당신이 기다려 온 엣지 활용 사례

Lori Mac Vittie수석 엔지니어 겸 최고 에반젤리스트 | F5

인터넷에서의 성공은 언제나 고양이 동영상과 양의 상관관계를 보여 왔으며, 엣지도 예외는 아닙니다.

제가 사후 인과의 오류를 범했다는 비난을 받지 않도록 말씀드리자면, 고양이 동영상이 엣지의 성공을 보여 주는 중요한 지표라는 말은 반쯤만 진담입니다. 이 논리적 오류가 생소한 분이라도 "전 세계 해적 수의 감소가 지구 온난화를 일으키고 있다"고 입증한 악명 높은 도표는 본 적이 있을지 모릅니다. (Data Science Central) 이 오류로 인해 "상관관계가 인과관계를 입증하지는 않는다"라는 표현이 널리 쓰이게 되기도 했습니다.

그럼에도 불구하고, 인터넷에서 간단히 검색해 보면 마케팅, 소셜 미디어 및 전반적인 고객 참여를 위해 고양이 동영상과 밈을 활용하도록 권장하는 수많은 기사, 블로그 및 동영상을 쉽게 찾을 수 있다는 점은 짚고 넘어가겠습니다.

어쩌면 고양이 동영상은 예외일지도 모릅니다.

어쨌든 이제 고양이 동영상을 활용해 엣지의 사용 사례를 설명해 보겠습니다.

내 고양이 찾기

먼저, 거주하시는 동네에 비디오 도어벨이 많이 설치되어 있을 가능성이 높다는 점을 고려해 보세요. 추정에 따르면 2020년 기준 미국 전체 가구의 16%가 비디오 도어벨을 사용하고 있었습니다.

Amazon의 Ring은 현재 사용 중인 도어벨의 40%를 차지하며, Google의 Nest가 24%로 그 뒤를 잇습니다. Vivint, Remo, August, SkyBell, SimplySafe를 비롯한 나머지 브랜드는 각각 현재 사용 중인 도어벨의 10% 미만을 차지합니다. Strategy Analytics는 현재 미국 내 2천만 가구 이상의 가정에서 비디오 도어벨을 사용하고 있는 것으로 추산합니다. (Business Wire, 2020년 2월 13일)

고양이가 집을 나갔다고 해보죠. 고양이는 원래 그러니까요. 아무리 찾아도 보이지 않고, 오늘따라 맛있는 간식으로도 유인할 수 없습니다. 동네에 있는 모든 비디오 도어벨을 활용해 고양이를 찾을 수 있다고 상상해 보세요.

고양이를 비롯한 객체를 식별하는 기능은 머신 러닝의 일반적인 활용 사례입니다. 연구에 따르면 성공률이 높은 것으로 나타났으며 생태학, 야생동물 생물학, 동물학, 보전생물학, 동물행동학 등 다양한 분야에서 폭넓게 활용됩니다.

잃어버린 고양이를 찾는 데 활용해 보는 건 어떨까요?

그 카메라들의 데이터, 즉 영상이 자동으로 저렴하게 취합된다면, 영상을 검색해 고양이를 식별하는 일은 비교적 간단할 것입니다. 또한 이러한 영상에서 위치 정보를 추출할 수 있다면, 잃어버린 고양이가 어디에 있을지 상당히 빠르게 파악할 수 있을 것입니다.

현시점에서 과제는 전적으로 기술적인 것만은 아닙니다. 비즈니스상의 과제이자 사회적(개인정보 보호) 과제이기도 합니다.

이러한 과제에도 불구하고 지난 몇 년간 기술이 발전하면서 엣지 환경은 이와 같은 솔루션을 도입하기에 충분히 성숙했습니다. 머신 러닝과 AI의 성숙도가 높아지고 엣지의 컴퓨팅 성능도 더욱 강력해짐에 따라 엔드포인트와 엣지 컴퓨팅을 새로운 방식으로 활용할 기회가 열리고 있습니다.

엔드포인트는 솔루션의 일부입니다

엔드포인트가 솔루션 영역의 일부라는 이 개념은 엣지 컴퓨팅을 재정의해야 한다는 믿음의 근거가 되는 전제 중 하나입니다.

클라우드 컴퓨팅이 유휴 컴퓨팅 자원을 활용해 서비스로 전환할 수 있다는 깨달음에서 처음 탄생했듯이, 엣지의 엔드포인트와 노드에서 사용되지 않는 컴퓨팅 및 처리 능력도 새롭고 흥미로운 용도로 활용할 수 있습니다. 예를 들면 고양이를 찾는 데 사용할 수 있습니다.

이러한 유휴 컴퓨팅 자원은 인프라의 르네상스에 힘입어 증가하고 있습니다. 인프라의 르네상스는 가장 작은 기기에도 통합할 수 있는 폼 팩터로 최적화된 컴퓨팅 자원을 제공하고 있습니다. 흥미로운 GPU 및 DPU의 발전은 엣지에서 애플리케이션을 제공하고 배포하며 최적화하는 새로운 방법을 모색하는 여러 사내 혁신 프로젝트의 일부입니다.

카메라, 휴대폰, 초인종 같은 엔드포인트에는 흔히 제가 처음 사용했던 컴퓨터나 게임 콘솔은 물론, 최초의 "스마트"폰보다도 더 강력한 컴퓨팅 성능이 탑재되어 있습니다. 이러한 엔드포인트는 수동적인 역할에 머무르지 않고 솔루션의 일부가 될 수 있습니다. 이제 남은 과제는 개인정보를 적절히 보호하고 보안을 보장하면서 더 큰 리소스 풀의 일부로 작동할 수 있는 플랫폼에 이들을 통합할 방법을 마련하는 것뿐입니다.

그렇다면 비디오 도어벨을 기반으로 동네에서 고양이를 실시간으로 찾아주는 서비스가 실제로 개발될까요? 아마 그렇지 않을 수도 있습니다. 하지만 이미 수백 대의 공공장소 보안 카메라 영상을 사람이 직접 검토하고 있다는 점을 고려하면, 이 개념 자체는 타당합니다. 머신러닝과 AI는 컴퓨팅 성능을 활용해 도난 차량이나 유괴된 아동, 심지어 잃어버린 고양이를 찾기 위해 영상을 검토하는 인간의 작업을 자동화하고 대규모로 확장합니다.

이러한 검색을 실시간으로 수행할 수 있다고 상상해 보세요.

이것이 바로 우리가 Edge 2.0이라고 부르는 플랫폼을 통해 구현할 수 있다고 보는 역량입니다.

작성자 소개

Lori Mac Vittie수석 엔지니어 겸 최고 에반젤리스트 | F5

Lori MacVittie는 F5 CTO 오피스의 수석 엔지니어이자 최고 에반젤리스트로, 애플리케이션 딜리버리, 자동화 전략 및 인프라 분야에서 깊이 있는 전문성을 보유하고 있습니다. AI 에이전트를 위한 가드레일을 정의하고, 취약한 멀티클라우드 아키텍처를 분석하며, 확장 가능한 시스템의 한계를 탐구하는 등 복잡한 문제를 명확하게 풀어내는 것으로 잘 알려져 있습니다. 애플리케이션 개발, IT 아키텍처, 네트워크 및 시스템 운영 전반에 걸쳐 30년 이상의 업계 경험을 쌓았습니다. F5에 합류하기 전에는 수상 경력이 있는 기술 편집자로 활동했습니다. MacVittie는 컴퓨터 과학 석사 학위를 보유하고 있으며, 보안, 클라우드 및 엔터프라이즈 아키텍처 분야를 아우르는 다수의 저서를 집필한 작가입니다. 또한 보드게임과 비디오 게임을 열정적으로 즐기며, 치즈에 대해서는 거리낌 없이 확고한 견해를 갖고 있습니다.

Lori Mac Vittie의 다른 블로그 게시물