인공지능 트렌드#03 자율주행 자동차의 기술력은 고품질 데이터로부터
인공지능 데이터 적용 산업의 확장
인공지능 데이터 인공지능의 개발 및 도입을 필요로하는 IT 기업의 데이터 수요가 주였기에 인공지능 데이터 산업 또 산업은 IT 산업에서 시작하여 헬스케어, 자율주행, 금융, 소매 등 다양한 분야로 확장되고 있습니다. 인공지능 산업 초기에는한 IT 기업을 중심으로 발전해왔는데요. 이후 다양한 분야에서 비즈니스 성과 향상을 목표로 인공지능을 새로이 도입하고자 하는 시도가 늘어남에 따라 인공지능 데이터 전처리 시장 중 가장 높은 비중을 차지했던 IT 산업에서 자율주행, 헬스케어, 교육 등까지 적용 산업의 수평적 확장이 이루어지고 있습니다.
2028년의 전망을 한번 살펴볼까요? 인공지능 데이터 시장에서 비 IT 산업이 차지하는 비중은 약 70%로 전망되며, 이는 2020년 규모 대비 약 500% 성장한 수치라는 사실!
또한, 정보통신정책연구원(KISDI)가 국내 기업을 대상으로 조사한 자료에 따르면, 전체 조사 대상 기업 중 90.7%가 AI 기술의 지속 의향이 있다고 응답했으며, 53.7%의 기업이 추가 도입 의향이 있다고 답했다고 합니다. 21년 기준 AI 도입 기업이 14.7%에 불과했다는 것을 고려했을 때 엄청난 증가 아닌가요? 이에 따라 인공지능 데이터의 수집 및 가공의 중요성 또한 증대될 것으로 전망합니다.
오늘은 이중에서도 빠르게 진화 중인 자율주행 산업을 중점적으로 살펴볼까합니다.
구글의 웨이모와 테슬라, 현대자동차의 모셔널 등, 자율주행 차는 이제 더 이상 SF 영화 속에 등장하던 상상 속의 소재가 아니죠. 자율주행차는 인공지능과 ICT의 발전과 함께 이미 우리 생활 속 현실로 구현되었습니다. 그 외에도 BMW, 포드 등 모빌리티 산업의 많은 기업들은 자율주행 기술을 연구하고 있는데요. 이들의 기술격차를 만드는 가장 큰 요소는 무엇일까요? 바로 소프트웨어의 성능입니다!
여기서도 데이터는 아주 중요한 역할을 하게됩니다. 소프트웨어를 위해서는 정밀지도, 비전 인식 등 자율주행 인프라 구축을 위한 대규모의 데이터가 필요하기 때문이죠. KDB미래전략연구소에 따르면 자율주행자동차에서 인공지능은 다양한 센서들과 V2X(Vehicle to Everything communication, 유무선망을 통해 다른 차량, 모바일 기기, 도로 등 사물과 정보를 교환하는 기술)를 통해 외부정보를 수집 및 분석하고 수집된 데이터를 토대로 차량을 제어합니다. 특히 완전주행자동차는 각종 센서 정보 수집 및 융합, 상황 인지, 주행경로 선정, 돌발상황 등을 대처할 수 있는 복잡한 알고리즘과 딥러닝 기반 인공지능이 요구되어 정밀하게 라벨링 된 고품질의 인공지능 데이터를 필요로 하게 되죠.
만약 데이터 수집 및 가공을 위해 알아보시던 중, 이 글을 읽고 계신 자율주행 산업 고객사가 계시다면 아래 내용에 집중해주세요! 어디에서도 알려주지 않은 자율주행 산업 인공지능 데이터 시장의 특성에 대해 알려드릴테니까요(찡긋).
첫째, 숙련 작업자가 필요합니다. 자율주행의 경우 인간의 생명과도 직결되는 부분이기 때문에 특히 정밀하고 철저한 의미분할 및 가공이 이루어져야 합니다. 이러한 작업은 상당한 숙련도를 요구하는데요. 따라서, 크라우드워커 풀의 작업자 숙련도를 향상 시킬 수 있는 교육 및 관리 프로그램을 지속적으로 운영하고, 다수의 프로젝트를 플랫폼 내 운영하여 충분히 많은 수의 고숙련 작업자를 확보해야만 합니다.
둘째, 가공에 상당한 시간이 소요되기 때문에 많은 작업자 수가 필요합니다.
자율주행에 필요한 데이터는 초당 10-30 프레임 정도로, 화면에 있는 모든 객체의 의미를 분할해야 하기에 일반데이터에 비해 데이터의 가공에 훨씬 많은 시간이 소요됩니다. 일반적으로 데이터에 나와있는 객체들 중 학습에 목표가 되는 객체만 가공하면 되는 일반 데이터 가공과는 달리 자율주행 데이터 가공에 사용되는 세멘틱 세그멘테이션의 경우 한 데이터에 20~30객체에 달하는 모든 객체를 분할해야 하기 때문이죠. 따라서, 고성능 자율주행 모델을 빠르게 개발하기 위해서는 대규모 인력을 운영 및 관리해야합니다.
마지막으로, 정교한 데이터 가공 도구가 필요합니다. 크라우드웍스는 자율주행 데이터 구축 프로젝트 수주 후 이미지의 모든 객체를 구분하기 위한 폴리곤 시맨틱 세그멘테이션 도구, 원본 이미지와의 비교를 위한 투명도 조절 기능, 픽셀단위의 섬세한 작업을 위한 마그네틱(magnetic) 도구를 포함한 다양한 도구 및 기능을 내부 플랫폼에 추가했다는 사실을 알리기에 적절한 타이밍인 것 같네요!
자율주행 데이터 가공 도구 및 기능 개발 사례: 태깅 속성값 확인 기능
자율주행 데이터 가공 도구 및 기능 개발 사례: 마그네틱(Magnetic) 도구
마그네틱(Magnetic) 도구: 시맨틱 세그멘테이션 작업 시, 픽셀단위의 섬세한 작업이 요구됨 (위에 보이는 크로스헤어, 0.3 픽셀 크기)작업 시 픽셀단위의 빈틈, 에러를 최소화하기위해 마그네틱 도구 개발도구를 활성화하고 특정 포인트를 근접한 포인트 위치에 Drag & Drop 하여 포인트가 서로 연결되는 기능
오늘도 인공지능 기술 속 데이터의 중요성, 그중에서도 빠른 속도로 발전하고 있는 자율주행 기술 개발에 있어 데이터가 얼마나 중요한지에 대해 알아보는 시간을 가졌습니다. 36만명의 숙련된 데이터 라벨링 작업자들과 정교한 데이터 가공 도구, 그리고 데이터 품질 향상을 위한 체계적인 데이터 라벨링 전문 교육 시스템까지. 자율주행 산업 인공지능 데이터가 있는 곳에 크라우드웍스가 있습니다. 고품질의 데이터가 차별화된 자율주행 기술력을 만든다는 사실, 기억해주세요.
인공지능 데이터에 관련된 궁금한 것이 있으시다면 언제든 크라우드웍스를 찾아주세요!
