LG경제연구원, '예측기술, 활용범위 넓어지고 중요성이 커지고 있다'

얼마 전 본 기사인데 미국 어느 지역에서는

몇 십년간의 범죄발생 빈도, 시간 등을 토대로 범죄가 잘 일어날 지역에

경찰을 추가 배치한다던지 하는 대응을 시작했다고 하던데요.

적중률이 70%가 넘는다고 합니다.

범죄 예방이라는 측면에서 긍정적이긴 한데

순간 저는 영화 마이너리티 리포트가 생각이 나더군요.. ^^;

LG경제연구원 ‘예측기술, 활용 범위 넓어지고 중요성 커지고 있다’

(서울=뉴스와이어) 2013년 01월 15일 -- 최근 공공 분야에서 예측기술의 중요성이 커지고 있다. 사회 전반적으로 불확실성이 높아지고 시스템적 위험에 더 취약해졌기 때문이다. 재난, 범죄, 질병, 사회 인프라 등의 부문에서 위험요소를 조기에 찾아낼 수 있다면 인명과 재산상의 막대한 손실을 예방할 수 있을 것이다. 빅데이터, 인공지능, 슈퍼 컴퓨터 등은 공공 부문에서의 예측 정확도를 높이는데 크게 기여할 전망이다. 

새해가 되면 많은 사람들이 신년 운세를 보곤 한다. 올 한해 어떤 좋은 일과 나쁜 일이 일어날지 미리 점치기 위해서이다. 일개 개인 차원을 넘어 기업 및 정부 입장에서도 예측은 매우 중요하다. 기업들은 수요예측이 정확해야 생산계획을 짜서 제품을 출시할 수 있고, 정부도 거시 경제 지표 예측을 통해 새해 예산안 등을 계획할 수 있다. 역사적으로 보더라도 수많은 전쟁의 승패는 기상예측에서 갈렸다. 

이처럼 예측은 활용 범위도 다양하고 중요성도 크다. 특히 파급력이 큰 재난, 범죄, 질병 등 공공 분야에서는 예측의 중요성이 더욱 커지는 상황이다. 2008년 금융 위기 발생 이전에도 모기지 론으로 파생된 부실 채권에 대한 여러 위험신호가 잡혔지만 사람들은 그 위기를 미리 감지하지 못했다. 이에 2011년 EU는 약 14억 달러를 투자하여 다음 금융위기 시기를 예측할 수 있는 슈퍼컴퓨터 제작 계획을 발표했다. 

수많은 예측 분야 중 공공 분야를 중심으로 예측기술의 트렌드와 발전 방향에 대해 살펴보자. 

예측기술의 중요성 

예측기술이 최근 더욱 주목 받게 된 것은 어려운 경제상황과 급격한 사회변화, 더 복잡해지고 광범위해진 인프라와 금융 시스템 등으로 사회 전반적으로 불확실성이 높아지고 시스템적 위험에 더 취약해졌기 때문이라 할 수 있다. 2008년 금융 위기 이후 올해 유럽 재정 위기까지 연이어 터지는 매머드급 경제 사건들로 인해 미래 경제 상황을 예단하기 어려운 상황이다. 또 지구 온난화에 따른 각종 기상 이변이나 후쿠시마 원전사고와 같이 자연환경과 사회 시스템에 직접적으로 영향을 미치는 위험도 늘어나고 있다. 더욱이 이들 위기는 글로벌화와 IT 기술에 힘입어 복잡하게 얽히면서 특정 국가나 집단에 국한하지 않고 전지구적인 문제로 확대되는 경향이 있다. 사건의 전개 속도가 빨라질 뿐 아니라 전혀 예기치 못한 결과를 초래하고 있는 것이다. 

특히 최근 발생하고 있는 위기가 우리 현실에 직접적으로 위험을 주는 물리적 리스크로 확대되고 있는 현상에 주목할 필요가 있다. 2011년 OECD는 전염병 창궐, 인프라 파괴, 금융 위기, 전자기 폭풍, 사회적 불안 등의 총 5가지 Future Global Shocks을 발표하였다. 이중 인프라 파괴의 경우 석유/가스, 전력, 통신, 교통, 상하수 등 사회 기반 인프라가 모두 네트워크로 연결되어 있어 범죄나 테러의 표적이 될 수 있다고 경고하였다. 영화 다이하드4에서나 볼 수 있었던 국가적 테러가 현실화될 수 있는 것이다. 

WEF(World Economic Forum)가 매년 발표하고 있는 Global Risks도 마찬가지이다. WEF는 인플레이션·인프라 투자 지연 등의 경제적 위험, 지진/쓰나미 등의 재난·이상기후 등의 환경적 위험, 조직범죄 확대·자원 민족주의 등의 지정학적 위험, 고령화·만성질환 등의 사회적 위험, 사이버 해킹·인프라 파괴 등의 기술적 위험 등 총 50개 리스크를 선정하고, 각각의 발생가능성과 영향력을 분석하였다. 또 WEF는 글로벌 리스크 대응을 위해 별도 커뮤니티(Risk Response Network)를 구성하고 리스크 진단 및 대응책 마련을 위한 상시 체계 구축에 노력하고 있다. 

예측기술의 적용 사례 

예측기술은 글로벌 리스크를 조기에 파악하고 경고함으로써 미리 대응방안을 수립하는데 도움이 될 전망이다. 특히 재난, 범죄, 질병, 사회 동향 같은 공공분야에서 예측기술의 확대를 주목할 필요가 있다. 

●자연재해 예측 

최근 지진, 한파, 폭설, 가뭄, 홍수 등 각종 자연재해로 인한 피해규모가 커지면서 발생 확률을 미리 예측하거나, 조기에 피해 발생 가능성이 높은 곳을 선별해서 관리하는 것이 중요해지고 있다. 특히 국지적인 피해가 글로벌 경제를 위협할 수 있다는 점을 감안하면 더욱 중요해질 전망이다. 엘리뇨, 라니냐 등은 특정 국가의 홍수, 가뭄으로 연결되지만, 때로는 글로벌 식량 공급 기지에 영향을 미침으로써 곡물 가격이 폭등하는 애그플레이션을 유발할 수도 있다. 후쿠시마 원전사고, 아일랜드 화산 폭발, 태국 대홍수 등은 산업 시설을 파괴하고 교통 시스템을 마비시켜 글로벌 SCM에 심각한 영향을 미쳤다. 

자연재해의 조짐을 보다 정확하게 예측하기 위해서 정교한 분석엔진을 도입하는 동시에 보다 많은 정보를 얻기 위한 수단으로 관측소를 늘리거나 다양한 센서를 도입하는 방법이 고려되고 있다. 또한 실시간으로 정보를 취합함으로써 보다 정확한 예측이 가능하다. 일례로 IBM과 University of Texas at Austin은 Guadalupe강의 홍수 발생 가능성을 예측하기 위해서 수 만개의 강의 지류에 관한 정보를 반영한 시스템을 개발하고 있다. 지금까지 주로 강의 본류에 관한 정보를 활용해 홍수를 예측했다면 이제는 지류까지 확장함으로써 활용되는 정보의 폭을 넓혀 예측의 정확도를 높이려는 시도이다. 또한 실시간으로 날씨 정보를 홍수 예측에 반영함으로써 재해의 발생 가능성을 보다 정확하게 예측할 수 있도록 지원해 줄 뿐만 아니라, 사람들이 재해에 대응할 수 있도록 도와줄 수 있다. 

●범죄 및 테러 예측 

범죄 및 테러를 예측하는 방안도 주목 받고 있다. 지금까지는 범죄 발생 여부를 예상하기 위해 최근에 발생했던 범죄를 통계적으로 분석하는 수준으로, 위치 정보를 함께 제공함으로써 효율성을 높이는데 주목했다. 하지만 최근 사건이 벌어진 시간과 장소를 파악해서 후속 범죄가 일어날 수 있는 가능성이 높은 곳이나, 사건이 발생할 수 있는 갖가지 변수를 고려해서 테러가 발생할 개연성이 높은 지역을 선별하여 제시하는 수준으로 발전하고 있다. 마치 영화 마이너리티 리포트에서 범죄가 발생할 것으로 예상되는 지역에 미리 경찰력을 출동시키는 것처럼, 범죄 발생 확률이 높은 곳에 선택적으로 감시를 강화하는 방식이다. 

2011년 7월, 캘리포니아 주의 산타크루즈시에서는 축적된 범죄 데이터와 정교한 알고리즘을 활용해서 범죄 발생 가능성이 높은 시간과 장소를 예측하고, 예측한 결과를 바탕으로 경찰병력을 효과적으로 투입하는 예측 치안(Predictive Policing)을 시범적으로 도입하였다. 이를 위해 George Mohler 박사는 지진 및 여진 예측에 사용하는 알고리즘을 적용해 빈집털이, 차량파손, 차량도난 등을 예측하고자 했다. 경찰들은 Mohler 박사가 선별해준 범죄 발생 확률이 높은 지역을 중심으로 순찰지역을 선별하였다. 그 결과 시행 첫 달에만 재산범죄(property crime)가 전년대비 27% 감소했다. 상반기에 재산범죄가 25% 증가한 점을 감안하면 고무적인 결과이다. 

유사한 시도는 미국 테네시 주의 멤피스시에서도 진행되고 있다. 멤피스시는 2006년부터 멤피스 대학과 함께 IBM의 분석엔진을 활용하여 범죄예방을 위한 프로그램인 Blue CRUSH를 개발하였다. 범죄 발생시간, 사건 종류, 범죄유형 등을 파악하여 향후 범죄 발생 가능성이 높은 지역을 예측해서 순찰을 강화하는 방식이다. 이 프로그램은 2008년부터 실시간으로 도시내 범죄를 모니터링하고 분석하기 위해 300만 달러를 투자해서 구축한 Real Time Crime Center와 연계되어 있다. 이는 멤피스시의 강력범죄(serious crime) 발생률을 이전보다 30% 정도 낮추는데 크게 기여했다. 

●전염병 예측 

전염병을 예측하는 방안도 주목 받고 있다. WHO에 따르면 지난 20년간 조류독감, 사스(SARS), 신종플루 등 30여 종의 신종 바이러스가 출현했다. 최근에는 전세계적인 기후변화로 인해 국지적인 강수, 기온, 습도 등이 달라지면서 말라리아, 세균성 이질처럼 기후 관련 전염병도 발생하고 있다. 전세계적으로 전염병이 확산되는 판데믹(Pandemic) 상황에 대한 대비책 마련이 필요한 상황이다. 이에 따라 전염병에 대한 정보를 실시간으로 수집해서 확산 경로를 예측하고, 조기 대응 방안을 수립하는 것이 중요해지고 있다. 

새로운 전염병의 발생 가능성뿐만 아니라 전염병의 이동경로가 될 수 있는 동물, 철새, 모기 등을 모니터링 함으로써 전염병 확산 경로를 예측하는 방안이 주목 받고 있다. 더 나아가 전염병을 옮기는 세균이나 동물의 서식지를 미리 파악하여, 전염병의 발생 가능성을 예측하는 방안도 부상할 전망이다. 일례로 인공위성을 이용해서 콜레라, 말라리아, 신종플루 등을 예측하는 방법이 제시되고 있다. 2009년 미국의 한 연구진이 발표한 자료에 따르면 인공위성으로 관측한 수온과 엽록소 변화를 바탕으로 콜레라 예측 프로그램을 개발한 결과, 방글라데시에서 4~6주 전에 콜레라 발생을 거의 정확하게 예측하는데 성공했다. 향후 동물의 몸 속에 이식 가능한 베리칩(Verichip)을 포함해서 다양한 센서가 확산되고, 이를 분석해 낼 수 있는 알고리즘이 발전할수록 전염병에 대한 조기대응이 보다 쉬워질 것이다. 

사람들의 행동을 통해 전염병을 예측하는 것도 확산될 전망이다. 뉴욕 타임즈에 따르면 2008년 애틀란타에서 독감이 발생했다는 사실을 정부기관이 공식적으로 발표하기 2주 앞서 구글의 검색 트렌드에서 감지할 수 있었다. 사람들이 의사를 방문하기에 앞서 구글에서 먼저 검색을 해보기 때문이다. 실제로 존스 홉킨스 대학의 연구 결과에 따르면 2009년 1월에서 2010년 10월까지 자료를 분석해 보니 구글의 독감 검색 결과와 실제 방문한 환자 수 사이에 상관관계가 있는 것으로 나타났다. 최근에는 구글 검색 결과뿐 아니라 소셜 미디어의 정보를 추가하여 예측의 정확도를 높이려는 시도도 있다. 페이스북, 트위터 등에서 질병의 발생과 발생지역을 감지할 뿐만 아니라, 인공지능을 활용하여 독감의 진행 단계별로 트윗에서 발견되는 키워드가 무엇인지 시스템이 스스로 탐색하여 향후 어떤 방향으로 전개될 것인지 예측하는 것도 가능해질 전망이다. 

●사회적 불안정성 예측 

사회적 갈등이나 불안정성 역시 예측이 적용될 수 있는 분야 중 하나다. 주요 이슈나 사건에 대해서 사람들이 어떤 생각을 가지고 있는지 분석함으로써, 향후 촉발될 가능성이 높은 사회 현상을 예측하려는 작업이 활발하다. 이미 트위터, 페이스북 등 SNS를 통해 실시간으로 사람들의 생각을 살피고, 이를 통해 여론을 수렴하는 시도가 등장하여 주목을 받고 있는 상황이다. 더 나아가 비정형화된 데이터 속에서 긍정적인 반응과 부정적인 반응의 추이를 실시간으로 모니터링하는 것도 가능해지고 있다. 

일례로 일리노이 대학 Kalev Leetaru 박사의 연구를 인용한 BBC에 따르면, 이집트의 무라바크 독재정권이 퇴진하기 전 여론이 극도로 악화되었음을 알 수 있다. 미국 정부의 Open Source Center, 뉴욕 타임즈, BBC 등 각종 미디어에서 지난 수 십 년간 축적된 1억 건이 넘는 기사 속에서 긍정적인 톤과 부정적인 톤을 분별하여 위치정보와 함께 슈퍼 컴퓨터 Nautilus를 통해 여론의 추이를 분석하였다. 분석결과 독재정권 퇴진 시기의 여론이 지난 30년의 기간 동안 이례적으로 심각했음을 알 수 있다. 

뿐만 아니라 위치 분석을 통해 알 카에다의 리더였던 오사마 빈 라덴의 은신처 위치를 200km 내에서 분석해낼 수도 있었다. 많은 사람들이 알 카에다의 본거지인 아프가니스탄이 은신처일 것이라고 예상했던 것과는 달리, 분석결과는 파키스탄의 북부 지역을 가리키고 있었다. 이런 시도는 향후 실시간으로 모니터링 되는 정보를 통해 세계 각지에서 발생할 수 있는 사건을 예측할 수 있는 가능성이 높아지고 있음을 의미한다. 

예측기술의 발전 가능성 

향후 IT 기술의 발전에 힘입어 예측기술은 더욱 고도화될 전망이다. 예를 들어 기상 예측의 경우 지역별 기온, 기압, 습도 같은 데이터와 위성 자료들이 필요하고, 이를 분석하기 위한 수치예보모델과 복잡한 계산을 처리 할 수 있는 슈퍼컴퓨터가 사용된다. 다양하고 세부적인 자료를 수집하고 사건을 예측하기 위한 정교한 알고리즘과 이를 실질적으로 연산해 낼 수 있는 고도화된 계산장치가 필요한 것이다. 빅데이터와 인공지능, 슈퍼컴퓨터의 발전은 자료 수집과 분석, 연산 측면에서 예측의 정확도를 높이는 데 도움이 될 수 있다. 

●빅데이터 

모든 사물이 네트워크로 묶이는 사물인터넷(Internet of Thing) 시대에는 RFID, 센서, 카메라를 통해 자연 환경, 사회 인프라, 사람의 행동까지 수많은 데이터를 빠르고 쉽게 수집할 수 있다. 실제로 모든 스마트폰에는 소형 카메라 모듈이 내장되어 있으며 조도, 터치, GPS, 자이로, 중력 등 다양한 센서가 탑재되어 있다. 자동차에서도 스마트카나 무인주행 자동차에 대한 관심이 늘면서 레이더, 카메라, 센서 등의 사용이 늘어나는 추세이다. 또한 스마트 그리드, 지능형 교통망 등 기존 인프라에도 각종 센서가 탑재되고 있다. 

사물 데이터뿐 아니라 사람들의 관계 데이터라 할 수 있는 SNS도 공공 예측에 활용될 수 있다. SNS를 분석하여 기업 마케팅에 활용하거나 맞춤형 서비스를 제공하는 것처럼, 축적된 사람들의 관계 데이터를 통해 사람들의 생각과 미래 행동을 예측하는 것이다. 최근에는 단순 텍스트를 넘어 이미지, 위치 정보까지 SNS를 통해 파악할 수 있는 정보의 종류도 증가하고 있기 때문에 예측 활용도가 높아질 전망이다. 

●인공지능 

공공 부문 예측을 위한 분석 소프트웨어 성능 향상에 인공지능 기술이 도움을 줄 수 있다. 일례로 기계가 주어진 데이터를 분석하여 스스로 새로운 규칙이나 지식을 추출하는 기계학습(Machine learning)을 들 수 있다. 기계학습은 사람이 일일이 가르칠 필요없이 시스템 스스로 성장하고 발전할 수 있기 때문에, 예측에 있어서도 기존 축적된 예측 결과를 통해 분석 모델을 시스템이 스스로 정교하게 다듬을 수 있는 것이다. 

또 사람의 음성이나, 문자, 얼굴 등 기존에 축적된 다양한 데이터를 바탕으로 판단하는 패턴인식도 예측기술에 활용될 수 있다. 최근의 패턴인식은 사람의 감정, 온라인 행동 패턴, 멀티미디어 파일 등을 분석할 수 있을 정도로 빠르게 발전하고 있다. 일례로 MIT 미디어랩에서는 최근 얼굴 표정을 분석하여 사람의 기분을 알아맞히는 프로그램을 개발하고 있다. 글로벌 리스크의 가능성을 예측하는데 있어서도 과거 리스크가 발생하는 패턴을 분석하여 앞으로 발생할 수 있는 리스크를 전망할 수 있게 될 것이다. 

●컴퓨팅 파워 

하드웨어 측면에서 컴퓨터 연산 능력의 빠른 향상도 공공부문의 예측 정확도를 높여줄 전망이다. 일반 PC보다 수천 배 이상 빠른 슈퍼컴퓨터를 살펴보자. 1976년 개발된 최초의 슈퍼컴퓨터 크레이-1은 1초에 2억 4,000회의 연산이 가능했는데, 2012년 최고의 슈퍼컴퓨터로 뽑힌 미국 오크리지 국립연구소의 타이탄은 1초에 1경 7,590번 연산이 가능하다. 

슈퍼컴퓨터뿐 아니라 컴퓨팅 자원을 효율적으로 활용하는 방법도 예측에 활용될 수 있다. 그리드 컴퓨팅(Grid computing)은 서로 다른 기종의 컴퓨터들을 네트워크로 묶어 가상의 대용량 고성능 컴퓨터를 구성함으로써 슈퍼컴퓨터와 같은 대용량 처리가 가능하다. 또 클라우드 시스템을 통해 PC에서 처리할 수 없는 대용량 작업을 서버의 중앙 컴퓨터를 사용하여 처리할 수 있다. 장기적으로는 슈퍼컴퓨터보다 수천 배 빠른 양자컴퓨터가 등장하여 비약적인 연산 능력의 향상도 기대된다. 논란이 있지만 캐나다 D-Wave Systems은 2011년 세계 최초로 상업용 양자컴퓨터 ‘D-Wave one’을 발표하여 주목을 받고 있다. 

예측기술의 한계와 미래 

예측기술에도 한계는 있다. 아무리 많은 자료와 정교한 분석 프로그램이 있더라도 정확한 예측을 하는 것은 불가능한 일이기 때문이다. 마치 멀리 떨어진 곳의 아주 작은 변화가 사건에 얼마나 큰 영향을 끼치는지 파악하기 어려운 나비효과처럼, 리스크 예측에 관련된 모든 정보를 파악할 수는 없는 것이다. 또 신이 아닌 이상 사람이 자연현상이나 사회현상을 답이 정해진 수학공식처럼 단순하고 정확하게 표현하는 것도 힘들다. 

예를 들어 후쿠시마 원전 사고가 발생하기 꼭 1년 전인 2010년 3월 일본에서는 잘못된 쓰나미 예측 때문에 한바탕 소동이 일어났다. 칠레 연안에서 진도 8.8의 강진이 발생하자 일본 정부는 동부 해안가에 1m~3m의 쓰나미를 예측하고 인근 주민 약 200만 명에게 대피 지시를 내렸다. 하지만 실제로 일본에 도착한 쓰나미가 겨우 0.1m~0.5m의 높이 밖에 되지 않자, 일본 기상청 관계자는 잘못된 예측으로 국민 생활에 불편을 끼친 데에 사과하였다. 예측을 잘못하여 형사상 책임을 진 경우도 있다. 2012년 이탈리아 지방법원은 2009년 4월 진도 6.3의 지진으로 309여명이 목숨을 잃은 것과 관련해, 지진을 예측하지 못한 재난위원회 소속 과학자들에 대해 유죄를 선고하였다. 이들은 최고 금고 6년 형과 함께 900만 유로(약 129억원)의 벌금형을 선고 받자, 바로 항소에 들어가서 재판이 진행 중에 있다. 

비록 완벽한 예측은 이론상 불가능하지만, 예측기술은 IT 기술에 힘입어 끊임없이 향상되고 있는 것은 분명하다. 일기예보의 경우 최근에는 시간대별로 자기 사는 동네의 날씨까지도 사람들이 쉽게 확인해 볼 수 있다. 또 예측의 정확도뿐만 아니라 더 먼 시기도 예측이 가능해지고 있다. 미국의 경우 TVS(Tornadic Vortex Signature)라는 레이더 시스템을 도입하여 토네이도 경고를 1987년 3.5분에서 현재는 14분 일찍 발표함으로써 피해를 줄일 수 있었다. 

이처럼 향후 데이터의 양과 종류가 보다 다양해 지고 분석엔진이 보다 정교해질수록 글로벌 리스크의 대응도 가능해질 전망이다. 정부 및 기업도 예측기술의 적용 확대에 따라 예측이 가능해지는 새로운 시장에 주목할 필요가 있을 것이다. [LG경제연구원 홍일선 선임연구원, 성낙환 선임연구원] 

*위 자료는 LG경제연구원이 발표한 보고서의 주요 내용 중 일부 입니다. 언론보도 참고자료로만 사용할 수 있습니다.

출처: LG경제연구원