미래를 변화시키는 AI 사용 사례

AI는 우리가 사는 세상을 어떻게 바꾸고 있을까요? 아직 체감하지 못했다면 놀랄 준비를 하시기 바랍니다. 가상 공간 간의 아바타 이동부터 데이터 아키텍처의 병목 현상 해소, 가정 내 홀로그램 피트니스 강사 생성에 이르기까지, 인공지능은 이미 우리를 흥미진진한 새로운 삶의 시대로 이끌었습니다.

아직 스타 트렉과 같은 공상과학 판타지 속에 살고 있는 것은 아니지만, 점점 더 가까워지고 있습니다. 아래에서는 피트니스의 객체 탐지 기술, 엣지 컴퓨팅에서의 객체 탐지를 포함하여, 객체 탐지를 활용한 엣지 컴퓨팅이 어떻게 디지털 기기 간의 데이터 전송을 개선하고 있는지 새로운 AI 유스케이스를 논의하겠습니다.

2022년에 새로운 지평을 열 것으로 예상되는 몇 가지 AI 유스케이스를 자세히 살펴보겠습니다.

피트니스 분야의 비전 AI#

2022년의 객체 검출(object detection)은 매우 흥미로운 분야이며 이미 피트니스 산업에서 making waves를 일으키고 있습니다. Mirror와 Tonal은 피트니스 분야에서 AI를 성공적으로 알리고 있는 대표적인 기업의 예시로, 건강과 운동 능력을 향상시키기 위한 목적으로 10,000개가 넘는 운동 세션을 스트리밍하여 거울에 띄워주는 대화형 홈 디바이스를 제공합니다.

많은 이들에게 피트니스는 취미라기보다 숙제처럼 느껴지며 헬스장에 발을 들이는 것조차 꺼려지기도 합니다. 하지만 집에서 편안하게 Mirror를 사용하면 자세 탐지를 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 분석합니다. 인간 자세 추정은 이미지나 영상에서 신체 부위와 관절의 위치를 예측하는 과정입니다.

이것은 사람을 인간 바운딩 박스로부터 구별하고 머신러닝 알고리즘을 통해 인간의 바디 랭귀지에 대한 이해를 발전시킨다는 점에서 객체 검출과 다릅니다. 그러나 Human Pose Estimation과 딥러닝을 결합함으로써 Mirror는 수백만 개의 다양한 운동을 분석하여 각 운동이 어떻게 수행되어야 하는지에 대한 개념적 모델을 구현하게 될 것입니다.

운동하는 동안 앱은 알고리즘을 사용하여 사용자의 관절 위치를 비교합니다. 작은 편차라도 탐지하고 강조 표시함으로써 부상 위험을 줄이고, 퍼스널 트레이너 없이도 더 안전하고 최적화된 방식으로 운동할 수 있도록 돕습니다.

피트니스 분야의 비전 AI는 Mirror와 같은 혁신적인 애플리케이션을 통해 최근 비약적인 발전을 이루었습니다. 그렇다면 2023년의 피트니스 산업은 어떤 모습일까요?

메타버스의 컴퓨터 비전 AI#

마크 저커버그가 페이스북을 메타(Meta, 메타버스의 약자)로 사명을 변경한 이후, 이 용어는 모두의 입에 오르내리고 있습니다. 하지만 정확히 무엇일까요? 간단히 말해 메타버스는 현실 세계를 확장하기 위한 디지털 영역을 지칭하는 포괄적인 용어입니다.

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

최종적인 목표는 아직 없지만, 과학자들은 컴퓨터 비전 AI를 사용하여 metaverse를 가능한 한 몰입감 있게 만들기 위해 전력을 다하고 있습니다. 컴퓨터 비전 AI는 컴퓨터가 시각적 입력으로부터 유용한 정보를 이해하고 수집된 데이터를 바탕으로 추천을 제공하도록 학습시키는 인공지능의 한 분야입니다. 메타버스에서 컴퓨터 비전 AI의 핵심 요소는 상호 운용성(interoperability)입니다. 이 거창하고 약간은 위협적인 용어는 기본적으로 아바타와 디지털 아이템을 하나의 가상 세계에서 다른 가상 세계로 매끄럽게 전송하는 과정입니다.

상호 운용성에서의 머신러닝(ML) 알고리즘은 이미 healthcare industry에 큰 역량을 부여했습니다. 예를 들어, CT 촬영을 할 때 대용량의 데이터가 처리되고 수집되어 의료 데이터베이스에 저장됩니다.

의사들은 귀하의 의료 정보를 데이터베이스에 수동으로 입력하는 방식으로 접근합니다. 이후 상호운용성을 사용하여 이 두 가지 데이터 분석을 통합함으로써 질병에 대한 빠른 진단을 제공합니다.

엣지 컴퓨팅에서의 객체 탐지#

세상은 데이터의 홍수 속에 빠져 있습니다. 데이터는 '새로운 석유'라고 불리기도 하지만, 현실은 과도한 데이터가 문제를 일으킨다는 것입니다. 모든 데이터가 동일한 가치를 지니지는 않습니다. 수집된 데이터를 모으고, 정리하고, 선별하는 작업은 많은 시간을 소비합니다.

Edge computing과 객체 검출은 메인 데이터 센터에서 데이터를 추출하여 아키텍처의 말단(Edge)으로 이동시켜야 하는 무거운 부담에서 우리를 해방시켜 주었습니다. 그렇다면 에지 컴퓨팅이란 무엇이며 어떻게 작동할까요?

메인 데이터베이스와 데이터를 주고받는 기술 장치들의 궤도를 상상해 보세요. 처리해야 할 정보량이 방대합니다. 데이터베이스의 처리 속도 기능은 저하되고, 지연과 중단이 발생하여 성능이 저하될 것입니다.

하지만 엣지 컴퓨팅을 사용하면 이러한 데이터의 상당 부분이 주변부로 분산됩니다. 머신러닝 알고리즘은 각 엣지 디바이스가 로컬에 저장된 데이터를 사용하여 분석 모델을 학습하도록 합니다.

각 장치는 가장 가치 있는 데이터를 필터링하는 복잡한 작업을 수행하며, 필터링된 데이터는 전체적인 분석을 위해 메인 데이터베이스로 전송됩니다. 연구로 가득 찬 프로젝트를 수행하는 과학자를 생각해 보세요. 모든 실험의 모든 데이터를 직접 분석하는 대신, 이 책임을 동료 연구원들에게 위임하여 요약된 보고를 받는 것과 같습니다.

비전 AI는 현재 세상을 변화시키고 있으며, 여기서 다룬 AI 유스케이스는 빙산의 일각에 불과합니다. 하지만 더 흥미로운 점은 Ultralytics의 ML 배포 플랫폼인 Ultralytics Platform을 통해 여러분도 비전 AI의 경이로움을 경험할 수 있다는 것입니다.

AI 컴퓨터 비전을 즐기고 싶지만 코딩 없이 하고 싶으신가요?#

필요한 것은 오직 아이디어뿐입니다. Ultralytics Platform을 사용하면 YOLOv5로 모델을 쉽게 생성하고 아이디어를 현실로 만들 수 있습니다. 당사는 모든 복잡한 MLOps를 직접 처리하여 간편하게 만들어 드리므로, 재미있는 AI를 구현하기 위해 코딩을 알 필요가 없습니다. 시작하기 쉽고 첫 번째 ML 모델을 구축하는 것은 더욱 쉽습니다.

비전 AI로 문제를 해결하세요#

당사의 ML 배포 플랫폼을 통해 손쉽게 get started할 수 있습니다. AI에 대한 사전 경험이 전혀 없어도 됩니다.