[테크월드=양대규 기자] 이제 직접 엔지니어나 기술 애호가가 돼 볼 수 있는 기회가 왔다. 우리는 공상과학 세계에서나 가능한 개념으로 간주했던 아이디어들이 현실에서 실제로 대중화되고 있는 과정을 보고 있다. 자율주행차 등의 현란한 신기술 중 상당수가 5G에서 어떤 식으로든 모습을 갖추고 상용화될 것이다. 그럼에도 SF 기술의 전형은 인공지능(AI)이다. 인간과 교류하는 로봇의 모습이거나, 아니면 공포 영화에서 보듯 인류의 궁극적인 몰락을 가져오곤 한다.
만화 젯슨(Jetsons)에서처럼 로봇에 집안일을 맡기려면 아직 수 년을 기다려야 하지만, 5G와 AI가 결합하면 이 기다림을 단축할 수 있다. 5G와 AI는 상호 지원하는 역할이기도 하지만, 이 둘의 운명은 어떻게 보면 얽혀 있다고 할 수 있다. 5G는 AI가 성공하기 위해 필요한 인프라와 방대한 양의 데이터를 제공하며, 머신 러닝의 발전 덕분에 상용화되기 시작한 AI는 5G의 혼돈과 복잡성을 이해하는 데 도움을 준다.
여기서 분명한 점은, AI와는 달리 5G는 새로운 기술 집합이라는 점이다. AI를 만들기 위한 머신 러닝의 기본 알고리즘은 지난 30년간 크게 바뀐 것이 없다. 역전파(Backpropagation)라는 개념은 매우 간단하다. 데이터 세트와 이와 관련된 예상 결과를 프로세서에 입력해 하나의 패턴을 출력한다. 프로세서에 대한 입력으로 사용되는 데이터 세트와 출력이 많을수록 결과 패턴은 더욱 정확해진다. 머신 러닝의 번영은 방대한 양의 데이터에 달려 있다고 할 수 있으며, 5G는 이 방대한 양의 데이터를 생성한다.
기존의 다른 기술과 확연히 구분되는 5G만의 특징은 지연 시간 규격이 내장돼 있다는 점이다(목표는 1ms). GSMA 인텔리전스(GSMA Intelligence)에서 제공한 아래 다이어그램은 셀룰러 네트워크에 의존하는 다양한 애플리케이션을 시각적으로 보여준다. 회색으로 표시된 애플리케이션은 짧은 지연 시간 외에도 5G가 약속하는 또 다른 특성인 대규모 대역폭과 처리량이 있어야만 작동한다.
높은 결정성과 짧은 지연 시간 등은 증강현실과 같은 애플리케이션에는 필요한 특성이지만, 단순히 영상을 본다거나 전화 통화할 때는 필요하지 않다. 지연 시간은 짧지만 신뢰성은 높은 통신 환경을 구현하려면, 적절한 우선순위의 네트워크 트래피킹이 필요하다. 네트워크 슬라이싱이란 하나의 물리적 공유 네트워크 상에서 완전히 가상화된 여러 네트워크를 사용한다는 개념으로 인기를 끌고 있는 솔루션이다.
예를 들어, 공장에서는 스마트 기계와 공장 장비를 연결하기 위해 지연 시간과 신뢰성을 보장하는 슬라이스에 기꺼이 돈을 지불할 것이다. 휴대폰과 태블릿 등의 직원 통신에 필요한 별도의 슬라이스를 가질 수도 있다. 5G 커넥티드카에는 자율 주행과 기타 미션 크리티컬한 기능 구현을 위한 슬라이스와 인포테인먼트를 위한 별도의 슬라이스가 장착될 수 있다.
네트워크 슬라이싱의 장점에 대해서는 논란의 여지가 없다. 네트워크 슬라이싱은 이미 어느 정도 시장에 출시되기 시작했다. 하지만 이런 유형의 서비스를 제공하려는 네트워크 서비스 사업자의 역량에 있어서는 많은 한계를 드러냈다. 현재 이 슬라이스는 모두 수동으로 구성해야 하며, 5G 추가로 인해 네트워크가 복잡해질수록 슬라이스 설정에 필요한 구성의 양도 증가한다. 이런 작업에 완벽하게 적합한 솔루션이 바로 AI이다. 화웨이(Huawei) 캐리어 비즈니스 그룹의 최고 마케팅 책임자인 밥 카이(Bob Cai)는 '인텔리전스'와 AI가 네트워크 최적화를 촉진해 디바이스의 수요와 엔지니어링된 구성 설정에 따라 백엔드 트래픽이 라우팅된다고 말했다.
5G의 다른 측면에서도 AI가 등장한다. AI는 휴대폰과의 일상적인 상호작용에서 이미 중요한 역할을 하고 있다. 시리(Siri), 알렉사(Alexa), 구글 어시스턴트(Google Assistant) 등의 음성 지원 도우미는 이미 AI를 이용해 사용자의 요청을 처리하고 최선의 답을 전달하고 있다. 하지만 이런 툴을 사용해 본 사람이라면 이 서비스들이 아직 완벽하지는 못하다는 점을 안다. 인텔(Intel) 데이터 센터 그룹의 분석과 AI 수석 데이터 과학자인 밥 로저스(Bob Rogers)는 이런 AI의 보조 수단에서 부족했던 부분인 문맥 인식을 제공하는 방법으로 5G를 간주한다. 언급된 다른 사례들과 마찬가지로, 더 많은 데이터에 액세스하고 오늘날의 LTE 네트워크에서 사용 가능한 것보다 훨씬 빠른 속도로 액세스하기 때문에 장치는 주변 환경을 더 잘 파악할 수 있다.
또한, AI는 IoT(Internet of Things)와 결합할 때 매력적인 이점들을 제공한다. 점점 더 많은 장치가 연결되면서, 인간 패턴에 관한 점점 더 많은 데이터가 기계 학습에 활용될 것이다. 큰 관점에서 보면, 의학 분야에 완전히 혁명을 일으킬 수 있다. 의학 연구는 일정 기간 동안 가능한 한 많은 환자를 추적해 특정 삶의 선택, 라이프 스타일 또는 위치가 그들의 장기적인 건강에 어떠한 영향을 미칠 수 있는지 파악하고자 한다. 인구의 상당수가 스마트 건강 모니터를 착용하는 미래를 상상해 보라. 통계를 위치 정보 태그 지정이나 타임 스탬프할 수 있으며, 집계와 처리를 위해 클라우드로 전송할 수 있다. AI가 처리할 의료 기록이 있는 경우, 다양한 유형의 운동과 전반적인 기대 수명 또는 보다 근본적으로 특정 위치와 암 간의 상관관계를 파악할 수 있다. 보다 단순하게는 AI와 건강 관련 IoT 장치를 사용해 환자를 모니터링하고, 의사를 만나기 전에 증상이 극심해질 때까지 기다리기 보다 훨씬 일찍 질병 치료 권고안을 작성할 수 있다.
AI를 사용하면 보다 스마트하고 효율적인 셀룰러 네트워크를 확실하게 만들 수 있다. 앞서 언급한 다른 애플리케이션에도 AI가 사용될지는 아직 알 수 없지만 이런 신기술들의 가능성은 매력적이고 바람직하다. 그럼에도 그 비용을 사람들이 기꺼이 지불하려고 하지 않을 수도 있다. 최근 사용자의 개인 정보와 데이터 통제 방법에 대해 큰 논란이 벌어진 바 있다. 개인 데이터를 수집하는 기업들에 대한 어느 정도의 불신이 사회에 있다. 최종 결과가 바람직하더라도 부패의 가능성이 높다. 착취 없이 개인 데이터 또는 새로운 비즈니스 모델을 보다 안전하게 보호할 수 있는 방법을 찾는 것도 5G를 성공적으로 수행하기 위해 해결해야 하는 중요한 과제이다.
5G가 지원할 애플리케이션의 가능성은 매우 다양하며 예측하기 어렵다. 다른 혁명적 기술과 마찬가지로, 초기에 획기적이라고 예상된 애플리케이션이 늘 성공하지는 않으며, 우리 모두를 놀라게 하는 것은 이전에 들어 보지 못했던 아이디어들이다.
글: 사라 요스트(Sarah Yost), 내쇼날인스트루먼트 5G 수석 솔루션 마케팅 담당자
자료제공: 내쇼날인스트루먼트(NI)
그래도 삭제하시겠습니까?