AI 개요

AI란?

AI 종류

Reactive AI (반응형 AI): 과거의 상호 작용, 응답 또는 결과를 참조하지 않고 좁은 매개 변수 내에서 기능을 수행

1. 반응형 AI를 훈련시키는 데 사용되는 데이터는 알고리즘의 지식의 유일한 원천이기 때문에 매우 중요
2. 제한적임에도 불구하고 반응형 AI는 고성능의 처리 속도 덕분에 특정 작업에서 인간을 능가할 수 있습
3. 이메일 자동 스팸 필터, 금융 분야의 신용 점수 매기기 메커니즘, 간단한 온라인 쇼핑몰 제품 추천 등 패턴 인식을 기반으로 한 간단한 의사 결정을 위해 많은 일상 업무가 반응형 AI에 의존

Limited memory AI (제한된 메모리 AI): 저장된 데이터를 사용하여 현재 행동을 알리므로 반응형 AI보다 성능이 더 정교

1. 입력 시퀀스를 처리하고 그에 따라 반응 할 수 있음
2. 상호 작용의 결과를 새로운 훈련 데이터로 사용하여 시간이 지남에 따라 ‘학습’하고 행동을 다듬을 수 있음
3. 과거의 상호 작용 데이터를 사용하여 현재 웹사이트 방문자 또는 앱 사용자가 무엇을 원하는지 또는 다음에 무엇을 보길 원하는지 예측함으로써 디지털 경험을 향상시킴
4. 실시간으로 상황에 맞는 적절한 동적 컨텐츠를 선택해 몰랐던 제품을 추천하거나 고객 서비스 질문에 대한 올바른 챗봇 응답을 생성
5. 자율 주행 차량은 제한된 메모리 AI의 최첨단 기술을 테스트
   1. 센서로부터의 데이터를 처리하고 신호등이나 버스와 같은 물체를 인식하도록 훈련
   2. 보행자가 횡단보도에 들어서면 자동차는 제한된 메모리 AI를 사용하여 감지하고 반응하여 브레이크를 작동
6. 간단한 작업을 수행하기 위해 제한된 메모리 AI를 훈련시키는 데는 여전히 방대한 양의 데이터가 필요
   1. 차량 자체에 결과를 피드백할 때 그 지식은 확장
   2. 데이터 세트는 성장하지만 처리 메커니즘은 인간이 다시 프로그래밍하지 않는 한 동일하게 유지
   3. 그렇기 때문에 샌프란시스코의 상시 껴있는 안개나 트래픽 콘으로 무장한 시위대와 같이 겉보기에는 사소하지만 예상치 못한 장애물에 맞닥뜨렸을 때 자율주행 자동차가 혼란

자율주행 AI 시장 전망

생성형 AI와 LLM

1. LLM vs 생성 AI 차이점 비교   

   구분	대형 언어 모델(LLM)	생성 AI
   주요 기능	상황에 따라 인간과 유사한 텍스트를 이해하고 생성합니다.	텍스트, 이미지, 음악 등 다양한 영역에 걸쳐 새로운 콘텐츠를 제작합니다.
   모델 크기	엄청난 규모이며 종종 수백만 또는 수십억 개의 매개변수가 포함됩니다.	변수는 작은 모델부터 더 크고 복잡한 모델까지 다양합니다.
   상황 인식	높음 , 맥락을 이해하고 유지하는 데 탁월합니다.	특정 알고리즘 및 학습 데이터에 따라 다릅니다.
   다재	주로 글쓰기, 번역, 대화 등 언어 관련 업무에 중점을 둡니다.	언어를 넘어 미술, 음악 등 다양한 형태의 콘텐츠를 제작합니다.
   훈련 데이터	광범위한 언어 패턴을 포착하여 대규모 데이터 세트에 대한 교육을 받았습니다.	다양한 데이터 세트에서 학습하여 창의적이고 예상치 못한 결과를 얻을 수 있습니다.
   일상적인 애플리케이션	가상 비서, 챗봇, 예측 텍스트 기능을 강화합니다.	예술 창작, 콘텐츠 제작, 심지어 음악 작곡에서도 볼 수 있습니다.
   윤리적 우려	훈련 데이터에 존재하는 편향을 영속시킬 수 있습니다. 오용 가능성.	창작 분야의 소유권, 저작권, 윤리적 사용에 대한 질문을 제기합니다.
   향후 개발	더욱 스마트한 가상 비서와 콘텐츠 제작의 발전을 제공하기 위해 진화하고 있습니다.	창의성의 경계를 넓혀 공동 작업과 새로운 예술 형식을 이끌어냅니다.
   도전과제	편견, 잠재적인 잘못된 정보 및 윤리적 고려 사항과 관련된 문제에 직면합니다.	소유권, 저작권, 진정한 예술의 정의와 관련된 문제에 직면합니다.

2. LLM모델
   1. HyperCLOVA X(네이버): 큰 생태계를 만들어서 서비스 운영 
      1. 한국어 최적화: 한국어 데이터셋을 기반으로 한 한국어에 특화된 언어 모델
      2. 대규모 데이터: 2천억 개 이상의 한국어 텍스트 데이터를 학습하여 한국어 이해 및 생성 능력이 뛰어남
      3. 다목적 사용: 검색, 추천, 챗봇, 문서 요약 등 다양한 애플리케이션에 사용 가능.
      4. 활용 예: 네이버의 검색엔진, 파파고 번역 서비스, 클로바 AI 등에서 활용.
   2. VARCO concept(NC 소프트): 컨텐츠 버티컬에 특화
      1. 문맥 최적화: 문장의 문맥을 이해하고 적절한 응답을 생성하는 데 중점을 둔 모델.
      2. 적응형 학습: 사용자의 피드백과 상호작용을 통해 지속적으로 학습하고 개선됨.
      3. 다양한 응용 분야: 자연어 처리, 번역, 요약, 감정 분석 등 여러 분야에 적용 가능.
   3. 텔코 LLM(SKT): 통신 영역에 대한 이해도가 높아 AI 콜센터(AICC) 등 다양한 통신산업과 서비스 영역을 AI로 전환하는 데 용이
      1. 통신 특화: 통신 산업에 특화된 언어 모델로, 통신 데이터 및 사용자 패턴 분석에 최적화.
      2. 실시간 분석: 실시간으로 통신 데이터를 분석하고 최적의 서비스 제공.
      3. 서비스 개선: 고객 지원 자동화, 네트워크 최적화, 사용자 경험 개선 등 다양한 분야에서 활용.
      4. 활용 예: 통신사 고객 서비스, 네트워크 관리, 데이터 분석 등.
   4. 주요 LLM 모델
      1. Chat GPT(Open AI)
         1. GPTs: Chat GPT에 간단한 명령이나 문서 학습을 시킨 뒤 특정한 용도로 사용할 수 있게끔 만든 챗봇이자 애플리케이션 
         2. 랭체인(LangChain): LLM과 외부 도구를 마치 사슬처럼 연결해 애플리케이션 개발을 쉽게 할 수 있도록 도와주는 오픈 소스 프레임워크
         3. GPT는 GPTs와 같은 생태계 구축에 보다 집중
         4. 사용자 친화적 인터페이스: 사용자와의 상호작용을 통해 피드백을 받고 지속적으로 학습
      2. Gemini(구글)
         1. Gemini Nano를 통해 온디바이스 AI 시장 선점에 집중
         2. Google 생태계 통합: Google 서비스(검색, Gmail, Google Docs 등)와의 통합이 용이
         3. 실시간 정보: Google 검색 엔진과의 연계를 통해 최신 정보를 실시간으로 제공
      3. Claude3(앤스로픽)
         1. 벡엔드 LLM 성능에 보다 더 집중
         2. 안전성 강조: 사용자 상호작용에서 안전성과 윤리성을 최우선으로 고려
         3. 윤리적 AI: AI의 안전성과 윤리적 사용을 중요시하며, 유해한 콘텐츠 생성을 방지.
         4. 강화 학습 적용: 인간 피드백 기반의 강화 학습을 통해 보다 정확하고 신뢰성 있는 응답을 제공.
      4. Titan(아마존)
         1. 대규모 데이터 학습: 타이탄은 수많은 텍스트 데이터를 학습하여 자연어 이해와 생성 능력이 뛰어남
         2. 다양한 언어 지원: 여러 언어를 지원하며, 다국어 텍스트 처리에 유용
         3. 높은 성능: 복잡한 자연어 처리 작업에서도 뛰어난 성능을 발휘하여 정확하고 유용한 결과를 제공
         4. 확장성: AWS의 인프라를 기반으로 하여 대규모 애플리케이션에 쉽게 통합하고 확장
3. 버티컬 AI VS 풀스택 AI
   1. 버티컬 AI: 특정 산업 또는 응용 분야에 맞게 특별히 설계되고 최적화된 인공지능 기술의 사용을 의미
      
      1. 규모는 작더라도 산업별 데이터를 학습시킨 LLM을 만들어 목적에 맞게 사용가능한 AI
      2. 비용대비 성능이 좋음. 게임, 금윰, 교육, 법률 등 각 도메인에 특화된 LLM들은 계속해서 생겨날 예정
      3. 특정 산업 영역에서 AI 기술의 사용에 초점을 맞춤
      4. 갤럭시(삼성전자): 버티컬 AI가 적용된 예. 수면 중 건강 데이터 측정을 위한 AI 웨어러블로 사용자의 수면 패턴, 심박수, 호흡 등의 데이터를 실시간으로 분석하여 건강 상태를 평가
   2. 풀스택 AI: 데이터 수집 및 전처리에서 모델 개발 및 배치에 이르기까지 AI 애플리케이션 스택의 모든 단계를 포괄하는 완전한 End-to-End AI 애플리케이션 개발을 의미
      1. 개발자들이 특정 조직이나 산업의 요구에 맞는 맞춤형 AI 솔루션을 구축할 수 있게 함
      2. AI 애플리케이션 개발에 초점을 맞춤 
   3. 버티컬 AI ≒ 풀스택 AI 로서 혼용해서 많이 사용됨
4. sLLM(Smaller Large Laungauge Model): LLM모델을 경량화하고 최적화 시켜 활용성을 높인 인공지능 모델(버티컬 AI)
   1. 챗 GPT에서 제공하는 기능을 활용하여 챗 GPT를 연동해 새로운 생성형 AI 서비스 제작
   2. 오픈소스 LLM을 기반으로 버티컬 AI 서비스 제작
5. 인공지능과 딥러닝
   1. 인공지능과 딥러닝 기술을 활용한 진단 모델의 개발 과정: 학습 데이터 수집, 데이터 라벨링, 특징 추출(Feature Extraction), 모델 구조 설계, 모델 학습, 모델 성능 검증의 과정을 거침
   2. 인공지능 모델의 성능은 특징 추출을 위해 사용한 알고리즘, 모델 구조의 선택과 복잡성, 학습 알고리즘의 구성에 의해 결정

버티컬 AI가 뜬다…드러나는 AI 기술 협력과 새로운 흐름[MWC24]

 

음성 AI (AI 비서)

1. 멀티모달AI: 단순히 텍스트뿐만 아니라 음성 및 이미지 데이터를 동시에 이해하고 생성할 수 있는 AI
2. 알렉사(아마존): 주로 아마존의 스마트스피커 제품을 통해 제공되는 멀티모달 AI
   
   1. 다른 음성 AI와 비슷하게 사람의 음성을 인식하고 알람을 설정해주거나 날씨를 알려주는 기능 등이 존재
      
   2. 복잡한 요청을 알아듣지 못하거나 간단한 명령 외에 실행할 수 있는 기능이 많지 않아 제약이 컸고, 2022년 오픈AI가 챗GPT 출시한 뒤에는 개발이 중단
      
   3. 기존 알렉사에 자체 개발한 대형언어모델(LLM) ‘타이탄(Titan)’을 기반으로 한 생성 AI를 탑재해 재출시한다는 계획을 세운 것
3. Chat GPT-4o(Open AI) : 주로 텍스트를 기반으로 대화할 수 있었던 기존 모델과 달리 이용자와 실시간 음성 대화를 통해 질문하고 답변을 요청할 수 있는 업그레이드 된 멀티모달 AI
   1. o’는 ‘omni’를 의미하며, 이는 다양한 입력과 출력을 통합적으로 처리할 수 있음을 나타냄
   2. 사람과의 상호작용을 훨씬 더 자연스럽게 만들기 위해 설계됨
   3. 단일 모델 통합: 텍스트, 음성, 이미지 데이터를 단일 모델로 통합하여 처리하여 입력 및 출력 간의 정보 손실을 최소화하고, 더 자연스럽고 일관된 상호작용을 가능: 이전에는 음성 모드를 사용하기 위해 여러 모델이 연계되어야 했지만, ‘GPT-4o’는 단일 모델로 모든 작업을 처리
   4. 대답 중에 끼어들어도 대화를 계속 이어가는 능력을 갖추고 있어 인간을 뛰어넘는 범용인공지능(AGI) 개발에 한 발 더 다가간 모델이라는 평가 존재
4.  아스트라(구글):구글의 생성형 AI '제미나이(Gemini)'의 최신 버전으로 구동되는 멀티모달 AI
   1. 구글의 생성형 AI '제미나이(Gemini)'의 최신 버전으로 구동
      
   2. 스마트폰 카메라를 통해 보이는 사물 등을 분석해 음성 명령에 응답
   3. 순다르 피차이 구글 최고경영자(CEO)는 2024년부터 제미나이 앱과 자사 제품 전반에 걸쳐 '아스트라'의 기능을 추가하고, 품질을 중심으로 제품화를 추진
   4. 미국 내 모든 이용자에게 완전히 개편된 경험인 'AI 개요'를 선보임
   5. AI 개요: 제미나이를 이용해 검색 결과를 빠르게 요약하고 관련 링크를 제공받을 수 있는 기능, 이용자들은 대화 형태로 검색이 가능하며 사진과 동영상으로도도 검색이 가능. 검색 엔진에 생성형 AI를 탑재

 

 

AI 음성인식 플랫폼 알렉사에 멀티 모달 기술 적용하는 방법 - 인공지능신문

 

SDV속 AI의 적용

1. 메르세데스 벤츠: 국내 스타트업 파이퀀트와 함께 차량 내 음주 측정기를 개발 중
   1. DADSS(The Driver Alcohol Detection System for Safety): 안전을 위한 운전자 음주 감지 시스템
      1. 미국 정부가 모든 신차에 음주 운전 자동 방지 장치 설치를 의무화하는 방안을 추진
      2. 글로벌 자동차 제조업체와 미 도로교통안전국(NHTSA)가 협업하는 연구 프로젝트인 DADSS은 차량과 음주 운전 방지 장치가 완전히 일체화해 운전자의 의도적인 조작을 방지할 수 있는 기술을 개발
         1. 감지기술 3가지
            1. 음주 측정 장치에 숨을 불어넣는 방식으로 음주 여부를 확인하는 방식(이미 개발됨): 1번 방식이 술을 마시지 않은 제3자의 '대리 측정'이나 장치 조작·훼손 등으로 시스템의 통제를 피할 수 있는 가능성 존재
            2. 운전자의 피부조직에서 알코올을 측정하는 접촉 방식(개발 중) 
            3. 운전자의 눈동자 움직임을 통해 음주 여부를 가려내는 방식(개발 중)
   2. 벤츠의 경우 2번 방법을 채택함
   3. 원리: 피부에 적외선을 비추면 빛이 조직 안으로 침투했다가 일부가 표면으로 다시 반사
   4. 운전자가 벤츠 차량에 설치된 클립 형태에 손가락을 끼우면 피부를 자동으로 스캔해 음주 여부가 측정, 술을 마셨으면 ‘운전하지 마세요’란 경고 문구가 뜸.
   5. 손가락 혈액 내 음주와 관련된 성분을 측정해 음주 여부를 감별하는 원리. 센서의 Big Data를 활용한 AI 기술을 적용함. 지난해 시제품도 출시
2. 카메라 모션인식: 차량 내부를 감지하는 카메라가 현재 운전자의 상태를 파악
   1. 미국 전기차 업체 테슬라: 시속 65㎞ 이상으로 달리는 차량에서 운전자의 하품 및 눈 깜박임 횟수를 센서를 통해 수집, 이를 AI가 분석해 졸음 경고를 보내는 기능을 차량에 적용
   2. 인포테인먼트는 자동차의 여러 영역 중 AI 침투가 가장 빠른 부문: 전장(전기장치) 부품을 AI가 통제하기 시작하면서 사용자 편의를 극대화하는 장치나 기술이 개발
      1. 현대모비스
         1. 최근 탑승객의 동작을 감지해 차량 내부를 바꿔주는 내용의 특허를 출원
            1.  탑승자가 화장품을 꺼내면 손에 든 물체를 분석한 후 ‘화장 중’이라고 판단해 음악이 잔잔하게 흐르면서 화장에 적합한 조명으로 바뀌는 식, 탑승자가 필기를 하려 펜을 쥐면 좀 더 밝은 조명으로 바뀜
         2. LG전자
            1. 지난 1월 세계 최대 IT 쇼인 CES에서 탑승객의 컨디션과 상황에 맞춰 집처럼 휴식을 취하거나 업무 공간으로 변하는 콘셉트카 ‘알파블’을 공개
               1. 가전제품에 자신이 있는 LG전자의 장점을 자동차에 녹여 낼수 있게 미래의 자동차 알파블을 소개
               2. 샤오미나 화웨이처럼 차를 파는게 아니라 전장시스템을 솔루션으로 공급하겠다는 전략 
             
       

 

1. 음성 인식 기술: 음성 비서는 단순히 날씨나 목적지를 묻고 답하는 것에서 벗어나 대화의 주제나 상황에 맞게 목적지를 추천
   1. 현대차: 아마존의 인공지능 비서인 알렉사를 차량에 탑재
   2. 폴크스바겐: 음성 인식 기술 회사인 세렌스와 손잡고 자사 차량에 챗GPT 적용을 준비 중. 시리, 알렉사 또는 구글 어시스턴트와 동일한 고품질 음성 인식 기능을 자동차에 내장하고, 모델, 위치트에 맞게 시스템을 미세 조정
   3. BMW: 알렉사 대규모 언어 모델(LLM) 기반의 생성형 AI를 탑재한 ‘BMW 지능형 개인 비서’를 선보이고 음성만으로 차량을 제어할 수 있는 기능을 개발 중
   4. 일본 혼다와 소니: 마이크로소프트와 함께 AI 기반 음성 서비스를 개발해, 2026년 출시 예정인 전기차 아필라에    탑재할 예정
2. AR 혹은 VR 기술 접목
   1. MBUX 버츄얼 어시스턴트 (메르세데스 벤츠)
      1. 공감형 대응 기능을 갖춘 이 AI 기반 기능은 인간과 차량의 상호작용
      2. 이 시스템을 작동시키는 새로운 MB.OS 아키텍처는 3D 그래픽을 향상시킬 뿐만 아니라 차량 내 앱의 범위를 확장
      3. 주행 역학에 적응하는 역동적인 차내 음악 경험을 제공하는 MBUX 사운드 드라이브를 준비 

상상이 곧 현실로…‘AI 자동차’ 시대 눈앞에

1. AI 실시간 상호작용
   1. LINGO-1(Wayve): 실제 경험으로부터 직관적으로 배울 뿐만 아니라 탑승자에게 어떤 행동을 했는지 전달하여 신뢰와 안전을 향상. 웨이브의 링고-1은 실시간으로 자율주행 중의 판단을 설명하여 자율 주행 시스템에 대한 대중의 불신을 해결하는 데 도움
   2. 고객의 라이프 스타일 및 습관 대화 등을 통해 AI가 승객의 편의성을 증대하기 위한 액션을 취함
      1. 운동을 하여 더워하는 운전자 및 승객을 위해 자동차가 미리 에어컨을 작동시켜 편의성을 증대
      2. 평소 사용자의 식습관과 음식 취향 등을 파악하여 사용자가 배고파 하는 것을 대화나 행동, 생활패턴 등을 활용하여 파악하고 미리 음식을 주문해놓을지를 물어봄 
    

 

 

차량 제어와 고장 진단: 기계 및 전기•전자 기술과 인공지능을 융합한 응용 분야.

1. 빅데이터 수집과 분석이 중요, 안전과 직결되는 차량의 고장진단 분야에서는 인공지능을 활용한 고장 상태 진단 및 고장 예측과 같은 고도화된 기술 개발이 반드시 필요
2. 단위 시스템의 기계적 혹은 전기적 결함이 발생하면 비정상적인 신호를 출력. 그 신호들 중 대표적인 신호인 소음과 진동을 가지고 고장 진단.
3. RANC(Road-noise Active Noise Control)
   1. 기존의 소음제어 기술 - 수동형 소음 제어(Passive Noise Control) 기술
      1. 엔진소음을 막기 위해 후드 안쪽, 그리고 엔진룸과 실내 사이의 격벽에 흡음재와 차음재를 더하는 것, 흡차음재는 노면소음을 막기 위해 차체 바닥에 적용
      2. 차체를 구성하는 금속과 금속이 만나는 부분에 부드럽고 탄성 있는 재질의 충격흡수제를 더해 진동을 줄이 기술
      3. 차체가 강하면 진동에 의한 떨림이 적고 소음 억제로 이어질 수 있기 때문에 차체 강성을 강화하는 기술
      4. 풍절음을 막기 위해 앞 유리와 옆 유리를 이중접합 방식으로 소음을 줄이는 기술
      5. 부품을 많이 사용할수록 정숙성이 좋아지지만 동시에 무게도 늘어남 → 차의 중량과 비용 상승으로 인한 연비 저하 및 원가 상승의 단점
   2. ANC(Active Noise Control) - 능동형 소음 저감 기술 : 엔진소음 등 예측 가능한 범위 내의 소리에 대해서만 외부에 장착된 마이크를 통해 측정된 파형을 정확히 뒤집어 상쇄시킴, 특정 주파수의 소음만 대응이 가능한 기술이기 때문에 다양한 영역대에서 발생하는 노면소음을 잡을 수는 없음.
   3. 노면소음이 승객에게 닿기까지는 약 0.009초, RANC가 진동과 소음을 파악해서 제어음을 만드는 데에는 불과 0.002초로 음속보다 빠른 제어를 통해 승객이 노면소음을 듣기 전에 이를 상쇄시킴 
4.  AI 자동차 고장진단 시스템(현대·기아차)
   
   1. 차량에 장착된 진동 감지 센서를 활용해 운전 중 엔진에서 발생하는 진동 신호를 계속 감시
      1. 이들 신호 중 엔진 이상으로 인한 진동이 감지되면, 전자제어장치(ECU)가 엔진 경고등을 점등하거나 차량의 출력을 제한하는 안전주행 모드로 진입시켜 운전자에게 미리 알려주고 신속히 정비 받도록 도움
         
      2. KSDS(Knock Sensor Detection System): 엔진의 진동을 감지해 차량을 진단, ‘AI 자동차 고장진단 시스템’ 프로젝트의 첫 번째 양산 기술
         
5. ENAS(Efficient Neural Architecture Search) 기반 AI 진단 모델 자동화 기법
   1. 결함으로 인한 소음과 진동을 감지하더라도 정확하게 어떤 단위 시스템에서 문제가 생겼는지 확인하는 것은 숙련된 정비사 조차도 정확한 진단을 내리기 어려움. 
   2. 이와 같은 진단 분야에 인공지능,딥러닝을 활용한 고도화된 진단 기술을 적용하여 진단 정확도(Accuracy)를 향상시키기 위함
   3. 소음, 진동, CAN 데이터를 이용한 소음 발생 위치 및 상태 진단을 개발하고, 서비스 부문에 적용을 진행한 경험을 바탕으로 인공지능에 대한 전문지식이 없는 개발 담당자가 빠르고, 손쉽게 진단 모델을 개발하는 방법에 대해 연구를 진행
6. 빅데이터를 활용한 급가속 억제 기능(도요타)
   1. 차량 앞부분에 벽이나 차량을 탐지하는 센서를 장착해서 가속페달을 잘못 사용할 때에 가속을 억제했던 이전 기능에서 한걸음 더 나아감
   2. 앞에 장애물이 없을 때 비정상적인 급가속을 방지할 수 있는 기능
   3. 사용자들의 잘못된 사용 사례를 빅데이터로 모아서 분석한 후에 이를 바탕으로 급가속을 방지
   4. 가속 페달, 브레이크 정보와 사고 사례를 분석하고 인공지능 학습을 통해서 사고를 방지
   5. 갈수록 고령층 사고가 잦아지는 상황에서 사고 방지에 유용할 것

현대의 RANC 작동 원리

 

한국도 도입해야.. 고령운전자 천국 일본, '이 사양'으로 사고 막는다

현대자동차의 소음/진동 기반 인공지능 진단 기술 개발