Technology
레이블이 있으면 자동 분류하고,
없어도 패턴을 찾아냅니다.
Scale AI는 사람을 대규모로 관리하여 데이터를 레이블링합니다.
gregori는 AI가 직접 레이블링하고, 전문가는 검증만 합니다.
AI-First, Human-for-Validation
기존 데이터 레이블링은 사람이 분류하고 AI가 보조합니다. gregori는 반대입니다. AI가 분류하고, 사람은 검증만 합니다.
기존 방식 — Human-in-the-Loop
gregori — AI-First Labeling
Three Learning Paradigms
하나의 파이프라인에서 세 가지 학습 방식을 융합합니다
자동 레이블링
전문가가 만든 레이블 데이터로 학습한 모델이 새로운 데이터를 자동 분류합니다.
적용 사례
PSG 수면 스테이지 자동 분류
ECG 부정맥 · 병증 탐지
호흡 이벤트 (Apnea/Hypopnea) 검출
패턴 발견
레이블 없이도 데이터 내부의 구조와 이상 패턴을 자동으로 발견합니다.
적용 사례
생체신호 이상 징후 자동 탐지
레이더 신호 움직임 클러스터링
미지 수면 이벤트 패턴 발굴
사전학습 + 전이
대규모 비레이블 센서 데이터에서 신호의 본질적 구조를 학습하고, 소량의 레이블로 파인튜닝합니다.
적용 사례
수천 시간 PSG 비레이블 사전학습
소규모 병원 데이터로 빠른 적응
새로운 센서 타입 신속 온보딩
Data Pipeline
Signal Acquisition
다양한 물리 센서(ECG, EEG, FMCW Radar 등)에서 원시 신호를 수집합니다. 비접촉, 비식별 방식으로 프라이버시를 보장합니다.
Preprocessing & Feature Engineering
노이즈 제거, 필터링, 시간-주파수 변환을 통해 신호에서 의미 있는 특징을 추출합니다.
AI Model Inference
Supervised와 Unsupervised 모델이 동시에 작동합니다. 레이블이 있으면 자동 분류하고, 없어도 패턴을 발견합니다.
Insight Delivery
분석 결과를 REST API, 대시보드, 레포트 등 다양한 형태로 전달합니다. 기존 시스템에 손쉽게 통합됩니다.
왜 센서 데이터는
크라우드소싱이 안 되는가
이미지나 텍스트는 일반인도 레이블링할 수 있습니다. "이 사진에 고양이가 있나요?" — 누구나 답할 수 있습니다.
그러나 PSG 수면 데이터의 스테이지 분류는 수면전문의만 할 수 있고, ECG 부정맥 판독은 심장내과 전문의만 할 수 있습니다.
이 시장은 Scale AI의 24만 명 크라우드소싱 모델이 작동하지 않습니다. 전문가를 고용하면 비용이 폭증하고, AI로 자동화하면 전문가는 검증만 하면 됩니다.
PSG Sleep Staging
Human
전문의 1명, 8시간 데이터 → 약 2시간
gregori AI
gregori AI → 약 3분
40xECG Arrhythmia Detection
Human
심장내과 전문의 판독 → 30분~1시간
gregori AI
gregori AI → 실시간
즉시Radar Occupancy Analysis
Human
영상 확인 + 수동 카운팅 → 반나절
gregori AI
gregori AI → 실시간 자동
연속