ㅁ 신호처리 융합

ㅇ 정의:
서로 다른 형태의 생체 신호나 감각 데이터를 통합하여 의미 있는 정보로 변환하는 기술 영역.

ㅇ 특징:
– 다양한 센서로부터 수집된 데이터를 실시간 처리 및 분석.
– 노이즈 제거, 신호 증폭, 특징 추출 등의 전처리 필수.
– AI 모델과 결합하여 개인 맞춤형 분석 가능.

ㅇ 적합한 경우:
– 웨어러블 기기에서 다중 센서 데이터 분석.
– 의료, 스포츠, 감정 분석 등 다양한 분야.

ㅇ 시험 함정:
– 단일 센서 분석과 혼동.
– 하드웨어 성능 한계와 데이터 품질 이슈 간과.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “다중 센서의 신호를 통합 분석하여 개인 맞춤형 서비스를 제공한다.”
X: “단일 센서 데이터만으로 모든 상황을 정확히 판단한다.”

================================

1. Wearable AI

ㅇ 정의:
웨어러블 디바이스에 AI 알고리즘을 내장하여 사용자 상태를 실시간 분석·예측하는 기술.

ㅇ 특징:
– 스마트워치, 피트니스 밴드, 스마트 의류 등에 적용.
– 배터리 효율과 경량화된 AI 모델 필요.
– 지속적인 데이터 수집과 피드백 제공.

ㅇ 적합한 경우:
– 건강 모니터링, 피트니스 트래킹, 재활 치료.

ㅇ 시험 함정:
– 단순 데이터 수집 기능과 AI 기반 분석 기능 혼동.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “웨어러블 AI는 실시간 생체 데이터 분석을 통해 건강 이상을 조기에 감지한다.”
X: “웨어러블 AI는 데이터 저장만 수행하고 분석은 불가능하다.”

================================

2. Biosignal Recognition

ㅇ 정의:
심전도(ECG), 뇌파(EEG), 근전도(EMG) 등 생체 신호를 인식·분석하는 기술.

ㅇ 특징:
– 신호 전처리(필터링, 노이즈 제거) 필수.
– 패턴 인식 및 이상 탐지 알고리즘 활용.

ㅇ 적합한 경우:
– 의료 진단 보조, 뇌-컴퓨터 인터페이스, 스포츠 퍼포먼스 분석.

ㅇ 시험 함정:
– 생체 신호 특성과 센서 종류 혼동.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Biosignal Recognition은 EEG 데이터를 분석하여 사용자의 집중도를 평가할 수 있다.”
X: “Biosignal Recognition은 영상 데이터 분석만을 수행한다.”

================================

3. Multisensory AI

ㅇ 정의:
시각, 청각, 촉각, 후각 등 다양한 감각 데이터를 융합 분석하는 AI 기술.

ㅇ 특징:
– 멀티모달 데이터 처리.
– 센서 간 동기화와 데이터 융합 알고리즘 필요.

ㅇ 적합한 경우:
– 로봇, 자율주행, 가상현실, 재난 감지.

ㅇ 시험 함정:
– 단일 모달 AI와 구분 못함.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Multisensory AI는 시각과 청각 데이터를 결합하여 상황 인식을 향상시킨다.”
X: “Multisensory AI는 오직 텍스트 데이터만 처리한다.”

================================

4. Emotion AI

ㅇ 정의:
표정, 음성, 생체 신호 등을 분석하여 사용자의 감정 상태를 추정하는 AI 기술.

ㅇ 특징:
– 멀티모달 감정 분석 가능.
– 심리학, 인지과학과의 융합 필요.

ㅇ 적합한 경우:
– 고객 서비스, 교육, 헬스케어, 게임.

ㅇ 시험 함정:
– 감정 상태를 100% 정확히 예측 가능하다고 오해.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Emotion AI는 음성 톤과 표정을 분석하여 사용자의 감정을 추정한다.”
X: “Emotion AI는 감정을 완벽하게 판별하여 오류가 없다.”

================================

ㅁ 추가 학습 내용

[정리]
Wearable AI: 엣지 컴퓨팅과 TinyML 개념을 함께 학습.
Biosignal Recognition: 신호 처리 기법(Fourier 변환, 웨이블릿 변환), 생체 신호의 주파수 특성, 잡음원 제거 방법 숙지.
Multisensory AI: 멀티모달 학습 기법(early fusion, late fusion, hybrid fusion), 데이터 동기화 문제, 센서 캘리브레이션 이슈 학습.
Emotion AI: 감정 레이블링 데이터셋, 문화적 차이에 따른 감정 인식 편향, 프라이버시 및 윤리 문제 포함 학습.

[시험 대비 체크리스트]
1. Wearable AI에서 엣지 컴퓨팅의 정의와 장점, TinyML의 특징과 활용 사례를 설명할 수 있는가?
2. Fourier 변환과 웨이블릿 변환의 차이와 각각의 장단점을 알고 있는가?
3. 주요 생체 신호(EEG, ECG 등)의 주파수 특성을 구분할 수 있는가?
4. 생체 신호에서 발생하는 주요 잡음원(근전도 잡음, 전원선 간섭 등)과 제거 방법을 이해하고 있는가?
5. 멀티모달 학습에서 early fusion, late fusion, hybrid fusion의 개념과 차이를 설명할 수 있는가?
6. 멀티센서 데이터 동기화의 필요성과 문제 해결 방법을 알고 있는가?
7. 센서 캘리브레이션이 필요한 이유와 절차를 설명할 수 있는가?
8. 주요 감정 레이블링 데이터셋의 종류와 특징을 알고 있는가?
9. 문화적 차이에 따른 감정 인식 편향 사례를 설명할 수 있는가?
10. Emotion AI에서 발생할 수 있는 프라이버시 침해 및 윤리적 문제를 제시할 수 있는가?