'에지&컴퓨터 비전 AI'를 주제로 열린 마지막 날에는 인텔과 엔비디아 등 업계 전문가들이 인공지능(AI)을 활용한 사례와 방법을 소개했다. 이들은 온라인으로 개인정보 보호강화, 대기시간 단축, 검색과 개인화 향상, 자동화 활성화 및 가속화, 실시간 인텔리전스 제공 등 다양한 의제를 공유했다. 

이 가운데 알아두면 좋을 유용한 사례와 AI 활용 방법 몇가지를 선별해 소개한다. 


◇BMW : 에지 AI와 머신러닝(ML)을 활용해 창고ㆍ결제 시스템을 개선한 방법

지미 나시프 BMW IT 시스템 책임자 , 제레드 플로이드 레드햇 CTO, 맷 스콧 마롱 테크놀로지 CEO는 트랜스포메이션 2020 컨퍼런스 3일차인 17일(현지시간) 에지 컴퓨팅과 사물인터넷(IoT)을 활용한 AI 과제와 기회를  소개했다.

각기 다른 분야 전문가인 이들은 'AI가 새로운 기능을 가능하게 해주고 기존 작업을 가속화해 주는 잠재성을 가졌다'는데 의견을 같이 했다.

BMW는 56초마다 자동차를 생산한다. 4500개 이상의 협력업체가 수백만 개의 부품을 BMW에 공급하고 있다. BMW의 자동차 판매량은 지난 10년간 2배 증가해 2019년에 250만대를 판매했다. 생산량이 너무 많아 난간에 봉착했었다. 

나시프는 엔비디아의 아이작ㆍ젯슨 AGX 자비에ㆍDGX 플랫폼을 활용해 일부 해결할 수 있었다고 설명했다. BMW는 엔비디아의 플랫폼을 더욱 활용해 창고에서 자재를 운송하고 개별 부품을 정리하는 네비게이션ㆍ조종 로봇 5대를 개발할 계획이다.

현재 BMW는 독일 공장 4곳에는 로봇 2대를 배치했다. 이 로봇은 컴퓨터 비전 기술로 주변 환경을 인지하고 사람의 포즈를 인식한다. 또 실제ㆍ합성 데이터를 학습해 다양한 조명 환경에서 사람과 잠재적 장애물을 인식할 수 있다.

BMW는 정확성을 높이기 위해 전세계 BMW 엔지니어에게 원격으로 로그인할 수 있는 엔비디아의 옴니버스 시뮬레이터에서 알고리즘을 지속적으로 재교육하고 있다.

마롱은 머신러닝 기술로 사용자가 셀프 계산대 위 물체를 잘못 스캔 했을때 이를 알고리즘에 전송한다. 이 기술은 다른 제품에서 더 저렴한 바코드를 들어 올려 제품을 스캔할 뿐 아니라, 쇼핑 카트에 남아 있는 바코드나 제품의 일반적인 문제도 찾는다.

온프레미스 엔비디아 하드웨어에서 구동하며 약지도 학습을 사용해 교육한다. 비디오 피드에서 제품간의 부정확한 신호를 구별하는 방법도 학습 할 수 있다. 또 어떤 문제를 발견하면 악성 고객과 마주하는 직원에게 경고한다. 

스콧 박사는 클라우드 내 폐쇄회로 영상을 저장하면 개인정보를 침해 할 수 있기 때문에 에지 컴퓨팅을 작동하게 됐다고 밝혔다. 에지 컴퓨팅은 말롱 플랫폼의 확장성을 높여주고 비용을 절감하게 해주며 지연 시간을 없애는데 도움을 줬다고 덧붙였다.

레드햇은 에지 컴퓨팅과 AI에 대한 오픈 플랫폼의 중요성을 강조했다. 오픈 소스가 있으면 누구나 자신의 최고 기술을 앞으로 끌어낼 수 있고 통합하고 싶은 기술을 가지고 와서 AI생태계에 즉시 연결할 수 있다는 내용이다. 따라서 빠르게 애플리케이션에 연결할 수 있다고 덧붙였다.

플로이드는 텐서플로우나 주피터같은 프레임워크와 프로그래밍 노트북은 오픈 소스라고 지적했으며 쿠베르네츠와 같은 컨테이너 조정 시스템도 마찬가지라고 말했다.

레드햇은 엔드-투-엔드 AI 플랫폼을 구현하는 툴을 갖춘 오픈 데이터 허브와 연동을 지원한다. 기업 자체 데이터 과학 소프트웨어 개발 스택의 기반이며, 엔지니어가 많은 비용을 소모하지 않도록 돕는다. 또 최신 ML 워크플로우를 숙달하지 않아도 AI 솔루션을 구상할 수 있도록 해준다.

바입하브 바빌라라 픽사 스튜디오 기술책임자(사진=벤처비트 유튜브 채널)

◇ 픽사가 AI와 GAN을 활용해 고해상도 콘텐츠를 만드는 방법

AI 기술은 3D 애니메이션에 어떻게 활용되고 있을까. 바입하브 바빌라라 픽사 스튜디오 기술책임자는 17일 강연에서 '코코' '인크레더블2' '토이스토리4'와 같은 히트작에는 AI와 생성적 적대신경망(GAN) 기술이 들어있다고 밝혔다.

그에 따르면 픽사와 디즈니 연구개발(R&D)부는 이 두 가지 기술을 활용한 고해상도 콘텐츠를 만드는데 주력하고 있다.  바빌라라는 디지털 애니메이션 산업이 직면한 주요 과제는 2K나 4K와 같은 고해상도 애니메이션을 렌더링하는 시간과 비용이라고 설명했다.

일반적으로 한 프레임을 2K 해상도로 렌더링 하는데는 약 50시간이 소요된다. 4K로 전환할 경우에는 100시간이 필요하며, 비용도 두배 가까이 필요하다. 바빌라라는 “90분짜리 영화를 위해 초당 24개의 프레임을 렌더링하고, 이후 각 샷을 캐릭터 움직임에 맞춰 다시 렌더링한다”고 말했다. 

AI는 이같은 작업시간을 단축하는 동시에 비용절감에도 효율적이다. 바빌라라는 ‘딥런드 수퍼 레졸루션(이하 딥런드)’이라는 고해상도에 딥러닝을 적용한 시스템을 도입해 큰 효과를 보고 있다고 밝혔다.

그는 사내 동료 마크 메이어와 함께 파이썬 기반의 오픈소스 ‘파이토치’를 먼저 공부했다. 이후 바빌라라가 이끄는 기술효과팀은 픽사 영화의 고해상도·저해상도 이미지를 이용해 딥런드를 훈련시키기 시작했다.

딥런드는 렌더링 시간을 줄여주는 데 큰 효과가 있었다. 그러나 빛 또는 색깔 같은 세부 사항을 정확히 입력할 때는 오류가 발생했다. 이에 바빌라라팀은 GAN 기술로 눈을 돌렸다. GAN은 생성기와 판별기라는 두 개의 신경망이 경쟁하며 학습한다.

픽사는 고해상도 렌더링을 렌더링 팜에서 분리해 별도의 업스케일링 시스템(UHD 화질개선 기술)으로 전환하며 시간과 비용면에서 효율적인 이득을 얻었다.

이러한 과정을 설명하며 바빌라라는 “목표하는 생산가능성에 근접한 결과를 얻기 위해 많은 실험과 반복이 필요했다”고 말했다. 또한 “픽사가 시도한 이같은 실험이 다른 산업에 종사하는 기업에게 교훈을 제공했다고 믿는다”고 덧붙였다. “픽사는 훌륭한 작품을 위해서는 신기술 도입에 개방적”이라며 “‘리스크 감수’와 ‘시도 프로세스’ 사이 균형을 찾을 수 있다면 혁신에 성공할 수 있다”고 조언했다.   

브라이언 맥카슨 인텔 부사장(사진=벤처비트 유튜브 채널)

◇ 인텔 “AI 결함 감지 기술은 산업 IoT 킬러 앱”  

컴퓨터 비전은 물체인식 기술 발전과 함께 가장 유망한 AI 응용 분야 가운데 하나로 주목받고 있다. 브라이언 맥카슨 인텔 부사장은 'VB 트랜스폼 2020' 디지털 컨퍼런스에서 맷 마샬 벤처비트 CEO와 대담에서 '산업용 IoT 시장 내 컴퓨터 비전의 역할'에 대해 이야기했다.

그는 특히 컴퓨터 스크린부터 자동차에 이르기까지 다양한 영역에서 제품 결함 감지 기술 개선에 따른 용례를 강조했다. 제조업체들이 제품 결함 문제를 해결하는 데 있어 인력이나 결함 검사를 위한 전문지식이 부족해 어려움을 겪었던 것은 아니라는 것이다.

실제 제품 결함 문제 해결에 걸림돌이 된 것은 인간의 시각적 능력 한계 때문이라는 게 그의 설명이다. 오늘날 소비자 제품의 결함은 불량 화면 픽셀이나 알루미늄 자동차 변속기 부품 표면 문제 등 매우 미세한 결함인 경우가 많다. 이에 인텔은 컴퓨터 비전의 발전에서 새로운 기회를 엿본 것이다.

인텔은 클라우드 서비스 제공업체인 알리바바(Alibaba)와 손을 잡고 컴퓨터 비전 솔루션을 개발해 차량용 금속 제조업체의 결함 감지율을 약 20%에서 99% 이상으로 향상시켰다. 즉 컴퓨터 비전을 통해 부품을 점검‧선별함으로써 자동차 제품에 대한 신뢰도를 크게 높인 셈이다. 

맥카슨은 이에 대해 가격 경쟁력과 확장성 두 마리 토끼를 다 잡은 솔루션이라고 평가했다. 제조업체들은 추가적인 변경 없이 단 몇 천 달러로 백만 달러 규모의 생산 라인에 해당 솔루션을 적용할 수 있기 때문이다.

인텔은 이 같은 솔루션을 채택할 경우 생산량 증대는 물론 제품 반품률 감소, 영업 마진 증가 등 긍정적 효과를 얻을 수 있을 것으로 기대했다.

그는 산업용 IoT를 위한 또 다른 주요 요소로 기업들의 고성능 컴퓨터 비전 솔루션 개발을 돕는 오픈 소스 소프트웨어(OSS)의 가용성을 꼽았다. 인텔이 배포한 무료 합성곱 신경망(콘볼루션 신경망‧CNN) 툴킷 ‘오픈비노(OpenVINO)’을 예로 들었다. 이러한 오픈 소스가 블랙베리와 같은 독점적이고 폐쇄적인 디바이스에서 벗어나 미래 혁신 지원 기반을 갖춘 플랫폼으로 향하는 산업 트렌드의 일부라는 얘기다.  

컴퓨터 비전 시장 기회와 가능성을 묻는 질문에 그는 “소비재 제조업 내에서 산업 자동화 부문만 해도 전 세계적으로 연간 반조 달러(5000억 달러) 규모의 사업”이라며 “불과 몇 년 전만 해도 극복하기 어려웠던 제조업 문제를 효과적으로 해결하고자 이미 AI와 컴퓨터 비전 채택이 이뤄지고 있다”고 전했다.

그러면서 그는 향후 2~5년 동안 에지 기반(edge-based) 컴퓨터 비전과 데이터 분석 기술의 발달과 함께 전통적인 시계열 데이터 분석과 현대적인 컴퓨터 비전 모두에 있어 결함 감지, 재고 추적, 기계 가동 시간 개선 등을 위한 대대적인 변화를 맞이할 것으로 예상했다.

디푸 탈라 엔비디아 에지 컴퓨팅 부사장(사진=벤처비트 유튜브 채널)

◇ 엔비디아 : 에지 AI, 클라우드 AI 무용 X… 특정 비즈니스 문제 해결에 더 뛰어나 

디푸 탈라 엔비디아 에지 컴퓨팅 부사장은 컴퓨팅 부문에서 에지 AI의 역할이 날이 갈수록 커져 가고 있다고 설파했다. 그는 “에지 AI는 클라우드 AI가 제공하지 못하는 사내 컴퓨팅, 초고속, 저지연 조합이 필요한 특정 비즈니스 문제를 해결하기 위해 존재한다”고 명확한 논지를 제시했다.

에지 데이터 처리 능력이 있는 기기에서 집계한 공간적 혹은 시간적 데이터를 바탕으로 현재 최첨단 AI는 클라우드에서 실행되거나 적어도 클라우드에서 AI를 이용한 응답을 내놓는다. 일부 AI 응답 처리는 이미 에지 컴퓨팅으로 이루어지고 있다. 센서에서 점점 더 많은 양의 데이터가 만들어지면서 이 모든 데이터를 클라우드에서 처리할 수 없어서 그렇다.  

탈라 부사장은 모든 데이터를 처리하는 것이 아니라 데이터 수집 점 또는 그 인근에 위치한 에지 AI가 어떤 경우에는 더 실용적이거나 사회적으로 유익한 접근법이 될 수 있다고 설명했다. 센서를 사용해 환자를 모니터링하고 의약품 지원 요청 내역을 취합할 수 있는 병원의 경우 에지 데이터 처리는 개인 의료 데이터를 클라우드 서버로 전송하는 대신 내부에 보관하는 것을 의미한다. 

마찬가지로, 소매점은 셀프 체크 아웃과 재고 관리를 위해 수많은 카메라를 사용할 수 있고, 도보 트래픽을 감시할 수 있다. 이러한 세분화된 세부 정보로 인해 네트워크 속도가 느려질 수 있지만, 대기 시간이 단축되고 총 비용이 절감되는 현장 에지 서버로 대체할 수 있습니다.

탈라 부사장은 지난 1년 간 AI가 AI 처리용 텐서 코어 포함 GPU와 안전한 고성능 네트워킹 장비 등 하드웨어와 아키텍처로 많은 수혜를 받았다. 2~3년마다 교체되는 스마트 폰과 달리 에지 서버는 5년, 10년 혹은 그 이상 사용할 수 있기 때문에 소프트웨어(SW) 중심 업데이트가 매우 중요하다. 

이를 위해 엔비디아의 EGX 에지 컴퓨팅 SW로 기존 클라우드 기능을 에지 서버에 제공하며 계속해서 향상될 수 있도록 업데이트할 예정이다. 

탈라 부사장은 클라우드 AI가 사라지게 되거나 구식이 되었다고 간주하지 않았다. 실제로 그는 클라우드 AI가 만든 답은 현재 환상적이며 첨단 AI의 매력은 클라우드보다 기업 고유의 문제를 더 잘 해결하는 능력에 달려 있다고 지적했다.

그는 에지 AI가 내놓는 솔루션은 에지와 클라우드 AI를 융합하는 대형 AI시스템의 구성 요소 중 하나일 수 있지만 상당한 양의 데이터 처리가 향후 5년간 클라우드에서 에지로 이동할 것이라고 말했다. 또한, 그는 단일 에지 컴퓨터가 기업의 5G 통신, 비디오 분석, AI 대화를 처리할 수 있도록 에지 서버가 한번에 여러 기능을 맡을 수 있게 돼 유용해질 것이라고 언급했다.

시저 로메로 유니티 ML 엔지니어(사진=벤처비트 유튜브 채널)

◇유니티, “합성 데이터 셋은 컴퓨터 비전 모델을 개선할 수 있다”

코로나19 팬데믹 피해자 중 하나가 자율주행차 시장이었다. 비행기가 대부분 운행하지 않는 상황에서, 자율주행차 회사는 자동차 인식 능력을 향상시키는 데 필요한 실제 데이터 수집에 어려움을 겪었다. 이에 새로운 수준의 자율성을 달성하는 기술 개발 속도가 늦춰졌다.

이는 자율주행차 시장에 직격탄을 날렸다. 이 상황에서, 자율주행차 제조업체는 가능한 훈련을 계속할 수 있도록 합성 데이터와 시뮬레이션을 활용하는 데 방점을 찍고 기술 개발에 몰두했다. 
실제 데이터는 매우 유용하다. 하지만 시저 로메로 유니티(Unity) 머신러닝 엔지니어는 합성 데이터를 활용해 자율주행차와 로봇 등을 교육했다. 로메로는 AI 시스템에게 많은 데이터가 필요하다면서도, 실제 데이터에 담긴 문제를 지적했다.

그는 유럽연합(EU)의 개인정보보호 규정(GDPR)과 같은 규제 문제를 예로 들었다. 로메로는 "규제는 수집하는 자료가 개인의 것이라는 점을 강조하는 데 노력한다”고 말하며 “우리가 자료를 수집하고, 수집한 자료를 활용하는 데 어려움이 있을 수 있다"고 설명했다. 

하지만 시뮬레이션한 데이터는 개인정보 문제를 완화할 수 있다. 완전히 합성한 자료이기 때문에 사생활 침해나 소유권 문제 등을 제기할 수 없다.

그는 데이터 질의 문제도 꼽았다. 실제 데이터는 편향 문제를 일으킬 수 있으며, 데이터 자체가 충분하지 않을 수도 있다. 

로메로는 "시스템 훈련에 필요한 데이터는 실제 현실에서 충분히 확보하지 못할 수 있다"고 지적했다. 이어 "충분한 양의 데이터를 획득할 수 있다고 해도, 데이터 수집에 상당한 시간과 비용이 필요하다"고 덧붙였다. 

2017년 논문 '심층 신경망을 시뮬레이션에서 현실 세계로 전송하기 위한 도메인 무작위'는 합성 데이터로 로봇 팔을 교육하는 연구 내용을 담고 있다. 이 논문은 로봇 팔이 물체를 움켜쥐는 정확도 향상에 사실적인 이미지가 필요 없다는 사실을 밝혔다. 

지난해 구글 클라우드 AI 연구원은 합성 데이터를 바탕으로 객체 감지 모델을 훈련을 진행, 실제 데이터에서 훈련한 모델을 능가한다는 연구 결과를 냈다.

로메로는 "시뮬레이션과 합성 데이터를 활용할 사람에게 유니티에서 'SynthDet'을 제공하고 있다"며 "이 기능은 실제로 레이블 프레임을 생성할 수 있다"고 말했다.

개인 하드웨어에서 로컬로 시뮬레이션을 실행할 수 있으며, 회사 클라우드 서비스인 'Unity Simulation'을 사용해 대규모 시뮬레이션을 수행할 수 있다.
 

[VB 트랜스폼 2020] ①사례로 본 AI 기술과 자동화

[VB 트랜스폼 2020] ②사례로 본 대화형 AI

 

 

키워드 관련기사
  • 데브섹옵스(DevSecOps)가 뭐지? '깃랩 커밋-버추얼 2020’ 개최
  • LG유플러스, AI·빅데이터 역량 강화 위해 클라우드 전문가 양성