GPU 썸네일형 리스트형 배달 로봇, 그 필요성과 한계 로봇 산업이 발달하면서 로봇이 사람을 대체할 수 있는 분야를 고민하게 됩니다. 배달도 그런 분야 중 하나지만, 여전히 로봇보다 많은 사람이 배달원으로 활동하는 탓에 아직은 시험 단계인 기술로 여겨지는 것이 배달 로봇(Delivery Robot)입니다. 그러나 배달 로봇의 필요성이 대두되면서 올해는 시장에 대한 기대감이 가장 강하게 나타나고 있습니다. 경제지 포브스는 '2019년 로봇 배달이 소매 시장을 점령하는 해인가?'라는 기사를 통해서 산업을 조명했습니다. 포브스는 배달 로봇 스타트업 '스타쉽 테크놀로지스(Starship Technologies)'의 CEO 렉스 베이어(Lex Bayer)의 말을 인용하여 '2019년은 자율 배송을 위한 전환점이 될 것'이라면서 '배달 로봇은 배달 차량이 도로를 막고,.. 더보기 2019년 ICT 기술 및 산업 트렌드 전망은? ICT 산업의 기술 발전 속도는 해마다 빨라지고 있습니다. 매년 출현하는 혁신 기술들은 다양한 산업 영역에 적용되며 기존 경쟁의 패러다임을 바꾸어 놓는 가운데 2018년은 특히 이러한 혁신 기술의 등장과 산업 혁신이 동시다발적으로 진행되어 온 한 해입니다. 일반적으로 혁신 기술이 상용화 기술로 구현되고 산업 적용에 이르기까지 상당 기간의 시간이 소요되어 온 과거와 큰 차이를 갖는 것으로 혁신 기술의 산업 적용 속도가 점점 빠르게 진행되고 있는 것을 의미하기도 합니다. 2018년 ICT 산업 트렌드를 기술과 산업 측면에서 살펴보면, 기술 측면에서는 인공지능, 5G 등과 같은 기반 기술 분야의 발전과 대화형 인공지능(Conversational AI), VR, AR과 같은 응용 기술의 상용화가 본격적으로 진행.. 더보기 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.. 더보기 인공지능 구현의 한계와 극복 방법은 무엇일까? 딥러닝으로 인해 인공지능 분야가 빠르게 혁신되고 있지만, 딥러닝은 엄청난 양의 데이터와 컴퓨팅 파워를 요구한다는 점에서 큰 한계를 갖습니다. 2012년 구글이 구현한 인공지능은 유튜브 영상 속 고양이를 스스로 구분해 내며 시작하였으나 이것은 약 1,000만 개의 동영상을 학습한 결과였습니다. 2016년 이세돌 9단과 대결에서 승리한 알파고는 약 3,000만 개의 착점 정보와 16만 개의 프로 바둑 기사의 기보가 필요했는데요. 동시에 이러한 데이터 학습 과정과 실제 바둑 대결에는 클라우드 기반으로 연결된 약 1,202개의 CPU와 176개의 GPU가 동시에 활용되며 약 3억 4천 번의 반복 학습을 통해 구현된 결과물이었습니다. 따라서 현재까지의 인공지능을 구현해 혁신을 이루어 내는 기업들은 엄청난 데이터와.. 더보기 CES 2018, 인공지능 하드웨어가 중요해진다. 인공지능을 실제 제품에 적용하기 위해서는 네트워크를 통해서 클라우드에 접속하기도 하지만, 기기에서 직접 구현하는 것도 필요할 수 있습니다. 안전이 중요시되는 자동차에서는 기기 인공지능 이슈가 중요한 게 당연할지도 모르고요. 스마트폰이나 가전기기, 로봇에서도 기기에서 인공지능이 구현된다면, 훨씬 더 편리해질 수 있습니다. 실제로 CES 2018 전시장에서는 네트워크 문제로 인공지능 음성인식이 동작하지 않는 경우가 여러 차례 발생하기도 했습니다. 기기 AI, 즉 기기 인공지능을 구현하기 위해서는 GPU를 기반으로 임베디드 보드를 설계하거나, TPU(Tensor Processing Unit), NPU(Neural Processing Unit) 등의 딥러닝 전용 칩을 사용하는 방법이 쓰이고 있습니다. 자동차의 .. 더보기 2017 LG CNS 블로그 Best Content Awards 어느덧 2017년을 마무리하는 시간입니다. 올해에도 어김없이 LG CNS 블로그는 최신 IT 소식을 독자 여러분께 전달하고자 노력했는데요. IT 업계를 선도하는 LG CNS 소식을 비롯해 오픈소스, 금융 IT, 4차 산업혁명, 커넥티드카 등 다양한 분야의 IT 소식을 전달해 드렸습니다. 특히, 블로그에 대한 관심이 오프라인으로 이어져, 블로그 독자 초청 세미나를 성황리에 개최하기도 했습니다. 독자 여러분의 높은 관심을 확인할 수 있어 더욱 뜻 깊었던 1년인 것 같습니다. 오늘은 지난 1년을 되돌아보며, 독자 여러분이 가장 사랑해주셨던 콘텐츠를 소개해 드리도록 하겠습니다. 2017 LG CNS 블로그 Best Content Awards, 지금 시작합니다. 2017 LG CNS 블로그 Best Contest.. 더보기 인간의 두뇌를 대신할 수 있을까? 인공지능의 트렌드와 향후 발전 방향 바야흐로 인공지능 전성시대입니다. 인공지능이라는 단어는 1956년에 미국 다트머스 대학 존 매카시(John MaCarthy) 교수가 개최한 학회에서 처음 언급되었습니다. 인공지능은 전문가 시스템에서 시작하여 딥러닝으로 대변되는 기계학습(Machine Learning)까지 다양한 방법을 통해 수차례 부침을 겪으며 발전해 왔습니다. 그러나, 아직 일반인들에게는 인공지능이라는 개념이 잘 이해되지 않을 수 있습니다. 인공지능, 어디까지 왔을까? 인공지능은 공상과학 영화의 한 장면을 떠올리며, 그저 먼 미래에나 일어날 법한 이야기로 받아들여지기도 합니다. 그러나 미래학자 레이 커즈와일(Ray Kurzweil)은 2045년이 되면, 기계의 지능이 인간을 뛰어넘는 특이점(singularity)에 도달한다고 언급한 바.. 더보기 LG CNS, 인공지능(AI) 기반 비전검사 사업 본격 공략 LG CNS가 최근 머신비전 전문업체인 라온피플과 AI 사업 확대를 위한 전략적 협력 계약(MOU)을 체결했습니다. 이번 계약 체결은 LG CNS AI 빅데이터 플랫폼 ‘DAP(Data Analytics&AI Platform; 이하 DAP:디에이피, 애칭 ‘답’)의 스마트팩토리 분석 영역 비전검사 개발과 사업추진에 대한 양사간 협력을 위해 추진됐는데요. LG CNS의 딥러닝 기반 비전검사 역량 및 스마트팩토리 노하우와 라온피플의 머신비전 역량, 딥러닝 및 룰(Rule) 기반 검사 솔루션을 결합해, 부품 불량검사에 필요한 알고리즘 을 DAP에 탑재할 예정이라고 합니다. DAP를 활용한 비전검사는 클라우드 플랫폼 내 고성능 GPU 인프라를 통해 수십 개 모델을 검증하고 최우수 모델을 선정해, 높은 불량판정 .. 더보기 이전 1 2 3 다음
