보고서 정보
주관연구기관 |
정보통신정책연구원 Korea Information Society Development Institute |
연구책임자 |
최계영
|
참여연구자 |
이학기
,
김경훈
,
김민식
,
정원준
,
양수연
,
이가희
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2018-01 |
과제시작연도 |
2017 |
주관부처 |
과학기술정보통신부 Ministry of Science and ICT |
등록번호 |
TRKO201800039208 |
과제고유번호 |
1711056745 |
사업명 |
ICT진흥및혁신기반조성 |
DB 구축일자 |
2018-09-15
|
초록
▼
4. 연구 내용과 결과
본 연구의 주요 결과를 살펴보면 다음과 같다. 지능정보기술 기술이 발전함에 따라 AI과 기반이 되는 기술에 대한 관심이 늘어났다. 과학기술정통부 및 정보통신기술진흥센터(IITP)에 따르면 AI 기술은 ‘학습 및 추론’, ‘상황이해’, ‘언어이해’, ‘시각이해’,‘인지 및 인식기술’등 총 5개의 핵심기술로 구분된다. 한국지식재산연구원(2016)에 따르면 이러한 5개 핵심 기술은 이하 15대 세부기술로 분류가 가능하며 ‘지식표현’, ‘지식베이스’, ‘감정이해’,‘공간이해’, ‘협력지능’, ‘자가이해’ 외 9
4. 연구 내용과 결과
본 연구의 주요 결과를 살펴보면 다음과 같다. 지능정보기술 기술이 발전함에 따라 AI과 기반이 되는 기술에 대한 관심이 늘어났다. 과학기술정통부 및 정보통신기술진흥센터(IITP)에 따르면 AI 기술은 ‘학습 및 추론’, ‘상황이해’, ‘언어이해’, ‘시각이해’,‘인지 및 인식기술’등 총 5개의 핵심기술로 구분된다. 한국지식재산연구원(2016)에 따르면 이러한 5개 핵심 기술은 이하 15대 세부기술로 분류가 가능하며 ‘지식표현’, ‘지식베이스’, ‘감정이해’,‘공간이해’, ‘협력지능’, ‘자가이해’ 외 9개가 이에 속한다.
AI SW 분야는 점차 다양한 분야의 가변적인 작업에도 대응 가능한 범용 AI 기술(General AI)로 발전해 나갈 전망이다. AI HW분야는 인공신경망 학습에 필요한 대규모 연산을 고속·저지연·저전력으로 구현하기 위한 기술을 중심으로 개발되고 있다. AI 연계 데이터·네트워크 기술 측면에서는 X(ICBM) for AI 또는 AI for X 형태로 AI SW기술과 긴밀하게 연계될 것으로 전망된다. 기초과학은 최신 AI 기술(딥 러닝 등)의 이론적 한계를 극복하기 위해 뇌과학·산업수학 연구에 탄력이 예상되며, 중장기적으로는 인간·기계 협업 지원을 위한 뇌-기계 인터페이스(BCI) 분야가 특히 발전할 전망이다.
BCC Research(2015)에 따르면 세계 AI 시장규모는 급속히 성장하고 있으며, 음성인식비서 디바이스 및 자율주행 자동차 출하량 또한 급속 성장 추세이다. 특히 딥러닝 기술이 AI 기술 중 가장 높은 시장 성장률을 보이고 있으며, 그 다음으로는 시각 인식 분야, 자연어 처리 순으로 시장 규모가 증가하고 있다.
핵심기술 수준 차이 측면에서 AI SW분야는 미국(100%) > 유럽(86.3%) > 일본(81.9%) > 한국(73.9%) > 중국(71.8%) 순으로 기술 수준 차이가 있다. 선진국 대비 한국은 2.2년의 기술격차를 보이며, 중국과 비슷한 기술수준을 보유한 것으로 조사되었다. 국내 기업 중 삼성전자·LG전자· SK텔레콤·네이버·카카오 등 국내 대표 주자들도 작년 하반기부터 AI분야 투자를 확대하고 있지만 투자 규모와 기술 수준은 아직 해외 기업에 못 미치고 있다.
미국은 국가적 우선순위 추진을 위해 AI 활용 우선순위 영역을 제조업, 물류, 금융, 교통, 농업, 마케팅, 통신, 과학기술로 분류하여 영역별로 상이한 R&D 정책을 수립할 것으로 보인다. 일본의 AI 관련 R&D 전략은 AI의 발전단계에 맞춰 세부적인 계획을 수립한 것으로 보인다. 또한 총무성, 문부과학성, 경제산업성 등 정부 부처가 연계하여 AI R&D를 위한 사업을 집중 지원한다. 유럽은 ‘Human Brain Project’의 일환으로 뇌과학 분야에 제한적·집중적인 투자를 통해 AI을 포함한 ICT(정보통신) 기술을 개발·확대할 방침이다.
OECD(2015)에 의하면 오픈 사이언스(Open Science)란 “모든 종류의 과학적 지식(논문,데이터, 방법론, 교육자료 등)을 디지털화하여 개방 및 공유하고 공동연구를 활성화함으로써 과학 연구를 발전시키고자 하는 개념이다. 공공자금으로 지원된 연구 성과 및 연구 과정에서 수집된 데이터를 디지털 포맷으로 공개하여 연구 커뮤니티뿐만 아니라 일반 국민도 보다 쉽게 접근하고 활용할 수 있도록 하는 메커니즘이다. 오픈 사이언스는 3대 체계,‘연구 데이터(Open data, 이하 오픈 데이터)’, ‘연구 협력(Open Collaboration, 이하 오픈 콜라보레이션)’, ‘연구 성과의 개방(Open Access, 이하 오픈 액세스)’로 나눌 수 있다.
국내는 데이터 관리 및 연구 협력 측면에서 오픈 사이언스의 유관 정책 이행이 선진국과 비교하여 상대적으로 뒤쳐졌다. 연구 데이터를 관리하는데 있어 국가적인 지원이 부족하고 데이터 관리에 대한 이해 및 이행 체계의 부재로 연구 데이터의 효율적 활용이 어렵다. 연구 협력에 대한 니즈가 부족하여 과학계에서 더 나아가 기업 및 시민사회와의 소통은 시작 단계에 불과한 것으로 보인다. 국내 유력 오픈 액세스 저널(Open Access Journal)이 부재하고, 오픈 액세스를 촉진하는 정책이 미비해 보인다. 또한 국가 R&D 사업의 9대 주요 성과물 공개 항목 중 연구 데이터의 부재는 데이터의 재활용 가능성, 양질의 연구 성과물 개방 등의 측면에서 부정적인 영향을 미친다. 뿐만 아니라 공공 자금으로 펀딩 받은 R&D 연구데이터를 개인자산으로 인식하여 개방 및 공유에 소극적인 것으로 보인다.
선진국의 경우 연구데이터를 공유·활용하는 체계 구축을 위해 노력하고 있다. 미국은 백악관 과학기술정책실 ‘연구데이터 관리 및 공유에 대한 지침’(2013년)에서 원칙 제시 및 빅데이터 연구개발 계획을 발표(2016년)함에 따라 구체적인 지침을 통해 연구기관 및 연구자들이 개방 및 협력에 참여할 때 따르는 어려움을 해소하고자 하였다. 이에 반해 국내에서는 연구데이터 관리·공유 체계 및 제도가 부족하고, 법적 규제 혹은 지침 등으로 연구자의 오픈 사이언스 참여를 강제 혹은 독려하는 체계가 미비하다.
이에 대한 시사점으로 연구 분야에 적절한 오픈 액세스 저널, 오픈 액세스 레파지토리가 존재해야 하고, 기관 레파지토리를 중심으로 인프라와 인센티브를 강화한다면 동일한 분야의 연구 성과물 관람 및 참고가 가능하여 각 연구에 긍정적인 영향을 미칠 것이다.
또한 국가적 차원에서 연구데이터 공유 집단·연구 공동체를 구축 및 확산하기 위해 인프라 지원 및 국가 연구데이터 허브를 구축해야 한다. ‘연구 데이터 관리 계획(Data Management Plan)’을 구축하여 연구 데이터 공개 인센티브 제공, DOI((Digital Object Identifier)1) 등의 확대 적용과 더불어 후속 활용을 지원하는 데이터 품질관리 서비스도 확대 지원해야 한다.
우선 AI 기술의 핵심 경쟁 원천인 데이터와 관련하여 수요자의 니즈에 맞는 데이터 셋 확보, 데이터 활용기반 조성, 그리고 양적·질적으로 향상된 데이터 시장을 활성화하는 것이 필요하다. 특히, 데이터 활용기반 조성과 관련해서는 ①연구데이터를 관리·공유하는 것을 제도화해야 하고, ②데이터 공유·활용 확산을 위한 연구커뮤니티를 형성해야 하며,③국가 연구데이터 플랫폼을 구축하고 이를 제공하는 서비스를 지원해야 하고, ④데이터와 컴퓨팅 활용을 위한 연구개발 인력을 양성해야 한다.
또한 AI 분야의 선도형 R&D를 촉진시키고 성과 확산을 유도하기 위한 오픈 사이언스 문화 확산 방안을 ①국가연구개발 사업 관련 연구성과물 공개 관련 법제도 정비, ②연구자들로 하여금 연구 성과물 또는 데이터를 자발적으로 공개하게 만드는 적절한 보상 체계마련, ③오픈 사이언스를 위한 지원 조직 및 플랫폼을 구축하여 연구자들의 오픈 사이언스에 대한 진입 장벽 완화, 이렇게 세 가지 측면에서 정책적 접근이 필요하다. 마지막으로 오픈 사이언스 도입을 위해서는 결정적으로 공유·개방에 대한 인식의 제고가 필요하며 이를 위해 연구 성과물 및 데이터 공유에 대한 공론화 및 공감대를 형성시킬 필요가 있다.
( 출처: 요약문 18p )
Abstract
▼
4. Research Results
As a key source of competition for AI technology, it is necessary to acquire data sets that meet the needs of customers and to create the data utilization infrastructure There is a need to activate the qualitatively improved data market.
In particular, regarding the cre
4. Research Results
As a key source of competition for AI technology, it is necessary to acquire data sets that meet the needs of customers and to create the data utilization infrastructure There is a need to activate the qualitatively improved data market.
In particular, regarding the creation of a data utilization infrastructure, it is necessary to ① institutionalize the management and sharing of research data, ② establish a research community for data sharing and utilization diffusion, ③ build a national research data platform and provide services Support, ④ train R&D personnel to utilize data and computing.
The ways to diffuse open-science culture for inducing leading-edge R&D and promoting performance in the AI field are ① to establish a legal system related to the open of research results related to national research and development projects, ② to Provide appropriate compensation system to encourage researchers to voluntarily disclose research results or data ③ to establish a support organization and platform for Open Science to alleviate researchers' entry barrier to open science
Finally, in order to introduce open science, it is crucial to raise awareness about sharing and openness, and it is necessary to establish consensus on research achievements and data sharing.
( 출처: SUMMARY 23p )
목차 Contents
- 표지 ... 1
- 제 출 문 ... 6
- 목차 ... 8
- 표목차 ... 11
- 그림목차 ... 13
- 요 약 문 ... 16
- SUMMARY ... 22
- CONTENTS ... 26
- 제1장 서 론 ... 27
- 제 1 절 연구의 배경 ... 27
- 제 2 절 연구의 목표 및 주요내용 ... 29
- 제2장 지능정보기술 및 R&D 동향 ... 32
- 제 1 절 AI 기술 개요 ... 32
- 1. AI SW 기술 분류 ... 32
- 2. AI 기술수준 및 기술격차 ... 35
- 3. AI 관련 특허 출원 ... 37
- 제 2 절 국내 지능정보기술 및 R&D 동향 ... 41
- 1. AI 발전 현황 ... 41
- 2. 지능정보기술 R&D 동향 (AI HW, AI SW, 기초과학) ... 42
- 제 3 절 해외 지능정보기술 R&D 동향 ... 45
- 1. AI 활용을 위한 요소 기술 ... 45
- 2. 해외 AI 시장 규모 및 전망 ... 55
- 3. 국가별 지능정보기술 R&D 전략 및 정책 ... 57
- 4. 해외 AI 기술 동향과 주요 사례 ... 70
- 5. 사례 분석을 통한 시사점 ... 76
- 제 4 절 소 결 ... 78
- 제3장 AI 기업 학습데이터 ... 79
- 제 1 절 AI 기술과 데이터 ... 79
- 제 2 절 전문가 활용 인터뷰 ... 84
- 1. 데이터 수요조사 ... 84
- 2. 데이터 활용 제한사항 ... 88
- 3. 전문가 인터뷰 결과 활용 방안 ... 89
- 제 3 절 조사통계 ... 90
- 1. 연구조사대상 ... 90
- 2. 연구방법론 ... 91
- 3. 연구내용 결과 ... 93
- 제 4 절 소 결 ... 96
- 제4장 개방형 R&D 생태계 조성 방안 ... 98
- 제 1 절 4세대 연구 패러다임과 오픈 사이언스(Open Science) 개념 ... 98
- 제 2 절 오픈 사이언스(Open Science) 동향 및 정책적 시사점 ... 102
- 1. 오픈 사이언스 정책의 확산 ... 102
- 2. 오픈 사이언스 정책 추진 현황 및 이행 실태 ... 104
- 3. 국내외 오픈 사이언스 추진 비교 ... 113
- 4. 국내 오픈 사이언스 정책 관련 시사점 ... 114
- 제 3 절 오픈 사이언스 기반의 AI 활성화 방안 ... 117
- 1. 오픈 사이언스와 AI ... 117
- 2. 오픈 사이언스 관점의 AI 활성화 방향 ... 120
- 3. AI 활성화 방안으로써 디지털 플랫폼 ... 121
- 제5장 결론 및 정책 제언 ... 124
- [참 고] ... 128
- [부 록] 통 계 표 ... 144
- 참 고 문 헌 ... 165
- 끝페이지 ... 175
※ AI-Helper는 부적절한 답변을 할 수 있습니다.