먼저 이미지 인식 AI가 뭔지 알려줄게. 이미지 인식 AI는 생각보다 다양한 곳에서 찾을 수 있어. 센서로 볼 수 있는 모든 정보는 AI로 학습할 수 있거든. 첨단 AI 기술 전시장에서 몇 가지 사례를 소개할게!

운전자 대신하는 자율주행차의 눈

2021년부터 운전자의 개입 없이 스스로 위험을 인식해 운전하는 3단계 자율주행차가 많이 나올 예정이야. 2020년 11월, 세계 최초로 안전 인증을 받은 3단계 자율주행차를 대량 생산하겠다고 발표한 일본의 자동차 회사 혼다에 이어 미국의 테슬라, 우리나라의 현대자동차그룹 등이 개발에 나서고 있지. 특히 자동차 스스로 주변 물체를 인식하고 위험 상황에 대처하려면 이미지 인식 AI가 필수야. 이미 우리나라에서는 지난해 7월부터 자율주행 3단계 출시를 허용했으니, 조만간 이미지 인식 AI가 장착된 3단계 자율주행차를 길거리에서 볼 수 있게 되겠지?

범죄 막는 이미지 인식 AI

더욱 효과적으로 범죄를 예방하고 수사하기 위해서도 이미지 인식 AI가 쓰여. 얼굴 사진을 비교해 얼마나 유사한지 점수를 매기는 안면인식 AI를 이용해 범죄 용의자를 식별하는 정확도를 높일 수 있지. 그리고 지능형 CCTV로 특정 인물을 추적해 범죄 패턴과 범죄자를 찾아내기도 해. 얼마 전 크게 화제가 됐던 ‘정인이 사건’ 같은 아동학대 사건도, 학대 당한 아이들의 사진을 분석해 얼마나 위험한지 ‘학대 위험 점수’를 매기고, 빠르게 대응하는 데 활용할 수 있어.

의사가 놓치는 부분 잡아낸다

질병은 조기 진단이 중요해. 통계청에 따르면 말기 생존율이 약 6%인 폐암은 조기에 발견할 수만 있다면 생존율이 약 64%까지 올라가지. 하지만 X선 검사 결과에서 폐암을 진단하는 건 무척 어려워. 폐암의 흔적이 매우 작거나 주변의 다른 장기 때문에 잘 보이지 않기 때문이야. 그래서 의사가 놓칠 수 있는 부분을 이미지 인식 AI가 나서서 대신 발견하고, 보다 정확하게 진단할 수 있도록 도움을 주고 있어.

이미지 분류하는 마법
이미지 필터링

어때? 너희들이 생각하는 것보다 훨씬 다양한 분야에서 이미지 인식 AI를 활용하지? 그럼 이번엔
내가 어떻게 이미지를 인식하는지 설명할게.
나는 모두 처음 보는 것들이지만 너희들은 익숙할 물체들로 한번 살펴볼게!

여기 사람들이 과일과 채소라고 부르는 물체들이 있습니다. 이 중에서 원하는 물체만 골라내려면 어떻게 해야 할까요? 다양한 방법이 있겠지만, 그 물체의 특성을 생각해보고 차례대로 솎아내는 방법을 사용할 수 있어요. 예를 들어 딸기만 골라내려고 한다면, 일단 빨간색이 주를 이루면서 전체적인 모양은 둥글지 않고 약간 각진 것을 골라내야 하죠. 그리고 표면의 모양이나 매끄러운 정도 등 조금 더 세세한 특징을 떠올린다면, 이 특징을 이용해서 수많은 과일과 채소 사이에서도 단번에 딸기를 찾을 수 있습니다.

AI가 다양한 물체의 이미지를 인식하는 과정도 똑같습니다. 일단 수많은 물체가 찍힌 사진에서 물체의 위치를 파악한 뒤에, 찾고자 하는 대상의 대략적인 특징을 이용해 어떤 물체가 있는지 알아냅니다. 이렇게 이미지에 있는 물체를 인식하는 과정을 ‘이미지 인식’이라고 합니다.

이미지나 영상에서 특정 물체를 찾아 인식하는 알고리듬은 여러 가지가 있습니다. 주로 기계학습 기술을 이용해 이미지에서 물체의 패턴을 찾아 인식하죠.

딥러닝이 등장하기 전, 기계학습 분야에서는 수많은 데이터를 학습해 경험적으로 패턴을 찾아 이미지를 인식했습니다. 예를 들어 사과와 딸기 이미지를 학습하면 사과는 전체가 둥근 가장자리를, 딸기는 일부분이 둥글면서 각진 가장자리를 가진다는 정보를 추출합니다.

가장자리 모양에 대한 정보를 이용해 사과와 딸기를 다르게 인식하는 거죠. 이 방식은 물체를 구별할 때 어떤 특징으로 비교하는 것이 가장 효율적인지를 알고 있을 때 사용할 수 있습니다.

기계학습 중에서도 비교적 최근 등장한 ‘딥 인공신경망’을 사용하는 딥러닝 기술은 이미지를 학습해 물체 각각의 특징을 자동으로 학습합니다. 예를 들어 사과와 딸기를 구분할 수 있는 색이나 모양, 표면의 무늬, 가장자리 등을 모두 학습해 인식하는 겁니다. 편리하고 정확도가 높다는 장점이 있지만, 기존의 기계학습을 이용한 이미지 인식 기술보다는 매우 많은 이미지 데이터가 필요하다는 단점이 있습니다.

딥러닝 방식으로 이미지를 인식하는 방법 중에 가장 많이 쓰이는 것은 ‘합성곱신경망(Convolutional Neural Network, CNN)’으로, AI를 이용한 이미지 인식에 큰 전환점이 됐다는 평가를 받습니다. 합성곱신경망은 이미지의 색이나 가장자리, 꺾이는 각도 등의 정보를 행렬 형태로 인식해 특징을 추출하고, 이를 이용해 이미지를 인식하는 방법입니다.

여기에 방대한 이미지 빅데이터를 학습할 수 있게 되면서 합성곱신경망을 기반으로 한 이미지 인식 AI가 사람들의 시각 능력을 뛰어넘는 수준에 이르렀습니다.