기린

nano 33 IoT 보드로 구현한 스마트 가든 예제 집안에 꽃밭을 꾸미고, 화분을 놓고 심지어 스마트 농장을 설치하는 일들은 언듯 보기엔 좋은 일 같기도 하고 장점이 많아 보인다. 심리 상태나 정서상에 많은 도움이 되기도 한다. 그냥 바라보는 일도 감정을 평온하게 하니 좋은데 문제는 지저분해지는 문제다. 시들고, 벌레가 생기고, 나중에 치우거나 바꿔주는 일 등 사소하고 자질구레한 일이 많아진다. 우리가 만족하고 풍요로움을 느끼는 일들은 대부분 처음만 좋은 일들이 많다. 아래는 dht22 온도 습도 센서를 사용하여 구현한 스마트 가든 예제 회로도와 코드를 나타낸다. 프로젝트에서는 당연히 아두이노 클라우드 서비스를 이용하여 Thing 설정을 하고 진행하는 데 그 과정을 포함하지 않고 연결도면과 nano 3..

여기서는 가장 기본적인 예제 Blink.ino 예제를 테스트한다. 앞 강의에서 환경설정이 끝났다면 다음과 같이 시험한다. 간단한 예제를 아두이노 나노 33 IoT에 업로드 해보자. 아두이노 통합개발환경 IDE에서 파일 - 예제 - 01. Basics - Blink.ino 예제를 사용한다. 예제를 불러오고 아두이노에 업로드하여 동작을 확인한다. 아두이노 나노 33 IoT에 'LED_BUILTIN'핀은 D13번 핀이다. blink.ino 소스코드는 아래와 같다. /* Blink Turns an LED on for one second, then off for one second, repeatedly. Most Arduinos have an on-board LED you can control. On the UN..

Firmata는 아두이노 통합개발환경(스케치)이 아니더라도 Arduino Board에 Firmata 코드를 올린 후에 PC에서 Python을 이용하여 보드 제어가 가능한 프로토콜을 지원합니다. 즉, 윈도우 혹은 리눅스와 같은 호스트 컴퓨터에서 소프트웨어로 아두이노를 직접 제어할 수 있는 기능을 지원하는 것이 Firmata 프로토콜입니다. 1. 아두이노 IDE를 열어 보드와 컴포트를 확인한 후 메뉴 파일 -> 예제 -> Firmata -> StandardFirmata 를 열어서 컴파일, 업로드합니다. 현재 스케치 버전은 아두이노 1.8.12입니다. 2. Firmata를 실습할 수 있는 프로그램을 다운로드 합니다. Firmata 홈페이지에서 자신의 컴퓨터 환경에 맞는 프로그램을 다운 받습니다. exe 파일은..

미 국가표준기술연구소(NIST), 인공지능 결정의 설명 가능성에 대한 보고서 발표 NIST Asks A.I. to Explain Itself 우리 중 대다수는 어린 시절 “왜 그랬니?”라는 질문을 많이 받았다. 인공지능(AI, Artificial Intelligence)이 우리의 삶에 영향을 주는 결정이 많아짐에 따라 우리도 간단하지만 심오한 질문을 하고 AI는 이에 대해 대답할 수 있어야 한다. 결국 이는 우리가 AI의 결정을 어떻게 신뢰할 수 있는지의 문제로 귀결된다. 만족할 만한 설명을 얻기 위해 국가표준기술연구소(NIST, National Institute of Standards and Technology)의 과학자들은 AI의 결정이 어떻게 설명가능한지 우리가 판단할 수 있는 일련의 원칙을 제안하..

스마트 팩토리 과제 사업으로 장비에 센서를 달아 동작 상태, 제품 생산 횟수, 온도와 습도, 진동센서, 광센서 등으로부터 데이터를 수집하여 클라우드 서버로 전송하는 장치를 개발할 예정입니다. 여기서는 가상으로 모든 센서와 데이터 처리가 완벽하게 동작하도록 예측하여 구성하려고 합니다. 말하자면 시뮬레이션? 이미 설치된 장비는 약간이라도 손을 대지 않고 작업합니다. 장비에서 나오는 신호, 예를 들면 소리, 진동, 이동하는 물체로부터 센싱 데이터를 뽑아내고 실내의 온도와 습도를 클라우드로 전송합니다. 서버단에서 데이터를 받는 부분은 구현하지 않고 여기서는 마이크로 프로세서 기능만 구현합니다. 그림으로 표현한 개념도는 아래와 같아요. Visio를 사용하여 그린 블록도를 첨부합니다. 구성품 상세 기능이나 전원 규..

이 가이드의 목적은 프로젝트에서 Arduino Nano 33 IoT를 사용하는데 필요한 주요 정보를 모으는 것입니다. 이 가이드를 작성할 당시 Arduino Nano 33 IoT는 시장에서 상당히 새롭고 인터넷에서 사용할 수 있는 정보가 많지 않았습니다. 보드에 대한 정보가 부족하여 약간 실망했고 여기서 대부분의 통찰력은 실험에서 알아낸 것으로 이 가이드를 작성했습니다. 일부 정보는 다른 웹 사이트에서도 제공되며,이 경우 해당 리소스는 섹션에서 언급합니다. 이 정도로 요약이 잘 되고 실질적인 문서는 찾아보기 힘들죠. 본 가이드의 출처는 Arduino Nano 33 IoT - Ultimate Guide이고 번역하여 올립니다. 문제가 될 경우 알려주시면 즉시 조치하겠습니다. Arduino Nano 33 Io..

일본, AI 특화 슈퍼컴퓨터 개발 통해 세계 1위 탈환 TOP500이 발표한 전세계 슈퍼컴퓨터 순위에서 일본의 후가쿠(Fugaku)가 1위를 차지했다. 슈퍼컴퓨터의 순위는 계산 능력으로 매겨진다. 과학기술 시뮬레이션에서 활용되는 선형대수 알고리즘(HPL, High Performance Linpack)의 성능을 배정밀도*로 실측하여 순위를 산출하는 방법이다. 배정밀도란 (Double Precision)는 64-bit의 이진수로 실수를 표현하는 방법이다. 후가쿠는 이화학연구소(RIKEN)와 슈퍼컴퓨터 전문기업 후지쯔가 공동 개발했으며 전통적인 슈퍼컴퓨터 영역뿐 아니라 AI 성능에서도 독보적인 1위를 달성했다. 이번 순위는 슈퍼컴퓨터의 전세계 경쟁구도가 재편되고 있으며, AI 분야에서 슈퍼컴퓨터의 중요성이커지..

美 AI4K12 이니셔티브,초중등 AI 교육 가이드라인 업데이트 미국 초중등 AI 교육을 위해 설립된 ‘AI4K12 이니셔티브’는 2019년 4월 발표한 초중등 AI 교육 가이드라인(5 Big Ideas)을 구체화하여 지난 5월에 공개했다. AI4K12 이니셔티브는 △초중등 AI 교육 가이드라인 개발, △AI 교재 개발, △AI 교육자 커뮤니티 육성 등을 목표로 미국 컴퓨터교사협회(CSTA), 인공지능학회(AAAI) 등이 공동 설립하였다. 이들이 제안한 5 Big Ideas는 인공지능을 이해하기 위해 필요한 5대 학습 분야를 정의하고 학령별 수준에 따른 교육 목표와 내용을 제시하였다. 이미 우리나라도 위와 같은 교육과정이 도입되어 초등학교에서도 인공지능 리터러시 교육을 시작하였다. SW 교육의 정점에 도..

AI-LAB 인공지능 실습 3강 머신러닝 지도 학습(Supervised Learning) , 비지도 학습(Unsupervised Learning) 머신러닝에서는 크게 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 나눌 수 있습니다. 지도 학습과 비지도 학습의 유형에 대해 간단하게 살펴보겠습니다. 간단하게 나타낸 그림과 멋지고 자세한 이미지를 올립니다. 1. 지도 학습 (Supervised Learning) 지도 학습은 이름에서 알 수 있듯이 컴퓨터에게 정답(Label)이 무엇인지 알려주면서 컴퓨터를 학습을 하는 방법입니다. 예를 들어 3x5=15, 6x4=24 등을 학습시킨 후 9x3=??..

OpenAI, 자연어 처리를 위한 범용 API 공개 그간 자연어 처리 분야는 딥러닝의 부상으로 성능이 대폭 개선되어 왔고, 그 중심에는 AI를 대표하는 기업인 구글과 OpenAI가 지속적인 성과를 이룸. ○ 자연어 처리 대표적인 자연어 처리의 연구 주제는 특정 문장에서 다음에 올 단어를 예측하는 언어 모델, 질문 문장에 대한 답을 찾아내는 질의응답, 문장이나 문서의 유사성 분류, 언어를 자동으로 번역하는 기계번역 등이 있음 - 구글: 2017년 어텐션 메커니즘을 바탕으로 한 트랜스포머(Transformer), 2018년 트랜스포머를 기반 으로 한 BERT 모델을 공개하여 당시 11개의 자연어처리 과업에서 최고수준의 결과를 달성하고, 2020년에는 계산을 최적화한 리포머(Reformer) 공개 - Open..

AI-LAB 인공지능 실습 2강 머신러닝(Machine Learning) 이번 시간에는 머신러닝에 대해 공부하는 시간입니다. 머신러닝의 역사를 간략하게 알아보겠습니다. Arthru Samuel (1959): Machine Learning is a field of study that gives computers the ability to learn without being explicitly programmed 1950년대에 체커 게임을 개발했던 Arthur Samuel은 명시적으로 "프로그램이 작성되지 않아도 컴퓨터가 스스로 학습할 수 있는 능력을 제공하는 학문"을 기계학습이라고 정의하였습니다. 체커 게임을 만든 Arthur Samuel은 사실 체커게임을 잘 두지 못했지만 그가 해낸 것은 그의 컴퓨터로 ..

AI-LAB 인공지능 실습 1강 인공지능 개요 본 인공지능 강의 자료는 NVIDIA Jetson TX2 Developer Kit를 기반으로 인공지능 실습 플랫폼에서 다양한 AI 예제를 실습하는 과정을 설명한다. 실습 환경을 구성하는 일은 쉽지 않은 일이므로 실습 전까지 AI에 대해 수업하는 방식으로 하고, Jetson TX2 Developer Kit에 대한 내용은 따로 보충하는 형식으로 한다. Jetson TX2 Series는 Nvidia Pascal ™ 아키텍처로 구동되는 AI 모듈이며, 특징은 아래와 같다. - 256개 NVIDIA CUDA 코어를 장착한 NVIDIA Pascal™ 아키텍처 - 로봇, 무인 항공기, 스마트 카메라 및 휴대용 의료 기기와 같은 지능형 에지 장치에 이상적인 소형의 전력 효..

美, IT공룡들 안면인식 AI 개발 및 공급 중단 발표 IBM, Amazon, MS 등 안면인식 AI 기술과 SW의 사용 및 판매 중단 연달아 발표 IBM: 범용적인 얼굴 인식 및 분석 SW를 더 이상 만들지 않을 것을 선언(2020.6.9.) Amazon: 자사의 안면인식 SW인 레커그니션(Rekognition)의 판매 중단을 선언하고 경찰 등 감시 기관에 1년간 공급하지 않기로 결정(6.10.) Microsoft: 안면인식 AI 기술을 통제할 국가적 법률이 시행될 때까지 경찰기관에 해당 기술을 공급하지 않기로 결정(6.11.) ○ 안면인식 AI 기술에 대한 부작용 경계 및 사용 제한 움직임에 대한 대응 현재 美 법 집행 기관이 활용 중인 안면인식 AI 시스템의 정확도와 인종 및 성별에 따른 편견 논란..

이코노미스트紙, “AI 기술의 한계에 대한 냉정한 인식 필요” ○ 영국 경제주간지 이코노미스트는 AI 기술의 비약적 발전에도 불구하고 도전적 과제에서 기대했던 성과를 달성하지 못했다고 언급했다. 자율주행차 개발을 주도해 온 구글, 테슬라 및 완성차 업계는 개발 목표 시점을 수차례 수년 이상 연기 – 구글 자율주행차 개발 책임을 맡았던 크리스 엄슨(Chris Urmson)은 자율주행차 상용화 시점이 예상보다 30년 이상 미뤄질 것으로 전망 코로나 19에 대응하기 위해 AI를 활용하는 다양한 아이디어가 논의되었지만 진단, 감염자 관리, 치료제 개발 등에서 실질적인 역할은 미미 – 감염자 관리는 방역 당국과 의료진이 직접 수행했고, AI를 활용한 혁신 신약 개발보다는 기존 약물의 적용에 초점 ○ 그동안 AI ..

Greenhouse 원격 관리시스템 안드로이드 앱 9 여기까지가 아마도 스마트 Greenhouse 원격 관리 시스템의 마지막 포스팅이다. 여기서 남은 모든 과정을 정리하여 소개한다. Greenhouse 원격관리시스템 안드로이드 앱의 동작과 조작방법, 카메라 응용, 프로젝트 완료/평가/보완사항, 참고 문서와 키워드까지 설명해야 하는 내용 모두 기술한다. 남은 것은 '우연'이 해결해 줄 것이다. 우연에게 자리를 내어주면 내어 줄수록 우리는 큰 여지를 얻게 되고, 풍성해 질 수 있다. 지나고 보니 중요한 것은 태도와 자세였다. 우리의 노력도 겉으로 보이는 자세와 태도 속에서 이루어지는 노력에 의해 성장하고 원하는 결과를 달성한다. 자세와 태도 속에서 빛을 발하는 것이 바로 노력이었다. 지치지 않고 꾸준히 하는..