많은 제조 기업이 제품의 품질 검사를 사람이 눈으로 하던 것을 사람의 눈처럼 사물을 인식하는 기계로 대체하고 있습니다. 이런 작업 환경의 변화로 인해 생산 현장에서는 획기적인 품질 개선과 생산성 향상으로 이어지고 있습니다. 생산 현장에 도입된 비전 검사기는 고성능 카메라와 이미지 프로세서, 소프트웨어 등으로 구성된 시스템인데요. 카메라 렌즈와 조명을 이용해 적절한 이미지를 얻으면 이미지 프로세서, 소프트웨어가 작업 목적에 맞게 영상 처리 및 분석 과정을 거쳐 품질을 판정할 수 있는 자료를 제공합니다. 예를 들어 제품 불량의 패턴, 위치, 사이즈, 색상 등 각 지표 값을 입력하면 이에 해당하는 이미지들을 검출합니다. 그런데 비전 검사는 두 가지 단점을 안고 있습니다. 작업 환경이 바뀌고 검수 기준 수치들이..

2012년을 시작으로 본격화된 딥러닝의 발전은, 2016년을 기점으로 전환점을 맞이했습니다. 딥러닝의 가장 큰 한계였던 깊이(Depth)의 문제가 해결되며 시각•청각 지능에 대해서는 Human-level 혹은 그 이상의 인공지능이 구현되고 있는데요. 과거 인공 신경망 구현에 있어 알고리즘, 컴퓨팅, 데이터의 한계로 인해 얕은 신경망(Shallow Net)에 그쳤던 딥러닝이 이제는 깊이(Depth)의 한계를 극복했다고 말할 수 있습니다. 알파고의 출현을 시작으로, 2016년 초까지 진행되었던 딥러닝의 깊이(Deep) 경쟁은 이제 학습(Learning)의 경쟁으로 전환되고 있습니다. l 딥러닝의 경쟁 핵심 변화 강화학습 기반의 인공지능 학습 과정은 과거의 방식과 전혀 다릅니다. 기존 기계학습 기반의 인공지능..

인공지능(AI)에 많은 관심을 두지 않는 사람이라도, '알파고 제로(AlphaGo Zero)' 대한 소식은 접하지 않았을까 생각합니다. 알파고는 미지의 영역이라고 여겨진 AI 기술을 본격화하는 계기가 되었기에, 기존 알파고의 강화 버전인 알파고 제로는 대단한 관심사가 될 수밖에 없겠죠. 본래 알파고는 수많은 바둑 기보를 토대로 기본적인 실력을 갖춘 정책망을 서로 대국하게 하는 방식으로 바둑을 익힌 AI입니다. 하지만, 알파고 제로는 기보 데이터를 익히지 않은 상태에서 바둑을 습득했습니다. 인간의 지식을 포함하지 않고도 AI가 발전할 수 있다는 걸 보여준 겁니다. 이런 알파고의 훈련 방식을 '강화 학습(Reinforcement Learning)'이라고 합니다. l 강화 학습으로 학습한 알파고 제로(출처: ..

안녕하세요. 미디어 아티스트 송준봉입니다. 지난 시간에는 빛(Light) 활용한 다양한 미디어 작업을 소개해 드렸는데요. ‘예술과 IT’ 9번째 시간에는 인공지능(AI), 구체적으로는 머신 러닝(Machine Learning) 기술을 활용한 미디어 작업을 소개해 드리려고 합니다. 머신 러닝은 요즘 워낙 다양한 분야에서 이슈가 되고 있는 기술이기도 해서 많은 분이 관심을 가지고 계실 것 같은데요. 인공지능이 미디어 아트 분야에는 어떻게 적용되고 있는지 함께 살펴보도록 하겠습니다. 컴퓨터가 그린 그림 지금 이 문단의 제목을 보고 ‘전에 한 번 썼던 제목 아닌가?’ 라고 생각하시는 분이 계신다면 정말 눈물이 날 만큼 기쁠 것 같습니다. 바로 ‘예술과 IT’ 연재 기획의 첫 번째 주제였죠. ● 예술과 IT - ..