미래를 바꿀 AI 활용 사례

AI는 우리가 사는 세상을 어떻게 바꾸고 있을까요? 이미 눈치채셨겠지만, 충격을 받으실 겁니다. 가상 공간 간 아바타 이동부터 데이터 아키텍처 혼잡 해소, 가정 내 홀로그램 피트니스 강사 생성에 이르기까지, 인공지능은 이미 우리를 흥미로운 새로운 삶의 시대로 나아가게 했습니다.

아직 스타 트렉 공상 과학 판타지 세계에 살고 있지는 않지만 점점 더 가까워지고 있습니다. 아래에서는 피트니스 분야의 객체 탐지 기술, 에지 컴퓨팅의 객체 탐지 기술, 그리고 객체 탐지를 통한 에지 컴퓨팅이 디지털 장치 간의 데이터 전송을 어떻게 개선하고 있는지 등 새로운 AI 사용 사례에 대해 논의할 것입니다.

2022년에 획기적인 발전을 이룰 것으로 예상되는 AI 사용 사례 중 일부를 자세히 살펴보겠습니다.

피트니스 분야의 비전 AI

2022년의 객체 탐지는 매우 흥미로운 전망이며 이미 피트니스 산업에서 큰 반향을 일으키고 있습니다. Mirror와 Tonal은 모두 피트니스 분야에서 AI를 성공적으로 홍보하는 회사의 예시이며, 10,000개 이상의 운동을 스트리밍하고 거울에 투사하여 건강과 운동 능력을 향상시키는 데 도움이 되는 대화형 홈 기기를 제공합니다.

우리 중 많은 사람들이 피트니스를 취미보다는 힘든 일로 여기고 심지어 체육관에 발을 들여놓는 것조차 꺼립니다. 그러나 집에서 편안하게 Mirror를 사용하면 자세 감지를 통해 진행 상황, 자세 및 기타 지표를 추적할 수 있습니다.

이 고도로 발전된 애플리케이션은 이미지 또는 비디오에서 인체 부위와 관절의 포즈를 예측하는 프로세스인 인체 포즈 추정을 사용하여 비디오에 나오는 사람들의 자세와 포즈를 비평합니다.

사람을 인간 상자(human box)와 구별하고 머신 러닝 알고리즘을 통해 인간의 바디 랭귀지를 이해하는 것을 개발함으로써 객체 감지와 차별화됩니다. 그러나 Human Pose Estimation을 딥 러닝과 병합함으로써 Mirror는 수백만 가지의 다양한 운동을 분석하여 각 운동이 어떻게 실행되어야 하는지에 대한 개념화된 모델을 갖게 됩니다.

운동 중에는 앱이 알고리즘을 사용하여 관절의 위치를 비교합니다. 모든 편차는 감지되어 강조 표시되므로 부상 위험을 줄이고 개인 트레이너 없이도 더 안전하고 최적화된 운동 방법을 장려합니다.

피트니스 분야의 비전 AI는 Mirror와 같은 혁신적인 애플리케이션을 통해 이미 최근에 비약적으로 발전했습니다. 2023년에는 피트니스 산업이 어떤 모습일지 궁금해집니다.

메타버스에서의 컴퓨터 비전 AI

마크 저커버그가 페이스북의 이름을 메타버스(Metaverse)의 줄임말인 메타(Meta)로 바꾼 이후로, 이 용어는 모든 사람의 입에 오르내리고 있습니다. 하지만 정확히 무엇일까요? 간단히 말해서, 메타버스는 현실 세계를 확장하기 위한 디지털 영역을 지칭하는 포괄적인 용어입니다.

가상 이벤트, 콘서트, 모임에 참석하는 것을 상상해 보면 올바른 아이디어를 얻을 수 있습니다. 그러나 메타버스에는 소셜 미디어에 로그인하고 뉴스 피드를 스크롤하는 것과 같은 더 간단한 '가상' 상호 작용도 포함됩니다.

명확한 최종 목표는 없지만 과학자들은 컴퓨터 비전 AI를 사용하여 메타버스를 최대한 몰입감 있게 만들기 위해 노력하고 있습니다. 컴퓨터 비전 AI는 컴퓨터가 시각적 입력에서 귀중한 정보를 이해하고 수집된 데이터를 기반으로 권장 사항을 제공하도록 훈련하는 인공 지능 분야입니다. 메타버스에서 컴퓨터 비전 AI의 중요한 요소는 상호 운용성입니다. 이 멋지고 약간 위협적인 용어는 기본적으로 아바타와 디지털 아이템을 하나의 가상 영역에서 다른 가상 영역으로 원활하게 전송하는 프로세스입니다.

상호 운용성의 머신 러닝(ML) 알고리즘은 이미 의료 산업에 힘을 실어주었습니다. 예를 들어, CT 스캔을 받으면 대량의 데이터가 처리, 수집되어 의료 데이터베이스에 저장됩니다.

의사는 귀하의 건강 정보를 데이터베이스에 수동으로 입력하는 다른 접근 방식을 취할 것입니다. 그런 다음 상호 운용성을 사용하여 이러한 두 가지 데이터 분석을 통합하여 질병에 대한 빠른 진단을 제공합니다.

엣지 컴퓨팅 환경에서의 객체 탐지

세계는 데이터에 파묻혀 있습니다. 데이터는 '새로운 석유'로 불리지만, 현실은 너무 많은 데이터가 문제를 일으킨다는 것입니다. 모든 데이터가 동일하게 생성되는 것은 아닙니다. 수집된 데이터를 수집, 구성 및 선별하는 데 시간이 소요됩니다.

‍객체 탐지를 통한 에지 컴퓨팅은 메인 데이터 센터에서 데이터를 추출하여 아키텍처의 에지로 옮기는 부담을 덜어주었습니다. 그렇다면 에지 컴퓨팅이란 무엇이며 어떻게 작동할까요?

메인 데이터베이스와 데이터를 주고받는 기술 장치 궤도를 상상해 보세요. 데이터베이스가 처리해야 할 정보가 너무 많습니다. 데이터베이스의 처리 속도 기능이 저하되어 지연 및 중단이 발생하여 성능이 저하됩니다.

그러나 에지 컴퓨팅을 사용하면 이러한 데이터의 대부분이 주변 장치로 분산됩니다. 머신 러닝 알고리즘은 각 에지 장치가 로컬에 저장된 데이터를 사용하여 분석 모델을 학습하도록 합니다.

각 장치는 가장 가치 있는 데이터 비트를 필터링하여 중요한 작업을 수행한 다음, 전체적인 분석을 위해 기본 데이터베이스로 전송합니다. 연구로 가득 찬 프로젝트를 맡은 과학자를 생각해 보세요. 모든 실험 데이터를 분석하는 대신 다른 연구원에게 책임을 위임하여 요약 보고를 받습니다.

비전 AI는 우리가 말하는 순간에도 세상을 변화시키고 있으며, 여기서 다룬 AI 사용 사례는 빙산의 일각에 불과합니다. 하지만 더욱 흥미로운 점은 ML 배포 플랫폼인 Ultralytics HUB를 통해 비전 AI의 경이로움을 활용할 수도 있다는 것입니다.

AI 컴퓨터 비전으로 재미있게 즐기고 싶지만 코드는 필요 없으신가요?

아이디어만 있으면 됩니다. Ultralytics HUB를 사용하면 YOLOv5로 모델을 쉽게 만들고 아이디어를 실현할 수 있습니다. 저희는 모든 복잡한 MLOps를 직접 처리하여 간단하게 만들므로 재미있는 AI를 위해 코드를 알 필요가 없습니다. 시작하기 쉽고 첫 번째 ML 모델을 구축하는 것은 훨씬 더 쉽습니다.

Vision AI로 문제 해결

저희 ML 배포 플랫폼은 시작하기 쉽습니다. AI에 대한 이전 경험이 전혀 없어도 됩니다.