상자 밖을 생각하여 AI 혁신을 주도하기

많은 사람들은 AI 분야에서 혁신을 이루고 있습니다. AI 회사가 새로운 기술을 개발하는 속도는 매우 빠르기 때문에, 우리는 종종 배후에서 이루어지는 끊임없는 노력을 당연하게 생각할 수 있습니다. 그러나 XR과 같은 분야에서는 실제와 디지털 세계의 경계를模糊화하는 것을 목표로 하기 때문에, 역사적인 데이터나 연구를 의존할 수 있는 것이 많지 않습니다. 따라서 우리는 상자 밖을 생각해야 합니다.

기존의 기계 학습 지혜와 검증된 관행에 의존하는 것이 가장 편리할 수 있지만, 새로운 분야에서는 이것이 항상 가능하지 않거나 전체적인 해결책이 아닙니다. 이전에 해결되지 않은 문제를 해결하려면 새로운 접근 방식을 사용해야 합니다.

이것은 우리가 처음으로 엔지니어링, 데이터 과학, 또는 제품 개발 분야에 입문한 이유를 기억하도록 강요하는 도전입니다. 즉, 발견에 대한 열정입니다. 저는 Ultraleap에서 일하면서 매일 이 도전을 경험합니다. Ultraleap에서는 혼합 현실 환경에서 인간의 손과 손가락의 움직임을 추적하고 반응하는 소프트웨어를 개발합니다. 기계 학습 모델을 훈련하는 데 대해 우리가 알고 있는 많은 것이 우리의 작업에서 뒤집어지게 됩니다. 인간의 손과 손가락은 매우 예측할 수 없기 때문입니다.

저와 제 팀은 실험과 데이터 과학을 재창조하여 디지털 세계에서 직관적인 상호작용을 제공하기 위해 몇 가지 접근 방식을 취했습니다. 그것은 실제와 같은 정확도와 자연스러움을 제공합니다.

선 안에서 혁신하기

새로운 분야에서 혁신을 이루는 경우, 서로矛盾하는 것 같은 제약 조건에 직면할 수 있습니다. 제 팀은 손과 손가락의 움직임과 손과 손가락이 주변 세계와 상호작용하는 방식을 캡처하는 임무를 맡고 있습니다. 이것은 모두 XR 하드웨어에서 제한된 컴퓨팅에 적합한 손 추적 모델로 패키지됩니다. 즉, 우리의 모델은 매우 복잡하고 정교하지만, 대규모 언어 모델보다 훨씬 적은 저장 공간을 차지하고 훨씬 적은 에너지를 소비해야 합니다(1/100,000번째 정도). 이것은 우리에게 흥미로운 도전을 제시합니다. 모델을 실제 적용 분야에서 실험하고 평가해야 하기 때문입니다.

하지만 수많은 테스트와 실험은 가치 있습니다. 저렴한 추론 비용, 전력 소비, 지연 시간을 제공하는 강력한 모델을 생성하는 것은 엣지 컴퓨팅에서 XR 공간 밖에서도 적용할 수 있는 훌륭한 성과입니다.

우리가 실험을 통해 직면하는 제약 조건은 다른 산업에도 영향을 미칠 것입니다. 일부 비즈니스에는 고유한 도전이 있을 수 있습니다. 이는 응용 도메인의 미묘한 차이 또는 대규모 기술 기업이 아직 접근하지 않은 니치 시장으로 인해 제한된 데이터를 사용해야 하는 경우입니다.

일괄적인 해결책은 일부 작업에 충분할 수 있지만, 많은 응용 도메인은 실제로 도전적인 문제를 해결해야 합니다. 예를 들어, 자동차 조립 라인에서는 결함 검사를 위한 기계 학습 모델을 구현합니다. 이러한 모델은 자동차의 큰 표면에 작은 결함을 식별하는 데 필요한 매우 높은 해상도의 이미지와 씨름해야 합니다. 이 경우, 응용 프로그램은 높은 성능을 요구하지만, 낮은 프레임 레이트와 높은 해상도를 달성하는 방법을 해결해야 합니다.

혁신을 주도하는 모델 아키텍처 평가

뛰어난 데이터셋은 모든 성공적인 AI 혁신의 원동력입니다. 그러나 특정 목표를 위해 데이터셋이 “좋은” 기준은 무엇일까요? 그리고 이전에 해결되지 않은 문제를 해결할 때, 기존 데이터가 관련이 있다고 신뢰할 수 있을까요? 우리는 기존의 기계 학습 “진리”에 도전하고, 대신 레이블, 청소, 시뮬레이션 및 실제 데이터를 적용하는 방법을 적극적으로 탐구해야 합니다.

자연스럽게, 우리의 도메인은 평가와 수동 품질 보증이 필요합니다. 우리는 데이터의 품질 지표만을 살펴보지 않습니다. 우리는 데이터셋과 데이터 소스를 반복하고, 실제 세계에서 생성된 모델의 품질에 따라 평가합니다. 데이터를 평가하고 분류하는 방법을 재평가할 때, 우리는 이전에 간과한 데이터셋이나 경향을 종종 발견합니다. 이제 이러한 데이터셋과, 어떤 데이터에 의존하지 않아야 하는지 보여준 수많은 실험을 통해, 이전에 놓친 새로운 길을 발견했습니다.

Ultraleap의 최신 손 추적 플랫폼인 Hyperion은 이러한 예입니다. 데이터셋의 발전은 더 정교한 손 추적을 개발하는 데 도움이 되었습니다. 이는 마이크로 제스처와 손 움직임을 정확하게 추적할 수 있으며, 사용자가 물건을 잡고 있을 때도 vậy입니다.

 한 발짝 뒤로, 큰 도약으로

혁신의 속도는 결코 느려지지 않는 것처럼 보일 수 있지만, 우리는 느릴 수 있습니다. 우리는 실험, 학습, 개발을 하는 사업입니다. 우리가 그렇게 할 때, 우리는 종종 가이드북에 따라 다음 기술 혁신을 내놓는 것보다 더 가치 있는 것을 창조합니다. 데이터 주석, 데이터 소스, 품질 지표를 탐구하고, 이러한 지표를 재정의하는 데에는 대체할 수 없는 돌파구가 있습니다. 그리고 이것을 할 수 있는 유일한 방법은 실제 적용 분야에서 모델 성능을 측정하고, 과제에 대한 도전과 제약을 기회로 전환하여, 궁극적으로 경쟁 우위를 달성하는 것입니다.