면 디지털 전환을 위한 기회가 될 것이다.<ref name = "KISA6">한상기 외 7인, 〈[https://www.kisa.or.kr/jsp/common/downloadAction.jsp?bno=158&dno=543&fseq=1 (2021년 KISA Report 6월호_5) 비대면 융합산업 발전과 디지털 대전환]〉, 《한국인터넷진흥원》, 2021-07-06</ref>

==== 인공지능 ====

==== 인공지능 ====

[[인공지능]]은 20세기 중반 컴퓨터 발달 혁신이 시작되면서 컴퓨터를 학습 시켜 하나의 두뇌로 만들 수 있지 않겠냐는 생각에서 시작되었다. 인공지능에 대한 연구가 지속해서 이뤄지다가 국내에는 이세돌과 인공지능의 대결로 대중들에게 확실하게 알려졌다. 인공지능에는 약인공지능(Weak AI)과 강인공지능(Strong AI)으로 구분되는데 약인공지능은 지금 우리 실생활에 녹아 들은 모든 인공지능을 말하고 강인공지능은 우리가 미래에 어쩌면 도래할지도 모른다고 상상하는 인간과 거의 흡사한 것을 말한다. 인공지능은 4차 산업혁명 시대의 핵심 기술로 떠오르며 대기업은 물론이고 많은 스타트업이 인공지능 분야에 뛰어들었다. 누구나 강인공지능을 구현하는 것을 꿈꿨고 강인공지능은 아니더라도 제대로 구현되는 약인공지능을 개발하는 것을 목표로 했다. 그러나 많은 스타트업이 실패했다. 기업을 위해 인공지능을 만드는 수직적 기업은 그나마 상황이 나은 편이지만 개발자나 데이터사이언티스트 같은 전문가를 위한 솔루션을 만드는 수평적 기업은 구글, 네이버 등의 빅테크 기업이 아니라면 몇몇을 제외하곤 상황이 꽤 좋지 않다.<ref>장미 기자, 〈[http://it.chosun.com/site/data/html_dir/2020/12/17/2020121702778.html "그 많던 AI 스타트업은 어디로 갔나"]〉, 《아이티조선》, 2020-12-17</ref> 이처럼 많은 인공지능 스타트업들이 실패한 원인 중 가장 큰 비율을 차지하는 것은 바로 데이터이다. 첫째, 적절하게 분류된 데이터가 부족함은 물론이고 둘째, 너무 많은 곳에 존재하는 데이터를 통합하는 일도 잘 이루어져 있지 않다. 셋째, 학습시킨 데이터가 한쪽으로 편향되어있는 것은 흔하며 넷째, 이전과 달리 전혀 예측하지 못한 데이터를 학습해버려 인공지능의 성격이 바뀌어버리는 데이터 드리프트 또한 문제이다.<ref>마리아 코로로브, 〈[https://www.itworld.co.kr/news/129011 인공지능 프로젝트가 폭망한 이유 6가지]〉, 《아이티월드》, 2019-08-22</ref> 다섯 번째로 비정형 데이터의 문제이다. 비정형 데이터는 형태와 구조가 규격화되지 않은 음성⋅영상⋅사진⋅문자 등의 데이터로 정보처리 용량 및 속도의 향상과 AI 기술의 발달로 비정형 데이터의 활용도는 급증하는 추세다. 그러나 비정형 데이터는 대부분 고객의 개인정보이거나 저작물일 경우가 많아 법적으로 문제가 된다.<ref>류은주 기자, 〈[http://it.chosun.com/site/data/html_dir/2021/05/14/2021051401763.html ‘이루다’ 제재에 비정형 데이터 활용 주의보]〉, 《아이티조선》, 2021-05-16</ref> 그렇다고 수많은 비정형 데이터를 사용하지 않는다면 인공지능의 성능을 끌어올리는 것이 어려울 것이다. 그렇다고 수많은 비정형 데이터를 사용하지 않는다면 인공지능의 성능을 끌어올리는 것이 어려울 것이다. 결국 인공지능을 학습시킬 데이터의 부족으로 많은 인공지능 스타트업이 사라졌다. 수많은 데이터의 원천과 빅데이터 전문가를 보유하고 있는 구글 또한 챗봇인 구글 인공지능 도우미도 여전히 사용자의 질문 의도를 제대로 파악하지 못하고 음성 명령을 잘 인식하지 못한다는 불만이 나오고 있다. 검열의 수준이 높은 중국의 챗봇인 샤오이스도 끝내 검열이 되어야 할 대화가 나오면서 서비스가 금지되었다.<ref>〈[https://www.technologyreview.kr/why-ai-chatbots-fail-lee-luda-part-1/ AI 챗봇은 왜 실패하는가 : 이루다가 남긴 과제Ⅰ]〉, 《엠아이티테크놀로지리뷰》, 2021-03-20</ref> 이처럼 인공지능은 여전히 데이터가 부족하여 우리가 생각하는 수준으로 구현이 되지 않고, 우리가 원치 않는 데이터를 학습해 알 수 없는 방향으로 튀며, 전문 인력 또한 터무니없이 부족하다. 한편, 수많은 국내외 빅테크 기업들이 메타버스에 주목하고 있다. 바로 메타버스에서 얻을 수 있는 수많은 비정형 데이터 때문이다. 수년이 걸리더라도 초기 구축이 제대로 이루어져 생태계를 형성하고 전문가들을 양성하여 메타버스가 자리 잡으면 빅테크 기업들은 메타버스의 시대가 끝날 때까지 끊임없는 비정형 데이터를 얻을 수 있다. 메타버스를 통해서 사용자의 다양한 신체 정보와 행동 패턴 등 많은 데이터를 얻을 수 있다. 또 메타버스에서 이뤄지는 모든 활동은 데이터로 이루어져 있어서 데이터를 쓸만한 데이터로 가공하는 데 드는 노력과 시간이 감축될 것으로 기대된다.<ref>이경태 기자, 〈[https://www.newspim.com/news/view/20210525000871 인공지능 시대 '데이터 금광'으로 떠오르는 메타버스]〉, 《뉴스핌》, 2021-05-25</ref> 결국 메타버스에서 얻은 데이터를 인공지능에 학습시켜 더 뛰어난 인공지능을 구현하여 이를 통해 경쟁력을 확보하고 수익을 내는 것이 목표이다.

[[인공지능]]은 20세기 중반 컴퓨터 발달 혁신이 시작되면서 컴퓨터를 학습 시켜 하나의 두뇌로 만들 수 있지 않겠냐는 생각에서 시작되었다. 인공지능에 대한 연구가 지속해서 이뤄지다가 국내에는 이세돌과 인공지능의 대결로 대중들에게 확실하게 알려졌다. 인공지능에는 약인공지능(Weak AI)과 강인공지능(Strong AI)으로 구분되는데 약인공지능은 지금 우리 실생활에 녹아 들은 모든 인공지능을 말하고 강인공지능은 우리가 미래에 어쩌면 도래할지도 모른다고 상상하는 인간과 거의 흡사한 것을 말한다. 인공지능은 4차 산업혁명 시대의 핵심 기술로 떠오르며 대기업은 물론이고 많은 스타트업이 인공지능 분야에 뛰어들었다. 누구나 강인공지능을 구현하는 것을 꿈꿨고 강인공지능은 아니더라도 제대로 구현되는 약인공지능을 개발하는 것을 목표로 했다. 그러나 많은 스타트업이 실패했다. 기업을 위해 인공지능을 만드는 수직적 기업은 그나마 상황이 나은 편이지만 개발자나 데이터사이언티스트 같은 전문가를 위한 솔루션을 만드는 수평적 기업은 구글, 네이버 등의 빅테크 기업이 아니라면 몇몇을 제외하곤 상황이 꽤 좋지 않다.<ref>장미 기자, 〈[http://it.chosun.com/site/data/html_dir/2020/12/17/2020121702778.html "그 많던 AI 스타트업은 어디로 갔나"]〉, 《아이티조선》, 2020-12-17</ref> 이처럼 많은 인공지능 스타트업들이 실패한 원인 중 가장 큰 비율을 차지하는 것은 바로 데이터이다. 첫째, 적절하게 분류된 데이터가 부족함은 물론이고 둘째, 너무 많은 곳에 존재하는 데이터를 통합하는 일도 잘 이루어져 있지 않다. 셋째, 학습시킨 데이터가 한쪽으로 편향되어있는 것은 흔하며 넷째, 이전과 달리 전혀 예측하지 못한 데이터를 학습해버려 인공지능의 성격이 바뀌어버리는 데이터 드리프트 또한 문제이다.<ref>마리아 코로로브, 〈[https://www.itworld.co.kr/news/129011 인공지능 프로젝트가 폭망한 이유 6가지]〉, 《아이티월드》, 2019-08-22</ref> 다섯 번째로 비정형 데이터의 문제이다. 비정형 데이터는 형태와 구조가 규격화되지 않은 음성⋅영상⋅사진⋅문자 등의 데이터로 정보처리 용량 및 속도의 향상과 AI 기술의 발달로 비정형 데이터의 활용도는 급증하는 추세다. 그러나 비정형 데이터는 대부분 고객의 개인정보이거나 저작물일 경우가 많아 법적으로 문제가 된다.<ref>류은주 기자, 〈[http://it.chosun.com/site/data/html_dir/2021/05/14/2021051401763.html ‘이루다’ 제재에 비정형 데이터 활용 주의보]〉, 《아이티조선》, 2021-05-16</ref> 그렇다고 수많은 비정형 데이터를 사용하지 않는다면 인공지능의 성능을 끌어올리는 것이 어려울 것이다. 그렇다고 수많은 비정형 데이터를 사용하지 않는다면 인공지능의 성능을 끌어올리는 것이 어려울 것이다. 결국 인공지능을 학습시킬 데이터의 부족으로 많은 인공지능 스타트업이 사라졌다. 수많은 데이터의 원천과 빅데이터 전문가를 보유하고 있는 구글 또한 챗봇인 구글 인공지능 도우미도 여전히 사용자의 질문 의도를 제대로 파악하지 못하고 음성 명령을 잘 인식하지 못한다는 불만이 나오고 있다. 검열의 수준이 높은 중국의 챗봇인 샤오이스도 끝내 검열이 되어야 할 대화가 나오면서 서비스가 금지되었다.<ref>〈[https://www.technologyreview.kr/why-ai-chatbots-fail-lee-luda-part-1/ AI 챗봇은 왜 실패하는가 : 이루다가 남긴 과제Ⅰ]〉, 《엠아이티테크놀로지리뷰》, 2021-03-20</ref> 이처럼 인공지능은 여전히 데이터가 부족하여 우리가 생각하는 수준으로 구현이 되지 않고, 우리가 원치 않는 데이터를 학습해 알 수 없는 방향으로 튀며, 전문 인력 또한 터무니없이 부족하다. 한편, 수많은 국내외 빅테크 기업들이 메타버스에 주목하고 있다. 바로 메타버스에서 얻을 수 있는 수많은 비정형 데이터 때문이다. 수년이 걸리더라도 초기 구축이 제대로 이루어져 생태계를 형성하고 전문가들을 양성하여 메타버스가 자리 잡으면 빅테크 기업들은 메타버스의 시대가 끝날 때까지 끊임없는 비정형 데이터를 얻을 수 있다. 메타버스를 통해서 사용자의 다양한 신체 정보와 행동 패턴 등 많은 데이터를 얻을 수 있다. 또 메타버스에서 이뤄지는 모든 활동은 데이터로 이루어져 있어서 데이터를 쓸만한 데이터로 가공하는 데 드는 노력과 시간이 감축될 것으로 기대된다.<ref>이경태 기자, 〈[https://www.newspim.com/news/view/20210525000871 인공지능 시대 '데이터 금광'으로 떠오르는 메타버스]〉, 《뉴스핌》, 2021-05-25</ref> 결국 메타버스에서 얻은 데이터를 인공지능에 학습시켜 더 뛰어난 인공지능을 구현하여 이를 통해 경쟁력을 확보하고 수익을 내는 것이 목표이다.