본문 바로가기

누구나 활용하는 웹기반 머신 러닝 툴…구글, 티처블 머신 2.0 공개

반응형

구글이 머신 러닝 모델의 학습 과정을 쉽게 이해하고, 직접 모델을 생성해 활용할 수 있는, '티처블 머신(Teachable Machine) 2.0'을 공개했다. 티처블 머신은 공부하기도 어렵고 가르치기도 까다로운 머신 러닝을, PC를 사용할 수 있는 사람이라면 누구라도 쉽게 배우고 활용할 수 있도록 해주는 학습 도구다. 특히 단순한 학습 도구에 머물지 않고, 프로젝트 과정에서 생성한 학습 모델을, 다양한 방법과 용도로 활용하는 것도 가능하다. 

 

이번에 공개한 티처블 머신 2.0은 기존에 이미 활용되고 있던 티처블 머신의 업그레이드 버전이다. 티처블 머신은 웹캠으로 촬영한 이미지를 인식하고 학습하며, 사람들이 머신 러닝 모델을 훈련시키는 과정을 경험하도록 했다. 이를 활용해 이미지의 데이터 패턴을 인식하고, 인식한 이미지를 해당하는 카테고리에 할당하는 방법으로 머신 러닝 학습을 할 수 있도록 했었다.

 

구글이 머신 러닝 과정을 이해하고 학습할 수 있는 웹 기반 학습 도구인 티처블 머신 2.0을 공개했다. 이미지, 오디오, 자세 세 가지 프로젝트를 통해, 머신러닝을 학습하고 학습 모델을 생성한 후 저장하고 활용할 수 있다.(티처블 머신 웹페이지 캡처)

 

티처블 머신 2.0은 이미지뿐만 아니라, 소리와 자세(poses) 인식과 학습 기능이 추가됐다. 인공지능이나 머신 러닝에 대한 사전 지식과 코딩 능력이 없어도, 누구나 티처블 머신 2.0을 활용할 수 있다. 티처블 머신 2.0은 웹 기반으로 동작하기 때문에, 별도로 프로그램을 설치할 필요 없이 웹 페이지에 접속해서 바로 사용한다. 웹 페이지에 접속한 후 이미지, 오디오, 포즈(Pose) 세 가지 프로젝트에서 원하는 메뉴를 선택하면 된다. 

 

프로젝트는 샘플 수집, 학습(Training), 프리뷰(Preview) 과정으로 이루어져 있다. 예를 들어 이미지 프로젝트를 선택했다면, 클래스로 항목에서 먼저 샘플 이미지를 추가한다. 샘플 이미지는 PC나 노트북에 연결된 웹캠으로 촬영하거나 이미 가지고 있는 사진을 업로드 하면 된다. 이미지 파일은 직접 폴더를 열어 선택하거나, 드래그 앤드 드롭으로 가져올 수도 있고, 구글 드라이브에 저장된 사진을 추가할 수 있다. 

 

새로운 클래스는 '클래스 추가(Add s class)' 버튼을 마우스로 클릭하면 추가할 수 있다. 하나의 클래스에는 여러 장의 이미지를 등록할 수 있고, 최소한 2개 이상의 클래스에 이미지를 업로드 해야 한다. 클래스는 일종의 카테고리 또는 이름으로 이해하면 된다. 클래스 이름은 연필 모양의 아이콘을 선택한 후 ‘장미’, ‘국화’, ‘제인’, ‘스티브’처럼 이름을 입력하고 변경하면 된다.

 

학습 버튼을 누르면 이렇게 수집 또는 전송한 샘플 이미지를 학습한다. 이렇게 만들어진 학습 모델은 프리뷰 기능을 이용해, 바로 다른 이미지와 비교하거나 익스포트 모델(Export Model) 메뉴를 이용해, 텐서플로(Tensorflow.js/Tensorflow/Tensorflow Lite)로 내보내거나 다운로드받을 수 있다. 예를 들어 프리뷰 모드로 활용한다면 웹캠으로 촬영한 이미지나 파일로 업로드란 사진을 분석한 후, 앞에서 학습한 모델과 가장 유사한 클래스로 분류해서 보여준다.

 

티처블 머신 2.0은 누구나 쉽게 사용할 수 있도록 직관적으로 되어 있다. 가지고 있던 사진을 업로드해 학습 모델을 만드는 과정(위). 생성한 프로젝트를 이용해 새로운 이미지의 클래스를 구분할 수 있다(아래).

 

자세(Pose) 프로젝트도 이미지 프로젝트 생성과 동일한 과정을 거친다. 오디오 프로젝트의 경우는 먼저 배경 잡음(Background Noise) 샘플을 등록하고, 샘플로 사용한 오디오를 마이크를 통해 직접 녹음하거나 녹음 파일을 업로드 하면 된다. 자세와 오디오 프로젝트 역시 샘플 데이터를 업로드한 후에는 학습 과정을 거치고, 학습 모델이 완성되면 이를 프리뷰 모드로 활용하거나 파일로 내보낼 수 있다. 

 

이렇게 생성한 머신 런닝 모델을 구동할 때는 오픈 소스 라이브러리인 텐서플로(Tensorflow.js)를 이용하며, 파일 내보내기 기능을 활용해 웹 사이트나 앱에서 사용할 수 있다. 프로젝트를 구글 드라이브에 저장해 두고 학습이나 활용하는 것도 가능하다. 또한 샘플 수집, 학습, 파일 내보기에 대한 동영상 가이드와 FAQ 등을 웹 페이지 메뉴에서 제공한다.

 

 

티처블 머신은 머신 런닝 학습 도구지만, 유튜브를 통해 실생활에서 사용하는 동영상도 공개했다. 공개된 동영상을 보면 종이컵과 플라스틱 페트병의 구별, 반려동물을 포함한 가족들의 얼굴 인식, 다양한 품종의 장미 이미지에 대한 학습, 장애인을 위한 의사소통 도구 등으로 활용할 수 있다고 밝히고 있다. 프로젝트로 만들어진 모델을 물리적인 컴퓨팅 도구와 연동하면, 색상에 따라 사탕을 분류하거나, 집에서 기르는 반려동물을 인식해 자동으로 문을 열어주는 용도로 활용하는 것도 가능하다. 

 

구글 크리에이티브 랩(Google Creative Lab)의 엔지니어인 카일 필립스(Kyle Phillips)는 “우리는 티처블 머신을 유용한 도구로 만드는 방법을 찾기 위해 모든 종류의 교육자, 예술가, 학생 등과 협력했다. 하지만 티처블 머신은 단지 가르치는 용도로 사용하는 것은 아니다. 접근성 기술 전문가인 스티브 살링(Steve Saling)은 언어 장애가 있는 사람들의 의사소통을 향상시키는 데 티처블 머신을 사용했다. 티처블 머신은 모든 사람이 빠르고 쉽게 머신 러닝에 액세스 할 수 있는 웹 기반 도구다”라고 구글 공식블로그를 통해 밝혔다.

 

 Syndicated to WWW.CIOKOREA.COM

반응형