AI-World-Story

  우리는 흔히 인공지능 성능이 좋아지면 모든 문제가 해결될 거라고 생각한다. 더 거대한 모델, 더 복잡한 구조, 더 많은 파라미터. 하지만 위성사진을 분석하는 AI 세계에서는 조금 다른 결론이 나오고 있다. 최근 발표된 한 연구는 놀라운 사실을 보여준다. 토지 이용을 분석하는 AI에서 가장 중요한 건 “모델을 얼마나 복잡하게 만들었는가”보다, “위성사진의 어떤 파장을 입력했는가”였다는 점이다. 쉽게 말하면 이렇다. AI에게 사람 눈처럼 보이는 RGB 사진만 보여주는 것보다, 인간은 볼 수 없는 적외선·단파적외선 정보까지 함께 보여주는 편이 훨씬 중요했다는 이야기다. 그리고 그 효과는 최신 트랜스포머 AI보다도 더 컸다. 이 연구는 세르비아와 서부 발칸 지역의 위성 데이터를 활용해, “어떤 위성 밴드 조합이 가장 안정적인가”, “CNN과 트랜스포머 중 누가 더 강한가”, “지역이 바뀌면 AI는 얼마나 무너지는가”를 체계적으로 분석했다. 위성사진은 단순한 사진이 아니다 우리가 스마트폰으로 보는 사진은 빨강(R), 초록(G), 파랑(B) 세 가지 색만 담는다. 하지만 유럽우주국의 Sentinel-2 위성은 훨씬 더 많은 정보를 본다. 가령 식물은 적외선 반사를 강하게 일으키고, 도시의 콘크리트는 단파적외선(SWIR)에서 독특한 반응을 보인다. 물은 또 다른 파장 패턴을 가진다. 즉, 위성은 단순히 “색”을 찍는 게 아니라, 지표면의 물리적 성질을 읽어내는 셈이다. 연구진은 이런 다양한 파장 조합을 AI에게 입력했다. 실험군은 다음과 같았다. RGB만 사용한 3개 밴드(3B) RGB + 근적외선(NIR) 여기에 단파적외선(SWIR)을 추가한 6B 적색경계(red-edge)까지 포함한 9B·10B NDVI 같은 지수(index) 기반 입력 그리고 이 데이터를 여러 종류의 AI 모델에 학습시켰다. RGB만 본 AI는 의외로 형편없었다 결과는 꽤 극적이었다. RGB만 사용했을 때 AI의 평균 성능(mIoU)은 약 54.6%였다. 그런데 근적외선과...

  인공지능이 그림의 ‘화풍’을 읽는 시대가 왔다 미술관에서 그림을 볼 때 우리는 종종 이렇게 말한다. “이건 딱 모네 느낌인데?” “피카소 그림은 한눈에 알겠어.” 흥미로운 건, 이제 AI도 비슷한 일을 하기 시작했다는 점이다. 단순히 사물을 인식하는 수준이 아니다. “이 그림은 인상주의인지, 입체주의인지, 바로크인지”를 분류하려 한다. 인간에게도 쉽지 않은 작업이다. 미술사 지식, 시대 배경, 작가의 특징까지 알아야 하기 때문이다. 그런데 최근 인공지능은 이런 영역까지 들어왔다. 그리고 놀랍게도 꽤 높은 정확도를 보인다. 2026년 발표된 한 리뷰 논문은 지난 10년간 발표된 연구 39편을 분석해, AI가 그림의 화풍을 어떻게 분류해왔는지 정리했다. 단순 기술 소개가 아니다. “AI는 예술을 어디까지 이해하고 있는가”라는 질문에 가까운 연구다. AI는 그림에서 무엇을 보는 것일까 사람은 그림을 볼 때 분위기와 감정을 먼저 느낀다. 하지만 AI는 전혀 다르게 접근한다. 초기의 인공지능은 그림을 잘게 쪼개 특징을 추출했다. 색 분포, 붓 터치 방향, 윤곽선의 형태, 질감 같은 요소다. 예를 들어 인상주의 그림은 흐릿한 경계와 밝은 색채가 많고, 입체주의는 기하학적 형태가 두드러진다. AI는 이런 패턴을 숫자로 바꿔 학습했다. 논문에 따르면 초기 연구들은 SVM(Support Vector Machine) 같은 전통 머신러닝 모델을 많이 사용했다. 이 방식은 사람이 “어떤 특징을 볼지” 먼저 지정해야 한다. 일종의 체크리스트 기반 분석이다. 하지만 이후 상황이 바뀌었다. 딥러닝, 특히 CNN(합성곱 신경망)이 등장하면서다. CNN은 사람이 특징을 직접 지정하지 않아도 된다. 수많은 그림을 보며 스스로 중요한 패턴을 학습한다. 마치 미술 작품을 계속 보다 보면 자연스럽게 화풍 감각이 생기는 것과 비슷하다. AI는 어떤 화풍을 가장 잘 맞히나 연구들을 보면 AI가 가장 자주 다룬 화풍은 인상주의, 입체주의, 사실주의, 낭만주의, 표현주의였다. 이유는 ...

성장기 자녀를 둔 부모라면 한 번쯤 아이가 "무릎이 시리고 아프다"며 고통을 호소하는 모습을 본 적이 있을 것이다 .  흔히 '성장통이겠거니' 하며 대수롭지 않게 넘기기 쉽지만, 통증이 지속된다면 무릎 관절 내부의 구조적인 문제일 가능성을 의심해봐야 한다 .  특히 허벅지뼈(대퇴골)와 무릎 앞쪽의 둥근 뼈(슬개골)가 만나는 '슬개대퇴관절(Patellofemoral joint)'은 청소년기 무릎 통증의 단골 원인이 되는 부위다 . 의사들은 무릎 통증의 정확한 원인을 찾기 위해 MRI(자기공명영상) 검사를 시행하고, 관절의 길이, 각도, 깊이 등 다양한 기하학적 지표들을 측정한다 .  이를 전문 용어로 '형태계측학적 파라미터(Morphometric parameters)'라고 부른다 . 하지만 인간 의사의 눈과 전통적인 통계 방식만으로는 이 복잡한 정밀 측정 데이터 속에 숨겨진 질환의 징후를 완벽하게 예측하기가 어려웠다 .  청소년기는 뼈와 연골이 아직 완전히 자라지 않은 '골격적 미성숙' 단계여서, 해부학적 구조의 변동성이 매우 크기 때문이다 . 최근 인공지능(AI)과 머신러닝 기술이 의학계의 전방위로 확산되면서, 이러한 복잡한 무릎 구조 데이터를 분석해 질환을 예측하려는 시도가 활발해지고 있다 . 과연 최첨단 AI 알고리즘은 청소년들의 무릎 MRI 데이터를 보고 어떤 무릎 질환이 발생할지 똑똑하게 맞출 수 있을까?  의사의 정밀 측정 데이터, AI 머신러닝을 만나다 유럽 베오그라드 의과대학 연구팀(Dusan Spasic 등)은 2018년 1월부터 2024년 12월까지 앞쪽 무릎 통증이나 구조적 이상으로 무릎 MRI 검사를 받은 청소년 168명(평균 나이 15.5세, 여학생 97명, 남학생 71명)의 데이터를 수집했다 . 두 명의 베테랑 영상의학과 전문의가 환자들의 MRI 영상을 세밀하게 분석하여 슬개대퇴관절과 관련된 13가지의 핵심 구조적 지표들을 정밀하게 측정했다 .  여기에는...