인공지능(AI)


인공지능(AI:Artificial Intelligence) 기술은 단순한 지식 저장과 활용이라는 측면을 넘어 그동안 인간만이 할 수 있다고 여겨왔던 고유한 분야인 직관과 추론의 영역으로 그 범위를 확대하고 있으며 머지 않은 미래에 인간의 능력을 뛰어 넘는 특이점이 올 것이라고 전문가들은 말하고 있습니다. 또한 인공지능을 응용한 기술은 현재도 우리의 삶 곳곳에 적용되고 있습니다.


Deep Learning 기술 분류


인공지능 연구를 위한 Deep Learning 기술은 MLP (Multi Layer Perceptron), CNN (Convolution Neural Network), RNN (Recurrent Neural Network) 등 다양한 분야가 있습니다. 각각의 기술들의 활용처를 예로 들면, MLP은 주로 회귀분석이 중심이 된 Regression 업무에, CNN은 주로 이미지 처리와 같은 다차원 필터링, RNN은 시계열 데이터의 처리 등에 많이 활용되고 있습니다. 적용되는 모델의 복잡도가 큰 경우 연산량이 많아질 수 있고, 주어진 문제를 해결하기 위해서는 하나가 아닌 다수의 모델을 결합해야 할 수도 있습니다.


인공지능 적용 분야 예시 - 이상징후 탐지


Time-Spatial 형식으로 발생하는 신호들을 범주 별로 자동 분류하는 데 적용될 수 있으며 범주는 사람이 정의해 줄 수도 있고(Classification), AI가 자동으로 분류(Clustering) 할 수도 있습니다. Deep Learning을 이용할 경우, 전문가 시스템이나 Machine Learning보다 미묘하고 복잡한 형태의 탐지가 가능합니다.


인공지능 적용 분야 예시 - 이미지 및 영상 처리


이미지와 영상에서의 객체 감지, 스타일 변형 등 뿐만 아니라 영상품질 향상 (Super Resolution), 객체 Segmentation 등 다양한 분야에 적용될 수 있습니다.


고객의 니즈


Global 업체인 구글, Nvidia 등에서는 Model Zoo라는 형태로 다양한 딥러닝 모델들을 제공하고 있는데, 이러한 모델을 이용하여 실제로 운영 서비스를 제공하기 위해서는 일반적으로 Cloud를 이용하거나 대형 서버가 필요하게 됩니다. 시장에서는 개발자의 진입 장벽을 낮추기 위해 AI를 API 형태로, 그리고 더 다양한 분야에 손쉽게 접근할 수 있도록 장비의 경량화를 요구하고 있습니다.