2021.07.14

어떻게 세상 바꿀까?··· 도전장 던진 'AI 스타트업' 5곳

Ian Pointer | CIO
소매업, 제조업, 농업 등 다양한 산업에서 ‘딥러닝(Deep Learning)’이 어려운 과제를 해결하고 있다. 여기에 앞장서고 있는 스타트업을 살펴본다. 

딥러닝과 뉴럴 네트워크의 발전은 자연어 처리(NLP) 및 컴퓨터 비전에 엄청난 혁신을 가져왔다. 또한 이 기술에는 제조, 소매, 공급망, 농업 등 수많은 비즈니스 영역의 어려운 과제를 해결할 잠재력이 있다. 그리고 가장 중요한 혁신의 뒤에는 기술 스타트업이 자리하고 있기 마련이다.

여기에서는 ‘응용 AI(applied AI)’ 스타트업을 소개한다. 이 스타트업들은 완전 자율주행차를 향해 가는 것부터 농업 생산의 경계를 넓히는 것까지 다양한 산업 과제를 해결하기 위해 이미지, 텍스트, 오디오, 영상, 범주형 데이터, 표 형식 데이터 또는 이들의 조합을 처리하는 가지각색의 기술을 적용하고 있다. 
 
ⓒGetty Images

1. 아르고 AI(Argo AI)
아직 멀었는가? 자율주행차가 약속한 미래가 실현되길 오랫동안 기다리고 있지만 자율주행 기술 분야의 준비 작업은 계속되고 있다. ‘아르고 AI’는 자율주행차에 필요한 모든 것을 갖춘 플랫폼을 목표로 하는 스타트업이다. 버스나 기차를 타지 않아도 출퇴근 길에 책을 읽을 수 있는 멋진 미래로 가는 데 필요한 모든 소프트웨어, 하드웨어, 지도, 원격 인프라를 다룬다.  

포드(Ford), 폭스바겐(Volkswagen) 등과 협력해 연구 범위를 넓혀 나가는 가운데 아르고 AI는 최근 ‘아르고 라이다(Argo Lidar)’를 공개했다. 이는 최대 400m 떨어진 물체를 인식할 수 있는 새로운 라이다 시스템이다. 

회사에 따르면 이는 야간 및 저조도 환경에서 잘 작동하며, 다른 라이다 시스템에서는 문제를 일으킬 수 있는 상황(예: 터널에서 나올 때 밝기가 급격히 달라지는 것 등)도 원활하게 처리할 수 있다. 

아르고 AI는 터무니없는 전망을 내놓기 보다는 안전한 보조 운전(assisted-driving) 경험을 위한 모든 요소를 구축하고자 길고 어려운 작업을 묵묵히 하고 있는 것으로 보인다. 현재 미국 전역의 6개 도시에서 (기술을) 테스트 중이며, 올해 하반기에는 유럽 지역에서의 테스트가 예정돼 있다. 

2. 세레스 이미징(Ceres Imaging)
‘세레스 이미징’이 제공하는 기술은 자율주행 기술만큼 놀랍지 않을 수 있지만 그래도 이는 (자율주행차를 타고 슈퍼마켓에 갈 수 있을 때가 오기 훨씬 전에) 식료품 구매 비용을 절감하는 데 도움을 줄 것이다. 

세레스 이미징은 구식 기술과 최첨단 기술을 적절하게 조합한다. 인공위성이나 드론 영상 대신에 고해상도 카메라를 장착한 비행기를 날려 보내 데이터를 수집한다. 그리고 해당 데이터를 다양한 모델에 입력해 농부에게 중요한 정보를 제공한다. 

예를 들면 관개 관련 문제를 현장에서 파악하기 2~3주 전에 발견하고, 급수가 과하거나 부족한 문제를 해결하도록 지원하며, 이것이 수확량에 어떤 영향을 미칠지 산정한다.

또한 세레스 이미징은 단순하고 노동집약적인 농작업의 부담을 덜어줄 수 있다. 이를테면 나무 수를 직접 세지 않아도 항공사진으로 이를 파악할 수 있게끔 한다. 또 품종별 개수를 집계하고, 없어졌거나 훼손된 나무의 위치를 정확하게 알려주는 보고서를 제공할 뿐만 아니라 (이를 대체할) 묘목 주문서까지 생성해준다. 

이는 누군가 ‘뉴럴 네트워크’를 언급할 때 즉각 떠오르지 않을 수 있는 분야에서도 AI 기술로 발전이 가능하다는 걸 보여주는 한 사례라고 할 수 있다.

3. 랜딩 AI(Landing AI)
구글 브레인(Google Brain)의 공동 설립자이자 바이두(Baidu)의 전 데이터 과학 책임자였던 앤드류 응이 창업한 ‘랜딩 AI’는 AI를 통한 발전이 이뤄지지 않은 영역에 AI를 적용하고자 한다 

이 회사의 첫 번째 제품 ‘랜딩렌즈(LandingLens)’는 제조업체가 자사의 전문지식을 랜딩 AI의 전문지식과 결합해 지속적으로 개선되는 비주얼 인스펙션 플랫폼을 생성할 수 있는 통합 플랫폼이다. 랜딩 AI는 제조업 외에도 농업과 자동차 업계를 위한 비주얼 인스펙션 시스템도 준비 중이다.

랜딩 AI의 접근법에서 한 가지 흥미로운 측면은 사용자 데이터를 솔루션의 중심에 둔다는 것이다. 입력 데이터 처리는 데이터 과학자의 일 중에서 가장 재미없는 부분일 때가 많다. 하지만 지난 몇 년 동안 자율 감독 솔루션이 크게 발전했음에도 불구하고 입력 데이터는 애플리케이션에 가장 큰 영향을 미칠 수 있는 부분이다. 

즉 모델이 얼마나 멋진지는 중요하지 않다. 아무리 모델이 좋아도 쓰레기를 넣으면 쓰레기가 나오기 마련이다. 따라서 랜딩 AI는 효율적이고 사용하기 쉬운 라벨링 시스템에 초점을 맞춰 데이터를 지속적으로 수집하고, 모델을 손쉽게 재훈련 및 검증할 수 있으며, 추론이 갑자기 왜곡되는 경우 이를 빠르게 알릴 수 있도록 지원하고 있다. 

4. 센티넬(Sentinel)
머지않아 딥페이크(deepfake)를 감지할 수단이 필요해질 전망이다. AI 기술로 실제 인물의 가짜 음성과 영상을 만드는 딥페이킹(deepfaking)은 아직 주류에 진입한 건 아니지만 이러한 미디어를 생성하는 데 필요한 비용과 지식은 매주 줄어들고 있다. 틱톡에 올라온 영락없이 진짜 같은 톰 크루즈 영상이 딥페이크라는 기사를 본 적 있을 것이다. 이보다 훨씬 더 진짜 같은 가짜 톰 크루즈가 앞으로 줄줄이 나올 것이다.

에스토니아에 본사를 둔 ‘센티넬’은 이 분야의 선도기업이 되고자 고군분투 중이다. 이 회사는 업로드된 미디어의 가짜 여부를 판별하기 위해 대조 목적으로 가짜 미디어를 모아둔 방대한 데이터베이스뿐만 아니라 다양한 딥러닝 접근법을 활용하는 API를 제공하고 있다. 센티넬 시스템은 가짜로 판별되는 결과가 나올 경우 어떤 작업을 통해 가짜가 생성됐는지 알려주는 보고서도 제공한다. 

5. 스탠다드(Standard)
‘스탠다드’는 미국의 몇몇 주요 도시에 있는 아마존 고(Amazon Go) 매장과 마찬가지로 계산을 위해 줄을 설 필요가 없는 오프라인 매장 경험을 제공한다. 

매장에 들어가면서 모바일 앱으로 체크인하고 원하는 상품을 고른 다음 그냥 나가면 된다. 고객이 들고 나가는 모든 상품은 스탠다드의 컴퓨터 비전 기술로 추적되고, 비용은 해당 고객의 계좌로 청구된다.

스탠다드는 이를 어떤 소매업체에서든 볼 수 있는 기술로 만들고자 한다. 해당 기술을 소매업체의 공급망과 연결해 상세한 애널리틱스는 물론 더없이 매끄러운 체크아웃 경험을 제공하려는 것이다. 

현재 스탠다드는 미국 샌프란시스코에 플래그십 스토어를 두고 있으며, 美 편의점 체인 써클 K(Circle K)와 계약을 맺고 애리조나주에 자율 체크아웃 기술로 재단장한 4개 매장을 실험 운영하기로 했다. 일이 잘 풀린다면 스탠다드의 쇼핑 AI가 미국 전역에 빠르게 확산되는 모습을 볼 수 있을 전망이다. 

다음은 어디?
이번에 간단하게 살펴본 몇몇 스타트업에서 확인할 수 있는 건 컴퓨터 비전, 자연어 처리 및 다른 딥러닝 접근법 등의 최첨단 기술을 응용할 수 있는 버티컬 영역이 방대하며 과소평가돼 있다는 점이다. 

뉴럴 네트워크는 매일 매시간 점점 더 많은 것을 배우고 있다. 이는 이미 휴대전화에 들어 있고, 이젠 매장과 자동차, 공급망, 공장으로 오고 있다. 2030년이 될 때쯤이면 뉴럴 네트워크가 어디에 있을지 누가 알겠는가?
 
ciokr@idg.co.kr
 



2021.07.14

어떻게 세상 바꿀까?··· 도전장 던진 'AI 스타트업' 5곳

Ian Pointer | CIO
소매업, 제조업, 농업 등 다양한 산업에서 ‘딥러닝(Deep Learning)’이 어려운 과제를 해결하고 있다. 여기에 앞장서고 있는 스타트업을 살펴본다. 

딥러닝과 뉴럴 네트워크의 발전은 자연어 처리(NLP) 및 컴퓨터 비전에 엄청난 혁신을 가져왔다. 또한 이 기술에는 제조, 소매, 공급망, 농업 등 수많은 비즈니스 영역의 어려운 과제를 해결할 잠재력이 있다. 그리고 가장 중요한 혁신의 뒤에는 기술 스타트업이 자리하고 있기 마련이다.

여기에서는 ‘응용 AI(applied AI)’ 스타트업을 소개한다. 이 스타트업들은 완전 자율주행차를 향해 가는 것부터 농업 생산의 경계를 넓히는 것까지 다양한 산업 과제를 해결하기 위해 이미지, 텍스트, 오디오, 영상, 범주형 데이터, 표 형식 데이터 또는 이들의 조합을 처리하는 가지각색의 기술을 적용하고 있다. 
 
ⓒGetty Images

1. 아르고 AI(Argo AI)
아직 멀었는가? 자율주행차가 약속한 미래가 실현되길 오랫동안 기다리고 있지만 자율주행 기술 분야의 준비 작업은 계속되고 있다. ‘아르고 AI’는 자율주행차에 필요한 모든 것을 갖춘 플랫폼을 목표로 하는 스타트업이다. 버스나 기차를 타지 않아도 출퇴근 길에 책을 읽을 수 있는 멋진 미래로 가는 데 필요한 모든 소프트웨어, 하드웨어, 지도, 원격 인프라를 다룬다.  

포드(Ford), 폭스바겐(Volkswagen) 등과 협력해 연구 범위를 넓혀 나가는 가운데 아르고 AI는 최근 ‘아르고 라이다(Argo Lidar)’를 공개했다. 이는 최대 400m 떨어진 물체를 인식할 수 있는 새로운 라이다 시스템이다. 

회사에 따르면 이는 야간 및 저조도 환경에서 잘 작동하며, 다른 라이다 시스템에서는 문제를 일으킬 수 있는 상황(예: 터널에서 나올 때 밝기가 급격히 달라지는 것 등)도 원활하게 처리할 수 있다. 

아르고 AI는 터무니없는 전망을 내놓기 보다는 안전한 보조 운전(assisted-driving) 경험을 위한 모든 요소를 구축하고자 길고 어려운 작업을 묵묵히 하고 있는 것으로 보인다. 현재 미국 전역의 6개 도시에서 (기술을) 테스트 중이며, 올해 하반기에는 유럽 지역에서의 테스트가 예정돼 있다. 

2. 세레스 이미징(Ceres Imaging)
‘세레스 이미징’이 제공하는 기술은 자율주행 기술만큼 놀랍지 않을 수 있지만 그래도 이는 (자율주행차를 타고 슈퍼마켓에 갈 수 있을 때가 오기 훨씬 전에) 식료품 구매 비용을 절감하는 데 도움을 줄 것이다. 

세레스 이미징은 구식 기술과 최첨단 기술을 적절하게 조합한다. 인공위성이나 드론 영상 대신에 고해상도 카메라를 장착한 비행기를 날려 보내 데이터를 수집한다. 그리고 해당 데이터를 다양한 모델에 입력해 농부에게 중요한 정보를 제공한다. 

예를 들면 관개 관련 문제를 현장에서 파악하기 2~3주 전에 발견하고, 급수가 과하거나 부족한 문제를 해결하도록 지원하며, 이것이 수확량에 어떤 영향을 미칠지 산정한다.

또한 세레스 이미징은 단순하고 노동집약적인 농작업의 부담을 덜어줄 수 있다. 이를테면 나무 수를 직접 세지 않아도 항공사진으로 이를 파악할 수 있게끔 한다. 또 품종별 개수를 집계하고, 없어졌거나 훼손된 나무의 위치를 정확하게 알려주는 보고서를 제공할 뿐만 아니라 (이를 대체할) 묘목 주문서까지 생성해준다. 

이는 누군가 ‘뉴럴 네트워크’를 언급할 때 즉각 떠오르지 않을 수 있는 분야에서도 AI 기술로 발전이 가능하다는 걸 보여주는 한 사례라고 할 수 있다.

3. 랜딩 AI(Landing AI)
구글 브레인(Google Brain)의 공동 설립자이자 바이두(Baidu)의 전 데이터 과학 책임자였던 앤드류 응이 창업한 ‘랜딩 AI’는 AI를 통한 발전이 이뤄지지 않은 영역에 AI를 적용하고자 한다 

이 회사의 첫 번째 제품 ‘랜딩렌즈(LandingLens)’는 제조업체가 자사의 전문지식을 랜딩 AI의 전문지식과 결합해 지속적으로 개선되는 비주얼 인스펙션 플랫폼을 생성할 수 있는 통합 플랫폼이다. 랜딩 AI는 제조업 외에도 농업과 자동차 업계를 위한 비주얼 인스펙션 시스템도 준비 중이다.

랜딩 AI의 접근법에서 한 가지 흥미로운 측면은 사용자 데이터를 솔루션의 중심에 둔다는 것이다. 입력 데이터 처리는 데이터 과학자의 일 중에서 가장 재미없는 부분일 때가 많다. 하지만 지난 몇 년 동안 자율 감독 솔루션이 크게 발전했음에도 불구하고 입력 데이터는 애플리케이션에 가장 큰 영향을 미칠 수 있는 부분이다. 

즉 모델이 얼마나 멋진지는 중요하지 않다. 아무리 모델이 좋아도 쓰레기를 넣으면 쓰레기가 나오기 마련이다. 따라서 랜딩 AI는 효율적이고 사용하기 쉬운 라벨링 시스템에 초점을 맞춰 데이터를 지속적으로 수집하고, 모델을 손쉽게 재훈련 및 검증할 수 있으며, 추론이 갑자기 왜곡되는 경우 이를 빠르게 알릴 수 있도록 지원하고 있다. 

4. 센티넬(Sentinel)
머지않아 딥페이크(deepfake)를 감지할 수단이 필요해질 전망이다. AI 기술로 실제 인물의 가짜 음성과 영상을 만드는 딥페이킹(deepfaking)은 아직 주류에 진입한 건 아니지만 이러한 미디어를 생성하는 데 필요한 비용과 지식은 매주 줄어들고 있다. 틱톡에 올라온 영락없이 진짜 같은 톰 크루즈 영상이 딥페이크라는 기사를 본 적 있을 것이다. 이보다 훨씬 더 진짜 같은 가짜 톰 크루즈가 앞으로 줄줄이 나올 것이다.

에스토니아에 본사를 둔 ‘센티넬’은 이 분야의 선도기업이 되고자 고군분투 중이다. 이 회사는 업로드된 미디어의 가짜 여부를 판별하기 위해 대조 목적으로 가짜 미디어를 모아둔 방대한 데이터베이스뿐만 아니라 다양한 딥러닝 접근법을 활용하는 API를 제공하고 있다. 센티넬 시스템은 가짜로 판별되는 결과가 나올 경우 어떤 작업을 통해 가짜가 생성됐는지 알려주는 보고서도 제공한다. 

5. 스탠다드(Standard)
‘스탠다드’는 미국의 몇몇 주요 도시에 있는 아마존 고(Amazon Go) 매장과 마찬가지로 계산을 위해 줄을 설 필요가 없는 오프라인 매장 경험을 제공한다. 

매장에 들어가면서 모바일 앱으로 체크인하고 원하는 상품을 고른 다음 그냥 나가면 된다. 고객이 들고 나가는 모든 상품은 스탠다드의 컴퓨터 비전 기술로 추적되고, 비용은 해당 고객의 계좌로 청구된다.

스탠다드는 이를 어떤 소매업체에서든 볼 수 있는 기술로 만들고자 한다. 해당 기술을 소매업체의 공급망과 연결해 상세한 애널리틱스는 물론 더없이 매끄러운 체크아웃 경험을 제공하려는 것이다. 

현재 스탠다드는 미국 샌프란시스코에 플래그십 스토어를 두고 있으며, 美 편의점 체인 써클 K(Circle K)와 계약을 맺고 애리조나주에 자율 체크아웃 기술로 재단장한 4개 매장을 실험 운영하기로 했다. 일이 잘 풀린다면 스탠다드의 쇼핑 AI가 미국 전역에 빠르게 확산되는 모습을 볼 수 있을 전망이다. 

다음은 어디?
이번에 간단하게 살펴본 몇몇 스타트업에서 확인할 수 있는 건 컴퓨터 비전, 자연어 처리 및 다른 딥러닝 접근법 등의 최첨단 기술을 응용할 수 있는 버티컬 영역이 방대하며 과소평가돼 있다는 점이다. 

뉴럴 네트워크는 매일 매시간 점점 더 많은 것을 배우고 있다. 이는 이미 휴대전화에 들어 있고, 이젠 매장과 자동차, 공급망, 공장으로 오고 있다. 2030년이 될 때쯤이면 뉴럴 네트워크가 어디에 있을지 누가 알겠는가?
 
ciokr@idg.co.kr
 

X