사람의 시각 시스템은 우리가 세상을 이해하기 위한 주요 수단 중 하나이다. 빛이 눈에 들어오고 정보가 시신경을 통해 뇌로 전달되면 뇌가 그 정보를 해석해 ‘이미지를 생성’한다. 그 중 뇌가 관여하고 있는 과정은 특히 복잡하고 난해한데, 이것이 인식과 의사 결정, 그리고 모든 행동의 기반이 된다. 즉, 시각 시스템은 뇌의 구조를 알고 싶어하는 과학자의 주된 목표 중 하나가 된다. 그리고 동시에 시각 시스템은 이미지 정보 처리를 위한 궁극 모델 중 하나이다. 공학자는 시각 시스템을 이해하고 이것을 모방함으로써 기계가 복잡한 문제를 해결한다는 오랜 목표에 대응해 왔다. 양쪽의 대응 목적은 다르지만, 동일한 연구 대상을 다른 형태로 쫓고 있다. 최근 심층 신경망이라는 기술은 이들 양쪽의 합류를 촉진해 각각의 목표를 실현하는 데 공헌하기 시작했다. 심층 신경망은 뇌의 신경세포 네트워크의 일부를 모방해 이미지 인식, 물체 탐지 및 이미지 생성과 같은 시각 과제에 대해 탁월한 성능을 보여주고 있다. 그리고 자율주행차, 의료영상 진단, 비디오 분석, 가상현실, 증강현실, 대규모 언어 모델 등 많은 분야에서 혁신적인 응용이 이루어지고 있다. 그리고 이 놀라운 기술은 뇌의 모
엔터프라이즈 AI 스타트업 마키나락스가 SMATOF 2023에 참가해 산업 현장의 문제 해결을 돕는 지능화 솔루션을 제시한다. 경상남도와 창원특례시가 주최하는 2023 창원국제스마트팩토리 및 생산제조기술전(SMATOF 2023)은 10월 17일부터 20일까지 4일간 창원컨벤션센터(CECO)에서 개최된다. 이번 전시회에서 마키나락스는 제조 및 산업 기업들이 인공지능을 쉽고 빠르게 생산 및 서비스 환경에 적용할 수 있도록 돕는 ‘엔터프라이즈 AI 플랫폼(Runway)’과 핵심 장비 및 설비의 이상탐지와 운전 최적화, 예지보전 등을 위한 ‘산업 특화 AI 솔루션(MRX 시리즈)’를 소개할 예정이다. 마키나락스가 개발한 런웨이(Runway)는 파이프라인(Training Pipeline)을 활용해 AI/ML 모델의 개발-학습-배포-운영을 효율화 할 수 있는 머신러닝 운영 환경(MLOps)을 제공한다. 런웨이는 산업 현장이 요구하는 다양한 인프라 요구사항에 맞춰 클라우드, 온프레미스, 하이브리드 등으로 설치가 가능하다. 산업 특화 AI 솔루션 MRX 시리즈는 제조, 반도체, 에너지, 자동차, 배터리, 화학 등 다양한 산업 영역에 적용되어 실질적인 비즈니스 가치를 만들어
요꼬가와전기는 엣지 컨트롤러를 위한 강화학습 서비스의 출시를 발표했다. OpreX™ Realtime OS 기반 머신 컨트롤러(e-RT3 Plus)를 위한 자율 제어 서비스는 FKDPP(Factorial Kernel Dynamic Policy Programming) 강화 학습 AI 알고리즘을 활용하며 최종 사용자 요구 사항에 따라 패키지 소프트웨어와 선택적 컨설팅 서비스 및 교육 프로그램으로 구성된다. 이 소프트웨어는 전 세계적으로 출시될 예정이며 컨설팅 및 교육 프로그램은 일본에서 우선 제공되고, 추후 일본 외 국가에서도 제공될 예정이다. 개발 배경 실제 플랜트의 물리적, 화학적 및 기타 공정의 복잡성을 고려했을 때, 여전히 베테랑 운영자의 개입이 필요한 분야가 많으며 이러한 영역을 제어하는 것은 종종 어렵고 제품 품질과 수익성에 직접적인 영향을 미친다. 기존 제어 기술로는 PID 제어와 APC가 있다. PID 제어 또는 APC를 사용하여 복잡한 제어를 달성하는 것은 때로는 조정 작업이 필요하며, 이는 상당한 시간과 노력이 요구된다. 또한 플랜트 운영의 일부 영역은 PID 제어 또는 APC에 적합하지 않아 제어값 입력 시 작업자의 판단에 따른 수동 제어가 필
카이스트(KAIST) 연구팀이 모래와 같이 변형하는 지형에서도 민첩하고 견고하게 보행할 수 있는 사족 로봇 제어기술을 개발했다고 26일 밝혔다. 기계공학과 황보제민 교수가 이끄는 연구팀은 모래와 같은 입상 물질로 이루어진 지반에서 로봇 보행체가 받는 힘을 모델링하고, 이를 사족 로봇에 시뮬레이션하는 기술을 개발했다. 또한, 사전 정보 없이도 다양한 지반 종류에 스스로 적응해가며 보행하기에 적합한 인공신경망 구조를 도입해 강화학습에 적용했다. 강화학습은 임의의 상황에서 여러 행동이 초래하는 결과들의 데이터를 수집하고 이를 사용해 임무를 수행하는 기계를 만드는 학습 방법이다. 이때 필요한 데이터의 양이 많아 실제 환경의 물리 현상을 근사하는 시뮬레이션으로 빠르게 데이터를 모으는 방법이 널리 사용되고 있다. 특히 보행 로봇 분야에서 학습 기반 제어기들은 시뮬레이션에서 수집한 데이터를 통해서 학습된 이후 실제 환경에 적용돼 다양한 지형에서 보행 제어를 성공적으로 수행해 온 바 있다. 다만 학습한 시뮬레이션 환경과 실제 마주친 환경이 다른 경우 학습 기반 제어기의 성능은 급격히 감소하기 때문에, 데이터 수집 단계에서 실제와 유사한 환경을 구현하는 것이 중요하다. 따라
※본 기사는 정주영 전무가 AI Tech 2022에서 발표한 내용을 토대로 작성됐습니다. 카카오엔터프라이즈가 그리는 Enterprise IT의 미래 2010년대 초반, 드디어 DX(Digital Transrofmation, 디지털 전환)가 기업들의 화두로 떠올랐다. 모바일 시대가 열리면서 AI와 관련된 다양한 논의들이 등장했지만, 기술의 한계 등으로 인해 많은 상상들이 현실화되지 못한 채 그렇게 묻히는 듯했다. 2020년, 코로나로 인한 팬데믹을 거치면서 상황이 변했다. 우선 이전과 비교해 기업의 혁신 사이클이 굉장히 짧아졌다. 5년 정도의 주기로 바뀌었던 DX의 트렌드는, 이제 블과 1~2년을 주기로 모습을 바꾸기 시작했다. 코로나 이후 DX에 투자한 기업과 투자하지 않은 기업의 성과 차이도 선명하게 나뉘었다. 코로나 전에는 두 기업의 차이가 두 배 정도에 그쳤다면, 코로나를 지나면서는 다섯 배까지 그 격차가 벌어졌다. 대부분의 기업은 미래에 관심이 많다. 특히 수요를 예측해 수요-공급의 갭을 메꾸는 데에 많은 관심을 가지고 있다. B2C 유통 분야로 가면 고객의 성향을 파악하고자 하는 의지는 훨씬 강해진다. 아울러 경영 사이클 전체에서 업무 프로세스를 혁
[헬로티] 최근 현저한 계산과학과 정보기술의 발달로 여러 종류의 대량 데이터를 쉽게 취득, 축적, 처리, 이용할 수 있게 됐으며, 또한 사물, 정보, 데이터 등이 네트워크를 통해 직접 연결되어 주고받을 수 있는 이른바 IoT(Internet of Things) 시대를 맞이하고 있다. 한편 취급해야 할 시스템들이 점점 더 대규모, 복잡화됨에 따라 시스템의 목적은 점점 더 다양화되고, 또한 상황에 따라 변화하고 있다. 이러한 배경 하에 여러 가지 문제에 유연하게 대처할 수 있는 새로운 시스템 접근의 구축이 시급해지고 있다. 시스템 공학·과학, 시스템 접근 등의 저류를 이루는 개념을 과감하게 요약하면, 시스템을 시스템으로 파악해 문제 해결을 도모하는 것이 된다. 즉, 어떠한 시점 혹은 관점에서 시스템을 파악해 문제 해결을 도모할지이다. 이때, 최근의 시스템을 둘러싼 상황이나 과제를 취급할 수 있는 시스템 접근을 구축하기 위해서는 경계와 관계성의 관점이 중요하다고 지적, SICE의 시스템․정보 부문에 ‘경계와 관계성을 관점으로 하는 시스템 접근 조사연구회’가 2019년에 설치되어 활동을 시작했다. 이 글에서는 경계와 관계성을 관점으로 시스템을 생각한다는 것은 어떠한
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2024년 04월 20일 07시 21분
