행동 AI가 컴퓨터 비전의 영향력을 높이고 있습니다

수년 동안 컴퓨터 비전 혁신은 객체 탐지와 같은 작업에 집중해 왔습니다. 이는 이미지와 동영상에서 개나 자동차와 같은 객체를 식별하는 작업입니다. 이러한 접근 방식은 자율주행 차량, 제조, 의료 등의 분야에서 애플리케이션을 구현할 수 있도록 했습니다.

그러나 이러한 작업은 객체가 무엇인지 식별하는 데만 집중하는 경우가 많습니다. 비전 AI 시스템이 한 단계 더 나아갈 수 있다면 어떨까요? 예를 들어 단순히 개를 탐지하는 대신, 개가 공을 쫓고 있거나 보행자가 건너고 있기 때문에 자동차가 갑자기 제동하고 있다는 사실을 이해할 수 있다고 가정해 보겠습니다. 기본적인 인식에서 맥락적 이해로의 이러한 전환은 더 스마트하고 맥락을 인식하는 행동 AI로 나아가는 중요한 변화를 의미합니다.

YOLO Vision 2024 (YV24)는 비전 AI의 발전을 기념하는 Ultralytics의 연례 하이브리드 이벤트로, The Main Branch의 CEO인 David Scott의 흥미로운 강연에서 AI 기반 행동 분석이라는 개념이 중심 주제로 다뤄졌습니다.

David는 강연에서 기본적인 컴퓨터 비전 작업에서 행동 추적으로 전환되는 과정을 살펴보았습니다. 최첨단 기술 애플리케이션 구축 분야에서 25년 이상의 경험을 바탕으로 이러한 도약이 미치는 영향을 소개했습니다. 또한 패턴과 행동을 해석하는 일이 농업과 동물 복지 같은 산업을 어떻게 변화시키고 있는지 강조했습니다.

이 글에서는 David의 강연의 주요 내용을 살펴보고 행동 추적이 AI를 더욱 실용적으로 만드는 방법을 알아보겠습니다.

AI 도입의 과제 이해하기#

David Scott는 기조연설을 대담한 현실 점검으로 시작하며 다음과 같이 말했습니다. “제 동료 중 한 명은 종종 ‘과학은 팔리지 않는다’고 말합니다. 우리 대부분은 과학을 정말 좋아하기 때문에 이곳의 많은 사람이 불쾌하게 느낄 만한 말입니다. AI는 정말 멋진데, 사람들이 왜 그냥 구매하지 않을까요? 하지만 현실은 우리가 멋지다고 생각한다는 이유만으로 사람들이 구매하려는 것이 아니라, 구매할 이유가 필요하다는 것입니다.”

그는 자신의 회사인 The Main Branch에서는 AI의 기능을 과시하는 것이 아니라 항상 AI로 실제 문제를 해결하는 데 초점을 맞춘다고 설명했습니다. 많은 고객이 AI를 전반적으로 어떻게 활용할 수 있는지 논의하고 싶어 찾아오지만, 그는 이를 문제없이 해결책부터 찾는 것과 같은 잘못된 접근 방식으로 봅니다. 대신 구체적인 과제를 제시하는 고객과 협력하여 실제로 변화를 만들어 내는 AI 솔루션을 개발합니다.

그림 1. YV24 무대에 선 David Scott.

David는 또한 자신들의 작업이 장면 속 객체를 인식하는 데서 그치지 않는 경우가 많다고 말했습니다. 무엇이 있는지 파악하는 것은 첫 단계일 뿐입니다. 진정한 가치는 해당 정보를 어떻게 활용할지 파악하고 더 큰 가치 사슬 안에서 유용하게 만드는 데서 나옵니다.

행동 추적 기술: 실행 가능한 AI의 핵심#

AI를 진정으로 유용하게 만드는 중요한 단계는 객체 탐지와 같은 기본적인 컴퓨터 비전 작업을 넘어 이러한 인사이트를 행동 추적에 활용하는 것입니다. David는 행동 AI가 객체를 식별하는 데 그치지 않고 행동과 패턴을 이해하는 데 초점을 맞춘다고 강조했습니다. 이를 통해 AI는 의미 있는 이벤트를 인식하고 실행 가능한 인사이트를 제공할 수 있습니다.

그는 동물이 바닥에서 구르는 경우를 예로 들었는데, 이는 질병을 나타낼 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, 알림을 보내고, 적시에 조치할 수 있도록 합니다. 이를 통해 원시 데이터가 실용적이고 가치 있는 정보로 전환됩니다.

David는 또한 이러한 접근 방식이 AI를 단순히 흥미로운 기술이 아니라 진정으로 영향력 있는 기술로 만든다고 소개했습니다. 행동을 모니터링하고 그에 따라 조치하는 것과 같은 실제 문제를 해결함으로써 행동 추적은 다양한 산업에서 효과적인 AI 솔루션의 핵심 요소가 될 수 있습니다.

행동 AI를 현실로 구현하기#

David Scott는 컴퓨터 비전 모델인 Ultralytics YOLOv8이 자신의 팀의 행동 추적 프로젝트에서 어떻게 획기적인 전환점이 되었는지 설명했습니다. YOLOv8은 객체를 탐지하고 분류하며 추적할 수 있는 탄탄한 기반을 제공했습니다. 또한 그의 팀은 한 단계 더 나아가 YOLOv8을 커스텀 학습하여 시간에 따른 행동 모니터링에 집중했고, 이를 실제 상황에서 더욱 실용적이고 유용하게 만들었습니다.

흥미롭게도 Ultralytics YOLO11이 출시되면서 The Main Branch가 개발한 것과 같은 솔루션은 더욱 안정적이고 정확해질 수 있습니다. 이 최신 모델은 향상된 정밀도와 더욱 빠른 처리 같은 기능을 제공하여 행동 추적 능력을 강화합니다. 행동 AI를 어떤 애플리케이션에 활용할 수 있는지 더 잘 이해한 후 이 내용을 자세히 살펴보겠습니다.

이제 David가 소개한 솔루션과 행동 추적 기술이 실제 애플리케이션에서 일상적인 과제를 해결하고 의미 있는 영향을 만들어 내는 데 어떻게 활용되는지 살펴보겠습니다.

AI 기반 행동 분석을 활용하는 HerdSense#

먼저 David는 HerdSense라는 프로젝트를 통해 해결한 흥미로운 과제를 소개했습니다. 이 프로젝트는 대규모 사육 시설에서 수천 마리 소의 건강을 모니터링하는 작업이었습니다. 목표는 개별 소의 행동을 추적하여 잠재적인 건강 문제를 식별하는 것이었습니다. 동시에 수만 마리의 동물을 관찰해야 했기 때문에 간단한 작업이 아니었습니다.

그림 2. HerdSense는 행동 AI를 사용하여 소를 모니터링하고 식별하는 데 집중했습니다.

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

200가지 행동은 모두 개별 소를 정확하게 인식할 수 있는 능력에 달려 있었습니다. 모든 데이터를 특정 동물과 연결해야 했기 때문입니다. 한 가지 주요 우려 사항은 소들이 무리를 지어 모여 있을 때 추적하는 것이었으며, 이 경우 개별 동물을 확인하기가 어려웠습니다.

David의 팀은 까다로운 상황에서도 각 소를 일관되게 식별할 수 있도록 컴퓨터 비전 시스템을 개발했습니다. 소가 시야에서 사라지거나 다른 소들과 섞이거나 나중에 다시 나타나더라도 항상 동일한 소에 동일한 ID가 할당된다는 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 경우처럼 개별 말의 ID를 면밀하게 추적할 필요가 없었습니다. 대신 특정 행동에 집중하고 섭식 패턴과 전반적인 활동 수준 같은 세부 정보를 추적하여 건강 문제를 조기에 발견했습니다. 행동의 작은 변화를 식별하면 더 신속하게 개입하여 더 나은 돌봄을 제공하고 문제가 심각해지기 전에 예방할 수 있습니다.

그림 3. 행동 AI의 도움을 받아 말을 모니터링하는 모습.

행동 AI가 생각만큼 단순하지 않은 이유#

David는 흥미로운 사례를 통해 행동 추적의 복잡성에 대해서도 논의했습니다. 행동 분석을 개선하는 방법을 연구하던 중, 그의 팀은 주머니에 손을 넣고 있는 것과 같은 특정 자세를 분석하여 좀도둑질을 탐지한다고 주장하는 회사를 발견했습니다. 처음에는 특정 동작이 의심스러운 행동을 암시할 수 있으므로 이는 현명한 아이디어처럼 보였습니다.

그림 4. 행동 추적 기술의 과제 이해하기.

그러나 David가 더 자세히 살펴보면서 이 방법의 한계를 깨달았습니다. 주머니에 손을 넣고 있는 것과 같은 단일 자세가 반드시 누군가가 좀도둑질을 하고 있다는 의미는 아닙니다. 단지 편안한 상태이거나 생각 중이거나 심지어 추워서 그런 것일 수도 있습니다. 고립된 자세에 집중할 때의 문제는 더 큰 맥락을 무시한다는 것입니다. 행동은 단일 동작이 아니라 맥락과 의도에 따라 형성되는 시간에 따른 동작의 패턴입니다.

David는 진정한 행동 추적이 훨씬 더 복잡하며 전체적인 접근 방식이 필요하다고 강조했습니다. 이는 일련의 동작을 분석하고 더 넓은 맥락에서 그 의미를 이해하는 작업입니다. AI 업계가 발전하고 있지만, 의미 있고 정확한 인사이트를 제공할 수 있도록 행동 추적을 발전시키려면 아직 해야 할 일이 남아 있다고 말했습니다.

행동을 이해하는 더욱 스마트한 비전 AI 모델 만들기#

이어서 David는 Ultralytics YOLOv8과 그 포즈 추정 기능을 활용하여 자신의 팀이 소의 건강을 모니터링하는 컴퓨터 비전 솔루션을 구축한 과정을 관객에게 공개했습니다.

먼저 소의 포즈 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 1천만 개의 행동 예시로 구성된 대규모 데이터셋을 사용해 모델을 학습했습니다.

고급 하드웨어 인프라를 사용한 덕분에 David의 팀은 기존 하드웨어에서 몇 주가 걸렸을 학습을 단 2일 만에 완료할 수 있었습니다. 이후 학습된 모델을 커스텀 행동 추적기와 통합하여 여러 동영상 프레임을 동시에 분석하고 소의 행동 패턴을 탐지했습니다.

그 결과 섭식, 음수, 누워 있기와 같은 8가지 서로 다른 소의 행동을 탐지하고 추적하여 건강 문제를 나타낼 수 있는 미세한 행동 변화를 포착하는 비전 AI 기반 솔루션이 탄생했습니다. 이를 통해 농부는 신속하게 대응하고 무리 관리를 개선할 수 있습니다.

행동 AI의 미래#

David는 기조연설을 마무리하며 관객에게 다음과 같은 중요한 교훈을 전했습니다. "AI가 실패할 여지를 주지 않는다면 결국 실패하게 됩니다. AI는 본질적으로 통계적이기 때문입니다." 그는 AI가 강력한 기능을 갖추고 있더라도 완벽하지는 않다고 지적했습니다. AI는 패턴을 통해 학습하는 도구이며, 항상 올바르게 처리하지 못하는 경우가 발생합니다. 이러한 실수를 두려워하기보다 실수를 처리하고 시간이 지남에 따라 계속 개선될 수 있는 시스템을 구축하는 것이 핵심입니다.

이는 컴퓨터 비전 모델 자체에도 해당합니다. 예를 들어 최신 Ultralytics YOLO 모델인 Ultralytics YOLO11은 YOLOv8과 비교하여 한 단계 더 발전해야 한다는 점을 염두에 두고 개발되었습니다.

그림 5. Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업.

특히 Ultralytics YOLO11은 농업과 의료처럼 정밀도가 중요한 실시간 애플리케이션에서 더 나은 성능을 제공합니다. YOLO11은 고급 기능을 통해 혁신적인 실시간 인사이트를 제공하고 산업이 과제를 더욱 효과적으로 해결하도록 지원함으로써 산업의 AI 활용 방식을 새롭게 정의하고 있습니다.

핵심 요점#

YV24에서 진행된 David의 기조연설은 AI가 단순히 멋진 혁신을 넘어 실제 문제를 해결하고 우리가 생활하고 일하는 방식을 개선하는 강력한 도구라는 점을 일깨워 주었습니다. AI는 행동에 집중함으로써 동물의 건강을 추적하고 일상적인 행동에서 의미 있는 패턴을 인식하는 것과 같은 분야에서 이미 영향력을 발휘하고 있습니다.

행동 AI의 잠재력은 매우 유망하며, 이제 시작 단계에 불과합니다. 행동 AI는 원시 데이터를 실행 가능한 인사이트로 전환하여 수동적인 모니터링에서 능동적인 문제 해결로 나아갑니다. 더욱 발전함에 따라 행동 AI는 더 스마트한 의사 결정을 이끌고, 프로세스를 간소화하며, 우리의 삶에 의미 있는 개선을 가져올 것입니다.

AI와 실제 애플리케이션에 대해 더 자세히 알아보려면 저희 커뮤니티와 계속 소통해 주세요. 저희 GitHub 저장소를 방문하여 농업 분야의 AI와 제조 분야의 컴퓨터 비전 같은 영역의 혁신을 확인해 보세요.