깜박이지 않는 빨간 눈으로 사용자를 보며 시스템이 감정 없이 차가운 목소리로 말합니다. "데이브, 미안하지만 그렇게 할 수 없어요." 2001: 스페이스 오디세이에 나온 이 상징적인 장면에서 주인공은 세상에서 가장 도움이 안 되는 어시스턴트인 HAL 9000과 대결합니다. 이 AI 시스템은 스스로를 보존한다는 명목으로 명령을 무시하고 승무원을 사망하게 합니다. 이런 상황은 아무도 원하지 않는 미래입니다. 사람은 인류를 대체하거나 방해하는 것이 아니라 인류를 돕는 컴퓨터를 원합니다. 기술이 더 많은 문제를 낳는 것이 아니라 해결책을 찾는 데 도움을 주는, 디스토피아가 아닌 유토피아의 세계를 기대합니다. 오늘날 기술은 어느 때보다 더 강력하므로 기술을 구축하고 사용하는 방식은 기술이 작동하는 방식과 똑같이 중요합니다. 인간성을 전면 중심에 두어, 미래를 더 나은 방향으로 바꾸는 기술을 구축할 수 있습니다.

물론 그때까지 기다려야 하는 것은 아닙니다. 머신러닝의 획기적인 발전에 힘입은 수많은 보조 기술이 이미 일상 생활을 다 쉽고 다채롭게 만들고 있습니다. 체증, 오염, 교통사고를 줄일 수 있는 자율 주행 차량이 나타나기 시작하고 있습니다. 또한 ML 지원 번역 도구, 의학 진단 소프트웨어, 문맥 인지 기기와 같은 다른 기술은 평소 일상에 포함되어 있습니다. 사용자가 메시지를 입력할 때 추천하는 Gmail의 스마트 편지쓰기, 70개 이상의 언어와 방언으로 제공되는 즉석 음성 텍스트 변환을 통해 청각장애인이나 난청인이 자막을 볼 수 있는 Android 음성 자막 변환, 수백만 명이 매일 일정을 쉽게 확인할 수 있는 Google 어시스턴트를 비롯한 다양한 기능은 기술을 통해 더 좋은 미래를 만드는 Google의 비전을 잘 보여줍니다.

유용한 혁신의 아이디어가 휴대기기보다 더 중요한 곳은 없습니다. Android는 2008년에 출시된 이후 전 세계에서 가장 인기 있는 모바일 플랫폼이 되었습니다. 머신러닝을 통한 영상 인식의 발전으로 사용자는 스마트폰 카메라로 텍스트를 비춘 다음 Google 번역을 통해 88개 언어로 실시간 번역된 내용을 볼 수 있습니다. 또한 휴대전화가 전 세계적으로, 특히 빠르게 성장하는 개발 도상국 시장의 사용자가 선택하는 기기가 됨에 따라 사람 중심의 애플리케이션을 염두에 두고 새로운 도구를 빌드하는 것이 중요합니다. 유용한 혁신은 정보에 액세스하고 사용 및 해석하는 방법을 바꿔 필요한 때 가장 필요한 곳에서 정보를 사용할 수 있도록 만들었습니다.

예를 들어 홍수를 예측하고 영향권에 드는 사람에게 즉시 경고를 전달합니다. 또는 커피잔과 같은 품목을 빠르게 사진으로 찍고, 근처 재활용 지점으로 가는 길을 찾을 수도 있습니다. 새로운 기술을 개발하는 것은 간단한 과정이 아닙니다. 하드웨어가 발전하고 소프트웨어에서 새로운 것을 발견해야 하며 이러한 새로운 환경을 빌드하는 개발자가 필요합니다. Android Developer Challenge는 '유용한 혁신'에 중점을 두고 머신러닝의 실제 사례를 사용자를 위한 작업으로 설정하고 차세대 개발자가 이러한 새 기술의 가능성을 최대한 활용하도록 고무합니다.

이제 막 대학을 졸업할 시기라면 마우스(생쥐)는 밤에 가끔 기숙사를 돌아다니는 성가신 존재입니다. 컴퓨터 마우스는 학교 도서관 지하에 있는 오래된 시스템에 연결되어 있는 것으로 몇 번 사용해봤을 뿐입니다. 그러나 믿을지 모르겠지만, 컴퓨터 마우스는 컴퓨팅을 개인화하고 컴퓨터 상호작용을 더 수월하게 만들기 위한 급격한 진보였습니다.

1960년대부터 1990년대까지 미국의 주요 컴퓨터 제조업체인 Digital Equipment Corporation의 창립자가 '가정에 컴퓨터를 보유할 이유가 없다'고 말한 시기에 스티브 잡스는 마우스를 중심에 두고 그래픽 사용자 인터페이스를 주도했습니다. 결과적으로 개인 컴퓨팅과 설계의 새로운 시대를 열었습니다. 이후로 컴퓨팅 설계는 중요한 두 번의 혁신을 거쳤으며, 각 혁신을 통해 기기와 사람의 관계가 더 가깝고 더 개인적이며 더 인간적인 것으로 크게 변화했습니다.

Android와 iOS는 모바일의 추세와 함께 첫 번째 중요 변화를 가져왔습니다. 처음에 모바일은 더 작은 화면, 더 적은 전력 소비, 더 적은 기능을 의미했습니다. 하지만 개발자는 재빨리 더 많은 것을 인식했습니다. 모바일 용어인 스와이프, 탭, 터치, 찌르기 등은 화면에 표시된 것 이상을 생각함으로써 더 많은 것을 가능하게 했습니다. 더 이상 캔버스가 모니터 테두리에 갇혀 있지 않으며 이제 여러 레이어에 겹쳐진 정보가 준비되어 사용자에게 제공됩니다. 또한 위치, ID의 맥락에서 이후의 컴퓨팅 설계는 중요한 두 번의 혁신을 거쳤으며, 각 혁신을 통해 기기와 사람의 관계가 더 가깝고 더 개인적이며 더 인간적인 것으로 크게 변화했습니다.

Android와 iOS는 모바일의 추세와 함께 첫 번째 중요 변화를 가져왔습니다. 처음에 모바일은 더 작은 화면, 더 적은 전력 소비, 더 적은 기능을 의미했습니다. 하지만 개발자는 재빨리 더 많은 것을 인식했습니다. 모바일 용어인 스와이프, 탭, 터치, 찌르기 등은 화면에 표시된 것 이상을 생각함으로써 더 많은 것을 가능하게 했습니다. 더 이상 캔버스가 모니터 테두리에 갇혀 있지 않으며 이제 여러 레이어에 겹쳐진 정보가 준비되어 사용자에게 제공됩니다. 또한 위치, ID, 이동성의 맥락에서 모바일을 통해 가능해진 사용자 경험은 데스크톱이 제공할 수 있는 경험보다 커졌습니다. 다음으로 중요한 변화인 머신러닝은 사람 중심 설계를 향한 혁신에 중점을 뒀습니다.

컴퓨터를 가정에서 보유할 수 있다는 것이 과감한 생각이라면 컴퓨터와 대화할 수 있다는 것은 더 과감한 일일 것입니다. 심지어 아름다운 꽃에 카메라를 대고 Google 렌즈를 사용하여 꽃의 종류를 식별한 다음 어머니를 위한 꽃다발을 주문하도록 리마인더를 설정할 수도 있습니다. Google and Co-Lead of the People + AI Research 팀의 수석 사용자 연구원인 제스 홀브룩은 “Google 렌즈는 컴퓨터 비전 모델을 사용하여 검색을 확장하고 검색 속도를 높일 수 있습니다.”라고 말합니다. "검색하기 위해 항상 카메라가 필요하지는 않지만 무언가의 이름을 잊었거나 긴 설명을 입력하기 위해 멈춰야 하는 경우 유용합니다. 카메라를 사용하면 훨씬 더 빠르죠.”

Q. 어떤 일을 하고 계시며 AI에 관한 관심을 이끄는 요소는 무엇인가요?

A. 저는 기술을 개발하고 이 기술을 영향력 있는 방식으로 난제를 해결하는 데 사용하고 싶습니다. 저는 자연스러운 음성을 사용해 휴대전화로 식당을 예약하는 등의 일을 처리하는 자동화 시스템인 Google 듀플렉스, 휴대전화에서 Google 어시스턴트가 웹 문서를 소리 내어 읽는 Read It, 선택 통화와 실시간 자막 등 기기 내 기술과 같은 대화형 AI 프로젝트를 진행하고 있습니다. 또한 공공의 이익을 위한 일반적인 AI 활용에도 큰 관심이 있습니다. 머신러닝, 클라우드 컴퓨팅, 수압 시뮬레이션, 기타 기술을 사용하여 홍수 예측의 정확성을 높이는 일을 예로 들 수 있습니다.

Q. AI for Social Good 이니셔티브는 어떻게 형성되었나요?

A. Google의 문화에서 보이는 한 가지 멋진 특징은 많은 사람이 기술을 사용하여 중요 문제를 해결하는 방법을 찾으려 한다는 점입니다. AI for Social Good은 보건, 생물 다양성, 접근성 지원, 위기 대응, 지속가능성과 같은 여러 영역에 적용될 수 있습니다. Google 동료 몇 명이 모여서 해결할 수 있다면 사람의 삶과 사회에 크게, 진정으로 도움이 될 수 있는 문제에는 어떤 것이 있는지 파악해봤습니다. 그리고 Google 내부나 외부의 모든 사람이 공익 관련 이니셔티브를 추진할 수 있게 지원하기 위해 AI for Social Good을 만들었습니다. 클라우드를 통해 사용할 수 있는 오늘날의 머신러닝 기술은 전 세계적으로 많은 사람이 실제 사회 문제를 파악하고 잠재적으로 해결할 수 있는 도구가 됩니다. 유례가 없는 일이죠.

Q. 기기 내 기술이 어떤 역할을 할 수 있나요?

오늘날의 휴대기기는 점점 더 강력해지고 있습니다. 이에 따라 기기에서 실행할 수 있는 머신러닝 기법을 활용할 수 있습니다. 이런 능력은 연결에 의존하지 않고도 특정 애플리케이션에 즉시 액세스할 수 있는 등의 이유로 중요합니다. 어떤 정보도 기기에서 유출되면 안 되는 개인 정보를 취급하는 상황에서도 중요합니다. 선택 통화, 실시간 자막, 실시간 음성 지원은 수신 전화를 더 잘 제어하고, 청력이 좋지 않은 사람이 실시간 자막을 통해 말의 내용을 파악하고 전화 대화도 나눌 수 있는 등 기기에서 대화형 AI를 사용하는 예입니다.

Q. 생활환경지능이 획기적인 이유는 무엇인가요?

A. 유용한 기술은 이 기술에 신경을 쓰지 않고도 작동할 정도로 환경에 포함되어 있을 때 그 능력이 발생합니다. 많은 기술은 처음에는 놀랍지만 점차 당연시됩니다. 대화형 AI는 모달리티 및 언어의 장벽을 없애고 상호작용 기능을 개선합니다. 기계가 사람을 더 잘 이해하고 자연스러운 방식으로 사람에게 말하도록 만들면, 다시 말해서 이러한 기능이 생활 환경이 되도록 만들면 사용자는 명시적으로 작업 요청을 하고 더 자연스럽게 상호작용해야 하는 인지적 부하를 없앨 수 있습니다.

Q. 머신러닝 도구를 액세스 가능하게 만드는 것이 왜 중요한가요?

A. Android Developer Challenge는 클라우드 기술 및 기기 내 기술 공개의 중요성을 보여줍니다. Google은 모든 곳에서, 모두로부터 혁신이 이루어지기를 바라며 가능한 모든 곳에서 참여를 촉구하고 지원하고 영감을 주고 조언을 제공할 수 있기를 원합니다. 이 프로그램에 참여한 개발자가 제시할 결과에 관해 정말 기대가 큽니다. 개발자가 열정을 세계적으로 확장하고 첨단 기술을 활용할 수 있게 도울 수 있다면 사람에게 크게 유용할 수 있는 혁신적이고 멋진 결과를 얻을 것입니다.

혁신적인 머신러닝 도구와 기능을 모바일에서 활용하는 방법은 무엇일까요? 바로 TensorFlow Lite입니다. 이 강력한 머신러닝 프레임워크는 Android 및 iOS 기기에서 일반적으로 지원할 수 없는 머신러닝 모델을 실행할 수 있도록 합니다. 현재 TensorFlow Lite는 세계적으로 수십억 대의 기기에서 활성화되어 있습니다. 포함된 도구 모음은 이미지 감지부터 음성 인식에 이르기까지 모든 종류의 강력한 신경망 관련 애플리케이션에 사용할 수 있어 어디에 가든 휴대하는 기기에 첨단 기술을 도입합니다.

TensorFlow Lite를 사용하면 계산 집약성이 낮아 서버나 데이터 센터에 의존할 필요가 없는 모델을 사용함으로써 머신러닝 처리의 많은 부분을 기기 자체에서 실행할 수 있습니다. 이 모델은 더 빠르게 실행되고, 개인 정보 보호를 잠재적으로 향상하고, 더 적은 전력을 요구하며(연결 시 배터리 사용량이 많을 수 있음), 중요하게 일부 경우 인터넷 연결이 필요하지 않습니다. Android에서 TensorFlow Lite는 Neural Network API를 통해 특수 모바일 액셀러레이터에 액세스하여 전력 사용량을 줄이면서도 훨씬 더 우수한 성능을 제공합니다.

TensorFlow Lite의 엔지니어링 디렉터인 사라 시라주딘은 "TensorFlow Lite는 전에는 서버 왕복 지연 시간으로 인해 애플리케이션이 시작 조건이 될 수 없었던 사용 사례를 지원합니다."라고 말합니다. "기기 내 음성 인식, 실시간 동영상 상호작용 기능, 사전 촬영 시 실시간 수정 등을 예로 들 수 있습니다." "이 영역에서의 혁신은 대단했으며 앞으로 더 많은 혁신이 있을 것입니다."라고 계속합니다. "또 다른 흥미로운 측면은 머신러닝이 더 쉬워져 창의력과 재능을 강화하는 데 도움을 준다는 점입니다."

글: 루크 도멜

삽화: 사라 맥스웰

ML Kit는 모바일 앱 개발자가 Google의 기기 내 머신러닝 기술을 사용하여 앱에 대화형 환경을 맞춤형으로 빌드할 수 있도록 합니다. 여기에는 언어 번역, 텍스트 인식, 객체 감지와 같은 도구가 포함됩니다. ML Kit를 사용하면 데이터가 기기에 유지되므로 사용자 개인 정보 보호 위주의 방식으로 시각적 데이터와 텍스트 데이터를 실시간으로 식별하고 분석하고 어느 정도 이해할 수 있습니다. 제품 관리 이사인 브라힘 엘부치키는 "ML Kit 덕분에 머신러닝에 훨씬 더 쉽게 다가갈 수 있습니다."라고 합니다.

"ML Kit는 개발자가 ML 전문가가 아니어도 ML 기반의 앱을 만들 수 있도록 Google의 동급 최고 ML 모델을 단순한 도구 모음으로 사용할 수 있게 만듭니다. 모든 복잡성이 숨겨져 있으므로 개발자는 핵심 제품에 집중할 수 있습니다. 예를 들어 언어 ID 같은 도구를 사용하여 텍스트 문자열의 언어를 식별할 수 있고 객체 감지 및 추적을 사용하면 이미지나 실시간 카메라 피드에 있는 객체 하나 이상을 현지화하고 실시간으로 추적할 수 있습니다.

이러한 기능 덕분에 Android Developer Challenge 수상 앱인 Trashly는 재활용 가능한 재료와 재활용 불가능한 재료를 구별할 수 있으며 UnoDogs는 건강한 강아지와 그렇지 않은 강아지를 구별할 수 있습니다. 미래는 어떨까요? 엘부치키는 기술이 백그라운드로 사라지고 기기가 요구를 더 잘 이해하는 것이 목표라고 말합니다. "ML Kit 덕분에 이 약속을 이행하고 개발자가 사용자 개인 정보 보호와 신뢰를 촉진하는 방식으로 직관적이고 조정 가능한 환경을 구축할 수 있습니다."

글: 조안나 굿맨

삽화: 토르 브랜트

현재 4억 명 이상이 휴대전화에서 전송하는 빠른 코드인 USSD를 사용하여 송금하거나, 공과금을 납부하거나, 모바일 머니 키오스크에서 현금을 인출할 수 있는 모바일 머니라는 서비스를 매일 사용하고 있습니다. 모바일 머니는 전 세계적으로 사용되지만 특히 전통적인 은행이 없거나 안정적인 인터넷 액세스가 불가능한 시골 지역에 거주하는 인구가 전체의 46%인 콩고민주공화국(DRC) 같은 국가에서 유용합니다. 안타깝게도 특히 읽기 및 숫자 사용에 어려움을 겪는 사람에게는 모바일 머니를 사용하기가 어렵고 그 프로세스에 시간이 많이 걸립니다. 한 단계에서 잘못하면 다시 시작해야 합니다.

또는 잘못된 코드를 사용하면 엉뚱한 사람에게 송금될 수도 있습니다. Esske는 환경을 간소화하여 더 직관적이고 액세스하기 쉽게 만듭니다. 또한 송금하고, 공과금을 납부하고, 정기 결제를 하고, SMS 전송과 데이터 사용 및 전화 걸기 등을 위한 필수 송수신 시간을 구매할 수 있습니다. 대부분의 모바일 뱅킹 서비스에서는 사용자가 휴대전화의 USSD 코드를 수동으로 입력해야 하는 반면, Eskke의 Quick Withdraw 기능은 이 정보를 자동으로 처리합니다.

오프라인 텍스트 인식 및 바코드 스캔과 같은 ML Kit 도구를 사용하면 사용자가 모바일 머니 키오스크에 간단하게 QR 코드를 스캔하고 신속하게 현금을 인출할 수 있습니다. 이 앱은 DRC의 사용자에게 제공되며 다른 아프리카 국가에서 모바일 머니 운영자를 지원하도록 확장될 예정입니다.

글: 아리엘 비르

삽화: 프랜시스 하사드

전 세계적으로 기후 변화가 현실적으로 다가오면서 사람들은 탄소 발자국을 줄이고 매립 쓰레기를 줄이고자 합니다.

대부분의 도시가 재활용 서비스를 제공하지만 많은 곳의 규칙, 규제, 규정 등이 서로 다릅니다. 라벨 표기가 부족하고 정책이 일관되지 않기 때문에 재활용 수거함에서 재활용이 불가능한 물건이 25%를 차지합니다.

Trashly는 소비자가 더 쉽게 재활용할 수 있게 돕습니다. 물건을 기기의 카메라로 비추면 앱이 객체 감지를 통해 플라스틱, 종이컵, 봉지, 병 등을 식별하고 분류합니다. TensorFlow Lite 커스텀 모델을 통해 이 정보를 분석한 후에 현지 규정에 따라 물체가 재활용 가능한지 여부 및 재활용하는 방법을 알려주고 가까운 재활용 수거함에 관한 세부정보를 공유합니다.

현재 일리노이, 펜실베이니아, 캘리포니아에서 사용 중인 Trashly는 '내 주변' 기능을 사용하여 1,000개에 달하는 재활용 센터를 찾을 수 있으며 앞으로 다른 주와 국가로 확장하여 변화를 가져오는 책임감 있는 습관을 지원할 계획입니다.

글: 아리엘 비르

삽화: 알레스 맥

강아지는 일상의 운동, 음식, 보살핌을 주인에게 의존합니다. 하지만 주인이 좋은 의도로 사랑을 쏟는데도 불구하고 강아지가 과체중이 되는 경우가 많으며 이로 인해 개의 수명이 최대 25% 단축됩니다. UnoDogs는 맞춤설정된 정보와 피트니스 프로그램을 제공하여 주인이 반려견의 건강을 더 잘 지원하도록 돕습니다. UnoDogs는 강아지의 건강을 추적 및 측정하고 정확한 조언을 제공하여 건강 문제가 시작되기 전에 대처합니다.

UnoDogs는 Google Cloud Platform AutoML Vision 기능을 사용해 실시간 이미지 분석용 객체 감지 모델을 학습시킴으로써 강아지의 건강 상태 점수를 계산하고 이상적인 체중과 크기를 제안합니다. 향후 버전에서는 음식 추천, 민첩성 테스트, 피트니스 계획 등 더 많은 ML 기반 기능을 제공할 예정입니다.

체중과 운동 추적 세부정보는 실시간 분석과 결합되어 반려견의 삶의 질을 위해 주인이 집중하고 지속적으로 영감을 받도록 설계한, 따라하기 쉬운 사료 및 운동 프로그램을 제공합니다.

글: 아리엘 비르

삽화: 최혜령

농작물 질병은 전 세계 농부에게 지속적인 위협을 가합니다. 식량 불안정이 건강, 사회, 경제에 미치는 영향은 대단히 파괴적일 수 있습니다. AgriFarm은 농부가 식물병을 감지하여 주요 피해를 방지할 수 있도록 도움을 줍니다. 이를 위해 질병 유형을 식별하는 데 사용되는 심층신경망 분류기를 Google Cloud AI Platform에 호스팅합니다.

날씨 보고, 동영상 추천, 가격 예측과 같은 추가 기능도 있습니다. 인터넷 액세스가 제한적인 외딴 지역에서 사용하도록 설계된 AgriFarm은 과일과 토마토, 옥수수, 감자 같은 채소를 포괄하며 전 세계적으로 작동하도록 데이터 세트를 확장하고 있습니다.

글: 아리엘 비르

삽화: 부바 비에드마

크라우드소싱 모델을 기반으로 AgroDoc은 지리적 위치와 기후가 비슷한 곳의 농부로부터 데이터를 수집하여 식물병을 진단하고 치료 계획을 세우는 데 도움을 줍니다. 이 앱을 사용하면 감염된 잎을 기기 카메라로 스캔하여 TensorFlow Lite 라이브러리를 활용해 질병 유형을 감지할 수 있습니다.

주요 증상과 함께 데이터를 분석하여 식물의 건강을 개선하기 위한 간단한 조치를 제공합니다.

글: 아리엘 비르

삽화: 부바 비에드마

스트레스는 긍정적이거나 부정적인 여러 형태로 존재합니다. 다행히 우리 몸은 자기 조절을 통해 변화하는 상황에 적응하도록 만들어져 있습니다. 그러나 극단적인 일이나 조건으로 인해 높은 수준의 스트레스가 발생하면 부정적인 영향이 증가하여 불안, 우울증으로 이어지고 장기적으로 건강을 해칠 수 있습니다. Stila(학습 활동에서 스트레스 추적)는 사용자가 생활 속에서 스트레스를 더 잘 이해하고 관리할 수 있도록 신체의 스트레스 수준을 모니터링하고 추적합니다. 이를 위해 이 스마트폰 앱은 Fitbit 손목 밴드나 Wear OS by Google에서 실행되는 기기와 같은 웨어러블 기기와 연동하여 바이오피드백을 기록합니다.

Firebase 커스텀 모델은 스트레스를 감지하고 분류하는 반면, TensorFlow Lite 인터프리터는 오프라인으로 정보를 처리할 수 있습니다. 앱은 신체의 스트레스 수준을 추적하고 사용자의 생활 사건과 환경에 관한 간략한 보고서와 결합합니다. 그런 다음 스트레스 수준 점수를 계산해 특정 활동 중의 스트레스를 추정합니다. 사람은 스트레스 요소와 자극에 저마다 다른 방식으로 반응하기 때문에 Stila는 이 보고서를 통해 학습하고 작동 방식을 조정합니다. 그런 다음 각 사용자의 리듬과 요구 사항에 따라 피드백을 제공합니다.

개인의 특징을 사용해 전이 학습을 통해 사용자의 환경을 더 세부적으로 맞춤설정할 수 있습니다. 사용자는 시간 경과에 따른 스트레스 수준을 감지하고 모니터링하여 생활 속의 스트레스를 더 효과적으로 관리할 수 있습니다.

글: 아리엘 비르

삽화: 린 프리츠

MixPose는 요가 강사와 피트니스 전문가가 가르치고, 신체 정렬을 추적하고, 실시간으로 피드백을 제공할 수 있는 실시간 스트리밍 플랫폼입니다. 실시간이 아닌 피트니스 동영상은 정보가 한 방향으로만 공유되지만, 이 앱에서는 강사가 수강생의 요구에 따라 수업을 맞춤화하고 직접 상호작용할 수 있습니다. 자세 추적은 ML Kit와 PoseNet을 사용하여 각 사용자의 움직임과 자세를 감지합니다.

그런 다음 실시간 센서 및 피드백 시스템이 수강생의 신체 정렬 상태를 알려줍니다. Chromecast와 같은 동영상 출력 기능을 추가하면 더 큰 화면에 쉽게 연결하여 몰입도를 높여서 볼 수 있습니다. 요가를 하는 3천 7백만 명의 미국인을 염두에 두고 설계한 MixPose는 출시를 위해 100명이 넘는 요가 강사를 모집하고 있습니다. 이 플랫폼은 Edge, 5G, 스마트 TV의 AI를 통한 혁신 덕분에 사용자가 가정에서 편하게 대화식 강의를 들을 수 있도록 제공합니다.

글: 아리엘 비르

삽화: 레이첼 레빗 루이즈

인도에서는 듣기와 말하기에 어려움을 겪는 사람이 7백만 명이 넘지만 그중에서 수화 교육을 받는 사람은 거의 없습니다. 언어와 방언이 아주 다양하여 표준 의사 전달 수단을 만드는 것이 거의 불가능합니다.

Leepi를 통해 사용자는 미국식수화의 손동작과 기호를 배울 수 있습니다. 이 앱은 글자, 기호, 표정, 의도 인식과 함께 상호작용형 연습 및 실시간 피드백을 사용합니다. 기기 내 처리를 더 정확하고 간소하게 하기 위해 TensorFlow Lite 라이브러리와 MediaPipe 프레임워크가 사용되었습니다. 중요한 것은 오프라인용으로 설계되었기 때문에 더 많은 사용자가 장벽 없이 학습할 수 있다는 점입니다.

글: 아리엘 비르

삽화: 쉐퉁 왕

좋은 수면은 인체의 휴식과 회복에 필수적입니다. 하지만 성인의 25%는 정기적으로 코를 골며, 코골이는 수면 장애와 잠재적으로 만성적인 건강 문제를 유발할 수 있습니다.

Snore and Cough 앱은 TensorFlow Lite로 오디오를 캡처하고 분석 및 분류하여 코골이와 기침을 식별하고 의료 전문가의 지원을 찾고 있는 사용자에게 도움을 줍니다.

글: 아리엘 비르

삽화: 쉐퉁 왕

쇼핑몰이나 붐비는 거리와 같은 공공장소를 지나갈 때 움직이는 장애물이 끊임없이 이동하고 예기치 않게 변경될 수 있습니다. 시각, 청각, 촉각 같은 감각은 충돌을 방지하고 사고를 예방하는 데 도움이 될 수 있습니다. 하지만 시각장애인은 공공장소를 지나갈 때 알 수 없는 장애물을 계속 마주쳐야 합니다. Path Finder는 시각장애인이 경로에서 움직이는 물체를 식별하고 그 궤도를 계산하여 복잡한 상황에서 무사히 보행할 수 있도록 돕습니다.

맞춤 알림은 사용자에게 장애물을 피하는 방법을 알리고 취할 수 있는 안전한 동작을 제안합니다. 이 앱은 TensorFlow Lite의 객체 감지 기능을 사용하여 주변 물체의 거리를 계산합니다. 사용자 경험을 증강하고 정보를 공유하고 지원을 제공하며 어려운 상황에서 사용자에게 부담을 주지 않도록 설계되었습니다. 그래서 Path Finder의 설정 프로세스는 대화형으로 만들어졌으며 시력이 약한 사용자뿐만 아니라 이러한 사용자를 돕는 사람에게도 맞게 맞춤설정됩니다.

장애물 알림 시스템으로 청각적 피드백과 햅틱 반응이 모두 제공되며, 다양한 음과 주파수를 통해 각 물체의 거리와 방향이 전달됩니다. 그런 다음 모스 부호와 같은 오디오 패턴이 겹쳐지고 결합되어 추가 정보가 공유됩니다. 시각장애인이 Path Finder를 사용하면 주변 상황을 예측할 수 있어 공공장소를 더 쉽게 이동할 수 있습니다.

글: 아리엘 비르

삽화: 소냐 코셴보임