인공지능(AI)은 인간이 가지고 있는 지능을 컴퓨터에 인공적으로 재현한 시스템이나 소프트웨어를 말한다.

최근 제조업과 자동차산업, 농업, 의료 등 폭넓은 분야에서 AI가 도입되고 있다. 이러한 가운데 주목을 끌고 있는 것이 클라우드 인공지능(AI)과 엣지 인공지능(AI)이다.

클라우드 AI와 엣지 AI에 대한 기초지식과 장 단점에 대해 알아본다.

클라우드 인공지능(AI)

클라우드 AI는 AI가 탑재되어있는 클라우드에 데이터를 전송하여 학습하고 추론하는 기술이다.

클라우드 AI는 IoT 기기나 센서 등의 단말기를 통하여 수집한 대량의 데이터를 인터넷을 통해 클라우드에 전송한다. 그리고 클라우드의 데이터센터에 있는 CPU나 GPU에서 데이터를 고속 처리하여 학습과 추론을 실시한 후 판단한 것을 디바이스로 보내는 구조이다.

클라우드 AI 활용 사례

• 기계나 설비의 예지 보전에 활용

카메라나 진동 센서를 이용해 기계·설비의 가동 상황, 온도 등의 데이터를 클라우드 AI로 모니터링한다. AI에 의해 기계나 설비의 이상한 거동 상태를 감지하여 고장이나 정지를 미연에 방지할 수 있다.

• 상품의 수요 예측

점포의 매출 데이터를 축적하여 클라우드 AI로 판매 상황이나 내방객수를 분석한다. 매출 데이터를 기반으로 수요 예측을 통해 생산 관리 및 재고 관리에 활용한다.

• 농작물 재배 관리

성장 상황, 온습도, 일사량 등의 농작물 재배관련 데이터를 클라우드 AI가 분석하고 학습함으로써 적절한 배양액의 농도, 관수 시간 등을 판단한다. 이를 통해 농작물의 관리 작업에 드는 부담 경감, 수확량이나 품질의 안정화를 이루는데 도움이 된다.

클라우드 AI의 장점과 단점

장점

클라우드 AI는 복잡한 처리과정을 간단히 실행하고 디바이스에 걸리는 부하를 경감시킬 수 있는 등의 장점을 가지고 있다. 여기서는 여러 장점 중 두 가지 장점을 소개한다.

①대규모이며 복잡한 데이터 처리 가능

클라우드 AI는 클라우드 상에서 데이터를 축적하고 추론한다. PC에서는 처리하기 어려운 대량이며 복잡한 데이터 처리도 가능하다.

②서버나 디바이스에 걸리는 부하를 줄여준다

학습과 추론 또는 예측이 클라우드 상에서 이루어지기 때문에 서버나 디바이스에 걸리는 부하를 억제할 수 있다. 이 효과는 서버나 단말기 그 자체의 코스트 절감과 관리하는데 드는 부담을 줄여준다.

단점

한편 클라우드 AI에는 단점도 있으므로 알아보자.

①인터넷 환경에 의존

클라우드 AI는 인터넷을 통해 클라우드와 디바이스 간에 데이터 송수신이 이루어진다. 그 때문에, 방대한 양의 데이터를 취급할 때는 송수신이나 처리 시에 지연현상이 발생할 수 있다.

또한 클라우드와 디바이스 간에 막대한 데이터를 주고받아야 하므로 통신비용이 증가할 수 있다는 점도 단점 중 하나이다.

②보안에 대한 위험이 높다

클라우드 AI가 인터넷을 통해 주고받는 방대한 데이터는 클라우드에 저장된다. 이로 인해 정보 누설이나 사이버 공격 등 보안 리스크가 높다는 것에도 주의가 필요하다.

엣지 인공지능(AI)

AI가 탑재된 클라우드에 데이터를 전송하는 클라우드 AI에 비해 엣지 AI는 IoT 기기나 센서 등 디바이스에 AI를 탑재하여 디바이스가 학습하고 추론하는 기술을 말한다.

디바이스에서 수집한 데이터를 바탕으로 디바이스 내에서 추론을 처리하고 순식간에 판단을 내린다. 그런 다음 디바이스에서 처리한 데이터를 클라우드로 전송하고 학습 모델을 만들고 학습용 데이터를 저장하는 방식이다.

현 시점에서 기술적으로 아직 엣지 AI만을 이용한 시스템 실현이 어렵다. 때문에 엣지 AI와 클라우드 AI를 조합한 하이브리드형 활용이 일반적이다.

엣지 AI 활용 사례

• 제조설비의 모니터링

엣지 AI를 탑재한 센서를 통해 공장 내 설비를 실시간으로 감시할 수 있다. 가동 상황의 경미한 변화를 모니터링하여 설비의 고장이나 정지를 방지할 수 있다.

• 고객 행동 분석

점포나 시설에 설치한 엣지 AI를 탑재한 카메라로 고객의 행동 데이터를 분석한다. 고객의 점포 내 동선 경로를 분석하여 상품의 레이아웃 변경이나 선반의 상품 재배치를 변경하거나 유용하게 쓸 수 있다.

• 건설현장 안전관리

엣지 AI를 탑재한 게이트웨이를 통해 공사용 건설기기 및 특수 차량의 가동 정보를 입수할 수 있다. 공사 현장의 상황을 실시간으로 원격 감시하여 작업자의 안전 관리에 도움을 줄 수 있다.

엣지 AI의 장점과 단점

장점

①실시간 판단 가능

엣지 AI에서는 AI 처리를 디바이스 쪽에서 하기 때문에 판단을 내리고 받을 때까지 시차가 발생하지 않는 장점이 있다. 이를 통해 디바이스 제어나 상황 파악을 실시간으로 할 수 있다.

②통신 비용 절감

엣지 AI는 디바이스에서 처리한 후에 학습에 필요한 데이터만 클라우드로 전송한다. 디바이스 내의 모든 데이터를 보내는 클라우드 AI보다 데이터 용량이 작아지기 때문에 통신 비용을 낮출 수 있다는 점도 상대적으로 장점이다.

③보안 강화

예측과 학습을 각 각 다른 장소(디바이스와 클라우드)에서 하는 엣지 AI는 정보 유출 위험이 우려되는 중요 데이터를 디바이스 내에 저장면서 처리할 수 있다.

인터넷을 경유하지 않고 데이터를 처리하기 때문에 네트워크 환경의 보안을 강화할 수 있는 장점이 있다.

단점.

①데이터 처리 능력에 한계가 있다

디바이스의 크기와 소비 전력을 고려하면 디바이스에 탑재할 수 있는 리소스에 한계가 있다.

엣지 AI에서 사용하는 CPU(Central Processing Unit)나 GPU(Graphics Processing Unit)는 클라우드에 비해 용량이 낮아 대규모로 데이터를 처리하기 어렵다.

또한 추론과 학습이 다른 장소에서 이루어지기 때문에 고도로 복잡한 처리가 불가능하다.

②도입 및 운용 장벽이 높다.

엣지 AI는 디바이스에 AI를 탑재하기 때문에 시스템 설계나 보수 운용이 복잡해지기 쉽고 운용에 어려움이 많다는 단점이 있다.

이러한 단점 때문에 엣지 AI 도입을 우려하는 경우 사용하는 게이트웨이를 변경하는 것도 하나의 방법이다.

클라우드 AI나 엣지 AI를 활용한 솔루션

AI나 IoT 기술을 활용 제조기업의 과제 해결하는 솔루션 사례 들

• 펌프 설비의 안심 팩

펌프 설비 안심팩은 엣지 AI를 탑재한 센서를 통해 펌프를 원격 감시하는 IoT 시스템이다.

펌프 설비를 예측 보전하여 고장이나 라인 정지를 방지한다. 동시에 보수 관리 업무를 원격화하여 보전 비용을 절감할 수 있다.

• 회전기 AI 예측 보전

회전기 AI 예측보전은 클라우드 AI를 활용한 회전기 모니터링 시스템이다.

회전기에 무선 진동 센서를 설치하여 진동 데이터를 수집하고 AI가 이상 상황을 모니터링하여 알려준다. AI로 공장 내 전체 회전기를 모니터링하여 점검 및 감시 업무를 간결화할 수 있고 예측 보전으로 기계나 설비가동을 안정적으로 유지할 수 있다.

지금까지의 내용을 정리하면 클라우드 AI와 엣지 AI는 디바이스에서 수집한 데이터를 처리하고 학습하고 추론하는 기술을 말한다.

클라우드 AI는 대규모로 복잡한 데이터 처리가 가능하지만 실시간과 통신 비용 측면에서 우려되는 점이 있다. 

반면 엣지 AI는 실시간성과 통신 비용, 보안 면에서 장점이 있지만 디바이스에서의 데이터 처리 능력에는 한계가 있다.

양자의 단점을 보완하고 장점을 살리려면 엣지 AI와 클라우드 AI를 조합한 하이브리드형 활용도 효과적이다.

하이브리드형 인공지능 환경 구축도 한번 생각해 보자.​