출처
이 소식에 대해 이야기 나누기
컴패니언을 선택하고 이 소식에 대한 생각을 들어보세요
AI 도구·모델
뇌파를 AI 학습 데이터로: 피지컬 AI의 새로운 데이터 수요가 크리에이터에게 의미하는 것
Charmloop 편집팀· 편집·
컴패니언을 선택하고 이 소식에 대한 생각을 들어보세요
최전선의 피지컬 AI 연구소들은 사용 가능한 영상 데이터가 고갈되면서, 이제 다중 카메라 장비, 고밀도 인간 어노테이션, 실험적인 뇌파(EEG) 측정으로 눈을 돌려 차세대 구현형 AI 모델을 학습시키고 있다 — 이는 피지컬 AI의 데이터 요구사항이 오늘날 대부분의 크리에이터가 사용하는 이미지·텍스트 모델과 얼마나 다른지를 여실히 드러내는 변화다.
핵심 문제는 TechCrunch의 보도에서 지적하듯 시점(perspective)이다. 단일 카메라는 작업의 한 시점만 포착한다 — 예를 들어 빨래를 개는 사람 — 하지만 그 작업을 학습하는 로봇은 동시에 여러 각도에서 동작을 이해하고, 3차원 공간에서 모든 물체의 위치에 대한 정밀한 공간 데이터를 필요로 한다. 고해상도라 하더라도 일반 소비자용 영상은 그 깊이 정보를 압축해버린다. 연구소들은 이제 단순한 가사 작업을 기록하기 위해서도 다중 카메라 캡처 장비와 깊이 센서를 배치하고, 인간 어노테이터를 고용해 각 프레임에 물체 위치, 손 자세, 동작 레이블을 붙이고 있다.
그 어노테이션 부담은 막대하다. 연구자들은 사용 가능한 피지컬 AI 학습 데이터 1시간을 생산하는 비용이 동등한 분량의 텍스트나 이미지 데이터보다 수십 배 이상 높다고 설명한다. 참고로, Charmloop의 이미지 생성기 같은 플랫폼의 도구를 구동하는 디퓨전 모델들은 웹에서 스크래핑한 수십억 개의 이미지-텍스트 쌍으로 학습되었다 — 법적으로 논란이 있지만 적어도 공급은 풍부했다. 피지컬 AI에는 그에 상응하는 데이터 파이프라인이 없다.
더 투기적인 발전은 EEG 통합이다. 아이디어는 이렇다: 인간 시연자에게 뇌파 센서를 장착하고 물리적 동작과 함께 신경 신호를 기록한다. 가설은 EEG 데이터가 의도를 인코딩한다는 것이다 — 손이 움직이기 전에 사람이 물체를 집으려고 결정하는 순간 — 이를 통해 모델에 동작 캡처만으로는 얻을 수 없는 더 풍부한 신호를 제공한다. 여러 연구소에서 소규모 파일럿을 진행 중이지만, 아직 어떤 최전선 모델도 EEG 데이터로 대규모 학습을 진행하지는 않았다. 이 기법은 아직 연구적 호기심에 가깝고 프로덕션 파이프라인과는 거리가 있다.
주목할 만한 이유는 어노테이션 측면에 있다. 피지컬 AI 학습에서 지속적인 문제 중 하나는 모호성이다: 인간이 작업 중간에 멈출 때, 물체가 다루기 어려워서 망설인 것인지, 마음이 바뀐 것인지, 아니면 주의가 산만해진 것인지 카메라 영상만으로는 알 수 없다. 뇌파 데이터는 이론적으로 그 답을 줄 수 있다. EEG 어노테이션이 신뢰할 수 있는 것으로 입증된다면, 유능한 피지컬 모델을 학습시키는 데 필요한 영상의 양을 극적으로 줄일 수 있다 — 데이터의 매 초가 더 많은 신호를 담게 되기 때문이다.
오늘날 이미지 및 영상 생성 작업을 하는 크리에이터에게 즉각적인 실질적 영향은 간접적이지만 실재한다. 피지컬 AI를 위해 구축되고 있는 어노테이션 파이프라인 — 시각 데이터에 부착된 고밀도, 구조화된, 의미론적으로 풍부한 레이블 — 은 생성형 영상 모델이 인과관계와 물리학을 더 잘 이해하게 만드는 것과 동일한 종류의 구조화된 데이터다. 풍부하게 어노테이션된 실제 세계 영상으로 학습된 모델은 더 일관된 움직임, 더 그럴듯한 물체 상호작용, 그리고 AI 영상을 여전히 괴롭히는 떠다니는 팔다리 아티팩트를 줄이는 경향이 있다.
오늘날 피지컬 AI 연구소에서 정제되고 있는 기법들은 몇 년 안에 생성형 모델 학습으로 이전되는 전례가 있다. 현실적인 움직임과 공간적 일관성을 위한 프롬프팅 가이드를 따르는 크리에이터들은 로봇 데이터셋을 직접 다루지 않고도 그 상류 작업의 혜택을 받을 가능성이 높다.
데이터 병목 현상은 또한 AI 역량의 손쉬운 이득 — 풍부한 웹 데이터에 대한 컴퓨팅 확장 — 이 무한하지 않다는 것을 상기시켜준다. 피지컬 AI가 그 벽에 먼저 부딪히고 있지만, 생성형 이미지 및 영상 모델도 멀지 않았다. 지금 새로운 데이터 수집에 투자하는 연구소들은 그것이 어디에 착지하든 다음 역량 도약을 위한 포지셔닝을 하고 있는 것이다.
