왓슨 (컴퓨터)

왓슨(Watson)

왓슨(Watson)

IBM(아이비엠)

왓슨(Watson)은 IBM이 개발한 인공지능(AI) 시스템으로, 자연어 형식의 질문에 답할 수 있는 컴퓨터 시스템이다. 이 시스템은 IBM의 딥큐에이(DeepQA) 프로젝트를 통해 개발되었으며, 인공지능 전문가 데이비드 페루치(David Ferrucci)가 주도하였다. 왓슨의 이름은 IBM의 전 회장인 토머스 왓슨(Thomas Watson)에서 따온 것이다.

개요

왓슨은 사람의 목소리를 인지하고 인간이 묻는 질문의 답을 찾아 음성으로 답하는 인공지능 컴퓨터이다. 인간을 닮은 컴퓨터 튜링기계인 인공지능은 아이비엠 연구소가 개발한 왓슨에 의해 현실화되었다. 인간의 언어로 묻는 질문을 알아듣고 빠른 시간 안에 답을 찾아내어 음성으로 답하는 왓슨 컴퓨터는 인간의 지능과 닮았을 뿐만 아니라 속도와 정확성에서는 인간의 능력을 앞섰다. 아이비엠의 초대 회장 토머스 왓슨(Thomas John Watson)에서 이름을 따온 왓슨은 "고도의 자연 언어처리, 정보수집, 지식재현, 사고, 기계학습을 질문-응답 영역에 적용한 것"이라고 한다. 왓슨은 파워 세븐(Power 7) 프로세서와 아이비엠의 딥큐에이 소프트웨어를 결합했다. 90개의 아이비엠 파워 750(Power 750) 서버로 구성되고, 총 2880개의 파워세븐 코어 프로세서가 작동하며 18테라바이트의 램을 이용한다.

주요 인물

• 데이비드 페루치(David Ferrucci) : 왓슨을 개발한 아이비엠이 진행한 딥큐에이 프로젝트의 리더였다. 1995년부터 아이비임 왓슨리서치센터에서 인공지능을 연구한 그는 2011년 왓슨이 역대 최고 퀴즈왕들을 물리친 뒤 전 세계적인 스포트라이트를 받으며 인공지능 분야의 최고 권위자로 인정받았다. 그는 인공지능 기술을 의료분야에 적용하는 새로운 프로젝트 개발을 책임졌고 사람들은 모두 그가 인공지능 기술로 의료분야에서 또 한 번의 놀라운 성과를 얻어낼 수 있을 거라 믿어 의심치 않았다. 그런데 2012년 퍼루치 박사는 17년 간 근무했던 아이비엠을 떠나 대형 헤지펀드 회사인 브릿지워터 어소시어츠(Bridgewater Associates) 사에 합류했다. 이 사실을 두고 인공지능 분야에서 많은 말들이 있었지만 그는 한 매체와의 인터뷰에서 인공지능 기술을 주식시장과 경제모델로 확장 및 적용해보고 싶어 아이비엠을 떠났다고 밝혔다. 페루치 박사는 브릿지 워터에서 회사의 경영 방향을 제시하고, 심지어는 어디에, 어떻게 전화를 해야 하는지 등의 사소한 업무까지도 알려주는 인공지능 시스템인 프리오에스(PriOS)의 인공지능 사업팀을 맡고 있다.

등장배경

1997년, IBM의 딥 블루가 체스 세계 챔피언 가리 카스파로프(Garry Kasparov)와의 대결에서 승리하였다. 이후 IBM은 새로운 도전에 나섰다. 2004년, IBM 연구팀의 매니저 찰스 리켈은 레스토랑에서 사람들이 제퍼디에서 74회 우승한 켄 제닝스(Kenneth Jennings)의 경기를 시청하며 침묵에 빠져 있는 모습을 관찰하였다. 식사 중이던 손님들이 TV 앞으로 모여들어 제퍼디를 시청하고 있었다. 이에 IBM 연구팀의 이사인 폴 혼(Paul Horn)은 찰스 리켈에게 개발자들을 배정하여 제퍼디에서 인간을 이길 수 있는 시스템, 즉 왓슨의 개발을 지시하였다.

2006년, IBM 개발부서의 수석 매니저인 데이비드 페루치가 처음으로 테스트를 시행하였다. 왓슨은 제퍼디의 500개의 단서를 받아 테스트를 진행하였고, 경쟁자인 사람들 중 최고득점자는 왓슨보다 절반의 시간으로 95%의 정답률을 기록했지만, 왓슨은 15%의 정답률을 보였다. 2007년에는 IBM 왓슨 개발팀이 이 문제를 해결하기 위해 3년에서 5년의 개발 기간과 15명의 연구자들을 배정받았다. 2008년, 개발팀은 왓슨을 제퍼디 챔피언과 겨룰 수 있는 수준으로 개선하였다. 2010년, 왓슨은 인간 제퍼디 경쟁자를 상대로 승리를 거두었다.

퀴즈쇼 제퍼디 출연

2011년 2월 14일, 미국의 유명 퀴즈쇼 제퍼디(Jeopardy!)에 출연한 왓슨은 딥 블루와 유사한 기술 시연 프로젝트로 평가된다. 제퍼디를 선택한 이유는 IBM의 연구 책임자가 동료들과의 식사 중, 식당 내 모든 사람들이 제퍼디의 최다 연승자를 보기 위해 TV에 집중하는 모습을 보고 결정했다고 한다. 실제 개발은 2005년에 시작되었으며, 이는 체스보다 더 복잡한 실시간 언어 분석이 필요했기 때문이다.

제퍼디 출연 시, 일반적으로 자필로 표기되는 이름 표시는 컴퓨터 폰트로 대체되었고, 사람의 서있는 위치에는 IBM의 지구 모양 심볼이 표시되는 디스플레이가 배치되었다. 이 심볼의 지구 위에는 42개의 실가닥이 움직이도록 디자인되었으나, 공간 부족으로 인해 실제 구현에는 제한이 있었다. 문제 분석 중에는 디스플레이의 지구본 로고가 색깔을 바꾸고 실가닥이 활발히 움직이는 모습이 관찰되었다.

메커니즘을 간단히 설명하자면, 문제 입력 시 문제를 구성하는 키워드 조각을 분석하여 스토리지에서 일치하는 정답을 검색하며, 정답이 50% 이상일 때 부저가 울리는 구조이다. 제퍼디 게임 중에는 인터넷 연결이 없었으며, 사회자가 문제를 모두 읽어야 버저를 누를 수 있다. 그러나 많은 경우, 왓슨과 사람 모두 사회자가 문제를 모두 읽기 전에 답을 결정하는 경우가 많아, 빠른 반응 속도로 승리를 거두었다. 높은 정확도로 완벽한 답변이 기대되지만, 메커니즘이 완벽하지 않아 게임 도중에는 시간이 지연되거나 오답이 나오기도 했다. 실제로 한 게임에서 미국 도시를 묻는 질문에 "What is Toronto?????"라고 답하기도 했다.

16일까지 방영된 IBM 챌린지에서 왓슨은 퀴즈쇼에서 74연승을 기록하며 250만 달러를 획득한 최다 연승자 켄 제닝스와 다른 역대 챔피언 브래드 러터를 제치고 우승하였다. 첫날 경기가 끝났을 때 상금은 왓슨 35,634달러, 제닝스 4,800달러, 러터 10,400달러였으며, 둘째 날에는 77,147달러, 24,000달러, 21,600달러였다. 왓슨은 점차 격차를 벌리며 최종일에 강력한 페이스로 우승을 차지했다. 제닝스는 2위, 러터는 3위를 기록했으며, IBM은 우승 상금 100만 달러를 전액 자선단체에 기부했다. 나머지 두 명은 절반의 상금을 자선단체에 기부하였다.

이후 왓슨은 하원의원들과의 비공식 매치를 진행하였으며, 이는 과학기술이 사회에 미치는 영향을 정계에 알리기 위한 목적이었다. 켄 제닝스는 마지막 문제에서 "우리의 컴퓨터 절대군주를 환영한다(I for one welcome our new computer overlords)"는 메시지를 남겼다. 컴퓨터가 항상 정답을 맞힐 수 있다는 생각은 오해일 수 있다. 왓슨은 인터넷에 연결되어 있지 않았고 모든 지식을 다운로드한 것도 아니다. 제한된 범위 내에서 답변을 제공하므로 제퍼디 게임에서 질 수도 있는 일이라는 점은 염두에 두어야 한다.

이길 수 있었던 이유

기계가 퀴즈쇼에 출연하기 위해서는 우선 인간의 언어로 묻는 질문을 이해할 수 있어야 한다. 또한 동음이의어나 말장난이 포함된 문제의 의도를 파악하고 빠른 시간 내에 정확한 답을 도출할 수 있어야 한다. 이는 가능한 모든 경우를 고려하여 최적의 답을 찾는 체스 문제보다 훨씬 더 복잡한 작업이다. 하지만 당시 왓슨은 인간이 자연어로 묻는 질문을 신속하게 이해하고 답을 제시하는 능력을 보였다. 이는 속도와 정확성 모두에서 인간의 지성을 뛰어넘는 듯 보였다. 왓슨은 기계가 갖기 어려운 것으로 여겨졌던 추론 능력까지 갖춘 것으로 평가되었다.

IBM의 설명에 따르면, 왓슨은 고도의 자연어 처리, 정보 수집, 지식 표현, 사고, 기계 학습 기술을 활용하여 개방적인 질문-응답 시스템을 구축하였다. 즉, 왓슨은 인간의 언어를 이해하고 판단하는 데 최적화된 인공지능 슈퍼컴퓨터이다. 하드웨어 측면에서 왓슨은 8개의 코어 프로세서가 장착된 IBM 파워 750 익스프레스 서버 90대로 구성되어 있으며, 총 2,880개의 코어와 16TB의 메모리를 장착하고 있다. 이 덕분에 왓슨은 1초에 500기가바이트의 데이터를 처리할 수 있다.

소프트웨어 측면에서는 IBM의 DeepQA 기술이 사용되었다. DeepQA 기술은 가설을 설정하고 방대한 증거를 수집하여 이를 연결하고 분석하며 점수를 매겨 질문에 답한다. 왓슨은 질문을 단어 단위로 나누어 분석하고, 데이터베이스에서 가능성 있는 답을 수집하여 그 근거를 평가하고 최종 정답을 결정한다. 또한 왓슨은 사전, 백과사전, 참고문헌, 위키피디아 등을 포함하여 4TB에 달하는 2억 페이지 분량의 구조화된 데이터와 비구조화된 데이터를 활용하였다. 경기 중에는 공정성을 위해 인터넷에 연결되지 않았으며, 세상의 모든 지식을 전부 다운로드한 것은 아니었다. 결국 왓슨의 성공은 강력한 하드웨어의 처리 능력과 인간의 언어를 이해하여 답을 찾을 수 있는 알고리즘, 그리고 방대한 양의 데이터를 학습하고 축적할 수 있는 빅데이터의 결합에 의해 이루어진 것이다.

작동 방식

질문이 왓슨에게 주어졌을 때, 질문의 주요 특성을 추출하기 위해 질문을 분석한다. 답변을 포함할 가능성이 있는 구문의 자료나 정보의 모음을 찾아서 일련의 가설을 생성한다. 다양한 추론 알고리즘을 사용하여 질문의 언어와 각 가능성 있는 응답 언어 간의 비교를 수행한다. 이 단계는 서로 다른 비교를 수행하는 수 백개의 추론 알고리즘이 사용되기 때문에 매우 어려운 작업이다. 어떤 것은 시간과 공간의 특징을, 어떤 것은 맥락 정보와 관련된 정보 소스를 찾는다. 각 추론 알고리즘은 각각 집중하는 영역에 기반하여 질문에 의해 가능 답변이 추론되는 정도를 점수로 만들어 낸다. 각 결과 점수는 왓슨이 훈련 기간 동안 해당 도메인에서 두 개의 유사한 구문 간의 추론을 생성할 때, 얼마나 잘 수행된 알고리즘인지를 알게 되는 통계 모델에 의해 가중치가 부여된다. 이 통계 모델은 왓슨이 질문에 대한 답변 후보들에 대한 신뢰도를 요약할 때 사용된다. 왓슨은 다른 답변들보다 강력한 후보라고 생각하는 답변을 찾을 때까지 각 답변 후보에 대해 이 과정을 반복한다.

구조적 기본 기능

국내외를 막론하고 왓슨의 기본적인 구조와 기능은 널리 알려져 있지 않다. 왓슨의 구조적 기본 기능은 왓슨 어시스턴트(Watson Assistant), 왓슨 익스플로러(Watson Explorer), IBM 왓슨 날리지 스튜디오(Watson Knowledge Studio), 빅 애널라이저(BicAnalyzer) 등으로 요약할 수 있다.

• 왓슨 어시스턴트(Watson Assistant) : 자연어 처리(NLP)를 기반으로 작동하는 SaaS(Software as a Service) 가상 어시스턴트 플랫폼이다. 왓슨 어시스턴트를 활용하면 기업이 챗봇과 가상 도우미를 개발하고 배포할 수 있다. 이 플랫폼을 통해 기업은 고객의 일반적인 문의를 처리하고 정보를 제공하며, 고객 서비스와 직원의 셀프 서비스 작업을 자동화할 수 있는 가상 도우미를 설계하고 훈련할 수 있다.
• 왓슨 익스플로러(Watson Explorer, WEX) : 비정형 데이터에서 인사이트를 추출하는 솔루션으로, 기존 검색엔진과는 달리 의도나 감성 분석, 콘텐츠 마이닝을 지원한다. IBM WEX는 다양한 비정형 데이터 문서에서 자연어 처리(NLP)를 통해 감성 분석을 수행할 수 있다.
• IBM 왓슨 날리지 스튜디오(Watson Knowledge Studio, WKS) : 비정형 데이터, 특히 자연어를 처리하기 위한 머신러닝 빌드 도구이다. 금융 기관은 WEX에서 생성된 규칙(Rule)과 데이터 샘플을 활용하여 WKS 머신러닝 결과의 정확도를 향상시키고 학습 시간을 단축하며, 향후 클라우드 환경 없이도 WEX를 활용해 자동화된 규칙 처리 환경을 구현할 수 있다.

결론적으로, 수집된 정형 및 비정형 데이터는 분석 모델 인풋 데이터를 생성하는 WKS와 WEX 빅 애널라이저(BicAnalyzer)에 적재되며, WKS는 이 데이터를 통해 머신러닝을 수행하고, 그 결과를 WEX에 제공하는 구조로 이루어져 있다.

생성형 AI : 왓슨X

왓슨X는 기존 머신러닝 및 최신 파운데이션 모델을 구축하고 개선할 수 있는 기업용 AI와 데이터 플랫폼이다. 비즈니스 전용으로 설계되었으며, 데이터가 어디에 있든 신뢰성 있고 투명하게 활용된다. 왓슨X의 핵심은 신뢰성이다. 기업은 AI가 고객과의 상호 작용 시 허위 정보를 사실처럼 제시하거나, 부적절한 언어를 사용할 염려 없이 확신을 가질 수 있어야 한다. 고객의 정보 유출을 방지하기 위해 온프레미스에 설치 가능한 버전을 제공하는 것도 특징이다. 이러한 목표를 달성하기 위해 IBM은 왓슨X를 왓슨x.ai, 왓슨X.데이터, 왓슨X.거버넌스 등 세 가지 구성 요소로 나누고 있다.

왓슨X.ai

IBM 왓슨X.ai는 차세대 기업용 AI 스튜디오이다. 이 스튜디오는 AI 개발자들이 머신러닝을 기반으로 AI를 구축하고 실행하며 배포할 수 있도록 IBM 왓슨 스튜디오 기술과 최신 생성AI 기술을 결합한 것이다. 이 AI 스튜디오는 고객이 직접 구축하거나, IBM이 선별하고 학습시킨 다양한 파운데이션 모델과 오픈소스 FM을 쉽게 활용할 수 있도록 파운데이션 모델 라이브러리를 제공한다. IBM의 파운데이션 모델은 언어는 물론 코드, 시계열 데이터, 표 형식 데이터, 지리공간 데이터, IT 이벤트 데이터 등 여러 분야와 형식의 데이터에 대해 학습하고 있다.

또한, 엄격한 필터링과 정제 과정, 법적 또는 안전 문제 검토와 감사가 가능한 데이터 계보 등 데이터 수집과 출처, 품질에 대한 엄격한 기준을 바탕으로 구축된 대규모 기업용 데이터 세트를 사용하고 있다. IBM은 허깅 페이스와 협력하여 수천 가지 허깅 페이스 오픈소스 FM과 데이터 세트를 제공할 예정이다. 이는 고객이 각각의 비즈니스에 적합한 모델과 아키텍처를 선택할 수 있도록 하는 개방형 생태계 접근 방식을 제공하기 위한 IBM의 노력이다.

왓슨X.데이터

IBM 왓슨X.데이터는 데이터 웨어하우스의 고성능 처리 기술과 데이터 레이크의 유연성을 결합한 새로운 데이터 레이크하우스 솔루션이다. 정형 데이터와 비정형 데이터를 자유롭게 저장하고 활용할 수 있으며, 저렴한 개방형 스토리지를 지원하면서도 높은 성능을 제공한다. 왓슨X.데이터는 클라우드와 온프레미스 버전을 제공하며, 중앙집중식 거버넌스와 보안, 자동화 기술을 내장하고, 멀티 쿼리 엔진과 스토리지 계층 기술을 채택하고 있다.

AI를 통해 비즈니스 가치를 극대화하기 위해서는 데이터 분석가나 데이터 과학자뿐만 아니라 모든 기업 사용자가 신뢰할 수 있는 고품질의 검증된 데이터를 셀프 서비스로 활용할 수 있어야 한다. 이를 위해 왓슨X.데이터는 FM과 생성형 AI를 활용하고 있으며, 사용자가 자연어 문장과 질문을 통해 필요한 데이터를 활용할 수 있도록 돕는 시맨틱 오토메이션(Semantic Automation) 기능을 제공한다. 이 기술을 통해 사용자는 코딩이나 데이터 엔지니어링 전문 지식 없이도 셀프 서비스 대화 기능을 사용하여 데이터를 쉽게 검색하고 보강하며 정제할 수 있다.

왓슨X.거버넌스

IBM 왓슨X.거버넌스는 생성형 AI 및 머신러닝 모델을 관리하기 위한 도구이다. 이 도구는 컴플라이언스, 위험 관리, 모델 수명 주기 관리라는 세 가지 주요 영역을 문서화한다. 모델의 라이프사이클 관리 초기 단계부터 모델 채택 과정 내의 변경 사항과 지표를 문서로 기록하는 방식이다. 왓슨X.거버넌스는 고객의 거버넌스 정책 외에도 IBM이 전사적으로 추진하는 모범 사례 워크플로우 정보를 함께 제공한다.

IBM은 기업의 모범 사례를 기본적으로 제공하면서, 부서나 직급에 관계없이 이해관계자가 AI 사용 사례를 만들 수 있도록 지원한다. 이해관계자는 해당 작업 또는 사용 사례에 적합한 모델을 채택하기 위해 필요한 특정 정보만 제출하면 된다. 또한, 왓슨X.거버넌스는 기업의 AI 사용 및 거버넌스 정책을 바탕으로 위험 분석을 수행하고, 특정 사용 사례에 적합한 모니터링 유형을 제안한다. 위험 분석 후, 고객은 여러 모델을 비교하고, 현재의 사용 사례에 가장 적합한 모델을 선택할 수 있다.

IBM은 이러한 모델의 성능 정보를 팩트 시트에 정리한다. 이를 통해 기업은 비교하는 각 모델의 기준선을 설정하고, 사용 사례를 지원하기 위해 어떤 모델을 선택했는지에 대한 감사 추적도 생성한다. 감사 추적은 모델 도입의 시작 단계부터 진행된다. IBM에 따르면, 감사 추적을 활용하면 고객은 모델 배포 후 생성된 정보를 확인하고, 실시간으로 변경 사항을 추적할 수 있다. 추가로, 왓슨X.거버넌스는 모델에 문제가 발생하거나 성능이 저하되거나 업데이트가 필요할 경우 이를 기록하고, 고객에게 해당 정보를 별도로 통지한다.

적용 분야

의료·헬스케어

임상의사결정지원시스템(CDSS)은 환자 개개인의 특징을 접목시킨 임상적 의사결정을 직접적으로 돕기 위해 고안된 임의의 소프트웨어 또는 환자의 돌봄 과정에서 진단이나 치료와 관련된 임상적 의사결정을 개선하기 위해 고안된 임의의 시스템을 뜻한다. 환자 특이적인 사정과 권고안을 주기 위한 목적으로 정보화된 지식 데이터베이스을 기반으로 한다. 임상 의사 결정 지원시스템이 사용되는 분야는 크게 두 가지로 나눈다. 첫째, 의학적 관리 분야로 헬스케어를 위한 정보를 검색하거나 의료인에 의해 요구된 정보를 제공하기 위한 분야이다. 둘째, 임상적 분야로서 환자를 진단하고 치료하기 위한 약물 제조에 대한 경고 및 조언 기능에 초점을 맞춘 분야이다. 임상 의사 결정 지원시스템은 특정 환자와 관련된 주의, 경고, 추적조사, 임상예측규칙, 계산, 알고리즘 및 리마인더를 발생시킨다. 이러한 시스템은 급성 또는 이차적 진료, 예방, 진단 시 질병 관리, 영상의 인식 및 해석 등에서 사용된다. 미국의 경우 전자식 건강기록(EHR)을 의무화하고 있으며, 모든 헬스케어 시설에 전자식 건강기록을 의무화했을 때의 목표는 수집된 환자 데이터를 임상 의사 결정 지원시스템을 통해 분석하여 더 우수하고 저렴한 헬스케어를 추진하는 것이다. 우리나라의 경우 대부분의 상급종합병원에서 전자의무기록을 도입하고 있음으로 왓슨과 같은 컴퓨터를 이용한다면 한국인의 질병을 체계적으로 분석하고 치료 경과 등을 파악할 수 있을 것으로 예상된다.

데이터마이닝(data mining)이란 대량의 데이터로부터 쉽게 드러나지 않는 유용한 정보들을 추출하는 과정을 뜻한다. 데이터마이닝을 효과적으로 수행하기 위해서는 시계열분석 등 각종 통계기법과 데이터베이스 기술뿐만 아니라 산업공학, 신경망, 인공지능, 전문가 시스템, 퍼지이론, 패턴인식, 기계학습, 불확실성 추론, 정보검색에 이르기까지 각종 정보기술들을 사용하게 된다. 데이터마이닝을 흔히 데이터베이스에서 지식발견, 혹은 지식 추출, 정보 수확, 정보 고고학, 데이터 패턴 처리 등으로도 통용된다. 의료산업에서 데이터마이닝은 병원에서 진료진에 의해 작성된 각종 기록, 각종 장비에서 측정된 환자의 생체정보, 환자에게 투약된 약, 각종 시술을 바탕으로 하여 환자의 질병에 대한 치료 경과, 약품의 효과 등을 데이터마이닝을 통해 추출해 낼 수 있다.

• 가천대 길병원 : 2012년 한국 가천대학교 길병원은 국내 최초로 메모리얼슨론케터링(MSK)암센터에서 아이비엠 왓슨을 도입하였다. 유방암, 폐암, 대장암, 직장암, 위암 치료에 활용하고 있다. 레지던트 생활을 하며 암 환자의 진료를 터득하여 교육을 받고 있다. 선진 의료기관의 자체 제작 문헌과 290종의 의학 저널, 200종의 교과서의 전문자료를 습득하였다. 왓슨은 의료진의 소견서와 진단서에 나타난 정형 및 비정형 자료의 의미와 맥락을 분석하고 이를 이용하여 환자의 특성에 맞는 맞춤치료 옵션을 제안한다.

• 바로우 신경센터 : 왓슨은 신약 연구에도 활용된다. 세계 최대 신경질환 치료 연구 전문기관인 바로우 신경기간(BNI)에서 루게릭병 신규 약물요법 연구에 왓슨 포 드럭 디스커버리를 도입하고 활용하고 있다. 수백만 페이지의 연구자료와 1500여개의 표적 단백질, 산재된 이미상 데이터 등으로 루게릭병 관련 약물 개발 과정이 매우 느리게 진행 중이었지만, 왓슨 도입 이후 5개의 표적을 규명하는데 수년 걸리던 작업을 수개월로 단축할 수 있었다.

• 언더아머(under armour) : 미국 스포츠웨어 브랜드인 언더아머는 자사 헬스케어 앱 유에이레코드(UA Record)에 왓슨 기술을 적용했다. 수면, 운동, 활동, 영양 정보를 추적하여 개인의 건강관리사, 운동 트레이너 역할을 수행한다. 향후에는 아이비엠이 보유하고 있는 빅데이터를 언더아머 사용자들이나 전문 선수들의 코칭에 사용할 수 있는 앱이 제작될 계획이다. 또한 날씨가 운동 성과나 코칭 활동에 미치는 영향 등 부가적인 데이터 분석 기능도 포함될 예정이다.

유통

• 노스페이스 : 아웃도어 브랜드 노스페이스는 2015년 온라인 쇼핑몰 도우미 플루이드리테일(Fluid Retail)을 선보였다. 방문자가 쇼핑 중 던진 질문을 분석하여 구매 결정을 도는 서비스이다. 소비자들의 온라인 쇼핑 패턴을 분석하고 유통기업과 연계하여 소비자가 필요로하는 정보를 제공한다. 또한 방대한 분량의 상품 정보, 리뷰, 전문가 코멘트 등을 분석하여 고객의 니즈에 최적으로 부합하는 상품을 매칭한다.

• 메이시스 : 백화점 체인 메이시스(Macy's)는 오프라인 매장 탐색용 웹서비스 메이시스온콜(Macy's on call)을 출시했다. 방문객은 매장별 제품 위치, 서비스, 시설 관련 질문을 하여 답을 들을 수 있다. 이 서비스는 아이비엠의 왓슨이 제공하는 자연어 처리 응용 프로그램 인터페이스를 이용한다. 왓슨은 기계 학습을 통해 대화를 많이 할수록 맞춤형 대답을 더 잘하게 된다. 왓슨이 학습한 내용은 소비자 참여 플랫폼인 세티스피(satisfy)의 솔루션을 통해 정리된다. 이로 인해 백화점 측면에서는 상담 인원 확보, 고객 안내를 위한 사이니지 배치 등의 부담에서 벗어날 수 있다.

• 롯데 : 롯데그룹은 2016년 12월 26일 한국 아이비엠과 클라우드 기반 인지 컴퓨팅 기술인 아이비엠 왓슨 솔루션을 제공하는 계약을 체결했다. 이 계약으로 가장 먼저 구축할 영역은 지능형 쇼핑 어드바이저와 지능형 의사결정 지원 플랫폼이다. 지능형 쇼핑 어드바이저는 챗봇을 기반으로 한 애플리케이션으로 백화점 등 유통 관련 계열사에 도입하여 고객이 챗봇과의 대화를 통해 상품을 추천하고 매장을 설명하는 등의 서비스를 받아볼 수 있도록 한다. 지능형 의사결정 지원 플랫폼은 식품 계열사의 신제품 개발을 위한 전략 수립에 활용한다. 왓슨을 통해 외부 시장 데이터와 내부 시스템의 매출·제품 정보 등을 분석하여 신사업을 개발하고 출시하기 위한 의사결정에 도움을 받는다. 2017년 롯데제과는 왓슨의 도움을 받아 '빼빼로 깔라만시 상큼요거트'와 '빼빼로 카카오닙스'를 출시했다. 인공지능을 활용한 과자 출시는 처음이다. 왓슨을 이용하여 8만여 개의 식품 관련 인터넷 사이트에 게재된 약 1000만 건의 정보를 수집하고 수집된 데이터의 노출 빈도, 관련성 등 항목별로 분석하여 카테고리별로 현재 소비자들이 좋아하거나 인기를 끌 가능성이 높은 소재와 맛을 도출해냈다.

금융

스위스 보험사 스위스리(Swiss Re)는 2015년 10년 왓슨을 활용하여 보험설계사의 가격 위험 예측과 의사결정 근거를 강화한 보험인수 솔루션을 만들기 시작했다. 스페인의 카이샤뱅크(CaixaBank)는 2014년 10월 아이비엠과 파트너십 이후 외국인 증권거래업무 솔루션에 왓슨을 적용했다. 미국 세무법인 H&R 블록(H&R Block)은 지점 1만여 곳에서 왓슨 기술을 사용하는 방안을 협의했다. 왓슨은 고객 서류에서 누락될 수 있는 공제 및 감면 금액을 찾아내어 회계사의 일을 돕는다. 현대카드는 2016년 8월 첫 한국어 왓슨 기반 챗봇 서비스인 현대카드 버디를 베타 서비스로 시작했다. 현대카드 버디는 모바일 앱, 웹사이트, 소셜 채널에서 고객의 신용카드, 혜택과 사용 조건, 장단기 대출 서비스와 컬처 프로젝트 등 부가 서비스 문의에 답하고 있다.

법률·행정

• 베이커호스테틀러(BakerHostetler) : 미국 로펌 베이커호스테틀러는 2016년 5월부터 왓슨을 기반으로 한 법률 자문솔루션 로스를 사용 중이다. 회사에서 로스쿨을 갓 졸업한 신임 변호사의 일인 법률 리서치 업무를 맡아 기존 소요시간을 20~30% 줄였다. 로스는 자연어처리와 머신러닝 기술로 일반적인 법률 자문과 자연어 기반의 질문에 답하는 역할도 수행한다.

• 호주 특허청 : 호주 특허청은 2015년 2년 행정업무에 왓슨을 시범 도입하였다. 방대한 특허 데이터와 업무 처리 과정을 학습하여 특허 심사청구자에게 맞춤 조언을 제공하고, 해당 특허의 적합성을 판단하는 특허심사관의 업무를 지원하는 역할을 맡았다.

로봇·소프트웨어

• 소프트뱅크(SoftBank) : 일본의 소프트뱅크는 2015년 2월 아이비엠과 제휴했다. 왓슨을 기반으로 휴머노이드 로봇인 페퍼에 탑재될 인공지능을 개발하고 현지 파트너, 개발자, 기업으로 왓슨을 확장한다는 구성을 제시했다. 이를 위해 왓슨에 일본어를 지원하기 위한 학습을 수행하고 왓슨 응용 프로그램 인터페이스를 활용한 앱 개발 환경을 구축하며 교육, 은행, 보험, 소매, 의료 분야 클라우드서비스를 제공한다.

• 오토데스크(Autodesk) : 제조설계 및 3D 그래픽 소프트웨어업체인 오토데스크는 2016년 10월 구독형 제품 공급 모델을 도입하면서 왓슨을 활용한 옷토(Otto)를 만들었다. 옷토는 온라인 실시간 고객지원 채널로 1.5일이 걸렸던 고객의 이슈 해결 시간을 필수정보 입력 시간만큼 줄였다.

문화

• 영화 : 왓슨은 영화 예고편을 제작하였다. 예고편을 제작하기 위해 100개의 공포 영화 예고편을 분석하고, 학습된 정보를 바탕으로 예고편에 사용할 장면 10개를 추출했다. 시스템이 영화를 보기 시작해서, 90분 영상에서 6분 영상을 추출하고, 추출된 영상을 편집자가 수정하여 최종 예고편 영상으로 완성되는 데 약 24시간이 걸렸다. 일반적으로 10~30일 걸리는 것을 고려할 때, 단순한 수작업 시간을 줄이는데 인공지능이 활용될 수 있는 가능성을 보여주었다.

• 음악 : 왓슨 비트(beat)를 통해 음악가가 노래를 작곡하는 데에도 협력했다. 왓슨은 5년간의 문화 데이터를 수집하고 분석하여 각 연도의 감성 레벨(emotional temperature)을 파악하였고, 뉴욕 타임스 기사, 영화 대본, 노래 가사, 트위터나 블로그 등 소셜 미디어에 게시된 코멘터리를 살펴본 뒤, 왓슨 비트 기술을 통해 빌보드 차트 상위에 기록되었던 음악을 분석하여 5년간의 음악 트렌드를 알렉스 다 키드(Alex da kid)에게 알려주어 작곡하는 것을 지원했다.

블록체인

한국 아이비엠은 2016년 5월 '블록체인의 미래를 묻다. 디지털 금융의 혁신을 선도!'라는 주제의 국내 금융산업 고객을 대상으로 한 세미나를 열었다. 지니 로메티 IBM 최고경영자는 블록체인을 향후 금융시장을 바꿀 중요한 전략 사업으로 판단하고 관련 기술 개발에 적극적으로 투자하고 있으며 런던, 도쿄, 싱가포르에도 블록체인 연구소를 열고 유럽 및 아시아 지역 금융시장 투자를 강화할 예정이다. 아이비엠은 왓슨을 이미 보유하고 있는 클라우드, 보안, 시스템 등의 블록체인 기술에 연계하여 차별화한다는 계획이다. 다음은 왓슨을 물류관리, 의료정보관리 블록체인 기술에 연계한 예시이다.

• 물류관리 : 글로벌 컨테이너 운송 기업인 머스크라인(Maersk Line)과 아이비엠이 왓슨 기반 블록체인 기술을 컨테이너 화물 추적 시스템에 적용했다. 블록체인 기술의 도입으로 물류 운송에 필요한 서류 작업이 사라지고 운송 속도가 한층 빨라질 전망이다. 월마트(Wal-Mart)를 비롯하여 400여개의 고객사가 해당 서비스를 이용하기 위해 가입하였다.

• 의료정보관리 : 아이비엠의 왓슨 헬스 인공지능 사업부가 미국 에프디에이와 함께 블록체인 기술을 이용하여 의료 연구 및 기타 목적용으로 환자 데이터를 안전하게 공유하기 위해 2년간의 공동 개발 계약을 체결했다. 전자의무기록(EMR)은 인구 통계, 치료 및 유전자 정보 등을 포함하여 많은 데이터를 담고 있으며, 생체 의료 연구용 보관소로도 쓰일 수 있다. 하지만 전자 의무 기록의 데이터는 매우 민감하므로 의사와 의사 결정을 돕는 연구 및 임상용 정보 공유에서 거의 진척이 없었다. 아이비엠의 연구원들은 블록체인 기술이 변경할 수 없는 분산형 원장에 모든 거래의 감사 추적을 보존함으로써 데이터 교환의 책무성과 투명성을 정립한다고 생각했다.

한계 및 몰락

IBM의 인공지능 컴퓨터 왓슨은 2011년 2월 미국 ABC 방송의 퀴즈쇼 ‘제퍼디’에서 우승함으로써 전 세계의 주목을 받았다. 왓슨의 성공적인 성과는 AI의 새로운 시대가 도래했음을 알리는 신호탄으로 여겨졌다. IBM은 왓슨을 의료, 금융, 법률, 학술 등 다양한 분야에 적용할 계획을 발표하며 큰 기대를 모았다. 그러나 10년이 지난 지금, 왓슨은 IBM의 골칫덩이로 전락하며 사업의 대부분이 중단되었고, 왓슨 의료 사업부 매각이 추진되고 있다.

왓슨의 몰락은 여러 가지 요인으로 설명될 수 있다. 우선, IBM의 경영진은 왓슨의 가능성을 지나치게 과대평가하였고, 이로 인해 기술이 완성되지도 않은 채 조급히 출시된 것이 큰 패착이었다. 왓슨은 퀴즈쇼와 같은 제한된 환경에서 높은 성과를 보였지만, 실제 복잡한 분야에 적용하는 데는 실패를 겪었다. 왓슨의 문제는 특히 의료 분야에서 두드러졌으며, 이는 복잡하고 변동성이 큰 실제 데이터와의 적합성 부족에서 비롯되었다.

의료 분야에서의 실패는 왓슨이 의사들의 전문적인 판단을 제대로 지원하지 못했기 때문이다. 예를 들어, 왓슨은 일부 사례에서 부정확하고 위험한 치료 권고를 내리는 문제를 보였다. 특히 암치료 분야에서는 최신 과학 연구의 복잡성과 불확실성을 제대로 처리하지 못하여 신뢰성 있는 결과를 제공하지 못했다. 또한, 왓슨의 지식은 방대한 의학 문헌과 교과서에 의존했으나, 실제 환자 데이터를 기반으로 학습하는 인공지능의 필요성을 충족시키지 못했다.

이러한 문제는 왓슨이 단순히 대규모 데이터를 분석하고 결론을 도출하는 것에 그치지 않고, 현실적인 의료 상황에 적합한 정확한 조언을 제공해야 한다는 점에서 실패로 이어졌다. 실제로 왓슨이 제안한 치료법이 환자의 실제 상황에 맞지 않거나 위험할 수 있는 경우가 있었고, 이는 많은 의료 기관들로 하여금 왓슨을 도입한 후에도 만족하지 못하게 했다.

IBM은 왓슨의 상용화가 기대 이하의 성과를 보이자 사업부 매각을 결정했다. 왓슨 포 온콜로지(Watson for Oncology)의 경우 연 매출이 10억 달러에 불과했으며, 연간 운영 및 유지 비용이 이보다 높은 상황에서 지속적인 적자를 보았다. 이는 왓슨이 충분한 사업성을 담보하지 못하고 있음을 보여준다. 결국, IBM은 수십억 달러를 투입한 왓슨을 헐값에 매각하고, 새로운 전략으로 인공지능 개발 환경을 제공하는 방향으로 전환하였다.

참고자료

• 〈IBM 왓슨〉, 《위키백과》
• 〈왓슨(인공지능)〉, 《나무위키》
• 이창현, 〈의료산업과 왓슨(watson)〉, 《정보통신산업진흥원》
• 김소연, 〈Retail과 인지컴퓨팅의 결합, Virtual Shopping Assistants의 시대가 오는가?〉, 《버티컬플랫폼》, 2014-04-29
• 더보안, 〈IT이슈 :: IBM의 인공지능 플랫폼 왓슨〉, 《네이버 블로그》, 2016-01-28
• 이지영, 〈IBM, “‘왓슨’으로 블록체인 기술 차별화”〉, 《블로터》, 2016-05-24
• 박창선 IT칼럼니스트, 〈빅데이터부터 AI...메이시 백화점의 데이터 사랑〉, 《디지털투데이》, 2016-07-25
• 류현정, 김민지 기자, 〈美 헤지펀드 운용사, 경영하는 AI 만든다〉, 《조선비즈》, 2016-12-25
• 김천순, 〈IBM Watson 작동방식에 대한 이해 및 사례 소개〉, 《한국IBM》, 2017
• Lucas Mearian, 〈'환자 데이터, 안전하게' IBM 왓슨과 FDA의 블록체인 공동 연구〉, 《CIO코리아》, 2017-01-13
• 가천대 길병원, 〈가천대 길병원 암 치료의 동반자, 인공지능 왓슨〉, 《네이버 블로그》, 2017-02-03
• 박근모 기자, 〈IBM AI 왓슨 '블록체인 기술', 머스크 물류운송 시스템 적용〉, 《디지털투데이》, 2017-03-08
• 강상규 소장, 〈IBM 떠나는 인공지능 왓슨 과학자들…어디로?〉, 《머니투데이》, 2017-06-04
• 이희수 기자, 〈AI 도움받아 만든 '빼빼로' 나왔다〉, 《매일경제》, 2017-09-27
• 임민철 기자, 〈IBM AI 왓슨의 비즈니스 활용사례 대방출〉, 《지디넷코리아》, 2017-11-14
• 강승만, 〈클라우드, 인공지능·블록체인·IoT 등 4IR 핵심기반…가상화폐 버블붕괴 속 BaaS 급성장〉, 《사이언스모니터》, 2018-11-28
• 박선재 기자, 〈꽃길 걷던 IBM 인공지능, 가시밭길 접어든 이유는?〉, 《메디칼업저버》, 2019-01-03
• 김아현 기자, 〈(메디컬 로봇) 왓슨의 한계로 보는 의료계에서의 AI 역할〉, 《AI타임스》, 2019-04-08
• 박건형 기자, 〈돈 못버는 골칫덩이됐다… AI 선구자 '왓슨'의 몰락〉, 《조선일보》, 2021-07-20
• 〈(AI 이야기) 인간 VS 인공지능 (2)왓슨(Watson)〉, 《레터웍스》, 2021-09-17
• 이인복 기자, 〈의료 AI 효시 왓슨 역사속으로…토종 인공지능 미래는?〉, 《메디컬타임즈》, 2022-02-03
• 김동기 기자, 〈IBM ‘왓슨’의 ‘생성형AI’ 기술적·전략적 특성을 보면…〉, 《BI코리아》, 2023-07-18
• 과학저술가, 〈퀴즈쇼 우승 ‘왓슨’, 암치료 나섰지만…결과는 ‘굴욕적 퇴출’〉, 《한겨레》, 2023-08-19
• 신동윤 기자, 〈IBM의 생성AI 관련 기술 집대성한 ‘IBM 왓슨x’〉, 《지티티코리아》, 2023-09-14
• 황치규 기자, 〈(Story in Book)IBM 왓슨은 왜 성공하지 못했을까?〉, 《디지털투데이》, 2023-10-14
• Anirban Ghoshal, 〈왓슨 구원투수 될까?··· IBM AI 전략 중심에 서있는 ‘왓슨X닷거버넌스’〉, 《씨아이오코리아》, 2024-05-14

같이 보기

• 왓슨
• 컴퓨터
• IBM
• 인공지능
• 자연어 처리
• 빅데이터
• 토머스 왓슨

이 왓슨 (컴퓨터) 문서는 인공지능 기술에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.

인공지능 : 인공지능 서비스, 인공지능 로봇, 인공지능 기술 □■⊕, 인공지능 기업, 인공지능 인물 인공지능 기술 AI 워싱 • 로봇공학 • 로봇기술 • 인지과학 • 자동추론 • 자연어 처리 • 지능 • 지식표현 • 컴퓨터 비전 • 튜링 테스트 • 프롬프트 문자인식과 음성인식 ICR • OCR • OMR • STT • TTS • 문자인식 • 음성인식 • 화자인식 인공지능 데이터 데이터라벨러 • 데이터라벨링 • 데이터셋 • 크라우드워커 • 토큰 • 토큰화 인공지능 학습 ADP • CoLLM • DALL-E • DDPG • DQN • LMM • SARSA • SLM • 강화학습 • 거대언어모델(LLM) • 결정이론적 메타추론 • 계통적 강화학습 • 동적 계획법 • 딥러닝 • 딥큐러닝 • 머신러닝(기계학습) • 모델 기반 강화학습 • 모델 프리 강화학습 • 반영식 아키텍처 • 비지도학습 • 사전학습 • 수시 알고리즘 • 심층믿음망 • 어니 • 에이전트 • 인공지능 학습 • 지도학습 • 학습 • 확률적 경사하강법 인공지능 알고리즘 AGI • ANI • ASI • RAG • XAI • 관계형 네트워크(RN) • 다층퍼셉트론 • 데이터마이닝 • 방사신경망 • 분산 샌드박스 • 생성대립신경망(GAN) • 생성형 AI • 수퍼얼라인먼트 • 순전파 • 순환신경망(RNN) • 시그모이드 함수 • 신경망 구조 • 심층신경망(DNN) • 심층신뢰신경망(DBN) • 양방향 비고정값 암호 체계(TSID) • 역전파 • 인공신경망(ANN) • 인공지능(AI) • 제한 볼츠만 머신(RBM) • 전방전달신경망 • 코헨 자기조직 신경망 • 텍스트마이닝 • 트랜스포머 • 파이 • 퍼셉트론 • 합성곱 신경망(CNN) 계산복잡도 NP • NP-완전 • 계산복잡도 • 공간복잡도 • 시간복잡도 • 여 NP • 여 NP-완전 인공지능 프로그램 BCI • GPT • 딥블루 • 딥페이크 • 멀티모달 AI • 모달 • 모달리티 • 모달창 • 알렉스넷 • 어니 • 알파고 • 알파고제로 • 알파폴드 • 왓슨 • 카페 • 컨트롤넷 • 텐서플로 • 텔레파시 • 토치 • 한돌 인공지능 특징 결정이론 • 계산상의 합리성 • 논리학 • 논리주의자 • 분산성 • 불확실성 • 삼단논법 • 선호도 • 예측곤란성 • 완벽한 합리성 • 유계 합리성 • 이유 불충분의 원리 • 자율성 • 최대기대효용 • 할루시네이션 • 효용이론 인공지능 법적 지위 권리주체성 • 소버린 AI • 전자대리인 • 전자적 인간 • 책임법 위키 : 자동차, 교통, 지역, 지도, 산업, 기업, 단체, 업무, 생활, 쇼핑, 블록체인, 암호화폐, 인공지능, 개발, 인물, 행사, 일반