새로운 정보를 전해 드리는 소이뉴스입니다.

안녕하세요, 구독자님.

이번 한 주도 즐겁게 잘 보내고 계신가요?

저는 개인적으로 다른 계절보다 가을을 좋아합니다. 높고 푸른 하늘, 선선한 날씨, 변해가는 나뭇잎의 다채로운 색상, 그리고 방심하면 피부를 까맣게 태우지만 밉지 않은 땡볕까지... 자전거 여행을 하기에 이만큼 좋은 시간도 없죠. 그런데, 이번 5월 한달은 그런 가을과 비슷한 느낌을 받았습니다. 그만큼 큰 폭의 변동없는 좋은 날씨였다는거죠.

그런데 후반부엔 코로나 기간동안 줄곧 잊고 지냈던 미세먼지 소식이 들려와서, 벗어두었던 마스크를 다시 써야하나 아주 잠깐이지만 고민했습니다. 10여년 전이었나요, 특히나 짧은 기간동안 급격하게 나빠진 공기질 (당시도 미세먼지가 원인!)이 큰 사회문제가 되었던 적이 있었습니다. 그러다 최근 몇년간은 코로나 사태로 오염물질 배출이 줄어들면서 한동안 미세먼지는 잊고 지냈죠. '작년에 왔던 각설이가 죽지도 않고 또 왔네. 얼씨구씨구 들어간다 절씨구씨구 들어간다...' 각설이 타령의 한 구절이 떠오릅니다. 

이번 소식에서는 미세먼지 관련된 내용과 또 그 사이 소개된 새로운 인공지능 기술을 간단하게 정리해 보도록 하겠습니다. 

위키백과사전에 따르면 미세먼지는 대기 중에 떠 다니는 지름 10μm 미만의 아주 작은 입자를 말하는데 여기에는 먼지, 꽃가루, 곰팡이, 질산염, 암모늄이온, 황산염 등의 이온성분과 탄소화합물, 금속화합물 등이 포함될 수 있다고 합니다. 머리카락 두께가 50~70μm 정도인데 이것의 1/5~1/30 수준 밖에 되지 않으니 저처럼 시력이 나쁜 사람들은 맨눈으로는 보지도 못하겠습니다.

맞습니다. 대부분의 생활 환경에서 먼지는 생활의 일부죠.(^^;) 문제는 미세먼지처럼 입자가 극히 작은 경우에는 코, 구강, 기관지 등에서 걸러지지 않고 몸 속까지 침투를 할 수 있다는 것입니다. 바깥에서 뭔가가 들어오면 우리 몸에서는 면역세포가 이를 물리치기 위해 반응하게 되고 이때의 염증반응으로 인해 알러지성 결막염이나 각막염, 비염, 기관지염, 폐기종, 천식 등의 다양한 질환이 발생할 수 있습니다. 초미세먼지의 경우, 혈관까지 침투해 손상을 주어 협심증, 뇌종증과 같은 심혈관질환을 일으키거나 폐포에 미세먼지가 쌓일 수도 있답니다. 

미세먼지를 구분하는 단위는 어떻게 되나요?
찾아보니 대기환경보전법 제2조 제6호에 미세먼지와 초미세먼지에 대해 정의되어 있었습니다. 

위키에서 보니 해외에서는 PM10 은 부유먼지(suspened particles)라고 부르고 그 외는 PM2.5, PM1로 세분화하기도 한답니다.

미세먼지가 한창 이슈가 됐던 10년 전쯤에는 이런 정보를 제공하는 곳이 없었습니다. 물론 공공 관측소에서 나온 정보가 없진 않았지만 아무래도 설치된 장소가 사람들이 미세먼지를 체감하는 곳과 사뭇 다른 환경인 곳이 많아 수치에 대한 불신이 있다 보니 시민들이 직접 미세먼지 측정기를 구입하고 자신이 사는 곳에서 측정한 정보를 서로 공유하기도 했었죠. 현재도 일부 지역에서는 이런 식으로 운영되고 있는 것 같습니다. (링크) 이외에 한국환경공단에서 운영하는 에어코리아나 서울시에서 운영하는 클린에어처럼 공공 사이트도 있습니다. 

다음과 같은 방식으로 미세먼지 저감에 기여할 수 있습니다.

제가 찾아본 것들 몇 가지를 적어 보겠습니다. 

새롭게 소개된 인공지능 기술을 몇 가지 알려 드리겠습니다. 

MMS(Massively Multilingual Speech)라는 모델이 소개되었습니다. 역시 META! 오픈소스로 지속적으로 인공지능 기술력을 보여주고 있는데 앞으로의 또 다른 발표가 기대됩니다. 예전 OpenAI의 새로운 발표를 기다려 왔던 것처럼 말이죠. 해당 발표에 따르면, 지구상에 알려진 언어의 수가 7000여개나 된다고 합니다. 이번에 소개된 기술은 그 가운데 1000여개가 넘는 언어에 대해 음성→텍스트 변환, 텍스트→음성 변환과 4,000개 이상의 언어에 대한 언어 식별을 지원한다고 합니다. OpenAI의 Whisper 대비로도 언어 별 오류률이 많이 낮은 반면 지원하는 언어수는 훨씬 많다고 하네요. 단일 모델로 이렇게 많은 언어를 지원하다니... 예전 같으면 상상을 못했을 것 같은데 참 기술의 발전은 속도도 빠르고 예측도 어려운 것 같습니다. 

GAN으로 이미지를 생성하는 것에 대해서는 이미 많이 들으셨을 겁니다. 이렇게 생성된 이미지를 원하는 형태로 약간씩 변화를 줄 수 있도록, 생성된 개체 레벨에서 포즈, 모양, 표정 등을 정밀하게 제어할 수 있도록 만든 모델입니다. 마치 최근 나온 Diffusion 방식의 생성모델을 ControlNet을 통해 텍스트 프롬프트를 조정해가며 원하는 이미지로 바꾸어 가는 것과 유사할 것 같습니다. 소개된 동작 예시를 보면 앞으로 이 기능이 사진 편집도구나 각종 응용 어플리케이션에 많이 차용될 것이라는 '필연적인' 느낌이 '강~하게' 옵니다. 아쉽게도 코드 공개는 6월 경에 될 예정이라고 합니다. 좀 더 기다려야겠습니다. 

개체감지나 분할의 범위를 개방형 어휘로 확장하고 이를 부분 세분화하는 검출기입니다. 예전에 SAM(Segment Anything Model)을 소개드린 적이 있었는데요... 그것과 유사하다고 보시면 될 것 같습니다. 다만, VLPart는 각 개체의 분할 이후, 그 개체 내의 세부 수준까지 분할이 가능합니다. 즉, 개에서 개의 코, 귀, 다리 등등 이렇게 더 나아가는 방식으로 말이죠. 사전 학습된 모델도 제공되므로 이를 이용해서 또 재미난 것들이 나올 수 있을 것 같습니다. 

다양한 방식의 인간 지시를 하나의 모델로 인식하고 생성할 수 있는 다중모드 대규모 언어모델입니다. 예를 들어 음성문장을 듣고 이를 해석한 뒤 처리 결과로 텍스트나 음성 등의 다양한 형태로 답을 제공할 수 있게 되는거죠. 기존 방식으로는 음성대화를 하려면 STT를 통해 음성을 듣고 이를 Text로 변환하고 다시 언어모델로 넣어 답을 얻고 다시 TTS를 통해 음성으로 변환하는 작업이 필요했죠. 이걸 하나의 모델로 한번에 할 수 있다는 것입니다. 한 모델이 여러가지의 방식을 동시에 지원하므로 서비스 생성 시 효율성이 높아지겠네요.

(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?

• 메일 : sales@soynet.io
• 홈페이지 : https://soynet.io/contact-us/

오늘의 뉴스레터는 여기까지
구독자님,
다음 번에도 재미난 소식을 가지고 

찾아뵙겠습니다.

  구독해 주시면 좋은 소식, 정보로 보답하겠습니다.

이전 뉴스 보기