KMCRIC

AI 접근성을 훨씬 향상시켜줄 자동화 머신러닝 훈련 시스템

Google’s Self-Training AI Turns Coders into Machine-Learning Masters

구글이 개인적으로 맞춤형 AI 시스템을 훨씬 쉽게 구현할 수 있는 도구를 막 출시했다. 클라우드 오토엠엘(Cloud AutoML)이라고 불리는 이 새로운 서비스는 여러 머신러닝 기법을 사용하여 자동으로 시스템을 구축하고 딥러닝 알고리즘으로 훈련하여 이미지에서 사물을 인식할 수 있다.

이 기술은 아직 제한적이지만 무언가 엄청난 일의 시작이 될 수 있다. 심층 신경망 알고리즘을 구축하고 최적화하기 위해서는 이면의 수학, 코드는 물론이고 정확한 결과를 산출할 수 있도록 알고리즘의 매개 변수를 정밀하게 조정해야 한다. 이처럼 어려운 인공지능 개발은 인재를 모으는 경쟁을 유발했기 때문에 자금력이 있는 대기업만 주문형 인공지능 알고리즘을 개발할 수 있음을 의미하는 것이다.

오토엠엘 출시에 앞서 구글 클라우드의 수석 과학자 페페리(Fei-Fei Li)는 인공지능을 더 많은 사람에게 확장해야 한다고 말하면서, 매우 뛰어난 딥러닝 모델을 구축하는데 필요한 전문성을 가진 사람들은 전 세계적으로 2~3000명에 지나지 않지만, 개발자는 2,100만 명으로 추산된다. 우리는 이 모든 개발자가 AI에 접근할 수 있도록 다가서기를 원한다고 덧붙였다.

클라우드 컴퓨팅은 AI를 더 사용하기 쉽게 하는 핵심 요소 중에 하나다. 구글, 아마존, 마이크로소프트를 비롯해 많은 기업이 클라우드 플랫폼에 머신러닝 기능을 추가하기 위해 서두르고 있다. 구글 클라우드는 이미 그런 도구를 제공하고 있지만 미리 훈련된 모델을 사용하고 있다. 이로 인해 개발자는 제한된 범위의 이미 훈련된 사물이나 장면을 인식하는 용도로만 사용할 뿐이다. 차세대 클라우드 기반 머신러닝 도구는 스스로 훈련할 수 있는 기술을 통해 더욱 다양하고 쉬운 사용성을 제공할 수 있다.

지난 몇 개월 동안 여러 기업이 구글 클라우드 오토엠엘을 테스트해 왔다. 디즈니는 특정 만화 캐릭터에 맞는 상품을 캐릭터의 이름이 태그되지 않은 상품을 포함하여 검색하는 서비스를 개발하는 데 사용했다.

자동화된 머신러닝에 정통한 네덜란드 아인트호벤 공대 교수 호야킨 반슈렌(Joaquin Vanschoren)은 최근 이 분야에 대한 관심이 고조되고 있지만 아직은 상대적으로 새로운 연구 주제라고 말하면서, 이처럼 빨리 제품 서비스에 적용할 수 있는 도구를 출시한 것은 인상적인 일이라고 덧붙였다.

반슈렌은 자동화에는 많은 계산 비용이 추가될 수 있기 때문에 이 서비스를 운영하기 위해 구글은 대량의 자원을 투입해야 한다. 이어 개발자들이 간단한 모델에서 더욱 확장된 문제를 해결하려고 할 때 문제는 더 악화될 수 있다고 말했다.

구글 과학자들은 자동화 AI의 한계를 테스트하고 있다. 2016년 그중 한 팀은 딥러닝이 스스로 최적의 딥러닝 시스템을 식별할 수 있음을 보여주기도 했다. 2017년에는 최적 네트워크 아키텍처로 진화하도록 자연 진화 시뮬레이션을 이용하기도 했다. 더 최근에는 긍정적인 피드백을 통해 동물을 가르치는 방법에서 영감을 얻은 강화 학습법을 이용하여 딥러닝 시스템을 자동으로 개선하기도 했다.

이런 노력은 궁극적으로 더 일반적이고 적응할 수 있는 형태의 인공지능을 만들어낼 수 있다. 다행스럽게도 그런 일이 벌어지기 전에 최소한 자신만의 AI를 개발할 방법은 있는 셈이다.

관련연구자: Fei-Fei Li

관련기관: Google

본문키워드(한글): 인공지능, 머신러닝, 클라우드 컴퓨팅, 클라우드 컴퓨팅

본문키워드(영문): AI, machine learning, Cloud computing, Cloud computing

국가: 미국

원문출판일: 2018-01-17

출처: https://www.technologyreview.com/s/609996/googles-self-training-ai-turns-coders-into-machine-learning-masters/