문맥 (context)
지능화 기술의 도입은 산업현장의 직무 수행 방식을 바꾼다. 예측 가능성이 높은 단순반복 업무는 기계가 수행하고, 인간은 창의적인 업무를 담당한다. 또한 경험과 직관에 의존했던 기존의 업무 해결방식에서 벗어나, 데이터와 인공지능을 활용한 최적의 해결방법을 도출하는 방식으로 진화한다. 세계경제포럼에서 발표한 ‘일의 미래 보고서(The Future of Jobs Report 2018)’에서는 기업체 설문조사 결과를 바탕으로 2022년까지 직무현장의 변화 양상을 전망했는데, 조사결과에 따르면 직무수행에서의 기술 의존도가 현재 평균 29% 정도에서 5년 후 약 48%로 증가할 것으로 예측된다(WEF, 2018). 특히 2018년에는 의사소통과 상호작용 ․ 조정 ․ 개발 ․ 관리 ․ 자문 등의 의사결정 분야가 인간의 영역으로 남아있었다면, 2022년에는 조직의 정보 및 데이터 처리, 정보 검색 등의 업무 대부분이 자동화 기술로 수행될 것으로 전망하고 있다.
딥러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstraction)를 시도하는 기계학습(machine learning)의 한 분야이다. 1980년대 연산속도, 과적합 등의 다양한 문제로 침체기를 겪었던 딥러닝은, 강력한 병렬연산장치인 GPU 등의 하드웨어의 발전과 새로운 알고리즘의 개발 등으로 다시 부흥하여 현재의 AI 시대를 이끌어 나가고 있다. 그러나 다양한 산업에서 AI에 대한 요구 수준이 높아짐에 따라 또 다시 여러 가지 한계점이 드러나게 되었는데, 대표적인 예가 AI가 도출한 결과를 설명할 수 없다는 점이다. AI 기반의 자율주행자동차 또는 로보어드바이저가 사고를 낼 경우 기존의 딥러닝 모형에서는 그 원인을 찾을 수가 없다. 또한 딥러닝의 구조와 설계가 복잡해지면서 일반인이 AI 기술을 이해하거나 비숙련 엔지니어가 AI 상품 ․ 서비스 개발을 위한 진입장벽이 높아지고 있다.
4차 산업혁명 시대의 농수산식품 산업은 다양한 시스템들이 상호 연결되어 스스로 운영되는 시스템 융합 형태의 자율 산업으로 진화해 나갈 것으로 예상된다. 농수산물과 다양한 식품이 자동화 ․ 최적화되어 생산되고, 상품의 생산-판매-소비 시스템 간의 정보와 물리적 연결성이 강화되어, 생산된 제품의 유통 및 소비의 지능화가 이루어지고, 이러한 과정에서 새로운 비즈니스 모델의 창출과 융합이 이루어질 것으로 전망된다. 여기에 로봇공학, 자율주행차량, 3D 프린팅 등의 기술이 접목되어 산업이 자율화되고 능동적으로 진화하게 될 것이다(윤석후, 2017). 농수산 생산 부문에서는 기존 농기계, 종자, 개체 관리, 경영 관리, 생산예측, 투입재 관리 등의 개별 시스템이 합쳐진 융복합 시스템의 등장으로, 비료, 농약, 사료 등의 각종 투입재가 최적기에 최적량만 공급되는 정밀 농수산업이 실현될 것이며, 모든 생산과정이 자동으로 이루어지고 사람은 시스템의 관리 및 운영 계획 수립 등에만 제한적으로 관여하는 무인 자동화 공장 형태의 스마트팜, 스마트축사, 스마트양식장 등이 등장하고 확대될 것이다.
4차 산업혁명은 식품 산업에도 많은 변화를 가져올 것으로 예상된다. 식품기술은 사물인터넷, 빅데이터, 인공지능, 블록체인 등 지능정보기술과 융합하고 3D 프린팅, 로봇, 나노 기술 등 신기술과 결합하여 국민의 건강증진과 삶의 질이 향상되고 개인의 유전정보, 생활습관 정보 등에 기반한 개인 맞춤형 식품으로의 패러다임 전환이 이루어질 것이다. 3D 식품 프린팅 기술은 지능정보 기술과 융합되어 개인 맞춤형 음식문화가 정작되고 세균번식이 없는 카트리지로 장기간 보관이 가능하여 식품 폐기물을 줄여 자원의 효율적 이용을 촉진하고, 인류의 식량문제 해결에도 도움이 될 것이다. 또한, 식품 품질예측, 센서태그, 센서네트워크, 위치기반서비스(location based service, LBS), 블록체인 기술 등을 이용한 스마트 유통기술은 생산자와 소비자를 포함한 식품 공급사슬 상의 모든 참여 주체들에게 식품의 생산・유통이력, 영양, 안전, 품질 등 식품에 관한 각종 정보를 손쉽게 파악하거나 관리할 수 있을 것이다.
스마트 농업은 본질적으로 ICT 등 신기술이 융합 ․ 적용된 정밀농업의 심화 ․ 발전된 농업으로, 4차 산업혁명 시대의 스마트 농업은 농업 가치사슬 전반에 걸친 모든 활동과 관련 영역을 포함하는 개념이다(이주량 외, 2018). 하지만 우리나라에서는 스마트 농업의 일부인 스마트팜을 중심으로 스마트 농업이 이해되고 있으며, 스마트 농업 관련 기술도 스마트팜의 보급 ․ 확산을 통해 주로 개발 ․ 확산되고 있다. 국내 스마트팜 보급률은 2014년까지만 해도 시설원예 분야 0.7%, 축산 분야 0.12%에 불과하였으나, 2014년 정부가 추진한 ‘ICT 융복합 확산-스마트팜 시설보급 지원사업’을 통해 빠르게 증가하기 시작하여 2017년 시설원예와 축산 분야 스마트팜 보급률은 각각 7.3%와 0.7%에 이르고 있다. 시설원예 스마트팜 보급면적은 2013년 405ha에서 2017년 4,010ha로 약 10배가량 증가하였으며, 스마트축사 보급 농가는 2013년 23농가에서 2017년 790농가로 약 34배가량 증가하였다.
경제가 발전함에 따라 농수산업의 경제적 비중이 축소되고 농어촌 인구가 감소하는 것은 우리나라뿐만 아니라 대부분의 국가가 경험하는 자연스러운 현상이다. 하지만 우리나라의 경우 농어촌 인구의 감소로 인한 농가의 고령화 현상이 심화하는 추세이고, 이에 따라 농가 규모도 영세한 수준에 머물고 있다. 또한, 농산물 시장 개방과 기후변화 및 각종 가축 질병의 빈번한 발생으로 농가의 수익성은 낮아지고, 시장의 불확실성은 증가하고 있다. 이러한 요인들로 인해 농가의 실질 소득과 생산성은 정체 및 감소 추세이며, 민간 주도의 농업 투자와 혁신도 감소하고 있다. 특히, 도시가구 대비 농가의 상대적 소득 감소는 신규 인력의 농수산업 유입을 저해하여, 농가 고령화를 가속화하는 주요 요인으로 작용하고 있으며, 이는 다시 농가 규모의 정체, 수익성 악화, 투자 감소로 이어지는 악순환으로 연결되고 있다.
농수산업의 구조적 악순환 문제와 함께 공급 중심적 산업 구조와 정책 지원도 농수산식품산업의 성장을 저해하고 있다. 국내 농업의 가장 근본적인 문제 중 하나는 과점적이고 복잡한 농산물 유통 구조에 기인한 과도한 유통비용이다. 국내 농산물 소비자 가격에서 유통비용이 차지하는 비중은 거의 절반에 달하며, 이로 인해 생산과 소비 양극단의 편익과 가격 대비 먹거리 품질은 나아지지 않고 있다. 따라서 정부의 정책도 농산물 수급조절, 산지유통 규모화 ․ 전문화, 직거래 및 소비지 판매 채널 확대 등 공급 관리와 유통 구조 개선을 위한 지원에 집중되어 왔다. 하지만 체감할만한 개선은 이루어지지 않고 있으며, 소비자의 참여와 권익에 대한 고려도 미흡한 상태이다. 이러한 상황에서 산업 구조 혁신의 기폭제로 평가받는 스마트 산업으로의 전환은 최근에서야 정부 주도로 진행되고 있으나, 아직까지 글로벌 스마트 농업 시장에서 우리나라가 차지하는 비중은 1%대에 불과하며(연구개발특구진흥재단, 2018), 애그리테크(Agritech) 스타트업 기반도 미약한 상태이다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
딥러닝 기술이 현재 AI 시대를 이끌고 있음에도 불구하고 나타나고 있는 대표적인 한계점 두 가지는 무엇인가?
추론 과정 (compact_reasoning)
-
1과제 해석
task_interpretation딥러닝 기술의 발전 상황과 그에 따른 한계점을 묻는 질문임을 파악한다.
-
2정보 추출
information_extraction딥러닝의 정의와 부흥 배경, 그리고 한계점에 관한 문장을 추출한다.
- 딥러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstraction)를 시도하는 기계학습(machine learning)의 한 분야이다.
- 강력한 병렬연산장치인 GPU 등의 하드웨어의 발전과 새로운 알고리즘의 개발 등으로 다시 부흥하여 현재의 AI 시대를 이끌어 나가고 있다.
- 그러나 다양한 산업에서 AI에 대한 요구 수준이 높아짐에 따라 또 다시 여러 가지 한계점이 드러나게 되었는데, 대표적인 예가 AI가 도출한 결과를 설명할 수 없다는 점이다.
- 또한 딥러닝의 구조와 설계가 복잡해지면서 일반인이 AI 기술을 이해하거나 비숙련 엔지니어가 AI 상품 ․ 서비스 개발을 위한 진입장벽이 높아지고 있다.
-
3근거 선택
evidence_selection한계점을 직접적으로 언급한 두 문장을 선택한다.
- 대표적인 예가 AI가 도출한 결과를 설명할 수 없다는 점이다.
- 딥러닝의 구조와 설계가 복잡해지면서 일반인이 AI 기술을 이해하거나 비숙련 엔지니어가 AI 상품 ․ 서비스 개발을 위한 진입장벽이 높아지고 있다.
-
4논리 통합
logical_integration추출된 두 가지 근거를 결합하여 답변을 구성한다. 첫째는 결과의 설명 불가능성이고, 둘째는 기술 이해 및 개발의 진입장벽 상승이다.
-
5결론 도출
conclusion_formulation질문에서 요구한 두 가지 한계점을 명확하게 정리한다.
-
6답변 생성
answer_generation최종 답변을 작성한다.
근거 (evidence)
- 딥러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstraction)를 시도하는 기계학습(machine learning)의 한 분야이다.
- 강력한 병렬연산장치인 GPU 등의 하드웨어의 발전과 새로운 알고리즘의 개발 등으로 다시 부흥하여 현재의 AI 시대를 이끌어 나가고 있다.
- 그러나 다양한 산업에서 AI에 대한 요구 수준이 높아짐에 따라 또 다시 여러 가지 한계점이 드러나게 되었는데, 대표적인 예가 AI가 도출한 결과를 설명할 수 없다는 점이다.
- 또한 딥러닝의 구조와 설계가 복잡해지면서 일반인이 AI 기술을 이해하거나 비숙련 엔지니어가 AI 상품 ․ 서비스 개발을 위한 진입장벽이 높아지고 있다.
- 대표적인 예가 AI가 도출한 결과를 설명할 수 없다는 점이다.
- 딥러닝의 구조와 설계가 복잡해지면서 일반인이 AI 기술을 이해하거나 비숙련 엔지니어가 AI 상품 ․ 서비스 개발을 위한 진입장벽이 높아지고 있다.
최종 답변 (final_answer)
1. AI가 도출한 결과를 설명할 수 없다는 점
2. 딥러닝의 구조와 설계가 복잡해짐에 따라 일반인의 기술 이해나 비숙련 엔지니어의 개발 진입장벽이 높아지고 있다는 점