구글 티처블 머신 무료 사용법｜코딩 없이 이미지 인식 AI 만들고 학습시키기

사진을 보여주면 사과인지 바나나인지 구별하고, 손뼉 소리를 들려주면 어떤 소리인지 판단하는 AI를 직접 만들 수 있을까요? 예전에는 이런 프로그램을 만들려면 복잡한 코딩과 머신러닝 지식이 필요했습니다. 하지만 구글 티처블 머신(Teachable Machine)을 이용하면 사진이나 소리를 직접 학습시켜 나만의 AI 인식 모델을 무료로 만들 수 있습니다. 이번 글에서는 설치 없이 이미지 인식 AI를 만들고 학습시키는 방법부터 결과 테스트와 저장 방법까지 알아보겠습니다.

1. 구글 티처블 머신이란?

티처블 머신은 구글에서 만든 웹 기반 머신러닝 도구입니다. 사용자가 준비한 사진, 소리, 자세 데이터를 학습시켜 특정 대상을 구분하는 AI 모델을 만들 수 있습니다. 별도의 코딩 프로그램을 설치할 필요가 없으며 기본적인 모델 학습과 테스트 기능을 무료로 사용할 수 있습니다.

예를 들어 컵과 휴대전화를 구별하도록 AI를 학습시키거나, 박수 소리와 손가락 튕기는 소리를 구분하도록 만들 수 있습니다. 완성된 모델은 웹사이트나 다른 프로그램에서 사용할 수 있도록 내보내는 기능도 지원합니다.

2. 티처블 머신 무료 시작하기

먼저 PC에서 크롬 브라우저를 실행하고 구글 티처블 머신 바로가기에 접속합니다. 홈페이지에서 Get Started를 누르면 새 프로젝트를 만드는 화면이 나타납니다. 기본적인 사용법을 익힐 때는 스마트폰보다 PC 환경을 추천합니다.

프로젝트는 Image Project(이미지), Audio Project(소리), Pose Project(자세)로 구분됩니다. 처음에는 사진으로 물건을 구별하는 Image Project가 가장 이해하기 쉽습니다. Image Project를 선택한 다음 Standard Image Model을 눌러 시작하세요.

3. 사진으로 물건 구별하는 AI 만들기

이번에는 컵과 휴대전화를 구별하는 간단한 AI를 만들어 보겠습니다. 프로젝트 화면에 표시된 Class 1과 Class 2는 AI가 구별할 대상의 종류를 뜻합니다. 각 이름을 클릭해 Class 1은 '컵', Class 2는 '휴대전화'로 변경합니다.

① 첫 번째 대상 준비: 책상 위에 컵을 놓고 다양한 방향에서 사진을 준비합니다.

② 컵 사진 추가: '컵' 클래스의 Webcam을 눌러 카메라로 촬영하거나 Upload를 눌러 사진을 추가합니다.

③ 휴대전화 사진 추가: 같은 방법으로 '휴대전화' 클래스에 휴대전화 사진을 넣습니다.

④ 다른 사진도 추가: 물건의 방향과 거리, 배경, 조명을 바꿔 촬영한 사진을 각 클래스에 추가합니다. 처음에는 클래스마다 20~30장 정도를 준비해 실험해 볼 수 있습니다. 이는 연습용 권장 예시이며, 실제 필요한 수량은 대상과 촬영 환경에 따라 달라집니다.

4. Train Model 버튼으로 AI 학습시키기

사진을 모두 추가했다면 화면의 Train Model 버튼을 선택합니다. AI가 사용자가 넣은 사진의 특징을 학습하기 시작합니다. 학습 시간은 사진 수와 컴퓨터 성능에 따라 달라지며, 작업이 끝날 때까지 잠시 기다리면 됩니다.

학습이 완료되면 오른쪽 Preview 영역에서 결과를 테스트할 수 있습니다. 웹캠에 컵을 보여주면 '컵'에 해당하는 예측 점수가 올라가고, 휴대전화를 보여주면 '휴대전화' 점수가 올라가는 방식입니다. 저장된 사진을 불러와 테스트하는 것도 가능합니다.

5. AI가 물건을 잘못 구별할 때 해결 방법

AI가 컵을 보여줘도 휴대전화라고 판단한다면 학습 데이터를 확인해 보세요. 같은 각도에서 촬영한 사진만 반복해서 넣었거나 컵은 밝은 배경, 휴대전화는 어두운 배경에서만 촬영했다면 물건 자체보다 배경을 기준으로 구별할 수도 있습니다.

이럴 때는 물건의 방향과 거리, 조명을 바꾼 사진을 추가하고 다시 학습시키세요. 컵과 휴대전화가 모두 없는 장면을 구별하고 싶다면 '기타' 클래스를 새로 만들어 다양한 다른 사진을 넣는 방법도 있습니다. 학습에 사용하지 않은 새로운 사진으로 테스트해야 실제 성능을 확인하기 좋습니다.

예측 점수가 100%에 가깝게 표시되더라도 반드시 정답이라는 뜻은 아닙니다. 이는 모델이 특정 클래스에 부여한 점수이며, 실제 정확도는 여러 새로운 사진으로 반복 테스트해 확인해야 합니다.

6. 학습한 AI 모델 저장하고 공유하기

AI 학습이 완료되면 Export Model 기능을 이용해 모델을 저장할 수 있습니다. TensorFlow.js 형식으로 모델 파일을 다운로드하거나 온라인에 업로드해 공유 가능한 모델 주소를 만드는 방식이 제공됩니다.

완성된 모델과 학습 도중의 프로젝트 파일은 서로 다릅니다. 나중에 사진을 추가해 다시 학습하고 싶다면 프로젝트 자체를 파일로 다운로드하거나 지원되는 구글 드라이브 저장 기능을 이용하세요. 반면 완성된 모델 파일은 웹사이트나 별도의 프로그램에서 인식 기능을 구현할 때 사용합니다.

7. 이미지 외에 소리와 자세도 학습할 수 있을까?

티처블 머신에서는 Audio Project를 이용해 박수나 휘파람 등 서로 다른 소리를 구분하도록 학습시킬 수 있습니다. Pose Project에서는 웹캠으로 촬영한 사람의 자세를 이용해 팔을 올린 동작과 내린 동작 등을 구별하는 모델을 만들 수 있습니다.

이런 기능은 학교의 AI 체험 수업, 간단한 동작 인식 게임, 컴퓨터와 상호작용하는 실험 프로젝트 등에 활용할 수 있습니다. 단, 수업에서 다른 사람의 얼굴이나 목소리를 촬영한다면 사전에 동의를 받고 개인정보 보호에 주의해야 합니다.

8. 카메라가 실행되지 않거나 학습이 멈출 때

카메라가 보이지 않는다면: 브라우저 주소창 주변의 카메라 권한을 확인하고 사이트의 카메라 접근을 허용하세요. 카메라가 없는 PC라면 Upload 기능으로 사진 파일을 추가할 수 있습니다.

학습이 오래 걸린다면: 다른 무거운 프로그램을 종료하고 사진 수를 줄여 테스트해 보세요. 오래된 PC나 메모리가 부족한 환경에서는 브라우저 기반 학습이 느려질 수 있습니다.

결과가 정확하지 않다면: 학습 사진을 늘리는 것뿐 아니라 촬영 조건을 다양하게 만들고, 클래스별 이미지 수가 지나치게 차이 나지 않도록 조정해 보세요.

9. 이런 분들에게 추천합니다

티처블 머신은 AI가 어떻게 학습하는지 직접 경험하고 싶은 학생과 교사, 코딩 없이 간단한 인식 프로그램을 만들어 보고 싶은 초보자에게 유용합니다. 직접 준비한 사진으로 AI를 학습시켜 보고 결과가 틀리는 이유를 분석하는 과정에서 머신러닝의 원리를 이해할 수 있습니다.

처음에는 컵과 휴대전화처럼 구별하기 쉬운 물건 두 개만 준비해 보세요. 사진을 추가하고 Train Model을 실행한 다음 새로운 사진으로 테스트해 보면 코딩 지식이 없어도 나만의 간단한 AI 모델을 완성할 수 있습니다.