LG CNS 자세히보기

이미지 인식 5

어디까지 가능할까? 인공지능(AI)이 만들어가는 이미지 세계

인간의 오감은 시각, 청각, 후각, 미각, 촉각입니다. 현재 후각, 미각, 촉각은 인공지능을 통해 쉽게 접할 수 있는 영역은 아니지만, 시각과 청각에서는 인공지능이 큰 활약을 펼치고 있습니다. 특히, 눈은 이미지와 영상을 통해 인간이 가장 많은 정보를 얻을 수 있는 기관입니다. 인공지능은 이미지와 영상을 빠르게 인식하고 학습하는 능력을 갖추고 있습니다. 새로운 이미지를 스스로 만들거나 보정하는 등, 인간이 접할 수 있는 이미지의 세계에서 다양한 작업을 수행합니다. 이미지 세계에서 인공지능이 활약하는 영역은 크게 두 가지로 나눌 수 있습니다. 이미지를 인식하고 분류하는 영역과 이미지를 생성 및 변환하는 영역입니다. l 인공지능이 만든 이미지 사람보다 정확한 눈으로 보다 최근 인공지능 머신러닝 분야에서 가장..

IT Insight 2020.09.03

지속적 혁신을 위한 물류센터의 재정의

물류센터 구축을 위해 과거에는 기계 관련 학문을 전공한 엔지니어가 제도판에서 도면을 그리고 설계를 완성해 나갔다면 이제는 해당 학과 전공자 이거나 전문가가 아니어도 자동화 물류센터의 설계를 데이터와 알고리즘 기반으로 할 수 있게 되었습니다. 예를 들어, 설계 소프트웨어를 사용해 센터 대상 건물의 사이즈와 요구 물동량을 입력하면 보관량과 자동화를 위한 로봇의 대수가 자동으로 산정되며 바로 레이아웃을 2D, 3D로 작성하고 실제 요구 물동량에 맞게 입고, 출고되는지를 시뮬레이션해 볼 수 있습니다. (그림 1) l 그림 1. 물류센터 설계 자동화 소프트웨어 이렇듯 IT 기술 발달로 인한 물류센터 설계의 단적인 변화뿐만 아니라 더 빠르게 다양한 상품과 서비스를 요구하는 소비자 요구에 따라 물류는 기업의 성패를 ..

LG CNS, 세계 최고 권위 AI경진대회서 글로벌 4위 입상

LG CNS가 전 세계적으로 권위 있는 AI학회인 ‘인공신경망 학회(NeurIPS : Neural Information Processing System, 이하 NeurIPS)’주최 AI경진대회에서 톱 5에 진입하는 성과를 거뒀습니다. LG CNS는 NeurIPS의 AI경진대회 중 ‘이미지 인식 AI 대회(Adversarial Vision Challenge)’에서 미국 카네기멜론대(1위), 중국 칭화대(2위), 캐나다 몬트리올 고등기술대(3위)에 이어 4위에 올랐습니다. 톱 5 수상팀 가운데 기업은 LG CNS가 유일합니다. 올해 대회는 총 340개 팀이 참가했으며 7월 말부터 약 3개월간 진행됐고, 12월 최종 결과 LG CNS가 글로벌 톱 5 성과를 인정받아 NeurIPS 컨퍼런스에 초청돼 AI 딥러닝..

CNS Story 2018.12.20

인공지능 시대, 개발자들의 위기 초래할까?

SW 개발자들이 인공지능(AI) 시대를 대비하지 않으면 학습된 로봇 인공지능이 SW를 분석하고, 설계하며, 코딩까지 하면서 SW 개발자들의 작업을 빼앗을 것이라는 우려가 나오고 있습니다. 엔비디아의 DGX-1 슈퍼컴퓨터 담당 부사장 짐 맥휴는 아래와 같이 얘기하면서 인공지능 시대의 SW 개발자들의 위기에 대해 강조했습니다. ‘자가 학습을 통해 파이썬 스크립트를 작성하는 SW가 나올 것이다. 이렇게 되면 전통적인 코더는 설자리가 없어지게 될 것이다.’‘인공지능의 분석 능력으로 전 세계 수많은 개발자가 클라우드에 접속해 작성하는 막대한 양의 코드를 분석한다면 아마도 알파고처럼 짧은 시간에 급격한 코딩 능력을 보유하게 될 것이다.’‘인공지능과 딥러닝은 SW를 개발하는 방법을 근본적으로 바꿔놓을 것이고, 이런 ..

IT Solutions 2018.10.15

인공지능 시대, 인공지능 하드웨어의 현재 상황은?

인공지능(AI)은 어느덧 일반적인 기술이 되어 이미지 인식과 음성인식 이외에도 다양한 영역으로 확산 중입니다. 인공지능 확산에 크게 기여한 요인으로는 딥러닝 알고리즘의 진화와 더불어 GPU의 활용을 들 수 있는데요. GPU는 슈퍼컴퓨터 대신에 수천 개의 코어를 한 장의 GPU 카드만으로 구동시킬 수 있도록 하여 많게는 매번 수억 번의 연산을 해야 하는 딥러닝 알고리즘의 대중화를 가능하게 했습니다. 그러나 GPU는 전력 소모가 크고 발열이 심해 디바이스에 탑재하기 어려우며 또한 CPU처럼 분산 환경을 구성하여 클라우드를 구현하기도 어렵습니다. 인공지능 하드웨어의 진화 대규모의 인식 서비스를 위해서 수백 대의 GPU 서버를 활용해야 하고, 서버 기반이기 때문에 실시간 성능에 제약이 발생하는 상황에서 이를 극..

IT Solutions 2018.09.04 (1)