[기고] 월드컵 오프사이드 판독에 숨긴 첨단 기술은?

김호중 클라우데라코리아 전무

(지디넷코리아=김호중 클라우데라코리아 전무)월드컵이 성황리에 마무리됐다. 이번 월드컵은 몇 가지 이유로 더욱 주목받았다. 

첫 번째는 ‘시기’다. 여름에 진행되던 이전 대회와는 달리 이번에는 선수들이 섭씨 41.5°C 넘는 온도에서 뛰지 않도록 그동안의 전통을 깨고 북반구 기준으로 겨울에 열렸다.

김호중 클라우데라코리아 전무

두 번째로 주목할 점은 아시아에서 개최된 두 번째 월드컵이라는 점이다. 첫 번째 월드컵은 2002년 우리나라와 일본이 공동 개최했고, 중동 지역에서는 이번이 최초다. 세 번째는 경기장 안팎에 도입된 혁신적인 데이터 기술이다. 카타르는 최첨단 냉방 시스템뿐만 아니라 군중 밀집을 막기 위해 설계된 카메라와 컴퓨터 비전 알고리즘 등의 솔루션도 선보였다.

그 중에서도 가장 흥미로운 기술이 심판의 오프사이드 판정을 지원하기 위해 실행된 휴먼 인 더 루프 머신 러닝(HITL ML) 솔루션이다. 월드컵을 주관하는 국제축구연맹(FIFA)은 이 머신 러닝 솔루션을 ‘반자동 오프사이드 판독 기술(SAOT)’이라고 공식 명명했다. HITL ML은 비록 새로운 혁신 기술은 아니지만 이번 월드컵에서 사용되며 머신 러닝이 스포츠 경기에서 심판 판정을 개선하는 요소로 자리잡는데 크게 기여했다.

그렇다면 휴먼 인 더 루프 머신 러닝(HITL ML)은 무엇일까? 우선 머신 러닝은 인공지능(AI)의 하위 개념으로서 컴퓨터 시스템이 명시적으로 프로그램 되지 않고도 데이터 작업을 학습하는 것을 말한다. 여기에 더해 HITL ML은 해당 분야의 전문가가 머신 러닝이 수행하는 작업에 개입하는 개념이다.

기본적으로 HITL ML은 ‘머신 러닝’과 ‘전문가’의 힘을 결합한다. 머신 러닝은 여러 시스템에 걸친 확장이 가능하며 인간의 뇌보다 매우 빠르게 데이터를 처리할 수 있다는 특장점을 활용해 인간보다 훨씬 많은 작업을 처리할 수 있게 해 준다. 하지만 머신 러닝은 항상 완벽할 수는 없기에 시스템 학습과 수행 작업 분야의 전문가가 개입해 머신 러닝이 잘못된 작업을 수행할 가능성을 최소화한다.

전문가는 데이터를 제공해 시스템을 학습시킬 수 있다. 반자동 오프사이드 판독 기술(SAOT)을 사용할 때는 작업이 정확하게 수행됐는지 전문가가 직접 확인할 수 있다.

SAOT의 머신 러닝 모델은 특정 상황에서 오프사이드 여부를 분류하도록 학습된다. 이를 위해서는 두 가지 메인 데이터 자원을 인풋으로 사용하는데, 첫 번째는 IoT가 적용된 새로운 축구공 ‘알 리흘라 프로’다. 알 리흘라 프로에 내장된 관성 감지 센서가 초당 500회라는 빠른 속도로 데이터를 캡처해 보고한다. 공을 찬 500분의 1초에 불과한 순간에 공을 찬 방향에 대한 정확한 측정값이 공을 통해 제공된다.

두 번째는 경기장 지붕 밑에 부착된 12대의 카메라에서 찾아볼 수 있다. 해당 카메라는 선수 22명에서 도출된 각각의 데이터 포인트 29개를 초당 50회씩 추적할 수 있다. 즉, 경기장에 있는 선수의 위치 데이터 포인트 1만7천400개가 매초 SAOT 모델의 인풋으로 사용된다는 뜻이다.

SAOT의 머신 러닝 모델은 공의 관성 데이터와 카메라의 선수 위치 데이터라는 두 가지 데이터 소스를 사용해 각 상황에서의 오프사이드 여부를 분류할 수 있고 전문가는 이 지점에서 솔루션에 개입한다. 오프사이드 예측 결과는 경기장에 있는 심판에게 직접 전달되지 않고 비디오 심판진(VMO)에게 전송돼 입증 과정을 거친다. 해당 모델은 오프사이드를 유발한 패스의 지점뿐만 아니라 패스 순간 공격수와 수비수의 지점 29개로 생성된 오프사이드 라인을 제공한다. 이후 비디오 심판진이 오프사이드 여부를 판단하면 현장에 있는 심판에게 알린다.

SAOT는 다른 스포츠로 자연스럽게 확장될 가능성을 품고 있다. 예를 들어 프로 미식축구 경기에서 선수가 공이 경계선 밖으로 나갔는지, 또는 공이 골라인을 넘어갔는지를 심판에게 알리기 위해 자동화 시스템이 도입될 수 있다. 프로 농구 경기에서는 수비자 파울인지 공격자 파울인지 정확히 구분해 판정에 대한 논란의 여지를 남기지 않을 수 있다.

HITL ML의 또다른 놀라운 점은 바로 ‘속도’다. 즉각적인 예측이 가능한 HITL ML은 기존 VAR과 같이 동일한 카메라 각도에서 같은 장면을 장시간 확인하고 논란의 여지가 있는 결정을 내리는 상황을 야기하지 않는다. 또한 전문 심판들이 확인하는 추가 절차도 거치기 때문에 정확도는 더욱 높아진다.

비즈니스 영역에서도 HITL ML을 활용해 예지적 유지보수 애플리케이션 오류로 인한 다운타임을 최소화해 머신 러닝 모델의 신뢰도를 높일 수 있다.

반자동 오프사이드 기술 솔루션은 클라우드에 그저 적용된 머신 러닝 모델이 아니다. 솔루션을 구현하기 위해 수 초 안에 데이터가 스트리밍, 변환, 로드, 분석, 보고돼야 하며 각각의 과정마다 데이터 서비스가 요구된다. 또한 해당 데이터 서비스는 온프레미스와 클라우드가 함께 원활히 작동해야 한다.

이는 클라우데라가 종단 간 데이터 라이프사이클의 모든 단계에 대한 통합 데이터 서비스를 제공하는 하이브리드 데이터 플랫폼 ‘클라우데라 데이터 플랫폼(CDP)’을 구축한 이유다. 머신 러닝 솔루션을 구축한 사람이라면 누구나 비즈니스에 적용 가능한 솔루션을 제공하기 위해 클라우드에서 머신 러닝 포인트 솔루션 이상의 것이 필요하기 때문이다.

김호중 클라우데라코리아 전무()