기술 분석의 역사

마지막 업데이트: 2022년 1월 12일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
앨런튜링

주식시장 기술적 분석에 대한 고찰

마켓에 대한 분석과 거래방법에 있어서는 기본적 분석에 의한 거래기법과 기술적 분석에 의한 거래기법이 있다. 이 두가지 기법은 과거 100년의 금융시장 역사에서 시장을 분석하는 방법으로는 가장 효율적이라고 평가한다. 물론 최근에는 인공지능, 퀀텀기법등 새로운 거래기법이 나타나고 있는데, 근간을 살펴보면 기술적 분석이나 기본적 분석을 바탕으로 한다.

이번에는 기술적 분석에 대하여 가볍게 둘러보는 이야기를 할까 한다. 기본적 분석에 대한 이야기는 다음에 한번 써보려 한다.

기술적 분석을 이용하는 트레이더들은 시장가격(시세)는 이미 모든 현실적 상황을 반영하고 있기 때문에 가격의 움직임을 중요시해야 한다는 것이다. 그 어떤 투자자도 가격의 움직임보다 빠르게 모든 정보를 분석하고 영향을 예측할 수는 없다는 것이다.

기술적 분석을 이용한 투자의 대가는 여러명이 있겠으나, 두명을 꼽으면 제시 리버모어와 리처드 데니스를 언급할 수 있겠다. 제시 리버모어는 1900년대 초기 트레이더로서 대공황 당시 원화로 약 1조원의 수익을 얻으며 명성을 얻게 된다. 리버모어는 노트에 수기로 가격의 숫자를 기록하며 시장에 진입하고 청산하는 원칙을 세웠고, 그외 뉴스나 시장의 소문등은 철저히 무시했다. 리버모어가 트레이더들에게 존경을 받는 이유는 시장을 스스로 기록하며 거래기법을 찾아 내라는 것이다. 즉 쉽게 갈수 없는 곳이라는 뜻 이었다. 리버모어는 남긴 말을 보면 그가 얼마나 시장에 대해 깊은 연구를 하였는지 알수 있다.

"주식거래처럼 흥미진지하고 재미있는 것은 없다. 하지만 게으르거나, 욕심이 많거나, 감정 조절이 되지 않는 사람에게는 어울리지 않는다. 그러한 사람은 죽음을 맛보게 될 것이다"라고 하였다.

기술적 분석은 수학과 통계를 바탕으로 발전을 하는데, 기술지표라는 것이 그 결과물들이다. RSI, 스토캐스틱, MACD, 볼린쳐밴드, 볼륨, 이동평균선등 헤아릴수 없을 정도로 기술지표들은 많다. 이 모든 지표들은 시세의 오픈가격, 최고가격, 최저가격, 마감가격, 거래량의 자료를 가지고 만들어지는데, 수학적 방식이 다름에 따라 다른 모습들을 지늬게 된다.

기술적 분석의 바탕을 이루는 이론은 "역사는 반복된다."인데, 정밀하게 똑같은 현상이 반복되는 것이 아니라 비슷한 모습의 패턴은 인류 역사상 계속적으로 반복된다는 것이다. 과거에서 패턴을 발견하면 현재에서 그 패턴이 발생될 경우 미래의 모습을 예상할 수 있다는 것이다.

리버모어가 수기로 노트에 시장의 움직임(가격변화)를 집착하며 기록한 것도 이 패턴을 발견하기 위해서 였다. 패턴의 발견되 쉽지 않지만, 찾아낸 패턴의 확률적 수익률을 검증하는 것이 검증의 마지막 관문이기에 거래원칙으로 삼기위한 패턴의 발견은 어렵다.

리처드 데니스는 터틀트레이딩을 창시한 것으로 유명한데, 1980년대 트레이더는 타고나는 것이 아니라 교육을 통해 길러질수 있다고 한 사람이다. 데니스는 뉴스도 패턴도 다 무시하고 시장이 흘러가는데로 따라가는 거래기법을 만들 사람이다. 차트안에 두개의 선을 그리고 아래선을 뚫고 내려가면 매도를 윗선을 뚫고 올라가면 매수를 기술 분석의 역사 하는 방식이다. 그는 이 방식을 통하여 놀라운 수익률을 기록하는데, 그의 교육생이 훗날 거래기법을 책으로 펴내며 세상에 알려지게 되었다. 하지만 데니스의 터틀트레이딩의 핵심은 리스크관리를 철저하게 하는 것이 그 바탕인데, 자본금의 10% 이상을 투자하지 않는 것이 그것이다. 투자자는 언제나 실수를 할 수 있기때문에 다음 거래를 위한 기회비용을 가지고 있어야 시장에서 살아 남고 향후 기회가 왔을때 수익을 얻을수 있다는 뜻 이었다.

데니스는 교육생을 모으고 2주간 훈련뒤 그들에게 자본금을 주어 주식과 선물을 거래하게 하였는데, 결과는 놀라울 정도의 수익률을 기록하였고 이후 그 테스트 과정(트레이더는 타고나는 것이 아니라, 훈련을 통해 길러지는 것이다)을 마쳤다.

개인적으로 기술적 분석은 주식거래보다는 선물거래에 어울리는 것 같다. 주식거래는 가치투자라는 자본주의를 밑바탕으로하는 거대한 거래원칙이 있기때문에 굳이 다른 방법을 찾을 필요가 없는 것 같다.

증권분석에서의 패턴분석, 추세, 파동이론 등 기술적지표

현대적인 기술적 분석의 역사는 19세기 말 미국의 찰스 다우로부터 시작됐습니다. 다우가 월스트리트 저널에 연재한 논설에서 전개한 기법을 묶어 다우이론이라 하며, 추세의 기본개념을 확립하는 등 이후 기술적 분석의 근저를 이루죠.

다우는 19세기 말 주식시장의 움직임을 가격과 거래량의 조합을 통하여 설명했습니다.

다우이론에 의하면 주식시장은 일정한 추세를 갖고 움직인다 고 말하며 과거 주가와 거래량 정보에 기초하여 추세를 주 추세, 중기 추세, 단기 추세 등 세 가지 형태로 구분합니다.

새로운 중기 추세의 바닥점이 그 이전 바닥 점보다 높으면 주추 세는 상승국면에 들어가고 있음을 말하고, 새로운 중기 추세의 초고점이 주 추세의 최고점을 갱신하지 못하면 주추 세는 하락국면에 있다고 봅니다.

이러한 추세에 기초하여 강세장과 약세장으로 구분하고 강세장은 매집 국면, 상승국면, 과열국면으로 나누며, 약세장은 또다시 분산 국면, 공포 국면, 침체국면으로 세분화됩니다.

엘리엇은 1930년대에 독특한 파동이론을 발전시켰습니다. 윌리엄 기술 분석의 역사 갠은 기하학적인 각도 연구로, 그랜빌은 이동평균선 매매 법칙과 거래량 지표로 유명합니다. 일본에서는 이치모쿠 산징이 현재에도 많이 사용되는 일목균형표 같은 기법을 독자적으로 창안했으며 웰스와 일 더는 새롭고 정교한 분석기법을 고안하여 기술적 분석에 크게 공헌했습니다. 1978년에서 소개한 Parabolic, RSI, ADX 같은 지표는 기술적 분석가들이 애용하는 지표입니다.

추세 Trend

가격이 일정기간 계속 같은 방향으로 움직이는 것을 추세라 하죠. 상승추세는 고점과 저점이 점차 높아지는 현상을 말하며 하락 추세는 저점과 고점이 점차 낮아지는 것을 말합니다.

지지와 저항

지지 Support 란 일정한 기간 동안 가격이 하락하는 것을 멈출 수 있는 실제적이거나 잠재적인 매수세를 말합니다. 지지대는 충분한 수요가 존재해서 주식이 일시적으로 하락을 멈추거나 상승세로 반전할 수 있는 가격대를 의미합니다.

저항 Resistance 이란 지지의 반대로 가격이 일정한 기간 동안 상승하는 것을 막을 수 있는 잠재적, 실제적인 매도세를 의미합니다. 저항대는 반대로 공급이 충분히 있어 주가가 일시적으로 상승세를 멈추거나 하락세로 반전할 수 있는 가격대를 의미합니다. 지지대가 무너지면 저항대가 되고, 저항대가 돌파되면 그동안의 저항대가 지지대로 바뀌기도 합니다.

지지와 저항의 형성 원리는 인간의 탐욕과 공포에 의해서 발생한다고 볼 수 있죠. 즉 사지 못한 사람의 탐욕으로 지지대가 형성되고 팔지 못한 사람들의 공포로 저항대가 만들어지는 것입니다.

패턴 분석

기술적 분석가는 차트가 특정한 형태를 나타낼 때, 그 형태에 따라 추세가 바뀌거나 계속된다고 봅니다. 이러한 형태 분석을 패턴 분석이라고 합니다.

상승추세나 하락 추세가 아닌 흐름을 횡보 Side Way라고 하는데, 횡보할 기술 분석의 역사 때의 모양을 가지고 향후 움직임을 예측하는 것이 일반적입니다. 패턴에는 추세진행형 패턴과 추세반전형 패터 두 가지가 있습니다.

추세가 지속되는 과정의 횡보국면에서 형성되는 패턴으로 상승추세 - 횡보 - 상승추세로 이어지거나, 하락 추세 - 횡보 - 하락 추세로 이어집니다.

추세가 반전되는 과정의 횡보국면에서 형성되는 패턴으로 상승추세 - 횡보 - 하락 추세로 이어지거나, 하락 추세- 횡보 - 상승추세로 이어집니다.

반전형 패턴, Head & Shoulder 패턴

파동이론

가격은 일정한 주기에 따라 변동하는 것처럼 나타날 수도 있습니다. 경기의 순환과정처럼 상품이나 주가가 중장기적으로 움직이는 것을 관찰할 수 있죠. 이런 주기에는 아주 짧은 것부터 상당히 긴 것도 있습니다.

엘리엇 파동이론은 미국 시장분석가 엘리엇이 1935년 자연의 법칙이라는 저서를 통해 - 주가는 상승 5파하락 3파에 의해 끝없이 순환한다 - 는 가격 순환 법칙을 내세움으로써 정립된 가격이론입니다.

이 이론에 따르면 주가는 연속적인 파도에 의해 상승하고 다시 하락함으로써 상승 5파 하락 3파의 8개의 파동으로 구성된 하나의 사이클을 형성합니다. 1번, 3번, 5번 파동은 주가의 진행 방향과 같은 방향으로 움직이고 2번, 4번 파동은 주가의 진행 방향과 반대 방향으로 움직인다고 설명하고 있죠. 또 하락 3파는 1번에서 5번까지의 상승국면이 끝나면 시작되는 하락국면으로 이것은 다시 3개의 파동으로 나뉘며 이 파동들을 각각 A B 기술 분석의 역사 C 파동이라고 부릅니다.

기술적 분석은 다양한 도구를 가지고 시장을 분석하려 합니다. 수없이 많은 지표들을 중 시장에서 많이 사용되는 지표의 용어는 인지하고 있어야겠죠.

반대의견 법칙 Contrary Opinion Rules

반대의견 법칙은 대다수의 투자자들이 투자하는 방향이 틀리더라는 점에 주안점을 둔 것입니다. 대부분의 투자자들은 시장이 상승할 때 낙관적인 견해를 서서히 갖게 되고 천정권에서 탐욕을 부리며, 시장이 하락하기 시작하면 겁을 내지만 주식을 계속 보유하고 있고, 바닥권에서는 공포에 싸여 투매하는 경향이 있다는 것이죠. 반대의견 법칙은 대다수의 투자자들이 행하는 것에 반대로 행동하는 것이 현명하다는 의견입니다.

등락 주선 Advance Decline Line ADL

등락 주선은 일정 기준일부터 전일 대비 상승한 주식 수에서 전일 대비 하락한 주식 수를 차감한 수치를 매일 누적한 선으로 나타낸 것입니다. 시장의 종합지수는 몇몇 시가총액 상위의 주식에 영향을 받죠. 그렇지만 시장에는 많은 중형주와 소형주가 있으며 종합지수와 괴리를 나타낼 수도 있습니다.

만약 ADL과 지수가 같은 방향으로 움직이면 시장의 움직임이 폭넓게 같이 이루어짐을 뜻합니다. ADL과 지수가 서로 다른 방향으로 움직이면 시장은 전환점을 예고합니다. 시장지수는 상승하고 있으나 대다수의 주식이 하락한다면 약세로의 전환이 시작되었음을 의미하고, 시장지수는 하락하고 있으나 대다수의 주식이 상승한다면 강세로의 전환이 시작되었음을 의미합니다.

80% 이상의 주식이 200일 이동평균선 위에서 거래되고 있으면 시장은 과매수되어 있는 것으로 간주하고 이는 약세 사인입니다. 20% 이하의 주식만이 200일 이동평균선 위에서 거래되고 있다면 과매도되어 있는 것으로 간주하고 이는 강세 사인입니다.

증권분석에서의 기술적 분석 방법들

기술적 분석 기본적 분석은 주식이 고평가인지 저평가인지를 결정하기 위해 주식의 내재가치를 파악하려는 시도입니다. 반면에 기술적 분석은 주식시장의 과거 가격 패턴을 분석하여 미래 가

기술 분석의 역사

역자 : 한국정신치 료학회 ( 임효덕 외 13명)

이 책은 프로이트 정신분석의 탄생과 프로이트 이후 현대에 이르는 변천, 발달과정에 대하여 그 사회적, 문화적, 학문적 배경을 가장 객관적이고 포괄적으로 기술한 정신분석의 역사서 로 평가받고 있다. 특정 이론이나 학파에 치우치지 않고 관련 문헌들과 실재 자료들을 검토, 분석하여 가능한 역사적 사실에 근거하여 기술하고 있다. 이러한 작업을 통하여 정신분석이 분리된 과학이 아니라 심리학에 대한 체계적인 접근으로서 정신의학, 사회학, 인류학, 생물학을 포함하는 여러 학문과의 통합을 추구하고 있다.

저자는 다양한 학파 및 개인 간의 적대감과 불신을 가감 없이 솔직히 기술하고 있으며, 이러한 내적 갈등은 정신분석가들이 그들의 환자에게서 찾고자 하는 것과 매우 유사하며 서로 다른 이론과 기법을 가진 학파로 나누는 것이 흔히 행해지고 있으나, 면밀히 검토해 보면 이러한 차이점들이 상상 속의 허구임이 밝혀졌다고 주장하고 있다.

또한 저자는 서두에서 정신분석의 기원은 서양 사상의 인본주의적인 배경이며, 그리스 철학의 “중용(中庸, All things 기술 분석의 역사 in moderation)”과 “너 자신 을 알라(Know thyself)”라는 두 가지 금언이 정신분석의 핵심임을 주장한다. 이는 시사하는 바가 크며 서양 정신분석과 동양 전통사상이 만날 수 있는 지점이 아닐까 생각한다.

기술 분석의 역사

■ 인공지능으로 구현되는 세상 | 강성배·박상철·오창규·정대율·정석찬 지음 | 청람 | 344쪽

4차 산업혁명의 시대에 인공지능은 이제 특정 전문가들만이 다루는 기술이 아니라 누구나 인공지능기술을 이용하여 다양한 상품이나 서비스를 만들어낼 수 있다. 이 책은 실제로 인공지능의 복잡한 기술들을 나열하는 것보다는 다양한 사례를 통하여 인공지능기술이 어떤 분야에 적용되고 있는가를 살펴보는 데 초점을 두고 있다.

책은 정보통신기술과 인공지능기술이 만든 디지털 혁명, 데이터 혁명, 지능 혁명의 역사와 다양한 양상들에 대해 먼저 살펴본다. 그리고 이러한 3대 혁명이 가져온 다양한 형태의 기술이 구현되어 산업적 응용을 통해 우리 실생활에 가까이 와 있는 스마트 세상에 대하여 체계적으로 살펴본다. 인공지능으로 구현되는 스마트 세상 중에서 스마트 금융, 스마트 유통과 물류, 스마트 관광에 대하여 먼저 살펴본 후 스마트 시티, 스마트 농수산업, 그리고 스마트 헬스케어 분야에 대하여 차례대로 살펴본다.

1970년대 후반부터 마이크로 컴퓨터와 PC가 일반인들에게 보급되면서 컴퓨팅 환경은 급속도로 변화하기 시작하였다. 이로써 1980년대 들어와 PC가 세상을 뒤바꾸게 되었다. 이러한 소형컴퓨터의 급속한 보급에 힘입어 애플, 마이크로소프트, HP 등이 급속한 성장을 이루었다. 소형컴퓨터의 급속한 확산은 인공지능 분야에 새로운 가능성을 가져왔다. 1970년대 잠잠했던 인공지능 연구가 1980년대 접어들면서 소형컴퓨터를 이용한 전문가시스템 개발이 활발히 진행되었다. 전문가시스템은 특정 문제영역에서 전문가의 지식을 지식베이스화하고 추론을 통해 간단한 질문에 답을 줄 수 있는 시스템이다. 전문가시스템은 의료, 공학, 비즈니스 등 다양한 분야에서 활발히 도입되기 시작하면서 지능형 시스템의 개발을 가속 화시켰다. 특히, 1982년 존 흡필드가 기존의 인공지능의 이론적 한계를 극복할 수 있는 ‘역전파(Back Propagation)’ 방식을 개발하면서 인공신경망에 대해 다시 새로운 가능성을 열었다. 이것은 인간과 같이 인공지능을 효율적인 방식으로 학습시켜서 스스로 연산하는 능력을 효과적으로 기르는 방식이다.

인공지능 기법이 실제로 비즈니스 환경에 적극적으로 접목되고 활용되게 된 것은 1980년대 데이터 마이닝 기법의 발전이 가장 큰 몫을 차지하고 있다. 데이터 마이닝 기법은 통계학 분야에서 발전한 탐색적 자료분석, 다변량 분석, 시계열 분석, 일반선형모형 등의 방법론과 데이터베이스 분야에서 발전한 OLAP(On-Line Analytic Processing), 인공지능 분야에서 발전한 SOM(Self-Organizing Map), 신경망, 전문가시스템 등의 기술적인 방법론이 융합적으로 사용되어 현실문제를 해결하는 데 활용되어지면서 급속히 발전하였다.

1990년대 들어서면서 인터넷이 전 세계적으로 급속히 확산되면서 인터넷 혁명이 시작되었다. 인터넷의 확산에 가장 크게 기여한 것은 월드와이드웹(World Wide Web)이다. 1989년 유럽입자물리연구소(CERN)의 컴퓨터과학자 팀 버너스-리가 고안한 문서공유 방식인 웹은 일리노이대학교 학생인 마크 안데르센이 모자익(Mosaic)이라는 웹브라우저와 넷스케이프사가 내비게이터를 개발하면서 본격적으로 이용되기 시작하였다. 월드와이드웹은 인터넷을 통한 정보의 공유와 확산을 급속도로 이루게 하였을 뿐만 아니라 인터넷 쇼핑몰과 같은 새로운 전자상거래의 발전을 가져오게 하였다.

2000년 뉴밀레니엄의 시대로 접어들면서 고성능 컴퓨터의 대중적 보급과 웹 기술의 급속한 발전은 검색엔진의 발전을 가져오게 하였으며, 인터넷을 이용한 전자 상거래 시장의 급속한 성장을 가져왔다. 이와 동시에 인공지능 분야에서도 급속한 기술의 발전이 이루어지고 있었다. 특히, 고프리 힌튼 교수가 개발한 Deep Belief Network 기반의 딥러닝 기술이 실용화되면서 인공지능에 대한 인식도가 급속히 증가하였다. 특히, 기술 분석의 역사 2014년 구글이 영국의 DeepMind Technology사를 4억 달러에 인수하고, 2016년 알파고를 출시하여 이세돌이라는 세계적인 바둑기사를 이기면 서 인공지능에 대한 대중적 관심도는 최고조에 달하였다. 동시에 2016년 세계경제포럼인 다보스포럼에서 클라우드 슈밥 의장이 기술 분석의 역사 4차 산업혁명을 선언하면서 인공 지능은 산업계의 가장 큰 화두가 되었다.

인공지능기술은 빅데이터 분석기술 이외에도 블록체인기술, 가상현실기술인 VR/AR 기술 등과 결합되면서 그 산업적 응용영역을 급속도로 확산시키고 있다. 특히, 인공지능과 가상현실기술의 만남은 디지털 트원, 메타버스기술의 발전을 가져와 스마트 팩토리, 스마트 시티, 스마트 관광 등의 급속한 발전을 가져왔다. 또한 인공지능과 빅데이터 분석기술, 그리고 블록체인기술의 결합은 스마트 유통, 스마트 금융, 스마트 헬스케어, 스마트 농업 등의 발전 속도를 가속화시키고 있다. 이로써 인공지능으로 구현되는 세상은 미래 인류의 생활을 획기적으로 바꿀 것이다.

실제로 오늘날 인공지능기술이 접목되지 않는 부분은 거의 없다. 인공지능기술 이 실제로 우리 실생활에 가장 먼저 온 것을 인식한 것은 1990년 선보인 인공지능 퍼지세탁기이다. 우리나라에서 퍼지세탁기는 1990년 9월 대우전자에서 제일 먼저 개발을 발표하였으나 시판은 금성사(현, LG전자)가 먼저 시장에 출시하였다. 곧 이어 11월 중순 삼성전자가 잇따라 출시하면서 국내 가전 3사들은 퍼지세탁기 시장을 뜨겁게 달구었다. 그 이후 전 세계 가전사들은 인공지능 냉장고, 인공지능 TV, 인공지능 청소기 등을 출시하면서 가전제품의 지능화를 통해 시장을 선점하려고 하였다. 이렇듯 인공지능기술은 우리가 알게 모르게 이미 우리의 삶 속에 깊이 들어와 있다. 이러한 추세는 미래에도 계속되어 인공지능이나 스마트라는 말이 굳이 사용되지 않더라도 모든 생활용품이나 인류의 생활중심에 인공지능이 자연스럽게 자리 잡을 것이다.

인공지능은 어떻게 발달해왔는가, 인공지능의 역사

1950년 영국수학자 앨런 튜링은 ‘계산 기계와 지능(Computing Machinery and Intelligence)’라는 논문에서 기계가 생각할 수 있는지 테스트하는 방법, 지능적 기계의 개발 가능성, 학습하는 기계 등에 대해 기술하였습니다. 이 기술을 현실화한 튜링머신은 존 폰 노이만 교수에게 직/간접적인 영향을 주어 현대 컴퓨터 구조의 표준이 되었으며. 세간에서는 이것을 인공지능 역사의 시작으로 보고 있습니다.

앨런튜링

기술 분석의 역사 앨런튜링

한편 미국의 신경외과의 워렌 맥컬록(Warren Mc Cullonch)과 논리학자 월터피츠(Walter Pitts)가 전기 스위치처럼 온, 오프 하는 기초기능의 인공신경을 그물망 형태로 연결하면 사람의 뇌에서 동작하는 아주 간단한 기능을 흉내 낼 수 있다는 것을 이론적으로 증명하였습니다. 또한 헵은 생물학적 신경망 내에서 반복적인 시그널이 발생할 때 신경세포들은 그 시그널을 기억하는 일종의 학습효과가 있음을 증명하였습니다.
이러한 연구들은1958년 코넬대 심리학자 프랭크 로센블래트의 연구에 결정적 영향을 주게 되었고, 이 연구에서 퍼셉트론(Perceptron: 뇌 신경을 모사한 인공 신경 뉴런) 탄생하게 됩니다. 이로써 신경망 기반 인공지능 연구의 부흥기에 접어 들게 되었습니다.
하지만1969년 마빈 민스키와 세이무어 페퍼트는 저서를 통해 퍼셉트론은 AND 또는 OR 같은 선형 분리가 가능한 문제는 가능하지만, XOR문제에는 적용할 수 없다는 것을 수학적 증명으로 발표했습니다. 이에 따라 미국방부 DARPA는 AI 연구자금을 2천만달러를 기술 분석의 역사 전격 중단하기에 이르렀습니다.
또한 영국의 라이트힐 경의 영국의회에 “폭발적인 조합증가(Combinational explosion)를 인공지능이 다룰(Intractability)수 없다” 라고 보고함으로써, 사실상 인공지능에 대한 대규모 연구는 중단되어 다시 한번 암흑기에 접어들게 됩니다.

피셔/피어슨

1970년대 이후 대부분 기업은 R&D의 방향을 실용적인 통계기술에 집중하게 됩니다. 현대통계학은 1900년대 피셔/피어슨을 선두로 시작하여, 영국의 조지 박스, 일본의 다꾸치 같은 학자들의 노력으로 발전하게 됩니다. 이들은 실험계획법 및 통계 분석기술로 제조 품질/생산효율 향상에 영향을 줄 수 있음을 보였습니다.
이 개념은 데이터마이닝이라는 이름으로 산업에 비효율성을 해결하는 도구로 현재까지 사용되어왔고 빅데이터 기술의 근간이 되어 자리 잡게 되었습니다.

한동안 잠잠했던 인공지능 연구는 1980년대 산업계에 전문가 시스템이 도입되며 본격적으로 확산하게 됩니다. 전문가 시스템은 1)지식과 경험의 데이터베이스화 2) 의사결정 추론엔진 3) 사용자 인터페이스로 구성되어있는데, 이 당시 추론엔진 기술은 베이즈(Bayes)기반 확률적 방법과, 또 다른 접근법으로 0과 1 사이에도 여러 가지 값을 가질 수 있는 퍼지(Fuzzy)이론을 통해 다중 값 논리방법을 이용하는 방법이 주로 활용되었습니다.
퍼지전문가 시스템은 1975년에 영국의 런던대학 에브라힘 맘다니 교수가 증기기관 제어 적용에 성공하여, 이때 적용된 맘다니 기법을 위시하여 퍼지 전문가 시스템이 한동안 인공지능을 대표하는 기술로 자리 잡게 되었습니다.
당시 미국의 500대 기업 절반이상이 전문가시스템을 사용했고 지속적인 투자를 한동안 받았습니다. 하지만 방대한 관리방안과 투자대비 효용성의 한계가 노출되어 인공지능의 연구는 약해지고, 1993년 미국부터 대부분 연구방향은 슈퍼컴퓨터와 시뮬레이션 분야로 연구방향을 전환하게 됩니다.
하지만 이런 인공지능의 암흑기에서도 리처드 밸벨만 등이 주창한 기계제어를 위한 강화학습(Reinforcement Learning), 조지 박스와 일본의 품질 연구가들이 주창한 실험계획법 및 통계적 공정(품질) 기법들이 산업 분야에 활용되어왔습니다. 반면 딥러닝의 기초모델인 역전파 등의 획기적인 AI 연구들이 발표는 되었지만, 컴퓨터 성능 및 제한적인 활용, 머신러닝 알고리즘으로 대체되는 등 여러 제한으로 인하여 세상에 주목 받지 못하고 사장되어 갔습니다. (역전파 관련 연구는 훨씬 전에도 발표됨이 나중에 확인되었습니다.)

심층신경망 기술 인간의 뇌(인지능력)를 모방하다, 딥러닝

힌튼교수

하지만 이런 암흑기에도 기존에 수학적으로만 증명된 심층신경망을 실질적으로 구현할 수 있는 컴퓨터 성능과 알고리즘 개선은 여러 연구자들에 의해서 계속적으로 이루어져왔습니다. 2000년대에 이르러 힌튼교수의 Deep Belief Network를 기반으로 심층신경망(딥러닝) 기술이 실용화 가능성이 보이기 시작했습니다. (로센블래트가 옳았고 민스키가 틀렸다는 게 증명되는데 50년이 걸렸습니다.)
힌튼교수, geoffrey hinton

특히 Deep-CNN(Convolution Neural Network: 합성곱신경망, 이미지 인식/분류 특화모델)은 이미지 인식 성능 평가에서 2011년에는 26%인식 오류율을 보였으나, 2015년4년만에 3.5%로 개선하는 괄목할 성과를 보였습니다. 이를 기점으로 전문가들 사이에서 신경망 기반 인공지능(딥러닝) 기술이 재조명되게 됩니다.
일례로 기술 분석의 역사 기술 분석의 역사 이렇게 딥러닝의 가능성이 증명되자 2014년 구글은 딥마인드 테크놀로지 사(DeepMind Technologies: 영국 런던에서 설립되었으며 강화학습 특화된 회사)를 4억달러에 인수했습니다.
그 이후 ‘16년 알파고1.0 (16만 기보 지도학습기반 심층강화학습과 확률적 샘플링기반 의사결정)이 이세돌을 이기고. ‘17년 2.0(비지도학습 소량데이터 기반 자가학습)으로 커제 및 탑클라스 바둑기사들에게 승리하면서, 인공지능(AI)기술이 일반인들에게도 확실히 인식되고, 완전히 재조명되는 계기가 되었습니다.
현재까지 실증화된 인공지능(AI)기술은 CNN, RNN(Recurrent Neural Network : 음성과 문자분야에 강한 신경망)입니다. 최근에는 ‘17년 이안 굿펠로우의 GAN(Generative Adversarial Nets: Image를 만들어내는 모델과 다양한 모델간에 서로 대립(기술 분석의 역사 Adversarial)하며 성능 개선하는 학습개념(낮은 수준의 사람처럼 글쓰기,노래하기 등이 가능)이 현재 인공지능(AI)를 이끌고 있습니다. 또한 실용성이 없어 보이던 추론(Reasoning) 연구 또한 조금씩 성과를 보이고 있으며, 이형의 정보학습을 새로운 문제를 효율적으로 해결하는 전이학습(transfer learning) 연구 역시 급속히 진행되고 있습니다. 이처럼 딥러닝의 등장 이후 인공지능은(AI) 빠른 발전을 보이고 있습니다만 2018년 어떤 기술이 화두가 될지 전혀 예측할 수가 없을 정도로 급격하게 변화하고 있습니다.

현 인공지능의 강자들, 결국 데이터 싸움

알파고 대 사람 바둑 게임

B2C산업의 인공지능 적용 사례를 살펴보도록 하겠습니다.
우선 구글과 페이스북은 딥러닝을 활용한 얼굴 인식 기술에서 99.기술 분석의 역사 96%와 97.25%의 정확도를 확보 하였고, 아마존은 2014년 인공지능을 활용하여 로그인 시 물류창고에서 배송절차를 시작하는 결제예측배송 특허를 등록했습니다.
또한 영국 유니버시티 칼리지런던(UCL), 셰필드대, 미국 펜실베니아주립대의 공동 연구의 결과물로 만들어진 인공지능 판사는 79% 정확도로 재판의 결과를 예측 하였으며, IBM AI 로스는 파산관리변호사로 공식선임 되기도 하였습니다.
그리고 미국종양학회의 IBM왓슨의 대장암/직장암 진단 정확도는 이미 90%가 넘는 수준이며, 테슬라의 AutoPilot은 인간 개입을 배제한 자율주행이 가능한 수준에 이르렀습니다.

한편으로 B2B산업에서 인공지능 적용을 살펴 보면, GE사의 Brilliant Factory의 Predix는 다양한 기계학습, 딥러닝 기반 데이터분석기술로 가동중지를 예방하는 의사결정을 내리고, 최적의 생산을 유지하고 있습니다. 또한 지멘스(Siemens)의 스마트팩토리는 매일 5,000만건으로 제조공정의 75%를 자동으로 작업을 지시하며, 인력의 개입을 최소화 시키고 있습니다.
여기서 주목할 만한 점은 현재 인공지능 강자들은 각자 도메인특성과 빅데이터 기반을 중심으로 인공지능(AI) 분야의 우위를 선점하고 있다는 점을 주목해야 합니다. 이런 관점에서 바라본다면 삼성은 전자(가전, 반도체, 무선), 중공업, 증권, 호텔, 바이오로직스 등이 대규모의 데이터를 보유하고 있으며, 특히 전자중심의 제조데이터는 거의 독보적인 수준입니다. 독보적인 제조 데이터에 인공지능이 접목된다면 혁신적인 생산성 향상을 가져 올 수 있을 것이라 생각되며, 현재도 요구되고 있습니다.
이러한 점을 인지한 글로벌 선진국가에서는 국가 단위의 리쇼어링 정책을 발표하고 제조업의 중흥을 위한Industry 4.0, 4차 산업혁명 등을 내세우고 있습니다. 또한 제조가 주력 사업 분야가 아닌 IBM 왓슨도 스마트팩토리에 분야에 뛰어들고 있는 점을 잘 살펴볼 필요가 있습니다.
결국 데이터 싸움인 인공지능(AI)시대에서 제조업이 강한 대한민국의 유리한 전쟁터는 “AI Technology in Smart Factory” 라고 생각해보는 것도 어떨까 합니다.
그럼 다음 호에서는 스마트팩토리에 적용된 인공지능(AI)활용에 대해 살펴보고 실제 인공지능(AI) 기술적용의 현실적인 어려움에 대해 공유 드리도록 하겠습니다.

▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.


0 개 댓글

답장을 남겨주세요