책임감 있는 AI 활용 및 향상된 모델 훈련   이번 호에서는 AI를 활용해 실시간 3D 콘텐츠를 제작하는 툴인 유니티 뮤즈(Unity Muse)에서 결과를 생성하는 방법을 설명하고, 유니티의 모델 훈련 방법론 및 새로운 파운데이션 모델 두 가지를 소개한다. ■ 자료 제공 : 유니티 코리아   유니티 뮤즈는 AI 기능을 바탕으로 사용자의 탐색, 아이디어 구상 및 반복 작업을 지원한다. 이러한 기능 중 텍스처(Texture) 및 스프라이트(Sprite)는 자연어와 시각적 입력을 애셋으로 변환한다. 뮤즈를 통해 유니티 에디터에 AI를 도입하면 아이디어를 가시적인 콘텐츠로 빠르게 구현할 수 있으므로, 비전을 더 손쉽게 실현할 수 있다. 프로젝트에 사용 가능한 실제 결과물로 변환할 수 있는 텍스트 프롬프트와 패턴, 색, 스케치를 이용하여 조정 및 반복 작업도 가능하다. 유니티는 뮤즈를 통한 스프라이트 및 텍스트 생성의 기반이 되는 AI 모델에 대한 훈련 기법을 혁신하는데 노력을 들였다. 이를 통해 안전하고 책임감 있으며 다른 크리에이터의 저작권을 존중하는 유용한 결과물을 제공하고자 한다.   AI 모델 훈련 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 선보이면서, 유니티가 보유하거나 라이선스를 받은 독점 데이터를 기반으로 처음부터 훈련을 받은 두 가지 맞춤형 확산 모델도 개발하고 있다.   자체 콘텐츠 라이브러리 확장 데이터 증강은 유니티가 데이터 세트의 스케일과 다양성을 높이기 위해 사용하는 핵심 기술 중 하나로, 이 기술을 이용하여 유니티는 보유 중인 원본 데이터 샘플에서 많은 변형(variation)을 생성할 수 있다. 이러한 역량으로 훈련 세트를 더 풍부하게 만들 수 있으며, 모델이 한정된 샘플을 기반으로 일반화를 수행하는 기능을 향상할 수 있다. 아울러 지오메트리 변환, 색 공간 조정, 노이즈 삽입, 스테이블 디퓨전(Stable Diffusion) 같은 생성형 모델을 통한 샘플 배리에이션 등의 기법을 사용해 데이터 세트를 종합적으로 확장한다. 최근 스테이블 디퓨전과 관련하여, 본래 인터넷에서 수집된 데이터를 기반으로 훈련된 모델이라는 이유로 윤리적인 면에서 우려가 발생한 바 있다. 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 제작하면서, 자체적으로 소유하고 책임감 있게 선별한 원본 데이터 세트를 기반으로 잠재적 확산 모델 아키텍처를 처음부터 훈련하는 방식을 통해 사전 훈련된 모델에 대한 의존도를 낮췄다. 데이터 증강 기법의 일부로 스테이블 디퓨전 모델의 사용을 최소로 제한해 안전하게 사용함으로써, 유니티가 보유한 원본 애셋 라이브러리를 강력하고 다양한 결과물의 저장소로 확장할 수 있었다. 이러한 결과물은 고유하고 독창적이며, 저작권을 가진 어떠한 아트 스타일도 포함하지 않는다. 유니티는 또한 추가로 완화 조치를 적용했으며, 뮤즈의 텍스처 및 스프라이트 기능에 사용되는 유니티의 잠재적 확산 모델을 위한 훈련 데이터 세트는 인터넷에서 수집된 어떤 데이터도 포함하지 않는다. 다음은 앞에서 설명한 증강 기법을 통해 확장되는 콘텐츠의 예시이다.   그림 1   <그림 1>은 원본 데이터 샘플(왼쪽 상단)과 복합적인 증강 기법으로 얻은 합성 배리에이션이다. 두 가지 모두 노이즈 기반(색 공간 조정, 위에서 아래로) 및 생성 기반(왼쪽에서 오른쪽으로)이다. 기존 데이터를 증강한 이후에도 여전히 다양한 소재에서 채워야 하는 부분이 있었다. 이 작업을 위해 행동에 의미 있는 변화가 나타날 때까지 자체 콘텐츠로 스테이블 디퓨전을 훈련시켰다. 또한 이러한 파생 모델을 사용하여 사전 필터링된 소재 목록으로 완전히 새로운 합성 데이터를 만들었다.(그림 2)   그림 2   실제 인력에 의한 검토와 LLM(대규모 언어 모델)을 사용하는 자동화된 추가 필터링을 이러한 소재 목록에 모두 적용함으로써, 유니티의 가이드 원칙을 위반하고 인식 가능한 아트 스타일, 저작권이 있는 머티리얼, 잠재적으로 유해한 콘텐츠가 전혀 포함되지 않은 데이터 세트를 만들겠다는 유니티의 목표에 맞지 않는 합성 이미지가 생성될 가능성을 차단했다. 그 결과 증강되고 완전한 대규모의 합성 이미지 데이터 세트 두 개가 만들어졌고, 여기에는 원치 않는 콘셉트가 포함되지 않았다는 확신이 있었다. 하지만 그러한 확신에도 불구하고, 유니티는 더 많은 필터링을 추가해 모델의 안전성을 보장하고자 했다.   안전하고 유용한 결과물을 위한 추가 데이터 필터링 가장 중요한 사항은 안전 및 개인정보와 부정적인 영향 없이 사용자를 지원하는 툴의 제공이었으므로, 유니티는 추가 데이터 세트 필터링을 위한 별도의 분류기 모델을 개발했다. 이 모델을 사용한 결과, 데이터 세트에 포함된 모든 콘텐츠가 유니티의 AI 원칙에 명시된 표준을 충족하고 추가적인 이미지 품질 검사를 통과할 수 있었다. 리뷰어 모델은 합성 이미지에서 다음 사항을 식별하는 역할을 함께 담당했다. 인식 가능한 사람의 특징이 포함되어 있지 않음 일반적이지 않은 어떤 아트 스타일도 포함되어 있지 않음 어떤 IP 캐릭터나 로고도 포함되어 있지 않음 허용될 수 있는 수준의 품질을 갖추고 있음 4개의 리뷰어 모델이 요구하는 신뢰도 높은 임계 수준을 하나라도 통과하지 못하는 이미지는 데이터 세트에서 폐기되었다. 가장 높은 신뢰도를 보이는 이미지만 필터를 통과해 최종 데이터 세트에 합류할 수 있도록 철저하게 주의를 기울이며, 모델의 결격 사유를 엄격하게 평가했다.   모델 소개 유니티의 유나이트 이벤트에서 뮤즈의 텍스처 및 스프라이트 기능에 대한 얼리 액세스가 발표되었다. 이러한 툴을 지원하는 모델의 첫 번째 반복 수정을 내부적으로 ‘Photo-Real-Unity-Texture-1’ 및 ‘Photo-Real-Unity-Sprite-1’이라고 한다. 이는 스타일화에 대한 기초적인 이해만 갖추도록 설계된 모델로, 주로 포토리얼리즘에 집중되어 있다. 모델을 프로젝트의 기존 스타일에 맞게 가이드하고 싶다면, 유니티의 스타일 훈련 시스템에 약간의 고유 레퍼런스 애셋을 제공하여 콘텐츠를 특정 아트 스타일로 생성하는 방법을 모델에 학습시킬 수 있다. 그렇게 하면 결과물 가이드를 위해 메인 모델과 함께 작동하는 소규모의 후속 모델이 생성된다. 이 소규모 후속 모델은 훈련 담당자나 그 조직에 공개되지 않으며, 유니티는 메인 모델 훈련에 이 콘텐츠를 사용하지 않는다. 포토리얼리즘에 중점을 두는 모델이기 때문에 유니티는 메인 모델을 수많은 다양한 스타일로 훈련시킬 필요가 없었다. 이 아키텍처를 통해 더 손쉽게 책임감 있는 AI를 향한 유니티의 약속을 지키면서 메인 모델을 훈련시킬 수 있으며, 크리에이터가 아트 수준을 더 세부적으로 제어하도록 할 수 있다. 이러한 모델은 시작에 불과하다. 뮤즈의 스마트한 역량은 점점 더 향상되어 더 나은 결과물로 이어질 것이며, 유니티는 그러한 과정에서 모델 향상 로드맵을 통해 모델을 더 높은 완성도로 이끈다는 비전을 내세운다.   Photo-Real-Unity-Texture-1 로드맵 유니티의 텍스처 모델은 모든 분야에서 유용하게 쓰일 수 있다. 큰 규모의 콘셉트를 인식하고 있으며, 이러한 모델을 통해 서로 관련이 없는 여러 콘셉트를 자유롭게 혼합하고 <그림 3>에서 볼 수 있는 ‘메탈 슬라임’ 또는 ‘파란색 크리스탈 유리 암석’ 같은 결과물을 구현할 수 있다.   그림 3   이 모델이 현 단계에서 유용하기는 하지만, 다양한 프롬프트와 입력 방식에 어떻게 반응하는지 학습해 본 결과 단일 단어로 구성된 프롬프트로는 고급 머티리얼 콘셉트를 구현하기 어려울 수도 있다는 사실을 알 수 있었다. 원하는 목표에 맞게 모델을 가이드하는 데에 도움이 되는 방법이 더 있지만, 유니티는 기본 프롬프트의 정확도를 높이고 새로운 모델 가이드 방법을 추가하는 방식으로 사용자가 모델을 계속 더 자유롭게 제어할 수 있도록 할 예정이다. 앞으로 컬러 피커, 추가적인 사전 제작 가이드 패턴, 자체 가이드 패턴 생성을 위한 개선된 시스템 및 기타 새로운 시각적 입력 방법을 추가할 계획이며, 이 모든 사항은 현재 실험 단계에 있다. Photo-Real-Unity-Texture-1에서 유니티가 가장 중점을 두는 사항은 성과가 저조한 머티리얼 콘셉트를 식별하고 모델 재훈련을 자주 실행하여 전반적인 품질과 기능을 지속적으로 개선하는 것이다. 툴 내 평가 시스템을 통한 사용자의 피드백은 유니티가 모델 기능에서 취약점을 식별하여 더 나은 툴을 만드는 데 도움이 된다. 유니티는 빈도 높은 훈련 일정으로 모델을 빠르게 개선하고, 모델의 사용성을 높이며, 머티리얼 분야에 대한 지식을 축적하고 있다.   Photo-Real-Unity-Sprite-1 로드맵 Photo-Real-Unity-Texture-1과 유사하게 유니티의 기본적인 스프라이트 모델은 전반적으로 유용하며 많은 콘셉트를 인식한다. 툴에 아직 빌트인 애니메이션 기능이 없기 때문에, 유니티는 초기에는 가장 흔하게 사용되는 정적 스프라이트 콘셉트의 품질을 극대화하는데 주력하기로 했다. 기본 모델의 원시 결과물을 <그림 4>에서 확인할 수 있다. 일반적인 사용 사례에서 이는 사용자 훈련 모델에 의해 특정 아트 스타일에 맞게 조정된다.   그림 4   정적 오브젝트는 이미 안정적이지만 유니티는 동물과 인간의 해부학적 정확도를 개선하기 위해 계속 노력하고 있다. 이러한 유형의 소재를 사용할 때 결과가 바람직할 수도 있지만, 사지가 늘어나거나 누락되는 경우 또는 안면이 왜곡되는 경우가 발생할 수도 있다. 이는 책임감 있는 AI 및 사용 가능한 데이터에 대한 엄격한 제한을 지향하는 유니티의 조치에 따른 부작용이라고 할 수 있다. 유니티는 개인정보 보호와 안전을 중요하게 인지하고 있으며, 이로 인해 초기 얼리 액세스 릴리스에서 일부 소재의 품질이 완벽하지 않을 수 있다. 완전히 공백인 스프라이트가 생성될 수도 있으며, 이는 시각적 콘텐츠 검수 필터에 따른 결과이다. 유니티는 Photo-Real-Unity-Sprite-1의 초기 출시 버전에서는 출력 필터링에 관해 신중하게 접근하는 방향을 택했으며, 이로 인해 일부 아트 스타일의 경우 필터링에서 1종 오류가 발생할 수 있다. 유니티는 지속적으로 피드백을 수렴하고 콘텐츠 필터를 개선하면서 점차 제한을 완화할 계획이다. 유니티는 피드백을 수렴하고 책임감 있는 자세로 계속 더 많은 데이터를 소싱하면서 전반적으로 모든 소재의 품질이 빠르게 향상될 것으로 기대하고 있다. Photo-Real-Unity-Sprite-1에도 Photo-Real-Unity-Texture-1과 유사하게 철저한 훈련 일정이 적용될 예정이다.   AI 강화 개발을 향한 유니티의 행보 뮤즈는 책임감 있고 타인의 독창성을 존중하는 방식으로 생성형 AI의 잠재력을 활용해 커뮤니티에 더 강력한 창작물 제어 권한을 부여하려는 유니티의 첫걸음이다. 이 제품은 사용자를 우선으로 고려하여 제작되었으며, 유니티는 사용자의 피드백을 기반으로 변화와 개선을 진행할 예정이다. 유니티는 콘텐츠 제작 업계에서 생성형 AI가 가지는 잠재적 영향력을 인식하며 중요하게 다루고 있다. 이 툴은 크리에이터를 대체하는 것이 아닌, 크리에이터의 역량을 강화하기 위한 노력의 결과이다. 유니티는 크리에이터가 더 많아질수록 세상은 더 매력적인 곳이 될 것이라고 믿으며, 뮤즈와 이를 지원하는 모델을 통해 이러한 사명을 계속 이어간다는 비전을 제시한다.     ■ 기사 내용은 PDF로도 제공됩니다.

한국지멘스는 지멘스그룹이 4월 22일~26일 독일에서 열린 세계 최대 규모의 제조업 박람회 ‘2024 하노버 산업박람회(하노버 메세)’에 참가해 제품 및 솔루션을 선보였다고 밝혔다. 지멘스는 올해 2500㎡ 규모의 부스에서 ‘혁신의 가속화(Accelerate Transformation)’를 주제로 전시를 구성했다. 자동차, 식음료, 화학, 반도체 등 주요 산업 분야의 디지털 전환을 위한 핵심 기술을 소개하면서, 첨단 기술과 파트너십을 통해 산업이 어떻게 지속 가능성과 경쟁력을 강화할 수 있는지를 보여줬다. 특히 마이크로소프트 및 셰플러(Schaeffler) 그룹과 협업한 AI 머신 비전과 지멘스 인더스트리얼 코파일럿(Siemens Industrial Co-pilot) 등의 애플리케이션을 강조했다.     지멘스는 이번 전시회에서 엔지니어링을 위한 생성형 인공지능(AI) 제품인 ‘지멘스 인더스트리얼 코파일럿’을 발표했다. 이 제품은 숙련된 작업자 부족, 생산 효율성 및 지속 가능성 향상 등과 같은 주요 과제 해결을 궁극적인 목표로 하며, 모든 규모의 산업 고객이 생성형 AI를 활용하여 운영을 혁신할 수 있도록 돕는다. 지멘스 인더스트리얼 코파일럿을 통해 엔지니어링 팀은 시간과 노력, 오류 발생 가능성을 줄일 수 있다. 이번 하노버 메세 기간 중 지멘스와 셰플러는 지멘스 인더스트리얼 코파일럿에 대한 공동 작업을 확대하기 위한 양해각서를 체결했다. 지멘스 인더스트리얼 코파일럿은 올 여름부터 개방형 디지털 비즈니스 플랫폼인 ‘지멘스 엑셀러레이터(Siemens Xcelerator)’ 마켓플레이스에서 다운로드할 수 있다. 지멘스 엑셀러레이터 포트폴리오의 또 다른 제품으로 ‘일렉트리피케이션 X(Electrification X)’도 최초로 공개됐다. 확장성이 높은 클라우드 서비스를 기반으로 구축된 일렉트리피케이션 X는 상업 및 산업, 유틸리티 고객의 까다로운 전기화 인프라를 관리, 최적화, 자동화하도록 설계되었다. 비용과 이산화탄소 배출량을 줄이는 동시에 효율성과 성능을 개선하는 것을 목표로 한다. 이와 더불어 지멘스는 최근 출시된 ‘지멘스 에코테크(Siemens EcoTech)’를 선보였다. 지멘스 에코테크는 제품 데이터와 성능을 투명하게 보여줌으로써 고객이 보다 지속 가능한 선택을 쉽게 할 수 있도록 고안된 전사적 자체 인증 라벨이다. 이 라벨이 부여된 제품은 지속 가능한 재료, 최적의 사용, 가치 회수 및 순환성이라는 세 가지 관점에서 전체 제품 수명 주기 동안 일련의 기준에 따라 평가된다. 현재 모든 지멘스 에코테크 제품은 100% 재생 가능한 전기를 사용하는 생산 시설에서 제조되며, 2030년까지 전 세계 생산 시설과 건물에서 탄소 발자국을 제로로 만든다는 지멘스의 목표 달성에 기여하고 있다. 한편, 전시회 기간 동안 지멘스 부스에서는 지멘스그룹 경영진을 포함한 150여 명의 고객 및 파트너 전문가들이 스테이지 프로그램 연사로 나서 다양한 업계 인사이트와 성공 사례를 공유했다. 특히 지난 4월 22일에는 롤랜드 부시 지멘스그룹 회장 및 최고경영자와 엔비디아의 옴니버스 및 시뮬레이션 기술 부문 부사장 레브 레바레디안(Rev Lebaredian)이 AI 기반 산업용 메타버스에 대해 논의하는 세션을 진행했다. 이 밖에도 300 회 이상의 가이드 투어와 500명 이상의 업계 전문가와의 미팅 기회를 제공했다. 한국지멘스의 정하중 대표이사·사장은 “지멘스는 이번 전시회를 통해 AI, 탄소 중립, 에너지 관리 등과 같은 현재 글로벌 산업 트렌드를 선도하는 최첨단 소프트웨어 및 하드웨어 솔루션을 소개할 수 있어 매우 뜻깊었다”며, “지멘스 엑셀러레이터와 같은 지멘스의 혁신 기술과 솔루션을 토대로 앞으로도 고객사들과 지속 가능한 동반 성장을 이룰 수 있도록 최선을 다할 것”이라고 전했다. 한국지멘스의 티노 힐데브란트(Tino Hildebrand) 선임부사장 및 디지털 인더스트리 부문장은 “올해 하노버 메세에서 지멘스는 디지털 전환의 선두주자로서 최신 기술을 대거 선보이며 지속 가능한 미래를 한걸음 앞당겼다. 지멘스 인터스트리얼 코파일럿, 산업용 메타버스, 지멘스 엑셀러레이터 등 AI 및 디지털 트윈 솔루션의 선도적인 발전을 동반한 혁신을 구현해냈다. 이번에 선보인 최신 기술을 한국 시장에 신속하게 소개하여 국내 고객이 당면한 과제를 최우선적으로 해결하고 지속 가능한 디지털 전환을 적극 지원할 것”이라고 전했다.

SAP가 하노버 산업박람회(하노버 메세)에서 제조업계의 생산성, 효율성, 정밀성을 높이기 위한 공급망 솔루션의 AI 혁신 내용을 공개했다.  오늘날의 비즈니스 환경에서 정확하고 관련성 높은 실시간 정보를 활용하면 공급망 중단이 전 세계 공급업체, 제조업체 및 유통업체에 미치는 영향을 완화할 수 있다. SAP는 실시간 데이터에서 확보한 AI 기반 인사이트가 기업이 자체 데이터를 활용해 공급망 전반에서 더 나은 의사결정을 내리고 제품 개발을 간소화하며 제조 효율성을 개선하는 데 도움이 될 것으로 보고 있다. 고객사의 AI 중심 전략을 지원하기 위한 SAP 공급망 솔루션의 주요 개선 사항은 ▲AI 기반 인사이트를 통해 공급망 전반의 의사 결정 최적화 ▲제품 개발 간소화 ▲장비 이상 징후 감지 ▲현장 대응력 향상 등이다. 기업은 더 많은 양의 기계 데이터를 활용하고 AI 기반 시각적 검사를 생산 프로세스에 통합해 자동화를 달성하고 품질을 획기적으로 향상시킬 수 있다. 제품 개발자는 SAP의 AI 코파일럿인 쥴(Joule)을 활용해 자연어 쿼리를 통해 신제품 아이디어를 빠르고 효과적으로 수집하고 개선할 수 있다. 또한, 제품 디자인에 비즈니스 데이터로 태그를 지정해 비즈니스에 중요한 정보를 시각적으로 맥락화할 수 있다. 장비 및 자산 운영자는 AI를 활용해 스마트 디바이스와 에지 게이트웨이에서 수집한 센서 데이터를 기반으로 잠재적인 고장을 사전에 해결할 수 있다. 이 기능은 소프트웨어 AG(Software AG)의 큐물로시티(Cumulocity) IoT 플랫폼을 활용하며, 올해 3분기에 SAP 자산 성과 관리(SAP Asset Performance Management) 애플리케이션에 내장될 예정이다. 또한, 고객사는 통합된 실시간 교통 데이터와 머신러닝 학습 모델을 통해 주행 경로를 최적화하고 작업을 효율적으로 할당할 수 있으며, 이를 통해 적절한 현장 서비스 기술자가 목적지에 제시간에 도착할 수 있다.     SAP의 무하마드 알람(Muhammad Alam) 제품 엔지니어링 총괄은 “오늘날 기업은 공급망 중단, 노동력 부족, 지정학적 불확실성 등 다양한 문제에 직면해 있다”며, “SAP는 민첩성과 인텔리전스의 필요성을 인식하고 공급망 및 제조 프로세스를 간소화하는 AI 기반 솔루션으로 혁신을 주도하고 있다. 기업은 운영 효율성을 높이고 위험을 완화하는 동시에 우수한 서비스로 고객을 만족시켜 지속적인 성장과 시장 경쟁력의 탄탄한 기반을 마련할 수 있다”고 말했다. 한편, SAP는 AI 기반 제조 혁신을 국내 기업과 공유하고 보다 심도 깊게 논의하기 위한 프로그램도 진행한다고 전했다. SAP 코리아는 이번 하노버 산업박람회에 참가하는 국내 고객사 160여 명을 대상으로 다양한 제조업계의 혁신을 함께 살펴보는 가이드 투어를 마련했다. SAP 코리아는 국내 스마트 공장 최신 동향도 함께 연구하며 국내 제조업계가 디지털 전환을 위해 나아가야 하는 방향성을 제시한다는 계획이다.

류용효 지음 / 11,000원 / 열린 인공지능  어떻게 하면 나만의 꿈과 비전을 더 명확하게 그릴 수 있을까? '컨셉맵으로 미래 그리기'는 당신이 성공적인 미래를 위해 어떤 목표를 세우고, 어떻게 계획을 세우며, 더 나아가 소통과 협업을 통해 어떻게 성공에 한 발짝 더 다가갈 수 있는지 알려준다. 각 장마다 제시되는 질문들은 독자들에게 심층적인 고찰을 유도하며, 나만의 컨셉맵을 그리는 동안 효과적인 피드백과 가이드를 제공한다. 컨셉맵은 당신의 미래를 시각적으로 만들어내는 강력한 수단이다. 캐드앤그래픽스 전문위원이자 PLM 전문가로 활동해온 류용효 작가는 이 책에서 목표의 문을 열고 미래의 비전을 그리며, 강점과 가능성을 탐험하는 과정에서 자신을 발견하도록 실질적인 조언과 팁을 제공한다. 이 여정에서 새로운 아이디어와 통찰력을 얻어, 미래를 도전적이고 의미 있는 방향으로 이끌어나갈 수 있도록 안내한다. 책 속에서 우리는 여러분의 꿈과 목표에 대한 비밀스러운 통로를 찾고, 컨셉맵의 마법을 통해 목표의 문을 열고, 미래의 비전을 그려가며 자아를 탐험할 수 있을 것이다. 이 여정은 강점과 가능성의 발견으로 이어져, 자신을 더 깊이 이해하게 될 것이다.