반응형 AI/AI기초8 스마트 팩토리의 품질관리 데이터 분석 제2차 세계대전 이후, 전 세계의 제조업은 급격한 성장을 이루며 공장의 생산 능력은 비약적으로 증가했습니다. 생산량이 급증함에 따라 기업들은 제품의 품질을 유지하고 관리하는 것이 중요해졌고, 이에 따라 품질 관리의 개념과 접근 방식도 진화해왔습니다. 초기 품질 관리는 단순히 생산 후 불량품을 걸러내는 검사 중심의 방법이었습니다. 하지만 이러한 접근은 많은 자원 낭비를 초래할 수밖에 없었고, 기업들은 불량품이 아예 발생하지 않도록 하는 방식을 고민하기 시작했습니다. 이 과정에서 품질 인증 체계까지 발전했죠 나아가 기업들은 전사적 품질 관리(TQM; Total Quality Management)라는 방식을 도입했습니다. 기업 전체의 모든 부서와 모든 구성원이 품질 개선에 적극적으로 참여하는 체계적 접근 방.. 2024. 11. 25. 엣지 AI로 보는 자율주행의 미래: 클라우드 한계를 극복하는 기술 오늘날 인공지능(AI)의 한 가지 특징은 계산량이 매우 많다는 점입니다. 특히, 대규모의 데이터를 처리하기 위해 고성능 서버 컴퓨터들을 네트워크로 연결하여 사용하는 클라우드 시스템이 많이 활용되고 있는데, 이러한 클라우드를 통해 연산을 수행하는 AI를 '클라우드 AI'라고 합니다. 클라우드 AI는 대규모 연산을 수행하는 데 뛰어난 성능을 보이며, 데이터를 중앙에서 집중적으로 처리해 최신 모델을 신속하게 업데이트할 수 있는 장점이 있습니다.클라우드 AI의 한계 클라우드 AI에는 몇 가지 한계가 있습니다. 예를 들어 자율주행 자동차와 같은 응용 분야에서는 클라우드 서버와 통신을 통해 연산을 수행할 경우 네트워크 지연(latency) 문제가 대표적 입니다. 특히 자율주행 상황에서는 실시간으로 도로 상황.. 2024. 11. 18. AI 할루시네이션이란? 문제와 해결 방법, 그리고 로버스트 AI의 필요성 AI를 사용해 본 사람이라면 누구나 '할루시네이션(Hallucination)'이라는 현상을 한 번쯤 경험했을 것입니다. 이는 AI가 실제로 존재하지 않는 정보나 잘못된 사실을 진실처럼 만들어내는 오류로, 실제로 2020년 한 자율주행 차량이 도로 위 광고판의 이미지를 실제 신호등으로 착각하여 오작동을 일으킨 사례가 있었죠 이처럼 AI가 현실 세계의 복잡한 요소를 잘못 인식할 경우, 단순한 오류에서 끝나지 않고 심각한 사고로 이어질 수 있습니다. 이러한 위험을 줄이기 위해 AI의 신뢰성과 안전성을 강화하는 것이 필수적입니다. 로버스트 AI(Robust AI)의 필요성 이러한 배경에서 등장한 개념이 '로버스트 AI(Robust AI)'입니다. '로버스트(Robust)'라는 단어는 라틴어 'robustus.. 2024. 11. 16. AI의 약점을 파헤치다: 적대적 공격(Adversarial Attack)의 모든 것 인공지능(AI)에서 '적대적 공격'(Adversarial Attack)은 AI의 오작동을 유발하는 고도의 기술로, 인공지능의 취약점을 이용해 그 결과를 왜곡시키는 행위입니다. 적대적 공격은 주로 이미지 분류, 객체 탐지 등과 같은 영역에서 사용되며, 잡음이나 특정한 패턴을 이미지에 추가해 AI의 인식을 혼란스럽게 만듭니다. 가장 많이 드는 예시가 위와 같은 판다와 노이지를 섞은 예시입니다. 다른 예를 하나 들어볼까요? 객체 탐지 기술에서는 특정 문양이 그려진 티셔츠를 입거나 특수 안경 또는 스티커를 활용해 AI의 탐지 정확도를 낮출 수 있습니다. 이러한 방식으로 AI가 인식해야 할 사물을 왜곡하거나 잘못된 객체로 인식하게 만들 수 있죠 실제 사례로는 MIT와 IBM 연구팀이 개발한 '적대적 패션'(A.. 2024. 11. 15. Data Centric AI란? Data Centric AI란?Data Centric AI는 AI 모델의 성능을 개선하기 위해 데이터의 질과 그 준비 과정을 중심으로 하는 접근 방식이다. 기존의 AI 연구는 주로 모델 설계와 알고리즘 최적화에 집중되어 왔다. 하지만 최근 트렌드로 데이터 중심 접근법, 즉 Data Centric AI가 중요한 연구 주제로 떠오르고 있다. Data Centric AI는 데이터를 클렌징하고 정제하여 AI 모델의 성능을 극대화하는 것을 목표로 한다. 여기서 데이터 클렌징은 노이즈를 제거하고, 누락된 값을 보완하며, 데이터의 형식과 일관성을 유지하는 과정이다. 이러한 과정에는 데이터 라벨링, 오류 수정, 중복 데이터 제거, 데이터 표준화 등이 포함된다.데이터 라벨링이란?데이터 라벨링은 AI 모델을 학습시키기 위.. 2024. 11. 14. 설명 가능한 인공지능(XAI)[XAI개념, AI와 XAI차이, 적용사례,한계] 인공지능(AI)은 현재 거의 모든 산업에서 혁신을 주도하고 있으며, 그 영향력은 계속해서 확장되고 있다. 그러나 AI가 인간의 삶에 깊숙이 자리 잡으면서, AI의 결정 과정을 이해하고 신뢰할 수 있는지에 대한 요구도 커지고 있으며 과연 신뢰할만한 것인가 자체도 논의되고 있다. 이러한 요구에 부응하기 위해 등장한 개념이 바로 설명 가능한 인공지능(XAI, Explainable AI) 입다. 사실 이 개념의 등장 배경은 ai의 결과가 전문가들마저 이해하지 못하면서 등장하게 되었고 2004년부터 정의된 개념이다. XAI는 AI 시스템이 내리는 결정이나 예측을 쉽게 이해하고 해석할 수 있도록 돕는 것을 목표로 하며, 이는 단순히 AI의 '결과'를 보여주는 것에 그치지 않고, 그 결과가 어떻게 도출되었는지, 왜.. 2024. 8. 10. 디지털 트윈이란 무엇인가[개념 특징 예시] 디지털 트윈(Digital Twin)은 최근 몇 년간 제조업과 스마트 팩토리(Smart Factory)에서 주목받고 있는 기술이다. 이 기술은 물리적 세계와 디지털 세계를 연결하여 더 효율적이고, 예측 가능하며, 안정적인 제조 환경을 구축하는 데 중요한 역할을 하는 것을 목적으로 하며 최종적인 제조업 에서의 목적은 공장의 최대 효율화 정도로 이해하면 되겠다.디지털 트윈이란 무엇인가? 디지털 트윈은 물리적 자산이나 시스템의 정확한 디지털 복제를 의미한다. 이러한 복제는 센서와 IoT(사물인터넷) 기술을 통해 실시간으로 데이터를 수집하고, 이 데이터를 기반으로 가상의 디지털 모델을 지속적으로 업데이트하며, 단순한 복제를 넘어서 예측, 최적화, 문제 해결의 도구로 발전을 최종적인 목적으로 한다.디지털 트윈의.. 2024. 8. 10. 베이지안 학습 [개념, 장단점, 예시] 현대 사회에서 데이터의 중요성은 나날이 증가하고 있으며, 데이터 기반 의사 결정은 거의 모든 산업에서 필수적인 요소다. 사실상 수많은 기업에서 자체 ai를 개발하고 활용하고 있으며 이는 미래로 나아가기 위해서는 필수적이다, 이러한 데이터 분석과 예측의 중심에는 다양한 통계적 학습 방법이 있는데, 그중 하나가 바로 베이지안 학습이다. 베이지안 학습은 데이터를 통해 지식을 갱신하고 불확실성을 다루는 데 강력한 도구로서, 기계 학습, 의료, 금융 등 여러 분야에서 활용 되고 있다.베이지안 학습의 개념 베이지안 학습은 영국의 수학자 토마스 베이즈(Thomas Bayes)가 제안한 베이즈 정리(Bayes' Theorem)를 기초로 한다. 우리는 일반적으로 어떤 사건이 발생할 확률에 대해 일정한 사전 확률을 .. 2024. 8. 10. 이전 1 다음 반응형
