SUPERB AI

저널

라벨링 플랫폼을 선택할 때 보안을 반드시 고려해야 하는 이유와 보안 수준 확인 방법

현대에 들어 사이버 보안은 우리의 일상에 가장 중요한 부분 중 하나가 되었습니다. 우리는 영세한 업체에 우리의 전화번호를 주고, 소셜 미디어 앱에 이메일을 남기고, 은행 기관에 재정 상태를 공유합니다. 그러다 보니 우리가 믿고 정보를 맡긴 회사에 데이터 유출 사건이 발생하는 순간 우리의 데이터는 대중에게 노출되게 되고 우리는 소비자로서의 신뢰를 잃어버리게 되죠.

AI 인사이트

LLMOps가 주목받고 있는 이유: DevOps에서 LLMOps까지

2023년 인공지능 업계의 가장 핫한 트렌드는 단연 생성형AI와 초거대언어모델(LLM)이었다. 2022년 11월 등장한 챗GPT를 시작으로 등장한 초거대언어모델(LLM)은 우리 삶에 자연스럽게 녹아들며 우리의 삶을 크게 바꾸어나가기 시작했다. 자연스럽게 LLM을 활용하기 위한 다양한 라이브러리(Libraries)와 방법론이 등장하기 시작했는데, 이번시간에는 초거대언어모델(LLM)을 보다 효율적으로 운영하고 거대한 언어모델의 사전학습

AI 인사이트

AI가 창조할 수 있는 비밀: 생성형 AI 이해하기

생성형 AI가 주목을 받으면서 '생성형 AI가 거품이다 아니다' 논쟁도 있지만 개인적으로는 OpenAI의 성공과 ChatGPT를 사용하는 개인과 기업들, 그리고 의료 국방 제조 등 여러 분야에서 AI를 이용한 시도, 혁신이 이뤄지고 있는 모습들을 보면 단순히 거품에 거치지 않을 것이라는 생각이다. 가트너의 2023년 Hype Cycle에 따르면 현재 생성형 AI는 기대감 최고

제품 및 서비스

[웨비나] 컴퓨터 비전에서 데이터 큐레이션을 위한 임베딩 활용 웨비나 실시간 Q&A

지난 6월 열린 웨비나였던 "컴퓨터 비전에서 데이터 큐레이션을 위한 임베딩 활용" 이후, 참가자들이 던진 몇 가지 흥미로운 질문을 여러분에게 공유합니다. 놓치셨거나 다시 시청하고 싶으시다면 여기에서 전체 웨비나를 지금 바로 시청하세요. Q: (분산형 차트에 대해) 전부 사용하면 너무 조밀해지기 때문에 TSNE 시각화에서 샘플링을 하는 것 같은데, 샘플링하는 것이 맞다면

보도자료

슈퍼브에이아이, 산업별 AI 프로젝트 사례집 30종 발행

AI는 다양한 업계의 기업들의 문제 해결의 직접적인 도움이 되지만, 업계별 문제 해결을 위한 AI 모델 개발부터 배포까지의 어려움을 겪는 기업들이 많다. 슈퍼브에이아이는 이러한 어려움을 해결해온 노하우를 ‘산업별 AI 프로젝트 사례집’을 통해 공유한다. 이번 사례집에는 총 30개의 케이스가 포함돼 있으며 각 산업별 문제점을 어떻게 해결하고 AI를 통해 효율화했는지에 대한 내용을

보도자료

[헬로AI] 출발하는 슈퍼브 플랫폼 ‘AI 대중화는 이뤄진다’

우리는 AI 모델을 구축하기 위해서 현장에서 직접 담당자들을 만나고 모든 정보를 모으는 작업을 시작했다. 대량의 정보를 하나의 지식체계로 만들고, 이를 기반으로 일관된 측정지표를 만든 뒤 데이터에 입력하기 위한 기술과 프로세스를 만들었다. 이 과정을 통해 얻은 경험이 현재 슈퍼브 플랫폼에 그대로 녹아 있다. 이는 타사와 차별화한 우리만의 강점이자 경쟁력 슈퍼브에이아이 이현동

보도자료

슈퍼브에이아이, ‘부산 2023 K-ICT Week’참가 성료… AI 인기 실감

인공지능(AI) 솔루션 선도기업 슈퍼브에이아이(Superb AI, 이하 슈퍼브에이아이)가 9월 6일부터 8일까지 벡스코 제1전시장에서 열리는 '부산 2023 K-ICT WEEK'에 성공적으로 참가했다고 밝혔다. '부산 2023 K-ICT WEEK'는 국내외 전문가와 업계 리더들이 참여하는 대한민국 최고의 종합 정보통신기술(ICT) 컨퍼런스다. ICT 전문가 컨퍼런스, 기업 투자상담회, 기술설명회

저널

간극 좁히기: 모델 진단을 활용하여 컴퓨터 비전에서 데이터 선별 간소화하기

컴퓨터 비전은 빠르게 성장하는 분야로, 기계가 인간과 유사한 방식으로 시각 정보를 처리하고 해석할 수 있게 함으로써 산업을 혁신할 수 있는 잠재력을 지니고 있습니다. 성공적인 컴퓨터 비전 애플리케이션을 개발하는 데 있어 중요한 측면은 데이터 선별, 즉 모델을 학습하고 평가하는 데 사용되는 데이터셋을 수집하고, 어노테이션을 추가하고, 정리하는 프로세스입니다. 그러나 데이터 선별에는 정확하고

저널

컴퓨터 비전을 위한 고급 모델 진단 기법

컴퓨터 비전 모델 설계의 복잡성이 증가함에 따라 성능을 평가하고 한계점이나 고유 편향을 파악하는 것이 중요해지고 있습니다. 모델 진단은 이러한 모델의 복잡성을 이해하고 신뢰성, 효율성 및 해석 가능성을 보장하는 데 중요한 역할을 합니다. 개발자는 개선이 필요한 영역을 파악함으로써 모델을 개선하고 더 향상된 성능을 구현할 수 있습니다. 최근 컴퓨터 비전 기술의 발전으로

AI 인사이트

ChatGPT 유행이 가지는 의미 (3) – 우리 삶과 AI

분명 ChatGPT는 인공지능 업계에서 새로운 패러다임임과 동시에 사회의 유행을 이끌고 있습니다. 물론 꼭 ChatGPT가 아니더라도 여태까지 우리 사회에 유행을 이끌었던 것은 많습니다. 크게는 인터넷과 스마트폰의 등장을 대표적인 예로 생각해볼 수 있으며, 작게는 특정 유행어나 패션이 유행을 하기도 합니다. 이러한 다양한 유행은 시간이 지나고 ‘당연한 것’이 되어 우리 삶을 크게

저널

모델 진단으로 데이터 문제를 조기에 발견하는 방법

효율적이고 효과적인 머신러닝 모델을 개발하는 데는 수많은 어려움이 있습니다. 이러한 어려움을 해결하기 위해 가장 중요한 것은 데이터 관련 문제를 조기에 발견하고 수정하는 것입니다. 모델 진단(Model Diagnotics)은 데이터 문제가 모델 성능을 저해하기 전에 정확히 찾아내고 수정하는 도구로 대단히 중요합니다. 이번 포스팅에서는 슈퍼브에이아이의 큐레이트 툴이 모델 진단과 데이터 문제 조기

제품 및 서비스

슈퍼브 플랫폼에서 프로젝트 성공적으로 설정하기

컴퓨터 비전 분야에서 모델의 성공 여부는 라벨의 품질로 결정된다는 것은 누구나 아는 사실입니다. 효과적인 모델을 구축하려면 끈기와 인내심, 실행 가능한 프로세스가 필요합니다. 초기 단계에서 적절한 질문을 설정하고 가설을 정의하세요. 예산, 인력 규모, 기간, 어노테이션 유형, 데이터셋의 크기 및 전체 프로젝트 목표를 고려하는 것이 필요합니다. 프로젝트 개발은 적절한 도구 선택, 어노테이션

저널

컴퓨터 비전 모델의 희귀 케이스를 위한 데이터 증강 기법

머신러닝은 항상 데이터에 굶주려 있습니다. 특히 컴퓨터 비전 작업에서는 데이터가 많을수록 더 나은 모델을 만들 수 있는 경우가 많습니다. 하지만 모든 데이터셋이 동일하게 생성되는 것은 아닙니다. 특히 빈도가 낮거나 드문 어떤 사례들은 데이터가 부족할 수 있습니다. 이러한 경우 데이터 증강 기술이 모델의 성능에 큰 영향을 미칠 수 있습니다. 이런 문제의

저널

정확성을 위한 큐레이팅: 균형 잡힌 컴퓨터 비전 데이터셋 구축하기

컴퓨터 비전(CV) 기술의 발전은 전례 없는 수준의 자동화와 스마트 기능을 등에 업고 다양한 산업을 변화시키고 있습니다. 그러나 정확하고 편향성 없는 CV 모델을 구축하는 것은 늘 복잡한 과정입니다. 이러한 난관을 극복하는 비결은 균형 잡힌 고품질 데이터셋을 생성하는 데 있습니다. 이러한 맥락에서 슈퍼브 큐레이트(Superb Curate)는 데이터 큐레이션 프로세스를 간소화하는

저널

컴퓨터 비전 분류: 노이즈가 많고 잘못 라벨링된 데이터 클리닝

머신러닝 및 컴퓨터 비전 기술에 대한 전문 지식이나 경험에 관계없이 한 가지 보편적인 사실은 모델의 성공 여부는 데이터 품질에 크게 좌우된다는 것입니다. 쓰레기 심은데 쓰레기 난다(Garbage in, Garbage out; GIGO)는 말이 있을 정도로요. 하지만 실제 데이터는 노이즈와 잘못된 라벨로 가득 차 지저분한 경우가 많습니다. 이 포스팅은 머신러닝 실무자와

업데이트 소식

다국어 업데이트 : 한국어로 편리하게 슈퍼브 플랫폼을 이용하세요

지난 12월, 영문으로만 제공되던 웹사이트의 다국어 업데이트를 진행했습니다. 한국어가 신규 추가되어 국내 사용자의 온보딩 경험이 향상되었으며 긍정적인 피드백을 받을 수 있었습니다. 이런 긍정적인 피드백을 적극 반영해 슈퍼브 플랫폼에서의 한국어 업데이트도 진행했습니다. 이제 슈퍼브 플랫폼 내 모든 제품(라벨, 큐레이트, 모델)에서 영어, 일본어, 한국어의 총 3개의 다국어를 지원합니다. 이번 다국어

프로젝트 사례

[농축산업] 농작물 생육 상태를 측정하는 AI : 기존 육안 검수 대비 약 92.4% 증가

- 페인 포인트 : 농작물 생육 모니터링 솔루션 개발을 위한 AI 모델 필요 - Vision AI 활용 : 객체별 익은 정도를 추적하는 AI 알고리즘 구축 - 결과 : 기존 육안 검수 대비 농작물의 익은 정도의 측정 정확도 약 92.4%, 농작물 생육 변화 추적 자동화 실현 농작물 생육 상태를 측정하는 AI 란? 농작물의

프로젝트 사례

[농축산업] 농장 주행 경로 및 농작물 위치 인식 AI : 인식 정확도 약 97.6 %

- 페인 포인트 : 대규모 농장의 인력관리 및 수확량 증가 한계 - Vision AI 활용 : 농장 주행 가능 경로와 농작물 위치 인식 AI 모델 개발 - 결과 : 농작물 위치 인식 정확도 약 97.6 %, 농작물 자동 수확 기계 솔루션 개발 농장 주행 경로 및 농작물 위치 인식 AI란? 농업 작업 시

프로젝트 사례

[농축산업] 축사 생체정보 분석 데이터 구축 : 비용 31.6% 절감

- 페인 포인트 : 작업자 경험에 의존한 축산 경영의 한계 - Vision AI 활용 : 다양한 항목의 생체정보 및 이상행동 데이터 구축 - 결과 : 축사 관리 비용 약 31.6% 절감, 비접촉식 동물 생체정보 분석 및 축사 관리 효율 극대화 축사 생체정보 분석 데이터 구축이 필요한 이유 축사 생체정보 분석 데이터 구축은

프로젝트 사례

[커머스/엔터테인먼트] 댄서 동작 자동 인식 AI

- 페인 포인트 : 춤 교육 컨텐츠에 AI 도입 계획 - Vision AI 활용 : 댄서별 ID 추적과 동작 자동 인식 AI 알고리즘 개발 - 결과 : 30,000+ 프레임 동작 데이터 구축, 실제동작과 예시동작의 일치 확인하여 원격 춤 교육 실현 댄서 동작 자동 인식 AI 란? 댄서의 춤 동작을 자동으로 감지하고 분류하는

프로젝트 사례

[커머스/엔터테인먼트] 제품 브랜드 및 제품명 자동 검출 AI : 브랜드 인식 정확도 99.2%

- 페인 포인트 : 매장 점유율 확인 및 기존 재고 관리 비용 한계 - Vision AI 활용 : 제품 브랜드 및 제품명 자동 검출 - 결과 : 이미지 상 브랜드 인식 정확도 약 99.2% 달성, 실시간 매장 별 점유율 파악 가능 및 재고 관리 최적화 제품 브랜드 및 제품명 자동 검출 AI

AI 인사이트

OpenAI가 직면한 과제와 돌파구 ClosedAI와 오픈소스 문화

OpenAI의 사용자 감소세가 심상치 않다. 애널리틱스인디아에 따르면 2022년 11월 서비스 개시 이후 수직 상승하던 OpenAI의 사용자수가 2023년 5월을 정점으로 감소세로 들어서, 7월 이용자수는 동년 6월에 비해 12%나 감소했다고 한다. (출처 : 테크42, 챗GPT 선구자 ‘오픈AI’에 드리운 먹구름···파산 위기설까지) 사용자 감소세의 원인으로는 여러가지를 들 수 있겠지만, 가장 유력한 것은

프로젝트 사례

[커머스/엔터테인먼트] 체형 기반 자동 매치 AI : 정확성 93%

- 페인 포인트 : 온라인 매출 상승을 위한 가상 착장 시스템 도입 계획 - Vision AI 활용 : 체형 기반 의류 사이즈를 자동으로 매치하는 AI 모델 개발 - 결과 : 옷 사이즈 연계 정확성 평균 93%, 실제 체형에 기반한 사이즈 추천으로 반품율 하락 체형 기반 자동 매치 AI 란? 의류나 패션 아이템을 구매할

AI 인사이트

ChatGPT 유행이 가지는 의미 (2) – 초거대 AI

ChatGPT가 등장하고 행사하는 영향력은 어마어마합니다. 그리고 우리가 ChatGPT의 영향력이 크다고 말할 수 있는 이유는 딱 하나입니다. 바로 ChatGPT라는 인공지능이 너무나도 정확하고 그럴듯한 결과물을 계속 내놓고 있기 때문입니다. ChatGPT는 일반적인 채팅 상대로서의 기능도 해주는데다, 번역이면 번역, 작문이면 작문, 거기에 코딩까지 정말 다양한 영역에서 놀라운 능력을 보여주고 있습니다. 만약, 아무리 다양한 기능을

프로젝트 사례

[스포츠] 영상 데이터의 객체 자세 자동 인식 AI: 분석 시간 20.8% 단축

- 페인 포인트 : 선수의 자세 교정 시스템 도입 계획 - Vision AI 활용 : 동영상 데이터의 객체 자세 자동 인식 AI 모델 개발 - 결과 : 코치의 자세 분석 시간 약 20.8% 단축, 기초 자세 코칭 시간 절감에 따른 인건비 감소 효과 영상 데이터의 객체 자세 자동 인식 AI 란? 영상