전략 도구

마지막 업데이트: 2022년 2월 8일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
▲이수진 전북도의원(국민의힘 비례대표)이 18일 열린 도의회 임시회 5분 자유발언에서 발언을 하고 있다. ⓒ전북도의회 화면 갈무리

무선 화재 감지 시장 동향, 비즈니스 기회, 전략, 주요 업체 분석 및 예측 2028

오랜 시간 검증된 무선 화재 감지 시장 조사 보고서는 패턴, 개선 사항, 대상 비즈니스 부문, 재료, 한계 및 발전에 대한 데이터를 제공합니다. 1차 및 2차 동인, 시장 점유율, 주요 부문 및 지리적 분석에 중점을 둔 전문적이고 포괄적인 보고서입니다. 이 글로벌 시장 보고서에 포함된 모든 업계 통찰력은 실행 가능한 아이디어와 더 나은 의사 결정으로 이어질 것입니다. 본 보고서에서 제공하는 정보는 가치 있고 진정한 자원에서 파생된 것이기 때문에 고객은 반드시 신뢰할 수 있습니다.

Data Bridge Market Research는 무선 화재 감지 시장 이 2021-2028년 예측 기간 동안 7.58%의 CAGR을 보일 것이며 2028년까지 5억 4,505만 달러에 이를 것으로 분석했습니다.

기존 시스템과 비교하여 무선 화재 감지는 신뢰할 수 있는 데이터 전송을 보장하는 시스템으로 정의됩니다. 이 시스템은 건설 기간 동안 케이블 채널을 설치할 때 신축 또는 리모델링 전략 도구 프로젝트에 이상적입니다. 무선 화재 감지 시스템은 저렴한 유지 보수, 고효율, 비용, 적응성 등 다양한 이점을 제공합니다. 또한 무선 화재 감지 시스템에는 패닉 버튼을 활성화하는 데 사용되는 원격 키가 포함됩니다. 셀룰러 기술의 도움으로 이러한 시스템은 무선으로 통신하여 사용자가 모바일 장치를 사용하여 시스템 기능을 활성화할 수 있습니다. 이 시스템은 주로 공장, 상업용 건물 및 사무실에 설치됩니다.

주거 및 상업용 건물에서 무선 연결 안전 시스템을 채택하는 추세의 증가와 인공 지능(AI) 및 사물 인터넷(IoT)과 같은 기술의 발전은 무선 화재 감지 시장의 성장에 영향을 미칠 것입니다.

광범위한 무선 화재 감지 시장 보고서를 통해 산업 정보를 더 빨리 수집하는 것이 쉬워집니다. SWOT 분석 및 Porter의 Five Forces 분석과 같은 입증된 도구를 사용하면 이러한 최고 수준의 시장 조사 보고서를 작성하는 데 매우 도움이 됩니다. 또한이 시장 보고서는 시장의 주요 업체가 사용하는 다양한 전략을 조명합니다. 또한 시장 점유율 분석과 주요 추세 분석이 이 산업 분석 보고서의 주요 성과 요인입니다. 이 마케팅 보고서는 광고 캠페인을 시작하기 전에 고객의 타겟 고객을 끌어들이는 데 도움이 됩니다.

주요 시장 경쟁자/선수

무선 화재 감지 시장 보고서에서 다루는 주요 선수는 EMS Ltd, Sterling 및 Wilson Pvt입니다. Ltd., Electro Detectors Ltd, Siemens, WAGNER Group 전략 도구 GmbH, HOCHIKI Corporation., Honeywell International, Inc., Halma Plc., Apollo Fire Detectors, Detectomat Systems GmbH, Robert Bosch Gmbh, EUROFYRE LTD., Napco Security Technologies, Inc., Sonatech Nederland, 휴전 산업 Pvt. Ltd, Johnson Controls, 전략 도구 Zeta Alarms Ltd, Attentis Pty Ltd., Vigilys, Inc., Libelium Comunicaciones Distribuidas SL 등 국내외 업체. 시장 점유율 데이터는 전 세계, 북미, 유럽, 아시아 태평양(APAC), 중동 및 아프리카(MEA) 및 전략 도구 남미에 대해 별도로 제공됩니다. DBMR 분석가는 경쟁력을 이해하고 각 경쟁사에 대해 개별적으로 경쟁 분석을 제공합니다.

DBM 연구 연구는 어떤 이점을 제공합니까?

최신 산업 영향 동향 및 개발 시나리오

강력한 시장 기회를 포착하기 위해

계획 및 시장 점유율 추가 확대를 위한 주요 결정

주요 사업 부문, 시장 제안 및 격차 분석 식별

세분화 : 글로벌 무선 화재 감지 시장

무선 화재 감지 시장은 제품 유형, 시스템 유형, 설치 유형, 애플리케이션 및 수직을 기준으로 분류됩니다. 다양한 부문 간의 성장은 시장 전반에 걸쳐 만연할 것으로 예상되는 다양한 성장 요인과 관련된 지식을 얻는 데 도움이 되며 다양한 전략을 수립하여 핵심 애플리케이션 영역과 목표 시장의 차이점을 식별하는 데 도움이 됩니다.

  • 제품 유형에 따른 무선 화재 감지 시장은 센서 /감지기, 콜 포인트, 화재 경보 패널 및 모듈, 입력/출력 모듈 등으로 분류됩니다. 센서/감지기는 연기 감지기, 열 감지기, 가스 감지기 및 다중 센서 감지기로 더 세분화되었습니다. 연기 감지기는 광전, 이온화 ​​및 이중 센서로 구분됩니다.
  • 무선 화재 감지 시장은 시스템 유형에 따라 전략 도구 완전 무선 시스템과 하이브리드 시스템으로 구분됩니다.
  • 무선 화재 감지 시장은 설치 유형에 따라 신규 설치 및 개조 설치로 분류됩니다.
  • 응용 프로그램에 따라 무선 화재 감지 시장은 실내 및 실외로 분류됩니다.
  • 수직을 기반으로 무선 화재 감지 시장은 산업, 주거, ​​상업, 정부, 제조 등으로 분류됩니다. 상업은 학계 및 기관, 소매, 의료, 접객 및 역사적 건물과 BFSI로 더 세분화되었습니다.

무선 화재 감지 시장 보고서의 매력

최신 시장 역학, 개발 동향 및 성장 기회가 업계 장벽, 개발 위협 및 위험 요소와 함께 제공됩니다.

예측 무선 화재 감지 시장 데이터는 타당성 분석, 시장 규모 추정 및 개발에 도움이 될 것입니다.

이 보고서는 모든 중요한 무선 화재 감지 시장을 마이크로 모니터링하는 완전한 가이드 역할을 합니다.

간결한 시장 전망은 이해를 돕기 위한 것입니다.

견과류 오일 시장 경쟁적인 시장 관점은 플레이어가 올바른 행동을 하는 데 도움이 될 것입니다

주요 질문에 대한 답변

COVID-19가 글로벌 무선 화재 감지 시장 성장 및 규모에 어떤 영향을 미쳤습니까?

글로벌 무선 화재 감지 시장에서 주요 핵심 기업은 누구이며 주요 사업 계획은 무엇입니까?

글로벌 무선 화재 감지 시장의 5가지 힘 분석의 주요 관심사는 무엇입니까?

글로벌 무선 화재 감지 시장의 딜러가 직면한 다양한 전망과 위협은 무엇입니까?

주요 공급업체의 강점과 약점은 무엇입니까?

이 보고서를 구매하는 이유:

경제 및 정책 측면의 영향을 통합하는 질적 및 양적 연구를 포함한 시장 세분화 분석

시장의 성장에 영향을 미치는 수요와 공급 세력을 통합하는 지역 및 국가 수준 분석.

시장 가치 USD 백만 및 수량 단위 각 세그먼트 및 하위 세그먼트에 대한 백만 데이터

지난 5년 동안 플레이어가 채택한 새로운 프로젝트 및 전략과 함께 주요 플레이어의 시장 점유율과 관련된 경쟁 환경

주요 시장 참여자가 사용하는 제품 제공, 주요 재무 정보, 최근 개발, SWOT 분석 및 전략을 포괄하는 포괄적인 회사 프로필

내용의 테이블:

Part 03: 글로벌 무선 화재 감지 시장 전망

파트 04: 글로벌 무선 화재 감지 시장 규모

파트 05: 제품별 글로벌 무선 화재 감지 시장 세분화

파트 06: 다섯 가지 힘 분석

회사 소개:

미래를 전략 도구 예측하는 절대적인 방법은 오늘의 추세를 이해하는 것입니다!

Data Bridge Market Research는 비할 데 없는 수준의 탄력성과 통합된 접근 방식을 통해 비전통적이고 신학적인 시장 조사 및 컨설팅 회사로 자리 잡았습니다. 우리는 최고의 시장 기회를 발굴하고 귀하의 비즈니스가 시장에서 번창할 수 있도록 효율적인 정보를 육성하기로 결정했습니다.

Data Bridge Market Research는 복잡한 비즈니스 과제에 대한 적절한 솔루션을 제공하고 수월한 의사 결정 프로세스를 시작합니다.

▲이수진 전북도의원(국민의힘 비례대표)이 18일 열린 도의회 임시회 5분 자유발언에서 발언을 하고 있다. ⓒ전북도의회 화면 갈무리

전라북도자원봉사센터의 정치적 중립성 문제가 결국 도의회의 도마에 올랐다.

이수진 전북도의원(국민의힘 비례대표)은 18일 열린 도의회 임시회 5분 자유발언에서 전라북도자원봉사센터의 정치적 중립을 촉구하고 나섰다.

이수진 의원은 "자원봉사센터는 연대와 협력의 자원봉사 정신으로 도민의 복지향상과 사회통합 실현에 기여하고 지속가능한 참여와 나눔으로 도민이 안녕한 사회 구현해야 하는 기관임에도 설립 및 운영 취지와는 다르게 선거조직으로 변질되어 자치단체장의 정치 도구로 전락했다는 것은 '공공연한 비밀'이었다"고 주장했다.

이 의원은 "사법당국이 최근 도 자원봉사센터의 불법, 탈법을 정조준하면서 지방선거 경선과정에서 불거진 무더기 입당원서 발견과 이에 따른 압수수색 및 관련자 구속은 그간의 ‘공공연한 비밀’이라는 불편한 진실로 드러내는 계기가 될 것으로 기대한다"고 말했다.

이수진 의원은 "도민들과 지역사회를 위해 헌신해야 하는 자원봉사센터가 정치도구로 전락되는 일이 더 이상 반복되어서는 안 된다"면서 "비록 이번 사태가 전임 지사의 측근들이 연루됐다는 의혹이 있기는 하나 센터의 혁신과 정치적 중립 보장 방안을 마련하는 것은 현 김관영 지사의 책무"라고 강조했다.

그러면서 이 의원은 "법령이 정하는 센터장의 자격요건이 예외조항을 자의적으로 적용해서 무력화되는 일이 없도록 예외조항 규정자체를 폐지해야 한다"고 주장했다.

기본자격 조건을 무시하고 예외조항을 적용하여 센터장을 임명하는 것은 자원봉사활동기본법 제5조(정치활동 등의 금지의무)를 위반할 우려가 있기 때문이라는 것이다.

(비전21뉴스) 화성산업진흥원(원장 나원주)은 오는 27일 오후 2시 푸르미르 호텔 사파이어홀에서 화성시 중견·중소기업 CEO 및 임직원을 대상으로 트리플-X 포럼 제6차 기술세미나를 개최한다.

이번 기술세미나는 모빌리티 전환(MX) 분야 전문가인 강동림 자동차부품산업진흥재단 자문위원(前 현대자동차 경형PM센터장)이 강연에 나선다. ‘탄소제로 시대 전기자동차의 발전 전망과 과제’를 주제로 전기자동차가 불러올 향후 자동차 산업의 급격한 변화에 대해 강연하며, 이후 질의응답 및 기업 간 네트워킹이 이어질 예정이다.

나원주 화성산업진흥원장은 “탄소제로 시대를 맞아 미래차 전환에 대한 화성시 소재 자동차 산업 관련 기업들의 종합적이고 구체적인 계획이 중요한 시점”이라며 “이번 기술세미나를 통해 산·학·연을 중심으로 다양한 논의가 이뤄지길 바란다”고 말했다.

‘트리플-X 포럼’은 화성시 전략산업을 기반으로 화성시 중견·중소기업들이 변화하는 산업 트렌드를 이해하고, 미래산업 전환에 대응할 수 있도록 지원하고자 개최되고 있다. 오는 11월까지 매월 마지막 주 수요일에 개최하며, 8월·10월은 디지털 전환(DX), 9월·11월은 모빌리티 전환(MX)을 주제로 진행된다.

한편, 화성산업진흥원은 기업 간 기술·시장·경영 협력 활성화 및 기업 경쟁력 강화를 위해 ‘트리플-X 기업협의회’ 참여 기업을 성황리에 모집 중이다. 협의회 운영을 통해 ESG 특강 및 네트워킹 행사를 진행하고, 화성시 산업정책 및 기업지원사업을 발굴하는 데 기업 의견을 수렴해 반영할 계획이다.

미래산업 전환에 관심 있는 화성시 소재 기업이라면 누구나 참여 가능하며, 오는 8월 30일까지 화성산업진흥원 기업지원플랫폼에서 접수할 수 있다.

AWS가 한국 독립 소프트웨어 기업(ISV)들의 SaaS 확장 도우미로 나선다. 가장 빠르고 기민하게 인프라 영향력을 확장할 수 있다는 계산과 더불어, AWS 생태계 전략을 공격적으로 넓힐 수 있다는 평가가 나오고 있다. ISV도 AWS와 손을 잡으면 선명한 경쟁력을 확보할 수 있기 때문에 '윈윈 전략'이라는 말이 나온다.

AWS가 한국 소프트웨어 산업 전반에 단비를 내리는 구름이 되는 순간이다.

AWS코리아는 19일 국내 ISV들을 위한 다양한 프로그램을 공개했다. AWS ISV 팩토리, AWS ISV 액셀러레이트 등 다양한 프로그램을 기반으로 국내 ISV들의 혁신을 돕는다는 방침이다.

송주연 AWS코리아 DNB·게임 및 ISV 세일즈 총괄은 "한국 시장 추이에 주목하고 있다"면서 "한국 ISV들이 클라우드를 통해 소프트웨어를 빠르고 효율적으로 개발할 수 있는 것에 방점을 찍고 있다"전략 도구 고 말했다.

SaaS 모델이 간단히 이뤄지는 것은 아니다. 멀티 테이넌트 환경을 어떻게 구축할 것인지, 또 비용 절감 효과를 어떻게 설정할 것인지 등의 복잡한 문제가 있다. 다만 AWS는 한국 ISV의 상황을 면밀히 주시하며 각 기업들의 필요한 단계에 따라 맞춤형 지원에 나서는 것이 핵심이라는 설명이다.

송 총괄은 "인사이트와 모범사례는 물론 다양한 리소스와 도구들도 지원하고 있다"면서 "소프트웨어 패스와 같은 특화된 프로그램을 통해 맞춤형 전략 도구 서비스를 지원하는 등 다양한 가능성 타진에 나서고 있다"고 말했다.

소프트웨어 빌딩에 이어 마케팅, 세일즈에 이르는 전 단계를 아우르는 프로세스를 바탕으로 새로운 시장과 글로벌 진출도 적극 돕는다는 방침이다.

특히 AWS 마켓플레이스는 한국 ISV들에게 글로벌 시장으로 가는 고속도로를 뚫어줄 전망이다. 이미 20개 지역, 39개 소프트웨어 카테고리를 중심으로 1500개 이상의 파트너가 제공하는 7000개 이상의 제품 목록이 올라와 있다. 갑질이 없는 구글 앱마켓, 클라우드 버전의 글로벌 시장 지름길이다.

송 총괄은 "한국에서도 AWS 마켓플레이스 등재가 바로 가능한 리전 추가 계획이 있다"고 말했다. 이미 AWS는 올해 2월 AWS코리아 SaaS 센터를 열어 관련 로드맵을 강하게 추진하는 중이다.전략 도구

한편 현장에서는 슈퍼 컴퓨팅 연구개발을 하는 클루닉스의 사례가 공유됐다. AWS와 협력하고 있는 클루닉스는 자사의 연구개발 환경을 AWS의 환경에서 구축한 상태다. 서진우 클루닉스 대표는 "AWS 프로그램을 통해 아렌티어 클라우드를 개발할 수 있었다"면서 "그 외 성장 전반에 있어 많은 도움을 받는 중"이라고 말했다. 노코드 기반의 쇼핑몰 구축 솔루션 아임웹의 이동휘 CTO도 "글로벌 시장 공략을 위해 AWS와 긴밀히 협업하고 있다"고 말했다.

동아사이언스

코로나바이러스 3회차


AI 전문가들의 한결같은 말이다. 성별이나 인종, 연령대에 대한 AI의 차별은 이미 여러 차례 논란이 됐다. 마이크로소프트에서 개발한 대화형 AI ‘테이’의 인종 차별적 발언, 아마존 채용 AI의 성차별적 판단, 국내 대화형 AI ‘이루다’의 소수자 혐오 발언이 그 예다.


단, 기술적 의미에서 AI의 편향(bias)은 조금 더 넓은 범위를 포괄한다. 최재식 KAIST AI대학원 교수는 “사회적·윤리적 이슈에 대해서만이 아니라, 사실관계를 예측하는 AI가 한쪽으로 치우치는 문제도 AI 편향성에 포함된다”고 말했다.


가령 공장의 폐쇄회로(CC)TV를 보고 사고 위험성을 예측하는 AI가 있다고 가정해보자. 이 AI는 수많은 데이터를 학습하지만, 그 데이터 중 공장 폭발이란 결과에 도달한 것은 극히 일부다. AI가 이런 데이터로 계속 학습할수록 공장 폭발이란 예측을 할 가능성은 점점 줄어든다. 이 때문에 현장에서 공장 폭발의 징후가 나타나도, AI는 자신이 학습한 데이터에 따라 공장 폭발이란 경우를 배제해버릴 수 있다. 이처럼 개발자가 의도하지 않았음에도 AI가 편향된 예측을 내놓는 문제역시 AI 편향 문제에 해당한다.

2019년 미국 댈러스에서 열린 IT기업 아마존의 채용박람회 현장. 아마존은 2014년부터 채용에 도입할 AI를 개발했으나 여성 지원자를 차별하는 문제를 해결하지 못하고 2017년 폐기에 이르렀다. 연합뉴스 제공

2019년 미국 댈러스에서 열린 IT기업 아마존의 채용박람회 현장. 아마존은 2014년부터 채용에 도입할 AI를 개발했으나 여성 지원자를 차별하는 문제를 해결하지 못하고 2017년 폐기에 이르렀다. 연합뉴스 제공

AI 편향성을 일으키는 주요 원인(아래 표)중 하나는 데이터의 불균형이다. KAIST 인공지능공정성연구센터장을 맡고 있는 유창동 KAIST 전기 및 전자공학부 교수는 “데이터가 많은 집단에 대해서는 AI가 학습을 통해 그 집단의 비교적 보편적인 결과를 도출할 수 있지만, 데이터가 적은 집단에 대해서는 AI의 결론이 그 집단을 대표한다고 볼 수 없는 경우가 발생한다”고 말했다.


한 예로 직원 대다수가 한국인이고, 소수만이 외국인 직원으로 구성된 회사에서 채용 AI에 이전 합격자의 이력서 데이터를 입력하는 경우를 들 수 있다. 이 경우 다수의 한국인 직원 이력서를 학습한 AI는 한국인 지원자를 판단할 때는 합격 기준선이 비교적 합당하게 설정되지만, 외국인 지원자에 대해서는 몇몇 외국인 직원의 이력서 데이터로만 학습한 탓에 그 기준선이 비합리적으로 설정될 수 있다. 이로 인해 동등한 능력을 지닌 지원자임에도 한국인은 합격하고, 외국인은 탈락하는 결과가 나타날 수 있다. 물론 반대 경우도 나타날 수 있다.


이처럼 집단 간에 표본 수가 달라 발생하는 편향은 지금까지 사회적으로 차별 받은 계층에게 흔히 일어난다. 데이터 축적 역시 기득권에게 더 유리한 일이기 때문이다. 그래서 데이터 불균형은 곧 사회적 차별 문제로 직결되는 경우가 잦다.


편향되지 않아 보이는 데이터도 문제가 될 수 있다. 아마존의 채용 AI가 대표적 예다. 아마존은 2014년부터 채용 과정에 도입할 AI를 개발했다. 개발팀은 이전 10년간의 합격자 이력서를 학습시켰고, 이를 통해 AI는 지원자를 1~5점으로 평가했다. 당시 전 세계 아마존 소속 직원 가운데 남성의 전략 도구 전략 도구 비율은 약 60%로 남성이 약간 많기는 했지만 심하게 차이가 나보이진 않았다.


하지만 1년 뒤, AI가 여성 지원자를 차별한다는 사실이 발견됐다. AI는 ‘여자 체스 클럽 주장’ ‘여자 대학 졸업’ 등 ‘여자’라는 단어가 포함된 이력서에 대해 점수를 낮게 조정했다. 이후 개발팀은 데이터에서 성별에 대한 정보를 제거했지만 문제가 해결되진 않았다. AI가 자기소개서 등 지원자가 작성한 문서의 문체에 따라 성별을 암묵적으로 구분하는 현상이 발견됐다. 성별 데이터가 제거돼도, AI가 스스로 성별을 유추할 수 있는 특성을 끄집어낸 것이다. 개발팀은 이 편향 문제를 끝내해결하지 못했고, 결국 2017년 팀 해체와 함께 채용 AI 개발 프로젝트는 폐기됐다.

AI 편향성 문제 해결에 가장 앞장선 건 세계적 정보기술(IT) 기업인 IBM, 구글, 페이스북이다. 유 교수는 “유럽연합(EU)에서는 편향된 AI를 법적으로 판매하지 못하도록 하고 있으며, 한국을 포함해 이외 지역에서도 정책적·법적 조치를 마련 중”이라며 “기업에서 공정한 AI를 개발하는 건 차별에 대한 사회적 책임을 넘어 자사의 AI 상품을 판매하기 위해서 반드시 선행해야 하는 과제”라고 말했다.


AI의 편향성을 해결하기 위해서는 먼저 편향의 원인이 무엇인지 파악하고, 그 부분을 고쳐야 한다. 현재는 알고리즘보다는 데이터상의 문제를 파악하고 제거하는 연구가 더 활발히 이뤄지고 있다. 요즘 각광받는 딥러닝 AI는 그 속을 들여다보는 것이 불가능에 가깝기 때문이다.


딥러닝이란 단어가 워낙 많이 언급되는 탓에 흔히 ‘AI=딥러닝’이라고 인식된다. 하지만 딥러닝은 많은 종류의 AI 중 하나일 뿐이다(AI⊃딥러닝). AI를 학습시키는 방법은 여러 가지가 있다. 그중 개발자가 AI에게 모든 규칙을 일일이 심어주지 않고, 전략 도구 AI가 데이터로부터 스스로 의사결정을 위한 규칙을 형성하는 것을 기계학습(머신러닝)이라고 한다.


기계학습 안에는 또 여러 기법이 있는데 그중 하나가 딥러닝이다. 다른 기계학습이 한두 단계(층, layer)에 걸쳐 데이터를 학습하는 것과 달리, 딥러닝은 3개 이상의 여러 단계에 걸쳐 데이터를 학습하는 걸 뜻한다. 용량이 크고, 형태도 다양한 빅데이터를 정교하게 학습하는 데 탁월하기에 ‘AI=딥러닝’이라고 인식될 만큼 최근 AI 대부분은 딥러닝 방식으로 학습된다.


문제는 딥러닝 AI가 학습하는 여러 단계 중에는 사람이 알아낼 수 없는 숨겨진 단계(hidden layer)가 많다는 것이다. 그러다 보니 개발자조차 AI가 왜 그런 방식으로 작동했는지 알 수 없다. 이 탓에 ‘답은 맞는데 풀이과정은 알 수 없는 AI’로 비유되곤 한다. 이런 AI를 뜯어보기 위해 최근 들어 사람이 이해하는 형태로 작동방식을 설명하고 제시할 수 있는 설명가능 AI(XAI·eXplain AI)란 기술이 주목받고 있다. 하지만 당장 편향성 문제를 해결할 수준은 아니다. KAIST 설명가능인공지능연구센터장이기도 한 최재식 교수는 “궁극적으로 딥러닝 AI의 오류를 제거하기 한 XAI 연구가 급격히 증가하는 추세긴 하나 현 상황에서 AI의 편향성을 해결하는 데는 데이터의 편향을 제거하는 것이 더 적합하다”고 말했다.


이에 따라 데이터상의 문제를 파악하고 제거하는 연구가 주로 이뤄지고 있다. 이 때 ‘불공정하다’는 기준을 가를 수학적 정의가 필요하지만, 수식에 따라 공정에 대한 판단이 변해 일률적으로 적용할 수가 없다. 마치 똑같은 사안에 대해서 누구는 공정하다고 하고 누구는 불공정하다고 하는 것 같이, 수학적으로도 어떤 수식을 쓰느냐에 따라 불공정을 달리 판단한다. 이런 수학적 방식의 대표적인 예로 ‘인구통계적 형평성(Demographic parity)’ ‘가능성의 동등성(Equalized odds)’ ‘기회의 동등성(Equality of opportunity)’ 등이 있다. (맨 하단 '기계학습의 공정성 측정하는 수학정 정의 참고)


그렇다 전략 도구 보니 데이터 편향을 줄이기 위한 기술은 대부분 편향성과 관련이 있는 변수를 찾아 조정하는 데 초점을 맞추고 있다. 대표적 예가 구글에서 2017년부터 개발한 ‘왓-이프 툴(WIT·What-If Tool)’이다. 말 그대로 일부 데이터가 바뀌면 결괏값은 어떻게 변할까를 그래픽으로 표현해준다. 개발자가 만든 모델에 이 툴을 간단히 결합한 뒤, 특정 변수의 수치를 바꿔보면 그 변수가 불공정한 결과에 얼마나 영향을 미치는지 보기 쉬운 형태로 나타나는 것이다.

개개인의 여러 정보를 학습해 연간 약 5500만 원 이상의 소득(파란색)이 있을지 예측하는 알고리즘을 구글의 ‘왓-이프 툴’에 대입한 결과. 한 개인의 나이, 수입, 직업군 등의 수치(왼쪽 패널)를 바꾸면 결괏값이 달라지는 걸(노란색 사각형→초록색 사각형) 확인할 수 있다. 이를 통해 개인의 어떤 특정 정보가 결과에 큰 영향을 미치는지 알 수 있다. 동아사이언스DB

개개인의 여러 정보를 학습해 연간 약 5500만 원 이상의 소득(파란색)이 있을지 예측하는 알고리즘을 구글의 ‘왓-이프 툴’에 대입한 결과. 한 개인의 나이, 수입, 직업군 등의 수치(왼쪽 패널)를 바꾸면 결괏값이 달라지는 걸(노란색 사각형→초록색 사각형) 확인할 수 있다. 이를 통해 개인의 어떤 특정 정보가 결과에 큰 영향을 미치는지 알 수 있다. 동아사이언스DB

가령 채용 AI에 입력된 한 지원자의 정보에서 성별을 남성에서 여성으로 바꿔보거나, 나이를 20세에서 50세로 바꾸면 성별과 나이가 합격과 불합격을 가르는 데 불공정한 영향을 얼마나 끼치는지 도표로 표시된다.


이렇게 데이터의 불공정성을 측정하다 보면, 개발자가 의도한 것과 달리 차별적 결과를 내놓는 특정 변수를 발견할 수 있다. 그 변수를 ‘보호변수(Protective Attribute 또는 Sensitive Attribute)’로 지정해 불공정성을 최소화할 수 있다. 유 교수는 “보호변수는 AI의 판단에 영향을 주지 않도록 설정한 변수를 의미한다”며 “공정한 AI를 만들기 위해서는 성별, 인종, 지역 등 편향된 결과를 유발할 수 있는 요소를 보호변수로 지정하고 결과에 미치는 영향력을 조절하는 것이 매우 중요하다”고 말했다.

애비 자크 전 미국 MIT 철학과 연구원 (왼쪽· 현재 미국 스탠퍼드대 소속)이 AI 윤리 독서 그룹 학생들과 컴퓨터과학 커리큘럼에 도입할 윤리 과목에 대해 토론하고 있다. MIT (Kim Martineau) 제공

애비 자크 전 미국 MIT 철학과 연구원 (왼쪽· 현재 미국 스탠퍼드대 소속)이 AI 윤리 독서 그룹 학생들과 컴퓨터과학 커리큘럼에 도입할 윤리 과목에 대해 토론하고 있다. MIT (Kim Martineau) 제공

보호변수를 지정했다면, 다양한 알고리즘을 통해 보호변수의 영향력을 조절할 수 있다. 대표적 예로 IBM이 2018년에 내놓은 ‘AI 공정성(Fairness) 360’이라는 오픈소스 툴키트(소프트웨어 개발 도구 모음)가 있다. 이 툴키트는 편향을 완화할 수 있는 10가지 알고리즘을 포함하고 있다. 이 가운데에는 AI가 학습할 데이터에서 보호변수의 가중치를 수정하는 알고리즘, 학습 과정 중 보호변수의 영향을 감소시키는 알고리즘도 있다. 보호변수를 조절하는 것 외에도 AI의 학습 전후에 편향성을 감지하고 완화시킬 수 있는 알고리즘도 포함돼 있다.


이처럼 공정한 AI를 만들기 위한 다양한 방안과 도구가 마련되고 있지만 안타깝게도 완전히, 절대적으로 공정한 AI를 개발하는 일은 사실상 불가능하다. 유 교수는 “공정성이라는 개념 자체가 누구도 하나로 정의할 수 없는 개념”이라며 “병원, 법원, 기업에서 바라보는 공정성도 제각기 다르기 때문에 영역별로 공정성에 대한 개념을 확립하는 게 우선 과제”라고 말했다.


더군다나 공정성은 계속해서 진화하고 있는 개념이다. 예를 들어 과거에는 전략 도구 국내에 남성중심적 사고가 지금보다 더 강했다. 때문에 지금이라면 논란이 될만한 장면이 불과 10년 전만 해도 대중매체에서 거리낌 없이 등장했다. 유 교수는 “과거에 공정하다고 생각했지만 지금은 공정하지 않다고 여겨지는 것들이 많다”며 “하나의 공정한 AI를 만들었다고 끝나는 일이 아니라, 컴퓨터 바이러스 백신 프로그램을 계속 업그레이드하는 것처럼 공정한 AI도 현실의 공정성을 반영하는 수정을 끊임없이 지속해야 한다”고 말했다.


2019년 10월 국제학술지 ‘사이언스’에 전략 도구 의료 서비스가 필요한 환자를 예측하는 AI가 인종 차별을 한다는 연구결과를 낸 브라이언 파워스 브리검여성병원 부원장도 “알고리즘 편향을 측정하는 툴은 존재하지만 이를 활용한다 해도 편향의 모든 원인을 제거할 수 없다”며 “모든 알고리즘에 적용 가능한 하나의 해결 방법은 존재하지 않는다”고 말했다.


결국 AI의 공정성은 그 AI를 만드는 사람들 손에 달렸다. 불공정을 판가름할 수학적 기준을 정하는 일도, 그런 불공정을 조절할 알고리즘을 설계하는 일도 각 개발자들의 판단에 따르기 때문이다.
그래서 개발자들이 공정함에 대해 올바른 판단을 하기 위한 가이드라인이 필요하다. 법적·정책적 제도다. 이상욱 한양대 철학과 교수는 “한국에서 ‘윤리’는 일종의 바른생활과 같은 좁은 의미로 사용되지만, 해외에서 ‘ethics’는 바른생활을 뒷받침할 법적·정책적 제도까지 포함하는 개념”이라고 말했다. 각국에서는 공정성을 포함해 AI 윤리에 대한 법적·정책적 제도를 마련하기 위한 논의가 활발하다.


또 하나 필요한 것은 교육이다. AI를 배우는 단계에서부터 올바른 윤리관을 정립할 필요가 있다. 미국 매사추세츠공대(MIT), 하버드대 등 유수 대학은 AI 윤리 교육 프로그램을 별도록 만들었다. 뉴욕대에서는 데이터사이언스 학위를 취득하기 위해 ‘책임감 있는 데이터사이언스’란 AI 윤리 과목을 이수해야만 한다. 국내에서는 2022년 초·중·고교에서 AI 윤리를 포함한 ‘AI 교육’이 정식 도입될 예정이다. 최 교수는 “알고리즘을 만드는 개발자뿐만 아니라, AI 전체를 설계하는 기획자까지 모두 교육이 이뤄질 때 효과가 나타날 것”이라고 말했다.


0 개 댓글

답장을 남겨주세요