편집
5,728
번
바뀜
편집 요약 없음
* 동아일보 7월 20일 자 기사에 따르면, 장 교수팀과 현대차는 가장 많이 쓰이는 ‘가솔린엔진’을 목표로 정하고 총 830개의 소리 샘플을 수집했다고 전했다. 수집된 소리를 부품과 고장 유형에 따라 18개 유형, 44개 세부유형으로 분류한 뒤 소리를 AI가 인식할 수 있도록 0.2초 단위로 짧게 잘라 ‘시간-주파수’ 기준으로 특징을 분석했다. 또, 수집된 소리(문제)와 그에 상응하는 고장 원인(답)을 AI에 반복 학습하는 방법으로 시스템을 구축했다. 예를 들어, 고장 난 자동차에서 사람은 알아차릴 수 없을 정도로 미세한 이상 소음이 나면 AI는 소리를 듣고 원인을 분석하고 축적된 빅 데이터로 원인을 판독한다. 사람이었다면 엔진을 뜯어보고 짧게는 몇 시간, 길게는 며칠 걸렸을 과정이지만 AI는 불과 수초 내 정확하게 원인을 파악하는 기술이다. 해당 기술은 이르면 내년 전국 현대차 수리센터에 적용할 예정이다.
* 현대차 연구개발본부 엔진NVH리서치랩 연구원들은 소음으로 차를 진단하는 아이디어를 떠올린 뒤 간단한 음향 샘플을 만들어 음성 및 소리 분야에서 국내 최고 권위자인 장준혁 교수를 찾아갔다고 전했다. 장 교수와 함께 논의한 결과 충분히 가능성이 있다고 판단해 공동 연구개발에 착수했다고 밝혔다.
==AI 활용한 음성인식 기술로 산학협력([[이달의연구자]] 2019.06)<ref><뉴스H> 2019.06.09 장준혁 교수, AI 활용한 음성인식 기술로 산학협력 앞장서</ref>==
* 장 교수의 연구실 ASAP Lab에서는 음성인식 기술을 비롯한 음성 신호처리, 바이오 신호처리 연구를 진행하고 있다. ASAP Lab은 삼성의 빅스비, 현대자동차의 AI 카닥터 및 음성인식 엔진, LG의 Q보이스, 인천공항 안내 로봇 ‘클로이’의 엔진을 공동 개발했다.
* 먼저 자동차 모든 부품을 하나씩 고장 내 소리 데이터베이스를 만들었다. 딥러닝은 충분한 데이터를 필수로 한다. 장 교수는 수학적인 방법과 신호처리 방법을 활용해 부족한 데이터를 증폭시켰다. 가능한 경우의 수를 확률모델로 구상하고 확률 데이터를 따르는 새로운 데이터를 생성하고 컴퓨터 시뮬레이션을 통해 다양한 환경에서의 소리 데이터를 만들었다. ASAP Lab의 연구는 고장부위를 진단하는 정답률이 8.6%에서 87.6%로 올랐다는 평가를 받았다.
=주요논문=
=저서=
= 각주 =
<references />
[[분류:이달의연구자]]
[[분류:융합전자공학부]]