인공지능의 활용 - 이렇게 써먹을 수 있어요

새로운 소식 몇 가지와 응용 사례를 소개합니다

2023. 4. 21.

이 메일이 잘 안보이시나요?

새로운 정보를 전해 드리는 소이뉴스입니다.

안녕하세요, 구독자님.

즐겁고 활기찬 한 주 보내고 계신가요?

저희는 주 초반부터 다양한 이벤트로 인해 바쁜 시간들을 보냈습니다.

최근에는 지하철이나 버스, 영화관 같은 공공장소에서도 마스크를 쓰지 않고 다니는 사람들을 많이 보게 됩니다. 1~2년 전만해도 상상하기 힘든 광경인데 격세지감을 느끼게 되는데 그만큼 많은 분들의 많은 인내와 참여, 해결 노력 등이 쌓이고 쌓인 결과라 생각되어 한편으로는 나 스스로에게를 포함해서 모든 사람들에게 감사한 마음이 들었습니다. 이제 슬슬 코로나로 인해 어려웠던 시간들이 다시 희망의 시간으로 전환되기를 기대해 봅니다.

이번 소식에서는 특정 주제 대신 최근 새로 소개되었거나 제 관심을 끌었던 몇 가지 소식을 소개해 드리도록 하겠습니다.

핫 인공지능 소식

최근 소개된 몇 가지 인공지능 모델에 대해 알려 드리면 다음과 같습니다.

Instant-NVR (프로젝트, 영상)

Instant-NVR은 일반 RGB 카메라 영상을 이용해서 사람과 객체에 대한 추적 및 렌더링을 통해 실시간 실사풍의 합성 뷰를 얻을 수 있는 접근방식입니다. 트레킹은 사람과 개체 모둔의 모션을 추정하고 렌더링 백엔드는 RF(Radient Field)를 재구성하여 실시간 실사풍의 뷰 합성을 얻을 수 있도록 한답니다. 이런 기술을 이용해서 다양한 재미난 실감미디어 영상을 만들 수도 있지 않을까 싶네요.

그림) Instant NVR 개요 (출처)

Neural Residual Radiance Fields for Streamably Free-Viewpoint Videos (ReRF) CVPR 2023 (프로젝트)

ReRF(Residual Radiance Field)는 긴 동영상 장면에서 실시간 FVV(무료보기 비디오) 랜더링을 위한 컴팩트한 신경망으로 이를 이용하면 적은 프레임 별 전송량을 지원하기 때문에 낮은 네트워크 대역폭에서도 높은 품질로 온라인 스트리밍을 지원할 수 있습니다. 소개 영상에서는 ReRF를 이용할여 자유시점 시청 경험을 시연합니다. 예전에 LGU+의 프로야구앱에서 홈런 순간을, 또는 축구게임에서 골 넣는 순간을 시청자의 뷰포인트 위치를 바꿔가면서 볼 수 있도록 했던 것이 자유시점 시청이라고 보시면 됩니다.

그림) ReRF의 Pipleline (출처)

Open-Assistant (깃헙, 설명영상)
최근 많은 GPT 기반의 모델들이 발표되었습니다. ChatGPT 이후 META에서 LLaMa가 발표되면서부터 이를 이용한 Alpaca, Vicuna, Koala 등등 낮은 시스템 사양에서도 동작 가능한 모델들이 쏟아져 나왔습니다. 오호... 이제 이런 녀석들을 활용한 다양한 어플리케이션이나 서비스가 나오겠구나 싶었죠. 하지만... 아쉽게도 이런 모델들은 원천 모델의 제약으로 인해 '연구 목적으로만 사용 가능'이라는 딱지표를 달고 있었습니다.

OpenAssistant는 이런 제약을 해소하기 위해 만들어진 채팅 기반의 대규모 언어 모델 지원을 위한 오픈소스 프로젝트로 시작되었고 ChatGPT와 같은 챗 기반의 도우미로 개발되고 있습니다. LAIOS(Large-scale Artificial Intelligence Open Network)이라는 비영리조직이 보유한 데이터셋을 이용하고 ChatGPT처럼 InstructGPT에서 제안하는 학습 과정을 따르고 있으며 최종적으로는 다양한 외부 시스템과 소통하고 최신 정보를 활용할 수 있도록 개발될 예정입니다. 아직은 막 시작한 단계지만, 앞으로 이런 것을 이용한 다양한 분야의 서비스를 기대하는 입장에선 앞으로 잘 됐으면 하는 바램을 가져볼 뿐입니다. 해당 프로젝트는 누구나 기여자로 참여할 수 있습니다.

재미난 인공지능의 활용 사례

지식그래프를 활용하는 인공지능의 활용 사례를 두 가지 뽑아 봤습니다. 간단하게 집이나 회사에서 활용할 수 있을 것 같아 소개합니다.

AI-Generated Mind Maps with the ChatGPT API in Python and Streamlit (글)

ChatGPT API와 python 용 웹개발 패키지인 Stream를 이용해 마인드맵을 만드는 방법에 대해 설명하고 있습니다. 예전에 아이패드 앱으로 이런 비슷한 것을 구매해서 사용한 적이 있었는데 당시에는 위키백과 상의 내용을 걸려 있는 링크 정보를 이용해서 제공하는 방식이었습니다. ChatGPT를 이용하면 확실히 관련된 내용을 훨씬 더 정교하고 세련되게 만들어줄 수 있겠죠.

바로 테스트 가능한 Streamlit 앱 (링크)

그림) 간단한 한글 프롬프트로 생성해 본 마인드맵 (위에 설명한 Streamlit 이용한 앱 사용)

GraphGPT: convert unstructured natural language into a knowledge graph (글, 코드)

위의 마인드맵 케이스와 비슷한 것처럼 보이지만 좀 더 확장된 개념입니다. 자연어 모델(ChatGPT API)을 이용해서 지식 그래프를 생성하는 것으로 노드간의 관계성 등에 대한 좀 더 세부적인 정보를 얻을 수 있습니다. 글의 내용을 단순히 요약하는 것 대신 그 속에 포함된 내용들의 관계성을 바로 파악해서 볼 수 있다면 이해가 더 잘 되지 않을까 싶네요.

그림) GraphGPT를 이용해서 대화형으로 지식그래프를 생성하는 예시 (출처)

인공지능 기술이 직접 적용된 결과물은 아니나 업무에 활용할 수 있는 도구 하나를 추가로 소개하겠습니다.

Diagrams (깃헙, 사이트)
별도의 GUI 기반 도구없이 python 코드를 이용해서 클라우드 시스템 아키텍처를 그릴 수 있는 도구입니다. AWS, GCP, Azure, Kubernetes, Alibaba Cloud, Oracle Cloud 등등 다양한 주요 서비스 공급자를 지원한다고 합니다. 사이트에 들어가면 다양한 예제를 확인할 수 있습니다.

그림) python 코드로 작성된 Event Processing 구 (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?