[전자신문] 한컴인스페이스, AI 데이터 분석 세계 시장 '우뚝'…美 팔란티어 뛰어 넘는다

📰 한컴인스페이스, AI 데이터 분석 세계 시장 '우뚝'…美 팔란티어 뛰어 넘는다

기사 바로가기

 

한컴인스페이스(대표 최명진)가 인공지능(AI) 데이터 분석 기술로 세계 시장에서 주목받고 있다. 지구 관측 데이터를 처리하고 시각화하는 능력으로 미국 팔란티어(Palantir)를 뛰어넘는 글로벌 기업으로 성장이 기대된다.

한컴인스페이스는 항공우주연구원, 국토지리정보원 등 지구 관측 데이터가 필요한 국내 유수의 기관과 협업을 통해 데이터 분석의 최전선에서 경쟁력을 키우고 있다.

지구관측 데이터 판독과 지리정보시스템(GIS) 구축 기술은 독보적이라는 평가를 받는다. 특히 데이터 수집·처리·융합·분석·관리 툴 솔루션 '인스테이션 플랫폼'은 국토지리 연구와 안보 분야에 있어 대체제가 없는 상태다.

한컴인스페이스는 해마다 높아지는 민간 분야 데이터 분석 수요에 대비하기 위해 지구관측용 상용 인공위성 세종1호를 발사해 운용하고 있다. 앞으로 더 많은 관측 데이터를 수집하기 위해 내년 세종2·3·4호 발사도 앞두고 있다. 일반 기업에서 얻기 어려운 데이터를 확보하고, 수집량을 단기간 내 비약적으로 늘려 시장 지배력을 높여간다는 전략이다.

한컴인스페이스는 자사 데이터 확보 채널은 물론 공공 데이터 확보, 세계 민간기업과 파트너십 체결 등으로 데이터 수집 창구를 공격적으로 늘려가며 미국 팔란티어와 견줄만한 기업으로 불리고 있다.

팔란티어는 세계적으로 강력한 데이터 분석 기업으로 인정받고 있으며, 공공 및 민간 부문에서 방대한 데이터를 분석하고 이를 통해 전략적 의사결정을 지원하는 데 탁월한 성과를 거두고 있다. 미국 정부와의 긴밀한 협력으로 국방, 정보기관, 의료 등 다양한 산업에 걸쳐 혁신적 솔루션을 제공하며 명성을 쌓고 있다.

한컴인스페이스는 팔란티어와 차별화된 강점을 지니고 있다. 위성 영상, 드론 영상, 장거리 감시카메라 영상을 실시간 융합해 분석하는 기술을 보유해 국방, 재난 관리, 기상 예측 등에서 독보적인 데이터를 제공한다. 이러한 물리적 데이터 분석 능력은 국가 안보와 산업 현장에서 필수 역할을 하고 있어 차별화된 경쟁력으로 부각된다.

국내에서 이러한 영상 데이터 기술은 아직 초기 단계로 통합 영상데이터 처리, 관리, 분석 플랫폼인 인스테이션 플랫폼을 통해 시장을 선점하고 있다.

한컴인스페이스는 데이터 융합을 통해 경쟁력을 더욱 끌어올릴 계획이다. 사물인터넷(IoT)과 카드사, 통신사 데이터와 같은 소셜 데이터를 연계 분석할 수 있도록 플랫폼을 확장할 예정이다. 이러한 데이터 확장은 물리적 데이터를 넘어 사람의 행동 및 사회적 패턴까지 분석할 수 있는 풍부한 데이터를 제공하게 된다.

스마트 시티, 교통 관리, 소비자 행동 분석 등 다양한 산업에 넓고 깊은 가치를 제공할 수 있는 잠재력을 열어준다. 물리적 데이터와 소셜 데이터를 결합해 제공할 수 있는 분석 솔루션은 민간 시장에서도 매우 높은 수요를 가질 수 있다.

최명진 한컴인스페이스 대표는 “누적된 기술력과 경험을 바탕으로 한국 시장에서 강력한 입지를 다지고 있고, 글로벌 시장으로 확장할 가능성이 높다”며 “팔란티어 모델을 기반으로 우리만의 전문성과 차별화된 강점을 키워나가 목표를 실현하겠다”고 말했다.

 

 

🔍 추가 조사한 내용

 

인스테이션(InStation)

웹 기반 위성 영상 분석 솔루션

 

• 다시기 분석(Time-Series Analysis): 위성 및 항공 영상 데이터를 시계열로 쌓아 두고 서로 다른 시점에서 동일 지역을 비교 분석하여 그 안에서 일어하는 변화를 감지하는 기술
  • 주요 원리
    • 시계열 데이터 구축: 같은 지역을 일정 간격으로 촬영한 여러 장의 위성 이미지로 데이터 셋을 구성합니다. 이렇게 수집된 영상 데이터는 지형의 변화를 순차적으로 보여주기 때문에 시계열 데이터를 통해 변화 패턴을 식별할 수 있습니다.
    • 변화 탐지: 수집된 데이터를 인공지능이나 머신러닝 알고리즘으로 분석하여 변화가 발생한 부분을 자동으로 탐지합니다. 이를 위해 알고리즘이 픽셀 단위로 차이를 분석하거나 특정 사물이나 형태의 움직임을 추적하여 변화를 감지하는 방법이 사용됩니다.
    • 지리정보시스템(GIS) 및 원격탐사 기법과 결합: GIS 및 원격탐사 기술과 결합하여 분석도니 변화 데이터를 지도 형식으로 시각화합니다. 이렇게 하면 변화의 위치, 범위, 속도를 쉽게 파악할 수 있습니다.
  • 장점
    • 정확도와 신속성: AI 기반의 분석 덕분에 육안으로 확인하기 힘든 미세한 변화도 탐지할 수 있습니다.
    • 자동화된 변화 감지: 사람이 일일이 분석할 필요 없이 자동으로 변화 패턴을 파악해 효율성을 높입니다.
    • 넓은 지역 커버리지: 위성 영상은 단시간 내에 광범위한 지역을 촬영하므로, 넓은 범위의 지역에서 일어나는 변화를 쉽게 추적할 수 있습니다.
  • 활용 예시
    
    • 미사일 기지 모니터링: 미사일 발사대를 특정 간격으로 촬영하여 발사 징후를 포착합니다. 기지 주변의 차량 이동이나 장비 배치 변화를 통해 발사 준비를 탐지할 수 있습니다.
    • 핵시설 감시: 핵시설의 구조 변화, 연료 저장 상태, 주변 보안 체계의 변화 등을 파악해 핵 개발 징후를 확인합니다.
    • 산림 파괴 감시: 위성 영상을 이용해 산림 벌목, 산불 피해 등을 추적하여 산림 변화 양상을 파악하고, 이를 통해 산림 보호 정책을 수립합니다.
    • 물 자원 및 기후 변화 연구: 강이나 호수의 수위 변화, 빙하의 이동 등을 시계열로 추적하여 기후 변화의 영향을 분석하고 예측합니다.
    • 홍수 및 산사태 감지: 홍수 전후 지역의 위성 영상을 비교하여 피해 규모를 파악하고, 피해 복구 및 재난 예방 계획에 활용됩니다.
    • 지진 피해 분석: 지진이 발생한 지역의 지형 변화를 분석해 구조물 피해와 복구가 필요한 지역을 빠르게 식별할 수 있습니다.

 

• 영상처리 기능: 영상 품질 향상이나 보정 등
• 밴드 조합 및 연산 기능: 위성 이미지에서 다양한 파장의 빛을 활용해 특정 목적에 맞는 이미지를 생성하는 기술
  • 밴드 조합: 위성 이미지는 일반적으로 여러 개의 밴드로 구성되며, 각 밴드는 서로 다른 파장의 빛을 나타냅니다. 예를 들어, 적외선 밴드는 식물의 건강 상태를 분석하는 데 유용하며, 가시광선 밴드는 육안으로 보이는 색상을 표현하는 데 쓰입니다. 
    • RGB(가시광선) 조합: 육안으로 볼 수 있는 색상 이미지를 생성하며, 일반 지도와 유사하게 표현됩니다.
    • 적외선 조합: 식생 지표를 강조하는 데 유용하여, 농업 및 산림 관찰에 사용됩니다. 예를 들어, NDVI(Normalized Difference Vegetation Index) 같은 지표는 적외선과 근적외선을 활용해 식물의 건강 상태를 파악합니다.
    • 열 적외선 조합: 열 신호를 나타내어 온도 차이를 시각화합니다. 이는 화재 감지나 산업 시설의 열 누출 파악에 쓰입니다.
  • 밴드 연산: 여러 밴드의 데이터를 수학적으로 결합하여 새로운 정보를 얻는 방법입니다. 이를 통해 단일 밴드만으로는 파악하기 어려운 정보를 효율적으로 추출할 수 있습니다.
    • 식생 지표(NDVI): 식물의 활력과 건강 상태를 평가하는 지표로, 근적외선(NIR)과 가시광선(Red)을 활용합니다.
    • 수분 지표(NDWI): 물의 존재 여부를 확인하기 위해 가시광선과 근적외선을 사용하여 계산하며, 수자원 모니터링에 유용합니다.
• AI Profiler: 웹 기반의 인공지능 딥러닝 솔루션
  • 영상자료의 선박, 차량, 비행기 등의 객체를 탐지하거나 변화된 지역을 자동 탐지할 수 있습니다.
  • 감시 대상의 전략 자신 위치 및 군사 동향 등 민감 정보를 파악할 수 있습니다.

 

 

 

💡 현직자에게 할 질문

 

인스테이션 플랫폼

1. 인스테이션의 다시기 분석 기능에서 변화 탐지를 위해 사용하는 인공지능 알고리즘은 구체적으로 어떤 기법을 사용하나요?
2. 위성 영상, 드론 영상, 장거리 감시카메라 영상을 실시간 융합하여 분석하는 기술에서 데이터를 통합하는 과정에서 발생하는 지연 시간을 줄이기 위한 방법이 있나요? 실시간성을 확보하기 위한 데이터 처리와 최적화 전략을 설명해 주세요.

 

AI 프로파일러

1. 변화 탐지를 위해 사용하는 딥러닝 모델의 학습 데이터셋은 어떤 기준으로 구성되나요? 예를 들어 군사 기지나 민감 지역에서 변화 탐지를 위한 객체 데이터셋을 구축하는 데 있어 주안점이 있다면 무엇인지 알고 싶습니다.
2. AI 프로파일러에서 탐지한 객체가 전략 자산 위치나 군사 동향과 같이 민감한 정보일 경우, 해당 정보의 저장 및 관리에 있어서 보안성을 확보하기 위한 데이터 암호화 및 접근 제어 방식이 있는지 궁금합니다.

 

기술적 도전 및 향후 계획

1. 위성, 드론, 지상에서 수집되는 방대한 양의 데이터를 실시간으로 처리하고 분석하는 데 있어 현재 한컴인스페이스가 겪고 있는 가장 큰 기술적 어려움은 무엇인가요? 이 어려움을 극복하기 위한 구체적인 기술적 계획이 있다면 알려주세요.
2. 글로벌 확장을 고려할 때, 각국의 데이터 보호 및 보안 규제에 대응하는 방안이 필요할 텐데요, 한컴인스페이스는 이와 관련해 어떤 보안 및 법적 조치들을 준비하고 있는지요?
3. 한컴인스페이스가 글로벌 시장에 확장할 때, 각국의 기후 및 지형적 특성에 따라 데이터 분석의 알고리즘이나 모델이 다른 방향으로 튜닝되어야 할까요? 현재 개발 중인 기술이 특정 지역적 특성에 맞게 조정될 계획이 있다면 설명 부탁드립니다.