행동 AI는 컴퓨터 비전의 영향력을 높이고 있습니다

수년 동안 컴퓨터 비전 혁신은 이미지와 영상에서 개나 자동차 같은 객체를 식별하는 객체 탐지와 같은 작업에 집중해 왔습니다. 이러한 접근 방식은 자율 주행 차량, 제조, 의료와 같은 분야에서 다양한 응용을 가능하게 했습니다.

그러나 이러한 작업은 종종 객체가 무엇인지 식별하는 데만 초점을 맞춥니다. 만약 비전 AI 시스템이 한 걸음 더 나아갈 수 있다면 어떨까요? 예를 들어, 단순히 개를 탐지하는 대신 개가 공을 쫓고 있다는 것을 이해하거나, 보행자가 횡단보도를 건너기 때문에 자동차가 급제동한다는 사실을 이해할 수 있다면 말입니다. 단순 인식에서 상황별 이해로의 전환은 더 똑똑하고 맥락을 파악하는 행동형 AI를 향한 큰 도약을 의미합니다.

At YOLO Vision 2024 (YV24), Ultralytics’ annual hybrid event celebrating advances in vision AI, the concept of AI-driven behavior analysis took center stage during an interesting talk by David Scott, CEO of The Main Branch.

David는 자신의 발표에서 기본적인 컴퓨터 비전 작업에서 행동 추적으로의 전환을 탐구했습니다. 최첨단 기술 애플리케이션 구축 분야에서 25년 이상의 경험을 가진 그는 이러한 도약이 가져오는 영향력을 보여주었습니다. 그는 패턴과 행동을 해독하는 것이 농업이나 동물 복지와 같은 산업을 어떻게 재편하고 있는지 강조했습니다.

본 기사에서는 David의 발표 하이라이트를 살펴보고, 행동 추적이 어떻게 AI를 더욱 실용적으로 만드는지 알아봅니다.

Link to this sectionAI 도입의 과제 이해하기#

David Scott은 대담한 현실 점검으로 기조연설을 시작하며 이렇게 말했습니다. "제 동료가 종종 '과학은 팔리지 않는다'라고 말하곤 하는데, 이는 과학을 정말 좋아하는 우리 중 많은 사람의 기분을 상하게 하기도 합니다. AI는 정말 멋진데, 왜 사람들이 선뜻 구매하지 않을까요? 하지만 현실은 우리가 멋지다고 생각한다는 이유만으로 사람들이 구매하지 않는다는 것입니다. 그들에게는 구매해야 할 이유가 필요합니다."

그는 이어 자신이 운영하는 회사 The Main Branch에서는 AI의 기능을 과시하는 것이 아니라 AI로 실제 문제를 해결하는 데 항상 집중하고 있다고 설명했습니다. 많은 고객이 AI를 어떻게 활용할 수 있는지 일반적인 논의를 원하며 찾아오지만, 그는 그것을 문제 없는 해결책을 가진 것과 같은 잘못된 접근 방식이라고 봅니다. 대신 그들은 실질적인 차이를 만드는 AI 솔루션을 개발하기 위해 구체적인 과제를 가지고 오는 고객들과 협업합니다.

그림 1. YV24 무대에 선 David Scott.

David는 또한 그들의 작업이 종종 현장에서 객체를 인식하는 수준을 넘어선다고 공유했습니다. 무엇이 있는지 파악하는 것은 첫 번째 단계일 뿐입니다. 진정한 가치는 그 정보를 어떻게 활용할지 결정하고, 더 큰 가치 사슬 내에서 그것을 유용하게 만드는 것에서 나옵니다.

Link to this section행동 추적 기술: 실행 가능한 AI의 핵심#

AI를 진정으로 유용하게 만드는 중요한 단계는 객체 탐지와 같은 기본적인 컴퓨터 비전 작업을 넘어, 그러한 통찰력을 행동 추적에 활용하는 것입니다. David는 행동형 AI가 단순히 객체를 식별하는 것이 아니라 행동과 패턴을 이해하는 데 집중한다고 강조했습니다. 이는 AI가 의미 있는 사건을 인식하고 실행 가능한 통찰력을 제공할 수 있도록 합니다.

그는 동물이 바닥에서 구르는 사례를 들었는데, 이는 질병의 징후일 수 있습니다. 사람이 24시간 내내 동물을 지켜볼 수는 없지만, 행동 추적 기능을 갖춘 AI 기반 감시 시스템은 가능합니다. 이러한 솔루션은 객체를 지속적으로 모니터링하고, 특정 행동을 탐지하며, 경고를 보내 적시에 조치를 취할 수 있게 합니다. 이는 원시 데이터를 실용적이고 가치 있는 것으로 바꿉니다.

David는 또한 이러한 접근 방식이 AI를 흥미로운 것을 넘어 진정으로 영향력 있게 만든다는 것을 보여주었습니다. 행동 모니터링과 같은 실제 문제를 해결하고 이에 대응함으로써, 행동 추적은 다양한 산업 전반에서 효과적인 AI 솔루션의 핵심 부분이 될 수 있습니다.

Link to this section행동형 AI를 현실로 구현하기#

David Scott은 컴퓨터 비전 모델인 Ultralytics YOLOv8이 팀의 행동 추적 프로젝트에 어떻게 획기적인 전환점이 되었는지 설명했습니다. 이는 객체를 탐지하고 분류하며 추적하는 견고한 기반을 제공했습니다. 그의 팀은 여기서 한 걸음 더 나아가 맞춤형 학습된 YOLOv8을 통해 시간이 지남에 따라 행동을 모니터링하는 데 집중함으로써 실제 상황에서 더욱 실용적이고 유용한 도구로 만들었습니다.

흥미롭게도 Ultralytics YOLO11이 출시되면서 The Main Branch가 만든 것과 같은 솔루션은 더욱 안정적이고 정확해질 수 있습니다. 이 최신 모델은 행동 추적 능력을 향상시키는 개선된 정밀도와 더 빠른 처리 속도와 같은 기능을 제공합니다. 행동형 AI를 활용할 수 있는 애플리케이션에 대해 더 자세히 알아본 후 이 내용을 더 자세히 다루겠습니다.

다음으로, David가 언급한 솔루션과 행동 추적 기술이 일상적인 문제를 해결하고 의미 있는 영향을 미치기 위해 실제 애플리케이션에서 어떻게 사용되고 있는지 살펴보겠습니다.

Link to this sectionAI 기반 행동 분석을 활용한 HerdSense#

먼저 David는 HerdSense라는 프로젝트를 통해 해결한 흥미로운 과제를 공유했습니다. 이 프로젝트는 대규모 사육장에서 수천 마리 소의 건강 상태를 모니터링하는 작업이었습니다. 목표는 개별 소의 행동을 추적하여 잠재적인 건강 문제를 식별하는 것이었습니다. 이는 수만 마리의 동물을 동시에 지켜봐야 하는 간단하지 않은 작업이었습니다.

그림 2. HerdSense는 행동형 AI를 사용하여 소를 모니터링하고 식별하는 데 중점을 두었습니다.

각 소를 식별하고 그 행동을 추적하는 문제를 해결하기 위해, David의 팀은 2일간의 워크숍을 열어 모니터링해야 할 모든 가능한 행동을 정리했습니다. 그들은 총 200가지가 넘는 행동을 식별했습니다.

200가지 행동의 각각은 개별 소를 정확하게 인식할 수 있는 능력에 달려 있었습니다. 모든 데이터가 특정 동물과 연결되어야 했기 때문입니다. 주요 관심사 중 하나는 소들이 무리를 지어 모여 있을 때 개별 동물을 확인하기 어려워지는 상황에서 추적하는 것이었습니다.

David의 팀은 까다로운 상황에서도 각 소가 일관되게 식별될 수 있도록 컴퓨터 비전 시스템을 개발했습니다. 그들은 같은 소가 시야에서 사라지거나 다른 소들과 섞이거나 나중에 다시 나타나더라도 항상 동일한 ID가 할당되도록 확인할 수 있었습니다.

Link to this section컴퓨터 비전을 이용한 말 건강 모니터링#

다음으로 David는 말의 건강을 모니터링하기 위해 유사한 행동 추적 기술을 적용한 또 다른 흥미로운 프로젝트를 소개했습니다. 이 프로젝트에서 David의 팀은 소를 다룰 때만큼 엄격하게 개별 말의 ID를 추적할 필요는 없었습니다. 대신 특정 행동에 집중하고 섭식 패턴이나 일반적인 활동 수준과 같은 세부 정보를 추적하여 건강 문제를 조기에 발견했습니다. 행동의 작은 변화를 식별하면 더 나은 치료를 제공하고 문제가 심각해지기 전에 예방하기 위한 더 빠른 개입이 가능해질 수 있습니다.

그림 3. 행동형 AI의 도움으로 말 모니터링.

Link to this section행동형 AI가 보이는 것만큼 간단하지 않은 이유#

David는 또한 흥미로운 사례를 통해 행동 추적의 복잡성에 대해 논의했습니다. 행동 분석 개선 방법을 연구하던 중 그의 팀은 누군가가 주머니에 손을 넣는 것과 같은 특정 자세를 분석하여 매장 절도를 탐지한다고 주장하는 회사를 발견했습니다. 처음에는 이것이 스마트한 아이디어처럼 보였습니다. 특정 움직임이 의심스러운 행동을 암시할 수 있지 않을까요?

그림 4. 행동 추적 기술의 과제 이해.

그러나 David가 더 깊이 탐구하면서 그는 이 방법의 한계를 깨달았습니다. 주머니에 손을 넣는 것과 같은 단일 자세가 반드시 누군가가 물건을 훔치고 있다는 것을 의미하지는 않습니다. 단지 긴장을 풀고 있거나 생각 중이거나 심지어 추위를 타고 있는 것일 수도 있습니다. 고립된 자세에만 집중하는 문제는 더 큰 맥락을 무시한다는 점입니다. 행동은 단순히 단일 동작이 아니라 맥락과 의도에 의해 형성되는 시간 경과에 따른 행동 패턴입니다.

David는 진정한 행동 추적은 훨씬 더 복잡하며 전체론적인 접근 방식이 필요하다고 강조했습니다. 이는 일련의 동작을 분석하고 더 넓은 그림에서 그것이 무엇을 의미하는지 이해하는 것입니다. AI 산업이 발전하고 있지만, 그는 의미 있고 정확한 통찰력을 제공하기 위해 행동 추적을 발전시키는 데 여전히 해야 할 일이 많다고 언급했습니다.

Link to this section동작을 이해하는 더 똑똑한 비전 AI 모델 만들기#

이어서 David는 청중을 위해 자신의 팀이 YOLOv8의 자세 추정 능력을 활용하여 소의 건강을 모니터링하는 컴퓨터 비전 솔루션을 어떻게 구축했는지 뒷이야기를 공개했습니다.

그들은 소의 자세 추정을 위한 맞춤형 데이터셋을 생성하는 것으로 시작하여, 모델이 움직임을 분석하는 능력을 향상시키기 위해 표준 키 포인트 수를 17개에서 145개로 늘렸습니다. 그런 다음, 모델은 200만 개가 넘는 이미지와 1억 1천만 개의 행동 예제가 포함된 방대한 데이터셋으로 학습되었습니다.

고급 하드웨어 인프라를 사용하여 David의 팀은 기존 하드웨어에서라면 몇 주가 걸렸을 모델 학습을 단 이틀 만에 완료할 수 있었습니다. 학습된 모델은 여러 비디오 프레임을 동시에 분석하여 소의 행동 패턴을 탐지하는 맞춤형 행동 추적기와 통합되었습니다.

그 결과 먹기, 마시기, 누워 있기 등 8가지 소의 행동을 탐지하고 추적하여 건강 문제의 신호가 될 수 있는 사소한 행동 변화를 찾아낼 수 있는 비전 AI 기반 솔루션이 탄생했습니다. 이를 통해 농부들은 신속하게 대응할 수 있고 가축 관리가 개선됩니다.

Link to this section행동형 AI가 나아갈 길#

David는 청중에게 중요한 교훈을 전하며 발표를 마쳤습니다. "AI에게 실패할 여지를 주지 않는다면, 여러분은 스스로 실패를 자초하는 것입니다. 왜냐하면 결국 AI는 통계적인 것이기 때문입니다." 그는 AI가 강점에도 불구하고 완벽하지는 않다는 점을 지적했습니다. AI는 패턴으로부터 학습하는 도구이며, 항상 의도대로 작동하지 않을 때가 있을 것입니다. 그러한 실수를 두려워하기보다는, 그것을 처리하고 시간이 지남에 따라 지속적으로 개선할 수 있는 시스템을 구축하는 것이 핵심입니다.

이는 컴퓨터 비전 모델 자체에도 해당되는 이야기입니다. 예를 들어, 최신 버전의 Ultralytics YOLO 모델인 Ultralytics YOLO11은 YOLOv8보다 한 단계 더 나아가야 할 필요성을 고려하여 구축되었습니다.

그림 5. YOLO11이 지원하는 컴퓨터 비전 작업.

특히 YOLO11은 농업 및 의료와 같이 정밀도가 중요한 실시간 애플리케이션에서 더 나은 성능을 제공합니다. 고급 기능을 갖춘 YOLO11은 혁신적인 실시간 통찰력을 제공하고 당면한 과제를 더욱 효과적으로 해결하도록 지원함으로써 산업계가 AI를 사용하는 방식을 재정의하고 있습니다.

Link to this section핵심 요약#

YV24에서 있었던 David의 기조연설은 AI가 단순히 멋진 혁신 이상의 것, 즉 실제 문제를 해결하고 우리가 살아가는 방식과 업무 방식을 개선하기 위한 강력한 도구라는 점을 일깨워주었습니다. 행동에 초점을 맞춤으로써 AI는 이미 동물 건강을 추적하고 일상 행동 속에서 의미 있는 패턴을 인식하는 분야에서 영향력을 발휘하고 있습니다.

행동형 AI의 잠재력은 흥미로우며, 이제 막 시작 단계에 불과합니다. 원시 데이터를 실행 가능한 통찰력으로 변환함으로써 행동형 AI는 수동적인 모니터링에서 능동적인 문제 해결로 전환됩니다. 더욱 발전함에 따라 행동형 AI는 더 똑똑한 결정을 유도하고, 프로세스를 간소화하며, 우리 삶에 의미 있는 개선을 가져올 준비가 되어 있습니다.

AI와 그 실제 적용 사례에 대해 자세히 알아보려면 우리 커뮤니티와 소통하세요. 우리 GitHub 저장소를 방문하여 농업 분야의 AI 및 제조 분야의 컴퓨터 비전과 같은 영역의 혁신을 발견해 보세요.