AI - 놀이터인가, 산업 도구인가?

이 질문은 현재 자주 논의되는 질문입니다. 이 질문의 답은 흔히 그렇듯이 보는 사람의 시선에 달려 있습니다. 사용자에 따라 기술을 인정하고 궁극적으로 사용하기 위해 요구하는 기대치가 다르기 때문입니다. 그렇지만 어떤 경우에서든 생산적이고 효율적인 사용을 위한 하드웨어가 필요합니다. 많은 머신 비전 하드웨어 제조업체는 이를 인식하고 있습니다. 따라서 다양한 성능 등급의 AI 플랫폼이 꾸준히 증가하고 있습니다. 그러나 초기 단계의 문제가 존재합니다. 하드웨어만 제공하는 것만으로는 충분하지 않습니다. 발상의 전환이 필요합니다!

AI가 놓치고 있는 것은 무엇일까요?

AI 또는 머신 러닝(ML, Machine Learning)이 규칙 기반 이미지 프로세싱과는 상당히 다르게 작동하므로 비전 작업의 접근 방식과 처리 또한 다릅니다. 결과의 품질은 더 이상 수동으로 개발된 프로그램 코드의 산물이 아닌 적절한 이미지 데이터를 활용한 학습 프로세스에 의해 결정됩니다. 단순해 보이지만 충분한 전문 지식과 경험이 바탕이 되어야 원하는 목표로 이어질 수 있습니다. 올바른 데이터를 보는 눈이 없으면 오류가 자주 발생하여 잘못된 머신 러닝 방법의 적용 사례로 이어집니다. 테스트를 통해 동일한 작업에 대한 인공 신경망(ANN, Artificial Neural Networks)이 사용자에 따라 매우 다른 훈련 품질을 달성하는 것을 확인했습니다. 중요하지 않은 콘텐츠가 많았거나, 노출 부족, 흐릿함 또는 잘못된 레이블이 포함된 이미지 등이 원인이었습니다.

머신 러닝을 활용한 작업의 핵심 역량이 규칙 기반 이미지 프로세싱과 동일하지 않기 때문에 구체적으로 구축해야 합니다. 테스트 및 작업 시간과 리소스를 가진 사람들은 그것을 경험하고 함정을 알게 됩니다. 그렇기 때문에 더 많은 신생 기업들이 현재 이 기술을 활용하려고 합니다. 그들은 기존 프로세스에 얽매이지 않으며, 탐색에 대한 추진력으로 기존 이미지 프로세싱으로는 해결책을 찾을 수 없었던 작업을 수행하고자 합니다. 그러나 대기업이 새로운 기술을 전면적으로 고객에게 선보이지 않고, 이에 대한 강력한 사례를 보여주지 않는다면, 고객 입장에서도 지식과 신뢰가 부족하다고 느낄 것입니다. 편안하고 익숙한 영역에서 벗어나려면 무언가가 바뀌어야 합니다. 이는 AI가 최근 수 년 동안 적합한 환경 조건이 만들어진 기존 시스템과 마주하고 있기 때문입니다. 지식, 문서, 훈련, 하드웨어, 소프트웨어, 개발 환경, 고객 수용력 및 수요가 성장하는 데에는 오랜 시간이 걸렸습니다. 그에 비해 AI는 여전히 매우 원시적이고 순수한 영역으로 보입니다. 그것을 완전히 익힌 사람들은 감탄과 인정을 받지만, 동시에 이해하지 못해 의문을 제기하는 사람들을 마주합니다.

미래에 대한 또 다른 중요한 측면은 새로운 대상 그룹입니다. 무역 저널 inVISION의 편집장이자 전문가인 Peter Ebert 박사는 다음과 같이 말했습니다. "미래의 비전 커뮤니티는 기존의 이미지 프로세싱 전문가 뿐만 아니라 성장하는 IoT 부문으로 구성될 것입니다.." 새로운 사용자는 필연적으로 기존 기술의 사용에 대한 다른 사용 사례와 요구 사항에 직면합니다. 고전적인 프로그래밍 SDK가 항상 충분한 것은 아닙니다. 오래된 규칙을 깨뜨려야 합니다!

개척자 소프트웨어

적절한 하드웨어가 부족하지 않습니다! 효율적으로 작동하는 AI 가속기는 기존에 각 제조업체에서 제공하고 있는 소형 저전력 임베디드 비전 시스템 또는 완전히 통합된 추론 카메라 플랫폼에 머신 러닝의 적용 가능성을 더해줍니다. 그러나 그것만으로는 새로운 기술이 지닌 초기 문제를 해결할 수 없습니다. AI는 테스트, 검증, 재훈련을 거쳐 최종적으로 생산적인 워크플로 어플리케이션에 통합되어야 합니다. 하지만 누가 그것을 하나요? 누가 할 수 있나요? 이 모든 것은 동일한 반복 작업입니다. 이를 위해서는 프로토타입 개발을 넘어선 다른 역량이 필요합니다. 일반적으로 특정 플랫폼에 대해 이러한 도구를 프로그래밍할 수 있는 시스템 프로그래머가 필요합니다.

IDS는 IDS NXT 플랫폼에 대해 다른 접근 방식을 취하고 있으며 확신합니다. 모든 사용자는 조정된 적절한 도구를 사용하여 자체 AI 어플리케이션을 구현할 때 실질적으로는 필수적이지 않은 역량을 구축하는 데 많은 시간과 비용을 들이지 않고도 AI 비전 플랫폼의 잠재력을 최대한 활용할 수 있습니다. 이것이 의미하는 것이 무엇일까요? 신경망 훈련 및 자체 어플리케이션 프로그래밍에 대한 전문 지식은 많은 간단한 AI 워크플로를 위한 도구에 포함됩니다. 이로써 사용자는 전문가 없이도 자신의 요구 사항을 직접 구현할 수 있습니다. 이 소프트웨어를 통해 각 사용자는 각자의 작업에 적합한 도구를 사용할 수 있습니다.

이미지 프로세싱 어플리케이션은 여러가지 특정 개별 작업을 어플리케이션 별 시퀀스로 가져오는 체계로, 오류를 최소화하고 효율적으로 실행하기 위한 것입니다. 일반적으로 이 작업은 개발자가 C++와 같은 플랫폼에 적합한 프로그램 코드로 프로그래밍합니다. 시장에 출시되는 새로운 AI 플랫폼의 상황도 크게 다르지 않습니다. SDK(소프트웨어 개발 키트)는 기존 AI 가속기와 함께 각 플랫폼의 하드웨어 관련 프로그래밍에 필요한 소프트웨어 인터페이스를 제공합니다. 대부분의 경우, 이는 어플리케이션 개발자에게 자신의 프로세스 솔루션을 위해 자유롭게 프로그래밍할 수 있는 플랫폼을 제공합니다. 요구사항이 분명한 사용자는 하드웨어의 성능과 SDK 문제만이 유일한 제약입니다. 다양한 C++ 소스 코드 예제가 포함된 SDK 덕분에 IDS NXT 추론 카메라는 AI 가속기 deep ocean을 사용하여 비전 앱 형태로 자체 이미지 프로세싱 어플리케이션을 설계하려는 개발자를 위한 개방형 플랫폼이 됩니다.

어플리케이션 마법사

대부분의 이미지 프로세싱 어플리케이션은 비교적 간단한 프로세스로 작동합니다. 이미지 캡처 → 이미지 분석 또는 기능 추출 (이미지 프로세싱) → 의사 결정 프로세스 → 실행 이것은 기계 제어 또는 분류 시스템을 위한 정보의 후속 신호 또는 전달과 더불어 제품의 간단한 인식 및 분류가 될 수 있습니다. 이는 몇 가지 세부 사항만 다르기 때문에 매번 다시 프로그래밍할 필요가 없는 기본 기능입니다. 그러나 "분류" 또는 "물체 감지"와 같은 딥 러닝(DL, Deep Learning) 사용 사례의 선택은 종종 프로젝트가 데이터 수집과 비전 앱(Vision App) 구성에 필요한 추가 조치 단계를 도출할 수 있는 진입점으로는 너무 추상적입니다.

따라서 IDS는 사용자가 IDS NXT 추론 카메라를 사용하여 AI 비전에 접근하고 더 쉽게 사용할 수 있도록 끊임없이 개발하고 있습니다. 프로그래머, 이미지 프로세싱 전문가, 기계 조작자, 숙련공 등 모든 사용자가 앱을 제작할 수 있어야 합니다. 이를 위해 클라우드 기반 인공신경망(ANN, Artificial Neural Network) 훈련 소프트웨어 IDS NXT lighthouse는 다음 업데이트에서 사용자가 겪게 되는 문제를 더 효율적으로 지원하는 마법사를 포함하도록 확장될 예정입니다. 마법사는 대상 그룹의 동작 반경을 쉽게 확장하며, 머신 비전 어플리케이션의 모든 개별 작업을 수행합니다. IDS NXT lighthouse는 "무엇을 하고 싶은가요?" 라는 질문으로 시작하여 "물체 계산", "존재 여부 확인" 또는 "검사 지점 확인"과 같은 어플리케이션 중심적인 문제를 선택하도록 합니다. 어시스턴트는 백그라운드에서 적절한 딥 러닝 사용 사례가 있는 앱 기반을 선택하고 필요한 정보를 수집하기 위해 사용자에게 추가 작업을 제안합니다. 또한 사용자에게 필요한 배경 지식을 제공하기 위해 유용한 팁, 비디오 또는 안내가 제공됩니다. 이러한 "가이드를 통한 어플리케이션 생성"은 고전적인 앱 개발보다 튜토리얼에 가깝습니다. 결국 사용자가 IDS NXT 카메라에서 활성화하고 실행하기만 하면 되는 완전 맞춤형 비전 앱(Vision App)을 다운로드할 수 있습니다.

프로그래밍을 대신하는 "퍼즐링"

보다 복잡한 프로세스를 생성하려는 경우, C++ 또는 다른 텍스트 기반 프로그래밍 언어에 의존할 필요가 없습니다. 함수 라이브러리가 시각적 블록으로 패키징되고 시각적 편집기가 추가되면, 개별 프로그래밍 언어의 정확한 명령에 대해 걱정할 필요 없이 프로세스를 퍼즐 조각처럼 모을 수 있습니다. Blockly는 바로 이 목적을 위해 만들어진 Google의 프로젝트입니다. IDS는 Blockly를 사용하고 그 기능을 조정하여 임의의 복잡한 순서로 일종의 구성 키트에 카메라의 추론 작업을 결합할 수 있습니다.

Blockly를 사용하면 여러 인공신경망(ANN)이 있는 다단계 검사도 하나의 프로그램 시퀀스에 매우 쉽게 연결할 수 있습니다.
Blockly를 사용하면 여러 인공신경망(ANN)이 있는 다단계 검사도 하나의 프로그램 시퀀스에 매우 쉽게 연결할 수 있습니다.

Blockly Editor의 직관적인 사용자 인터페이스 덕분에 초보자와 일반인도 빠르게 작업할 수 있습니다. 이 모듈식 시스템을 사용한 시각적 프로그래밍은 어플리케이션 마법사와 비교했을 때 고유한 시퀀스를 생성할 수 있다는 장점을 가집니다. 이러한 방식으로 변수, 매개변수 및 AI 결과는 수학적 계산 및 조건부 if/else 문장 또는 루프를 사용한 반복 작업과의 논리적 링크를 통해 쉽게 연결할 수 있습니다. 또한 물체 및 다중 신경망에 대한 2단계 검사를 통해 보다 복잡한 워크플로를 가능하게 합니다. 예를 들어, 물체 인식기는 서로 다른 부품의 기본적인 사전 정렬을 제공한 다음 두 번째 분류기에 의한 상세한 결함 분석을 제공하여 부품을 더욱 구체적으로 분류합니다. 이러한 프로세스는 비전 앱 크리에이터(VAC, Vision App Creator) 및 C++ 프로그래밍 지식이 있어야만 가능합니다.

퍼즐링 된 앱의 또 다른 장점은 매우 역동적으로 사용된다는 것입니다. Python과 유사하게 Blockly를 사용한 비전 앱 프로그래밍은 복잡한 크로스 컴파일이 필요하지 않기 때문에 "코드"를 직접 실행할 수 있습니다. IDS NXT lighthouse에서 만든 어플리케이션은 초기 테스트 후 카메라에서 직접 대화식으로 쉽게 추가 프로그래밍이 가능합니다! 비전 앱을 직접 설계할 수도 있습니다. 따라서 이 앱 편집기는 테스트 및 시험 단계에서 운영 단계에 이르기까지 모든 단계에 이상적인 도구입니다.

완전 자동화 어플리케이션 구성기부터 직관적인 시각 인터페이스가 있는 비전 앱 구성 키트, 클래식 SDK를 사용한 무료 프로그래밍에 이르기까지 IDS NXT는 모든 단계에 적합한 도구를 제공합니다. 이로써 인공 지능을 통한 개별 이미지 프로세싱 어플리케이션을 시운전하고 설정하는 시간과 비용을 절약할 수 있습니다.

설명 가능한 결과

AI를 볼 수 있다는 장점과 사용된 인공신경망의 높은 정확도에도 불구하고 오류가 발생할 경우 진단이 어려운 경우가 많습니다. 작동 방식에 대한 통찰력 부족 또는 설명할 수 없는 결과는 알고리즘의 확산을 방해합니다. 인공신경망을 ‘결정을 이해할 수 없는 블랙박스’로 잘못 인식하는 경우가 많습니다. "딥 러닝 모델은 의심할 여지 없이 복잡하지만 블랙박스가 아닙니다. 오히려 실제로 내부를 들여다보고, 각 구성 요소가 수행하는 작업을 볼 수 있기 때문에 유리 상자라고 부르는 것이 더 정확할 것입니다." ["The black box metaphor in machine learning" 인용]. 신경망의 추론 결정은 고전적인 논리 규칙에 기반하지 않고, 인공 뉴런의 복잡한 상호 작용은 인간이 쉽게 이해할 수 없지만, 그럼에도 불구하고 이는 수학적 시스템의 결과이므로 재현 가능하고 분석이 가능합니다. 지원하는 데 적합한 도구가 부족할 뿐입니다. 아직 개선의 여지가 많은 것이 바로 이 AI 영역입니다. 그리고 시장의 다양한 AI 시스템이 사용자의 노력에 대해 얼마나 잘 지원할 수 있는지 명확해질 것입니다.

IDS는 이러한 도구를 개발하기 위해 연구소 및 대학과 함께 연구하고 작업합니다. IDS NXT ocean 소프트웨어에는 이미 이 협업의 결과가 포함되어 있습니다. 산업 환경에서 궁극적으로 신경망의 수용도를 높이기 위한 Attention map(heat map) 형태의 시각화는 AI의 중요한 결정을 더 쉽게 이해할 수 있게 합니다. 또한 훈련된 데이터 편향을 인식하고 방지하는 데에도 사용할 수 있습니다(그림 "Attention Maps" 참조). 훈련된 인공신경망의 품질을 보다 쉽게 결정하고 이해할 수 있도록 클라우드 기반 훈련 소프트웨어 IDS NXT lighthouse와 IDS NXT 카메라 자체에서 혼동 매트릭스를 사용한 통계 분석도 곧 가능해질 것입니다. 이러한 소프트웨어 도구의 도움으로 사용자는 IDS NXT AI의 동작과 결과를 훈련 데이터 세트 내의 약점으로 다시 추적하고 구체적으로 수정할 수 있습니다. 이를 통해 모두가 AI를 이해하고 설명할 수 있습니다.

산업용으로 적합한 완전한 패키지

인공 지능의 엄청난 잠재력은 의심의 여지가 없습니다. AI 가속기가 있는 추론 카메라 형태의 하드웨어는 이미 이것이 얼마나 효율적으로 사용될 수 있는지 보여줍니다. 그러나 하드웨어 제공만으로는 업계 전반에 AI를 퍼뜨리기에는 충분하지 않습니다. 제조업체는 사용자 친화적인 소프트웨어 및 통합 프로세스의 형태로 전문 지식을 공유하여 사용자를 지원해야 합니다. 오랜 시간에 걸쳐 많은 문서, 지식 공유 및 다양한 소프트웨어 도구를 통해 충성도 높은 고객 기반을 구축한 모범 사례와 비교할 때, AI는 아직 따라잡아야 할 것이 많지만 이미 시작되어 구축하고 있습니다. 표준과 인증에 대해서도 현재 더 많은 수용도와 이해를 높이고 AI를 큰 영역으로 끌어올리기 위해 노력하고 있습니다. 궁극적으로, 기회를 놓치지 않으려면 모두가 신기술에 익숙해져야 합니다. IDS가 도움이 될 것입니다. IDS NXT ocean을 사용하면 산업용 도구로 빠르고 쉽게 작동할 수 있는 임베디드 AI 시스템사용이 가능하며, 머신 러닝, 이미지 프로세싱, 어플리케이션 프로그래밍에 대한 심층 지식 없이도 다양한 소프트웨어 도구로 모든 사용자가 쉽게 활용할 수 있습니다.