본문 바로가기

회원사

본문내용

사업분야

홈 > 주요사업 > 사업분야

사업분야.jpg

 


클라우드 서비스, 빅데이터, IoT, 3D프린팅 등 첨단 SW·ICT 기술과 기존산업 분야와 융합을 통하여 새로운 산업과 서비스를 창출할 수 있는 전략과 투자기회 마련을 목표로 새로운 사업을 제시

 

융합의 위험요소 극복을 위한 활동  

적용 가능한 새로운 기술 발굴  

적용 가능한 산업 발굴  

SW·ICT기반 산업융합 환경 구축 지원  

국내 SW·ICT융합산업의 해외 진출 지원  

산업 융합을 위한 법․제도 개선 지원  

SW·ICT융합 인식제고활동 및 대국민 홍보활동

해외 SW·ICT융합 주요단체 및 기업과의 교류협력

 

클라우드

IT 서비스 운영은 인프라 구축에서 시작됩니다.

각종 웹사이트, 동영상 등의 미디어 재생, 게시판의 운영, 음원 제공, 빅데이터의 유지 관리 모두 물리적인 서버와 네트워크를 기준으로 서비스가 제공됩니다.

기본적으로 집에서 PC를 사용하듯 물리적인 서버에 서비스를 위한 프로그램을 설치한 후, 네트워크 연결로 인터넷을 통한 서비스를 제공하며, 더욱 효율적인 관리를 위해서 인프라 구축을 클라우드 환경으로 구성하기 시작하였습니다.

기존 물리서버 1대에 각각의 프로그램을 운영하는 방식은 서비스의 확장이 필요할 때마다 물리서버를 추가로 설치하여 프로그램 설치와 네트워크 연결해야하는 번거로움이 있다는 것이 단점입니다.

클라우드는 고사양의 인프라 환경을 병렬 연동으로 미리 구축하여, 필요한 자원만큼 가상의 플랫폼에 할당해 빠른 시간 내에 인프라의 확장이 가능하도록 가상의 인프라 환경을 제공하는 서비스입니다.

(보통 Virtual Machine의 약자를 사용하여 VM 환경이라 부릅니다.)

가상 플랫폼이므로 서버의 물리적인 코어, 메모리, 용량의 할당이 자유로우며 OS의 최초 설치까지

빠르면 10여 분, 늦어도 1시간 안에 구성할 수 있다는 장점이 있으며 자원활용에 유동적인 대처가 가능합니다. 이미 사용 중인 VM 환경을 그대로 복사하여 확장 운영이 가능한 점 또한 장점으로 꼽을 수 있습니다.

또, 기존의 물리적인 단독 환경의 운영보다 비용도 저렴한데요. 직접 단독 서버를 추가하는 경우 해당 서버가 설치되어야 하는 물리적인 공간(상면) 비용과 네트워크 회선의 비용 등이 추가되어야 하기때문입니다.

다른 서비스로는 각종 IT 업체에서 제공하는 클라우드 서비스가 있습니다. 보통 개인적인 파일의 관리를 PC, USB, 스마트폰 등에서 복사 이동하는 번거로움을 줄이기 위해 넷상에 가상의 파일공간을 제공하여 인터넷만 연결이 가능한 클라이언트라면 어느 곳에서도 자유로운 파일의 사용이 가능하도록 개발된 환경입니다.

전문적인 IT 전략이라기보다는 유저 인터페이스를 고려한 파일 공유의 편리점을 위해 제공되는 서비스로 많이 활용되는 편입니다.

클라우드는 사물인터넷을 이용한 각종 스마트기기와의 연동 운영 또는 가상 환경 시스템과 관련성을 가지고 있으며, IT 계열에서 발전 및 활용성에서 높은 가치를 가진 분야라 할 수 있습니다.

 

빅데이터

디지털 환경에서 생성되는 데이터로 그 규모가 방대하고, 생성 주기도 짧고, 형태도 수치 데이터뿐 아니라 문자와 영상 데이터를 포함하는 대규모 데이터를 말한다. 빅데이터 환경은 과거에 비해 데이터의 양이 폭증했다는 점과 함께 데이터의 종류도 다양해져 사람들의 행동은 물론 위치정보와 SNS를 통해 생각과 의견까지 분석하고 예측할 수 있다.

빅데이터의 등장은 시민이 요구하는 서비스를 제공할 수 있는 기회로 작용한다. 이는 '사회적 비용 감소와 공공 서비스 품질 향상'을 가능하게 만든다. 미 대통령 과학자문위원회는 2010년 발간한 '디지털 미래 전략(Designing a Digital Future)' 보고서에서 '모든 연방정부 기관은 빅데이터 전략이 필요함'을 강조했다. 2012년에 열린 다보스 포럼에서도 위기에 처한 자본주의를 구하기 위한 '사회 기술 모델(Social and Technological Models)'을 제시하고 '빅데이터'가 사회현안 해결에 강력한 도구가 될 것으로 예측했다(Vital Wave Consulting, 2012). 우리나라 국가정보화전략위원회도 2011년 '빅데이터를 활용한 스마트 정부 구현(안)'을 보고했다. '빅데이터'는 민간 기업은 물론 정부를 포함한 공공 부문의 혁신을 수반하는 패러다임의 변화를 의미한다

 

사물인터넷 Internet of Things(IoT)

인터넷을 기반으로 모든 사물을 연결하여 사람과 사물, 사물과 사물 간의 정보를 상호 소통하는 지능형 기술 및 서비스를 말한다.

영어 머리글자를 따서 '아이오티(IoT)'라 약칭하기도 한다. 이 용어는 1999년 매사추세츠공과대학교(MIT)의 오토아이디센터(Auto-ID Center) 소장 케빈 애시턴(Kevin Ashton)이 향후 RFID(전파식별)와 기타 센서를 일상생활에 사용하는 사물에 탑재한 사물인터넷이 구축될 것이라고 전망하면서 처음 사용한 것으로 알려져 있으며, 이후 시장분석 자료 등에 사용되면서 대중화되었다.

사물인터넷은 기존의 유선통신을 기반으로 한 인터넷이나 모바일 인터넷보다 진화된 단계로 인터넷에 연결된 기기가 사람의 개입없이 상호간에 알아서 정보를 주고 받아 처리한다. 사물이 인간에 의존하지 않고 통신을 주고받는 점에서 기존의 유비쿼터스나 M2M(Machine to Machine: 사물지능통신)과 비슷하기도 하지만, 통신장비와 사람과의 통신을 주목적으로 하는 M2M의 개념을 인터넷으로 확장하여 사물은 물론이고 현실과 가상세계의 모든 정보와 상호작용하는 개념으로 진화한 단계라고 할 수 있다

이를 구현하기 위한 기술 요소로는 유형의 사물과 주위 환경으로부터 정보를 얻는 '센싱 기술', 사물이 인터넷에 연결되도록 지원하는 '유무선 통신 및 네트워크 인프라 기술', 각종 서비스 분야와 형태에 적합하게 정보를 가공하고 처리하거나 각종 기술을 융합하는 '서비스 인터페이스 기술'이 핵심이며, 대량의 데이터 등 사물 인터넷 구성 요소에 대한 해킹이나 정보 유출을 방지하기 위한 '보안 기술'도 필수적이다.

키를 가지고 접근하면 자동차 문의 잠금 장치가 자동으로 해제되고 키를 꽂지 않아도 시동을 걸 수 있는 '스마트키', 전기·가스 또는 상하수도를 포함한 에너지를 효율적으로 관리하는 '스마트그리드' 등이 이미 일상에서 활용되고 있다.

 

3D 프린팅

미리 입력한 설계도에 따라 3차원 입체 물품을 찍어내는 기계

3차원으로 특정 물건을 찍어내는 프린터로, 입체적으로 만들어진 설계도만 있으면 종이에 인쇄하듯 3차원 공간 안에 실제 사물을 만들어 낼 수 있는 기기다. 1984년 미국에서 처음 개발됐지만 그간 프린터나 소재가 너무 비싸 극히 제한된 용도에만 사용됐다.

개발 초기에는 플라스틱 소재에 국한됐지만 현재는 미국 등에서 수백만 원대의 보급형 제품이 나오고 부피도 줄어들면서 일반에 확산되는 추세로 나일론과 금속 등으로 범위가 확장되고 있다. 또 산업용 샘플을 찍어내던 것에서 발전해 시계, 신발, 휴대전화 케이스, 자동차 부속품까지 출력할 수 있다. 3D 기술을 활용하면 비용 효율성을 높일 수 있기 때문에 변화가 빠른 제조업 분야에 활용도가 매우 높다. 일본, 미국 등에서는 3D 프린팅 기술을 본격 상용화하고 있다.

한편 미래학자들은 앞으로 3D 프린터가 생산비용을 낮춰 전 세계 제조업 지도를 완전히 바꿔 놓을 것으로 예견하고 있다. 또한 시장조사기관 홀러스어소시에츠는 3D프린터 시장은 해마다 두자릿수 성장률을 유지해 2016년 31억 달러(3조 4500억 원), 2020년 52억 달러(5조8000억 원)까지 커질 것으로 전망하고 있다.

 

홀로그램

3차원 영상으로 된 입체 사진으로, 홀로그래피의 원리를 이용하여 만들어진다. 즉, 입체상을 재현하는 간섭 줄무늬를 기록한 매체이다.

 

인공지능과 4차 산업혁명 [출처 : 위키피디아]

세계는 이미 4차 산업혁명에 진입했으며 인공지능은 빠르게 인간을 대체해 나갈 것이다. 또, 널리 퍼져 있지 않을 뿐 미래는 이미 와 있으며 인공지능, IoT, 클라우드 컴퓨팅, 빅데이터 등이 융합되면서 4차 산업혁명이 발생하고 있다. 과거 산업혁명이 '기계근육'을 만드는 과정이었다면 4차 산업혁명에서는 '기계두뇌'가 탄생할 것이다.[187]

제 1 차 산업혁명 발생시, 산업 기계에 의해 일자리를 잃을 것이 두려웠던 노동자들이 러다이트(기계파괴운동)를 일으켰다. 이와 유사하게, 인공 지능에 의한 4차 산업혁명으로, 많은 사람들이 미래에 일자리를 잃을 것을 우려하고 있다. 한 온라인 설문조사[188]에 따르면, 응답자의 70.1%가 미래에 인공지능에 의해 인간의 직업이 줄어들 것이라고 예상했다.

- 실험적인 AI 연구

인공지능은 1959년MIT AI연구소를 설립한 매카시와 마빈 민스키, 카네기멜론 대학교에 인공지능 연구소를 만든 앨런 뉴웰허버트 사이먼과 같은 개척자들에 의해 1950년도에 실험 학문으로 시작되었다. 이들 모두는 1956년에 매카시, 민스키, IBM의 나단 로체스터 와 클라우드 샤논에 의해 조직되어 열린, 이미 언급된 다트머스 대학의 여름 AI 콘퍼런스에 참가하였다.

역사적으로, 인공지능 연구는 두 개의 부류 -- 깔끔이(Neats)와 지저분이(Scruffies) -- 로 나눌 수 있다. 깔끔이는 우리가 전통적 혹은 기호적(symbolic) 인공지능 연구라고 부르는 분야로서, 일반적으로 추상적인 개념에 대한 기호적 연산과 전문가 시스템(expert systems)에 사용된 방법론을 가르친다. 이와 상반된 영역을 우리는 지저분이(Scruffies) 또는 연결주의자(connectionist)라 부르는데, 시스템을 구축하여 지능을 구현/진화시키려고 시도하고, 특정 임무를 완수하기 위해 규칙적인 디자인을 하기보다는 자동화된 프로세스에 의해서 지능을 향상시키는 방식이다. 가장 대표적인 예로 신경망(neural network)이 있다. 이 두 가지 접근법은 인공지능 역사의 매우 초창기부터 함께 했다. 1960년대와 1970년대를 거치며 scruffy 접근법은 주목받지 못했지만, 1980년대 깔끔이 접근법의 한계가 명확해지면서 다시 주목 받게 되었다. 그러나 현재 두 가지 방식을 사용하는 그 어떤 최신의 인공지능 알고리즘도 확실한 한계가 있다는 것이 명확하다.


특히 1980년대에 들어서 Back propagation (인공지능 학습방법: Training Method)가 소개되면서 많은 연구가 진행되었음에도, 신경망을 이용한 인공지능은 아직 초보단계이다. 인공신경망 (Artificial Neural Networks)을 이용한 많은 연구가 현재에도 진행되고 있지만, 몇 가지 장애로 인해서 실용화하기엔 아직도 먼 기술이다. 인공신경망을 이용한 인공지능이 어느 정도 실용화되기 위해선 우선 실효성 있는 학습방법 (Training Methods)이 필요하다. Back propagation을 이용한 학습방법이 제안되어 연구되고 있지만, 완전한 학습을 이룰 수 없을 뿐만 아니라, 학습에 사용되는 data들이 서로 orthonormal해야 하는 조건 때문에 항상 불완전한 학습으로 끝나기 쉽다. (Converge to Local Mimimum, not to the optimal minimum: 지역최적해에 머뭄. 즉, 눈먼 장님이 가장 낮은 저지대를 찾는 경우 각 현재 지점에서 아래로 내려가려는 성질이 있는데 이때 눈먼 봉사이므로 특정 지점의 저지대에 도달한 경우, 그 지점에선 어디로 가거나 위로 올라가는 것만 있으므로 앞에 설명한 성질에 의해 바로 전에 찾은 저지대 남으려 하는 성질이 있다는 것을 의미함). 이러한 단점들을 보완하기 위해서 Fuzzy Logic, Neurofuzzy (Neural fuzzy logic) and Genetic Algorithms등을 이용한 학습방법이 연구되고 있으나 전망이 밝지만은 않은 상태이다.


미국의 DARPA(미 국방부 최신 기술 연구 프로젝트 관리국)과 일본의 5세대 컴퓨터 프로젝트에 의해서 1980년대 인공지능 연구는 엄청난 연구 기금을 지원 받을 수 있었다. 몇몇 인공지능 선각자들이 거둔 주목할 만한 결과에도 불구하고, 즉각적인 결과를 산출하는 데 실패하게 된다. 이것은 1980년대 후반 인공지능 연구 기금에 대한 대폭적인 삭감을 초래하였고, 인공지능 연구의 침체기를 뜻하는 인공지능의 겨울을 가져왔다. 1990년대, 많은 인공지능 연구가들은 좀 더 구체적인 목적아래 기계 학습, 로보틱스, 컴퓨터 비전과 같은 인공지능과 관련된 하위 영역으로 이동하였고, 순수한 인공지능에 대한 연구는 매우 제한적으로 수행되고 있다
.

- 인공지능 기술의 실용적인 응용


인공지능의 궁극적인 목표인 인간과 같은 지능의 개발이 어려움을 겪자, 다양한 응용 분야가 나타나게 되었다. 대표적인 예가 LISP나 Prolog와 같은 언어인데, 애초에 인공지능 연구를 위해 만들어졌으나 지금에 와서는 인공지능과 관련이 없는 분야에서도 사용되고 있다. 해커 문화도 인공지능 연구실에서 만들어졌는데, 이 중에서도 다양한 시기에 매카시, 민스키, 페퍼트, 위노그라드(SHRDLU를 만든 뒤에 인공지능을 포기했다)와 같은 유명인의 모태가 된 MIT 인공지능 연구소가 유명하다.

다른 많은 시스템들이 한때 인공지능의 활발한 연구 주제였던 기술들에 바탕을 두고 만들어졌다. 그 예들은 다음과 같다:

체커스 게임에서 Chinook은 사람과 기계를 통합한 세계 챔피언을 차지했다. (1994년)

체스를 두는 컴퓨터인 딥 블루(Deep Blue)가 가리 카스파로프를 물리쳤다. (1997년)

불확실한 상황에서 추론을 수행하는 기술인 퍼지논리가 공장의 제어 시스템에서 광범위하게 사용되고 있다.

전문가 시스템이 산업적으로 이용되고 있다.

아직은 인간 번역사에 미치지 못하지만, SYSTRAN과 같은 자동번역기가 광범위하게 사용되고 있다.

인공신경망이 침입 탐지 시스템에서 컴퓨터 게임까지 다양한 분야에 사용되고 있다.

광학 문자 판독 시스템은 무작위로 생성된 타자 문서를 텍스트 형태로 변환시킬 수 있다.

필기체 인식 시스템이 수백만의 PDA에서 사용되고 있다.

음성 인식 기술은 상업적으로 이용 가능하고 광범위하게 적용되고 있다.

컴퓨터 대수 시스템인 매스매티카나 Macsyma와 같은 시스템들은 흔하게 사용되고 있다.

Machine vision 시스템들이 하드웨어 검사나 보안분야와 같은 다양한 산업 현장에서 이용되고 있다.


인공지능 분야와 과학 소설 분야에서는 인공지능 시스템이 인간 전문가의 판단을 대체하리라는 예상이 계속해서 제기되어 왔다. 오늘날에는 몇몇 공학이나 의약 조제 같은 특정 분야에서 전문가 시스템이 인간 전문가의 판단을 보조하거나 대체하고 있다.

사업분야 소셜네트워크
사업분야 QRCODE