미래를 변화시키는 AI 활용 사례

AI는 우리가 살아가는 세상을 어떻게 혁신하고 있을까요? 아직 눈치채지 못하셨다면 깜짝 놀라실 것입니다. 가상 공간 간 아바타를 전송하는 것부터 데이터 아키텍처의 혼잡을 줄이고 가정에 홀로그램 피트니스 강사를 구현하는 것까지, 인공지능은 이미 우리를 흥미진진한 새로운 생활 시대로 이끌었습니다.

아직 Star Trek과 같은 공상과학 판타지의 세계에 살고 있지는 않지만, 점점 가까워지고 있습니다. 아래에서는 피트니스 분야의 객체 감지 기술, 엣지 컴퓨팅의 객체 감지, 그리고 객체 감지를 활용한 엣지 컴퓨팅이 디지털 기기 간 데이터 전송을 어떻게 개선하는지 살펴보며 새로운 AI 활용 사례를 논의하겠습니다.

2022년에 새로운 지평을 열 것으로 예상되는 AI 활용 사례 중 일부를 자세히 살펴보겠습니다.

피트니스 분야의 Vision AI#

2022년 객체 감지는 매우 기대되는 분야이며, 이미 피트니스 업계에 큰 반향을 일으키고 있습니다. Mirror와 Tonal은 피트니스 분야에서 AI를 활용하는 성공적인 기업의 사례입니다. 두 기업 모두 건강과 운동을 개선하기 위해 10,000개가 넘는 운동 영상을 스트리밍하고 이를 거울에 투사할 수 있는 인터랙티브 홈 디바이스를 제공합니다.

많은 사람은 피트니스를 취미라기보다 귀찮은 일로 여기며, 헬스장에 발을 들이는 것조차 꺼립니다. 하지만 집에서 편안하게 Mirror를 사용하면 자세 감지를 통해 진행 상황, 자세 및 기타 지표를 추적할 수 있습니다.

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

이는 객체 감지와 달리 사람을 인간 박스와 구분하고 머신 러닝 알고리즘을 통해 인간의 신체 언어를 이해합니다. 또한 인간 자세 추정을 딥러닝과 결합함으로써, Mirror는 수백만 가지의 다양한 운동을 분석하여 각 운동을 어떻게 수행해야 하는지에 대한 모델을 구축하게 됩니다.

운동 중 앱은 알고리즘을 사용하여 관절의 위치를 비교합니다. 편차가 감지되고 강조 표시되므로 부상 위험을 줄이고 퍼스널 트레이너 없이 더 안전하고 최적화된 방식으로 운동할 수 있습니다.

Mirror와 같은 혁신적인 애플리케이션을 통해 피트니스 분야의 Vision AI는 최근 비약적인 발전을 이루었습니다. 그렇다면 2023년의 피트니스 업계는 어떤 모습일지 궁금해집니다…

메타버스의 컴퓨터 비전 AI#

Mark Zuckerberg가 Facebook을 메타버스의 약자인 Meta로 리브랜딩한 이후, 메타버스라는 용어는 모든 사람의 입에 오르내리고 있습니다. 그렇다면 메타버스란 정확히 무엇일까요? 간단히 말해 메타버스는 현실 세계를 확장하도록 설계된 디지털 영역을 지칭하는 포괄적인 용어입니다.

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

명확한 최종 목표는 없지만, 과학자들은 컴퓨터 비전 AI를 사용하여 메타버스를 최대한 몰입감 있게 만들기 위해 각고의 노력을 기울이고 있습니다. 컴퓨터 비전 AI는 컴퓨터가 시각적 입력에서 가치 있는 정보를 이해하고 수집된 데이터를 기반으로 추천을 제공하도록 학습시키는 인공지능 분야입니다. 메타버스에서 컴퓨터 비전 AI의 핵심 요소는 상호운용성입니다. 다소 거창하고 약간은 위협적으로 들리는 이 용어는 한 가상 영역에서 다른 가상 영역으로 아바타와 디지털 아이템을 원활하게 전송하는 프로세스를 의미합니다.

상호운용성에 사용되는 머신 러닝 (ML) 알고리즘은 이미 의료 산업을 혁신했습니다. 예를 들어 CT 스캔을 받으면 대량의 데이터가 의료 데이터베이스에서 처리, 수집 및 저장됩니다.

의사는 다른 방식으로 의료 정보를 데이터베이스에 수동으로 입력합니다. 그런 다음 상호운용성을 사용하여 이 두 가지 데이터 분석을 통합하고 질병을 신속하게 진단합니다.

엣지 컴퓨팅의 객체 감지#

세상은 데이터의 홍수에 잠겨 있습니다. 데이터가 ‘새로운 석유’라고 불리지만, 실제로는 데이터가 너무 많으면 문제가 발생합니다. 모든 데이터가 동일한 가치를 지니는 것은 아닙니다. 수집된 데이터를 모으고, 정리하고, 선별하는 데 시간이 계속 소요됩니다.

객체 감지를 활용한 엣지 컴퓨팅은 메인 데이터 센터에서 데이터를 추출하여 아키텍처의 엣지로 분산하는 부담을 덜어주었습니다. 그렇다면 엣지 컴퓨팅이란 무엇이며 어떻게 작동할까요?

메인 데이터베이스와 데이터를 주고받는 기술 디바이스의 궤도를 상상해 보세요. 데이터베이스가 처리해야 할 정보가 매우 많습니다. 데이터베이스의 처리 속도가 저하되어 지연과 중단이 발생하고 성능이 떨어지게 됩니다.

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

각 디바이스는 가장 중요한 데이터만 필터링하는 고된 작업을 수행하며, 이렇게 선별된 데이터는 전체적인 분석을 위해 메인 데이터베이스로 전송됩니다. 연구 자료가 빽빽하게 쌓인 프로젝트를 맡은 과학자를 생각해 보세요. 모든 실험의 데이터를 직접 분석하는 대신 이 작업을 다른 연구자들에게 맡기고 요약 보고를 받는 것입니다.

Vision AI는 우리가 지켜보는 가운데 세상을 변화시키고 있으며, 여기서 다룬 AI 활용 사례는 빙산의 일각에 불과합니다. 더욱 흥미로운 점은 ML 배포 플랫폼인 Ultralytics Platform을 통해 Vision AI의 놀라운 가능성을 직접 활용할 수도 있다는 것입니다.

AI 컴퓨터 비전을 재미있게 활용하고 싶지만 코딩 없이 시작하고 싶으신가요?#

아이디어만 있으면 됩니다. Ultralytics Platform을 사용하면 YOLOv5로 쉽게 모델을 만들고 아이디어를 현실로 구현할 수 있습니다. 복잡한 MLOps는 저희가 모두 처리하여 간단하게 사용할 수 있도록 하므로, AI를 재미있게 활용하기 위해 코드를 알 필요가 없습니다. 시작하기도 쉽고 첫 ML 모델을 구축하는 것은 더욱 쉽습니다.

Vision AI로 문제를 해결하세요#

저희 ML 배포 플랫폼으로 시작하기는 쉽습니다. AI에 대한 사전 경험이 전혀 없어도 됩니다.