사물 인터넷의 동작 원리

사물 인터넷 시스템은 장치 · 통신 네트워크 · 데이터 플랫폼 · 서비스와, 이 넷을 감싸는 보안으로 이루어집니다. 이번에는 그 부분들 사이로 데이터가 어떻게 흘러가는지를 봅니다. 부분을 아는 것과 흐름을 아는 것은 다릅니다. 자동차의 부품 이름을 다 알아도 시동을 걸었을 때 무슨 일이 일어나는지는 따로 배워야 하는 것과 같습니다.

사물 인터넷에서 데이터는 다섯 단계를 지나갑니다. 순서를 외우는 것보다 단계마다 데이터의 모습이 어떻게 달라지는지를 보는 것이 중요합니다.

흙의 물기를 측정하는 화분으로 다섯 단계를 실제로 밟아 봅시다. 아래 버튼을 눌러 한 단계씩 넘기면서, 데이터 상자 안의 값이 어떻게 달라지는지 지켜보세요. 단계가 넘어갈 때마다 같은 값에 무엇이 새로 붙는지가 볼거리입니다.

다섯 단계 가운데 3단계와 4단계는 이름만 보면 비슷해 보여서 자주 뒤섞입니다. 둘을 나란히 놓고 무엇이 다른지 살펴봅시다.

순서를 바꿀 수 없는 까닭도 여기서 나옵니다. 정리하지 않은 값끼리는 비교할 수가 없습니다. 어떤 값은 0에서 1023까지고 어떤 값은 0에서 100까지인데 그대로 비교하면 엉뚱한 결론이 나옵니다. 처리가 먼저 와야 분석이 가능합니다.

다섯 단계를 한 줄로 늘어놓으면 5단계에서 끝나는 것처럼 보입니다. 그런데 시뮬레이션의 마지막 단계를 다시 보세요. 사람에게 알림을 보내는 것과 함께, 장치에게도 신호가 갔습니다. 「30분마다 측정하던 것을 10분마다 측정하라」는 신호입니다.

이 신호를 받은 장치는 다음번 1단계를 달라진 조건으로 시작합니다. 그러니 다섯 단계는 직선이 아니라 고리입니다.

돌아온 결과가 다음 수집을 바꾸는 방식은 여러 가지입니다.

지금까지 본 분석은 사람이 미리 적어 둔 기준을 따랐습니다. 「사흘 내리 20보다 낮으면 마른 것으로 본다」 같은 식입니다. 이런 기준은 명확하고, 왜 그런 판단이 나왔는지 사람이 추적할 수 있습니다.

그런데 기준을 사람이 다 적을 수 없는 경우가 있습니다. 자율주행 자동차가 앞의 것이 사람인지 그림자인지 구별하는 일이 그렇습니다. 「이런 모양이면 사람」이라고 적어 두려 해도, 자세와 옷과 빛에 따라 모양이 끝없이 달라져 다 적을 수가 없습니다. 이럴 때는 기준을 적어 주는 대신 많은 예를 보여 주고 스스로 기준을 찾게 합니다. 이렇게 예에서 기준을 찾는 방법이 기계학습이고, 오늘날 인공지능이 가장 많이 쓰는 방법입니다.