O C E A N S O F D A T A
O C E A N S O F D A T A WORDS C H R I S S T O K E L - W A L K E R 42
스마트 보팅 8 천만 개 초당 56개 COMPOSING: GETTY IMAGES, DPA PICTURE ALLIANCE, HARRY KENNEY-HERBERT 아메리카 컵을 향한 배틀은 1851년 와이트 섬 근방에서 처음으로 대회가 열린 이래 어느 대회에서나 지금만큼이나 험난했다. 우승에 욕심이 있는 이들 사이에서 “올드 머그the Auld Mug”라는 애칭으로 불려온 트로피를 차지하려는 배틀은 지난 166년 간 계속되었다. 해상에서, 종이 위에서 그리고 법정에서 말이다. 그러나 지금 (랜드로버 바가 스포츠 역사상 가장 각광받는 트로피 중 하나를 고국으로 가져오려고 마지막 전력질주를 준비 중인 때 말이다) 그 전투는 새로운, 보다 진보된 최전방에서 일어나고 있다. 바로 빅 데이터라는 영역이다. 이 새 전투의 진정한 결과는 올 6월에 가시화될 전망이다. 벤 에인슬리 경과 랜드로버 바 팀이, 35회를 맞는 이 대회의 타이틀을 영국으로 가져오려는 목표로 버뮤타 해상에서 돛을 설치하는 시점 말이다. 이들이 제 길을 가도록 돕고자 재규어 랜드로버의 전문가와 엔지니어들은, 일종의 파트너십 관계에 있는 인공지능과 함께 빅 데이터의 힘을 활용하는 임무를 맡고 있다. 이들은 데이터 과학의 성과와 최신 센서 테크놀로지를 활용 중인데, 보팅 주행력을 향상시켜 팀을 선두에 세우기 위함이다. “우리는 전력을 다하고 있어요.” 재규어 랜드로버의 혁신 가속화 팀을 이끌고 있는 짐 존스톤의 말이다. 존스턴은 랜드로버 바 팀이 해상에서든 물 밖에서든 선두에 서도록 돕는 스마트 솔루션을 찾아내는 과업을 책임지고 있다. 이러한 스마트한 커넥션 만들기에 일조하기 위해서 존스턴은 여러 동료들의 도움을 받고 있다. 재규어 랜드로버 엔지니어인 마우리치오 무노즈도 그 중 한 사람이다. 무노즈는 MIT 졸업생으로, 랜드로버 바 데이터 팀에 소속되어 현재 일주일 중 절반을 고즈넉한 포츠마우쓰 해안선에 위치한 매끈한 최첨단 본부 건물에서 일하고 있다. 그의 임무는 랜드로버 바 아메리카 컵 클래스 보트에서 전송되어 오는 데이터를 분석하는 것. 이를 위해서 그는 대회 전 트레이닝 기간 동안 세일링 팀이 하는 모든 활동에서 패턴을 찾아내는 강력한 머신러닝 테크닉을 활용하고 있다. 이 데이터는 300개 가까운 채널들에서 수신되고 있는데, 초당 500회라는 경이로운 회수로 데이터를 기록하는, 보트 선상의 섬유 시각 센서도 이 채널들에 포함된다. 이 채널들은 기록된 데이터를 무노즈가 이끄는 포츠마우쓰의 팀에 전달하는데, 해상 주행력이 향상되었는지 그가 더 잘 이해하도록 돕는 것이다. 그 뒤에, 같은 정보는 디자인 팀, 콘셉트 팀으로 전달된다. 실제적, 관찰된 데이터를 반영해 만들어진, 보트의 바람직한 행동 방식에 관한 그들의 이론 모델이 과연 타당한지 검증하기 위해서다. 이 검증 과정과 함께 이 팀들은 그 정보를 활용하여 보트 디자인을 향상시키고 수정할 수 있다. 모델링 콘셉트와 데이터 통찰 사이의 미묘한 차이를 알아내는 건 매우 중요하다. 왜냐면 보트 구성요소들에 따른 주행력 차이는 1에서 5 노트knot가 아니라 0.1에서 0.5노트 사이인 까닭이다. 리프트, 드래그, 사이드포스 그리고 기류의 총량 등 주행력을 좌우하는 여러 변수들을 기록함으로써, 팀은 이를테면 최적의 직선 주행, 완벽한 택tack, 지브gybe 조정능력 또는 구성요소 무게를 (즉, 아메리카 컵의 승패를 좌우하는 요소들을) 성취하는 데 무엇이 필요한지 계산할 수 있다. “우리에겐 어떤 버튼이 눌러 졌는지에서부터 돛의 최상단 쪽 풍속에 이르기까지, 모든 것을 기록하는 센서들이 있어요. 이 모든 것이 도움이 되죠.” 랜드로버 바의 엔지니어링 매니저 리처드 홉커크의 말이다. 리처드는 맥라렌 포뮬라 1에 참여한 바 있는데, 그 대회 후에 팀에 합류했다. 이 대회의 우승자는 2등과 간발의 차이로 우승했는데, 우승의 동력은 온-트랙 피드백의 활용이었고, 이 피드백은 자동차 대기소에서부터 트랙까지 전 과정을 살피는 데이터에서 나온 것이었다. “인간도 스크린 상에서 이상한 패턴을 찾아낼 수는 있어요.” 그의 말이다. “하지만 그러려면 고된 시각 노동을 해야 하죠. 머신러닝과 융합된 방대한 데이터 세트는 (이것은 기본적으로 진보된 통계학이죠) 그러한 패턴을 훨씬 더 체계적이고 논리적인 방식으로 찾아낼 수 있답니다.” 43
