컴퓨팅 및 커뮤니케이션 전반에 걸쳐 부상하는 새로운 혁신

다양한 기반의 연구를 통해 기술은 더욱 똑똑하고 안전하며 다재다능해지고 있습니다.

주요 정보

  • 5G 네트워크와 토폴로지를 활용하면 기능과 유연성, 경제적 효율성이 향상됩니다

  • 자율 주행에 대한 연구는 사람이 제어에 관여하지 않는 방향으로 진행 중입니다

  • 강화된 블록 체인은 점점 활발하게 사용되고 있는 전자 결제의 신뢰성을 높여줍니다

  • 센스메이킹은 여러 센서 데이터를 결합하여 사람의 공간을 보다 스마트하게 만듭니다

  • 예측 컴퓨팅을 통해 사람과 공간, 상황을 이해하면 설득력 있는 경험이 구현됩니다

BUILT IN - ARTICLE INTRO SECOND COMPONENT

인텔 랩은 개인, 사회, 조직 영역 전반에 걸쳐 미래 기술과의 상호작용을 크게 변화시킬, 새로운 기능에 대한 연구를 수행하고 있습니다.

이번 기사에서는 인텔 랩이 기본 학문 연구부터 응용 기술에 이르기까지, 다양한 분야에서 차세대 기술 개발에 지속적으로 참여하고 있는 모습이 두드러지게 나타납니다. 특히, 이러한 접근 방식에는 새로운 기술의 기능을 성숙시키려는 학계 및 업계 파트너와의 공동 연구 개발도 포함됩니다. 이 페이지에서는 인텔 랩이 현재 참여하고 있는 몇 가지 연구 분야를 집중 조명합니다.

차세대 무선 기능: 5G 네트워킹

5G 무선 표준은 2020년에 공개됩니다.

현행 4G(LTE/WiMAX) 표준을 잇는 무선 연결 기능이 2020년에 새롭게 공개되면, 점점 많아지는 복잡한 장치와 데이터 트래픽을 처리할 수 있는 용량이 네트워크에 추가될 것입니다. 이러한 데이터로는, 그 수가 증가하고 있는 비디오 트래픽, 사물 인터넷(IoT)과 관련된 새로운 소스, 가상 현실과 같은 새로운 유형의 데이터 등이 있습니다. 4G에 비해 짧은 지연 시간과 높은 처리량을 제공하는 5G 네트워크는 휴대용 장치를 위해 강화된 모바일 광대역과 산업 및 자율 주행 차량에 알맞게 안정적이고 지연 시간이 짧은 연결, 그리고 IoT용으로 대규모 확장이 가능한 전송을 목표로 합니다.

5G를 위한 하드웨어, 소프트웨어, 통신사 에코시스템을 지원하기 위한 노력의 일환으로 인텔 랩은 2012년부터 인텔 5G 전략 연구 얼라이언스(Intel Strategic Research Alliance for 5G)를 통해 대학 연구 커뮤니티에 참여하고 있습니다. 인텔 랩은 이 연구자 커뮤니티에 기술 및 자금 지원을 제공하고 있으며, 다음의 5G로 나아가는 노력 중 다음의 세 가지 영역에 초점을 맞추고 있습니다.

• 네트워크 용량: 인텔 랩은 향후 10년간 예상되는 100배의 용량 증가를 지원하기 위해 MIMO 전송 규모의 확대와 같은 새로운 접근 방식을 연구하고 있습니다. 관련 주제로, 에너지 효율성과 스펙트럼 효율성 사이의 상충 관계에 대한 연구도 진행 중입니다.

• 균일한 연결성: 또 다른 연구 목표는 에너지 효율성 또는 스페트럼 효율성을 저하하지 않으면서도, 간섭 및 네트워크 혼잡으로 인해 시간과 지리적 위치에 따라 발생하는 최종 사용자 간 데이터 속도의 변동성을 줄이는 것입니다.

• 서비스 품질 및 사용자 환경: 애플리케이션별 서비스 품질을 유지하면서 네트워크를 통한 데이터 전송의 효율성을 극대화하는 연구도 진행 중입니다.

인텔 랩은 vEPC(virtualized Evolved Packet Core) 레퍼런스 소프트웨어를 개발하였습니다. 이 소프트웨어는 오픈 네트워크 파운데이션의 CORD(Central Office Re-architected as a Datacenter) 프로젝트에 제공되어 업계 전체에서 이 소프트웨어를 사용할 수 있게 되었습니다. 이 소프트웨어의 코드는 인텔® 제온® 프로세서용 데이터 플레인 개발 키트(DPDK)를 사용하여 최적화되었으며, 구독자를 지원하는 서비스 제공자에게 가상화된 모바일 코어 기능을 제공합니다.

자율 주행 시스템의 진보

자율 주행의 여섯 가지 단계

자율 주행에 필요한 기술이 크게 진보하긴 했지만, 여전히 많은 연구와 개발이 필요합니다. 차량 제조업체는 수년 동안 일반 대중도 사용할 수 있는 자율 탐색, 조향, 가속, 제동 시스템을 만들어 왔지만, 안전을 극대화하고 대중의 신뢰를 얻어서 널리 채택되려면 넘어야 할 장애물이 아직 남았습니다.

인텔 랩은 현재 조건부 자동화 수준에서 시스템을 개선하고, 완전 자동화라는 궁극적 목표를 향해 나아가기 위한 연구에 참여하고 있습니다. 완전 자동화의 경우, 온보드 시스템이 차량에 대한 완전한 제어를 가정하므로 사람의 개입 없는 자율적 작동이 가능해집니다.

머신 비전과 AI 연구는 자율 주행 차량을 위해, 특히 시각적 인식을 위한 합성곱 신경망의 맥락에서 인텔 랩이 시행한 작업의 근간을 이루는 중요한 역할을 수행합니다. 이에 대한 사용 사례로는 교통 신호를 판독하고 장애물을 피하거나, 예상치 못한 상황에 대한 적절한 대응과 같이 환경에 대한 해석과 자연스러운 적응을 바탕으로 한 예측 능력을 들 수 있습니다. 이 작업에는 차량 내 및 기지국용 하드웨어, 펌웨어, 소프트웨어 솔루션 스택의 최적화와 솔루션 에코시스템에 대한 개발 도구 제공이 포함됩니다.

완전 차량 자율화를 위해 인텔 랩은 솔루션 공급업체 간 상호 운영성을 지원하는 오픈 인터페이스 표준의 개발 및 구현 등 에코시스템 중심적 시각을 견지합니다. 차량 내부와 기지국에서 사용될 장비 및 소프트웨어의 개발과 관련된 작업도 함께 진행되고 있습니다.

인텔 랩과 차량 제조업체, 센서 및 전자 기계 시스템 공급업체, 그리고 내비게이션 및 기타 정보의 제공업체 사이의 다양한 연구 협업도 진행 중입니다. 모든 규모와 유형의 구성원에게 에코시스템을 개방하기 위한 노력의 일환으로, 인텔 랩은 테스트 차량을 현장에서 관리할 역량이 없는 이들도 자율 시스템을 개발할 수 있도록 시뮬레이션 환경도 연구하고 있습니다.

인텔 랩은 REM(Road-Experience Management) 매핑 분야에서 도로 주행 차량의 센서와 다른 소스에서 제공되는 도로 상태 데이터의 수집과 센서 결합에 대해서도 연구 중입니다. 자율 주행 차량의 관점에서 기상, 사고 보고, 공사 알림과 같은 종합적인 정보를 통해서는 안전 시스템과 사고 완화 조치가 크게 개선될 수 있습니다.

보안을 위한 기술의 실현

인텔® 소프트웨어 가드 익스텐션(인텔® SGX)
인텔 랩은 블록체인 배포와 관련된 개인정보 보호와 보안, 확장성을 개선하고자, 인텔® SGX에 기반한 안전한 인클레이브 내에서 신뢰 실행 환경을 실현하려고 노력하고 있습니다. 특히 이러한 기능 집합은 트랜잭션에 필요할 때까지 블록 체인 데이터를 암호화된 양식으로 보관했다가 허용된 참가자만 볼 수 있도록 하드웨어로 보안된 인클레이브에서 복호화합니다.

인텔 랩은 클라우드 보안을 위해 인텔® SGX 구현을 확장하는 다양한 오픈 소스 개발 프로젝트를 시행하고 있습니다. 여기에는 다음 프로젝트가 포함됩니다.

RA-TLS(Remote Attestation with Transport Layer Security)는 인텔® SGX 원격 증명서를 TLS 연결 설정에 통합하여 엔드포인트의 신뢰성을 평가하고 인증서 수신자가 인텔® SGX에 기반한 보안 인클레이브와 통신하는지 확인할 수 있도록 인텔® SGX 관련 정보가 포함된 표준 X.509 인증서를 확장합니다. 이 작업에는 표준 TLS 구현을 변경할 필요가 없으며, 프로젝트에서 세 가지 공통 TLS 라이브러리인 OpenSSL, wolfSSL, mbedTLS의 구현을 제공합니다.

GSC(Graphene-SGX Secure Container)는 애플리케이션이 컨테이너에서 실행되는 동안 Graphene-SGX를 통해 보호받을 수 있게 해주는 Docker 인스턴스 기반 컨테이너 시스템입니다. 애플리케이션이 Graphene-SGX에서 실행되는 Docker 인스턴스 외에도, GSC 컨테이너 인스턴스 내에서 기존 Docker 컨테이너 이미지를 자동으로 실행할 수 있는 프론트엔드 엔진이 제공됩니다.

• Intel® SGX Enabled Key Manager Service with OpenStack Barbican은 OpenStack Barbican 키 관리 시스템을 보호합니다. 이 시스템은 시스템 소프트웨어 공격으로부터 암호, 암호화 키, X.509 인증서 등의 기밀 정보를 안전하게 지켜줍니다. 인텔® SGX의 장점을 활용하는 이 접근 방식을 통해 소프트웨어 기반 플러그인보다 더 뛰어난 보안 기능과 하드웨어 보안 모듈 플러그인보다 더 뛰어난 확장성이 제공됩니다.

• Snort® IDS(Intrusion Detection System) with Intel® SGX는 회선 속도 처리량을 달성하기 위해 DPDK로 최적화된 네트워크 계층와 더불어, Snort를 보안 인클레이브 내부에서 실행하여 강화합니다. 이 프로젝트는 인텔® SGX 인클레이브 외부에서 네트워크 I/O를 운영하여 높은 처리량을 유지하면서 퍼블릭 또는 프라이빗 클라우드 환경에서 실행되는 가상화된 네트워크 기능에 기반한 IDS의 보안을 확보하는 것이 목표입니다.

블록 체인
인터넷 초기부터 신뢰할 수 없는 당사자들 사이에서 신뢰할 수 있는 트랜잭션을 지원하는 것이 핵심적인 요구 사항이었습니다. 2009년 비트코인의 출현을 통해, 블록 체인은 두 당사자 사이에 프로그램 방식의 탈중앙화된 신뢰를 제공하는 방법으로 만들어졌습니다. 이러한 접근 방식은 은행이나 관리 기관 같은 중개자 없이도 명시적으로 작동하면서 추가 비용과 지연, 그리고 이러한 제3자 관련 복잡성을 피할 수 있도록 고안되었습니다. 이 방식에는 트랜잭션의 출처와 유래를 스캔하여 확인하고 트랜잭션 자체를 암호로 보호하는 기능이 내재되어 있습니다.

블록 체인을 암호화 화폐에 적합하게 만들어주는 것과 같은 기능이 엔터프라이즈 권한 맥락에서도 매우 중요한 가치를 가지며, 스마트 계약과 같은 향후 사용 사례를 비롯한 콘텐츠와 데이터의 소유권에도 적용될 수 있습니다. 블록 체인이 기업 내부의 사용에 적합했던 초기 구현에서 벗어나면 블록 체인 간 커뮤니케이션이 필요해집니다. 즉, 상호 운영성에 대한 공개 표준이 필요하며, 인텔 랩은 학계 및 업계 파트너와의 협업을 통해 이러한 공개 표준을 개발하고자 노력 중입니다.

인텔 랩이 2014년 시작한 작업은 코드명 Sawtooth Lake 프로젝트로 이어졌으며, Linux* Foundation을 통해 Hyperledger Sawtooth 프로젝트에서 오픈 소스로 지속적으로 유지되고 있습니다. 이 엔터프라이즈 블록 체인 플랫폼은 이더리움 기반 분산 원장 애플리케이션 및 네트워크 구축을 단순화합니다. Sawtooth는 애플리케이션 도메인에서 코어 시스템을 분리하므로, 개발자는 코어 시스템의 기본적 설계를 염두에 두지 않고도 원하는 플랫폼을 사용하여 스마트한 계약과 기타 구현에 대한 비즈니스 논리를 구축할 수 있습니다.

또한 인텔 랩은 Sawtooth에 통합된 합의 알고리즘, PoET(Proof of Elapsed Time ) 개발에도 중요한 역할을 합니다. 이 오픈 소스 표준은 널리 사용되는 표준 PoW(Proof-of-Work) 및 PoS(Proof-of-Stake)에 대해 전원 효율성이 뛰어난 대안을 제공하는데, 이는 이더리움, 비트코인 등 대표적인 암호화 화폐의 핵심 기능입니다. PoET는 PoW 및 PoS에 사용되는 암호화 해싱 퍼즐을 대체하기 위해 보안 명령어 실행에 기반한 타이머 알고리즘을 사용하는 접근 방식을 취합니다. 타이머 알고리즘은 상대적으로 단순하기 때문에 많은 노드에서 합의를 달성할 때 에너지 요구 사항 면에서 비용 절감 효과가 매우 큽니다.

당사의 SGX 학계 협업 메일링 목록 구독

센스메이킹

인간의 관점에서 시각과 청각은 매우 유용하지만, 이 둘을 조합하면 주변 환경에 대한 의미 파악이 가능하다는 점에서 단순 합계 이상의 가치를 제공합니다. 예를 들어, 사람이 많은 방에서 대화하는 사람들은 말하는 내용을 이해하기 위한 보조 수단으로 기본적 형태의 독순술을 이용하는 것이 일반적입니다.

이와 같이 인간에게서 다양한 양상으로 나타나는 센스메이킹 사례는 여러 가지 센서의 결합을 통해 제공되는 정보를 바탕으로 인간의 공간을 보다 스마트하게 만들어 가려는 인텔 랩의 노력과도 궤를 같이 합니다. 이 연구는 앰비언트 컴퓨팅을 비롯한 스마트 홈, 오피스, 팩토리, 리테일 등 다양한 분야로 확장되고 있습니다. 이러한 공간들은 센스메이킹 기술과 사용 모델을 일반화할 수 있다는 공통점을 갖고 있습니다.

컴퓨터 비전 및 로봇
센스메이킹 분야에서 인텔 랩이 추진하는 컴퓨터 비전 연구에는 세 가지 주요 구성 요소가 존재합니다.

• 에이전트의 인텔리전스 강화에는 스마트 에이전트가 중요한 내용을 식별하는 데 도움이 되는 자체 학습 기능이 포함됩니다. 예를 들어, 오늘날의 가상 도우미는 대부분 지속적인 연결이 필요하고 모든 사람에게 동일한 기능을 제공하지만, 미래 세대는 시간에 따라 소유자의 개인 취향과 일상 생활을 학습하여 연결된 상태든 아니든 맞춤화된 경험을 제공할 수 있게 될 것입니다.

• 모듈 전반에 걸친 통합은 다양한 센서의 데이터를 결합하여, 상황, 물리적 주변 환경, 활동, 감정 등의 요소를 파악합니다. 예를 들어, 어린이 집단에서 나타나는 언어와 자세에서 도출되는 신호는 어린이가 게임을 하는지, 싸우는지, 집중하는지, 꿈을 꾸는지를 추론하는 데 도움이 될 수 있습니다.

• 공간 지각은 공간과 구조, 그리고 시간에 따른 이들의 변화와 관련이 있습니다. 여기에는 회의실에 있는 사람의 수나 도로 상에 존재하는 서로 다른 차량과 같이 다양한 요소가 포함됩니다.

저전력, 고성능 같은 필수 요구 사항을 충족하면서 이러한 기능을 총체적으로 결합할 수 있는 오픈 플랫폼의 구축은 인텔 랩 연구를 지원하는 인텔의 핵심 역량입니다. 또한 이러한 노력에는 가정용 제품부터 데이터 센터, 클라우드를 뒷받침하는 제품에 이르는 인텔 특유의 엔드 투 엔드 시스템 전문성과 이러한 모듈 전반에 걸쳐 이루어지는 활동을 오케스트레이션하는 소프트웨어 에코시스템이 유용하게 사용됩니다.

인텔 랩은 세분화에 대한 기존 요구 사항이 변화하는 맥락에서 필요한 경우 충분한 메모리와 기타 사용 가능한 리소스의 확보와 관련된 문제를 해결하고자 노력 중입니다. 예를 들어, 바닥 위를 돌아다니는 로봇은 작고 부서지기 쉬운 물체를 집어 올리고 조작하는 세심한 작업 보다는 상대적으로 이동 방향에 존재하는 장애물을 파악하는 능력이 필요합니다. 이러한 적응 상황에 대한 소프트웨어를 개발할 때는 필요한 공간의 재구성, 표현 방법, API와 기타 프로그래밍 요소를 통해 이를 지원하는 방법 등을 해결해야 합니다.

연구 팀은 복잡한 작업 수행 시 여러 로봇이 협력할 수 있는 기능도 개발하는 중입니다. 이 작업의 핵심은 운행 관리 뿐만 아니라 역동적인 현실 세계에서 작동을 조율하기 위한 계획과 의사결정 등 UAV(Unmanned Aerial Vehicle)의 자율 작동에 필요한 알고리즘 개발입니다. 연구자들은 현실 세계에서 높은 상용화 가능성이 엿보이는 개발 사례를 기준으로 인텔® Aero Development Platform이 자율 작동하도록 버전을 수정했습니다.

예를 들어, 일군의 UAV이 함께 작동하면 대형 창고의 재고나 대규모 캐피탈 장비를 효과적으로 검사할 수 있습니다. 이 상황에서 여러 UAV를 사용하면, 워크로드를 분할할 뿐만 아니라, 서로 다른 유형의 센서를 통해 다양한 시점이 제공된는 장점이 있습니다. 마찬가지로, 이러한 그룹은 자율 농장을 실현하고, 가뭄이나 해충과 같이 농작물에 입히는 피해 조건을 파악하며 화학 물질의 사용을 최적화하기 위해 협력할 수도 있습니다.

또 다른 용도로는, 여러 UAV를 사용하여 동시 비디오 스트리밍을 캡처하고 이를 연결해 3D 제작물을 만들어서 몰입감 넘치는 소비자 경험을 구축하는 것이 있습니다. 목표는 결과 데이터 스트림을 집에서 보는 시청자에게 전송하고, 시청자는 원하는 모든 각도에서 3D 이미지를 보거나 확대, 축소할 수 있도록 지원하는 것입니다. 향후, 올림픽에서도 이러한 기능을 사용하려는 움직임도 보이고 있습니다.

Anticipatory Computing Lab
인텔은 전 세계에 엄청난 수의 새로운 센서를 더하고 있으며, 카메라나 마이크와 같은 기존의 센서들도 새로운 의미를 얻고 있습니다. Anticipatory Computing Lab은 이와 같은 센서에서 생성되는 내용을 파악하는 알고리즘을 개발하는 중입니다. 여기에는 신호에 대해 더욱 풍부하고 강력한 이해를 발전시켜서 현실 세계에서 더 많은 가치를 전달할 수 있도록 여러 종류의 센서로부터 얻어진 입력을 결합하는 일이 포함되는 경우가 많습니다.

Anticipatory Computing Lab은 감지와 센스메이킹을 통해 사람과 공간, 상황에 대한 깊이 있는 이해를 바탕으로, 설득력 있는 경험을 구현하고자 노력하고 있습니다. 이러한 이해를 활용하면 단순화, 개체 간 연결, 인식의 강화, 문제 해결, 지원, 추천, 엔터테이닝, 효율성 및 워크플로의 개선 등 다양한 방식으로 작업을 수행할 수 있습니다.

랩은 현재 일상 공간을 더욱 스마트하면서도 인간에게 반응하는 곳으로 만드는 데 초점을 맞추고 있습니다. 즉, 공간의 물리적 레이아웃이 변화함에 따라 이를 이해하는 데서 그치지 않고, 인간의 행동과 활동, 이들의 목표, 감정까지도 이해하려는 것입니다. 이와 같은 과제에 대한 연구는 대인관계에서의 역학과 소통 설계 도구를 중요시하고 심리학 및 사회 과학 연구로부터도 정보를 얻습니다.

이 연구의 범위는 다양한 영역을 아우릅니다. 예를 들어, Anticipatory Computing Lab은 완전 자율 주행 자동차와 승객 사이에 이루어질 미래의 상호 작용을 연구하고 있습니다. 자율 주행 차량은 지도를 보고 충돌을 피하는 것 이상의 기능을 수행해야 합니다. 승객과 협력하여 승객의 계획에서는 예상치 못한 변화를 원활하게 처리하거나 가는 도중 다른 곳을 잠시 들러야 하는 상황에도 대응할 수 있어야 합니다. 따라서 이 랩의 연구에는 운전석 내 에이전트나 도우미와 같은 보조 설계가 포함되며, 이를 통해 현재 인간 운전자가 승객과 수행하는 상호 작용의 일부가 이루어지게 됩니다. 단순히 다른 승객에게 말할 때와 달리, 승객이 운전석 에이전트에 주소를 말로 전달할 순간을 인지하는 것과 같은 기본적인 문제는 물론, 환경에 대한 공유 감각을 개발하는 등의 복잡한 문제도 포함됩니다.

이와 관련된 다른 연구 프로젝트는 집을 더욱 스마트하게 만드는 데 초점을 맞추고 있습니다. "스마트 홈" 기술에 대해서는 많은 관심과 활동이 존재하지만, 일상 생활을 더 편리하게 만드는 데서 그치는 것이 아니라 실제로 새로운 가치를 창출하여 진정한 스마트 홈의 가능성을 보여주는 사례는 현실적으로 몇 개 되지 않습니다. 유아의 학습 사례를 떠올려 보십시오. Anticipatory Computing Lab의 연구자들은 모든 형태와 규모의 가정에 대한 포괄적인 관찰과 인터뷰를 시행했으며, 어린 자녀가 있는 부모들로부터 한 가지 일관된 결과를 얻었습니다. 자녀를 위한 엄청난 교육적 가치가 기술에 있다는 사실을 알면서도 자녀들이 화면을 보는 데 너무 많은 시간을 쏟을까 걱정한다는 점입니다. 연구자들은 물리적 활동의 감소와 반복적인 게임, 콘텐츠의 질에 관한 문제 등 알려진 단점은 피하면서, 동시에 이를 디지털 기술의 혜택을 전달할 앰비언트 컴퓨팅의 기회로 인식했습니다.

Kid Space는 이러한 연구에 기반하여 개발 중인 교육 환경입니다. 이 공간에는 활동 추적과 자연 언어 이해가 통합되어 있으며, 결합된 스마트 프로젝션을 통해 아이들이 적극적이고 교육적인 방식으로 상호 작용할 수 있는 디지털 환경과 캐릭터가 생성됩니다. 일례로, 이 팀은 아이들이 친근하게 대화하는 지능형 애니메이션 에이전트를 개발했는데, 이 에이전트는 수업 내용을 전달하거나 공부에 도움을 주는 데 사용할 수 있습니다. 스마트 프로젝션은 가장 인기 있는 컴퓨터 게임을 통해 열린 탐험과 학습을 수행하는 데도 활용할 수 있습니다. 예컨대, 스마트 프로젝션으로 침실 바닥을 화석층의 모래밭으로 변신시킬 수 있다면 어떨까요? 아이들은 플라스틱 모종삽으로 투영된 화석 이미지를 파며 놀 수도 있고, 벽에 생생한 공룡의 이미지를 불러오는 것도 가능할 것입니다.

이러한 시나리오에는 수많은 센서 모듈이 사용됩니다. 위치와 ID 추적은 시스템이 한 공간에 있는 여러 어린이와 동시에 소통할 수 있게 해주고, 자세 감지 기능은 가상의 모래를 파느라 몸을 구부린 것인지 판별해 줍니다. 또한 오디오 및 자연 언어 이해는 아이들이 정해진 수업에 따라 학습할 수 있게 해주고, 삽에 부착된 RFID(Radio Frequent Identity) 기술로는 카메라 시야가 제한된 상황에서도 보다 세심한 움직임을 감지할 수 있으며, 깊이 감지 카메라는 실내를 매핑하여 프로젝션된 캐릭터가 가구나 다른 물체, 실내 기능과 적절히 어우러지게 만들어 줍니다.

이러한 기능을 개발하는 이유는, 단순히 아이들을 위해 스마트한 인터렉티브 환경을 구축하는 데 있지 않습니다. 여기에 사용된 기술 중 많은 것이 다른 환경에도 다양하게 적용될 수 있어야 합니다. 실내를 구성하는 요소와 활동, 실내에 있는 사람의 의도와 상태를 이해할 수 있는 스마트 룸은 향후 제조 분야의 성과 지원부터 효율적인 업무 협업, 노인 돌봄 서비스 등 수많은 혜택을 제공할 것입니다.

센스메이킹: 감정과 정서의 분류가 가능한 다중 모듈 관계형 텐서 네트워크

멀티 모듈 감정 인식에 관한 관계형 텐서 네트워크(Relational Tensor Network for multimodal Affect Recognition)라는 새로운 모델은 비디오 내 이웃 세그먼트와의 관계 및 상호 작용에 따라 비디오 세그먼트의 맥락을 고려합니다.

백서 읽기

인텔 랩에 참가하기

인텔 랩에서 기술과 문제 해결에 관한 여러분의 열정을 발산하여, 전에는 없던 새로운 가치를 창출해보십시오.

기회의 모색

인텔 랩에 대한 자세한 내용

인텔 랩 소개

기계의 사고, 학습 및 적응 방식을 변화시키는 차세대 혁신을 개발하기 위해 전 세계 우수한 연구 기관을 후원하고 이들과 협력합니다.

자세한 내용

퀀텀 컴퓨팅

인텔이 퀀텀 프로세서 개발을 어떻게 주도하는지 알아보십시오.

자세한 내용

뉴로모픽 및 확률 컴퓨팅

AI의 차세대 혁신으로 생물학적 두뇌를 더욱 유사하게 모방하는 컴퓨팅에 관한 연구가 추진됩니다.

자세한 내용