AIaaS (AI as a Service) - AI와 클라우드의 만남
AIaaS, 즉 서비스형 AI는 인공지능을 클라우드에서 구현해 제공하는 서비스이다. 마켓 앤 마켓은 AIaaS는 2018년 15.2억 달러(1.82조 원)의 시장을 형성하였고, 연 평균 48% 성장해 2023년에는 108.8억 달러(13.05조 원)에 이를 것이며, AI가 퍼블릭 클라우드 서비스 전체 매출의 최대 50%를 차지할 것이라고 전망하였다.
AI는 본질적으로 클라우드와 닿아있다. AI 서비스의 핵심은 컴퓨팅 리소스로, 수많은 학습 데이터를 저장할 공간, 모델 훈련 및 추론을 위한 고강도의 컴퓨팅 파워가 필요하기 때문이다. 이에 클라우드 시장의 빅 3 리더들인 아마존, 마이크로소프트, 구글은 A개발자용 클라우드 AI 서비스 시장에서 선두권을 잡기 위해 치열한 경쟁을 벌이고 있고, IBM도 클라우드 AI서비스 시장의 리더로서 경쟁 중이다.
아마존 웹 서비스 (AWS)
> 강점: #다양한_포트폴리오 #높은_인지도
> 약점: #다양한_포트폴리오 #단일_플랫폼 #디플로이_비용
높은 인지도
- 이미 클라우드 컴퓨팅에서 압도적인 우위를 점하고 있는 아마존은 비즈니스 시장에서 인지도가 높음.
- 알렉사 AI 등 소비자형 제품으로 인해 개인 고객에게도 친숙하여 시장 접근의 폭이 넓음.
- 또한 딥러닝, ML 등을 배우려는 개발자를 위해 30개 이상의 디지털 교육과정을 제공함으로써 접근성의 깊이를 확대하고 있음.
(예) AWS 딥렌즈를 통해 딥러닝을, AWS 딥 레이서를 통해 강화 학습의 기본에 대해 배울 수 있음
다양한 포트폴리오
- 데이터 사이언티스트로서 AI 서비스 개발을 고도화하고자 하는 개발자와 기계학습에는 숙련되지 않은 개발자 모두를 타게팅.
ㆍ예를 들어 숙련된 AI 개발자는 sagemaker의 머신러닝 스위트를 이용해 고도의 AI 기능을 만들 수 있음
ㆍ머신러닝에 대해 잘 모르더라도 비전, 스피치, 자연어, 텍스트 처리 등 미리 학습된 서비스를 이용해 애플리케이션 개발 가능
- 컴퓨팅 인프라를 다양한 옵션으로 제공하기 때문에 클라우드에서 고품질의 AI 서비스를 구축할 수 있음.
- 그러나, 너무 광범위한 포트폴리오로 인해 어떤 서비스를 사용해야 할지 오히려 고객에게 혼란이 되기도 함.
- 포트폴리오가 다양한 와중에 번역 API는 제공하고 있지 않아 약점으로 작용.
단일 플랫폼
- AWS라는 단일 플랫폼으로 모든 AI 프로젝트를 진행해야 한다는 부담이 있음.
디플로이 비용
- 개발단계에서 현업 단계로 서비스를 확장할 때 갑작스럽게 비용 부담이 늘어나는 경우가 있음.
Amazon Sagemaker
세이지메이커는 기계 학습 모델을 빠르게 구축하고 학습 및 배포까지 할 수 있도록 돕는 완전 관리형 서비스이다. 일련의 머신러닝을 위한 워크플로우를 통합적으로 관리하여 각 단계에 필요한 에포트와 오류를 줄이는 것이 목적이다.
- 오토파일럿 기능 : 머신러닝 모델을 자동으로 생성해줌. 최대 50 개 모델을 탐색하고 최적의 모델 선택.
- Ground Truch 기능: 라벨링 비용을 70%까지 절감해주는 레이블링 툴
- Sagemaker Studio: 시작적 인터페이스를 제공해 실험을 검토하고 비교할 수 있음
- 관리형 스팟 학습: EC2 스팟 인스턴스를 이용해 학습 중 컴퓨팅 파워 변화에 탄력적으로 대응
- Kubeflow를 통해 세이지 메이커 기능에 액세스: 컨테이너식 애플리케이션 배포, 확장, 관리 자동화를 위해 kubernetes 사용
Amazon AI / ML Services
- Amazon Lex
ㆍ음성 및 텍스트를 사용한 대화형 인터페이스를 구축하는 서비스.
ㆍ특히 아마존 알렉사에서 사용하는 것과 동일한 딥러닝 기술을 제공. 음성인식, 의도 분석 등 NLU 기능 포함.
- Amazon Polly
ㆍ텍스트 음성 변환(TTS) 서비스로 전통적인 음성 합성 방식과 딥러닝 합성 방식 활용
ㆍ영어, 한국어 포함 다양한 언어를 여성 혹은 남성 목소리로 지원.
ㆍ한국어 TTS 들어보기 >> https://d1.awsstatic.com/product-marketing/Polly/voices/seoyeon.9dbe36e9490fba13c2387ad65c6b69517bfbf7b5.wav
- Amazon Kendra
ㆍ엔터프라이즈 자연어 검색 기능 제공
ㆍ회사 전체에 산재해 있는 콘텐츠에서 필요한 정보를 검색할 수 있는 기능 제공
ㆍ증분 학습(incremental learning)을 통해 고객의 피드백에 따라 검색 정확도가 점점 향상됨
- Amazon Rekognition
ㆍ이미지, 비디오 분석 자동화 툴
ㆍ이미지 분류, 텍스트 탐지, 얼굴인식/ 분석/ 검출, 비디오 트래킹 등 다양한 비전 기술 제공
이 외에도 추천 기능 구축, 텍스트 처리, 번역, 음성인식, 머신러닝 기반 키보드 연주, 딥러닝 지원 비디오카메라, 자율주행 경주용 자동차 등 다양한 기계학습 서비스를 제공하고 있으며 홈페이지(https://aws.amazon.com/)에서 내용을 확인할 수 있다.
마이크로소프트 애저 (MS Azure)
> 강점: #다양한_서비스_배포옵션
> 약점: #서비스_혼재 #직접협력_부재
다양한 서비스와 배포 옵션
- 머신러닝, 정보 마이닝, AI 앱 에이전트 등 다양한 서비스 제공.
- 미리 학습된 모델을 제공할 뿐만 아니라 고객이 커스터마이즈해서 사용할 수 있는 커스텀 비전, 커스텀 스피치 기능 제공.
- Pytorch, TensorFlow, scikit-learn 등 모든 오픈소스 AI 프레임워크 활용 가능.
- 고객의 요구에 따라 가상 프라이빗 클라우드, 온 프리미즈(on-premise) 등 다양한 배포 옵션 제공.
- 단, 기술적 성숙도는 구글에 뒤쳐졌다는 분석이 있음.
서비스 혼재
- MS 클라우드 AI 서비스가 여러 사업부에 걸쳐 있어 서비스 문의 등 프로세스에 혼란이 있다고 함.
- 애저 인지 서비스/ 코타나 서비스 등 브랜드가 혼재되어 있는 점이 고객에게 혼란으로 작용.
직접 협력 부재
- MS는 파트너 네트워크를 통해 AI 서비스를 제공하고, 일반적으로 기업과 직접 협력해 솔루션을 개발하지는 않음.
- 이런 방식은 클라우드 솔루션 개발에 익숙하지 않은 조직에게 진입 장벽으로 작용함.
Azure Machine Learning
- Azure Machine Learning
ㆍ자동화된 기계학습, 클라우드/Edge 배포 기능을 포함한 파이썬 기반의 머신러닝 서비스
- ONNX
ㆍ기계학습을 위한 오픈소스 모델 / 런타임
ㆍ프레임워크, 하드웨어 플랫폼 간의 이동이 가능
Azure KnowledgeMining
- Azure Cognitive Search
ㆍ문서, 이미지, 미디어 등 콘텐츠로부터 패턴/관계 검색, 감성 분석, 핵심 구문 추출 등 인사이트를 발굴하는 서비스
ㆍAI 기능이 기본으로 제공되는 유일한 클라우드 검색 서비스
MS AI Apps
- Cognitive Services
ㆍ시각, 음성, 언어, 결정 분야에서 사전 학습된 AI 모델을 제공하며, 사용자가 커스터마이즈 가능함
ㆍ시각 - 비전 분석 API, 얼굴/감정 식별, 텍스트 추출, 디지털 잉크 인식, 비디오 분석 및 콘텐츠 인덱싱
ㆍ음성 - STT, TTS, 실시간 음성 번역, 화자 식별
ㆍ언어 - NLU, 질문 답변 생성, 텍스트 분석, 번역, 장애유무와 관계없이 텍스트 이해가 가능하도록 오디오/시각 신호 활용
ㆍ결정 - 이상 감지, 불쾌 콘텐츠 탐지, 개인화
- Bot Service
ㆍ템플릿 제공을 통해 봇 개발을 돕는 서비스
구글 GCP (Google Cloud Platform)
> 강점: #비전완성도 #강력하고_다양한_서비스
> 약점: #제한된_환경 #낮은_점유율 #가격경쟁력
비전완성도
- 가트너는 구글의 클라우드 AI 비전 완성도가 MS보다 앞선 것으로 분석함
강력한 성능과 다양한 서비스
- AI 연구에 있어 구글은 선도적이며 혁신적인 행보를 보여왔음. 이에 따라 풍부한 API를 다양한 환경에서 제공중.
- 자연어 이해: 최다 언어 지원
ㆍ챗봇 툴은 현재 22개 언어를 지원하고 향후 지원언어를 더 확대할 계획
ㆍ음성 문자 변환(STT) 서비스를 64개 언어에 대해 120개의 지방 언어로 지원 (vs AWS는 30여 개)
ㆍ변역은 104개 언어 지원 (vs MS는 60여 개)
ㆍGCP의 자연어 이해(NLU) 서비스는 배치 모드와 실시간 스트리밍 모드에서 모두 사용 가능
ㆍ자연어 대화, 텍스트 분류, QA 등 다양한 자연어처리/ 이해 API 제공 중.
- 이미지 인식
ㆍ프라이빗 클라우드나 on-premise 환경에서도 컨테이너를 통해 배포 가능. (kubeflow pipelines, 구글 특화)
ㆍ오토 ML 비전에서 다양한 비전 API 제공 -> 사전학습 모델을 REST API 혹은 RPC API로 가져와 개발 가능.
ㆍ오토ML 비디오 인텔리전스 서비스 -> 머신러닝 경험이 적어도 맞춤화된 모델 구현 가능.
ㆍ얼굴 및 사물의 자동인식을 사용해 이미지를 빠르게 분류.
ㆍ OCR 서비스에서 200개 이상 언어 지원을 지원 (클라우드 AI 업체 중 최다)
- 예측 분석
ㆍ오토 ML 테이블 -> 결측치, 데이터 차수, 데이터셋의 통계량에 대한 정보를 자동으로 제공하여 데이터 정제(pre-processing) 단계에 편의성 도입
ㆍ오토 ML 테이블 -> 모델 자동 학습 ~ 선별된 모델에 대한 설명력까지 제공함(XAI)
제한된 환경
- 일부를 제외한 대부분의 서비스가 퍼블릭 클라우드 상에서만 사용 가능.
- 현재는 비전 서비스만 엣지와 모바일 ML키트에서 배포 가능.
- 향후 프라이빗 클라우드에서 더 많은 서비스를 쓸 수 있도록 할 계획이라고 함.
낮은 점유율
- GCP는 AWS나 마이크로소프트 애저에 비해 시장 점유율이 적음
가격 경쟁력
- 구글은 영업 실행과 가격경쟁에서 밀리는 것으로 분석됨.
- 가트너는 개발자용 AI 서비스를 견인차 삼아 전체 GCP로 확장시키는 고객 영업 전략을 실행해야 할 것이라고 분석.
