들어가며,
인간의 두뇌가 학습하는 방식인 신경망을 응용해 학습하는 딥러닝의 발전으로 인해 인공지능은 제 3의 부흥기를 맞이하고 있다.
2016년 캐나다를 필두로 현재까지 우리나라를 포함해 많은 나라에서 범국가적 전략으로써 인공지능관련 사업뿐만 아니라 관련 인력 풀을 확보하기 위한 노력을 기울이고 있으며, 이러한 흐름을 타고 대학과 기관은 물론 Amazon, Microsoft, Google 등 거대 IT 기업들에서 AI/ML 개발을 돕고 활성화를 위한 플랫폼과 다양한 모델(알고리즘), API 등을 공개하며 발빠르게 시장을 선도하고 있다.
하지만, AI/ML은 복잡한 수학공식을 이해하지 않더라도 단기간에 학습될 수 있는 개념도 아니거니와 많은 시간과 노력, 컴퓨팅 파워를 동시에 요구하기에 입문자들에게는 진입장벽이 높을 수 밖에 없는 상황이다.
그렇다면, 이렇게 개발된 AI/ML 결과물들을 보다 손쉽게 필요한 곳에서 활용할 수 있도록 공유할 수 있는 방법은 없을까?
AI/ML관련 연구나 개발역량이 없더라도 아이디어만 있다면, 진입장벽을 낮추어 보다 더 많은 기회와 경제적 효과를 얻을 수 있지 않을까?
이러한 생각에서 출발하여 AI/ML 마켓플레이스에 대한 리서치를 시작으로 구축 프로젝트를 진행해 보려고 하며, 이와 관련된 시행착오와 결과물들을 시리즈로 공유하고자 한다.
개략적인 연재 순서는 아래와 같고, 각 부는 주제에 따라 하위 섹션으로 구성될 수 있다.
1부. AI/ML 마켓플레이스 리서치
1) AI/ML 마켓플레이스 사례 (I)
2) AI/ML 마켓플레이스 사례 (II)
3) AI/ML 마켓플레이스 사례로 본 시사점
2부. AI/ML 마켓플레이스 구성요건
1) UI/UX 구성요건
2) 아키텍처 구성요건
3부. AI/ML 마켓플레이스 프로토타이핑
물론 AI/ML의 기술적 성취도와 관련해 아직 많은 회의가 있는 것도 사실이다. 인공지능의 총체적 기술력의 완성도를 보여주는 차량의 자율주행 기술의 완성도를 에베레스트를 오르는 여정에 비유한 재미있는 비교표를 소개하며 본 고를 마무리 하고자 한다.
[(Source) Steven E. Shladover, Drive Sweden, Practical Challenges to
Deploying Highly Automated Vehicles, Presentation Material, 2018. 5. 14.]