데이터 클라우드 기업 스노우플레이크가 높은 개방성과 성능을 내세운 엔터프라이즈급 대규모 언어 모델(LLM)인 ‘스노우플레이크 아크틱(Snowflake Arctic)’을 출시했다. 스노우플레이크의 전문가혼합(MoE) 방식으로 설계된 아크틱은 기업의 복잡한 요구사항 처리에도 최적화되어 SQL 코드 생성, 명령 이행 등 다양한 기준에서 최고 조건을 충족한다. 특히 아크틱은 무료로 상업적 이용까지 가능한 아파치 2.0 라이선스로, 스노우플레이크는 AI 학습 방법에 대한 연구의 자세한 사항을 공개하며 엔터프라이즈급 AI 기술에 대한 개방 표준을 제안했다. 또한 아크틱 LLM은 스노우플레이크 아크틱 모델군(Snowflake Arctic model family)의 일부로, 검색 사용을 위한 텍스트 임베딩 모델도 포함됐다. 오픈소스 모델인 아크틱은 코드 템플릿과 함께 추론과 학습방식을 선택할 수 있는 유연성도 제공한다. 사용자는 엔비디아 NIM, 텐서RT-LLM(TensorRT-LLM), vLLM, 허깅페이스(Hugging Face) 등 기업이 선호하는 프레임워크로 아크틱을 사용하고 커스터마이징할 수 있다. 스노우플레이크 코텍스(Snowflake Cortex)에서는 서버리스 추론을 통해 아크틱을 즉시 사용할 수도 있다. 스노우플레이크 코텍스는 완전 관리형 서비스로, 허깅페이스, 라미니(Lamini), 마이크로소프트 애저, 엔비디아 API 카탈로그, 퍼플렉시티(Perplexity), 투게더 AI(Together AI) 등 다양한 모델 목록과 함께 데이터 클라우드에서 머신러닝 및 AI 솔루션을 제공한다. 아마존웹서비스(AWS)에서도 아크틱 사용이 가능해질 예정이다.     스노우플레이크는 기업이 각자의 데이터를 활용해 실용적인 AI/머신러닝 앱 제작에 필요한 데이터 기반과 최첨단 AI 빌딩 블록을 제공한다. 고객이 스노우플레이크 코텍스를 통해 아크틱을 사용할 경우 데이터 클라우드의 보안 및 거버넌스 범위 내에서 프로덕션급 AI 앱을 적정 규모로 구축하는 것이 더욱 쉬워진다.  아크틱 LLM이 포함된 스노우플레이크 아크틱 모델군에는 스노우플레이크가 최근 출시한 최첨단 텍스트 임베딩 모델 중 하나인 아크틱 임베드(Arctic embed)도 포함된다. 이 제품은 아파치 2.0 라이선스로 오픈소스 커뮤니티에서 무료로 사용할 수 있다. 5가지 모델로 구성된 이 제품군은 허깅페이스에서 바로 사용할 수 있으며, 스노우플레이크 코텍스에 내장돼 프라이빗 프리뷰 형태로 공개될 예정이다. 유사 모델의 약 3분의 1 크기인 이 임베딩 모델은 높은 검색 성능을 발휘하도록 최적화되어, 기업들이 검색증강생성(RAG) 또는 시맨틱 검색 서비스의 일부로 고유의 데이터 세트를 LLM과 결합할 때 효과적이고 경제적인 솔루션을 제공한다. 스노우플레이크의 슈리다 라마스워미(Sridhar Ramaswamy) CEO는 “스노우플레이크 AI 연구팀은 AI 분야 최전방에서 혁신을 이끌며 자사에 중요한 전환점을 마련했다”면서, “스노우플레이크는 오픈소스로 업계 최고 성능과 효율을 AI 커뮤니티에 공개하면서 오픈소스 AI가 지닌 가능성의 영역을 넓혀가고 있다. 고객에게 유능하면서도 믿을 수 있는 AI 모델을 제공할 수 있는 스노우플레이크의 AI 역량도 높아지고 있다”고 말했다.

가트너(Garnter)가 ‘2024년 기업들이 주목해야 할 10대 전략 기술 트렌드’를 발표했다. 가트너 애널리스트들은 내년 한 해를 이끌 기술 트렌드에 관한 통찰을 가트너 IT 심포지엄/엑스포에서 공유했다. 가트너의 VP 애널리스트인 바트 빌렘센(Bart Willemsen)은 “기술 혼란과 사회경제적 불확실성에는 임시방편적인 대응보다 과감하게 행동하고 전략적으로 회복탄력성을 강화하려는 의지가 필요하다”며, “이러한 불확실성과 압박 속에서 비즈니스의 지속적인 성공을 위한 전략적 기술 투자 로드맵을 수립할 수 있는 것은 IT 리더들”이라고 말했다. 수석 VP 애널리스트이자 리서치 책임자인 크리스 하워드(Chris Howard)는 “IT 리더를 비롯한 경영진들은 전략 기술 트렌드의 영향과 이점을 평가해야 하는데, 기술 혁신이 가속화되는 상황에서 이는 결코 쉬운 일이 아니다”라며, “예를 들어 생성형 및 기타 유형의 AI는 새로운 기회를 제공하며 여러 트렌드를 주도하고 있지만, AI의 지속적인 활용을 통해 비즈니스 가치를 창출하는 데에는 광범위한 채택에 대한 체계적인 접근과 더불어 위험에 대한 경각심 또한 요구된다”고 강조했다.   가트너가 제시하는 2024년 주요 전략 기술 트렌드는 무엇일까? 보편화된 생성형 AI(Democratized Generative AI) 대거 사전 학습된 모델, 클라우드 컴퓨팅 및 오픈 소스의 결합으로 생성형 AI가 보편화되면서 전 세계 업무자들은 이러한 모델에 접근할 수 있게 됐다. 가트너는 2026년 80% 이상의 기업이 생성형AI 애플리케이션 프로그래밍 인터페이스(API) 및 모델을 사용하거나 프로덕션 환경에 생성형AI 지원 애플리케이션(GenAI-enabled application)을 배포할 것으로 예측했는데, 이는 2023년 초 5% 미만이었던 수치에서 크게 증가한 것이다. 생성형AI 애플리케이션은 비즈니스 사용자가 내외부의 방대한 정보에 접근하고 이를 활용하도록 지원한다. 즉, 생성형 AI의 빠른 도입은 기업 내 지식과 기술의 상당한 보편화를 가져온다. 대규모 언어 모델(LLM)은 충분한 시맨틱(semantic) 이해가 가능한 대화형 스타일로 직원들이 정보에 연결되도록 한다. AI 신뢰, 리스크 및 보안 관리(AI Trust, Risk and Security Management) AI에 대한 접근이 보편화됨에 따라 AI 신뢰, 리스크 및 보안 관리(TRiSM)의 필요성이 이전보다 더 시급하고 분명해졌다. 이러한 안전장치가 없다면 AI 모델은 통제 불가능한 부정적 영향을 빠르게 발생시켜 AI가 제공하는 긍정적 성과와 사회적 이익을 퇴색시킬 수 있다. 이에 AI TRiSM은 모델옵스(ModelOps), 사전 예방적 데이터 보호, AI 전용 보안, 데이터 및 모델 드리프트와 의도되지 않은 결과를 포함한 모델 모니터링, 타사 모델 및 애플리케이션 입출력 리스크 제어 등에 대한 도구를 제공한다. 가트너는 2026년까지 AI TRiSM 제어 기능을 적용하는 기업이 오류 및 불법 정보를 최대 80%까지 줄여 의사 결정의 정확성을 높일 것이라고 예측했다. AI 증강 개발(AI-Augmented Development) AI 증강 개발은 소프트웨어 엔지니어가 애플리케이션을 설계, 코딩, 테스트할 때 생성형 AI, 머신 러닝과 같은 AI 기술을 활용하는 것을 의미한다. AI의 지원을 받는 소프트웨어 엔지니어링은 개발자의 생산성을 향상시키고 개발팀이 비즈니스 운영에 필요한 소프트웨어 수요 증가를 충족하도록 한다. 이러한 AI적용 개발 도구는 소프트웨어 엔지니어의 코드 작성 시간을 줄여 엔지니어들이 경쟁력 있는 비즈니스 애플리케이션의 설계 및 구성과 같이 보다 전략적인 활동에 더 많은 시간을 할애할 수 있도록 한다. 지능형 애플리케이션(Intelligent Applications) 가트너는 지능형 애플리케이션에서 ‘지능’을 적절하고 자율적으로 대응할 수 있는 학습된 적응력으로 정의한다. 이러한 지능은 다양한 경우에 업무를 더 효과적으로 보강하거나 자동화하기 위해 활용된다. 애플리케이션의 지능은 기본이 되는 기능으로서 머신 러닝, 벡터 저장소, 커넥티드 데이터와 같은 다양한 AI 기반 서비스를 구성하며 결과적으로 지능형 애플리케이션은 사용자에게 맞춰 유연하게 적응하는 경험을 제공한다. 지능형 애플리케이션에는 필요와 수요가 확실히 존재한다. 최근 가트너의 설문조사에서는 26%의 CEO들이 인재 부족을 조직에 가장 큰 피해를 주는 리스크로 꼽았다. 인재 유치 및 유지는 CEO의 인력관리 목표 중 최우선 순위인 한편, AI는 향후 3년 동안 해당 업계에 가장 큰 영향을 미칠 기술로 지목됐다. 증강-연결된 인력(Augmented-Connected Workforce) 증강 연결된 인력은 인간 근로자의 가치를 최적화하기 위한 전략으로, 역량을 가속화 및 확장해야 할 필요성에 의해 주도되고 있다. 이는 지능형 애플리케이션과 인력 분석을 사용하여 직원들의 경험, 복지 및 자체 기술 개발 능력을 지원할 일상적인 환경과 지침을 제공하는 동시에 비즈니스 성과를 창출하고 주요 이해관계자들에게 긍정적인 영향을 미친다. 2027년까지 CIO의 25%가 증강 연결된 인력 이니셔티브를 활용하여 핵심 역할의 역량 확보 시간을 50% 단축하리라는 것이 가트너의 예측이다. 지속적인 위협 노출 관리(Continuous Threat Exposure Management) 지속적인 위협 노출 관리(CTEM)는 기업의 디지털 및 물리적 자산의 접근성, 노출 및 악용 가능성을 지속적이고 일관되게 평가하는 실용적이고 체계적인 접근 방식이다. CTEM 평가 및 수정 범위를 인프라 구성 요소가 아닌 위협 벡터 또는 비즈니스 프로젝트에 맞춰 조정하면 취약성 뿐만 아니라 패치불가한 위협들도 드러난다. 이와 관련하여 가트너는 2026년까지 CTEM 프로그램을 기반으로 보안 투자에 우선순위를 두는 조직이 침해 사고의 3분의 2를 줄일 수 있을 것으로 예측했다. 기계 고객(Machine Customers) ‘커스토봇(Custobot)’으로도 알려진 기계 고객은 자율적으로 협상하고 대가를 지불하여 상품과 서비스를 구매할 수 있는 비인간 경제 행위자다. 가트너는 2028년까지 150억 개의 커넥티드 제품이 고객 역할을 할 수 있는 잠재력을 갖게 될 것이며, 그 이후로도 몇 년 간 수십억 개의 제품이 더 등장할 것이라 예측한다. 이러한 성장 추세는 2030년까지 수조 달러에 달하는 매출의 기반이 되어 결국 디지털 커머스의 등장 이상의 중요한 역할을 하게 될 것이다. 따라서, 이러한 알고리즘 및 디바이스를 촉진하거나 새로운 기계 고객을 만들 기회를 전략적으로 고려해야 한다. 지속 가능한 기술(Sustainable Technology) 지속 가능한 기술은 장기적인 생태 균형과 인권을 지원하는 ESG 성과 구현에 활용되는 디지털 솔루션 프레임워크다. AI, 암호화폐, 사물 인터넷, 클라우드 컴퓨팅과 같은 기술 사용으로 인해 관련 에너지 소비 및 환경 영향에 대한 우려가 커지면서 보다 효율적이고 순환적이며 지속 가능한 방식의 IT 사용이 더욱 중요한 요소가 됐다. 이에 대해 가트너는 2027년까지 25%의 CIO들이 각자 활용하는 지속 가능한 기술의 영향력에 따라 개인적인 보상을 얻게 될 것으로 예측했다. 플랫폼 엔지니어링(Platform Engineering) 플랫폼 엔지니어링은 셀프 서비스 내부 개발 플랫폼을 구축하고 운영하는 규정을 말한다. 각 플랫폼은 전담 제품 팀에서 만들고 유지 관리하는 하나의 계층으로, 도구 및 프로세스와의 연동을 통해 사용자들의 요구사항을 지원하도록 설계됐다. 플랫폼 엔지니어링의 목표는 생산성과 사용자 경험을 최적화하고 및 비즈니스 가치 전달 가속화하는 것이다. 산업 클라우드 플랫폼(Industry Cloud Platform, ICP) 2023년 15% 미만이었던 기업의 ICP 사용률이2027년에는 70% 이상으로 증가하며 많은 기업들이 ICP를 활용해 비즈니스 이니셔티브를 가속화할 전망이다. ICP는 기본적인 서비스형 소프트웨어(SaaS), 서비스형 플랫폼(PaaS) 및 서비스형 인프라(IaaS)를 단일 제품 오퍼링으로 통합하고 구성 가능한 기능을 갖춰, 산업 관련 비즈니스 성과를 지원한다. 여기에는 일반적으로 산업 데이터 패브릭, 패키지화 된 비즈니스 기능 라이브러리, 구성 도구 및 기타 플랫폼 혁신이 포함된다. ICP는 산업별 맞춤 클라우드 제안으로 조직의 필요에 따라 추가로 조정될 수 있다. 올해 가트너가 선정한 위 전략 기술 트렌드는 향후 36개월 이내에 CIO와 기타 IT 리더에게 상당한 변화와 기회를 가져올 것으로 전망된다.  

마이크로소프트가 AI 시대의 업무 변화에 대한 인사이트를 정리한 ‘업무동향지표(Work Trend Index) 2023’ 보고서의 주요 내용을 소개했다. 핵심은 디지털 데이터가 폭증하는 가운데 생산적인 업무에 집중하는데 AI가 도움을 줄 수 있다는 것이다. 또한, 마이크로소프트는 자사의 생산성 앱과 결합한 AI 솔루션 ‘코파일럿’을 앞세워 기업의 업무 패러다임 변화를 지원할 계획이라고 밝혔다. ■ 정수진 편집장   ▲ 근로자들이 기대하는 AI 활용도   비생산적 업무의 부담 덜어주는 AI 업무동향지표 2023은 한국을 포함한 전세계 31개국 3만 1000명 대상의 설문조사 결과와 생산성 앱인 마이크로소프트 365(Microsoft 365)에서 집계된 수 조개의 생산성 신호, 링크드인의 노동 시장 트렌드를 분석했다. 이를 토대로 새로운 AI 시대가 업무에 어떤 의미를 갖는지를 보여준다는 것이 마이크로소프트의 설명이다. 한국마이크로소프트의 오성미 모던 워크 비즈니스 총괄팀장은 업무동향지표 2023의 주요한 인사이트로 ▲혁신을 막는 디지털 부채(Digital Debt) ▲새롭게 등장한 AI-근로자 동맹 ▲AI 적성 및 역량 강화의 필요성을 꼽았다. 디지털 부채란, 이메일이나 채팅 등 디지털 데이터의 양이 크게 늘면서 이를 소화할 수 있는 범위를 넘어 업무에 부담이 증가한다는 뜻이다. 기업 근로자가 디지털 부채를 관리하는데 시간을 더 많이 쓴다는 것은 그만큼 창의적인 업무 시간이 줄어든다는 의미도 된다. 창의성이 새로운 생산성이 되는 세상에서 디지털 부채는 비즈니스에도 큰 영향을 미친다. 업무동향지표 2023 보고서에 따르면, 전체 근로자의 62%가 정보 검색과 커뮤니케이션 업무에 많은 시간을 소비하는 한편 창작이나 숙고, 사회적 협업에는 적은 시간을 할애하는 것으로 조사됐다. 지난 3월 마이크로소프트 365 앱의 평일 사용 패턴을 보면, 사용자들은 평균적으로 커뮤니케이션 업무에 57%의 시간을 소비했다. 이메일을 가장 많이 사용한 그룹은 이메일에 주당 8.8시간을, 미팅에 가장 많이 참여한 그룹은 미팅에 주당 7.5시간을 사용했다. 이는 매주 이메일, 미팅 등 커뮤니케이션에만 업무일 기준 이틀 이상을 소비한 것과 같다. 그리고 전체 근로자의 64% 및 한국 근로자의 62%는 업무 수행에 필요한 시간과 에너지가 부족하다고 답했으며, 이에 따라 혁신과 전략적 사고에 어려움을 겪을 가능성이 3.5배(한국은 1.8배) 더 높은 것으로 나타났다. 발전된 AI가 사람의 일자리를 뺏을 것이라는 두려움이 있는데, 이번 업무동향지표 2023에서는 전세계 응답자의 49%, 한국 응답자의 57%가 고용 안정성을 우려하면서도 70%(한국 74%)는 업무량을 줄이기 위해 가능한 많은 업무를 AI에 위임할 것이라고 대답했다. 이에 대해 오성미 총괄팀장은 “업무의 많은 부분을 AI로 대체해 생산성을 높이려는 근로자의 요구가 높다”고 설명했다. AI의 활용 용도에 대해서는 일반 업무(76%), 분석(79%), 창작 (73%) 등의 업무에 대한 기대가 높게 나타났다. 한편, 관리자들은 ‘직장에서 AI의 이점’을 묻는 질문에 직원 생산성 향상(31%), 업무 자동화(29%), 직원 복지 향상(26%) 등을 많이 꼽았고, 인력 감축은 16%로 전체 답변 중 가장 낮았다. 한국 관리자들은 34%가 생산성 향상, 18%가 인력 감축이라고 답했다. 마이크로소프트는 이런 조사 결과를 바탕으로 AI가 완전히 새로운 업무 방식을 가져올 것이며, 사람과 AI가 새로운 상호작용 모델을 만들 수 있을 것으로 전망했다. 다만, 이런 패러다임 변화를 위해서는 AI와 관련한 새로운 스킬을 확보하는 것이 필요해 보인다.   ▲ 마이크로소프트 365 코파일럿의 기본 구조   코파일럿으로 생산성 앱에 폭넓게 AI 적용 마이크로소프트가 AI를 기업 업무에 적용하는 방향은 크게 두 가지이다. 하나는 윈도우와 오피스 등 자사의 생산성 솔루션에 AI를 접목하는 것, 다른 하나는 기업에서 AI를 효과적으로 도입하고 활용하는 방법을 지원하는 것이다. 마이크로소프트는 AI를 기반으로 업무 혁신을 뒷받침할 수 있는 마이크로소프트 365 코파일럿(Microsoft 365 Copilot) 및 마이크로소프트 비바(Microsoft Viva)의 신규 기능을 공개했다. 마이크로소프트 365 코파일럿은 팀즈, 워드, 엑셀, 파워포인트 등 마이크로소프트 365의 생산성 앱에 생성형 AI를 결합해 업무 생산성을 높일 수 있도록 하는데 초점을 맞추고 있다. 마이크로소프트 365 코파일럿은 LLM(대규모 언어 모델), 마이크로소프트그래프(MicrosoftGraph),마이크로소프트 365 앱 등으로 구성된다. 이 중 LLM 영역에서는 오픈AI와 협력을 진행하고 있으며, 마이크로소프트 그래프는 앱의 사용 데이터를 플랫폼에 축적하고 여기에 시맨틱 인덱스 기능을 추가함으로써, 사용자의 의도를 추출해 관련성이 높은 답변을 생성한다. 마이크로소프트는 아웃룩, 원노트, 루프,비바 러닝 등 다양한 앱에 코파일럿 기능을 추가/확대할 예정이라고 소개했다. 예를 들어, 워드에서는 회의록이나 제품 기획서를 바탕으로 제안서를 자동 생성할 수 있다. 이 기능은 원노트에서도 사용 가능하다. 파워포인트에서는 문서를 기반으로 슬라이드를 자동 생성하거나, 달리(DALL-E) 모델을 적용해 이미지를 생성하고 삽입할 수 있다. 엑셀에서는 매출 데이터의 주요한 트렌드를 요약하고, 특정 부분에 대해서 추가 분석도 가능하다. 그리고 분석 데이터의 시각화나 what-if 시나리오 분석도 할 수 있다. 아웃룩에서는 관련성이 높은 이메일을 하이라이트하고, 이메일의 초안을 자동 작성하거나 작성된 이메일을 수정하는 작업이 가능하다. 팀즈 미팅에서는 회의 내용과 회의 자료를 확인할 수 있고, 라이브 미팅 내용을 요약해 준다. 그리고 실시간 브레인스토밍을 위한 템플릿을 자동 생성/분류할 수 있다.   ▲ 코파일럿은 회의 아이디어를 정리하는 등 다양한 AI 기능을 제공한다.   AI의 책임성에 대한 고민과 한국어 지원 등은 과제 최근 대화형 인공지능을 사용하는 과정에서 기업의 중요 데이터가 유출되는 보안 문제가 생기고 있다. 이에 대해 한국마이크로소프트의 복소현 모던 워크 테크니컬 스페셜리스트는 “코파일럿의 모든 작업은 마이크로소프트 365 테넌트 안에서 진행되며, 마이크로소프트 365의 보안 규정 및 개인 정보 보안 정책이 그대로 적용된다. 많은 기업에서 사내 문서마다 보안 레벨을 설정하고 개개인의 접근 권한을 지정하고 있는데, 코파일럿 또한 이 테두리 안에서 개별 사용자가 접근할 수 있는 문서만 분석하게 된다”고 설명했다. 또한, 마이크로소프트는 AI에 대한 사회적 기대와 관심이 높아짐에 따라 ‘책임 있는 AI’에 대해서도 관심을 갖고 관련한 준비를 진행해 왔다고 소개했다. 오성미 총괄팀장은 “마이크로소프트는 공정성, 데이터 신뢰성, 안전성, 개인정보 보호, 포용성, 투명성, 책임성 등의 AI 개발 원칙을 세우고, 이를 구체화하기 위해 전체 거버넌스를 위한 조직, 명시화된 규칙, 지속적인 실행/개선, 관리 검증 위한 도구와 프로세스 등을 마련했다”고 설명했다. 한편,마이크로소프트는 차세대 AI 기반 마이크로소프트 365 코파일럿을 공개하고 셰브론,제너럴모터스 등 20개 기업과 비공개 테스트를 진행해왔는데, 마이크로소프트 365 코파일럿의 얼리 액세스 프로그램을 더욱 확대할 계획이다. 반면, 코파일럿에서 한국어의 공식 지원에 대해서는 구체적인 일정이 나와 있지 않은 상황이다. 오성미 총괄팀장은 “현재 코파일럿의 언어 모델은 오픈 AI의 LLM(대규모 언어 모델)과 협업하고 있어서 한글을 사용할 수는 있지만, 정식 지원을 위해서는 마이크로소프트 그래프에서 이해할 수 있는 데이터를 축적하는 등 사전 준비 작업이 필요할 것으로 보인다”고 전했다.   ▲ 한국마이크로소프트 오성미 모던 워크 비즈니스 총괄팀장이 업무동향지표 2023의 주요 내용과 마이크로소프트의 AI 전략을 소개했다.   ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아는 GTC 2022 이벤트의 키노트를 통해. 안전성과 자율성을 높일 수 있게 설계된 멀티모달 매핑 플랫폼인 엔비디아 드라이브 맵(NVIDIA DRIVE Map)을 공개했다. 이는 딥맵(DeepMap) 실측 지도의 정확성과 AI 기반 크라우드 소싱 지도의 최신성과 규모를 결합한 플랫폼이다. 카메라, 라이더, 레이더의 3가지 위치 식별(localization) 레이어를 갖춘 드라이브 맵은 최첨단 AI 드라이버에 필요한 다중성(redundancy)과 범용성을 제공한다. 드라이브 맵은 2024년까지 북미와 유럽, 아시아 내의 50만km 도로에 대해 실측 조사 수준의 지상 지도를 제공할 예정이다. 이 지도는 수백만 대의 승용차로 지속적으로 업데이트되고 확장된다. 엔비디아 드라이브 맵은 자율주행 자동차 업계 전반에서 이용 가능하다. 드라이브 맵에는 카메라, 레이더, 라이다 모달리티로 사용할 수 있는 여러 위치식별(localization) 레이어가 포함됐다. 드라이브 맵은 지도의 각 레이어에 따라 독립적으로 위치 식별을 할 수 있어, 높은 수준의 자율성에 필요한 다양성과 다중성을 제공한다.  드라이브 맵은 인공지능(AI)이 최적의 주행 결정을 내리도록 지원하는 것은 물론 심층 신경망(DNN) 훈련 및 테스트와 검증을 위한 지상 실측 훈련 데이터를 생성하면서 자율주행차(AV) 개발을 가속화한다. 이런 워크플로의 중심에는 실제 지도 데이터가 로딩되고 저장되는 옴니버스(Omniverse)가 있다. 옴니버스는 지도 측량 자동차와 수백만 대의 승용차가 지속적으로 업데이트하고 확장하는 디지털 트윈을 지구 규모로 표현한다. 드라이브 맵의 카메라 위치식별 레이어는 차선 구분선, 도로 표시, 도로 경계, 신호등, 표지판과 기둥과 같은 지도 속성으로 구성된다.   ▲ 드라이브 맵의 시맨틱(semantic) 위치식별 레이어   레이더 위치식별 레이어는 레이더 리턴(return)의 집합적 포인트 클라우드(point cloud)이다. 특히 카메라의 부하가 높은 조명 조건이나 카메라나 라이더에 부하가 걸리는 악천후 상황에서 유용하다.   ▲ 드라이브 맵 레이더 위치식별 레이어   레이더 위치 식별은 일반적인 지도 속성으로는 식별이 불가능한 교외 지역에서도 유용한데, 드라이브 맵은 레이더 리턴을 생성하는 주변 물체를 기반으로 위치를 잡아낼 수 있다. 라이다 복셀(voxel) 레이어는 환경을 가장 정확하고 안정적으로 표현한다. 또한 카메라와 레이더로는 얻기 어려운 5cm 해상도로 세계를 3D로 표현한다.   ▲ 드라이브 맵 라이다(Lidar) 복셀 위치 식별 레이어   일단 지도에 위치 식별을 마치면, 드라이브 맵은 지도가 제공하는 상세한 시맨틱 정보를 이용해 사전에 계획을 세우고 안전한 운전 결정을 내릴 수 있다. 드라이브 맵은 지상 실측 지도 엔진과 크라우드 소싱 지도 엔진으로 구성된 2개의 지도 엔진으로 만들어져 지구 규모의 지대에 대한 전체 정보를 수집하고 유지한다. 이런 접근 방식은 양측의 장점을 결합해 측량 전문 자동차로 센티미터 수준의 정확도를 달성할 뿐 아니라, 수백만 대의 승용차가 지속적으로 지도를 업데이트하고 확장해야 달성할 수 있는 최신성과 규모를 달성한다. 지상 실측 엔진은 딥맵 실측 지도 엔진을 기반으로 하여 지난 6년간 개발 및 검증된 기술이다. AI 기반의 크라우드 소싱 엔진은 주행하는 수백만 대의 자동차로부터 업데이트된 지도 정보를 수집하여 새로운 데이터를 클라우드에 지속적으로 업로드한다. 그런 다음 데이터는 옴니버스에서 완전한 충실도로 모아져 지도 업데이트에 사용되며, 몇 시간내로 실제 차량에 최신 지도 정보를 무선 업데이트한다. 또한 드라이브 맵은 데이터 인터페이스인 드라이브 맵스트림(MapStream)을 통해 드라이브 맵스트림 요구 사항을 충족하는 승용차가 카메라, 레이더 및 라이더 데이터를 사용해 지도를 지속적으로 업데이트하도록 지원한다. 옴니버스에 내장된 자동 콘텐츠 생성 도구를 통해 상세히 표현된 지도는 엔비디아 드라이브 심(Sim)으로 사용될 수 있는 주행 가능한 시뮬레이션 환경으로 변환된다. 도로 고도, 도로 표시, 섬, 교통 신호, 표지판 및 수직 기둥과 같은 지형적 특징들은 센티미터 수준의 정확도로 복제된다. 자율주행차(AV) 개발자는 물리적 기반 센서 시뮬레이션 및 도메인 랜덤화를 통해 시뮬레이션 환경을 사용해 실제 데이터에서 사용할 수 없는 훈련 시나리오를 생성할 수 있다. 또한 시나리오 생성 도구를 적용해 AV 소프트웨어를 디지털 트윈 환경에서 테스트한 다음 자율주행차를 실제 환경에 배치할 수 있다. 

개발 및 공급 : 유니티 주요 특징 : 증강현실 개발 시간 단축, 프로젝트를 더 빠르게 완성할 수 있도록 템플릿 제공   증강현실(AR) 경험을 개발하는 과정에서 유니티 마스(Unity MARS) 사용에 익숙해진 얼리어답터(Early-adopter) 사이에 흥미로운 변화가 나타나고 있다. 특정 기기에서 발생하는 문제를 해결하는 방법을 논의하기보다, 콘텐츠가 실제 세계의 데이터와 연결되고 조정되는 방식에 관해 논의하기 시작했다. 단순한 문제 해결이 아니라, 공간 컴퓨팅으로 실현되는 보다 고차원적인 시나리오에 대한 고민으로 대화의 흐름이 바뀌었다. 유니티 마스에 새로운 설계 언어가 도입되어 에디터와 런타임에서 실제 세계를 디지털 컨텍스트로 설명하고 참조할 수 있게 되었다. 이제 개발자는 새로운 언어를 익혀 더 큰 규모의 애플리케이션을 다룰 수 있다.  유니티는 고객의 피드백을 최대한 반영하여 AR에 사용되는 일반적인 워크플로를 보강하는 스타터 템플릿을 만들었다. 유니티 마스에는 현재 7가지의 스타터 템플릿이 포함되어 있다. 빈 템플릿 테이블탑, 1:1 비율  테이블탑, 10:1 비율  페이스 마스크  게임, 기본  게임, 고급  교육/트레이닝    빈 템플릿  기본 기능이 필요없는 경우 빈 캔버스로 프로젝트를 시작할 수 있다. 이 템플릿에는 환경을 스캐닝할 때 시각적 신호를 확보하기 위한 포인트 클라우드 및 평면 비주얼라이저와 사전 구성된 마스 세션, 사용자, 카메라가 포함된다. 유니티 마스에서 신을 열면 첫 번째 프록시가 준비된다. 유니티 마스는 실제 환경에서 확인한 위치와 대조해서 프록시 또는 실제 세계 오브젝트의 대체물을 만든다. 사용자의 위치가 시뮬레이션 카메라에 상응하므로 유니티 마스는 보통 첫 번째 일치하는 위치에 사용자를 먼저 추가한다.   테이블탑 템플릿 ‘테이블 위에 오브젝트가 있는’ 고전적인 신을 예시로 제공했다. 이러한 종류의 설정을 만드는 방법은 다양한데, 유니티 마스의 드래그 앤 드롭 워크플로나 유니티 마스 패널의 프록시 단축키를 사용하는 방법을 예로 들 수 있다. 템플릿에는 모든 조건 값이 이미 맞춰져 있다는 장점이 있다. 여기에 배치된 오브젝트는 평범한 유니티 큐브이다. 사용자는 이 큐브를 자체적인 디지털 콘텐츠로 대체할 수 있다. AR에서 실물 크기 오브젝트와 상호작용을 할 수 있도록 1:1 비율의 템플릿과 10:1 비율 템플릿이 제공된다. ‘미니어처’ 템플릿은 도시와 같은 ‘대형’ 콘텐츠의 테이블탑 시각화를 만드는데 유용하다. 보통은 콘텐츠를 1:1 스케일로 만든 다음 유니티 마스 세션의 ‘World Scale’ 파라미터를 사용하여 실제보다 훨씬 작은 크기로 렌더링할 것을 권장한다. 처음부터 작은 오브젝트를 만들려고 하면 정확성에 문제가 발생할 수 있어 콘텐츠를 실제 크기로 만든 후에 축소하는 것이 가장 좋다.   ▲ 테이블탑 템플릿   페이스 마스크 템플릿 페이스 마스크 템플릿은 사용자의 얼굴에 고정되는 콘텐츠를 제작하기 위해 설계되었으며, 마치 마네킹에 하듯이 모델을 꾸며볼 수 있다. 이러한 콘텐츠로는 우스꽝스러운 안경과 같은 솔리드 메시, 또는 무형의 파티클 시스템이나 기타 비주얼 이펙트 타깃 등이 있다. 이 템플릿에는 페이스 랜드마크 시각화 도구가 기본적으로 포함되어 있으므로 사용자는 유니티 마스가 파악한 얼굴의 특징을 확인할 수 있다.    ▲ 페이스 마스크 템플릿   게임 템플릿 3D 게임을 이야기할 때는 고전 플랫폼 게임을 빼놓을 수 없다. 유니티의 게임 템플릿에서는 캐릭터가 게임 환경 속을 돌아다니며 오브젝트를 모으는 인기 있는 게임 경험이 AR로 변환된다.  이 템플릿은 각 플레이어의 고유한 물리적 환경을 파악하여 더욱 몰입도 높은 게임플레이 경험을 만드는 방법을 보여준다. 가상 세계가 아닌 실제 세계를 게임 환경으로 활용하여 고전 플랫폼 게임을 AR로 구현했다.  이 게임에서는 로봇이 돌아다니며 회전하는 크리스털을 수집한다. 크리스털은 실제 세계에 자동으로 배치되고 자연스럽게 상호 작용한다. 사용자는 이 템플릿을 플랫폼 게임의 기반으로 삼아 로봇과 크리스털을 원하는 캐릭터와 오브젝트로 대체하여 게임을 구현할 수도 있다. 게임 템플릿은 기본과 고급의 두 가지 종류로 제공된다.   기본 템플릿과 고급 템플릿 비교 기본 템플릿은 유니티 마스의 드래그 앤 드롭 워크플로를 이용하여 개발되었다. 콘텐츠가 예상되는 AR 평면에 직접 배치되므로 가장 간단한 신이 만들어진다. 고급 템플릿은 복잡한 게임 메커니즘을 적용한 AR 애플리케이션에 사용되는 원리를 기반으로 제작되었다. 콘텐츠가 시맨틱 태그와 힘을 이용하여 작성되며, 시맨틱 태그를 사용하면 캐릭터와 수집품 등의 모든 프록시가 대응되는 ‘생성 포인트’ 위치로 신을 꾸밀 수 있다. 힘을 사용하면 기기 데이터의 노이즈로 인해 두 개의 평면이 매우 가깝게 겹치게 되더라도 콘텐츠가 겹치지 않는다. 따라서 유니티 신의 기술적 복잡도가 높아진다. 유니티 마스의 개념에 익숙하지 않은 사용자는 유니티의 기술자료를 참고하면 된다.   컨트롤 체계 유니티가 개발한 다이렉트 터치 컨트롤(Direct Touch Control)을 이용하면 기기에서 사용자가 터치한 실제 세계의 위치로 로봇이 이동(길이 끊어진 경우 점프)할 수 있다. 따라서 로봇이 언제나 사용자가 예상한 곳으로 움직인다는 장점이 있다. 컨트롤에서 가장 기본적인 부분은 사용자 시야의 중심에 캐릭터가 다시 오도록 하는 것이며, 오브젝트를 놓치기 쉬운 몰입형 애플리케이션에서는 더욱 중요한 기능이다. 크리스털은 회전하다가 로봇과 충돌하면 수집된다. 크리스털과 로봇은 유니티 마스와 독립적으로 작동하므로 전적으로 디지털 환경에 배치될 수 있다.   리플리케이터  게임 템플릿은 유니티 마스 ‘리플리케이터(Replicator)’ 프리미티브 오브젝트 유형을 활용한다. 데이터와 일치하는 항목이 두 개 이상 존재할 경우, 리플리케이터가 프록시 또는 프록시 그룹을 복제한다. 두 템플릿 모두 이 속성을 활용하여 충돌 프록시에 적절한 크기의 평면을 모두 일치시킨다.  기본 템플릿은 유사한 리플리케이터 설정을 사용하여 크리스털로 장식된 전체 평면을 만든다. 고급 템플릿은 크리스털을 직접 배치하지 않고 현실 세계에 생성 포인트 위치를 만들며, 그 후에 생성 포인트 프록시의 복제와 대응이 이루어진다. 이렇게 하면 신 뷰에서 콘텐츠 변경 빈도가 줄고, 다양한 유형의 오브젝트에 동시에 매치할 수 있게 된다. 교육/트레이닝 템플릿  교육/트레이닝 템플릿을 이용하면 가이드를 제시하는 AR 트레이닝 경험을 만들 수 있다. 가이드가 제공되는 AR 경험에서 최종 사용자는 커스터마이징이 가능한 트리거를 바탕으로 자동 진행되는 일련의 단계를 따라가 볼 수 있다. 이러한 경험은 사용자에게 특정 기능의 작동 방식을 보여주기 위한 교육/트레이닝 용도로 구성되었다. 개발자는 신에 포함된 프리팹을 복제하고 수정하여 템플릿을 확장할 수 있다. 모바일 기기와 HMD 모두에서 다른 신이나 빌드를 만들지 않아도 최적의 상태로 작동할 수 있도록 반응형 경험을 제공해야 한다. 기본 상호작용은 빌트인되어 있다. 교육/트레이닝 템플릿은 현장에서 실제 장비를 활용할 수 있도록 설계되었다. 다시 말해 외부 시스템과 손쉽게 연동될 수 있어야 한다. 또한 알려진 위치나 장비를 기준으로 재지역화가 이루어져야 한다. 이를 위해 비평면 프록시를 사용한다.  교육/트레이닝 템플릿은 세부 설명 시스템, 메뉴(또는 사용자 인터페이스 패널), 그리고 반응형 유니티 마스 액션 등 세 가지 부분으로 이루어져 있다.   ▲ 교육/트레이닝 템플릿   세부 설명 시스템 세부 설명 시스템은 일련의 단계로 항상 하나의 단계만 활성 상태일 수 있다. 각 단계는 비주얼과 기타 스크립트를 활성화한다. 하나의 단계에서 트리거는 여러 번 사용할 수 있다. 근접성, 프록시 상태, 시선과 같이 가장 일반적으로 사용되는 단계의 모음이 제공된다. 트리거는 단계를 진행할 수 있음을 알리는 하나의 함수가 포함된 스크립트이다. 이 트리거를 유니티 마스와 결합하면 실제 세계에 반응하는 단계별 경험을 구현할 수 있다.   ▲ 교육/트레이닝 템플릿 세부 설명 시스템   UI 개발 교육/트레이닝 템플릿을 위해 사용자 인터페이스(UI) 컴포넌트를 개발했다. 주요 컴포넌트는 사용자의 진행 상황을 표시하는 UI 패널이다. 이 패널은 모든 세부 단계를 설명과 함께 보여주면서 교육/트레이닝의 진행 단계를 사용자에게 알려주는 역할을 한다. 사용자는 탐색 바에서 드롭다운 목록을 사용하여 단계를 건너뛰거나 완료한 단계를 확인할 수 있다. 개발자는 메인 패널뿐 아니라 공간 UI 컴포넌트도 추가하여 사용자가 공간을 탐색하고 다양한 관심 지점에 주의를 기울이도록 지원할 수 있다. 예를 들면 사용자의 움직임에 반응하기 위해 유니티 마스 힘을 사용하는 화살표와 오프스크린 표시자가 있다. 화살표 프리팹은 항상 사용자 쪽을 향하도록 회전하는 힘 얼라인먼트를 사용하고, 오프스크린 표시자는 시야각(FOV) 내에서 관심 지점의 스크린 공간 위치를 기준으로 두 개의 힘 얼라인먼트를 블렌딩한다. 관심 지점이 시야 밖으로 벗어나면 오프스크린 표시자의 위치가 머리 포즈에 따라 달라진다. 반대의 경우 표시자는 사용자의 주의를 확보하기 위해 오브젝트 쪽으로 움직인다.   반응성 AR은 다양한 폼 팩터에서 작동하므로 교육/트레이닝 템플릿도 모든 폼 팩터에서 작동해야 한다. AR을 경험할 수 있는 두 가지 주요 기기 유형으로는 스마트폰과 HMD가 있다. 각 유형은 ‘플랫’과 ‘공간’ 몰입도 수준으로 분류된다. 반응성을 위해서는 캔버스 조작, 즉 UI 캔버스의 부모 재지정과 위치 재지정을 수행해야 한다. 플랫 기기에서 이러한 요소는 화면에 고정되며, 몰입형 기기에서는 공간 내에 존재한다. 캔버스를 조작할 수 있도록 몰입도 수준에 따라 유니티 마스에 조건과 액션을 빌드하고 에디터에서 각각의 시나리오를 시뮬레이션했다. 플랫 UI와 공간 UI 버전 사이에는 몇 가지 핵심적인 차이가 있다. 사용자가 화면 또는 HMD로 상호 작용하고 있는지 여부에 따라 ‘이전’, ‘다음’ 버튼과 탐색 막대의 위치가 달라진다. 또한, 공간 버전에서는 3D로 떠 있는 UI 단계 패널이 플랫 버전에서는 화면 전체를 차지한다. 이러한 조정은 기본적으로 각 매체별 어포던스를 기준으로 한다.   새로운 템플릿 공개 예정  기존 데이터 없이 처음부터 시작하는 크리에이터들은 유니티 마스 스타터 템플릿을 통해 다양한 사례를 구축해 볼 수 있다. 앞서 소개한 7가지 스타터 템플릿은 무료 체험을 통해 바로 활용해 볼 수 있으며, 앞으로도 정기적으로 새로운 템플릿이 공개될 예정이다.     기사 내용은 PDF로도 제공됩니다.

  17 Theme. 제조·건축산업을 위한 하드웨어 트렌드와 전망 업무방식을 바꾸고 산업의 가치를 높이는 워크스테이션 기술 GPU, 그래픽을 넘어 인공지능의 핵심 요소가 되다 5GHz의 한계를 넘어서는 모바일 프로세서 / 10세대 인텔 코어 H 시리즈 콘텐츠 크리에이터를 위한 하이엔드 CPU / AMD 라이젠 스레드리퍼 3990X   Infoworld   Case Study 28 유니티를 사용한 스튜디오게일의 ‘토몬카’ 제작 사례 / 애니메이션 제작 파이프라인의 속도와 효율 개선 30 언리얼 엔진으로 제작된 가상 도시 디지털 트윈 / IoT와 AR 결합한 ‘가상 헬싱키’ 프로젝트   New Product 33 데스크톱, 모바일, 클라우드 환경에서 작업 가능한 CAD 솔루션 / ARES CAD 36 고성능 기능성 소재 사용하는 3D 프린터 / FUNMAT 시리즈 38 이달의 신제품   People&Company 40 한국생산기술연구원 이낙규 원장 / 지능화 기술과 스마트 제조 플랫폼으로 중소기업의 제조혁신 돕는다 42 시버리솔루션스 안경익 아시아지사장 / 항공산업의 위기 극복을 위한 IT 기술과 서비스 제공   Focus 44 에픽게임즈, 산업 분야를 위한 최신 시각화 기술 소개 46 경험을 디지털 정보로 연결하는 것이 스마트 공장의 열쇠   On-Air 49 캐드앤그래픽스 CNG TV 지식방송 지상중계 AI를 업무에 적용하는 엔비디아의 기술 공개 / 디지털 스레드를 위한 Xalt 프레임워크와 사례 / 재료 정보 관리 솔루션 Ansys GRANTA 소개 / 플랜트 설계를 위한 AVEVA E3D의 주요 기능과 사례 짚다 / 제조 엔지니어를 위한 오토캐드 메커니컬 툴셋 공개 / 이노베이션 경영의 국제 표준 ISO56000   Column 52 디지털 지식전문가 조형식의 지식마당 / 조형식 혁신을 경영하라 54 책에서 얻은 것 / 류용효 No.6 우리는 어떤 연구를 해야 하는가   56 New Books 58 News   Directory 123 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 63 새로워진 캐디안 2020 살펴보기 (14) / 최영석 유틸리티, 블록 기능: 다중 블록 삽입, 다중 이미지 삽입 66 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 BIM 기반 지식 서비스 구현을 위한 시맨틱 정보 질의 방법 70 레빗 패밀리 이해하기 (3) / 장동수 패밀리의 모델링 방법 이해하기 Ⅱ   3D Printing 74 적층제조 통합 소프트웨어 3D엑스퍼트의 활용 / 3D 시스템즈 헬스케어를 위한 3D 프린팅 애플리케이션   Plant 77 플랜트 전기 케이블 엔지니어링 구축 사례 / 김병목 케이블/기기/전선로 정보 관리 및 3D 케이블 경로 자동 설계 82 플랜트/조선 산업의 사물인터넷 활용방안 / 윤병동 산업 인공지능 기반의 디지털 트랜스포메이션   Reverse Engineering 86 이미지 데이터가 갖는 정보와 그의 활용 (5) / 유우식 광각촬영 및 수중촬영 이미지의 왜곡과 보정   Manufacturing 95 파워밀 로봇 트레이닝 (1) / 이경하 플러그인 매니저와 워크플로   PLM 98 솔리드웍스를 통한 설계-해석-제조 솔루션 소개 (14) / 강세희 클라우드 환경의 안전한 데이터 보관과 효율적인 프로젝트 관리   Mechanical 102 제품 혁신 가속화 및 최상의 설계를 위한 크레오 7.0 (1) / 김주현 크레오 7.0의 주요 업데이트 108 엔지니어링의 현재와 미래를 이어주는 기술 (2) / 김봉암 AI와 디지털 트윈이 직면한 기회와 한계 Ⅱ   Analysis 110 복합소재 제품의 섬유 배향 예측을 위한 몰드플로우 (1) / 이왕화 향상된 섬유 배향 예측 모델을 통한 제품 개발 활용 114 앤시스 워크벤치를 활용한 해석 성공사례 / 한만후 기어의 소음과 진동해석 118 사출성형해석 업그레이드를 위한 몰덱스3D (12) / 임영빈 몰덱스3D를 활용한 어닐링 해석 120 재료 관리 솔루션 Ansys GRANTA 업데이트 / 앤시스코리아 관리 기능 향상된 MI Enterprise, 더욱 빨라진 MI Pro      캐드앤그래픽스 2020년 5월호 목차 from 캐드앤그래픽스

BIM 칼럼니스트 강태욱의 이슈 & 토크 BIM(Building Information Modeling)은 아직 많은 곳에서 관심을 받고 있고, 만능도구란 환상을 가지고 있는 사람들도 많은 것 같다. 화려한 3차원 VR(Virtual Reality) 동영상과 BIM을 구분하지 못하는 사람들도 많다. BIM은 유스케이스 관점에서 필요한 데이터를 연결, 통합하여 이를 지식으로 제공할 수 있어야 원하는 가치를 얻을 수 있다고 생각한다. 이번 호에서는 이러한 관점에서 지식 서비스를 위한 BIM 시맨틱(semantic) 정보 질의 방법을 간단히 알아본다. 이 내용은 시맨틱, 온톨로지, SPARQL, BIM, 트리플(triple), 도커(docker) 등의 개념은 알고 있다는 가정하에 진행한다. 이번 호에서는 온톨로지 모델로 주어-술어-목적어로 구성된 트리플 구조를 사용한다.   ■ 강태욱 | 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 Engineering digest와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://sites.google.com/site/bimprinciple 팟캐스트 | http://www.facebook.com/groups/digestpodcast   1. Jena Fuseki 서버 동작 이 글은 Jena Fuseki 서버를 사용한다. 이미 만들어진 도커 이미지를 이용해 서버를 구동시킨다. 도커 이미지는 stain/jena-fuseki를 사용한다. Jena Fuseki 서버에 관한 상세 내용은 다음 링크를 참고하면 된다. ■ Jena Fuseki server(https://jena.apache.org/documentation/fuseki2/) 도커 명령 인터페이스(DCI. Docker Command Interface)에서 stain/jena-fuseki 도커를 다운로드받는다. 도커 이미지를 실행(run)하기 전에, 도커 내 Jena Fuseki 작업 데이터를 보관(persist) 및 저장(save)하려면 다음과 같이 도커 볼륨(volume)을 먼저 만들어야 한다. 이 경우 사용하기 편리한 busybox를 사용한다. volume 이름은 fuseki-data이다. ■ docker run --name fuseki-data -v /fuseki busybox 이제 다음과 같이 생성된 도커 volume fuseki-data가 지정된 Jena Fuseki 이미지를 실행한다. ■ docker run -d --name fuseki -p 3030:3030 -e ADMIN_PASSWORD=pw123 --volumes-from fuseki-data stain/jena-fuseki 그림 1. 도커 실행 과정 도커 이미지를 구동한 후 localhost:3030을 접속하면 <그림 2>와 같은 Apache Jena Fuseki 서버 대시보드 화면을 볼 수 있다. 참고로 아이디와 암호는 admin, pw123이다. 그림 2  

  한국레노버는 인공지능 기술 전문 스타트업 포티투마루와 AR, VR 기기를 비롯한 스마트 디바이스에 인공지능(AI) 기술을 결합하기 위한 전략적 업무 협약(MOU)을 체결했다고 밝혔다. 이번 협약은 포티투마루의 MRC(Machine Reading Comprehension; 기계독해) 기반 QA(Question Answering) 시스템과 AI 챗봇 기술을 레노버의 스마트 디바이스에 통합 적용하기 위해 이루어졌다. 인공지능에 의해 직접적인 문서 독해와 이를 통한 질의 응답이 가능한 QA 시스템과 머신러닝 기반으로 정확하고 적절한 정보 전달이 가능한 AI 챗봇 기술이 레노버의 스마트 디바이스에 적용된다면 혁신적인 사용자 경험을 제공할 수 있을 것으로 기대를 모으고 있다. 레노버는 AI와 사물인터넷(IoT) 등 스마트 기술을 적극 활용하여 현대인의 삶의 방식 개선을 위해 새로운 스마트 디바이스 기기 산업에 집중 투자해왔다. 이러한 일환으로 지난해 독립형 VR 헤드셋 ‘레노버 미라지 솔로’, 전용 콘텐츠 제작을 위한 360도 카메라 '미라지 카메라’를 선보였으며 올해 CES에서는 ‘레노버 스마트 클락’, ‘레노버 스마트 탭’을 공개하는 등 다양한 스마트 디바이스를 내놓으며 제품 라인업을 확대하고 있다. 포티투마루는 사용자의 질의 의도를 정확하게 이해하고, 방대한 비정형 데이터에서 단 하나의 정답만을 도출해 내는 딥 시맨틱 QA 플랫폼을 개발하는 기술 스타트업으로, 기업용 시맨틱 검색, 딥러닝 기반 대화형 챗봇, 스마트 스피커 분야에서 레노버를 비롯한 다양한 기업들과 협업 중이다. 한국레노버 강용남 사장은 “이번 협약을 통해 포티투마루의 인공지능 기술이 통합 적용된다면 레노버의 스마트 디바이스를 사용하는 기업 및 소비자 고객의 편의성이 더욱 높아질 것으로 기대된다”고 말하며, “레노버는 앞으로도 새로운 기술 혁신에 끊임없이 도전하고 고객 경험 향상을 위한 협력에 앞장서겠다”고 강조했다.