Audi가 Audi Design에 최초로 인공지능(AI)을 사용한다.

모든 부서에서 인공지능(AI) 활용. Audi가 데이터 기반 기업이 되는 과정에서 세운 목표이다. FelGAN을 도입한 Audi는 AI를 사용하는 소프트웨어를 통해 디자이너들이 새로운 영감을 얻을 기회를 제공하고 있다.

창의적인 사람들은 언제나 영감을 얻으려고 한다. 독일 잉골슈타트에 위치한 Audi Design Studio에서 새로운 휠을 개발하고자 하는 디자이너들도 그렇다. 그러나 새롭게 영감을 얻을 만한 곳을 어디에서 찾을 수 있을까?

틀을 깨는 생각을 하라는 원칙은 잘 알려져 있고 기억하기 쉽다. 그러나 사람들은 창의적인 작업에서 익숙한 것에 의지하는 경향이 있기 때문에 실행하기는 쉽지 않다. Audi의 IT 부서와 Audi Design이 내부에서 개발한 AI 기반 소프트웨어 FelGAN은 바로 이 점을 해결하고자 한다. 동 프로젝트는 이제 창작자에게 무한한 아이디어의 원천을 제공한다. 디자이너들은 소프트웨어와의 상호작용을 통해 완전히 새로운 관점에서 모티프를 발견하며, 소프트웨어는 발전시킬 여지가 있거나 작업에 반영할 수 있는 내용을 제안한다. 구체적으로, FelGAN은 사실적인 디자인 자체를 대량으로 신속하게 제안하거나 기존 디자인을 목적에 부합하는 방식으로 재결합하는 방식으로 작동한다.

이러한 방식으로, 동 시스템은 Audi의 림(rim) 디자인 팀에게 일종의 즉흥적인 아이디어 허브로서 새로운 버전과 변화를 주고받을 수 있도록 한다. 해당 도구를 통해 디자이너들은 형태와 색상, 표면 구조 및 기타 매개변수를 실시간으로 손쉽게 시범 적용할 수 있다.

AI는 휠 디자인을 어떻게 학습했는가

FelGAN은 ‘림’을 뜻하는 독일어(Felge)와 생성적 적대 신경망(Generative Adversarial Networks, GAN)을 합쳐서 만든 이름이다. GAN은 자기 학습(self-learning) 컴퓨터 프로그램의 특수한 형태로서 두 개의 알고리즘이 이른바 교육(training) 중에 반대자(opponent)로서 경쟁하여 그 과정에서 발전을 거듭하는 것이다.

원리는 다음과 같다. 두 알고리즘 중 생성자(generator)가 특정 모티프의 인공 이미지, FelGAN의 경우에는 차량의 림을 만든다. 경쟁자인 구별자(discriminator)는 생성자가 만든 이미지와 실제 휠 사진으로 구성된 선별된 이미지를 확인한다. 이제 차별자는 각 이미지가 생성자의 창작물인지 실제 사진인지를 판단한다. 훈련이 완료될 때까지 이러한 과정을 반복한다.

두 알고리즘은 실수에서 배우고 지속적으로 개선하기 위해 고안되었다. 충분한 반복 이후 생성자의 창작물은 사람도 실제 사진과 구별하기가 거의 어려울 정도로 실제와 가까워진다.

애플리케이션은 직관적인 사용자 인터페이스를 제공하며, 이는 Streamlit 기술을 바탕으로 한다. 이를 통해 개발 주기가 짧아지고 디자인과 IT팀 간 빠른 피드백이 가능하다. 디자이너들이 소프트웨어 솔루션을 사용할 때 고성능 로컬 하드웨어에 의존할 필요가 없도록, AI 애플리케이션의 구성요소 중 처리 기능을 많이 요구하는 것은 클라우드로 실행된다.

사람과 AI의 협력

AI가 만드는 각 디자인에 소프트웨어가 수학적 값을 부여한다는 점도 FelGAN의 장점이다. 개발자들은 이를 ‘DNA’라고 부르는데, 이러한 값을 사용하면 언제든지 디자인을 재현할 수 있다. 여기에서 더 나아가 Audi 디자이너들은 해당 프로그램에 자체 디자인과 사진을 적용하여 가상의 실험 표면에 추가할 수 있다. 이는 디자이너가 적용한 이미지에 적절한 DNA 값을 결정하는 특수 알고리즘을 바탕으로 한다.

디자이너들이 FelGAN의 창작물 중 개별 요소만 사용하여 이를 조화로운 전체 디자인으로 정제하는 사례가 많다. 이러한 과정에서 필요한 기능을 익히는 것과 더불어 창의적인 시각과 전문적인 경험이 결정적 역할을 한다. 마지막으로 Audi의 전문가들은 하이테크 밀링(milling) 기계를 사용하여 플라스틱이나 알루미늄으로 휠의 시제품을 만들어 가상 디자인을 현실화한다.

Audi 내부에서 이루어진 혁신

FelGAN은 전적으로 Audi의 IT 및 디자인 부서 간 내부 협업을 통해 개발 및 실행되었다. 이에 따라 동 기업은 소프트웨어 분야는 물론 미래의 AI 분야에서 전문성을 입증하고 있다.

Audi의 머신러닝 및 데이터공학 책임자 Thomas Knispel은 “현 시대에는 데이터가 기업과 직원들에게 막대한 부가가치를 제공한다”며, Audi는 데이터 기반 기업이 되고자 하는 목표에 전념했다”고 언급했다. 그러면서 “목표 달성을 위해 당사는 많은 부서에서 AI를 사용할 것이며, 이에 따라 당사의 데이터 팀은 항상 새로운 기술을 찾아 나선다”고 설명했다.

FelGAN의 배경이 되는 기술은 향후 종합적인 AI 디자인 플랫폼으로 확장될 수 있으며, 이를 통해 다른 Audi 부서 디자이너에게 영감을 제공할 수 있을 것이다. 게다가 현재 AI 평가 시스템을 개발하고 있는데, 동 시스템은 FelGAN에서 생성한 림의 탄소 수지를 평가한다. 그러므로 Audi가 데이터 기반 디지털 기업이 되고자 하는 과정에서 FelGAN은 중요한 단계를 이루고 있다.