행동 AI가 컴퓨터 비전의 영향력을 높이고 있습니다

수년 동안 컴퓨터 비전 혁신은 이미지와 동영상에서 개나 자동차와 같은 객체를 식별하는 객체 감지 등의 작업에 초점을 맞춰 왔습니다. 이러한 접근 방식은 자율 주행 차량, 제조, 헬스케어 등의 분야에서 애플리케이션을 구현할 수 있게 했습니다.

그러나 이러한 작업은 흔히 객체가 무엇인지 식별하는 데만 초점을 맞춥니다. 비전 AI 시스템이 한 단계 더 나아갈 수 있다면 어떨까요? 예를 들어 개를 단순히 감지하는 대신 개가 공을 쫓고 있거나, 보행자가 건너고 있어 자동차가 갑자기 브레이크를 밟는다는 사실을 이해할 수 있다고 가정해 보겠습니다. 기본적인 인식에서 맥락 이해로 전환하는 것은 더 스마트하고 맥락을 인식하는 행동 AI를 향한 중요한 변화입니다.

YOLO Vision 2024 (YV24)에서 Ultralytics는 비전 AI의 발전을 기념하는 연례 하이브리드 행사를 개최했으며, The Main Branch의 CEO인 David Scott의 흥미로운 강연에서 AI 기반 행동 분석이 중심 주제로 다뤄졌습니다.

David는 강연에서 기본적인 컴퓨터 비전 작업에서 행동 추적으로의 전환을 살펴보았습니다. 첨단 기술 애플리케이션 구축 분야에서 25년 이상 쌓은 경험을 바탕으로 이러한 도약이 미치는 영향을 소개했습니다. 패턴과 행동을 해독하는 일이 농업과 동물 복지 분야를 어떻게 바꾸고 있는지 강조했습니다.

이 글에서는 David의 강연의 주요 내용을 살펴보고 행동 추적이 AI를 어떻게 더 실용적으로 만드는지 알아보겠습니다.

AI 도입의 어려움 이해하기#

David Scott은 기조연설을 대담한 현실 점검으로 시작하며 다음과 같이 말했습니다. “제 동료 중 한 명은 자주 ‘과학은 팔리지 않는다’고 말합니다. 우리 중 많은 사람이 과학을 정말 좋아하기 때문에 이 말이 다소 불쾌하게 들립니다. AI는 정말 멋진데, 사람들은 왜 그냥 구매하지 않을까요? 하지만 현실은 우리가 멋지다고 생각한다는 이유만으로 사람들이 구매하지 않는다는 것입니다. 구매할 이유가 필요합니다.”

그는 이어서 자신의 회사인 The Main Branch에서는 AI의 기능을 과시하는 것이 아니라 AI로 실제 문제를 해결하는 데 항상 초점을 맞춘다고 설명했습니다. 많은 고객이 AI를 전반적으로 어떻게 활용할 수 있는지 논의하고 싶어 하지만, 그는 이를 문제 없이 해결책부터 찾는 것과 같은 잘못된 접근이라고 봅니다. 대신 구체적인 과제를 제시하는 고객과 협력하여 실질적인 변화를 가져오는 AI 솔루션을 만듭니다.

그림 1. YV24 무대에 선 David Scott.

David는 또한 이들의 작업이 장면 속 객체를 인식하는 것 이상으로 확장되는 경우가 많다고 설명했습니다. 무엇이 있는지 파악하는 것은 첫 단계일 뿐입니다. 진정한 가치는 그 정보를 어떻게 활용할지 알아내고 더 큰 가치 사슬 안에서 유용하게 만드는 데 있습니다.

행동 추적 기술: 실행 가능한 AI의 핵심#

AI를 실제로 유용하게 만드는 중요한 단계는 객체 감지와 같은 기본적인 컴퓨터 비전 작업을 넘어 그 인사이트를 행동 추적에 활용하는 것입니다. David는 행동 AI가 단순히 객체를 식별하는 것이 아니라 행동과 패턴을 이해하는 데 초점을 맞춘다고 강조했습니다. 이를 통해 AI는 의미 있는 이벤트를 인식하고 실행 가능한 인사이트를 제공할 수 있습니다.

그는 동물이 바닥에 구르는 행동이 질병을 나타낼 수 있다는 예를 들었습니다. 사람이 동물을 24시간 내내 지켜볼 수는 없지만, 행동 추적 기능을 갖춘 AI 기반 감시 시스템은 가능합니다. 이러한 솔루션은 객체를 지속적으로 모니터링하고 특정 행동을 감지하여 알림을 보내고 적시에 대응할 수 있도록 합니다. 이를 통해 원시 데이터가 실용적이고 가치 있는 정보로 바뀝니다.

David는 이 접근 방식이 AI를 흥미로운 기술에 그치지 않고 실제로 큰 영향을 미치는 기술로 만든다는 점도 소개했습니다. 행동을 모니터링하고 이에 대응하는 등 실제 문제를 해결함으로써 행동 추적은 다양한 산업 분야에서 효과적인 AI 솔루션의 핵심 요소가 될 수 있습니다.

행동 AI 구현하기#

David Scott은 이어서 컴퓨터 비전 모델인 Ultralytics YOLOv8이 팀의 행동 추적 프로젝트에 획기적인 변화를 가져온 과정을 설명했습니다. 이 모델은 객체 감지, 분류 및 추적을 위한 견고한 기반을 제공했습니다. 팀은 한 걸음 더 나아가 시간에 따른 행동 모니터링에 초점을 맞추도록 YOLOv8을 사용자 지정 학습시켜 실제 상황에서 더 실용적이고 유용하게 활용할 수 있도록 했습니다.

흥미롭게도 Ultralytics YOLO11이 출시되면서 The Main Branch가 개발한 것과 같은 솔루션의 신뢰도와 정확도가 더욱 높아질 수 있습니다. 이 모델은 정밀도를 개선하고 처리 속도를 높이는 등의 기능을 제공하여 행동을 추적하는 능력을 향상합니다. 행동 AI의 적용 분야를 자세히 살펴본 뒤 이 내용을 더 자세히 논의하겠습니다.

이제 David가 소개한 솔루션과 행동 추적 기술이 실제 애플리케이션에서 일상적인 과제를 해결하고 의미 있는 변화를 만드는 데 어떻게 활용되는지 살펴보겠습니다.

AI 기반 행동 분석을 활용한 HerdSense#

먼저 David는 HerdSense라는 프로젝트를 통해 해결한 흥미로운 과제를 소개했습니다. 이 프로젝트는 대규모 사육장에서 수천 마리 소의 건강 상태를 모니터링하는 것이었습니다. 목표는 잠재적인 건강 문제를 파악하기 위해 개별 소의 행동을 추적하는 것이었습니다. 이는 동시에 수만 마리의 동물을 살펴봐야 한다는 뜻이었으며, 간단한 작업은 아니었습니다.

그림 2. HerdSense는 행동 AI를 사용해 소를 모니터링하고 식별하는 데 초점을 맞췄습니다.

각 소를 식별하고 행동을 추적하는 문제를 해결하기 위해 David의 팀은 모니터링해야 할 수 있는 모든 행동을 정리하는 2일간의 워크숍을 진행했습니다. 그 결과 총 200개가 넘는 행동을 식별했습니다.

200개 행동 모두 개별 소를 정확하게 인식하는 데 달려 있었습니다. 모든 데이터를 특정 동물과 연결해야 했기 때문입니다. 주요 우려 사항 중 하나는 소들이 무리 지어 모였을 때 추적하는 일이었습니다. 이 경우 개별 동물을 알아보기 어려웠습니다.

David 팀은 까다로운 상황에서도 각 소를 일관되게 식별할 수 있도록 컴퓨터 비전 시스템을 개발했습니다. 소가 시야에서 사라지거나 다른 소들과 뒤섞이거나 나중에 다시 나타나더라도 항상 동일한 ID가 할당되는 것을 확인할 수 있었습니다.

컴퓨터 비전을 활용한 말 건강 모니터링#

이어서 David는 유사한 행동 추적 기법을 말 모니터링에 적용한 또 다른 흥미로운 프로젝트를 소개했습니다. 이 프로젝트에서 David의 팀은 소의 경우만큼 개별 말의 ID를 면밀히 추적할 필요가 없었습니다. 대신 특정 행동에 초점을 맞추고 섭식 패턴 및 전반적인 활동량과 같은 세부 사항을 추적하여 건강 문제를 조기에 발견했습니다. 행동의 작은 변화를 식별하면 더 나은 관리를 위한 빠른 개입이 가능해지고 문제가 심각해지기 전에 예방할 수 있습니다.

그림 3. 행동 AI를 활용한 말 모니터링.

행동 AI가 생각만큼 간단하지 않은 이유#

David는 흥미로운 사례를 통해 행동 추적의 복잡성도 설명했습니다. 행동 분석을 개선하는 방법을 조사하던 중 그의 팀은 손을 주머니에 넣고 있는 사람처럼 특정 자세를 분석해 절도 행위를 감지한다고 주장하는 회사를 발견했습니다. 처음에는 현명한 아이디어처럼 보였습니다. 특정 동작이 수상한 행동을 나타낼 수 있지 않을까요?

그림 4. 행동 추적 기술의 과제 이해하기.

그러나 David는 더 자세히 살펴보면서 이 방법의 한계를 깨달았습니다. 손을 주머니에 넣는 것과 같은 단일 자세가 반드시 절도를 의미하는 것은 아닙니다. 단순히 편안한 상태이거나 생각에 잠겨 있거나 추위를 느끼는 것일 수도 있습니다. 개별 자세에만 초점을 맞추면 더 큰 맥락을 무시하게 됩니다. 행동은 단일 동작이 아니라 맥락과 의도에 따라 형성되는 시간에 따른 일련의 동작 패턴입니다.

David는 진정한 행동 추적은 훨씬 복잡하며 전체적인 접근 방식이 필요하다고 강조했습니다. 이는 일련의 동작을 분석하고 더 큰 맥락에서 그 의미를 이해하는 일입니다. AI 업계가 진전을 이루고 있지만, 의미 있고 정확한 인사이트를 제공하는 행동 추적을 발전시키려면 아직 해야 할 일이 남아 있다고 덧붙였습니다.

행동을 이해하는 더 스마트한 비전 AI 모델 구축#

이어서 David는 청중을 개발 과정의 이면으로 안내하며 팀이 Ultralytics YOLOv8과 자세 추정 기능을 활용해 소의 건강을 모니터링하는 컴퓨터 비전 솔루션을 구축한 방법을 소개했습니다.

먼저 소의 자세 추정을 위한 커스텀 데이터셋을 만들고, 모델이 움직임을 더 잘 분석할 수 있도록 표준 키포인트 수를 17개에서 145개로 늘렸습니다. 그런 다음 200만 개가 넘는 이미지와 1억 1,000만 개의 행동 사례로 구성된 대규모 데이터셋으로 모델을 학습시켰습니다.

고급 하드웨어 인프라를 활용한 David의 팀은 일반 하드웨어로는 몇 주가 걸렸을 학습을 단 2일 만에 완료할 수 있었습니다. 그런 다음 학습된 모델을 사용자 지정 행동 추적기와 통합하여 여러 비디오 프레임을 동시에 분석하고 소의 행동 패턴을 감지했습니다.

그 결과 섭식, 음수, 눕기 등 8가지 소 행동을 감지하고 추적하여 건강 문제를 나타낼 수 있는 사소한 행동 변화를 파악하는 비전 AI 기반 솔루션을 구현했습니다. 이를 통해 농장주는 신속하게 대응할 수 있고 축사 관리도 개선됩니다.

행동 AI의 향후 전망#

David는 청중에게 중요한 교훈을 전하며 강연을 마무리했습니다. “AI가 실패할 여지를 주지 않는다면 결국 실패할 수밖에 없습니다. 결국 AI는 통계에 기반하기 때문입니다.” 그는 AI가 뛰어난 강점을 갖고 있지만 완벽하지는 않다고 지적했습니다. AI는 패턴을 학습하는 도구이며 항상 정확한 결과를 내지는 않습니다. 이러한 실수를 두려워하기보다는 실수를 처리하고 시간이 지나면서 계속 개선될 수 있는 시스템을 구축하는 것이 핵심입니다.

이는 컴퓨터 비전 모델 자체에도 해당됩니다. 예를 들어 당시 Ultralytics YOLO 모델의 최신 버전이었던 Ultralytics YOLO11은 YOLOv8보다 한 단계 더 발전해야 한다는 점을 염두에 두고 개발되었으며, 이후 Ultralytics YOLO26이 그 뒤를 이었습니다.

그림 5. Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업입니다.

특히 Ultralytics YOLO11은 성능이 향상되었으며, 농업과 의료처럼 정밀도가 중요한 실시간 애플리케이션에서 더욱 뛰어난 성능을 제공합니다. YOLO11은 고급 기능을 통해 산업 현장에서 실시간 인사이트를 얻고 과제를 더욱 효과적으로 해결하도록 지원합니다.

핵심 요점#

YV24에서 진행된 David의 기조연설은 AI가 단순히 멋진 혁신에 그치는 것이 아니라 실제 문제를 해결하고 우리의 생활과 업무 방식을 개선하는 강력한 도구라는 사실을 다시 한번 일깨워 주었습니다. 행동에 초점을 맞춘 AI는 동물 건강 추적과 일상적인 행동에서 의미 있는 패턴 인식과 같은 분야에서 이미 변화를 만들어내고 있습니다.

행동 AI의 잠재력은 매우 크지만, 이제 막 시작 단계에 있습니다. 원시 데이터를 실행 가능한 인사이트로 전환함으로써 행동 AI는 수동적인 모니터링에서 능동적인 문제 해결로 나아갑니다. 행동 AI가 더 발전하면 더 스마트한 의사 결정을 이끌고 프로세스를 간소화하며 우리의 삶을 의미 있게 개선할 것입니다.

AI와 실제 애플리케이션에 대해 자세히 알아보려면 커뮤니티와 계속 소통하세요. GitHub 리포지토리를 방문하여 농업 분야의 AI 및 제조 분야의 컴퓨터 비전과 같은 분야의 혁신을 살펴보세요.