빅데이터 기반 모사현실 기술 동향

Trends of Simulated Reality Driven by Big Data

저자
안창원, 백의현, 김기호, 황승구 / 데이터분석SW연구실
권호
31권 5호 (통권 161)
논문구분
일반 논문
페이지
120-130
발행일자
2016.10.01
DOI
10.22648/ETRI.2016.J.310513
초록
21세기 디지털 사회에서는 각 개인의 연결과 상호작용이 사회 현상에 막대한 영향을 미치고 있으며, 이로 인해 사회는 더욱 복잡해지고, 순간적으로 급격한 변화가 일어나는 현상이 빈번히 발생한다. 사회 복잡성(Social Complexity)은 다수의 사회 구성원들 간의 복잡한 연결로 인해 발생하는 상호작용 패턴을 의미한다. 2011년 발생한 ‘아랍의 봄’ 혁명, 글로벌 금융위기, 조류독감의 발생과 확산, 글로벌 기후 변화, 테러리스트들의 네트워크와 사이버 범죄의 증가 등은 복잡하게 연결된 글로벌 사회 현상으로 발생하는 복잡성의 사례들이다. 우리 사회의 안전성과 지속성을 확보하기 위해, 이러한 사회 복잡성을 그려내어, 그 속에 숨겨진 패턴을 분석하고 예측하는 기술에 대한 연구 개발이 국가적으로 필요하다. 다양한 분야의 사회적 모형을 개발하고 서로 연결하여, 복잡한 사회적 상호작용을 대규모 시뮬레이션을 통해 현상 분석과 사회경제 정책적 대응방향에 대한 통찰력을 가질 수 있는 대규모 ‘모사현실(Simulated Reality)’ 기술 개발을 서둘러야 한다.
   3977 Downloaded 5998 Viewed
목록

Ⅰ. 서론

21세기 디지털 사회에서는 각 개인의 연결과 상호작용이 사회현상에 막대한 영향을 미치고 있으며, 이로 인해 사회는 더욱 복잡해지고, 순간적으로 급격한 변화가 일어나는 현상이 빈번히 발생한다[1][2].

전 세계적으로 발생하는 사회문제를 예방하거나 그 파급을 최소화하기 위해, 복잡한 사회현상을 설명하고 분석하여 미래를 예측하는 기술개발이 확대되고 있다. 빅데이터, 인공지능, 분산/클라우드 컴퓨팅, 슈퍼컴퓨팅, Internet of Things(IoT) 등과 같은 ICT 기술의 혁신적 발전은 글로벌 스케일의 사회적 분석과 예측 기술의 가능성을 제시한다. 국가적으로 복잡한 정치·경제·문화·사회적 불확실성은 정책 실행의 결과가 기대에 어긋나는 경우가 많고 사회적 비용의 큰 손실을 초래하게 되어, 사전에 이를 정밀하게 검증할 수 있는 기술적 방법의 필요성이 대두된다.

사회과학과 ICT 기술과의 융합은 기존의 단순 통계분석과는 달리, 시시각각 변하는 실제 데이터를 활용하여 미세한 환경 변화와 현상의 심층분석을 대규모로 가능하게 만든다. 사회 복잡성(Social Complexity)은 단일 구성원이 아닌 다수의 사회 구성원들 간의 복잡한 연결로 인해 발생하는 상호작용 패턴을 의미한다. 2011년 발생한 ‘아랍의 봄’ 혁명, 글로벌 금융위기, 조류독감의 발생과 확산, 글로벌 기후 변화, 테러리스트들의 네트워크와 사이버 범죄의 증가 등은 복잡하게 연결된 글로벌 사회현상으로 발생하는 복잡성의 사례들이다. 우리 사회의 안전성과 지속성을 확보하기 위해, 이러한 사회 복잡성을 그려내어, 그 속에 숨겨진 패턴을 분석하고 예측하는 기술에 대한 연구 개발이 국가적으로 필요하다.

모델링 및 시뮬레이션은 현실세계에서 일어나는 문제를 분석하고 해결하는 대표적인 방법론이다. 실세계를 대상으로 원형을 만들고 실험을 하는 것은 비용이 매우 클 뿐만 아니라 실험 자체가 불가능한 경우가 대부분이다. 반면에 모델링은 현실을 추상적 모형으로 모사하고 그 모형에서 해결책을 찾기 때문에 실험의 다양성과 비용 측면에서 매우 유리하다.

특히, 시간에 따라 동적으로 변화하는 복잡한 문제를 분석하기 위해서는 컴퓨팅 능력의 비약적인 발전으로 가능해진 시뮬레이션 방법이 대안으로 등장하고 있다[3]. 전 세계의 날씨 혹은 경제 그 어떤 복잡한 시스템이라도 그것을 이해하기 위한 유일한 방법은 모형을 이용하는 것으로, 엄밀한 접근을 위해서는 모형화(Modeling)를 통한 분석이 매우 중요하다. 특히 시뮬레이션을 통한 동적분석은 결과론적인 인과/상관관계를 파악하는 것에 그치는 것이 아니라, 시간에 따른 동적인 변화를 파악할 수 있어 우리가 살아가고 있는 현실 세계를 이해하는 데 필수적인 도구가 된다.

소셜 시뮬레이션(Social Simulation)은 사회과학의 여러 가지 현상을 분석하기 위해 계산 방법론을 적용하는 연구 분야다. 심리학[4], 조직행태학[5], 사회학, 정치학, 경제학, 인류학, 지리학, 공학, 고고학, 그리고 언어학[6]에 이르기까지 다양한 주제를 탐구하고 있다.

소셜 시뮬레이션은 사회 현실을 구성하고 있는 프로세스, 메커니즘, 행태에 주된 관점을 두고 사회과학에서 사용되고 있는 서술적 방법과 형식 논리적 방법 사이의 간극을 줄이는데 그 목적을 두고 있으며, 소셜 시뮬레이션에서 컴퓨터는 인간의 추론 활동을 모사하고 실행시키는 데 활용된다. 기존 수식 기반의 전통적인 모형으로 해결할 수 없었던 복잡한 비선형 시스템으로 사회를 모델링하여 시뮬레이션이 가능하게 되었다. 이러한 소셜 시뮬레이션 방법은 귀납적 방법 또는 연역적 방법과는 차별화된 제3의 방법으로 주장되기도 하는데, 이는 현실 세계로부터 직접 측정한 데이터가 아니라, 엄밀한 규칙에 의해 생성된 가상적인 데이터를 대상으로 귀납적인 분석을 수행하기 때문이다. 현상을 시뮬레이션 한다는 것은 그것을 생성한다는 것과 매우 유사하며, 이는 디지털 가상 시공간에 인공적인 사회를 구축하는 것과 다름없다.

다양한 분야의 사회적 모형을 개발하고 서로 연결하여, 복잡한 사회적 상호작용을 대규모 시뮬레이션을 통해 현상분석과 사회경제 정책적 대응방향에 대한 통찰력을 가질 수 있는 대규모 모사현실(Simulated Reality) 기술개발을 이제 시작해야 한다.

Ⅱ. 모사현실 기술 개요

사회과학과 ICT 기술의 융합은 사회물리학의 정립과 소셜 시뮬레이션 연구의 확산을 가져오고 있다. 사회과학은 인간과 인간 사이의 관계에서 일어나는 사회현상과 인간의 사회적 행동을 탐구하는 과학의 한 분야이며, 자연과학의 발전에 영향을 받아 발전한 과학적 방법을 사용하여 사회현상을 연구한다.

사회 물리학은 개인의 상호작용을 분석하여 인간사회를 이해하는 새로운 접근방법이며, 정보와 아이디어 사이의 수학적 연결과 사람들의 행동에 관한 신뢰할만한 설명을 제시하는 정량적 사회과학이고[7], 소셜 시뮬레이션(Social Simulation)은 사회과학에서의 주요 이슈를 탐구하기 위한 계산방법(computational method) 중 하나인 모델링 및 시뮬레이션을 활용하는 연구분야다.

‘모사현실 (Simulated Reality) 기술’이란 빅데이터 기술과 모사(Simulation) 기술을 융합하여 가상공간에서 사회·경제 시스템뿐만 아니라, 기술·환경·자연 세계 등을 재현하여, 복잡성을 갖는 사회, 조직, 생명체 등에 대한 동적분석 및 예측 분석기술을 의미한다[(그림 1) 참조]. 주로 사회 구성 요소 간의 상호작용 중심의 사회현상을 다루는 소셜 시뮬레이션 기술보다는 좀 더 포괄적인 범위(Society·Technology·Economics· Environment·Politics/Policy)를 대상으로 다루는 기술로 정의할 수 있다.

(그림 1)

모사현실(Simulated Reality) 개념도[8]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f001.jpg

21세기 디지털 사회에서는 각 개인의 연결과 상호작용이 사회현상에 막대한 영향을 미치고 있으며, 이로 인해 사회는 더욱 복잡해지고, 순간적으로 급격한 변화가 일어나는 현상이 빈번히 발생한다. 전 세계적으로 발생하는 사회문제를 사전에 예방하거나 그 파급을 최소화하기 위하여, 복잡한 사회현상에 대한 미시적, 심층적인 분석과 미래 상황에 대한 탐색 기술의 연구개발이 확대되고 있다. 빅데이터, 인공지능, 분산/클라우드 컴퓨팅, 수퍼컴퓨팅, IoT 등과 같은 ICT 기술의 혁신적 발전은 지구촌 규모의 사회경제 현상분석과 예측 기술의 가능성을 보이고 있다. 국가적으로 복잡한 정치·경제·문화·사회적 불확실성은 정책 실행의 결과가 초기 기대와는 다르게 전개되는 경우가 빈번하여, 큰 사회적 비용을 초래한다. 따라서 사전에 이를 심층적, 전방위적으로 검증할 수 있는 새로운 방법에 대한 필요성이 대두되고 있다.

정부3.0 및 창조경제 활성화 과제에서 정부는 주요정책을 지원하는 과학적·미래지향적 행정구현을 위한 빅데이터 활용가치를 강조하고 있다[9]. 빅데이터를 활용한 과학적 행정구현, 개인맞춤형 통합 서비스 제공, 찾아가는 서비스 실현 및 사각지대 해소 등이 정부3.0 발전 계획의 8대 핵심과제에 포함되어 있다[(그림 2) 참조].

(그림 2)

정부 3.0 목표 및 8대 핵심과제[9]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f002.jpg

세계는 과학적인 정책 수립과 집행을 위해 사회경제 현상에 대한 분석과 함께 데이터 기반의 시뮬레이션으로 적확성 향상을 도모하고 있다. 사회의 특성을 반영한 국가적 현안 해결 정책을 개발하고 검증하기 위한 시스템 체계를 구축하기 위해서는 기술·사회·경제 분야의 국가적 도전과제 해결을 위한 국가차원의 미래 예측 시스템 고도화가 필요하다. 정책 시행상 나타날 수 있는 각종 사회적 비용을 시뮬레이션을 통해 검증하고 최소화하여 국가자원의 자원 투입효과를 극대화해야 한다.

Ⅲ. 모사현실 연구동향

빅데이터 기반의 과학적 분석과 예측을 통한 의사결정 시대가 도래했다. 이제 단순한 정보지향적 질문에서 통찰력 질문을 다루는 방향으로 시대가 변화되고 있어, 심층분석과 예측분석을 위한 시뮬레이션 기술이 주목받고 있다.

글로벌 경제 잡지인 Forbes는 2013년 7월호에 ‘혁신의 미래는 시뮬레이션’이라는 기사를 게재하고, 향후 시뮬레이션 경제로의 발전을 예상하였다[10]. 실세계 데이터로부터 현상을 재구성하고, 가설을 시험하고 검증하는 전략적 분석 시대인 ‘시뮬레이션 경제’로 점차 옮겨가고 있다.

일기예보에서는 수천 가지의 가능성을 시뮬레이션한 후 가장 확률이 높은 시나리오 발표하고, 마케팅에서는 구매 결정까지의 여러 변수들의 복잡한 상호작용에 대해 시뮬레이션을 수행한다. 고객이 슈퍼마켓에서 어떻게 움직이는지 행위자 기반 모델링으로 분석하여 상품의 적절한 배치를 결정한다. 이외에도 빌딩 에너지 효율화, 국방작전 설계, 교통혼잡 감소, 전투력 효율적 유지 등에 활용하고 있다.

실제 시장에서 아이디어를 구현하고 시험하는 대신, 실제 데이터로부터 구축된 가상 환경에서 저비용, 저리스크로 아이디어를 시험할 수 있는 시대가 도래하여, ‘What-If’시나리오 분석을 자유롭게 수행하게 된다면, 기존의 방법보다 더 나은 효율성과 창의성을 제공하게 될 것이다.

모사현실 기술은 크게 모사현실 컴퓨팅 플랫폼, 데이터 프레임워크, 모델링 및 시뮬레이션 프레임워크, 모사현실 응용 등으로 분류할 수 있다[(그림 3) 참조].

(그림 3)

모사현실(Simulated Reality) 기술 분류[8]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f003.jpg

1. 모델링 및 시뮬레이션

모사현실의 핵심기술인 모델링 및 시뮬레이션은 현실세계에서 일어나는 문제를 분석하고 해결하는 통찰력을 제공하는 대표적인 방법론이다. 모델링은 분석적 모형을 이용하는 경우와 시뮬레이션을 이용하는 경우로 구분할 수 있다.

(그림 4)에서 Gartner의 Hype Cycle for advanced analyt-ics and data science 2015에 따르면 시뮬레이션 기술은 5~10년 안에 안정기에 도달할 성숙된 기술로 분류된다[11].

(그림 4)

Hype Cycle for Advanced Analytics and Data Science 2015[11]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f004.jpg

모델링 및 시뮬레이션(Modeling and Simulation: M&S)은 크게 미시수준 M&S과 거시수준 M&S 로 구분된다. 미시수준 M&S는 사람, 가족, 차량, 기업 등과 같은 개별 개체 수준으로 모델을 구성하고 시뮬레이션하는 기법으로 개별 개체는 일련의 속성(개인의 경우, 성별, 나이, 결혼 여부, 임금 등)을 가진 독립적인 개체로 일부 속성값은 확률적인 규칙에 의해 시간이 지남에 따라 상태가 전이한다(확률적 미시 모형). 행위자 기반 M&S(Agent-based Modeling & Simulation), 이산 이벤트 M&S(Discrete-Event Modeling & Simulation) 등이 미시수준 M&S의 대표적인 방법이다. 또한, 행위자 기반 M&S는 미시적 행위자의 속성과 행동규칙, 상호작용 등을 모사하여, 상향식(Bottom-up)으로 거시적 현상의 동적분석을 가능하게 하는 방법이다.

이산 이벤트 M&S는 Discrete Event System Speci-fication(DEVS)이라고도 하며, 버나드 P. 지글러(Bernard P. Zeigler)가 고안한 모형화를 위한 계층적 형식론으로 사건(event)이 발생함에 따라 상태가 변하는 관점에서 시스템의 동적인 변화를 기술한다[12].

거시수준 M&S는 유사 개체를 블록으로 구성하고 시뮬레이션하는 기법으로, 시스템 다이나믹스(System Dynamics) 방법이 대표적이다. 시스템 다이나믹스는 복잡한 시스템을 몇 개의 연결된 컴포넌트로 단순화하는 모델링 방법으로, 각 블록의 입력, 출력 정보와 각 상태 간의 상호작용을 정의하는 수준으로 세분화한다.

2. 행위자 기반 모델링/시뮬레이션

행위자 기반 모델은 시스템 내 행위자(예, 가축, 농가, 이동차량 등)의 미시적인 메커니즘에 초점을 맞추어 행위자 간 상호작용을 모델링하여 전체 시스템의 거시적인 행동 패턴을 분석하는 시뮬레이션 모형이다[13]. 행위자 기반 모형은 크게 행위자(Agent), 활동하고 상호작용하는 환경(Environment), 행위자가 행동하는 규칙(Rule) 등의 세 가지 요소로 구성된다.

연구자들은 시스템의 구성요소를 대상으로 상향식으로 모델링하여 시스템 전체의 변화가 상호작용하는 다수의 개별 행위자의 행태로부터 어떻게 야기되는지를 탐색할 수 있으며, 개별 행위자와 개별 행태, 그리고 행위자 간 상호작용에 대하여 가능한 미시적인 수준의 가정을 반영한 가상 실험 환경을 제공한다. 응용분야는 생물학, 경제학, 사회학 등 매우 다양하며, 개체의 적응행태 및 새로운 개체의 등장, 주식 시장의 행위자 행태, 공급사슬망의 행위자 행태 등이 모델링되고 있다.

행위자 기반 모델링/시뮬레이션은 정부와 민간 분야에서 끊임없이 필연적으로 발생하는 의사결정을 지원하고 정책을 분석하는 데 있어 새로운 방법을 제시한다. 우리가 살고있는 사회 시스템은 개별적으로 학습하고 개인의 경험에 기반하여 행태를 변화시켜 나가는 복잡한 행위자로 구성되어 있다. Agent-Based Modeling & Simulation(ABMS)는 어떤 정책을 결정하고 집행하기에 앞서 해당 정책이 개별 행위자 또는 특정 그룹에게 어떤 영향을 미칠 수 있는지 탐색할 수 있는 환경을 제공한다.

행위자 기반 모델링/시뮬레이션의 적용 영역이 점차 확산되고 있는 이유는 첫째, 시스템은 구조적인 측면과 상호의존적인 측면에서 점점 복잡해지는 데 반해 다른 모델링/시뮬레이션 방법은 이런 현상의 반영이 어렵다. 둘째, 어떤 시스템은 너무 복잡하여 적절하게 모델링하는 것 자체가 불가능하다. 셋째, 더 상세한 수준의 수많은 데이터가 생성되고 저장되고 있어, 이와 같은 마이크로 데이터를 활용하여 개별 수준의 시뮬레이션이 가능해졌으며, 넷째, 컴퓨팅 기술의 발전 속도가 빨라, 연구자들이 몇 년 전만 해도 연산이 불가능했던 대규모 마이크로 시뮬레이션 모델을 실행할 수 있게 되었다.

행위자 기반 모델링/시뮬레이션의 응용분야로 엑사스케일 초대규모 행위자 기반 모델링/시뮬레이션 파일럿 응용사례는 미생물 다양성, 사이버 보안, 기후변화에 따른 사회적 측면 연구 등을 들 수 있다. 미생물 다양성 사례는 실제 미생물 환경의 복잡성을 대규모 시뮬레이션으로 구현하는 것으로, 대규모로 혼합된 미생물군들의 동태를 이해하는 데 도움을 주어, 생태학, Health Science, 산업에서 다양한 응용을 가능하게 한다. 환경에 대한 분자 수준의 데이터가 빠르게 축적되면서 광대한 다양성, 풍부하면서 아직 미개척 상태인 미생물군, 그리고 새로운 미생물의 기능성을 발견하게 된다. 이러한 데이터의 축적은 조직, 구조, 통찰, 궁극적으로는 실용적인 가치를 가진 예측력을 제공하기 위해서 이론의 응용과 시뮬레이션을 필연적으로 요구한다.

사이버 보안 사례에서는 ABMS가 보안 취약성과 역학관계에 대한 통찰을 제시할 수 있으며, 기술적인 차원과 인간적인 차원을 동시에 모형화하여, 네트워크 구조와 사람의 행태를 연결하여 분석하는 방법으로 사이버 보안의 새로운 돌파구를 열어줄 수 있는 수단이 된다. IT 인프라는 수백에서 수십만의 개체로 이루어져 있으며, 개별 개체마다 여러가지 내부 상태를 정의할 수 있다. 시스템은 지리적으로 분산되어 있고, 동시에 복잡한 네트워킹으로 연결되어 있으며 그 연결구조(Topology)가 끊임없이 변한다. 시뮬레이션의 범위는 컴퓨터, 네트워크, 라우터, 필터, 모니터 등과 같은 시스템과 시스템 사용자, 관리자, 설정 프로세스, 사이버보안 정책, 외부 공격자 등을 모두 포함한다.

기후변화에 따른 사회적 측면 연구 사례에서 장기 기후 예측을 하기 위해서는 물리, 경제, 사회적인 결정 요인을 고려한 모델링이 매우 중요하다. 경제적, 사회적 의사 결정이 물리적인 기후 요인에 잠재적이지만 중요한 영향을 미치며, 반대로 물리적인 기후 요인 역시 의사 결정에 영향을 미친다. 최근의 행위자 기반 경제적/사회적 모형은 기후 변화에 대한 사회적 측면에 내재되어 있는 되먹임 고리 현상에 매우 개방적인 자세를 취하고 있다. 이와 같은 모델은 1010(100억)개에 해당하는 인간 행위자에 대한 모형을 요구하며, 각각의 행위자는 103개의 상태를 가지고 있다.

현재까지 등장한 주요 행위자 기반 모델링 및 시뮬레이션 도구는 다음과 같다.

• Repast HPC(High-Performance Computing)

- 미국 아르곤 국립 연구소의 Repast HPC는 대규모 시스템에 적합한 계산 능력을 제공하는 ABMS 도구

- 군중 행위(Crowd Behavior), 도시 시뮬레이션(Urban Simulation),교통 흐름(Traffic Flow), 공급 체인(Supply Chain) 등의 소셜 시뮬레이션(Social Simula-tion)이나 최적화 문제(Opti-mization Problems) 등을 해결하는데 사용

• SWARM

- 복잡 적응계의 멀티 에이전트 시뮬레이션을 위해 1994년 산타페 연구소(Santa Fe Institute)에 의해 개발되었으나, 1999년 이후로 비영리 SWARM 개발자 그룹에 의해 유지

- 생물학적 시스템 모델링, 인류학, 컴퓨터 사이언스, 생태학, 경제학, 지리학, 정치과학 등에 사용되고 있으나 점차 영향력이 감소 추세

• NetLogo

- NetLogo는 가장 배우기 쉽고 사용하기 쉽지만 대규모 복잡한 모형에는 사용하기 부적합

• Multi-Agent Simulation of Neighborhoods or Networks(MASON)

- 조지 메이슨 대학(George Mason University)의 Evolu-tionary Computation Laboratory과 Center for So-cial Complexity의 공동 프로젝트로 개발

- 자바로 만들어졌으며, 속도가 빠르고 확장이 용이한 이산 사건 멀티 에이전트 시뮬레이션 라이브러리로, 모형 라이브러리 및 선택 사항인 2D/3D 시각화 도구를 포함

• Flexible Large-scale Agent Modeling Envi-ronment (FLAME)

- 하나의 시뮬레이션 환경에서 폭넓은 범위의 행위자 모형과 비행위자 모형을 허용하며, HPC 시스템상에서 대규모 행위자 시뮬레이션을 지원하고, 복잡계 시스템을 3D로 시뮬레이션 가능

- 조직 배양(Tissue Culture)이나 신호 전달(Signaling Pathways) 등의 의학과 생물학과 재정 모델링(Financial Modeling) 등에 사용

• GIS and Agent-based Modeling Architecture(GAMA)

- Institute of Research for Development(IRD) 연구소를 중심으로 GIS를 연계한 다양한 프로젝트에 사용된 시뮬레이션 도구

- 지리적인 데이터와 GIS를 통합하여 시간, 공간, 행위를 포함하는 다수준 모델링 기능, GAMA Modeling Lan-guage(GAML) 언어, GUI 기반의 통합적 개발환경인 IDE 제공, 2D/3D 기반의 시뮬레이션 시각화 도구 등을 제공

북미와 유럽에서는 국가 연구기관과 대학을 중심으로 자국의 사회·경제·문화 특성을 반영한 다양한 소셜 시뮬레이션 연구를 진행하였다. 한 예로, 미국에서는 1억2천만 자국 근로자를 대상으로 고용 상태를 분석 예측하는 마이크로 시뮬레이션 시스템을 개발하여(2013년) 고용정책 수립에 활용화였다. 브룩킹스 연구소(Brookings Institution)의 사회 다이나믹스 정책 센터(Center on Social Dynamics & Policy: CSDP)에서는 행위자 기반 모델링 기술을 바탕으로 3억 행위자 규모의 미국 국가 모델을 개발하였는데, 최대 40억 행위자 규모의 글로벌 모형으로 확장이 가능하다[14].

미국 산타페 연구소(Santa Fe Institute)는 복잡계 과학을 전문으로 연구하는 연구소로서 행위자 기반의 가상 주식 시장 모델 등으로 유명하다. 산디아 국립연구소 (Sandia National Laboratories)는 미국의 식약청 후원을 받아 담배 규제 정책 수립을 위한 행위자 기반 소셜 네트워크 모델을 개발하는 등 다양한 연구를 진행 중이다.

아르곤 국립연구소(Argonne National Laboratory)는 시카고 대학과 공동으로 계산 과학 센터를 운영하며, 모사현실 관련 다양한 연구를 진행 중이다. 행위자 모델을 기반으로 빌딩의 에너지 효율을 예측하는 도구인 ‘The Argonne Commercial Building Agent-based Model (CoBAM)’과 최근에는 슈퍼컴퓨터를 이용한 행위자 기반 모델링 및 시뮬레이션 도구인 Repast HPC의 초병렬 기술을 연구개발 중이다.

유럽에서는 지속 가능한 미래 사회를 견지하기 위한 대규모 데이터 분석 및 예측 기술개발을 목표로 하는 FuturICT가 Future and Emerging Technologies(FET) 플래그십 파일럿 프로젝트로 기획되었다[15][16]. FuturICT 플랫폼은 Planetary Nervous System(PNS), Living Earth Simulator(LES), Global Participatory Platform (GPP) 등 3개의 시스템으로 구성되어 있다.

• PNS(Planetary Nervous System) 글로벌 센서 네트워크를 이용하여 지구 전체의 사회, 경제, 환경 및 기술 분야의 정적/동적 데이터 확보

• LES(Living Earth Simulator) 이질적인 데이터를 행위자 기반 시뮬레이션 등의 경험적이고 이론적인 과학적 방법론과 접목하여 미래 시나리오를 연구

• GPP(Global Participatory Platform) 기업인 등 일반인들이 데이터와 시뮬레이션 기법을 활용할 수 있는 오픈 플랫폼

응용시스템 분석 연구소(International Institute for Applied Systems Analysis: IIASA)는 2011년부터 고급시스템 분석 프로그램을 수행하면서 경제, 사회, 환경, 지역역학 등을 시뮬레이션할 수 있는 행위자 기반 모델링 도구인 ‘Dream Valley’를 개발하여 핀란드 경제의 구조 변화 연구(2013), 한국경제의 전략적 예측 연구(2015) 등을 수행하였다.

옥스퍼드 대학교 등이 운영했던 Berkeley Open Infrastruc-ture for Network Computing(BOINC) 프로젝트 중 Climateprediction.net 프로젝트에서는 기상 시뮬레이션 프로젝트를 진행하고 있다[17]. 지난 천 년 간의 기후 데이터를 바탕으로 한 모델링 프로젝트인 Mille-nnium 프로젝트 등 9개 프로젝트를 수행하여 British Broadcasting Corporation(BBC) 기후 변화 실험(BBC Climate Change Experiment)에서 활용하였고, 미국 서부 가뭄(2015), 영국의 겨울 홍수(2014), 호주와 뉴질랜드의 폭염과 가뭄 원인(2013) 등 13개 프로젝트를 수행 중이다.

Ⅳ. 모사현실 추진 전략

수많은 실패를 딛고 ‘99%의 노력과 1%의 영감’으로 혁신을 찾아 우리 사회의 문제를 해결해 나가기 위해서는 복잡한 현실 세계에서 발생하는 수없이 많은 ‘실패’를 컴퓨터 시뮬레이션으로 아웃소싱하는 새로운 방법을 시도해야 한다. 정보화 시대의 ‘생산성 역설’을 해결하기 위해서는 가상 공간에서 현실 세계를 모사하여 다양한 시도를 손쉽고 빠르게 실험할 수 있는 환경을 갖추어야 한다. 실세계와 가능한 동일하게 ‘디지털 쌍둥이’를 구현해야 하며, 최소 구성단위로 모델링 및 시뮬레이션이 가능해야 한다. 이를 위해 첫째, 10억개 규모 이상의 에이전트 실행이 가능한 대규모 분산 병렬 구조 시뮬레이션 플랫폼 기술개발, 둘째, 거시적/미시적 동적 사회경제 현상에 대한 통합 모델링 기술 및 지능적 데이터세트, 모형, 분석결과 관리 기술, 마지막으로 다양한 파일럿 프로젝트를 추진하여 여러 모사현실 응용 사례를 구축해 나가는 모사현실 기반 응용 개발이 병행되어야 한다. (그림 5)는 모사현실 전체 기술 구조를 보여준다.

(그림 5)

모사현실 기술 구조도[8]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f005.jpg

1. 모사현실 시뮬레이션 플랫폼 기술개발

대규모 모사현실 시뮬레이션 플랫폼 기술개발의 핵심 이슈로 미시(Micro) 환경 변화와 현상의 심층분석을 하기 위해 10억 개 규모 이상의 에이전트 실행이 가능한 대규모 분산 병렬 구조 시뮬레이션 플랫폼이 요구된다. IoT 데이터 등과 같은 실시간 데이터를 수집하고 저장하여 심층분석이 가능하여야 하며 미래 빅데이터 처리 요소기술을 포용하는 적응형 플랫폼 구조를 가져야 한다.

주요 요구사항으로 ‘시뮬레이션 엔진의 확장성’과 ‘시뮬레이션 플랫폼의 개방성’이 있다. 행위자 기반 모델링, 시스템 다이나믹스, 이산 사건 시뮬레이션 등 다양한 시뮬레이션 방법을 지원하고, 모델의 복잡도에 따라 분산 병렬 시스템 기반 확장이 가능해야 하고(확장성), 다양한 사회경제 현상에 대한 데이터세트, 모델, 그리고 분석결과에 대한 저장, 관리, 연계를 지원하여 여러 분야에 걸친 새로운 모델링과 시뮬레이션을 지원하여 새로운 융합 분석이 가능해야 한다(개방성).

2. 지능형 모델링 프레임워크 기술개발

지능형 모사현실 모델링 프레임워크 기술 영역에서는 거시 수준 및 미시 수준 분석을 지능적으로 실행하기 위한 다차원 모델 연결 및 통합 구조, 직관적인 모델링 환경을 제공하는 비주얼 분석 도구 및 언어, 그리고 다양한 데이터세트, 모형, 시뮬레이션 결과에 대한 공유 체계 등을 갖춰나가야 한다.

이 분야에서는 거시적/미시적 동적 사회경제 현상에 대한 통합 모델링 기술 및 지능적 데이터세트, 모형, 분석결과 관리 기술이 요구된다.

복잡한 사회경제 현상에 대한 복잡적응계(Complex Adaptive System: CAS) 기반 모델링을 제공하여 상호 영향을 주고받는 동적인 현상을 거시적, 미시적으로 파악할 수 있는 환경을 제공하여 다양한 현상 모델링 및 검증, 그리고 그 검증 결과를 분석하는 모델링 프레임워크 기술(데이터세트 관리, 모델링 도구, 데이터 가시화, 복잡계 분석)과 다양한 데이터세트와 모델링, 시뮬레이션 결과를 공유하는 개방형 마켓플레이스 기술(시스템 사용 미터링 및 빌링, 카탈로그 서비스)이 세부 내용이다.

3. 모사현실 응용 개발

모사현실 플랫폼 기술개발과 더불어 모사현실 기반 응용 개발이 병행되어야 한다. 우선 다양한 파일럿 프로젝트를 추진하여 여러 모사현실 응용 사례를 구축해 나가야 한다.

인구 구조 변화에 따른 부동산 정책 모델링 및 시뮬레이션, 데이터 기반 고용 복지 현황에 대응하는 정책 모델링 및 시뮬레이션 등과 같은 국가 정책 수립 및 검증을 위한 대규모 시뮬레이션 파일럿 모형을 개발해야 한다. 또한, 시뮬레이션 기반 분석 및 예측 결과에 대한 검증 및 신뢰성 평가 방법과 실용적인 개인정보 비식별화 방법, 그리고 공공/민간 데이터세트 연계를 위한 관련 법제도 개선 역시 추진되어야 한다.

국가 미래전략 수립을 위한 빅데이터 기반 대규모 마이크로 시뮬레이션은 단순한 데이터 분석을 넘어 사회·경제·환경 등의 상호 인과 관계 시뮬레이션을 통하여 선제적 미래전략을 과학적으로 수립할 수 있도록 하는 마이크로 시뮬레이션 기술이 요구된다.

국가 위기관리 시스템 영역에서는 상황인지 지능이 강화된 모사현실 기반 사회안전 시스템, IoT 기반 실시간 데이터를 수집하여 분석하는 모사현실 기반 기후 변화 피해지역 예측 및 대비 시스템, 전염병 전파 예측 및 예방을 위한 질병 관리를 위한 실시간 모니터링, 데이터 분석 시스템 개발을 들 수 있다.

Ⅴ. 결론

모사현실(Simulated Reality) 융합연구 생태계를 조성하고 다양한 연구결과를 창출하기 위해서는 과학기술(빅데이터 시뮬레이션)과 인문사회(소셜 사이언스) 분야의 새로운 융합연구가 촉진되어야 한다. 연구계·학계·산업계 전문가들의 다양한 아이디어를 도출하고 융합시키는 한편 관련 국제 컨퍼런스를 유치하여 국제 교류를 추진하고 향후 국제공동연구 등으로 연계하여 선진국과 대등한 수준의 모사현실 연구를 주도해 나가야 한다.

국가적으로 모사현실 연구를 위한 중장기 계획을 수립하여 사회·경제·문화 특성을 반영한 국가적 현안 해결 정책의 개발과 검증을 위한 국가 단위 시뮬레이션 시스템 체계 구축을 시도해 나가야 한다. 모사현실 기술은 향후 국가차원의 기술·사회·경제 분야의 국가적 도전과제를 해결하고, 동시에 우리나라 소프트웨어 기술력 고도화를 함께 도모할 수 있다. 모사현실 핵심 원천기술뿐만 아니라, 모사현실 기반의 여러 응용 기술을 확보하여 창조적인 소프트웨어 경쟁력 확보하고 시뮬레이션 기반 고도 분석 서비스 신산업 창출, 인력 육성, 고급 일자리 창출 등의 효과를 기대할 수 있다.

정책 시행상 나타날 수 있는 각종 사회적 비용을 시뮬레이션을 통해 검증하고 최소화하여 국가자원의 투입효과를 제고해야 한다. 마이크로 시뮬레이션을 통한 공공정책 사전 분석을 통해 공공정책의 영향 및 효과에 대한 동역학적 미시 분석으로 정확한 정책 평가가 가능해진다. 이로 인해 우리 사회의 여러 정책의 효과를 제고하여, 궁극적인 스마트 정부를 지향할 수 있다.

약어 정리

ABMS

Agent-Based Modeling & Simulation

BBC

British Broadcasting Corporation

BOINC

Berkeley Open Infrastructure for Network Computing

CAS

Complex Adaptive System

CoBAM

Commercial Building Agent-Based Model

CSDP

Center on Social Dynamics & Policy

DEVS

Discrete Event System Specification

FET

Future and Emerging Technologies

FLAME

Flexible Large-scale Agent Modeling Environment

GAMA

GIS and Agent-based Modeling Architecture

GAML

GAMA Modeling Language

GPP

Global Participatory Platform

HPC

High-Performance Computing

IIASA

International Institute for Applied System Analysis

IoT

Internet of Things

LES

Living Earth Simulator

M&S

Modeling and Simulation

MASON

Multi-Agent Simulation of Neighborhoods or Networks

PNS

Planetary Nervous System

[1] 

P. Ball, “Why Society is a Complex Matter,” Springer, 2012.

[2] 

M. Buchanan, “The Social Atom: Why the Rich Get Richer, Cheaters Get Caught, and Your Neighbor Usually Looks Like You,” Bloomsbury USA, 2007.

[3] 

A. Borshchev and A. Filippov, “From System Dynamics and Discrete Event to Practical Agent Based Modeling: Reasons, Techniques, Tools,” The 22nd International Conference of the System Dynamics Society, 2004.

[4] 

H. P. N. Hughes et al., “Agent-based Modelling and Simulation: The Potential Contri-bution to Organizational Psychology,” Journal of Occupational and Organizational Psychology, , vol. 85, no. 3, Sept. 2012, pp. 487-502.

[5] 

R. M. Crowder et al., “The Development of an Agent-Based Modeling Framework for Simulating Engineering Team Work,” IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans, Nov. 2012, vol. 42, no. 6, pp. 1425-1439.

[6] 

S. Takahashi et al., “Advancing Social Simulation: The First World Congress,” Springer, 2007.

[7] 

A. Pentland, “Social Physics: How Social Networks Can Make Us Smarter,” Penguin Press, 2014

[8] 

모사현실 융합클러스터, “빅데이터 기반 초대규모 모사현실 기획보고서(안),” 국가과학기술연구회 Apr. 2015.

[9] 

행정자치부, “정부 3.0 표준교육교재,” 2015.

[10] 

G. Satell, “Why The Future Of Innovation Is Simulation,” Forbes, 2013.

[11] 

Gartner, “Hype Cycle for Advanced Analytics and Data Science,” 2015.

[12] 

B.P. Zeigler, T.G. Kim, and H. Praehofer, “Theory of Modeling and Simulation,” Wiley Interscience, New York, 1976.

[13] 

E. Ariuntsetseg, 염재홍, “행위자 기반 공간 모델을 이용한 구제역 확산 시뮬레이션,” J. Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, vol. 31, no. 3, 2013, pp. 209-219.

[14] 

https://www.brookings.edu/center/center-on-social-dynamics-and-policy/

[15] 

The European Physical Journal Special Topics, 2012.

[16] 

http://www.futurict.eu.

[17] 

http://boinc.berkeley.edu.

(그림 1)

모사현실(Simulated Reality) 개념도[8]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f001.jpg
(그림 2)

정부 3.0 목표 및 8대 핵심과제[9]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f002.jpg
(그림 3)

모사현실(Simulated Reality) 기술 분류[8]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f003.jpg
(그림 4)

Hype Cycle for Advanced Analytics and Data Science 2015[11]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f004.jpg
(그림 5)

모사현실 기술 구조도[8]

images_1/2016/v31n5/ETRI_J003_2016_v31n5_120_f005.jpg
Sign Up
전자통신동향분석 이메일 전자저널 구독을 원하시는 경우 정확한 이메일 주소를 입력하시기 바랍니다.