요약
⏱ 00:031. 비전 AI의 단기 전망
⏱ 00:03사회자가 5년 뒤 비전 AI의 변화를 묻자, 패널 Young은 AI의 발전 속도를 고려해 1~2년 정도를 기준으로 예측하겠다고 답했다. 그는 시각 언어 모델(VLM)이 엣지로 내려와 기존 모델을 대체하기보다 함께 작동하게 될 것이라고 보았다.
사람들은 현장에서 무슨 일이 벌어지는지 VLM에게 즉각적으로 묻고 싶어 하지만, 기존 모델은 탐지와 추적을 빠르게 수행한다. 앞으로는 기존 모델이 탐지와 추적을, VLM이 이해와 대화를 맡는 역할 분담이 자리 잡을 것이라는 설명이다. 로봇 공학 분야에서는 깊이 감지와 스테레오 깊이 기술이 생산 단계로 들어갈 것으로 예상했다.
⏱ 02:292. 엣지에서 VLM이 작동하기 위한 조건
⏱ 02:29Bowen은 엣지용 VLM이 단순히 모델 파일을 기기에 올리는 것만으로는 부족하다고 말했다. 그는 네 가지 조건을 제시했다. 모델 전체와 비전 인코더, 컨텍스트 캐시가 메모리에 들어갈 수 있어야 하고, OCR이나 객체 탐지, 짧은 영상 이해 같은 실질적인 비전 기능이 있어야 한다.
⏱ 05:203. 칩 설계의 상충 관계와 워크플로 통합
⏱ 05:20Young은 자신들의 칩이 같은 칩에서 CNN과 트랜스포머를 동시에 실행할 수 있어 기술적으로는 근본적인 상충 관계가 없다고 설명했다. 다만 모든 칩이 이렇게 작동할 필요는 없으며, 어떤 시나리오에서 얼마나 많은 전력과 비용을 쓸지가 설계의 출발점이라고 말했다. 엣지에서 생성형 AI를 쓸 계획이라면 첫날부터 트랜스포머를 지원해야 한다는 의견이다.
Mammoth Technologies의 유민은 모델 학습 시간보다 애플리케이션 구축에 훨씬 많은 시간이 든다고 보며, 기기마다 SoC와 툴체인이 달라 생기는 파편화가 속도를 크게 늦춘다고 지적했다. 그는 Ultralytics의 단일 워크플로우가 한 번 작성한 코드를 여러 플랫폼에서 실행하게 해 주는 점이 큰 장점이라고 평가했다.
⏱ 09:004. 소규모 팀의 실제 장벽은 평가 루프
⏱ 09:00Bowen은 오늘날 소규모 팀이 데모를 만드는 일은 쉬워졌지만, 실제 서비스에서는 벤치마크 성능과 현장 성능이 다를 수 있다고 말했다. 텍스트만으로 풀 수 있는 질문을 걸러내면 벤치마크 정확도가 크게 떨어질 수 있다는 자체 연구 결과도 언급했다.
그래서 가장 큰 도전은 자신의 시나리오에서 무엇이 실패인지 정의하고, 그 실패 사례를 학습 데이터나 평가 케이스로 바꿔 모델을 계속 개선하는 피드백 루프를 만드는 일이라고 정리했다. 이것이 모두를 위한 AI를 실현하는 데 가장 큰 장벽이라는 주장이다.
⏱ 12:005. 개방성과 포크 문화의 가치
⏱ 12:00Glenn Jocher는 기술이 강력해질수록 특정 벤더에 종속되지 않는 개방성이 중요해진다고 강조했다. 그는 Ultralytics 오픈소스 코드가 수만 번 포크되어 각자의 필요에 맞게 커스터마이즈되고 있다는 점을 예로 들었다. 포크란 누군가 원본을 복사해 자신만의 방향으로 발전시키는 것을 뜻한다.
그는 Ultralytics로 시작해 모델을 학습하고 배포하다가도 언제든 독자적인 경로로 옮겨 갈 수 있다는 점이 중요하다고 말했다. 로봇 공학 발표에서도 특별한 자원이 없는 평범한 사람들이 아이디어를 구현하는 사례가 많았다고 소개하며, 기술의 미래는 사용자가 결정한다는 메시지를 전했다.
⏱ 16:006. 센서 신뢰성과 패널의 마무리 베팅
⏱ 16:00빈센트는 산업 현장의 로봇이 센서 결과를 신뢰할 수 없으면 충돌 위험이 생기므로, 반사 금속, 어두운 표면, 진동, 불안정한 조명 같은 환경에서 센서가 정보를 잃지 않도록 해야 한다고 말했다. 그는 강도 데이터와 함께 픽셀별 신뢰도 데이터를 제공하고, 카메라와 컴퓨팅 장치가 표준 인터페이스로 긴밀하게 작동하는 시스템 설계가 필요하다고 제시했다.
