본문 바로가기

반응형

머신러닝

코로나19가 소매에서의 혁신 일정 단축...구글, '소매업에서 AI/ML 혁신 백서' 공개 "지난 10년 동안 변화의 물결과 씨름한 글로벌 소매 산업은, 지금까지 가장 역동적이고 예측할 수 없는 시기에 직면해 있다. 코로나19와 직면한 상황에서 소매 업체 경영진들과 대화를 나누어 보면, 클라우드 인프라, 인공지능(AI) 및 머신러닝(ML) 기술을 기반으로 하는 민첩하고 탄력적인 운영 모델을 개발하는데, 코로나19(COVID-19)가 애자일 개발 타임라인을 엄청나게 압축했다(seriously condensed)는 것이다." 캐리 타프(Carrie Tharp) 구글 클라우드 소매 및 소비자 솔루션 부사장(VP of Retail and Consumer Solutions, Google Cloud)이 최근 소매 산업에서 벌어지고 있는 인공지능과 머신러닝 기반의 혁신 상황과 사례를 구글 클라우드 블로그에.. 더보기
누구나 활용하는 웹기반 머신 러닝 툴…구글, 티처블 머신 2.0 공개 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,.. 더보기
AI가 만든 10만 개의 얼굴 사진...제너레이티드포토, '100K Faces Project' 공개 진짜와 가짜의 경계가 갈수록 모호해진다. 오히려 가짜의 세상이 더욱 현실처럼 여겨질 때도 있다. 현실 앞에 ‘가상’이란 수식어가 붙고, 현실이 ‘증강’이라는 머리 표를 달면서, 경계를 구분 짖는 것이 점점 의미가 없어지고 있다. 그러는 사이 신기하고 재미있는 기술 정도로 여겨지던 ‘객체’가, 변하지 않고 불가능할 것 같은 것들을 바꾸며 종횡무진인 ‘주체’가 되어가고 있다. 기계학습과 인공지능 얘기다. 단 하루도 인공지능이나 기계학습에 관한 뉴스나 소식이 빠질 수 없는 세상이 됐다. 변함없이 구태의연하게 반복되는 정치만큼이나 이슈가 많지만, 정체 또는 퇴화를 거듭하는 정치와는 달리 진화 또는 혁신의 길을 걷고 있다. 그 변신과 변화의 속도는 어지간한 정도로는 놀라지도 않을 만큼 가속도가 붙었고, 확장과 다.. 더보기
머신러닝으로 학습한 AI가 산림 보호...아웃랜드 애널리틱스, 산림 감시 시스템 개발 도대체 어떤 기술과 제품이 얼마나 더 많이 세상에 등장할까? 인공지능에 의한 인공지능을 위한 인공지능에 의해, 만들어지고 진화하게 될 것들에 대한 이야기다. 진화하는 속도에 가속도가 붙은 인공지능 분야에서는, 시간의 개념이 인간지능의 시대와는 다르게 흐른다. 빠르고 조밀하고 치밀하지만, 역설적으로 광활하고 거대하다. 그런 면에서 보면 인공지능을 연구하고 활용하고 그것으로 무엇인가를 만들어내는 사람들은 예술가와 닮았다. 다양한 소재에서 영감과 아이디어를 얻고, 수많은 재료를 자신만의 방법으로 해석하고 활용하는 방법이 탁월하다. 그들에게는 평범한 것도 평범하지 않고, 특별한 것도 특별하지 않은, 모두를 넘어서는 ‘독창성’이라는 특별한 능력이 있다. 그래서 인공지능이 결코 인간지능을 능가할 수 없을지도 모른다.. 더보기
자율주행에서 2D 이미지로 3D 거리 예측...엔비디아, DNN 활용 거리예측 연구 공개 엔비디아가 단일 카메라를 이용한 2D 이미지에 DNN(Deep Neural Network)을 적용해, 정확하게 거리를 예측하는 연구 결과를 공개했다. 인공신경망(Artificial Neural Network)을 이용한 머신 러닝에는 다양한 방법이 존재하는데, 이번 연구에는 DNN(Deep Neural Network)과 컨볼루셔널 신경 네트워크(convolutional neural networks)를 적용했다. 사람이 사물까지의 거리를 비교적 정확하게 예측할 수 있는 것은 두 개의 눈을 가지고 있기 때문이다. 양쪽 눈에 들어온 고행 상도의 시각 정보를 뇌에서 정확하게 동기화시킬 수 있기 때문에 거리 예측이 가능하다. 이를 인공적으로 구현하려면 역시 두 개의 카메라를 사용해, 카메라로 촬영한 영상 정보를 정.. 더보기
AI가 원하는 스타일의 옷을 찾아준다…아마존, 의류 쇼핑 도우미 스타일스냅 공개 아마존이 사진을 이용해 원하는 스타일의 의류를 검색할 수 있는, 스타일스냅(StyleSnap)이라는 기능을 모바일앱에 추가한다고 발표했다. 스타일스냅은 고객이 제공한 사진을 머신 러닝을 활용해 분석한 후, 가장 유사한 형태의 의류를 아마존닷컴에서 검색해서 보여준다. 추천 제품을 보여줄 때는 색상이나 스타일뿐만 아니라, 브랜드, 가격, 고객 리뷰와 같은 다양한 요소를 고려한다. 스타일스냅은 미국 라스베이거스에서 6월 4일부터 7일까지 개최되고 있는 ‘re: MARS 2019 Conference’에서, 컨슈머 월드와이드 CEO인 제프 윌키(Jeff Wilke)가 기조연설을 통해 공개했다. “고객 경험의 단순함은 그 뒤에 숨어 있는 기술의 복잡성에 달려있다’고 밝힌 그는, “스타일스냅은 고객에게 완벽한 경험을.. 더보기

반응형