인간 대뇌 시각계는 망막에 투영된 모든 정보를 동일하게 처리할 수 없다. 시야 내에서 가장 중요할 것으로 예측되는 물체나 공간 위치를 선택하고, 이를 중점적으로 처리함으로써 실제 환경에 적응한다. 이러한 정보의 취사선택 기능이 주의 선택이다. 최근에는 이 주의 선택은 인공지능 개발에서도 크게 주목받는 기능이다. 생체의 시지각을 실현하는 가장 중요한 기능인 주의 선택은 신경세포(뉴런)의 활동을 기록하는 대뇌생리학적 기법뿐만 아니라, 인간 시지각을 계측하는 심리물리학적 기법 등을 이용해 학제적으로 연구되어 왔다. 또한 주의 선택의 뇌 메커니즘과 특성을 이해하기 위해서는 이들 실험에서 얻은 지식을 통합한 신경회로 모델의 구축과 시뮬레이션이 중요하다. 이러한 신경회로 모델의 응답을 정량적으로 평가하기 위해 자연 이미지에 대한 인간의 시선 데이터가 지표로 활용된다. 최근에는 이들 시선 데이터를 학습 데이터로 활용하는 기계학습적인 기법에 기초한 주의 선택 모델 획득 연구도 활발히 이루어지고 있다. 이 글에서는 시야 이미지에 대한 인간의 주의 선택 특성을 재현하는 계산 모델에 대해 설명한다. 특히 인간의 시지각을 담당하는 대뇌 시각 피질의 신경회로에 기초한 주의 선택 모
세상에는 여러 종류의 다양한 화학제품이 넘쳐나고 있으며, 일상생활에서부터 공업, 농업 등을 널리 지탱하고 있다. 이들 제품은 결코 시험관이나 플라스크에서 만들어지는 것은 아니다. 일정한 품질을 유지하면서 안정적이고 저렴한 비용으로 안전하게 대량 생산하기 위해 화학 플랜트에서 공업 생산되고 있다. 예를 들어, 1913년에 질소와 수소를 원료로 하는 하버-보슈법(Haber-Bosch Process)에 의해 암모니아의 공업 생산이 시작됐다. 화학 플랜트에서 만들어지는 암모니아에 의해 대기 중의 질소가 대량으로 고정화되어 비료가 되는데, 이 생산량은 자연계의 질소 고정량을 웃돈다. 즉, 암모니아의 공업 생산이 없다면 현재와 같은 지구 생태계를 유지하는 것은 도저히 불가능한 상태일 것이다. 이와 같이 화학 플랜트에서 생산되는 화학제품은 비료나 자동차, 가전제품, 의류, 의료품 등에 이용되고 있으며, 우리 생활에 없어서는 안 되는 현재 세계를 지탱하는 중요한 기반이 되고 있다. 화학 플랜트를 적절하게 운전하기 위해서는 플랜트 곳곳에서 유량이나 온도, 압력, 성분 조성 등을 계측하고 감시, 제어하는 것이 필수적이다. 예를 들어 반응기 내에서 적절한 반응이 이루어지게 하기
컴퓨터에 의해 인간의 지능을 실현하려는 AI(인공지능) 연구는 1956년 다트머스 회의(Dartmouth Conference)에서 시작됐다고 한다. 그 후, 인간의 지능 중 중요한 부분을 차지하는 시각 기능을 컴퓨터로 실현하기 위한 연구 분야가 ‘컴퓨터 비전(CV)’으로 불리며 AI 연구 분야에서 파생된 것이 1980년경이다. CV 분야의 세계 최고봉 회의의 하나인 CVPR이 1983년에 시작되어 당초 100건 정도였던 발표 논문 수는 그 후 약 20년 동안에 5배인 500건 정도로 늘었으며, 더욱이 그 후 10년 동안에는 심층학습 등 AI 연구의 진화에 따른 연구자 대량 증가에 의해 4배인 2,000건을 넘을 정도까지 증가했다. 아직 증가세는 멈추지 않고 있다. CV는 카메라의 각 화소에 수광되는 빛 세기의 2차원 배열에 지나지 않는 디지털 화상으로부터 피사체의 크기․형태․색깔․재질 등의 물리량 계측이나, 이름․의미․감정․의도 등과 같은 피사체의 의미나 상태의 이해․인식을 컴퓨터에 의해 실현하는 것이 목적인 기술 분야이다. 예를 들어 피사체의 길이(형상)를 계측하기 위해서는 그것을 화상의 화소수로 구하고, 그것이 실제 공간에서는 몇 미터에 해당하는지를 카메
요꼬가와전기는 OpreX™ Analyzer 제품군에 속하는 GC8000의 유지보수 효율성을 높이는 AI 기반의 유지보수 지원 소프트웨어(이하 ‘GCAI’)를 출시했다. GCAI는 분석계 운전에 차질이 생기기 전에, 측정 데이터를 기반으로 분석계의 고장이 매우 임박했음을 나타내는 미세한 변화를 감지할 수 있다. 따라서 적시에 알맞은 유지보수를 할 수 있으므로 분석계의 가동 중지시간이 감소한다. 개발 배경 생산 현장에서 장비의 안정적인 운전은 제품 품질의 핵심이다. 안정적인 운전을 위해서는 적절한 유지보수가 필요하며, 숙련된 인력 부족과 운영 간소화 필요성과 같은 과제도 동시에 해결해야 한다. 요꼬가와 GC8000 가스 크로마토그래프는 가스와 휘발성 액체의 개별 성분을 측정함으로써 생산 현장에서 중요한 품질 관리 역할을 하는 분석계다. 수십 대의 GC8000이 대규모의 오일 및 석유화학 플랜트에서 자주 사용되며 더 큰 규모의 시설에서는 수백 대의 GC를 운전해야 할 수도 있다. GC와 샘플링 시스템에는 정기적으로 유지보수가 필요한 필터, 밸브, 압력 조절기, 컬럼, 검출기와 같은 부품이 포함되어 있다. 이러한 부품의 마모 정도는 사용 환경에 따라 매우 다르다.
산업 보안이 기업 생존의 필수조건으로 꼽히는 가운데 LS일렉트릭이 국내 최초로 연구개발 프로세스 보안 관련 국제 표준 인증을 획득했다. LS일렉트릭은 최근 글로벌 시험인증기관 ‘TUV SUD(티유브이 슈드)’로부터 PLC, 인버터 등 산업 자동화 제품 개발 프로세스 등에 대한 ‘IEC 62443-4-1 정보 보안 인증‘을 획득했다고 6일 밝혔다. IEC 62443은 산업 통신망의 위험 완화를 목적으로 보안에 대한 전체적인 접근방식을 정의한 신 국제 표준이다. 기존의 IT의 사이버 보안 표준은 네트워크에만 국한되어 있어 최근 주목받는 산업자동화 제어시스템이나 운영 기술 분야 보안체계 구축에는 한계가 있었다. 특히 LS일렉트릭이 획득한 IEC 62443-4-1은 보안 관련 제조자 개발 프로세스의 요건을 설명, 정의하고 있다. 이 표준에는 △보안기능 및 전문 지식 △구성 요소들의 보안 △프로세스 및 품질 보증 △보안 아키텍처 및 설계 △문제 처리 △보안 업데이트 패치 및 변경 관련 사항이 요구된다. LS일렉트릭은 이번 인증을 통해 최고 수준의 보안 솔루션을 요구하는 데이터센터, 스마트공장, 대형빌딩, 철도 등에 대한 자동화 솔루션 공급 확대에 속도를 낸다는 전략이
ITU ‘기계학습 표준화 공동조정그룹’ 의장에 ETRI 이강찬 실장 선임 한국전자통신연구원(ETRI)은 국제전기통신연합 전기통신표준화부문(ITU-T) 산하 SG13 총회에서 ‘기계학습 표준화 공동조정그룹’이 신설되었으며, 초대 의장에 이강찬 실장이 선임됐다고 밝혔다. 공동조정그룹은 ITU-T 산하의 연구반 및 타 표준화기구에서 개발 중인 관련 표준화 작업의 조정을 위한 그룹이다. 최근 인공지능 분야의 표준 개발이 확산됨에 따라 국제전기통신연합은 인공지능, 특히 기계학습 분야의 표준 개발의 파편화를 방지하고 연구반 간 표준화 활동 조정을 위한 기계학습 공동조정그룹을 신설하게 되었다. 기계학습 표준화 공동조정그룹은 ITU-T 내의 연구반 외에 외부 표준화기구, 컨소시엄, 포럼 및 학계와 기계학습 응용 및 관련 연구 협력을 통해 2024년까지 인공지능 분야의 표준화 청사진인 ‘기계학습 표준화 로드맵’을 개발하고, 각 연구반은 로드맵에 제시된 국제표준 개발을 추진하게 된다. 이강찬 의장은 “우리나라가 인공지능 분야의 국제표준화 협력 및 조정을 위한 공동조정그룹 의장을 맡게 됨에 따라, 향후 인공지능 분야의 국제표준화 과정에서 한국의 기술을 반영하고, 국제표준 제정을
스마트 팩토리의 고도화는 제조업의 디지털 전환을 의미한다. 데이터를 분석하고, 머신러닝, AI를 기반으로 공정을 혁신하는 것이 디지털 전환이다. 그렇다면 제조 회사는 어떻게 디지털 전환에 접근해야 할까? 지난 4월 스마트 팩토리 전략 정책포럼에서 토론회 발제자로 나선 AWS 강명구 파트너는 디지털 전환을 위해서는 SaaS 생태계 구축이 필요하다고 말한다. 디지털 전환은 데이터, 분석, 기계학습을 기반으로 새로운 통찰력과 가치를 창출해 사업을 혁신시켜준다. 데이터와 기계학습을 통해 사람으로 일하는 회사가 시스템으로 일하는 회사로 변화하는 것이다. 디지털 전환된 공장, 국내 스마트 팩토리 구축은 어느 정도 진행됐을까? 딜로이트의 스마트 팩토리 기준에 따르면 우리나라 공장의 98% 정도가 스마트 팩토리 기준 미달이다. 데이터 기반의 연결, 데이터를 통한 운영 최적화, 투명성, 분석을 통한 예측, 유연한 환경이 구축된 공장이 많지 않은 것이다. 스마트 팩토리의 구성요소 첫 번째는 ‘연결’이다. 공장 안에 있는 모든 데이터 소스들이 연결이 돼서 데이터를 모아주는 것이다. 모여진 데이터를 디지털 환경에서 제어할 수 있는 것이 바로 디지털 트윈이라는 기술이다. 두 번째는
나카가와 마사후미, 시바우라공업대학 재해 발생 직후의 초동 조사 및 재해 복구에는 신속한 대응이 요구된다. 이것을 확실하게 하기 위해 UAV를 활용한 초동 조사가 최근 실시되고 있으며, 토털 스테이션 등을 주로 이용하고 있던 지상 측량의 업무 효율이 대폭으로 개선되고 있다. 초동 조사의 효율 개선에는 인공위성, 유인항공기(고정날개·회전날개), UAV(고정날개·회전날개), 차량, 삼각, 백팩 등의 계측 플랫폼을 검토할 수 있다. 재해 부위의 추출 누락 등을 방지할 수 있는 점이나 증수나 붕괴가 있는 장소에서 안전하게 조사할 수 있다는 점에서, 상공에서 계측하는 공중 사진 측량이나 항공 LiDAR의 접근이 유용하다. 그리고 재해 부위가 국소적이고 재해 부위 근처까지 UAV 운반로가 확보되어 있으면, UAV(회전날개)가 신속성과 운용성의 점에서 최적의 계측 플랫폼이 된다. UAV 이용에 의한 측량 업무 효율화 1. 카메라와 비교한 LiDAR의 우위성 측량용 UAV에 탑재되는 센서는 카메라나 LiDAR이며, 각각 장점과 단점이 있다(그림 1). LiDAR은 화상 매칭 등 시간이 걸리는 데이터 처리 없이 점군을 직접 취득할 수 있다는 점에서 화상 계측(SfM/MVS)
헬로티 함수미 기자 | 한국전자통신연구원(ETRI)은 ETRI가 개발한 기계학습을 기반으로 주파수 사용량을 분석하고 예측하는 방법이 국제 표준으로 자리매김할 전망이라고 밝혔다. 지난달 열린 '국제전기통신연합 전파통신 부문 스펙트럼 관리 연구반(ITU-R SG1)회의'에서 ETRI가 개발한 '기계학습 기반 스펙트럼 가용성 예측 방법'이 신규보고서 초안 작업문서로 채택됐다고 전했다. 이로써 우리나라가 미래 주파수 이용에 대비한 연구 기술을 선점할 기반을 마련했다는 평가를 받고 있다고 덧붙였다. '스펙트럼 가용성'이란 특정 주파수 대역에서 전파통신 서비스를 이용할 수 있는 정도를 나타내는 지표다. 스펙트럼 가용성을 정확하게 분석해야 주파수 사용량 및 포화 상태를 파악할 수 있다. 이를 통해 쓰지 않는 주파수는 회수해서 재할당하는 등 전파 자원을 효율적으로 관리하는 것이 가능하다. 그간 스펙트럼 가용성은 단순화된 수학 모델을 통해서 분석되어 복잡한 전파 환경을 분석하기 어려웠다. 또한, 다양한 주파수 종류와 사용 형태에 따른 분석 방법을 정리한 표준 문서가 없어 참고할 가이드라인이 없는 상황이었다. ETRI는 주파수 종류별, 사용행태별 스펙트럼 가용성 분석 방법을
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2024년 11월 22일 19시 37분
