| 내용 |
조직적인 기계학습 관련 연구가 Apple社의 새로운 선두주자로 떠오르고 있는 듯 하다. 동 회사는 최근 기계학습그룹을 창설하여 6명의 연구원을 영입하였고, 이들은 시뮬레이션과 비정형화된 학습법에 있어 새로운 방안을 묘사한 논문을 발표한 것으로 나타났다. 이들의 목표는 합성훈련이미지의 품질을 개선시키는 것이 주요 과제인 것으로 나타났으며, 해당 작업을 통해 인공지능 분야에 있어 지속적으로 성장하여 보다 가시적인 리더가 되기 위한 Apple社의 열망을 보여주는 표상이라 볼 수 있겠다. Google, Facebook, Microsoft 를 비롯해 기타 정보기술 관련 기업들 또한 기계학습연구와 관련한 기업 차원의 노력을 지속적으로 증가시켜오고 있으며, 무수히 많은 출판물들을 생산해내며 상기 기업들이 연구를 통해 학문적 성과를 문서화로 잘 축적시켜놓았지만, Apple社의 경우는 이와는 반대로 다소 고집스럽게 자신들만의 비밀을 지켜왔다 볼 수 있겠다. 하지만 이들 초 Apple社에게 있어서도 변화가 감지되기 시작하였는데, 인공지능연구분야의 책임자로 임명된 Russ Salakhutdinov씨가 연구결과를 출판하기 시작할 것이라는 정보가 알려지면서 부터 변화는 시작되었다 볼 수 있겠다. [참조: http://www.businessinsider.com/apple-is-finally-going-to-start-publishing-its-artificial-intelligence-research-2016-12 ] 최근들어 기계학습모델을 훈련시키기 위해 합성이미지와 비디오와 관련된 컨텐츠들이 보다 빈번하게 사용되기 시작하였으며, 비용 및 시간소요가 많은 실제 이미지를 활용하기보다는 가공된 이미지가 적은 비용에 꾸준한 이용이 가능하고 커스터마이징하기도 용이하기 때문인 것으로 나타났다. 해당 기술은 많은 잼재력을 지니고 있지만, 합성된 훈련용 재료에 작은 불완전성이 존재하고 있어 최종 제품에 심각한 부정적 영향을 미칠 수도 있다고 한다. 이를 다시 말하자면 생성된 이미지를 통해 실제 이미지와 동일한 품질의 표준을 충족하기는 어렵다 볼 수 있다는 것이다. Apple社는 일명 GAN(Generative Adversarial Networks)이라 불리우는 방식을 사용할 것을 제안하고 있는데, 해당 방식을 통해 합성훈련 이미지들의 품질을 개선할 수 있다고 주장하고 있는 것으로 나타났다. GAN 방식은 새로운 컨셉은 아니지만, 그 사용 목적에 맞게 수정작업이 들어간 것으로 나타났다. 고성능 수준에서는 GAN이 경쟁적인 신경네트워크 간의 적대적 관계의 이점을 이용하여 동작됨을 감안해본다면, Apple社가 연구하는 방식은 시뮬레이터가 정제 프로그램을 통해 만들어진 합성 이미지를 생산해내고, 이 정제된 이미지가 식별자에게 전송이 되는데, 이 식별자는 합성이미지로부터 실제 이미지를 구분하는 임무를 맡게 되는 것으로 알려져있는 상황이다. 게임이론의 관점에서는 네트워크들이 2명의 미니맥스 게임에서 경쟁하고 있으며, 이러한 유형의 게임 목표는 발생가능한 손실을 최소화하는 것에 있다고 한다. Apple社에서 사용하고 있는 변형 GAN 방식은 합성 이미지와 실제 이미지 간의 차이를 최소화하면서 주석을 유지하기 위해 합성 및 정제된 이미지들 사이의 차이점도 최소화하려는 노력을 기울이고 있다는 점에 주목할 필요가 있다 하겠다. 이러한 아이디어는 너무 많은 수정이나 합성이 발생하게 된다면 본질적인 가치를 파괴할 수 있다는 단점도 지니고 있다 볼 수 있다고 한다. 일례로 만일 나무들이 더 이상 나무처럼 인식되지 않는다면, 자가운전차량이 나무를 피하는 것을 도와주는 모델을 고안하고 있을 경우 이 모델은 실패한 모델이라 볼 수 있다는 것이다. 이처럼 대립적 정보와 네트워크, 그리고 이미지 분류가 인공지능에서 중요한 역할을 차지하고 있는 바, 관련 원천기술개발에 보다 유수의 기업들이 많은 노력을 기울이고 있어 조만간 가시적인 성과가 도출될 수 있을 것으로 예상되는 시점이라 하겠다. |
