‘엔비디아 인셉션(NVIDIA Inception)’ 프로그램은 인공지능(AI) 기반의 첨단 기술로 신시장 개척에 나선 스타트업 기업들을 육성하는 가상 액셀러레이터 프로그램입니다. 2016년부터 시작된 인셉션 프로그램은 AI 스타트업 기업들의 안정적인 시장 안착과 함께 원활한 제품, 서비스 개발 환경을 조성하는데 의의를 두고 진행되고 있으며, 현재 전 세계 약 2,000개 이상의 스타트업이 회원사로 등록되어 많은 지원을 받고 있습니다.
엔비디아 인셉션 프로그램의 다양한 혜택을 누리는 기업 중에는 국내 유망 AI 스타트업도 있는데요. 최근 국내 스타트업 5곳이 엔비디아의 타이탄 Xp(NVIDIA TITAN Xp) GPU를 지원받았다는 소식입니다. 훌륭한 연구 실적을 내고 다양한 AI 솔루션을 개발해낸 5인 5색 기업 이야기, 지금부터 함께 살펴 볼까요?
옴니어스
옴니어스(Omnious)는 패션 전문가 수준의 이미지 인식 AI 도구를 개발하고 있는 AI 기업입니다. 딥 러닝 기술을 바탕으로 독보적인 이미지 태깅, 검색기술을 보유한 옴니어스는 현재는 디지털화되는 패션 이미지에 카테고리 및 다양한 속성 정보를 태깅해주는 AI 도구를 제품화 하고 있습니다.
PC에서 모바일로 넘어오면서 폭발적으로 비정형 패션 이미지 데이터가 증가했으나 이미지 인식 기술의 한계, 딥 러닝 모델 학습에 필요한 데이터의 부족으로 전문가 수준의 이미지 인식 능력 구현은 어려웠는데요.
이에 옴니어스 연구진은 연산 속도 및 효율이 타 플랫폼 대비 월등히 뛰어난 엔비디아 GPU에서 돌파구를 찾았습니다.
현재 대부분의 딥 러닝 라이브러리와 프레임워크에서 CUDA 딥 러닝 프레임워크를 지원하고 있을 뿐만 아니라, 하드웨어적으로도 GPU 가속화 기능을 능가하는 선택이 없다고 확신했기 때문이었는데요.
옴니어스는 TITAN Xp를 포함한 엔비디아 GPU를 딥 러닝 알고리즘의 학습 및 추론용으로 활용하였으며 국내 스타트업 최초로 DGX Station을 활용함으로써, 옴니어스 패션 데이터팀에서는 수십 명의 패션 전문 외부인력과 함께 이미지를 900개 이상의 패션 속성 정보로 구분해서 학습에 필요한 고품질 데이터 형태로 날마다 가공하고, 수집된 고품질 학습데이터를 통해 물체 인식, 검출, 검색 모델을 개발해냈지요.
이번 1월부터 이미지 태킹 서비스 클로즈 베타를 실시하는 옴니어스의 AI 도구는 전자상거래 시장에서 방대한 양의 수작업 프로세스를 자동화시킴으로써 획기적으로 비용을 절감하고, 고도화된 데이터 분석과 새로운 고객 경험을 창출할 것으로 전망됩니다.
뷰노
뷰노(Vuno)는 인공지능 기술을 연구 개발하는 기술 기반 스타트업으로서 의료 데이터를 분석해서 의사들의 진단의 정확도와 일관성을 높이는 다양한 소프트웨어를 개발하고 있습니다.
전통적인 의료 데이터 분석 방법은 의사들의 의학적 지식이나 경험에 의존한 다양한 가정을 바탕으로 합니다. 하지만 최근 등장한 딥 러닝 기반 방법들은 데이터로부터 가장 일관적이고 분석 목적에 맞는 특징을 자동적으로 추출할 수 있도록 함으로써 정확도를 획기적으로 향상 시켰습니다. 또한 GPGPU를 통해 분석의 속도를 수십 배 이상 향상 시킴으로써 실시간 대용량 데이터 분석이 가능하게 되었지요.
엔비디아 GPU는 대용량의 의료데이터 분석 및 모델링의 속도를 개선하여 제품 개발 기간을 대폭 단축 시켜줄 뿐 아니라, 학습된 모델을 제품화하여 소프트웨어에 탑재하였을 경우, 추론 속도를 대폭 향상시켜 제품의 효율성과 경쟁력을 높입니다.
뷰노는 의료 영상 분석 및 정량화, 진단 보조 소프트웨어 개발, 생체신호 분석 및 이벤트 예측 소프트웨어 개발, 의료 녹취 자동 전사 소프트웨어 개발 등을 핵심 비즈니스 과제로 삼았습니다. 그리고 GPU를 활용해서 의료진들이 질환 및 병변을 보다 객관적이고 일관되게 정량화함으로써 진단의 정확도를 높일 수 있는 것을 목표로 하고 있습니다.
뷰노의 정규환 CTO는 “특히 CUDA 및 cuDNN(CUDA Deep Neural Network Library)에 기반한 GPGPU 컴퓨팅 라이브러리가 뷰노의 인공지능 플랫폼을 개발하고 꾸준히 개선하는데 큰 도움이 되었습니다”라고 말했습니다.
정규환 CTO는 “현재 AI 패러다임의 중심에 있는 딥 러닝은 대용량의 데이터에 기반한 학습 방식으로, 고품질의 대용량 데이터 확보가 가장 중요합니다.”라고 전하면서 “의료 영역에서 획득된 다양한 고품질의 데이터를 기반으로 뷰노의 AI기술로 인공지능 모델을 학습하면 기존의 한계를 넘어서 다양한 분야 별 의료 문제에서 정확도 개선 및 효율성 향상을 이끌 수 있습니다”라고 설명했습니다.
수아랩
수아랩(SUALAB)은 제조업의 불량 검사 분야에 인공지능 기술을 도입하여 검사 자동화 솔루션을 개발하는 스타트업 기업입니다. 디스플레이, 태양광, PCB, 반도체, 필름 등 제조업 전반에 걸쳐 인공지능 솔루션을 제공하고 있습니다.
기존의 머신 비전 솔루션으로 제품의 불량 검사를 진행하기 위해서는, 불량과 정상에 대한 기준을 엔지니어가 일일이 정의 내려야 했습니다. 해당 방식으로는 복잡한 형태의 불량을 잡아낼 수 없었고, 검사 성능이 매우 뒤떨어졌습니다. 수아랩은 제조업에서의 불량 검사가 인간이 수행하기에는 부적절한 종류의 일이라고 생각했습니다. 그리하여 기계 대신 인간이 하고 있는 일에서 인류가 지닌 시간의 가치를 증진시키고자 했지요.
결국 검사 성능(미검률/오검률 동시 감소)과 속도를 극대화하기 위하여, 수아랩은 기존의 방식과는 다르게, 이미지 사례 학습 방식의 검사를 딥 러닝 기술을 통해 구현했습니다.
수아랩은 Segmentation, Classification, Detection 3가지 기능을 통해 기존 머신 비전 기술로 검사가 어려운 다양한 분야에 활용되어 검사 성능을 획기적으로 개선하고, 고객들이 손쉽게 사용할 수 있는 솔루션 개발을 위해 지속적인 연구/개발을 진행하고 있는데요.
수아랩이 불량 검출 성능을 획기적으로 개선하면서 자체 개발한 솔루션인 ‘SuaKIT’은 기존 머신 비전 시스템과 달리 개발자가 알고리즘을 직접 개발하여 사용할 필요 없이 편리하고 쉬운 GUI를 통해 딥 러닝을 전공하지 않은 일반인들도 손쉽게 이용이 가능한 소프트웨어 라이브러리입니다.
엔비디아 GPU는 이 신규 솔루션 개발에서도 큰 역할을 수행했다고 하는데요. 수아랩의 송기영 대표는 “고객에게 최적의 모델을 제공하기 위해 수많은 연구와 실험을 해야 하는 상황에서, cuDNN을 이용하면 빠르게 모델의 학습과 성능 테스트가 가능하기 때문에 무척 유용하게 사용하고 있습니다”라고 말했습니다.
또한 송기영 대표는 엔비디아 딥 러닝 플랫폼을 선택한 이유에 대해서 “우선 엔비디아 플랫폼이 월등한 성능을 자랑하기 때문입니다. 또, 엔비디아의 플랫폼은 전 세계 수많은 연구자들이 사용하고 있지요”라고 이야기하면서 “뛰어난 성능 및 세계적인 AI 연구진과 수월한 협업을 위해 엔비디아 GPU 컴퓨팅을 활용하게 되었습니다”라고 설명했습니다.
애자일소다
애자일소다(AgileSoDA) 는 기업에 필요한 인공지능 기반 분석 플랫폼과 컨설팅을 제공하는 기업입니다. 금융, 제조, 유통 등 다양한 산업군을 대상으로 강화학습(RL), Data Aesthetic 등의 특화 인공지능 알고리즘을 개발하고, 이를 SW 플랫폼화하여 기업들의 업무적용을 용이하게 지원하고 있습니다.
애자일소다는 과거 통계적 기법에 기초한 기업 내 다양한 의사결정 모델이 AI/딥 러닝 알고리즘을 적용한 결과 예측 정확도(MSE, MAPE)가 20~30% 개선된 것을 확인하고, 본격적인 강화학습 알고리즘 개발 및 업무 적용이 필요하다는 것을 실감했습니다.
뿐만 아니라 금융 업계 내의 카드 중복승인 심사, 사기적발 등의 대량 데이터기반 판단 업무 등에서 강화학습/ 딥 러닝 알고리즘을 적용하면 판단효율(불량 적발률)이 40% 가량 개선되는 등 업무자동화 개선 기회가 많다는 것을 확인할 수 있었지요.
예측정확도 개선 및 업무자동화 기회 증진을 위해 애자일소다는 AI 기술을 응용해서 각 기업/산업별 특화 솔루션을 개발에 임했는데요. 신용카드사 등의 금융사 분석에는 수백 만 건에 해당하는 대량 트랜잭션 데이터를 이용해서 강화학습 알고리즘을 적용하는 경우가 많았습니다. 이때 속도를 강화하기 위해 엔비디아 GPU를 이용하게 되었다고 애자일소다 김수화 대표는 전했습니다.
또한 제조업 공정에서 200여개 이상의 공정변수를 실시간을 모델링해서 처리해야 했기 때문에 GPU 플랫폼의 이용이 필수적이었다고 하는데요.
실제로 이미지, 대량데이터, 대량 클리핑 문서 처리시 GPU 덕분에 기존 CPU 대비 10배 이상 빠른 속도로 작업이 가능해져 예측 정확도를 성공적으로 개선할 수 있었고, 콜센터 통화이력 정보 분석, 연구소의 연구초록/연구보고서 자동분류, 보험 심사의견 자동 처리 등을 원활히 처리해서 업무 자동화에도 기여할 수 있었다고 합니다.
마이셀럽스
마이셀럽스(Mycelebs)는 “사용자가 발화하는 다양한 자연어 형태의 취향 및 정황 정보를 기반으로 향후 IoT 시대의 음성/텍스트 대화형 UX 환경에 대응하는 검색 및 추천 서비스를 제공할 수 있는가?” 라는 문제의식에서 출발한 인터넷 서비스 기업입니다
마이셀럽스는 기존의 다양한 기업 서비스를 인공지능 관점에서 미드레인지(MID-RANGE) 기술들을 빠르게 적용함으로써 검색, 추천, 온라인 광고, 커머스, 대화형 플랫폼(챗봇, 음성대화)에 이르기까지 다양한 영역에서 AI/딥 러닝 기반 애플리케이션들을 제공합니다.
마이셀럽스에서 활용하는 인공지능의 영역은 ▲텍스트 문서 기반의 대중의 취향 데이터 도출에 활용되는 벡터 스페이스 기반의 자연어이해(NLU), ▲다양한 속성 간의 상호 연관관계를 다차원적으로 이미지로부터 유의미한 데이터를 도출하는 과정에서 사용되는 컨볼루셔널 뉴럴 네트워크(CNN), 그리고 ▲음성 및 텍스트 대화형 플랫폼에서 사용자 의도 분석 및 응답에 활용되는 절차적 알고리즘 기반의 유연한 구조 실현을 포함하는데요.
마이셀럽스는 엔비디아 딥 러닝 GPU 플랫폼을 통해서 현실적으로 대체 가능한 플랫폼을 찾았다고 밝혔습니다. 지금까지 축적된 레퍼런스부터 타 플랫폼과 비교가 불가한 수준이고, 쉽게 접근 및 활용 가능한 점도 선택의 이유가 되었습니다.
보통 딥 러닝 시스템을 구축하려면 높은 초기 하드웨어 비용과 시간이 필요한데요. 마이셀럽스는 엔비디아 AI 딥 러닝 GPU 플랫폼을 통해 이러한 리소스가 확연하게 줄어들 수 있었고, 팀원들과의 협업 또한 유연해졌다고 설명합니다.
또한 엔비디아에서 제공하는 딥 러닝 소프트웨어 개발자 키트(SDK)를 이용함으로써 더욱 쉬운 딥 러닝 시스템 구축이 가능했다고도 전했습니다.
오늘날 많은 사용자들은 공급자 중심의 분류체계와 추천 방식에 익숙해져 있는데요. Data Technology 시대에서는 라이프 로그(Life Log) 데이터, 즉 사람들이 살면서 남기는 엄청난 양의 로그 데이터가 생성되고 있습니다.
마이셀럽스는 이 데이터에 AI/딥 러닝 기술을 접목하여 다양한 어플리케이션으로 가치를 부여하고, 또 데이터 애그리게이터(데이터를 통합해 제공하는 소프트웨어)로 성장해서 앞으로 다가올 IoT 시대에 가장 정교한 추천을 제공함으로써 사용자들이 생성한 데이터를 다시 사용자들에게 돌려주는 것을 목표로 하고 있습니다.