본 이전기술은 자가학습형 지식융합 인공지능 서비스 제공을 위한 공통 인프라 기술로서, 서비스 제공을 위해 필요한 데이터 수집 부터 데이터 적재, 처리 및 분석, 그리고 학습모델 생성 및 이를 이용한 서빙, 서빙된 다수의 결과를 융합하여 새로운 서비스를 창출하는 융합 서빙 기술을 제공한다. 기업은 이러한 기술을 이용하여 기업만의 인공지능 특화 서비스를 데이터 수집부터, 학습모델 빌드 및 빌드 된 측모델을 이용한 서빙 시스템의 배포, 운영, 폐기까지의 전체 주기를 빠르고 손쉽게 수행할 수 있다. 뿐 만 아니라 소프트웨어 개발자들이 새로운 모듈을 만들어 추가할 수 있는 확장 인터페이스와 개발환경을 제공한다. 기업들은 개발환경을 이용하여 새로운 소프트웨어 모듈을 컴퍼넌트 형태로 개발하고 등록할 수 있으며, 이를 통해 본 이전기술의 기능을 확장할 수 있다.
A. 필요성
- 다양한 영역에서 인공지능에 대한 필요성을 인식하고 있으나, 대부분 머신러닝 모델의 학습 정확도를 만족시키기 위한 노력에 집중되어 있다.
- 실제 산업에서 머신러닝 기술을 이용한 인공지능을 활용하기 위해서는 데이터에 대한 처리부터, 학습, 서빙 등을 위한 다양한 인프라 기술들이 필요하며, 이들이 산업 시스템과 연계되어 유기적으로 작동되어야 한다.
- 인공지능 기술을 도입하고자 하는 대다수 기업들이 이러한 기술을 습득하고 내재화하는데 상당한 시간과 노력이 요구된다.
- 기술들이 기업의 자산으로써 지속적으로 축적되지 않고 사일로된 개발과 유지보수, 폐기가 반복된다.
B. 목적
- 본 기술이전의 근본적인 목적은 기업들이 자신들의 IT기술력과 인공지능 관련 기술을 내재화할 수 있는 구조를 제공함으로써 기업들이 인공지능 기술력을 자체적으로 축적하여 확장해 갈 수 기반을 제공하는 데 있다.
- 또한, 인공지능 서비스를 개발하고 배포, 운영하기위한 인프라 기술을 제공함으로써 산업에서 필요로 하는 실질적인 인공지능 서비스 시스템을 빠르게 구축할 수 있도록 하는 데에 그 목적이 있다.
* KAF Core 모듈
- 다양한 목적의 서비스를 제공하는 엔진을 구성하는 KAF엔진 컴퍼넌트 유형들의 규격 제공?
- 규격을 만족하는 하나 이상의 KAF엔진 컴퍼넌트들을 조합해서 동적으로 엔진 구성
- 워크플로우 실행 요청에 대해 하나 이상의 엔진 인스턴스를 생성
- 워크플로우 내의 일련의 엔진들에 대한 스케쥴링 및 실행 중인 워크플로우 제어
* KAF Component 모듈
- 다양한 저장소로부터 데이터 가져와 적재
- 데이터 배치/스트림 처리
- 머신러닝/딥러닝 모델 학습 기능
- 자동기계학습 기능
- 머신러닝/딥러닝 모델을 스트림/온디멘드 방식으로 서빙
- 서빙 엔진의 실행에 의해 생성된 하나이상의 서비스를 파이프라인하여 융합 서비스 제공
* KAF client 모듈
- 사용자가 컴포넌트를 조합하여 워크플로우를 구성할 수 있는 GUI 환경의 저작 기능 제공
- 저장소의 데이터에 대한 시각화 기능 제공
- 워크플로우의 실행 상태를 모니터링할 수 있는 GUI환경 제공
- 사용자가 워크플로우를 제어할 수 있는 클라이언트 도구 제공
- 사용자 관리 기능
- 신규 엔진 컴퍼넌트를 저작도구에서 사용할 수 있도록 등록 및 관리할 수 있는 GUI 환경 제공
* KAF 코어
* 프레임워크 기능
* KAF-S 엔진 컴퍼넌트 유형들의 규격 제공
* 규격을 만족하는 하나이상의 KAF-S엔진 컴퍼넌트들을 조합해서 동적으로 엔진을 구성하는 기능
* 구성된 엔진 인스턴스를 생성하는 기능
* 플랫폼 기능
* 워크플로우 내에 포함된 일련의 엔진에 대한 실행을 스케쥴링하는 기능
* 각 엔진의 실행을 구동하는 기능
* 실행 중인 엔진을 제어하는 기능
* KAF 엔진 컴포넌트
* 데이터 적재 기능
* 저장소로부터 데이터를 가져와 다른 저장소로 적재하는 기능
* 스트림 데이터를 적재하는 기능
* 데이터 처리 기능
* 데이터를 배치 처리하는 기능
* 스트림데이터를 처리하는 기능
* 모델학습 기능
* 머신러닝 모델 학습 기능
* 딥러닝 모델 학습 기능
* 자동머신러닝 (AutoML) 모델 학습 기능
* 학습 모델 서빙 기능
* 머신러닝 모델의 스트림 방식 서빙 기능
* 딥러닝 모델의 스트림 방식 서빙 기능
* 딥러닝모델의 On-Demand 방식의 서빙 기능
* 융합 서빙 기능
* 하나 이상의 서비스를 파이프라인하여 서빙하는 기능
* KAF 클라이언트
* 워크플로우 저작 기능
* 워크플로우를 DIY 방식으로 정의할 수 있는 저작 기능
* 워크플로우 내의 엔진의 스케쥴링을 정의하는 기능
* 데이터의 업로드/다운로드 기능
* 데이터의 시각화 기능
* 워크플로우 실행 모니터링 및 제어 클라이언트 기능
* 워크플로우 단위의 실행상태 모니터링 기능
* 엔진 단위의 실행상태 모니터링 기능
* 워크플로우 단위의 실행제어 요청 기능
* 엔진 단위의 실행제어 요청 기능
* 관리 기능
* 사용자 관리 기능
* 신규 엔진 컴퍼넌트를 저작도구 상에 등록/관리 기능
* 엔진 컴퍼넌트 셋의 리비전 기능
* KAF 개발자 SDK
* 신규 컴포넌트 개발 기능
* 신규 엔진 컴퍼넌트 개발 환경
* 워크플로우 정의 및 실행요청 기능
- KAF 코어 SW (바이너리 제공)
- KAF 클라이언트 SW (바이너리 제공)
- 요구사항 및 구조설계 문서
- 설치 및 사용자 매뉴얼
* KAF 엔진 컴퍼넌트 SW (오픈소스 라이센스 정책)
* KAF 개발자 SDK SW (오픈소스 라이센스 정책)
ㅇ 응용분야
* KSB 인공지능 프레임워크 어플라이언스
- 지능형 데이터 저장소 어플라이언스
- 지능형 IoT 플랫폼 어플라이언스
* AI 기반 산업 솔루션
- 데이터 수집부터, 학습 모델 개발, 배포, 스케일아웃을 포함한 인공지능 서비스 전체 라이프사이클을 빠르게 구현 및 도메인 특화 인공지능 서비스 프로덕션화 가능
- 재실자 편의성 제공 및 빌딩에너지 사용량 최적화를 위한 스마트 에너지 수요공급 시스템
- 실시간 교통 관제 및 예측을 통한 차량 운행 관리 시스템
- 건강 정보 관리를 통한 개인 맞춤형 질병 예측 및 예방 시스템
- 시설물/설비 고장 진단 및 예측을 통한 플랜트 안전 시스템
- 악성코드 분석 및 프로파일링을 통한 비정상 행위 탐지 및 대응 시스템
* KSB 인공지능 프레임워크 기반 빅데이터 및 인공지능 교육 플랫폼
- 사용자 친화형 인공지능 교육 서비스 제공
- GUI를 통해 데이터 수집부터 학습 모델 서빙까지 손쉽고 빠르게 Production화 할 수 있는 교육 프로그램 제공
- 빅데이터, AI 분야 고급인력 확보를 위한 정부 정책에 부합
ㅇ 기대효과
. 이전기술에서 제공하는 인공지능 서비스 파이프라인을 활용하여 기계학습모델 기반의 인공지능 서비스를 빠르게 프로덕션화(실제 응용 분야에 배포 및 운영)함으로써, 신속한 인공지능 개발-배포-운영-피드백의 사이클을 통해 인공지능 수준의 신속하고 점진적인 발달 효과를 얻을 수 있다.
. 이전기술에서 추구하는 동적 엔진 구성기술을 통해서, 기존의 인공지능 서비스를 위해서 개별적으로 시스템이 개발되고 운영됨으로써 발생하는 시스템 개발, 유지 및 관리하는데 드는 비용을 현저히 줄일 수 있다.
. 이전기술에서 제공하는 빅데이터, 모델학습, 서빙, 융합서빙의 일원화된 오케스트레이션 방식과 워크플로우 개념의 도입을 통해서 인공지능에 필요한 기반기술과 응용(인공지능 서비스)의 일원화된 운영과 관리가 가능하다.
. 이전기술에서 제공하는 서빙 및 융합서빙 기능을 통해 학습모델과 기업의 비즈니스 로직 사이의 약결합 관계를 유지하면서 하나의 서비스를 제공하는 용이하다.
. 특히, 이전기술에서 제공하는 확장성을 기반으로 기업의 인공지능 및 소프트웨어 분야의 인공지능 기술을 지속적으로 축적하여 내재화함으로써 기업 독자적인 인공지능 기술을 확보할 수 있다.