AI Teading - 인공지능 체험·학습·실습 사이트

스크래치 3에 머신러닝 라이브러리를 추가한 애플리케이션입니다. 머신러닝의 기능들이 블록 형태로 구성되어 있어서 기존의 스크래치 블록과 유사하게 사용할 수 있습니다.

DQN 기반의 자율주행 자동차 시뮬레이터입니다. 이 시뮬레이터는 DQN을 활용하여 자동차가 스스로 주행하는 방법을 학습합니다.

카메라로 촬영되는 영상에 서리가 끼는 것을 제거하는 게임입니다. 이 게임은 손 인식 모델을 활용하여 제작되었습니다.

이 애플리케이션은 일상에서 흔히 볼 수 있는 물체를 3D로 인식할 수 있습니다. 특정 데이터로 학습된 사물에 대해 실시간으로 포즈를 추정하여 보여줍니다.

MediaPipe는 손과 손가락을 추적할 수 있는 솔루션을 제공합니다. 1-4개의 손에서 21개 주요 부분의 움직임을 추적할 수 있습니다.

MediaPipe는 얼굴 인식 솔루션을 제공합니다. 얼굴의 468개 지점을 추정하고 3D 형태로 변환하여 얼굴에 맞춰 보여줍니다.

MediaPipe는 포즈 인식 솔루션을 제공합니다. 사람 몸 전체에서 33개 주요 부분의 위치를 추정하고 이들을 연결해서 뼈대와 같이 보여줍니다.

MediaPipe의 손, 얼굴 그물, 포즈의 기능들을 통합하여 제공합니다.

MediaPipe의 얼굴 인식 솔루션은 얼굴의 유무를 빠르게 감지하고, 6개의 주요 부분을 표시해줍니다. 이 기능은 간단해서 처리 속도가 매우 빠릅니다.

실시간 영상에서 사람을 제거하거나 배경을 제거할 수 있는 MediaPipe의 솔루션입니다. 이 기능은 영상 합성 등에 활용될 수 있습니다.

TensorFlow를 이용하여 만든 얼굴 인식 앱입니다. 이 앱은 인식된 얼굴에서 표정과 나이 등의 정보를 추측하여 보여줍니다.

TensorFlow를 이용하여 실시간으로 배경에서 사람을 제거하는 기능을 제공합니다. 이 기능은 사람을 인식하고 배경을 학습하는 과정을 통해 장면에서 사람을 제거합니다.

정지된 사진에서 얼굴과 포즈를 인식하고, 이를 이용해서 캐릭터 애니메이션을 만드는 앱입니다.

촬영한 영상에서 실시간으로 사람의 포즈와 얼굴을 인식하고, 이를 움직이는 캐릭터 애니메이션으로 만드는 앱입니다.

MediaPipe와 TensorFlow를 이용하여 캐릭터 애니메이션을 만들 수 있습니다. 이 기능은 사람의 얼굴 또는 전체를 인식해서 캐릭터가 따라 움직이는 것을 구현하였습니다.

퀵드로우의 손 그림 데이터 세트를 학습하여 사용자의 그림이 무엇인지 인식하는 게임입니다. 이 게임은 CNN을 이용하여 그림을 학습하고 인식합니다.

CNN을 이용하여 퀵드로우의 손 그림 데이터를 학습하고 학습한 그림을 인식하는 앱입니다. 이 앱은 100개의 그림을 인식할 수 있습니다.

사용자가 문제로 제시한 그림을 그리면 그 그림이 무엇인지 학습된 인공지능이 맞추는 게임입니다.

사용자가 그린 그림이 무엇인지 예측하고, 일치할 확률이 높은 아이콘들을 제시해서 사용자가 선택할 수 있도록 만든 그리기 앱입니다.

RNN을 활용하여 만든 이어 그리기 앱입니다. 퀵드로우의 데이터 세트를 학습하여 사용자가 그림을 그리면 손 그림처럼 이어서 그려주는 기능을 가지고 있습니다.

DQN을 활용하여 공 피하기 방법을 학습하는 과정을 보여주는 앱입니다. 에이전트는 센서로부터 정보를 받고 오래 살아 있을 수록 많은 보상을 받습니다.

DQN을 활용하여 적 비행기 피하기 학습 과정을 보여주는 앱입니다. 에이전트는 센서로부터 정보를 받고 오래 살아 있을 수록 많은 보상을 받습니다.

TensorFlow를 이용하여 강화학습을 수행하는 과정을 보여주는 앱입니다. 이 과정의 목표는 가능한 오랜 시간 동안 봉의 균형을 잡는 것입니다.

DQN을 활용하여 스네이크 게임을 학습하는 과정을 볼 수 있습니다. 벽과 자신의 몸에 부딪히면 마이너스 보상을, 과일을 먹으면 플러스 보상을 받도록 강화학습이 진행되었습니다.

MCTS 알고리즘을 이용하여 2048 게임을 학습하는 과정을 볼 수 있습니다. 한번의 움직임에 많은 시뮬레이션 수를 제공하면 높은 확률로 2048에 도달할 수 있습니다.

지도학습 알고리즘을 이용하여 고릴라 게임 플레이 방법을 가르쳤습니다. TensorFlow로 제작한 간단한 신경망을 이용했습니다.

신경망과 유전 알고리즘을 이용하여 플래피 버드 게임 학습 과정을 볼 수 있습니다. 새들은 세대를 거치며 이전 세대의 정보를 바탕으로 더 잘 날게 됩니다.

CNN을 활용하여 테트리스 게임을 학습하는 인공지능을 만들었습니다. 챔피언의 경기 데이터와 유사하게 블록을 놓도록 반복 훈련되었습니다.

제시된 이모티콘과 같은 사물을 주변에서 찾는 게임입니다. CNN을 통해 이미지를 예측하고, 예측과 정답(이모티콘)의 일치 여부를 확인합니다.

누구나 머신러닝 모델을 쉽고 빠르게 만들 수 있도록 제작된 웹 기반 머신러닝 학습 도구입니다. 이미지, 오디오, 포즈 모델을 제작할 수 있습니다.

Performance RNN 모델을 활용하여 조표의 사용 빈도를 참고해서 곡을 창작해줍니다. 모델은 LSTM을 이용하여 음악적 구조와 패턴을 학습했습니다.

MusicVAE 모델을 활용하여 반복되는 멜로디를 생성하는 앱입니다. MusicVAE는 여러 멜로디를 부드럽게 연결하여 조화로운 멜로디를 만들 수 있습니다.

Magenta와 Improv RNN를 활용하여 아르페지오 패턴을 연주하게 제작하였습니다. Improv RNN은 기본 코드 진행에 따라 멜로디를 조건부로 생성합니다.

사전 훈련된 드럼 RNN 모델을 이용하여 만든 드럼 작곡 앱입니다. 씨앗 패턴을 제공하면 이를 바탕으로 다음 패턴을 연속적으로 생성해줍니다.

TensorFlow와 카메라를 이용한 동작 인식으로 캐릭터를 조종할 수 있는 게임입니다. 게임 캐릭터가 사용자의 행동을 따라서 상대방을 공격합니다.

이미지 인식을 통해 방향을 조작할 수 있도록 만든 팩맨 게임입니다. 사전 훈련된 모바일넷 모델을 4개 방향의 동작 인식에 활용하였습니다.

Keras는 인공지능을 쉽고 빠르게 구현하도록 돕는 딥러닝 라이브러리입니다. 데모에서는 브라우저에서 Keras의 학습 과정과 성능을 확인할 수 있습니다.

ConvNetJS는 브라우저에서 딥러닝 모델을 학습할 수 있는 라이브러리입니다. 데모를 통해 신경망의 학습 과정과 결과를 시각화해서 볼 수 있습니다.

TensorFlow를 이용한 가위바위보 이미지 인식 학습 과정을 단계별로 살펴볼 수 있습니다.

TensorFlow로 사전 훈련된 딥러닝 모델을 로드해서 이를 3D 시각화 장면으로 출력합니다. 각 모델의 처리 과정을 시각화하여 볼 수 있습니다.

TensorFlow를 기반으로 티라노 캐릭터가 여러 유형의 훈련을 통해 장애물을 피하는 방법을 학습하는 프로그램입니다.

사용자가 CNN의 내부 작동 방식을 쉽게 이해할 수 있도록 구현한 프로그램입니다. 이미지 인식 과정을 단계별로 시각화해서 볼 수 있습니다.

GAN의 학습 과정을 대화형 시각화 도구로 실시간으로 살펴볼 수 있는 프로그램입니다. 2D 데이터에 대한 생성자와 판별자의 작동 과정을 예시로 제시하였습니다.

AnimeGAN 모델을 이용해서 풍경 사진을 애니메이션화 할 수 있는 서비스입니다.

다양한 MIDI 예제로 학습해서 사용자의 연주에 맞춰 다음 부분을 연주해 주는 앱입니다. 몇 개의 음을 연주하면 그에 맞춰 다음 부분이 재생됩니다.

LSTM을 활용해서 사용자가 작성한 글자들의 획(stroke)을 기억하고, 이를 바탕으로 예측된 글자들을 보여줍니다.

MediaPipe의 FaceMesh를 활용해서 얼굴을 인식하고, 이를 바탕으로 가상의 아바타를 만들어 주는 앱입니다.

선택한 속성 값으로 얼굴 이미지를 생성하는 GAN 모델입니다. 모델의 종류와 속성 값을 변경해서 원하는 캐릭터 이미지를 만들 수 있습니다.

CNN을 활용한 이미지 인식기능으로 2048 게임을 진행할 수 있습니다.

Pix2Pix GAN 모델을 이용해서 스케치 등의 소스 이미지를 입력 받아 다른 형태의 이미지로 변환해주는 서비스입니다.

WebGL과 Three.js로 구축된 자율주행 시뮬레이터입니다. 시뮬레이터는 정적 및 동적 장애물을 회피하고 목적지에 도달할 수 있도록 설계되었습니다.

KITTY와 NuScenes 데이터 세트를 streetscape.gl(자율주행 데이터를 시각화하기 위한 도구)을 이용해서 시각화한 자율주행 데모입니다.

주차 학습 과정을 통해 유전 알고리즘의 작동 과정을 보여주는 앱입니다. 유전 알고리즘을 이용해서 자동차가 스스로 주차할 수 있도록 훈련됩니다.

자율주행 중 발생할 수 있는 윤리적 문제 상황을 게임 형태로 보여주는 앱입니다. 정답이 있는 것은 아니고, 다른 사람의 선택도 확인할 수 있습니다.

여러 강화학습 알고리즘을 적용해서 자율주행 자동차를 훈련시켜볼 수 있습니다. 각각의 강화학습 과정과 그 결과를 확인 가능합니다.

OpenAI의 대표적인 대화형 AI입니다. 최신 GPT-5 모델을 탑재하여 텍스트뿐만 아니라 목소리로 대화하고, 이미지를 보고 분석하거나 그림을 그리는 멀티모달 기능을 제공합니다.

로그인 없이 무료로 사용할 수 있는 AI 이미지 생성 도구입니다. 과거 'DALL·E mini'라는 이름으로 유명했으며, 가볍게 이미지를 만들어보기에 적합합니다.

구글의 최신 멀티모달 AI 모델인 Gemini(구: Bard)입니다. 텍스트, 코드, 이미지를 모두 이해하고 처리할 수 있으며, 구글 서비스와 연동하여 다양하고 정확한 정보를 제공합니다.

GPT-5를 기반으로 한 마이크로소프트의 AI 비서(구: 빙 채팅)입니다. 검색 엔진 Bing과 결합되어 최신 정보를 바탕으로 답변하며, DALL·E 3를 통해 그림도 그려줍니다.

DALL·E 3를 탑재한 마이크로소프트의 이미지 생성 도구(구: Bing Image Creator)입니다. 사용자가 입력한 문장을 고품질의 이미지로 변환할 수 있습니다.

포켓몬을 선택하고 AI 모델을 이용해 포켓몬과 대화해보세요. 재미있고 교육적인 경험을 제공합니다.

GPT-5, Claude 3.5, SD3 등 전 세계의 유명한 최신 AI 모델들을 한곳에서 무료로 선택하여 사용할 수 있는 국내 AI 포털 서비스입니다.

어도비에서 제공하는 이미지 생성 AI입니다. 저작권 문제에서 비교적 자유로운 학습 데이터를 사용했으며, 텍스트 투 이미지, 생성형 채우기 등 다양한 기능을 웹에서 무료로 체험할 수 있습니다.

텍스트 프롬프트만 입력하면 가사, 보컬, 반주가 포함된 고퀄리티 노래를 만들어주는 현재 가장 인기 있는 음악 생성 AI입니다.

ChatGPT의 강력한 경쟁자로, 한국어 작문 능력이 매우 뛰어나고 긴 문맥을 이해하는 능력이 탁월한 대화형 AI입니다.

실존 인물, 애니메이션 캐릭터, 게임 속 주인공 등 다양한 페르소나를 가진 AI와 대화할 수 있는 서비스입니다. 실제 캐릭터와 대화하는 듯한 높은 몰입감을 제공합니다.

머신러닝으로 학습된 4마리의 블롭(Blob)들이 만드는 오페라입니다. 마우스로 높낮이와 모음을 조절하면 실시간으로 화음을 만들어 노래합니다.

Meta(페이스북) AI 연구소에서 공개한 프로젝트로, 여러분이 그린 캐릭터 그림을 업로드하면 춤추고 달리는 애니메이션으로 만들어줍니다.

두 장의 사진 중 하나는 실제 사람이고, 다른 하나는 AI가 생성한 가짜 얼굴입니다. AI가 만든 이미지를 구별해내는 능력을 테스트해보는 게임입니다.

구글이 만든 단어 연상 게임입니다. AI가 단어의 의미와 문맥을 얼마나 잘 이해하고 있는지 게임을 통해 테스트해 볼 수 있습니다.

첼로와 바이올린 연주 데이터를 학습한 AI 새와 함께 연주해보세요. 마우스 움직임에 따라 활을 켜는 동작과 음정을 AI가 실시간으로 생성합니다.

캔버스에 그림을 그리면 그 위치와 악기에 따라 음악이 연주됩니다. 시각적 요소가 어떻게 청각적 요소로 변환되는지 체험할 수 있는 공감각적 AI 실험입니다.

웹캠을 통해 내 움직임을 인식하고, 내가 그린 낙서 캐릭터가 그 움직임을 그대로 따라 하게 만드는 모션 캡처 AI입니다.

전설적인 밴드 Queen의 프레디 머큐리 목소리와 내 목소리가 얼마나 비슷한지 AI가 분석해줍니다. 음정(Pitch), 음색(Timbre), 멜로디를 분석하여 점수를 매겨줍니다.

이미지를 보고 AI가 어울리는 소리를 상상해서 들려줍니다. 구글 스트리트 뷰를 통해 전 세계를 돌아다니며 해당 장소의 '상상의 소리'를 들어볼 수 있습니다.

노래하거나 두드린 소리를 플루트·색소폰·트럼펫·바이올린 같은 악기 소리로 바꿔 주는 구글 마젠타의 실험입니다. 각 악기 모델은 실제 연주자의 10분짜리 녹음으로 학습되어, 연주자의 숨소리나 활이 스치는 소리까지 함께 되살아납니다.

2019년 바흐 생일에 공개된 구글의 첫 인공지능 두들입니다. 사용자가 만든 두 마디 멜로디에 기계학습 모델이 바흐 스타일의 화음을 붙여 줍니다. 바흐의 코랄 화성 306곡으로 학습한 Coconet 모델이 쓰였습니다.

구글 크리에이티브 랩이 만든 실험으로, 일상에서 녹음한 수천 개의 소리를 비슷한 것끼리 지도처럼 모아 놓고 그 소리로 드럼 비트를 만들어 보는 곳입니다. 악기가 아니라 생활 속 소리가 재료가 됩니다.

노래 파일을 올리면 인공지능이 보컬과 반주를 분리해 주는 웹 도구입니다. 목소리를 뺀 노래방용 트랙과 목소리만 남긴 아카펠라 트랙을 각각 받을 수 있습니다. 처리에는 보통 10초 정도가 걸린다고 안내합니다.

구글 아트 앤 컬처의 실험으로, 직접 찍은 멜로디에 기계학습이 바흐 스타일의 화음을 붙여 줍니다. 완성된 곡은 악기와 템포를 바꿔 다시 들어 보거나 링크로 공유할 수 있습니다.

입력한 글을 사람 목소리로 읽어 음성 파일로 만들어 주는 무료 도구입니다. 한국어를 비롯한 여러 언어와 다양한 목소리를 고를 수 있고, 만든 오디오는 상업적 용도로도 쓸 수 있다고 안내합니다.

브라우저 안의 작은 방에서 물건을 클릭하며 로파이 힙합을 만들어 보는 마젠타의 실험입니다. 방 가운데 TV는 멜로디를 섞는 MusicVAE, 옆의 라디오는 새 멜로디를 만드는 MelodyRNN과 연결되어 있어, 누를 때마다 음악이 실시간으로 바뀝니다.

네 모서리에 서로 다른 드럼 패턴을 놓고 그 사이 공간을 오가면 중간중간의 새로운 비트가 만들어지는 실험입니다. 두 리듬 사이에 어떤 리듬이 있을 수 있는지를 귀로 확인해 볼 수 있습니다.

브라우저에 내장된 음성 인식 기능이 어떻게 동작하는지 보여 주는 구글의 데모 페이지입니다. 말을 하면 그 자리에서 글자로 받아 적히고, 인식 언어를 한국어를 포함한 여러 언어 중에서 고를 수 있습니다.

스테이블 디퓨전이 글을 어떻게 그림으로 바꾸는지 단계별로 보여 주는 시각화 자료입니다. 문장을 토큰으로 쪼개고, 벡터로 바꾸고, 무작위 노이즈를 조금씩 걷어내며 그림을 다듬은 뒤 해상도를 키우는 과정을 한 화면에서 따라갈 수 있습니다.

사진에서 지우고 싶은 부분을 칠하면 인공지능이 그 자리를 주변과 이어지도록 채워 주는 도구입니다. 사람, 글자, 로고, 날짜 표시처럼 필요 없는 요소를 지우는 데 쓸 수 있습니다.

합성곱 신경망(CNN)으로 2차원 이미지의 해상도를 높여 주는 도구입니다. 그림뿐 아니라 사진도 지원하며, 확대와 함께 JPEG 압축으로 생긴 노이즈를 줄일 수 있습니다. 작은 이미지를 키웠을 때 계단현상이 얼마나 줄어드는지 직접 비교해 볼 수 있습니다.

구글 아츠 앤 컬처 랩이 예술가 잭 와일드와 함께 만든 실험입니다. AI가 만든 이미지를 보고 그것을 말로 설명하면, 그 설명이 프롬프트가 되어 새 이미지가 만들어집니다. 원본과 얼마나 비슷한 이미지가 나오는지로 내 설명이 얼마나 정확했는지 알 수 있습니다.

흑백 사진에 색을 입혀 주는 AI 도구입니다. 21가지가 넘는 색감 필터 중에서 고르거나, 키워드를 적어 색을 직접 조정할 수 있습니다. 오래된 가족사진이나 역사 사진이 색을 얻으면 어떻게 보이는지 확인해 볼 수 있습니다.

사진에서 인물이나 사물만 남기고 배경을 지워 주는 도구입니다. 이미지를 올리면 대상과 배경의 경계를 자동으로 찾아 잘라 냅니다. 머리카락처럼 경계가 복잡한 부분을 AI가 어디까지 구분해 내는지 확인해 볼 수 있습니다.

사진에서 지우고 싶은 부분을 칠하면 그 자리를 주변 배경으로 자연스럽게 메워 주는 도구입니다. 모델이 브라우저 안에서 직접 돌아가기 때문에 사진을 서버로 보내지 않습니다. 지운 자리를 AI가 어떻게 상상해서 채우는지 볼 수 있습니다.

메타가 만든 SAM 3 모델을 웹에서 직접 써 보는 체험 공간입니다. 이미지나 영상에서 찾고 싶은 대상을 말로 입력하면 화면 안의 해당 물체를 모두 찾아 영역으로 잘라 냅니다. 잘라 낸 영역에 흐림, 복제, 윤곽선 같은 효과를 한 번의 클릭으로 적용해 볼 수 있습니다.

GPT 계열 언어 모델이 다음 단어를 어떻게 고르는지 단계별로 보여 주는 학습용 시각화입니다. 브라우저에서 GPT-2(small)를 실제로 돌려, 입력한 문장이 토큰과 임베딩으로 바뀌고 셀프 어텐션과 MLP를 거쳐 다음 단어 확률이 나오기까지의 흐름을 따라갈 수 있습니다. 언어 모델이 마법이 아니라 '다음에 올 가능성이 가장 큰 단어'를 계산하는 장치라는 점을 이해하게 됩니다.

GPT 언어 모델의 내부를 3차원 그림으로 펼쳐 놓고 위에서 아래로 따라 내려가는 해설입니다. 파라미터가 8만 5천 개뿐인 nano-gpt로 시작해, 'C B A B B C' 같은 글자열을 알파벳 순으로 정렬하는 아주 단순한 과제를 모델이 어떻게 처리하는지 봅니다. 숫자가 임베딩이 되어 여러 층을 지나 다음 토큰 확률로 나오기까지, 층마다 어떤 계산이 일어나는지 감을 잡을 수 있습니다.

오늘의 정답 단어를 맞히는 한국어 낱말 게임입니다. 단어를 입력하면 정답과 의미가 얼마나 가까운지 -100에서 +100 사이의 유사도 점수로 알려 주고, 상위 1,000개 안에 들면 순위도 함께 보여 줍니다. 철자가 아니라 의미로 단어를 비교하는 워드 임베딩이 무엇인지 놀면서 느껴 볼 수 있습니다.

물·불·바람·흙 네 가지에서 시작해 원소를 둘씩 합쳐 새 낱말을 만들어 가는 놀이입니다. 두 낱말을 겹치면 AI가 그 조합에 어울리는 새 낱말과 이모지를 만들어 냅니다. 만들어 낸 것은 'Discoveries' 목록에 쌓여 어디까지 갔는지 볼 수 있습니다.

'간달프'라는 챗봇에게 말을 걸어 숨겨진 비밀번호를 알아내는 게임입니다. 단계를 하나 넘길 때마다 간달프의 방어가 강해져서, 같은 방법으로는 다음 단계를 통과할 수 없습니다. AI가 어떤 말에 넘어가고 어떻게 막아내는지를 직접 겪어보면서 AI 안전의 기본 개념을 익힐 수 있습니다.

같은 질문에 여러 AI 모델이 어떻게 답하는지 비교해 보는 사이트입니다. 화면 위쪽의 'Battle Mode'에서 프롬프트를 보내면 여러 모델의 응답을 받아 서로 견주어 볼 수 있고, 사이트는 모델 순위표도 함께 제공합니다. 사이트 이름은 화면에 'Arena'로 표시됩니다.

한국어 문장의 맞춤법과 띄어쓰기, 문법을 AI가 교정해 주는 국내 서비스입니다. 바이칼에이아이가 만들었고, 맞춤법 검사 외에 형태소 분석과 단어 분절(토크나이저) 기능도 같은 사이트에서 제공합니다. 고유명사나 전문용어는 사용자 사전에 등록해 검사에 반영할 수 있습니다.

유튜브 영상이나 PDF, 웹 문서, 오디오를 넣으면 핵심을 요약해 주는 국내 서비스입니다. 요약뿐 아니라 내용을 더 쉽게 풀어 설명하거나 자료를 두고 이어서 질문할 수 있습니다. 영상은 시간 표시가 붙은 스크립트와 함께 한국어 번역을 나란히 보여 줍니다.

PDF 파일을 올려두고 그 내용에 대해 묻고 답하는 서비스입니다. 답변에는 인용 표시가 붙어 PDF의 어느 부분을 근거로 삼았는지 바로 확인할 수 있습니다. PDF 외에 Word, PowerPoint, Markdown, 텍스트 파일도 지원합니다.

네이버가 만든 번역 서비스로, 한국어를 중심으로 영어·일본어·중국어 등 여러 언어를 오갑니다. 글자를 넣는 텍스트 번역 외에 이미지, 문서, 음성, 웹사이트 번역 탭이 따로 있어 상황에 맞게 고를 수 있습니다. 번역 결과에 발음 듣기와 번역 평가 기능이 함께 붙어 있습니다.

앨런 인공지능 연구소(Ai2)가 공개한 Olmo 모델과 직접 대화해 보는 곳입니다. 화면에는 사용 중인 모델 이름이 표시되며, 캡처 시점에는 Olmo 3.1 32B Instruct가 지정되어 있었습니다. 도구 호출(tool calling)을 켜고 직접 도구를 추가해 볼 수도 있습니다.

긴 글을 자연스럽게 옮기는 데 강점을 두는 번역 서비스로, 100개 이상의 언어를 지원한다고 안내합니다. 텍스트 번역 외에 파일 번역과 음성 번역 모드가 있고, 번역한 문장을 다듬는 DeepL Write도 함께 제공합니다. 글의 격식·비격식 조정이나 용어집처럼 문체를 손보는 기능이 붙어 있습니다.

구글이 제공하는 서비스로, 접속하면 구글 계정 로그인 화면이 먼저 나타납니다. 로그인 화면은 한국어를 비롯한 여러 언어로 제공됩니다.

질문을 문장으로 적으면 웹을 찾아 정리한 답을 돌려주는 AI 검색 서비스입니다. 입력창 아래에서 검색 모드와 사용할 모델을 고를 수 있고, 음성 입력 버튼도 함께 있습니다. 왼쪽 메뉴에는 스페이스, 아티팩트, 기록 같은 항목이 있어 이전 대화를 다시 열어볼 수 있습니다.

여러 장의 사진으로 만든 3D 장면(가우시안 스플랫)을 브라우저에서 직접 돌려 보는 뷰어입니다. Kevin Kwok이 만들었고 코드는 깃허브에 공개되어 있습니다. 카메라를 움직이며 장면 안을 걸어 다니듯 살펴볼 수 있고, 화면 구석에 초당 프레임 수가 표시됩니다.

World Labs가 만든 3D 월드 생성 서비스입니다. 문장이나 이미지, 영상, 3D 구조를 입력하면 둘러볼 수 있는 3D 공간이 만들어집니다. 다른 사람들이 만든 월드를 모아 놓은 갤러리도 함께 제공됩니다.

글로 설명한 장면을 인공지능이 실시간 영상으로 만들어 주는 실험 서비스입니다. 미리 만들어진 영상을 재생하는 것이 아니라, 프롬프트를 받아 그 자리에서 장면을 이어 그립니다. 만든 시뮬레이션은 계정별 목록에 쌓입니다.

미국 노스웨스턴대학교 컴퓨터과학과가 운영하는 온라인 연구 실험입니다. 짧은 연설문을 읽고 민주당 쪽 발언인지 공화당 쪽 발언인지 맞혀 보는 과제가 제시되며, 판단을 돕는 '설명 힌트'가 함께 나옵니다. 사람이 진짜와 가짜, 혹은 출처를 얼마나 잘 가려내는지 살펴보는 연구입니다.

이미지나 영상 파일에 담긴 Content Credentials, 즉 제작·편집 이력 정보를 열어 보는 도구입니다. 파일을 올리면 언제 어떤 도구로 만들어지고 어떻게 바뀌어 왔는지를 단계별로 보여 줍니다. AI 생성물의 출처 표시를 직접 확인해 보기에 적합합니다.

영상이나 이미지를 브라우저 안에서 그대로 확대·복원해 주는 무료 오픈소스 도구입니다. Anime4K, RealESRGAN 같은 확대 알고리즘을 WebGPU로 옮겨 실행하므로 파일이 서버로 올라가지 않습니다. 애니메이션처럼 그림체가 뚜렷한 영상에서 특히 잘 동작한다고 소개하고 있습니다.

3D 스캔 결과물인 가우시안 스플랫 파일을 브라우저에서 열고 다듬는 편집기입니다. 장면을 불러오면 3D 뷰포트에서 돌려 보고, 필요 없는 점들을 골라 지우거나 위치·회전·크기를 조절할 수 있습니다. 설치 없이 바로 실행되는 웹 도구입니다.

글이나 이미지를 넣어 영상을 만드는 생성형 창작 도구입니다. 영상 생성 외에 이미지 생성, 모션 컨트롤, 캔버스, 아바타 같은 기능이 한 화면에 모여 있습니다. 첫 화면에는 다른 사용자들이 만들어 올린 영상이 목록으로 흐릅니다.

웹캠 영상이나 올린 동영상 속 사람의 움직임을 읽어 3D 애니메이션 데이터로 바꿔 주는 모션 캡처 도구입니다. 별도의 센서 장비 없이 카메라만으로 동작을 기록해 캐릭터에 입힐 수 있습니다. 현재 화면에는 서비스가 'Rokoko Create'로 바뀌고 있다는 안내가 함께 표시됩니다.

웹캠 앞에서 손 모양을 따라 하며 미국 수어(ASL)의 지문자 알파벳을 익히는 게임입니다. 한국 수어가 아니라 미국 수어의 A~Z 손 모양을 다룹니다. 미국농아동협회(American Society for Deaf Children)가 만들었고 손 인식에는 MediaPipe Hands를 사용합니다.

인물 사진 한 장에서 깊이 정보를 추정해 입체적으로 움직이는 3D 사진을 만들어 주는 TensorFlow.js 데모입니다. 원본, 인물 분리 결과, 깊이 지도, 3D 결과를 나란히 보여 주어 과정을 눈으로 확인할 수 있습니다. 결과물은 GIF나 WebM으로 내려받을 수 있습니다.

언어 모델이 문장을 어떤 단위(토큰)로 쪼개는지 눈으로 확인하는 도구입니다. 글을 입력하면 토큰 개수와 함께 색으로 구분된 토큰 조각, 그리고 각 토큰의 숫자 ID가 바로 표시됩니다. 대화 형식이 실제로 어떤 특수 표시와 함께 모델에 전달되는지도 볼 수 있습니다.

손글씨 숫자를 알아맞히는 합성곱 신경망(CNN)의 내부를 3차원으로 펼쳐 보여 주는 시각화입니다. 입력층에서 합성곱층, 다운샘플링층, 완전연결층, 출력층으로 넘어가며 그림이 점점 작고 추상적인 값으로 요약되는 과정을 볼 수 있습니다. 신경망이 통째로 된 블랙박스가 아니라 역할이 다른 층들이 이어 붙은 구조라는 점을 이해하게 됩니다.

채용에 쓰이는 인공지능이 사람의 편향을 그대로 물려받는 과정을 6분 정도의 게임으로 보여 주는 교육용 자료입니다. 방문자는 회사 대표가 되어 지원자를 직접 골라 뽑다가, 채용 속도를 높이려고 자신의 선택을 학습한 인공지능에게 심사를 넘기게 됩니다. 그 뒤 인공지능이 특정 지원자들을 걸러내기 시작하는 것을 보며, 편향이 알고리즘에서 새로 생기는 것이 아니라 학습 데이터를 통해 옮겨 온다는 점을 이해하게 됩니다.

브레이크가 듣지 않는 무인 자동차가 누구를 치게 될지 정해야 하는 상황을 연달아 제시하고, 방문자가 외부 관찰자로서 어느 쪽 결과를 받아들일지 고르는 사이트입니다. 시나리오를 모두 마치면 자신의 판단 경향이 다른 응시자들의 응답과 비교되어 요약으로 나타납니다. 사람이 다치는 결정을 기계에 맡길 때 무엇을 기준으로 삼아야 하는지, 그리고 그 기준이 사람마다 얼마나 다른지를 확인하게 됩니다.

구글 PAIR가 만든 시각 해설로, 언어모델 BERT에게 문장의 빈칸을 채우게 해서 모델이 세상에 대해 무엇을 배웠는지 살펴봅니다. 'in texas, they like to buy ___'처럼 지역 이름 하나만 바꿔도 후보 단어와 확률 순위가 달라지는 것을 직접 확인할 수 있습니다. 언어모델의 예측이 중립적인 지식이 아니라 학습한 문장에 담긴 통계적 연상이며, 그래서 사회적 편향까지 함께 배운다는 점을 이해하게 됩니다.

아마존의 교육 프로그램 Machine Learning University가 만든 머신러닝 개념 시각 해설 모음입니다. 신경망, 선형·로지스틱 회귀, 결정 트리와 랜덤 포레스트, 정밀도와 재현율, ROC와 AUC, 교차검증, 편향-분산 트레이드오프 등 열네 편의 글이 그래프를 직접 움직여 보는 방식으로 정리되어 있습니다. 수식만으로는 잘 잡히지 않던 개념이 그림에서 어떤 모양으로 나타나는지 확인하게 됩니다.

단어 같은 데이터를 수백 차원 벡터로 나타낸 임베딩을 2차원이나 3차원으로 줄여서 보여 주는 텐서플로 도구입니다. 처음 열면 200차원 Word2Vec 단어 1만 개가 점으로 찍혀 있고, 단어 하나를 고르면 그 단어와 가장 가까운 이웃 단어들이 목록으로 나옵니다. 뜻이 비슷한 단어가 공간에서 가까이 모인다는 임베딩의 기본 성질을 눈으로 확인하게 됩니다.

word2vec이 단어 벡터를 만들어 가는 과정을 한 단계씩 눈으로 따라가는 도구입니다. 'eat|apple, drink|milk'처럼 아주 작은 학습 데이터를 넣고 학습을 진행시키면 입력·출력 가중치 행렬의 칸 색이 조금씩 바뀌고, 아래 PCA 그림에서 단어 점들이 자리를 잡아 갑니다. 임베딩이 미리 정해진 값이 아니라 반복 학습을 거치며 조금씩 만들어진 결과라는 점을 이해하게 됩니다.

구글이 제공하는 머신러닝 입문 과정으로, 본문과 목차가 한국어로 제공되는 이 카탈로그의 몇 안 되는 정식 한국어 강의입니다. 선형·로지스틱 회귀, 분류, 데이터 다루기, 신경망, 임베딩, 대규모 언어 모델, 프로덕션 ML 시스템, 공정성까지 모듈마다 예상 학습 시간이 적혀 있어 순서대로 따라갈 수 있습니다. 연결된 '신경망: 상호작용 연습' 페이지에서는 은닉층과 가중치를 직접 고쳐 보며 어떤 변경이 어느 노드의 계산에 영향을 주는지 확인하게 됩니다.

심층 강화학습으로 훈련된 2족 보행 로봇, 침팬지, 물고기 에이전트를 여러 지형에 놓고 어떻게 움직이는지 지켜보는 데모입니다. 준비된 지형을 불러오는 것은 물론, 땅과 천장을 직접 그려서 에이전트가 학습 때 본 적 없는 상황을 만들어 볼 수 있습니다. 학습한 행동이 익숙한 환경에서는 잘 통하지만 환경이 달라지면 무너질 수 있다는 일반화 문제를 직접 확인하게 됩니다.

트랜스포머 모델의 어텐션 패턴을 층과 헤드별로 한 화면에 늘어놓아 비교하는 시각화 도구입니다. 쿼리 벡터와 키 벡터를 같은 공간에 함께 투영하기 때문에, 헤드마다 전혀 다른 모양의 패턴이 나타나는 것을 한눈에 볼 수 있습니다. 어텐션 헤드들이 각자 다른 관계를 보고 있다는 점을 확인하게 되며, 트랜스포머 구조를 이미 알고 있는 학습자를 대상으로 합니다.

강화학습 알고리즘을 브라우저에서 바로 돌려 볼 수 있게 만든 자바스크립트 라이브러리의 데모 모음입니다. 격자 세계에서 동적 계획법과 시간차 학습(SARSA·Q러닝)으로 가치가 정해지는 과정, 그리고 신경망을 쓰는 심층 Q 학습(DQN) 에이전트가 퍽월드와 워터월드에서 움직이는 모습을 볼 수 있습니다. 보상과 벌점만 주어도 행동이 점점 다듬어진다는 강화학습의 기본 구조를 확인하게 됩니다.

학습이 끝난 신경망 모델 파일을 열어 그 안의 층 구조를 그림으로 보여 주는 도구입니다. 어떤 층이 어떤 순서로 이어져 있는지 화면에서 따라가며 볼 수 있습니다.

언어 모델을 브라우저 안에서 직접 실행해 대화하는 서비스입니다. 대화 내용이 서버로 전송되지 않고 내 컴퓨터 안에서만 처리된다는 점이 다른 챗봇과 다릅니다. 화면은 한국어를 지원합니다.

여러 색의 세포로 이루어진 생물이 번식하고 경쟁하며 진화하는 2차원 가상 생태계입니다. 색마다 역할이 다르고, 세대가 지나면서 돌연변이로 생김새와 행동이 달라지는 과정을 지켜볼 수 있습니다.

작은 신경망을 브라우저 안에서 직접 학습시켜 보는 실습 페이지입니다. 층과 뉴런의 수, 활성화 함수, 학습률을 바꾸면 데이터를 나누는 경계선이 어떻게 달라지는지 눈으로 확인할 수 있습니다. 내려받는 모델이 없어 열자마자 바로 돌아갑니다.

구글 미디어파이프의 인식 기능 15가지를 한 페이지에서 차례로 시험해 보는 데모 모음입니다. 얼굴·손·자세 검출과 손동작 인식, 이미지 분류와 영역 분할, 사물 검출, 소리 분류, 언어 판별과 문장 분류까지 들어 있습니다. 계산은 브라우저 안에서 이루어집니다.

입력한 문장이 인공지능 모델 안에서 어떤 조각(토큰)으로 쪼개지는지 색으로 보여 주는 페이지입니다. GPT-4, Claude, Llama 3, Gemma, Mistral, BERT, T5 등 13가지 모델의 토크나이저를 골라 비교할 수 있습니다.

사진 한 장과 그림 한 장을 넣으면, 사진을 그 그림의 화풍으로 다시 그려 주는 페이지입니다. 계산은 TensorFlow.js로 브라우저 안에서 이루어지므로 사진이 서버로 올라가지 않습니다. 두 가지 화풍을 섞어 적용하는 탭도 있습니다.

신경망을 세대를 거듭하며 진화시키는 방식을 여러 데모로 보여 주는 자료 모음입니다. 목표를 찾아가는 요원, 아가리오 방식의 게임 AI, 색 분류 같은 예제가 있어 학습이 아니라 '선택과 돌연변이'로 성능이 좋아지는 과정을 볼 수 있습니다.