Google Teachable Machine 무료 사용법|코딩 없이 사진으로 나만의 AI 만들기
코딩을 몰라도 사진 몇 장으로 사과와 바나나를 구분하는 AI를 직접 만들 수 있을까요? 구글의 Teachable Machine(티처블 머신)을 사용하면 가능합니다. 웹브라우저에 사진을 모아 넣고 학습 버튼을 누르면 새로운 이미지를 구분하는 간단한 AI 모델을 만들 수 ...
AI 도구를 실제 업무와 일상에서 더 쉽게 활용할 수 있도록 핵심 방법과 예시를 중심으로 정리했습니다.
본문
코딩을 몰라도 사진 몇 장으로 사과와 바나나를 구분하는 AI를 직접 만들 수 있을까요? 구글의 Teachable Machine(티처블 머신)을 사용하면 가능합니다. 웹브라우저에 사진을 모아 넣고 학습 버튼을 누르면 새로운 이미지를 구분하는 간단한 AI 모델을 만들 수 있습니다.
Teachable Machine은 이미지뿐 아니라 소리와 사람의 자세도 구분하도록 학습시킬 수 있는 무료 실험 도구입니다. 별도 프로그램 설치와 복잡한 코딩 없이 시작할 수 있어 AI가 어떤 예시를 보고 배우는지 이해하기 좋습니다.
이번 글에서는 사과와 바나나 사진을 구분하는 실습을 중심으로 프로젝트 만들기, 사진 준비, AI 학습, 정확도 테스트, 모델 저장, 무료 이용 조건과 오류 해결까지 알아보겠습니다.
1. Teachable Machine은 무엇을 만드는 도구일까?
일반 AI 채팅처럼 질문에 긴 답변을 만드는 서비스가 아닙니다. 사용자가 직접 준비한 예시를 바탕으로 이미지·음성·자세를 몇 가지 범주로 분류하는 모델을 만드는 도구입니다.
Image Project: 사과와 바나나, 펜과 연필 같은 사진을 구분합니다. Audio Project: 박수·손가락 튕기기처럼 다른 소리를 구분합니다. Pose Project: 서 있는 자세와 팔을 든 자세 등을 구분합니다.
학습에 사용한 예시가 충분하고 다양할수록 새로운 상황에서도 잘 작동할 가능성이 높습니다. 하지만 예시 몇 장으로 학습한 모델을 실제 상품 검수나 안전 판단에 바로 사용하는 것은 적절하지 않습니다.
2. 무료 사이트에서 이미지 프로젝트 시작하기
PC에서 Google Teachable Machine 공식 사이트를 열고 Get Started를 누릅니다. 새 프로젝트 화면에서 Image Project → Standard image model을 선택하세요. 별도 유료 구독 없이 브라우저에서 진행할 수 있습니다.
화면에 기본적으로 Class 1과 Class 2가 나타납니다. 각 칸의 이름을 눌러 Class 1은 사과, Class 2는 바나나로 바꿔 주세요. Class는 AI가 사진을 보고 구분하도록 가르칠 범주를 뜻합니다.
처음에는 Chrome 같은 최신 PC 브라우저를 사용하는 편이 좋습니다. 일부 모바일 브라우저에서는 카메라 권한이나 학습 성능 때문에 제대로 동작하지 않을 수 있습니다.
3. 사과·바나나 사진을 각각 준비하기
사과 사진과 바나나 사진을 서로 다른 폴더에 준비하세요. 처음에는 각 종류를 약 30장 정도 모아 시험해 볼 수 있습니다. 이는 실습을 위한 권장 예시 수이지, 무료 계정의 정해진 업로드 한도는 아닙니다.
같은 사과를 똑같은 각도로 반복 촬영하기보다는 앞·옆·위에서 찍거나 배경과 조명을 조금씩 바꿔 보세요. 바나나도 한 개, 여러 개, 다른 각도처럼 변화를 주면 좋습니다. 사과만 빨간 배경, 바나나만 노란 배경에 놓으면 AI가 과일이 아니라 배경색을 학습할 수 있습니다.
직접 촬영한 사진은 Webcam으로 모을 수 있고, 이미 저장된 사진은 Upload에서 추가할 수 있습니다. 카메라를 사용한다면 브라우저의 카메라 접근 권한을 허용해야 합니다.
4. Train Model 버튼으로 AI 학습시키기
사과 클래스에는 사과 사진을, 바나나 클래스에는 바나나 사진을 넣은 뒤 Train Model을 누릅니다. 브라우저에서 예시 데이터를 바탕으로 모델을 학습하는 과정이 시작됩니다.
학습 중에는 다른 탭으로 이동하거나 작업 화면을 닫지 않는 편이 좋습니다. 사진 수와 컴퓨터 성능에 따라 처리 시간이 달라지며, 메모리가 부족하면 실패할 수 있습니다.
처음에는 고급 설정을 변경하지 말고 기본값으로 시작하세요. 학습이 끝나면 오른쪽의 Preview에서 모델이 사진을 어떻게 분류하는지 바로 시험할 수 있습니다.
5. 새 사진으로 인식률 테스트하는 방법
Preview에서 Webcam 또는 File을 선택한 뒤 학습에 사용하지 않은 새로운 사과 사진을 보여 주세요. 예측 결과에 사과와 바나나의 점수 막대가 나타납니다.
예를 들어 사과 90%, 바나나 10%처럼 표시될 수 있습니다. 이는 모델이 두 클래스 가운데 어느 쪽에 더 가깝다고 판단했는지 보여 주는 값입니다. 90%라고 표시됐다고 실제 정답률이 90%라고 보장되는 것은 아닙니다.
사과·바나나를 각각 여러 번 시험하고, 학습 사진과 다른 조명·배경에서도 테스트하세요. 과일이 아닌 물건을 보여 주어도 두 클래스 중 하나를 선택할 수 있으므로 '모르는 물건'을 자동으로 걸러 주는 기능이라고 생각해서는 안 됩니다.
6. 분류 결과가 틀리면 무엇을 수정할까?
사과를 바나나로 인식한다면 모델을 무조건 다시 만드는 대신 학습 사진의 다양성부터 확인해 보세요. 특정 배경이나 촬영 각도에만 치우쳤다면 다른 조건의 사진을 추가하는 것이 좋습니다.
① 잘못 구분하는 상황 기록: 어떤 사진과 배경에서 틀리는지 확인합니다. ② 부족한 예시 추가: 해당 각도·조명의 사진을 더 넣습니다. ③ 다시 학습: Train Model을 다시 실행합니다. ④ 새 사진으로 재시험: 학습에 사용하지 않은 사진으로 개선 여부를 봅니다.
아예 관련 없는 물건을 구분할 필요가 있다면 세 번째 클래스를 추가해 '기타' 예시를 학습시키는 것도 방법입니다. 다만 기타 클래스 역시 충분한 종류의 예시가 필요하고, 세상의 모든 물건을 자동으로 처리하지는 못합니다.
7. 모델 다운로드와 프로젝트 저장의 차이
학습 결과를 다른 웹사이트에서 사용하려면 화면의 Export Model을 선택합니다. TensorFlow.js 형식으로 모델 파일을 내려받거나, 지원되는 경우 온라인에 업로드해 공유 주소를 만들 수 있습니다.
모델 다운로드: 다른 앱·웹사이트에서 인식 기능을 실행하기 위한 결과물을 저장합니다. 프로젝트 저장: 나중에 예시 사진을 추가하고 다시 학습하도록 작업 상태를 보관하는 것입니다. 두 기능은 목적이 다릅니다.
작업을 이어갈 예정이라면 프로젝트 저장 메뉴에서 로컬 프로젝트 파일 또는 Google Drive 저장 기능을 확인하세요. 단순히 Export Model로 다운로드한 파일만으로 원래의 모든 학습 예시가 그대로 복원된다고 가정하지 않는 편이 좋습니다.
8. 웹사이트에 모델을 연결할 수도 있나요?
Teachable Machine에서 만든 이미지 모델은 구글의 TensorFlow.js 기반으로 내보낼 수 있습니다. 따라서 개발자가 JavaScript를 사용해 웹페이지에서 이미지 분류 기능을 실행하도록 연결할 수 있습니다.
Export Model의 Upload my model을 선택하면 공유용 모델 URL을 받을 수 있는 방식도 안내되어 있습니다. 이 주소는 모델을 불러오는 링크이며, 별도로 완성된 쇼핑몰이나 웹사이트 전체를 자동 제작해 주는 기능은 아닙니다.
웹사이트에 연결하려면 간단한 HTML·JavaScript 코드를 작성하거나 제공되는 예제 코드를 응용해야 합니다. 공개 모델 URL을 만들면 링크를 가진 사람이 모델에 접근할 수 있으므로 민감한 데이터를 바탕으로 만든 모델은 공개하지 않는 편이 좋습니다.
9. 소리와 자세 인식 AI도 같은 방식으로 시험하기
첫 이미지 모델이 잘 작동한다면 새 프로젝트에서 Audio Project 또는 Pose Project를 선택해 보세요. 오디오는 소리 예시, 포즈는 웹캠으로 촬영한 자세 예시를 모아 학습하는 방식입니다.
소리 인식은 조용한 배경음과 구분하고 싶은 소리를 각각 충분히 준비해야 합니다. 자세 인식은 사람이 카메라에서 너무 멀거나 신체 일부가 가려지면 결과가 불안정할 수 있습니다.
이 도구는 음성을 문장으로 받아쓰거나 사람의 신원을 확인하는 용도가 아닙니다. 특정 소리·동작의 패턴을 분류하는 학습 실험으로 이해하는 것이 정확합니다.
10. 무료 이용 범위와 개인정보 주의사항
Teachable Machine은 코딩 없이 무료로 모델을 학습하고 테스트할 수 있는 웹 실험 도구입니다. 공식 소개에는 별도의 유료 구독 요금제가 안내되어 있지 않습니다. 다만 브라우저 메모리·성능과 개별 모델·내보내기 방식의 제한은 있을 수 있습니다.
구글 공식 설명에 따르면 기본 학습은 브라우저 안에서 진행되며, 사용자가 별도로 저장하거나 모델을 업로드하지 않는 한 학습용 카메라·마이크 자료를 서버로 보낼 필요가 없는 방식으로 설계됐습니다. 반면 Google Drive에 프로젝트를 저장하거나 모델을 온라인에 게시하면 관련 데이터의 저장·공개 범위가 달라집니다.
타인의 얼굴, 학생 사진, 개인 음성, 업무 기밀 자료는 허락 없이 학습에 사용하지 마세요. 특히 어린이나 다른 사람이 포함된 사진은 외부 공유 여부를 더욱 신중하게 확인해야 합니다.
11. 카메라 오류·학습 실패 해결하기
Webcam이 켜지지 않을 때: 주소창의 사이트 권한에서 카메라 허용 여부를 확인합니다. Zoom이나 다른 앱이 카메라를 사용하고 있다면 종료한 뒤 다시 시도해 보세요.
Train Model이 멈추거나 실패할 때: 다른 무거운 탭을 닫고 사진 수를 줄여 작은 프로젝트로 시험해 보세요. PC 브라우저를 최신 버전으로 업데이트하고 충분한 메모리가 있는지도 확인합니다.
결과가 한 클래스에만 치우칠 때: 클래스별 예시 수, 배경, 조명과 촬영 각도를 비교해 보세요. 저장한 모델이 안 열릴 때: 모델 파일 저장과 원본 프로젝트 저장을 혼동하지 않았는지 확인합니다.
처음에는 사과·바나나 두 클래스 만들기 → 사진 추가 → Train Model → 새 사진으로 테스트 → 결과 저장 순서로 진행하면 됩니다. 복잡한 코딩을 배우지 않아도 AI가 예시를 통해 어떻게 분류 기준을 학습하는지 직접 확인할 수 있습니다.
댓글목록
등록된 댓글이 없습니다.