MS, AI 기반 혁신 사례 소개

동작 분석·생체 인식·생물 인식·장비 점검 등에 활용돼 생산성 높여

인공지능(AI) 기반 이미지 분석이 동작 분석, 생체 인증, 생물 인식, 장비 점검 등에 활용돼 생산성을 높이고 있다.

한국마이크로소프트(MS)는 이같은 AI 기반 혁신 사례를 22일 소개했다.

■야구선수 동작 분석 시간 4시간→30분

일본프로야구(NPB)는 클라우드 기반 콘텐츠 이미지 센터를 운영하고 있다. 후지필름 이미지 웍스는 MS AI 기술을 적용해 많은 양의 사진 선별 작업 시간을 줄였다. 한 경기 당 약 3천장의 사진이 촬영된다.

각 구단 큐레이터는 그 중 300여장을 추려 선수 별로 나누는데 평균 4시간이 걸렸다. 반면 새 시스템을 활용해 이를 약 30분으로 단축했다. 기울어져 있거나 얼굴이 보이지 않을 때도 선수를 알아볼 수 있고, 이미지를 타격, 투구, 수비, 주루 4가지 유형으로 자동 구분할 수 있다.

■ATM-클라우드 생체 정보 시스템 연동

ATM에서 카드 없이 얼굴 인식과 비밀번호로만 현금을 찾을 수 있는 서비스도 국립 호주은행과 시범 운영 중이다. 클라우드 기반의 해당 어플리케이션은 애저 코그니티브 서비스를 이용해 개발됐다. 이 ATM 시스템은 이용자의 얼굴이 아닌 생체 정보를 클라우드로 저장한다.

국립 호주은행은 주요 업무를 클라우드로 이전 중이다. 직원 대상 클라우드 교육에도 힘을 쏟고 있다. 클라우드 길드 개발 프로그램을 확장, 프로그램 출시 후 3천여명의 직원이 교육을 수료했다.

■수중 이미지 분석...15종 어류 인식

호주 북부에 위치한 노던 테리토리의 어류 학자들은 어업 활성화와 멸종 위기 어종 보호를 위해 다윈 항 해안의 어종을 연구하고 있다. 주변에 악어나 상어와 같은 포식자가 많아 원격 수중 비디오 조사 방식을 사용했다. 그러나 탁하고 어두운 물속에서 어종을 파악하기에는 어려움이 있는 방식이다.

MS는 어류학자 팀과 함께 AI 기술을 활용, 수중 이미지 속 어류를 식별하기 위해 수천 장의 이미지를 분석했다. 어종마다 특유의 모양, 서식하는 물의 깊이, 이동 패턴 등을 3개월 가량 분석한 결과 15종의 어류를 분류할 수 있게 됐다. 번식을 위해 관리가 필요한 흑민어나 황금 도미도 포함됐다.

■발전소 터빈 점검 위험도·소요 시간 ↓

풍력 발전소에선 여러 명의 기술자가 밧줄과 벨트에 의지한 채 100m 높이 풍력 터빈에 매달려 맨눈으로 터빈을 점검한다. 위험성이 크고 시간도 많이 소요되는 방식이다. 발전소에 따라 수백 개의 터빈이 있다. 터빈 하나를 점검하는 데 최소 6시간이 걸린다.

상하이와 시애틀에 본사를 두고 있는 스타트업 클로보틱스는 자동주행이 가능하고 높은 정확성의 시각적 인지 능력을 갖춘 드론을 사용해 결함을 파악한다.

드론의 자동 제어 시스템은 풍력 터빈의 날 위치와 길이를 측정한다. 드론에 내장된 컴퓨터는 클로보틱스의 컴퓨터 비전과 AI, 데이터 분석 소프트웨어를 가동한다.

이 비전 시스템은 3mm 정도의 틈도 찾아낸다. 터빈 날개 위에 앉아 있는 파리 한 마리의 날개와 다리까지 분명하게 보일 정도로 포착해낸다. 촬영된 이미지들은 MS 클라우드 플랫폼 '애저'로 전송돼 처리된다.

이전 점검 작업은 5명의 인력이 6시간 동안 위험을 무릅쓰고 작업을 했던 반면, 드론 하나로 25분 만에 모든 절차를 완료할 수 있게 됐다. AI 기술로 결과를 8배 빠르게 보고하고, 각 터빈 날개마다 유지보수와 점검 작업 내역을 기록할 수 있다.

■의류 트렌드 분석...'가상 스타일리스트' 개발

로레알은 MS AI 기술을 도입하면서 신제품 개발 기간을 18개월에서 6개월로 단축했다. AI 비전 기능을 활용해 제조 공정을 디지털 시스템으로 전환한 것.

결과적으로 제품별 수동으로 적용됐던 장비 모듈을 자동으로 변경할 수 있게 됐다. AI 알고리즘, 머신러닝과 데이터를 활용해 소셜 미디어나 날씨 등에서 수집한 데이터로 소비자 요구를 예측한다.

로레알은 이미지 인식을 활용해 소비자가 원하는 제품을 추천해주는 AI 기반 가상 스타일리스트도 개발하고 있다.