뉴캐슬 대학(Newcastle University)의 생의학 엔지니어들은 생체공학적으로 만들어진 손에 눈을, 즉 카메라를 달고 움직임을 조율하는 새로운 시도를 하고 있다. 기계 학습과 결합된 보다 똑똑한 인공보철제품을 목표로 설계된 이 차세대 기기는 임상 실험에서 환자가 기기 조작을 의식하지 않고도 자동으로 물체를 잡을 수 있도록 해주었다. 여기에 사용된 카메라는 특수제품이 아닌 기성 카메라다.

오늘날의 인공 보철기기들은 이전의 단순한 금속 후크에서 발전하여 먼 길을 걸어 왔지만, 아직도 갈 길은 멀다. 현 세대제품은 근력 센서를 사용하여 더 자연스럽게 움직임이 제어될 수 있도록 하지만 여전히 쉽지는 않다. 사실 손을 쓸 때 우리는 손을 많이 통제하지 않는다. 차 한 잔 마시는 것과 같이 완전히 평범한 것을 생각해보면 알 수 있다. 컵에 접근하는 방법, 손잡이에 손가락을 넣는 방법, 손잡이를 움직이는 방법, 그리고 컵을 들어올려 움직이는 동선의 가이드 등에 대해 이 모든 절차는 자동으로 수행된다. 우리는 단순히 우리가 원하는 것을 손에 명령하고 중추 신경계의 하부는 그저 실행을 한다. 그러나 아무리 정교한 인공손이라도 이렇게 하기는 힘들고 환자가 끊임없이 단계별로 지시를 해줘야 한다. 

뉴캐슬 대학팀은 인공손에 값싼 디지털 카메라를 장착하여 생체공학적인 손을 개발하려고 하고 있다. 아이디어는 환자가 손의 움직임을 제어하는 대신 인공손 자체가 셀프 파킹 모드를 갖춘 자동차처럼 작동한다는 것이다. "컴퓨터 비전을 사용하여 우리는 자동으로 응답할 수 있는 생체공학적인 손을 개발했습니다. 실제 손처럼, 빠른 시각만으로 컵이나 비스킷을 정확하게 꺼내 들고 가져갈 수 있습니다."

핵심은 기계학습이다. 이 인공손을 훈련시키기 위해 CNN (Convolutional Neural Network)이 만들어졌다. 이 인공 지능 네트워크는 5 단계 간격으로 촬영한 500개 이상의 잡을 만한 물체를 72개의 이미지로 훈련한 후 집게, 삼각대, 손목 중립 및 손바닥 손목을 4개의 “잡을 만한 클래스"로 나눈다. 미세 조정 후, 훈련 대상과 새로운 대상으로 나뉘어 실시간으로 테스트되었다.

예를 들어, 컴퓨터에 막대기 그림을 보여줄 때, 하나의 그림이 아니라 서로 다른 각도와 방향에서 나온 동일한 막대기의 많은 이미지를 가지고 판단하는 것. 덕분에 다른 빛과 다른 배경에도 불구하고 결국에는 컴퓨터가 그 막대기를 정확히 인식하는 것이다. 컴퓨터는 단순히 물건을 집어드는 것이 아닌, 대상체의 유형에 따라 그룹화하는 것이다. 이전에 결코 보지 못했던 객체를 정확하게 평가하고 선택할 수 있게 하는 것이 바로 이번 제품의 큰 의미다. 실제로 99p (1.28 달러)의 카메라만 손에 붙이면 이렇게 만들 수 있다고 전해졌다. 게다가 중요한 것은 속도인데, 이 동작은 순식간에 이루어지며, 현재의 인공보철기기보다 10배 더 빠르다고 알려졌다.

이 기술은 가격이 싸고 새로운 보철물을 필요로 하지 않기 때문에 곧 활용될 수 있다는 장점이 크다. 다만, 보다 정교한 센서를 포함하고 환자의 두뇌에 의해 직접 제어되는 고급 인공 보철시스템이 만들어질 때까지는 중간 솔루션으로 간주될 것으로 보인다. 궁극적인 목표를 향한 디딤돌인 셈이다.