새로운 정보를 전해 드리는 소이뉴스입니다.

안녕하세요, 구독자님.

지난 주말부터 폭우를 동반한 장마로 인해, 청주 오송 지하차도 침수와 경북 예천에서 발생한 산사태 등 전국적으로 안타까운 인명피해 소식이 계속 전해져 왔습니다. 우선 삼가 재해로 인해 운명을 달리 하신 분들의 명복을 빕니다. 이런 안타까운 사고 소식은 해마다 이어지는 것 같은데 아무쪼록 대책을 세워 내년에는 사고 소식없이 조용히 지나갔으면 하는 바램입니다. 

이런 사고들은 어떤 경우엔 천재(天災)로 또 어떤 경우엔 인재(人災)로 그 원인이 밝혀지기도 하죠. 이 가운데 천재(天災)는 언제 어디서 어떻게 발생할지 예측하기가 힘든 것이 사실입니다. 다만, 작아서 감지하긴 어렵겠지만 위험 징조가 나타나는 경우들이 더러 있는데, 그것들이라도 조금만 더 빨리 알아챌 수 있다면 위험을 피해가거나 피해가 발생하더라도 그 정도를 줄일 수 있지 않을까 하는 생각이 듭니다. 

이번 소식에서는 자연재해와 이를 예측하기 위한 기술에 대해 알아보고 새로운 인공지능 기술 관련 소식도 전해 드리겠습니다. 

자연의 힘에 의해 발생하는 재해를 말합니다. 이로 인해 많은 인명, 재산 피해가 발생하죠. 주로 태풍이나 토네이도, 홍수나 해일, 가뭄, 지진이나 화산폭발 등이 여기에 속합니다. 이 가운데 우리나라에서는 매년 태풍과 홍수, 가뭄 등은 발생하는 편이고 지진은 가끔씩 사회 이슈가 되기도 합니다. 

자연재해는 인간의 삶에 인명, 재산, 환경, 경제, 사회적 측면에서같은 다양한 피해를 가져옵니다. 

한 예로는 2023년 5월 5일에 발생한 캐나다 산불을 들 수 있습니다. 이 산불은 2개월 이상이 지난 현재도 진행 중으로 통제가 불가능한 수준인데, 이미 남한 전체 면적의 83% 정도가 잿더미가 되었습니다. 이 산불로 공기 좋기로 유명했던 미국과 캐나다는 심각한 대기오염에 시달리고 있을 뿐 아니라 온실가스 5480만 톤 이상이 배출되었고, 이동 중인 산불 연기가 북극 상공까지 가게 되면 온난화를 더욱 가속시킬 수 있다는 우려도 나오고 있다고 합니다. 천문학적인 경제피해는 아직 진행 중이라 아직 추산이 되지 않고 있다고 합니다. 다만, 원유, 가스 채굴이 중단되기도 했고 옥스퍼드이코노믹스 연구에 따르면 산불 때문에 3분기 캐나다 국민총생산(GDP) 성장률이 0.3~0.6% 내려갈 전망이라고 합니다. (기사) 

참고) 캐나다에서 발생한 초대형 산불은 주 원인이 기온상승으로 인한 병충해와 가뭄이라고 합니다. 즉, 기후온난화로 남부에서 중부로 서식지를 넓힌 해충과 가뭄으로 인해 고사한 산림면적이 늘었고 토양의 수분 함유량이 감소해 산불에 취약한 환경이 조성되었기 때문이라는 것이죠. (기사1, 기사2)

우선 예측이 어렵습니다. 언제 어디서 어떻게 발생할지, 그리고 그 결과로 어떤 일이 벌어질지 알기 힘들죠. 과학으로 설명할 수 있게 되기 이전에는 천재지변의 예측은 '점성술'의 영역이었습니다. 또 천재지변은 큰 피해를 가져옵니다. 위에 언급했던 종류를 생각해보시면 당연하겠죠. 그러다보니 복구 자체가 거의 불가능하거나 아주 오래 걸리고 어렵습니다. 예를 들면 이탈리아 폼페이 화산 폭발은 아예 한 도시 자체를 폐허로 만들고 아예 사라진 역사의 한 부분으로 만들기도 했습니다. 

그럴 수도 있겠네요. 도시 지역에 사는 분들은 앞서 언급했던 것처럼 뉴스를 통해 사고 소식을 접하는 것이 일반적일테고 주변에서는 물난리 등으로 약간의 불편함을 겪는 수준이었을 테니까요. 하지만, 해안가나 산악지역 같은 곳에 사는 분들의 경우에는 태풍이나 산사태, 대규모 산불, 지진 등의 피해를 직접 당하는 분들도 있으실 겁니다. 앞으로는 기후변화 등으로 인해 자연재해의 발생 범위와 그 정도가 점점 커지고 있기 때문에 지금까지는 안전지대라고 생각했던 곳도 그렇지 못한 곳이 될 가능성이 높아지고 있습니다. 

위의 경우 외에 사람들은 대부분 자연재해를 영화나 애니메이션 등을 통해 간접적으로 접하게 됩니다. 이렇게 재해가 영화 등의 소재로 활용되는 경우가 많은 것은, 등장인물들이 필사적으로 재난에서 탈출하기 위해 애쓰는 모습이 보는 이의 간접 체험이 되어 긴장감과 스릴을 느낄 수 있게 하기 때문이죠. 이는 스릴러 영화나 공포물에서도 마찬가지입니다. 하지만 대부분은 거기서 그치지 않고 발생한 재난에 대한 위험성을 알리고 사람들이 경각심을 갖도록 한다는 목적도 어느 정도 있을 겁니다. 아무리 책이나 영화로 배웠다고 하더라도 비슷한 상황에서 어떻게 대처해야 하는지 아예 모르는 것보다는 더 나을테니까요... 저도 유튜브에서 본 쓰나미 사고 영상을 통해, 해안가에서 갑자기 물이 바다 쪽으로 쓸려 나가는 상황이 되면 어떻게 해야할 지를 알고 있답니다. 

앞서 '점성술의 영역'으로 얘기를 하긴 했지만, 과거에도 완전히 허구로 예측하는 것보다는 보이는 징조나 증상 등이 예측의 토대가 되는 경우도 없진 않았습니다. 다만, 그 정확도가 많이 떨어졌다는 것이 문제였죠. 현대로 오면서 재해, 재난을 예측하는 다양한 기술적인 방법들이 나오고 있습니다. 최근에는 사물인터넷(IoT)와 인공지능 기술을 활용해서 지진, 홍수, 태풍 등의 천재지변의 발생이나 발생 이후의 경로나 피해위치, 피해면적 등을 예측하기도 합니다. 

예를 들어 지진의 사례를 들어보겠습니다. 지진의 예측은 땅속의 수많은 단층선에 대한 정확한 정보와, 센서를 통해 수집되는 지진파 등의 정보가 기본적으로 필요합니다. 기존에는 지층 내 구조해석을 통해 발생할 수 있는 지진 혹은 지진파의 형태 변화 등을 예측하는 일종의 수학적 시뮬레이션이 대부분이었는데 최근 들어서는 머신러닝을 이용한 분석 방식이 많이 연구되고 있습니다. 그외에도 지진발생 전 동물의 이상행동, 상층부 대기 전리층에서의 전자밀도 변화 등을 통해 개략적인 대지진을 예측할 수 있다는 보고도 있다고 합니다. (기사) 하지만 아직은 정확한 발생장소와 시기 등을 예측하기까지는 넘어야 할 기술적인 허들들이 존재하는 것 같습니다. 

기존에도 자연재해 예측을 위해서 수학 모델 기반의 시뮬레이션과 예측 기법이 있었습니다. 이런 방식은 최종적으로 나타나는 자연현상을 물리 이론과 수학적 수식을 통해 모사하고 이를 바탕으로 해석하게 됩니다. 작은 자연현상 하나 하나도 수많은 원인 변수가 있고 그것들에 따라 결과도 달라지게 될텐데 문제는 이 모든 원인 변수가 어떤 것일지 알 수 없다는 것이고 그 결과 예측의 정확성이나 적용 가능 범위도 많은 제약을 가질 수 밖에 없다는 것입니다.

이후에 머신러닝, 딥러닝 기술이 등장하면서 상황이 바뀌게 되었습니다. 즉, 있을 것 같긴 하지만 인간이 알지는 못했던 변수를 인공지능이 파라미터를 확장함으로써 학습할 수 있게 만들어 주는거죠. 이렇게 신경망을 통한 시뮬레이션 방식을 물리 정보 신경망(Physics-Informed Neural Network, PINN)이라고 부릅니다. PINN 기술은 진동, 유체, 전자기 등 아주 광범위한 영역의 기초기술 해석에 사용되며 자연재해의 해석을 위해 꼭 필요한 부분이기도 합니다. 수학적인 해석이 더 나으냐, 신경망에 의한 해석이 더 나으냐는 아직 결론이 나진 않은 것 같습니다. 제가 읽은 글에서는 이 둘을 결합한 방식을 제안하고 있었죠. (참고글)

재해 별로 적용되는 기술도 다를겁니다. 예를 들어 화산, 지진의 경우는 지진파, 대기 중 특정 가스의 변동량 등의 시계열 데이터에 대한 예측 분석을, 자연산불의 경우, 인공위성 영상이나 CCTV 영상 등의 분석이나 센서를 통해 열, 연기, 가스 등의 변화량 감지 방식을, 태풍/폭풍 등은 구름 유형 식별, 강수량 변화의 시계열 패턴 분석 등이 활용될 수 있습니다. 홍수는 제방이나 지류에 설치된 유속, 유량 측정 센서 데이터를 분석하고 쓰나미는 바닷물의 높이와 방향 등을 알 수 있는 센서 데이터, GPS 데이터, 인공위성 영상 데이터 등의 분석을 통한 방법이 사용될테구요. 대표적으로 많이 사용되는 것만 나열한 것이며 실제로는 훨씬 더 다양한 방식을 결합해서 사용하고 있습니다. 

이렇듯 적용 기술은 다를지라도, 재해 발생 가능 지점에서 각종 센서(카메라 포함)를 통해 데이터를 수집하고 이를 인공지능을 통해 분석, 예측한다는 것은 거의 대동소이한 것 같습니다. 이 때문에 IoT와 AI가 결합된 AIoT 기술 적용이 많이 연구되고 있기도 하구요.

지난 6월 환경부에서는 '제3차 국가 기후위기 적응 강화대책'을 확정했다고 밝혔습니다. 기후위기로 인해 발생하는 피해를 예방하고 줄이는 것 외에 기반시설을 강화하고 현장에 적용할 수 있도록 하기 위함이라고 합니다. 이 가운데 예보,경보 강화를 위한 시스템 도입 얘기가 있어 옮겨와 봤습니다. 홍수, 산불, 산사태, 연안재해, 기상재해 등에 대한 조기 경보,예보 시스템 구축 과제들이 있는데 이것들이 제대로만 구축된다면 많은 효과를 볼 수 있을 것 같긴 하네요. 한편으로는 이런 목표를 조금이라도 앞당겨 실현할 수 있도록 하고, 현장에서의 실질적인 효과를 볼 수 있는 쪽으로 결과가 나올 수 있도록 사후 관리를 잘 했으면 합니다. 

검색해 보니 다음과 같은 글과 영상이 있었습니다. 

인공지능 소식

TryOnDiffusion: A Tale of Two UNets

인공지능 전시회를 가 보면 다양한 형태의 옷을 가상으로 입어볼 수 있는 피팅 솔루션을 볼 때가 있습니다. 카메라로 촬영된 내 모습에 내가 선택한 옷의 패턴을 적용하는 방식이죠. TryOnDiffusion도 이런 모델들 가운데 하나인데 차이라면 두 개의 UNet(Parallel-UNet: Person-UNet과 Garment-UNet 둘을 함께 사용)을 사용해서 의상의 세부 정보를 보존하면서도 사람의 자세에 맞춰 정확한 착장을 한 이미지를 만들어 낼 수 있다는 것입니다. 아래 예시 사진에서 봐도 비교 대상이 되는 다른 모델들에 비해 사람의 자세 부분과 착장한 옷의 주름 등이 아주 자연스럽게 잘 표현되는 것을 알 수 있습니다. 

이렇게 새롭게 모델이 소개되는 것을 보면 참 고무적이긴 합니다만... 기존에 같은 종류의 모델을 개발하고 서비스를 런칭했던 기업들에게는 굉장한 압박감을 줄 수도 있을 것 같습니다. 이런 측면은 비단 패션AI만이 아니라 자연어처리나 음성합성, 영상합성 등등 다양한 분야에서 다 느끼는 바이기도 하죠.

참고) 논문, 깃헙(소개), 발표영상

최근 Meta의 횡보가 심상치 않습니다. 지난 번 소식에서 알려드린 것처럼 Thread라는 SNS를 만들어서 Twitter하고 대놓고 싸우고 있는 것도 그렇고, 폐쇄형 서비스를 제공하는 ChatGPT에 반해 오픈소스 진영의 대항마로 Llama 모델을 공개(사전학습모델은 유출...)했었고 최근에는 Apple의 Vision Pro에 발표를 보고 CEO인 저커버그는 우리와는 추구하는 비전과 가치가 다르다고 언급한 바도 있습니다. 

이번에는 ChatGPT를 폐쇄형으로 상용 서비스를 하고 있는 OpenAI나 Microsoft와 같은 업체들과 한판 붙기로 한 모양입니다. 아예 Llama 버전 2를 오픈소스로 공개해 버렸습니다. 상용으로 사용할 수 있도록 라이선스도 풀어버렸구요. 한편으로 '어차피 이럴거면 진즉 그렇게 할 것이지'하는 불만도 생깁니다. 왜냐면 라이선스 제약으로 인해 그 사이 많은 업체들이 완전 오프소스를 지향하며 데이터셋을 확보하고 이를 활용한 새로운 모델들을 만드는 시도를 끊임없이 해 오고 있었거든요. MosaicML, StableML, Open Assistant 등이 바로 그런 곳이죠. 여튼... 이번 발표로 인해 또 다른 파급효과가 생길 것 같습니다. 

Llama 2는 매개변수 각각 70억개(7B), 130억개(13B), 700억개(70B)를 가지는 세가지 모델로 공개됐습니다. 기존 Llama 대비 40% 가량 더 많은 데이터로 학습이 됐다고 하구요. 700억개 모델의 경우에는 GPT 3.5 수준의 성능을 보인다고 하네요. 아래 비교 테이블을 보면 다른 오픈소스 모델들 대비해서 상당히 높은 성능을 보여주고 있습니다. 이를 기반으로 각 업체들이 가진 데이터셋을 활용해 튜닝하게 되면 값비싼 비용을 들이지 않고도 자체적인 LLM 을 개발할 수 있게 될 것입니다. 물론 이전에 이미 출시됐던 것들과는 계속 경쟁을 이어나가겠죠. 

LLM 시장은 아직은 어떻게 될지 모 춘추전국시대 같습니다. 선두주자가 있긴 하지만 뒤쫓는 주자들도 만만찮은 상황인데요... 자고나면 새로 소개되는 기술과 제품 때문에 어느 정도는 교통정리가 되는 시간이 필요하지 않을까 싶습니다. 오랜 시간과 비용을 들여 자체 기술로 개발하고 있는 곳들도 있을테고, 구글이나 메타 등과 같은 거인의 어깨 위에서 오픈소스 기술을 활용한 서비스를 만들고 있는 곳도 있을텐데 어느 업체이건 시장의 요구에 맞춘 솔루션을 빨리 내재화해서 내놓을 수 있는 역량을 갖추는 것이 필요할 것 같습니다. 

참고) 소개페이지, 소개영상, 소개영상(빵형의 개발도상국) 

 사진) 다양한 데이터셋에서의 Llama 2 모델과 타 모델간의 성능 비교 (출처)

혹시 구글의 퀵드로(QuickDraw) 게임을 들어보셨나요? 아이들과 함께 하기 좋은  아주 간단한 게임인데, 20초 안에 주어진 단어에 대한 스케치 그림을 그리기.만 하면 됩니다. 그리고 나서 같은 단어에 대해 다른 사람들이 그렸던 것을 비교해 볼 수도 있죠. 사람들은 이 게임을 하면서 인공지능 학습을 위한 공개 데이터셋 생성에 참여하게 됩니다. 

Stable Doodle은 Stability AI가 만든 Sketch to Image, 즉 간단한 스케치(와 프롬프트)를 하면 그 형상에 맞는 이미지를 만들어 주는 도구입니다. 이전에도 이런 역할을 하는 인공지능 모델들이 많이 소개되었었죠. 앞에서 갑자기 퀵드로 얘기를 꺼낸 것은 Stable Doodle 유튜브 첫 타이틀 화면 혹은 예제 화면에서 입력되는 스케치 이미지가 퀵드로 할 때 그리던 것과 많이 비슷해서였습니다. 추억 되살리기인 셈이죠. ^^;

그 외에 이 도구가 제 관심을 끈 것은 Stability AI의 이미지 생성기술(SDXL: Stable Diffusion XL)과 Tencent ARC의 컨디션 컨트롤 기술(T2I adapter)의 결합으로 만들어진 도구였기 때문입니다. 혁신기술들은 국경을 넘어선 협업으로 더 많이 나올 수 있다는 생각이 들었죠. 

참고) 소개블로그, 서비스, 소개영상

  사진) Stable Doodle의 처리 흐름(상)과 적용 예시 (출처)

그 외 최근 있었던 새로운 소식을 알려 드립니다.

(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 흥미로운 소식으로

다시 찾아뵙겠습니다.

  구독해 주시면 좋은 소식, 정보로 보답하겠습니다.

이전 뉴스 보기