“IOT과 AI”… 결합한 AIoT의 기술발전

[디지털비즈온 김맹근 기자] 스마트 홈, 스마트 그리드, 스마트 시티, 스마트 팩토리 등 스마트X(SmartX) 에코시스템의 기술적·사회적 발전으로 사회 인프라의 편의성과 효율성, 지능화가 극대화될 수 있었다. 이러한 변화의 결정적인 트리거는 단연 사물인터넷(IoT, Internet of Things)이라 할 수 있다.

공공·민간·국방·교육 등 다양한 산업 분야에서 발생하는 공간, 위치, 온도, 초음파 등의 변동정보를 수집하여 저장, 처리, 공유, 활용할 수 있는 초연결 생태계가 조성되었다. 센싱 기술의 높은 기술 성숙도와 표준화를 통해 사회 인프라 전반의 보편화 및 자동화가 가능해지면서 사물인터넷 시장의 급격한 성장의 촉매제가 되었다.

IoT 분석업체인 IoT Analytics에서 발표한 자료에 따르면 2023년 기준 238빌리언달러(한화 약 318조 2060억원)로 예측되던 시장 점유율은 2027년 기준 483빌리언달러(한화 약 645조 7710억원)에 육박하며 2배가량의 성장률이 예상된다. 사물인터넷 시장의 성장은 효율적인 인프라 관리와 효율성 및 사용자 니즈에 최적화된 맞춤형 서비스를 제공할 수 있는 초석이 되기 때문에 파괴적인 비즈니스 생태계 확장을 의미하기도 한다.

단말형 센싱 디바이스에 머물던 초기의 IoT 기술은 통신 기술이 결합하면서 데이터 송수신이 가능한 연결형 IoT로 발전하였다. 현재는 클라우드, 블록체인, 인공지능, 디지털 트윈, 5G/6G 등의 신기술이 결합된 자율형 IoT를 지향하고 있다. 자율형 IoT로의 기술발전은 단순 데이터 수집 형태를 벗어나 데이터를 통한 업무 효율화 및 자동화로 인한 의사결정을 목적으로 한다.

AIoT의 주요 기술

IoT의 기술 요소와 AI의 기술 요소가 상호 보완적인 형태로 결합한다. IoT환경을 살펴보면 환경 정보나 동작 정보 등을 수집할 수 있는 센싱 디바이스 기술과 수집된 데이터를 전송할 수 있는 유무선 네트워크 기술로 구현된다. AI환경에서는 IoT환경에서 수집된 데이터를 클라우드나 서버로 전송된 빅데이터를 머신러닝이나 인공지능을 통해 분석하게 된다. I

IoT에 적용되는 AI 또한 단순한 M2M(기계 간 통신 장치) 방식에서 딥러닝을 통해 만들어진 AI 지능이 적용된 클라우드 컴퓨팅, 포그 및 에지 컴퓨팅으로 발전했고 나아가 IoT 기기가 직접 의사결정을 지닐 수 있는 인텔리전스 센싱 디바이스까지 발전되고 있다.

AIoT 기술 아키텍처에서 특히 주목해야 하는 것은 에지 컴퓨팅(Edge Computing) 기술이다. 인간의 개입이 최소화된 자율적인 의사결정을 목표로 하는 지능형 IoT나 자율형 IoT로 발전되기 위해서는 대규모 데이터 분석을 통한 인사이트 도출이 필요하다. 기존의 온프레미스 환경은 유연한 자원확보가 어렵기 때문에 대규모 데이터를 수집하고 가공하여 활용하기 위해서는 중앙집중형 데이터 운영모델이 아닌 분산형 데이터 운영모델을 구현해야 한다.

AIoT의 핵심적인 기술 요소인 에지 컴퓨팅에 대해서 보다 자세히 알아보자. 에지 컴퓨팅은 IoT 기기에서 발생한 대량의 데이터를 단독 클라우드 서버에서 처리하지 않고 클라우드 서버와 IoT 디바이스 사이에 에지 컴퓨팅 서버를 위치시켜서 실시간 데이터 분석 등의 업무를 수행시켜 단독 서버 구조의 처리로 인한 서비스 지연 및 대역폭 문제를 최소화할 수 있는 기술이다.

IoT 디바이스를 제어하며 실시간 의사결정을 수행하는 중간자 역할이라고 이해하면 된다. 에지 컴퓨팅은 1990년대 후반 아카마이(Akamai)가 웹사이트 성능과 속도를 개선하기 위해 도입한 CDN(콘텐츠 전송 네트워크)의 개념에서 출발한 것으로 여러 개의 분산된 CDN 서버를 구축하여 사용자와 근거리에 있는 CDN 서버에서 데이터가 전송될 수 있게 하면서 데이터 지연을 최소화하고 서비스 부하를 감소시키는 역할을 수행하게 된다.

에지 컴퓨팅을 통해 데이터가 처리된다고 항상 좋은 결과를 도출하는 것은 아니다. 분석 결과에 직접적인 영향을 미치는 중요한 데이터가 서버에 도달하지 않고 에지 컴퓨팅 영역에서 자체적인 판단에 의해 삭제될 수 있기 때문이다.

이러한 문제를 해결하기 위해서 도입된 것이 바로 포그 컴퓨팅(Fog Computing)이다. 에지 컴퓨팅에서는 불필요하다고 판단되는 데이터를 클라우드와 에지 컴퓨팅 사이에 구성하여 포그 컴퓨팅에서 전송받은 데이터를 현지화된 학습모델이 기안하여 추가 분석을 통해 분석 결과에 미칠 수 있는 중요 데이터를 필터링해 빠른 결과 도출이 가능하게 된다.

지금까지의 설명을 정리하면 클라우드 서버의 데이터 부하 감소 면에서 에지 컴퓨팅과 포그 컴퓨팅이 유사한 개념이라고 볼 수 있으나 자세히 살펴보면 다른 개념이다. 에지 컴퓨팅이 포그 컴퓨팅에 비해 낮은 확장성을 갖고 있으며 비용 역시 에지 컴퓨팅이 훨씬 높은 것을 알 수 있다.

비용적인 측면을 고려하여 에지 컴퓨팅을 포그 컴퓨팅으로 대체할 수 있다고 생각할 수 있으나 데이터 처리가 주목적인 에지 컴퓨팅을 완벽하게 대체할 수 없기 때문에 일반적으로 에지 컴퓨팅과 클라우드를 조합한 구성으로 사용하고 있으며, 목적에 따라 포그 컴퓨팅을 적용하여 사용할 수 있다.