주목받는 기능

레이블, 교육, 모니터링 및 배치 프로세스 간소화

딥 러닝 기술이 없는 직원도 직관적인 인터페이스를 활용하여 AI 솔루션용 모델을 작성할 수 있습니다. 마우스를 몇 번만 클릭하면 기술 정보를 추출할 수 있으므로 모델 교육과 레이블 지정과 같은 작업을 간소화할 수 있습니다. "모두를 위한 AI"라는 IBM의 접근법은 효율성을 높이고 생산성을 가속화하므로 많은 기업들이 관심을 가지고 도입하고 있습니다.

이미지를 분류하고 오브젝트를 감지하도록 모델 교육

몇 번의 마우스 클릭만으로 딥 러닝 모델을 교육하여 이미지를 분류하거나 중요 오브젝트를 감지하도록 할 수 있습니다. 이제 모델을 구축하기 위해 코딩할 필요 없이 이미지를 카테고리로 끌어서 놓고 오브젝트를 태그 지정할 경계 상자를 그리기만 하면 됩니다. 샘플 말뭉치에서 학습할 수 있도록 뉴럴 네트워크(neural network)와 하이퍼 매개변수와 같은 기술 정보를 추출한 후 미리 구성합니다.

딥 러닝 모델에 자동 레이블 지정 도입

평균적으로 데이터 과학자는 교육용 데이터 세트를 레이블 지정하고 미리 처리하는 데 약 80%의 업무 시간을 할애합니다. IBM은 이 작업을 주제별 전문가에게 위임하는 동시에 데이터 세트의 레이블을 자동으로 지정하는 반복 학습된 딥 러닝 모델을 도입했습니다. 이로써 확보한 데이터 세트가 더해져 교육에 필요한 완벽하고 정확하게 레이블 지정된 데이터 세트를 구축할 수 있습니다. 데이터 레이블 지정에 딥 러닝을 도입하면 기업에서 AI 솔루션을 배치하는 데 필요한 비용과 시간을 획기적으로 절감할 수 있습니다.

교육 및 추론이 용이한 동영상 분석

이미지 외에도 IBM 툴로 동영상 작업을 수행하여 데이터 세트를 구축하고 추론할 수 있습니다. 몇 번의 클릭만으로 동영상을 가져오고 프레임을 처리하여 데이터 세트의 레이블을 지정할 수 있습니다. 교육 모델에서 오브젝트를 이용하여 동영상 스트림에 주석을 달 수 있습니다.

사용자 정의 모델로 AI 솔루션을 확장합니다.

데이터 과학자는 사용자 지정 모델(TensorFlow)을 가져와서 교육, 조정, 모니터링, 배치할 수 있습니다. 또한 PowerAI Vision을 활용하면 데이터 세트에 레이블을 지정하는 동안 원본 이미지의 사전 처리를 사용자 정의할 수 있습니다. 이제 데이터 과학자는 교육 및 배치 업무에서 벗어나서 미션을 위한 혁신적인 모델을 구축하는 데 집중할 수 있습니다.

온프레미스, 클라우드 및 종단 디바이스에 모델 배치

PowerAI Vision을 활용하면 교육 모델을 유연하게 배치할 수 있습니다. 컴퓨팅 집약적인 중앙 리소스를 교육에 할당하고, 구축한 모델을 로컬 데이터 센터, 클라우드 및 AI 칩이 탑재된 종단 디바이스에 배치할 수 있습니다. 클릭 가능한 개발자용 툴을 활용하여 가속화된 모델을 컴파일한 후 FPGA 카드에 배치할 수 있습니다.

고객사례

이미지를 분류하는 교육 모델

동영상에 자동으로 레이블을 지정하는 오브젝트 감지용 교육 모델

오브젝트 레이블 지정에 대한 지속적인 교육 활용

적용 방법

  • 작업자의 안전 보장

    작업자의 안전 보장

    문제점

    국제노동기구(ILO)에 따르면 15초마다 151명의 근로자가 업무 관련 사고를 당하며, 매년 321,000명 이 심각한 산업재해를 입는다고 합니다. 산업재해는 안전 규정 및 절차에도 불구하고 산업 공통의 심각한 문제로 남아 있습니다.

    솔루션

    업계에서는 안전 규정을 모니터링 및 시행하기 위해 AI 기술을 적용하고 있습니다. 내장된 컴퓨터 Vision 애플리케이션을 활용하면 위험한 환경에 있는 근로자에게 플래그 지정하거나 건설 현장을 감시하여 감독자들이 조치를 취하도록 할 수 있습니다.

  • 질병 관리를 위한 빠른 진단

    질병 관리를 위한 빠른 진단

    문제점

    방사선 전문의는 진단을 위해 수천 개의 의료 이미지를 검토합니다. 따라서 시각적 의료 정보를 종합해 중요한 결정을 내리는 의료 전문가에게 정확성 문제가 달려 있었습니다.

    솔루션

    딥러닝 기반 AI 솔루션을 활용하면 내과 의사는 피부암을 확인하고, 안과 의사는 고화질 이미지에서 안과 질환 또는 악성 세포 돌연변이를 조기에 진단하는 데 도움을 받을 수 있습니다.

  • 드론을 통한 에너지 및 유틸리티 감시

    드론을 통한 에너지 및 유틸리티 감시

    문제점

    전력 회사는 작업자를 파견해 넓은 면적의 탑을 시각적으로 검사합니다. 접근이 어려운 산악 지대에 송전탑이 분포되어 있는 경우 작업자가 직접 검사하려면 높은 비용과 위험이 따를 뿐 아니라 작업 속도도 느려지게 됩니다.

    솔루션

    전력 회사는 검사 데이터 확보를 위해 카메라가 장착된 드론을 배치하여 검사 업무를 혁신하고 있습니다. 이러한 산업에서 AI를 활용하면 시간을 90% 단축하고, 빈도는 10% 높이고, 작업자 위험을 100% 낮출 수 있습니다.

  • 머신 비저닝을 통한 품질 제고

    머신 비저닝을 통한 품질 제고

    문제점

    제조 회사는 부품에 결함이 없는지 사람이 시각적으로 확인합니다. 하지만 사람이 시각적으로 확인하면 검사량, 제품 SKU 및 다양한 결함으로 인해 우수한 품질의 제품을 제공하는 데 어려움이 있습니다.

    솔루션

    딥러닝 모델을 생산 현장에 배치하면 생산 중에 대기 시간이 거의 없이 결정을 내릴 수 있습니다. 시스템에서는 수동 검사자의 피드백을 확인하여 지속적으로 학습합니다. AI 덕분에 고객 이탈률이 줄어드는 동시에 안정적인 결과를 달성할 수 있습니다.