[소이뉴스] '베짜는새'에게서 배우다

끊임없는 노력과 경험 축적의 힘을 믿습니다

2024. 8. 2.

[소이뉴스] '베짜는새'에게서 배우다

이 메일이 잘 안보이시나요?

새로운 정보를 전해 드리는 소이뉴스입니다.

안녕하세요, 구독자님.

이번 한 주도 잘 보내고 계시겠죠?

혹시 베짜는새(일명 베짜기새, Weaverbird)를 아시나요? 홍엽조속 베짜는새과에 속하는 새인데, 예전에 아이들 과학 분야 책에 소개된 것을 본 적이 있습니다. 이름만 봐도 어떤 능력을 지녔는지 가늠이 됩니다. 베를 짜듯 자신의 둥지를 만드는 녀석이겠구나 싶죠. 가늘고 긴 나뭇가지나 풀잎 등을 물어 와서 실처럼 쓰는데 부리로 날실, 씨실을 서로 엮는 솜씨가 여간 뛰어난 게 아닌 데다, 둥지 아랫쪽으로 드나드는 구멍을 내서 비가 들어오지 않고 뱀이나 다른 큰 새 같은 천적들이 접근하기 힘들게 만드는 등 건축가 같은 면모도 보입니다. 아프리카에 서식하는 집단 베짜기새의 경우, 커다란 나무에 100여 마리가 각자의 둥지를 짓고 사는 것으로도 유명합니다. 사람으로 따지면 아파트 생활을 한다고 해야 할까요...

이런 내용들에 집중하다 보니 책을 보던 당시에는 베짜는새가 둥지를 만들기 위해 어떤 수고를 하는지에 대해서는 그다지 신경을 쓰지 않았었습니다. 베짜는새는 실제로 둥지를 짓기 위해 상당한 정성과 노력을 기울입니다. 단순히 나뭇가지나 잎사귀를 쌓아 올리는 것이 아니라, 마치 한 땀 한 땀 정교하게 짜여진 직물처럼 둥지를 만들기 때문인데, 무려 2주 동안 끊임없이 재료를 모아 튼튼하고 안전한 집을 만들기 위해 노력하죠. 뿐만 아니라 베짜는새는 둥지를 많이 짓고 부수는 것으로도 잘 알려져 있는데, 만들 장소에 따라 모양이나 구조가 달라지며 갈수록 실수하는 횟수도 줄어들어 집 짓는 기술을 학습하는 새라는 연구 결과가 보고되기도 했습니다. (기사) 이런 과정은 마치 현재 어려운 시장 환경에서 살아남기 위해 고군분투하는 스타트업들의 모습과도 일부 닮아 있습니다.

최근 인공지능 시장이 성과 없이 부풀려져 있다는 비판을 자주 접하게 됩니다. 하지만 그 속에서도 혁신을 이루기 위해 끊임없이 노력하는 기업들이 있습니다. 비록 현재의 상황이 힘들고 불확실할지라도, 꾸준히 연구하고 개발하는 기업들은 결국 강한 자로 거듭날 거라 생각합니다. '연습이 대가를 만든다'는 말처럼, 꾸준한 노력과 학습이 결국 성공을 이끌어낼 것이고 '살아남은 자가 강한 자다'라는 말처럼 단순히 힘이 센 자만이 살아남는 것이 아니라, 끊임없이 도전하고 실패를 딛고 일어서는 자가 살아남아 강해질 것입니다. 이렇듯 진정으로 중요한 것은 끈기와 꾸준한 노력일 수도 있습니다. 베짜는새의 집짓기에서 배울 수 있듯이, 인공지능 시장에서도 끊임없는 기술 개발 노력과 실전에서 시행착오를 통해 얻는 경험들은 결국 결실을 맺을 것이라 믿습니다.

이번 주도 열심히 달려오신 구독자님께 응원의 박수 보내 드립니다. 파이팅 하세요~!

인공지능 관련 소식

과학기술정보통신부, 국가인공지능위원회 구성 착수

과학기술정보통신부는 '국가인공지능위원회의 설치 및 운영에 관한 규정'이 국무회의에서 통과됨에 따라 대통령 직속의 국가인공지능위원회를 구성에 본격 착수한다고 발표했습니다. 이를 통해 인공지능 기술 발전과 산업 확산을 목표로 민관 협력을 강화할 계획이라고 합니다. 위원회는 정부와 민간 전문가가 참여하는 방식으로 하되 45명 이내로 구성될 것이라고 하며, 주요 정책, 연구개발 전략, 인프라 확충 등을 담당하게 됩니다. (기사)

농림축산식품부, 스마트농업부 시행

농림축산식품부는 '스마트농업 육성 및 지원에 관한 법률(스마트농업법)'을 시행한다고 밝혔습니다. 이 법률은 스마트농업의 체계적 육성을 위해 제정되었는데, AI 개발과 기자재 및 데이터 표준화, 스마트농업 데이터 플랫폼 구축 등의 내용을 포함하고 있습니다. 스마트농업 데이터 플랫폼 구축을 통해 생육 환경·생육 상태·생육 환경 제어 데이터 등을 수집해 국가가 관리할 수 있게 되며, 농업 현장에서 AI, IoT가 결합된 소프트웨어 등의 신기술 적용이 용이해질 것으로 기대된다고 합니다. (기사)

OpenAI, SearchGPT 출시

오픈AI가 AI 검색 엔진 'SearchGPT'(서치GPT)를 공개했습니다. (기사) 서치GPT는 실시간으로 인터넷 정보를 요약해 제공하며, 사용자에게 관련 링크와 함께 쉽게 이해할 수 있는 설명을 제공합니다. 아직은 ChatGPT에서 바로 사용할 수는 없는데 조만간 여기에도 통합할 계획이라고 합니다. 이것은 기존 검색 시장의 강자인 구글이 우려하던 상황이죠. 사용자가 자신들의 검색 엔진을 통해 웹사이트를 방문하지 않으니 검색 결과에 노출하는 방식으로 얻던 광고 수익이 절대적으로 감소할 수밖에 없을 테니까요. 하지만, 새로운 검색 방식이 사용자 경험을 얼마나 개선하고 만족도를 높일 수 있느냐 하는 것과, 구글 또한 같은 기능을 제공할 수 있는 기술력을 이미 확보하고 있는 상황이라 실제로 끼칠 영향이 어느 수준이 될지는 지켜봐야 할 것 같습니다.

사진: SearchGPT 검색 결과 예시 (출처)

강원랜드, AI 로봇을 이용한 무인화,자동화 컨셉 레스토랑 운영

강원랜드가 하이원 그랜드호텔에 로봇 셰프와 AI 바리스타를 도입해 고객 서비스 개선하기 위해 무인화·자동화 콘셉트의 ‘스마트 테이블’을 운영한다고 합니다. 키오스크로 셀프 주문하고 로봇이 해당 메뉴를 조리한 후 서빙 로봇이 음식을 가져다주는 방식이죠. 커피는 바리스타 로봇을 이용해서 만들어져 픽업대에서 가져갈 수 있다고 합니다. 부분적으로는 다른 곳에서도 도입하고 있는데 고객 서비스 대부분을 무인화, 자동화로 접근한 특이한 사례 같습니다. 사용자 경험 개선과 색다른 체험 제공을 목표로 진행할 것 같은데 개인적으론 실 사용자들의 평가가 궁금합니다. (기사)

AI/로봇 기술을 통한 무인화

LG CNS는 2024 솔루션 페어에서 AI와 로봇의 발전이 가져올 Smart Logistics(스마트 물류)에 대해 발표했습니다. (기사) 완전 자동화된 물류센터, 로봇의 구독 서비스, 디지털 자율 운영 체계 등을 통한 물류 산업 혁신을 제시한 것입니다. 사실 이 두 기술이 접목되면 물류뿐만 아니라 제조, 서비스 등 정말 다양한 산업 영역에서 혁신이 일어날 것으로 예상되고 있습니다. 좀 가볍게 말하면 '영화에서 봤던' 그런 현실이 펼쳐질 수 있다는 것이죠. 다만 아직은 구현된 기술 수준이 미진한 상태라 상당한 시간이 걸릴 것이라 예상됩니다.

애플, AI 모델 훈련에 구글 TPU 사용

애플이 AI 모델 훈련에 엔비디아 대신 구글 TPU를 사용했다고 발표했습니다. (기사) 이번에 공개한 논문 ‘Apple Intelligence Foundation Language Model’에서 밝힌 내용인데 이 때문에 엔비디아의 위상이 독점적인 지위가 흔들릴지도 모른다는 얘기도 나왔습니다. 비슷한 시기에 AMD가 AI GPU 매출이 예상보다 높게 나오고 있다는 내용을 발표한 바도 있어 기업들이 엔비디아 대안 찾기에 나서고 있는 게 아니겠나 하는 의견도 있었기 때문이죠. 실제로 최근 공개되는 생성형 AI나 LLM 쪽은 대부분 트랜스포머 기반으로 동작하고 있어서 이를 제대로 지원할 수 있으면 현재로선 가성비를 고려한 하나의 선택지가 될 수 있을 겁니다. 다만, 향후 새로운 기술들이 나왔을 때 그것을 빨리, 그리고 제대로 지원할 수 있을지에 따라 시장의 판단은 달라지겠죠.

인공지능 기술

Gen3DSR

Gen3DSR은 단일 이미지에서 복잡한 3D 장면을 분할 정복(Divide and Conquer) 방식으로 모듈화하여 재구성하는 하이브리드 방식의 모듈형 프레임워크입니다. 모듈형이라 단계별로 다른 기술을 적용할 수 있도록 되어 있고 전체 시스템을 한 번에 훈련시키지 않아도 되며 더 나은 방식이 나오면 쉽게 통합할 수 있다는 장점이 있습니다.

입력된 단일 이미지를 처리해 장면의 깊이와 의미 정보를 추출하고, 장면을 구성하는 개별 객체들을 식별해 마스크를 생성합니다. 식별된 객체들을 개별적으로 재구성하고 이를 원래 장면의 레이아웃에 맞게 정렬한 후 배경을 결합해 최종 3D 장면을 완성하게 됩니다. 개별 객체를 따로 재구성하기 때문에 좀 더 정확하고 세밀한 3D 장면을 만들 수도 있다고 합니다.

참고) 프로젝트, 논문, 코드

사진: Gen3DSR 개요 (출처)

Artist

Artist는 사전 학습된 확산 모델을 사용하여 텍스트 기반 스타일화를 제어하는 기술입니다. 기존의 확산 모델은 텍스트를 기반으로 스타일화할 때 콘텐츠와 스타일 생성이 함께 얽혀 원하지 않는 콘텐츠 수정이 발생하게 되는데, Artist는 콘텐츠와 스타일의 디노이징을 분리된 확산 과정으로 나눠 처리하는 방식을 사용함으로써 이러한 문제를 해결하고 있습니다. 즉, 스타일과 관련 없는 콘텐츠 생성을 억제하고, 콘텐츠 이미지의 세부 사항을 유지하면서 스타일 프롬프트와 잘 일치하는 결과물을 생성하게 되는 거죠. 그 결과 훈련 없이도 콘텐츠 보존과 스타일 정렬을 동시에 달성할 수 있으며, 광범위한 실험을 통해 우수한 성능을 입증했습니다. 물론 스타일 강도와 콘텐츠 보존 정도에 대한 세밀한 제어도 가능하죠. 발표 내용에는 Visual-Language Models (VLMs)을 도입해 텍스트 기반 스타일화 결과를 평가하는 방법도 함께 제안되어 있습니다.

참고) 프로젝트, 논문, 코드

사진: artist의 파이프라인(상), 생성 결과물 예시 (하) (출처)

SAM 2: Segment Anything Model 2

SAM 2(Segment Anything Model 2)는 이미지와 영상에서 신속한 시각적 분할(세분화)을 할 수 있는 기초 모델로 2023년에 출시된 SAM의 후속 버전입니다. 이미지에서의 프롬프트 기반 분할을 지원하는 SAM과는 달리, SAM 2는 지원 대상을 이미지뿐만 아니라 시간적 요소가 포함된 비디오 영상까지로 확대되었습니다. 그 외에 50.9K개의 비디오와 35.5M개의 마스크를 포함하는 SA-V 데이터셋이 함께 공개되었습니다.

SAM 2에서는 사용자의 입력(클릭, 바운딩 박스, 마스크)을 통해 비디오에서 객체 분할을 수행할 수 있는데, 단일 프레임에서 사용자 입력을 마스크로 변환하고 다른 프레임으로 전파하는 방식을 사용합니다. 이때 스트리밍 메모리를 사용해 비디오 프레임을 실시간으로 처리하는데, 메모리 모듈은 이전에 관찰된 프레임의 정보와 객체를 기억하여 분할 결과를 개선하는 데 활용됩니다. SAM 2는 잘만 활용하면 학습 대상이 되는 영상에서 각 프레임별 어노테이션을 해서 학습 데이터를 생성하던 수고를 대폭 덜어줄 수 있는 도구로 활용될 수도 있으니 관심 가져보시길 바랍니다.

참고) 프로젝트, 논문, 코드, 데모

사진 : SAM 2 개요 (상), 아키텍처(하) (출처)

인공지능 서비스의 배포와 운영 시 도움이 필요하신가요?

(주)소이넷은 인공지능 서비스를 제공하는 기업들 가운데 서비스 배포와 운영에서 어려움을 겪고 계신 곳에 도움을 드릴 수 있습니다.

혹시 구독자님의 회사는 다음과 같은 어려움을 겪고 계시지 않나요?

AI 모델을 개발하고 학습 후 서비스를 위한 성능(Accuracy)은 달성했는데, 정작 최적화 엔지니어가 없어서 어플리케이션, 서비스로의 배포를 위한 실행최적화를 못하고 있어요!
AI 서비스를 이미 제공하고 있지만, 비싼 클라우드 GPU 서버 인스턴스 사용료가 부담이 되네요. 흠... 경비를 절감할 수 있는 방안이 없을까?
서비스에 적합한 공개 SOTA 모델이 있지만 그대로 가져다 쓰기에는 우리 쪽 어플리케이션에 접목하기도 어렵고 운영 비용도 많이 들 것 같은데 어쩌지?
서비스에 사용되는 AI 모델을 통합적으로 관리, 배포, 모니터링을 하고 싶은데 그렇다고 비싸고 너무 복잡한 솔루션을 쓸 수는 없고 어쩌지?
비즈니스 도메인 기업이긴 한데 자체로 인공지능을 적용하기에는 기술적인 난이도도 있고... 어디 함께 공동 솔루션을 개발할 곳은 없을까?
무인매장 구축이나 거기서 사용할 수 있는 제품을 보유하고 있는 곳이 필요한데 없을까?
안면식별 기반 본인인증, 성인인증 솔루션이나 기술을 보유한 곳을 찾고 있는데...