미래를 바꾸는 AI 활용 사례

AI는 우리가 사는 세상을 어떻게 바꾸고 있을까요? 아직 눈치채지 못하셨다면 놀라실지도 모릅니다. 아바타를 가상 공간 사이에서 이동시키고, 데이터 아키텍처의 혼잡을 줄이며, 집 안에 홀로그램 피트니스 강사를 구현하는 등 인공지능은 이미 우리를 흥미로운 새 삶의 시대로 이끌었습니다.

아직 《스타트렉》의 공상과학적 환상 속에서 살고 있지는 않지만, 점점 가까워지고 있습니다. 아래에서는 피트니스 분야의 객체 탐지 기술, 엣지 컴퓨팅의 객체 탐지, 그리고 객체 탐지를 활용한 엣지 컴퓨팅이 디지털 기기 간 데이터 전송을 어떻게 개선하는지 살펴보겠습니다.

2022년에 새로운 지평을 열 것으로 예상되는 AI 활용 사례 몇 가지를 자세히 살펴보겠습니다.

피트니스 분야의 비전 AI#

2022년 객체 탐지는 기대되는 분야이며, 피트니스 업계에서 이미 주목을 받고 있습니다. Mirror와 Tonal은 피트니스에 AI를 활용하는 성공적인 기업의 사례입니다. 두 회사 모두 10,000개 이상의 운동 영상을 스트리밍하고 거울에 투사하는 인터랙티브 홈 디바이스를 제공하며, 이를 통해 건강과 운동 능력을 향상하고자 합니다.

많은 사람에게 피트니스는 취미라기보다 귀찮은 일이며, 헬스장에 가는 것조차 꺼려지기도 합니다. 하지만 Mirror를 이용하면 집에서 편안하게 자세 탐지를 통해 진행 상황과 자세, 기타 지표를 추적할 수 있습니다.

이 고도로 발전된 애플리케이션은 인간 자세 추정(Human Pose Estimation)을 사용해 영상 속 사람의 자세와 포즈를 평가합니다. 인간 자세 추정은 이미지나 영상에서 인체 부위와 관절의 포즈를 예측하는 과정입니다.

머신러닝 알고리즘을 통해 사람을 사람을 둘러싼 바운딩 박스와 구분하고 인간의 신체 언어를 이해한다는 점에서 객체 탐지와 다릅니다. 하지만 Mirror는 인간 자세 추정과 딥러닝을 결합해 수백만 건의 운동 데이터를 분석함으로써 각 운동을 어떻게 수행해야 하는지에 대한 모델을 구상하게 됩니다.

운동 중 앱은 알고리즘을 사용해 관절의 위치를 비교합니다. 차이가 있으면 이를 탐지해 표시하므로 부상 위험을 낮추고 개인 트레이너 없이도 더욱 안전하고 효과적으로 운동할 수 있습니다.

Mirror와 같은 혁신적인 애플리케이션을 통해 피트니스 분야의 비전 AI는 최근 비약적으로 발전했습니다. 이는 2023년 피트니스 업계가 어떤 모습일지 궁금하게 합니다.

메타버스의 컴퓨터 비전 AI#

Mark Zuckerberg가 Facebook의 이름을 메타버스를 줄인 Meta로 바꾼 이후, 이 용어는 사람들의 입에 자주 오르내렸습니다. 하지만 메타버스란 정확히 무엇일까요? 간단히 말해 메타버스는 현실 세계를 확장하도록 설계된 디지털 영역을 포괄하는 용어입니다.

가상 이벤트와 콘서트, 모임에 참석하는 모습을 상상해 보면 의미를 쉽게 이해할 수 있습니다. 하지만 메타버스에는 소셜 미디어에 로그인해 뉴스 피드를 스크롤하는 것과 같은 더 단순한 ‘가상’ 상호작용도 포함됩니다.

명확하게 확정된 최종 목표는 없지만, 과학자들은 컴퓨터 비전 AI를 활용해 메타버스를 최대한 몰입감 있게 만들기 위해 많은 노력을 기울이고 있습니다. 컴퓨터 비전 AI는 시각적 입력에서 중요한 정보를 파악하고 수집한 데이터를 바탕으로 추천을 제공하도록 컴퓨터를 학습시키는 인공지능 분야입니다. 메타버스의 컴퓨터 비전 AI에서 상호운용성은 핵심 요소입니다. 다소 어렵게 들릴 수 있지만, 이는 아바타와 디지털 아이템을 한 가상 공간에서 다른 가상 공간으로 원활하게 옮기는 과정입니다.

상호운용성에 적용된 머신러닝(ML) 알고리즘은 이미 의료 산업에 큰 도움을 주고 있습니다. 예를 들어 CT 촬영을 받으면 방대한 데이터가 처리되고 수집되어 의료 데이터베이스에 저장됩니다.

의사는 의료 정보를 데이터베이스에 직접 입력하는 다른 방식을 사용합니다. 그런 다음 상호운용성을 활용해 두 데이터 분석 결과를 통합하고 신속하게 질병을 진단합니다.

엣지 컴퓨팅의 객체 탐지#

세계는 데이터의 홍수에 잠겨 있습니다. 데이터가 ‘새로운 석유’로 불리지만, 실제로는 데이터가 너무 많으면 문제가 됩니다. 모든 데이터의 가치가 같지는 않습니다. 수집된 데이터를 모으고 정리하고 선별하는 데 시간이 소모됩니다.

객체 탐지를 활용한 엣지 컴퓨팅은 데이터 센터에서 데이터를 추출해 아키텍처의 엣지로 옮기는 부담을 덜어줍니다. 그렇다면 엣지 컴퓨팅이란 무엇이며 어떻게 작동할까요?

데이터를 주 데이터베이스로 보내고 받는 기술 기기들의 궤도를 상상해 보세요. 처리해야 할 정보가 상당히 많습니다. 데이터베이스의 처리 속도가 저하되어 지연과 중단이 발생하고 성능이 떨어질 수 있습니다.

하지만 엣지 컴퓨팅을 사용하면 이 데이터의 상당 부분을 주변부에 분산할 수 있습니다. 머신러닝 알고리즘은 각 엣지 디바이스가 로컬에 저장된 데이터로 분석 모델을 학습하도록 합니다.

각 디바이스는 데이터에서 가장 가치 있는 부분을 걸러내는 작업을 수행한 뒤, 전체적인 분석을 위해 주 데이터베이스로 전송합니다. 연구 자료가 방대한 프로젝트를 맡은 과학자를 생각해 보세요. 모든 실험 데이터를 직접 분석하는 대신 다른 연구자에게 이 작업을 맡기고 요약 결과를 보고받습니다.

비전 AI는 지금 이 순간에도 세상을 바꾸고 있으며, 여기서 살펴본 AI 활용 사례는 빙산의 일각에 불과합니다. 더욱 흥미로운 점은 머신러닝 배포 플랫폼인 Ultralytics Platform을 통해 비전 AI의 놀라운 기능을 직접 활용할 수 있다는 것입니다.

코딩 없이 AI 컴퓨터 비전을 재미있게 활용하고 싶으신가요?#

아이디어만 있으면 됩니다. Ultralytics Platform을 사용하면 YOLOv5로 손쉽게 모델을 만들고 아이디어를 현실로 구현할 수 있습니다. 복잡한 MLOps는 저희가 모두 처리하므로 코드를 몰라도 AI를 재미있게 활용할 수 있습니다. 시작하기도 쉽고 첫 ML 모델을 만드는 것은 더욱 쉽습니다.

비전 AI로 문제 해결하기#

머신러닝 배포 플랫폼을 손쉽게 시작할 수 있습니다. AI를 미리 경험해 보지 않았어도 괜찮습니다.