첨단기술로 사업 방향을 바꾸는 과정에서 125년 역사의  제너럴 일렉트릭(GE)은 과학자에서부터 시작, 모든 분야에 인공지능 기술을 입히고 있다.

[테크M 독점제휴=MIT테크놀로지리뷰]

제이슨 니콜라스가 UC버클리에서 유기화학으로 박사 후 과정을 마치고 2011년 GE글로벌에 입사했을 때만 해도 그는 화학자로서 경력을 쌓을 것이라고 생각했다. 그러나 4년간 산업용 폐수처리 물질과 시스템을 만든 뒤, GE의 기계학습 연구실로 자리를 옮겼다.

올해부터는 증강현실 기술 연구를 시작했다. 화학자이자 데이터 과학자인 그는 인공지능을 기계와 공정에 도입하려는 회사에 딱 맞는 직원이 됐다.

15년 전만 해도 GE의 기계 담당자와 기술자들은 비행기 엔진, 기관차, 가스 터빈을 관찰하기 위해 기기가 작동하는 소리와 계측기 수치를 점검했다.

현재 인공지능은 이 작업은 물론 문제를 먼저 예측하기도 한다.

이 기술들을 이용해 GE는 2020년까지 세계적인 소프트웨어 회사가 되겠다는 목표를 갖고 있다.

이를 위해 2011년 10억 달러를 들여 기계에서 나오는 센서 데이터를 수집, 분석하기 시작했다.

GE의 다음 전략은 인공지능을 이용해 더 영리한 모델을 만드는 것.

이를 통해 오랜 라이벌인 지멘스나 산업 분석 분야로 영역을 확장하고 있는 IBM에 비해 유리한 고지를 점하겠다는 계획이다.

물론 1892년에 설립된 이 회사에 인공지능을 도입하는 게 쉬운 일은 아니다.

이들은 먼저 30만 명에 이르는 각 분야의 직원중 회사의 두뇌 역할을 하는 사람들을 훈련시켰다.

제이슨 니콜라스가 일하는 GE글로벌 리서치는 기계 학습을 가르치는 온라인 프로그램을 개설, 과학자들의 새로운 역할을 모색하는 심포지엄을 개최했다.

지금까지 400여 명이 GE의 데이터 분석 과정을 수료했고 50여 명의 과학자가 니콜라스와 비슷한 디지털 분석 업무로 자리를 옮겼다.

두 분야의 전문가들로 육성

이들 중 상당수는 GE 기계의 클라우드 기반 소프트웨어 모델 제작을 지원하고 있다. 이는 고객의 비용 절감과 안전성 향상에 도움이 될 것이다.

GE는 기계가 수집하는 센서 정보에 물리 엔진, 인공지능, 데이터 분석, 또 과학자와 기술자들의 지식을 더해 ‘디지털 트윈’을 만든다.

이 디지털 트윈은 단지 소프트웨어 코드다. 가장 정교한 버전은 온갖 인터랙티브 차트와 다이어그램, 데이터 포인트로 가득한 3-D CAD 도면처럼 보인다.

이를 기반으로 GE는 비행기 엔진, 기관차, 가스와 풍력 터빈의 마모와 손상을 가정이나 예측이 아니라 실제 센서 데이터를 바탕으로 파악, 언제 수리가 필요한 지 쉽게 예측할 수 있다.

미국 상공을 비행 중인 비행기 엔진의 부품 정비 스케줄은 캘리포니아의 GE 서버에 있는 디지털 트윈을 통해 결정되는 것이다.

기계의 수명을 예측하는 일 이외에도, 이 가상 세계의 모델은 GE 제품의 운영을 최적화하는 데 도움을 준다.

GE는 디지털 트윈을 통해 풍력 발전소의 전기 생산량을 최대 20% 늘렸다. 또 기관차당 연 3만2000갤런의 연료와 17만4000 톤의 이산화탄소 방출을 줄였다고 말한다.

현재 GE의 고객들에게 전달된 모델의 수는 70만 개가 넘으며, 올해 말까지 그 수는 100만 개를 넘길 것이다.

여기에는 지속적으로 자신을 업데이트하는 인공지능 기술이 들어 있다.

GE글로벌리서치 소프트웨어연구 임원인 콜린 패리스는 "데이터가 오염되거나 손상되면 스스로 학습하는 인공지능 기술을 통해 데이터의 공백을 메운다"고 설명한다. 패턴 인식에 강점이 있는 딥러닝과 기계의 동작을 최적화 하는 강화학습을 컴퓨터 비전과 결합, 날개가 오염되거나 먼지가 끼어 있더라도 카메라를 이용해 금속 터빈날개의 미세한 균열을 찾을 수 있다는 것.

이 과정에서 장난감 자동차보다 좀 더 큰 소형 로봇이 동작하고 있는 엔진을 검사한다. 이 로봇은 서서히 움직이는 팬의 날개 위를 움직이며 컴퓨터 비전과 다양한 인공지능 기술을 이용, 비행기 엔진 내의 균열을 찾는다.

비슷한 기술이 석유와 가스 생산에서 나오는 여분의 가스를 태우는, 200피트 높이의 잉여가스 연소기의 부식을 찾는 드론에도 적용되고 있다.

하이브리드 전문가가 성장 동력이다

이러한 시스템을 개발, 적용하려면 GE 연구원들이 기계의 물리적 특성은 물론 인공지능 알고리즘까지 이해해야 한다.

GE 글로벌리서치의 분석 책임자, 마크 그랩은 “GE는 분자 생물학자가 재료과학을 알고 있는 머신러닝 전문가, 제어이론 기술자와 함께 일하는 곳”이라며 “이런 조합은 매우 강력하지만 모든 지식이 한 사람의 머리에 들어간다면 더 강력하고 효율이 매우 높아질 것”이라고 말했다.

매트 닐슨은 1998년 물리학 박사학위를 딴 후 GE 글로벌 리서치에 합류했다.

2015년 회사의 디지털 부문에 합류하기 전까지 그는 광학기구를 개발하고 전기자동차 소프트웨어를 만들었다. 디지털 트윈 개발팀을 이끌고 있는 그는 기계학습 알고리즘과 결합할 물리 엔진을 개발중이다.

사히카 젠크 박사는 중환자실의 알람 장치를 개발하다가 2014년 GE 기계학습 연구실에 합류했다.

지금은 딥러닝과 강화학습을 이용, 더 효율적인 에너지 운용 시스템을 만드는 기계학습 과학자가 되었다.

최근 그가 수행한 프로젝트는 기계 학습과 열 전달 이론을 통해 어떻게 건물의 에너지가 저장, 분산되는지 파악하는 것이었다.

이 결과는 GE의 고객들이 자신들의 에너지 낭비를 줄일 수 있도록 도울 것이다.

이러한 하이브리드 과학자는 GE가 21세기에도 터빈, 제트 엔진, 기관차 같은 경쟁적이고 성숙한 산업에서 성장의 기회를 찾을 수 있는 최선의 시도가 될 수 있다.

소프트웨어연구팀장인 패리스는 2000명의 GE연구원중 이같은 새로운 접근 방식을 ‘지나가는 유행’으로 치부하는 사람들이 적지 않다고 말한다.

하지만 따라오지 못하는 연구원들은 뒤처질 것이다.

지난 1월, GE는 ‘디지털 산업’ 전략과 거리가 먼 분야의 연구원들을 해고했다.

2016년 100명의 인공지능과 로봇 분야 연구원을 새로 채용한 뒤의 일이다.

<본 기사는 테크M 제52호(2017년 8월) 기사입니다>