얼마 전까지만 해도 치관은 조립 라인에서 생산되었는데요. 치아용 크라운을 만들기 위해 조립 라인에서 일렬로 선 여러 명의 작업자들이 물리적인 노력을 들여야 했습니다.
이러한 생산 과정을 더욱 빠르고, 정확하며, 저비용으로 진행하기 위해 치과 용품을 제작하는 글라이드웰 덴탈 랩(Glidewell Laboratories)은 캡(cap)이라고도 알려진 치아용 크라운을 설계하고 제작하기 위한 딥 러닝 환경을 구축했습니다.
지난 10년 동안 글라이드웰에서는 로봇으로 크라운 생산을 자동화시켰고, 컴퓨터 지원의 설계 및 제조 소프트웨어 사용을 확대해 나갔습니다. 하지만 고도의 정밀함을 요구하는 제품의 정제를 사람이 직접 관리해야 하기 때문에 수많은 변수들이 남아있었지요.
글라이드웰은 하루에 10,000 개의 제품을 생산하는데요. 그렇기 때문에 더욱 정제 과정에 있어서 일관된 시스템을 도입할 필요성을 느낍니다.
이를 위해, 글라이드웰은 GPU 구동 생성적 적대 신경망(generative adversarial networks, 이하 GAN)을 이미지로부터 상세한 3D 모델을 재구성할 수 있도록 트레이닝하고 있습니다. 지난 달 실리콘 밸리에서 개최된 GPU 테크놀로지 컨퍼런스(GPU Technology Conference)에서 발표한 바 있는 글라이드웰의 머신 러닝 팀의 팀장 세르게이 애저니코브(Sergei Azernikov)에 의하면, 글라이드웰은 곧 인공지능 디자인 크라운을 실제로 생산하게 될 것입니다.
애저니코브 팀장은 “가까운 미래에, 모든 것을 지능형 시스템으로 처리하는 완전 자동화된 클라이언트를 확보하게 될 것입니다”라고 덧붙였습니다.
글라이드웰은 네트워크를 트레이닝 하는 과정에서 실제 이미지를 사용하지 않기 때문에 몇 가지 어려움에 직면하고 있는데요. 해당 시스템에 사용되는 데이터는 3D 메시(mesh)형태이며, 이는 뉴럴 네트워크에 적합한 형태가 아닙니다.
애저니코브 팀장과 연구진은 처음에 메시 형태를 이미지로 변환하려고 했지만, 렌더링을 변경할 때마다 모델을 바꿔야 한다는 사실을 알게 되었습니다. 그래서 그들은 모델을 복셀화(voxelization)하여 최적화 시키려고 했지만, 여전히 원하는 결과를 얻지 못했습니다.
마지막으로 애저니코브 팀장과 연구진은 치아의 상세한 윤곽과 미세한 부분을 더 잘 표현할 수 있도록 메시를 깊이 맵으로 변환하기로 결정했습니다(대부분의 크라운은 어금니에 사용하기 위한 용도로 제작됩니다).
크라운이 3가지 조건을 만족시키는지 확인하기 위해서는 세밀한 조정이 필요한데요. 크라운의 모양이 인접 치아들 사이에 정확하게 맞는지, 마주하는 치아와 잘 맞물리는지, 그리고 효과적으로 물고 씹는 것이 가능한지 확인해야 합니다.
GAN과 깊이 맵이 결합하면 하나의 네트워크가 이미지를 생성하고 그 다음 네트워크가 생성된 이미지를 검사하게 되는데요. 이렇게 되면 원래의 치아보다 더 섬세한 크라운을 만들어내게 됩니다. 적대 신경망의 역할은 결과물을 무작위로 추출하고 가능한 많은 오류를 만들기 위해 검사하는 네트워크를 확보함으로써, 시간이 지날수록 더욱 정교해지는 것입니다.
이러한 방법은 매우 효과적이지만, 더욱 방대한 딥 러닝 과정을 필요로 합니다.
애저니코브 팀장은 “하나의 네트워크를 트레이닝하는 것도 어렵기 때문에, 두 개의 네트워크를 동시에 트레이닝하는 것은 더욱 어렵습니다”라고 말했습니다.
그렇지만, 글라이드웰은 인상적인 결과를 확인할 수 있었는데요. 회사는 3년 전에 인공지능을 처음 도입하였고, 초기에 CPU 상에서 네트워크를 트레이닝 하는데 6주나 걸렸습니다. 그 후, 1세대 엔비디아 타이탄(TITAN) GPU를 사용하면서 트레이닝 과정을 6일로 줄였습니다. 엔비디아 cuDNN 딥 러닝 라이브러리와 짝을 이루는 엔비디아 타이탄 X (TITAN X)로 성능을 높이면서 2.5일로 시간을 대폭 줄였습니다.
애저니코브 팀장은 네트워크의 트레이닝이 여전히 타이탄 X로 이루어지고 있다고 말했지만, 추론은 여러 엔비디아 GPU로 구동되는 자사의 맞춤 아마존 웹 서비스(Amazon Web Service) 환경에서 이루어지고 있다고 말했습니다. 또한, 애저니코브 팀장과 연구진은 CUDA 런타임과 결합한 텐서RT(TensorRT)를 사용하여 추론 과정을 과속화하고 있습니다.
애저니코브 팀장은 “글라이드웰에게 있어서 추론은 매우 중요합니다. 트레이닝은 한 번 이루어지지만 추론은 수 개월 동안 계속될 수 있습니다”라고 설명했습니다.
애저니코브 팀장은 글라이드웰의 제품을 사용하는 올해 환자들이 AI 디자인 크라운을 사용할 수 있도록 노력 중입니다. 그리고 지금까지 많은 변수들을 처리해야만 했던 제품에 신뢰성을 부여할 수 있기를 기대하고 있습니다.
끝으로, 애저니코브 팀장은 “AI의 가장 큰 장점은, 한 번 트레이닝을 진행하면 항상 일관성을 유지하게 되는 것입니다”라고 덧붙였습니다.