▲ 신동일 교수명지대학교 재난안전학과/ 스마트엔지니어링 전공

풀이를 요구하는 문제의 유형을 분류하는 방법엔 여러가지가 있지만, 그중 하나는 정방향, 역방향으로 분류하는 경우이다. 통상적인 정방향 문제는 원인 같은 조건을 주고, 그 이후의 효과를 산출하는 것인데, 그림 1의 DeepArt 사례에서 보듯이, 사진을 지정한 특정 스타일의 그림으로 바꿔주는 경우에 해당한다. 또한 화학물질의 시간에 따른 누출 확산 시뮬레이션이 안전에서의 예가 될 수 있다. 역방향 문제는 거꾸로 흐릿한 사진을 선명하게 하는 경우에 해당하는데, 정방향 문제와 달리, 하나의 답이 아닌 확률분포를 얻는 특성을 갖는다. (즉 그림 1에서 그림으로부터 추정될 수 있는 사진 원본은 각기 다른 확률의 여러 사진이 될 수 밖에 없고, 하나의 원본을 특정할 수는 없다.)

▲ 그림 1 정방향 문제와 역방향 문제 [참고: deepart.io/image/submissions/]artificial-intelligence]

필자의 AI를 접목한 스마트안전 연구에 있어 감사드리지 않을 수 없는 공무원을 꼽자면 이상훈 국가기술표준원장이다. 국민안전처 파견시절, 울산, 부산 지역의 원인모를 악취 사건이 사회문제가 되었을 때, 당시 정부지원을 받아 센서그리드 R&D를 하고 있던 필자에게, 누출원 추적 문제 풀이를 요청했었고, 과제 범위를 벗어난 일이었지만, 당시 막 소개되던 딥러닝을 적용해보는 조건으로 추가 성과 도출에 동의했었다. 봉사의 의미로 시작한 연구였는데, 기대 이상으로 성과를 거둬, 해당 주제로 3편의 SCI 논문을 게재할 수 있었음에도, 감사의 글에도 성함을 언급하지 못한 것이 항상 미안함으로 남는다. 

필자 연구실에서 처음 제안된, AI 기법을 활용한 누출원 추적의 독창적인 아이디어가 국내는 물론이고 중국 등 국제학회에서도 각광을 받아, 여러 국제저널에서 해당 주제 논문의 리뷰 요청을 받을 때마다 “필요는 발명의 어머니”임을 다시금 깨닫게 된다. 개발 S/W의 오픈소스 공개가 늦어지고 있는 현 상황에서, 최근 여수 스마트산단의 외곽 누출 모니터링에 필자가 제안했던 아이디어가 확대 적용중이라니 한편으론 산업체에 부담을 준 것 같아 뜨끔하기도 하다.

▲ 그림 2 플랜트 외곽 센서 배치, 누출 모니터링 및 누출원 추적 [출처: Computers & Chem. Engng , 2019]

안전문제와 관련해서도 요즘 관심이 높아지고 있는 디지털트윈의 정의를 보면, 물리적인 시스템이나 공정의 소프트웨어적 표현으로, 이에 그치지 않고, 실시간 analytics를 기반으로 감지, 예측, 예방, 최적화를 수행해, 비즈니스 가치를 창출하는 것으로 되어 있다. 기대되는 4개의 대표적인 효과로 운영비용의 최소화, 무인 자동화, 기회 손실의 제로화와 더불어 잠재위험의 최소화가 언급되는데, H/W 공급과 더불어 해당 장치 및 설비의 디지털트윈 모듈 동시 제공이 보편화되어 구축비용이 미미해지는 시대가 되면, 안전규제기관도 디지털트윈을 요구하고 필요시 이에 접속해 선제적 모니터링을 진행하는 시대가 도래하지 않을까? 즉 산업안전의 Minority Report 시대가 열리게 되는데, 이상의 감지를 넘어 요구되는 궁극적인 이상진단 문제의 해법도 전형적인 역방향 문제에 해당하기에, 결국 역방향 문제의 풀이에 스마트안전의 길이 있다 하겠다.