2017.02.20

구글 오픈소스 텐서플로우 1.0 데뷔 “플랫폼 주도권 노린다”

Steven Max Patterson | Network World

구글 브레인(Google Brain)이 텐서플로우 개발자 서밋에서 머신러닝 라이브러리 텐서플로우(TensorFlow) 1.0을 발표했다. 머신러닝은 자바, C# 또는 파이썬과 같은 언어로 프로그램을 만드는 방법이 아닌 데이터를 사용해 높은 신뢰성으로 예측을 수행하는 컴퓨터를 프로그래밍하는 방법이다.

머신러닝은 은 이미지 인식, 언어 번역, 코멘트나 추천 등의 순위 매기기와 같은 문제 해결 방법으로 효율적이다. 구글을 비롯해 페이스북, IBM, 마이크로소프트는 검색 결과 순위 결정 등의 분야에 내부적으로 머신러닝을 사용해 왔다.



약 1년 전 구글은 독자적인 머신러닝 라이브러리인 디스트빌리프(DistBelief)에 대한 경험을 바탕으로 텐서플로우를 출시했다. 텐서플로우는 구글 내에서 텐서플로우 모델 설명 파일을 포함한 약 4,000개의 소스 코드 디렉터리와 함께 사용되고 있으며, 분야도 구글 검색, 지도, 지메일 스팸 필터 등 다양하다.

구글 선임 연구원이자 인공 지능 분야의 슈퍼스타인 제프 딘에 따르면, 텐서플로우는 깃허브에서 가장 인기 있는 머신러닝 리포지토리다. 딘이 언급한 몇 가지 수치를 보자. 500명의 독립 프로그래머가 소프트웨어를 개발해 제출했고, 월별 커밋(새 코드 모듈 및 패치 적용) 수는 1,000회이며 5,500개의 독립적인 깃허브 리포지토리가 있다. 토론토, 버클리, 스탠포드 대학은 머신러닝 과정을 위한 기본 프레임워크로 텐서플로우를 사용한다.



독창적인 머신러닝 모델을 만들기 위해서는 선형 대수, 확률, 그리고 머신러닝 분야에 대한 고등 교육을 받은 고급 기술 개발자가 필요하지만, 이러한 조건을 충족하는 개발자는 얼마 없다. 다만 머신러닝을 적용하는 것은 다른 개발자들도 가능하다. 각기 다른 기술을 보유한 개발자들이 수행할 수 있는 머신러닝 응용의 유형은 세 가지다.

전문가 : 예를 들어 인간보다 아타리 딥 큐(Atari Deep Q)를 더 잘 플레이하도록 학습할 수 있는 모델과 같은 오리지널 머신러닝 모델은 선형 대수와 확률, 머신러닝에 대한 전문적인 기술을 보유한 소수의 개발자들에 의해 구축된다.

분야 전문가 : 두 번째 그룹은 인셉션(Inception) 3 이미지 인식과 같은 기존 모델을 가져와서 분야별 전문 지식을 적용해 자신의 전문 분야 문제를 해결할 수 있는 개발자들이다. 서밋에서 언급된 사례는 헬스케어 분야였다. 인셉션 V3은 이미지 내의 여러 가지 다양한 사물을 인식하며, 새로운 유형의 이미지를 인식하도록 재교육할 수 있다.

스탠포드 박사과정 학생인 브렛 쿠프렐은 인간 피부과 전문의와 대등한 정확성으로 피부암에서 양성 병변 이미지를, 그리고 양성 피부암과 악성 피부암을 구분하는 인셉션 V3 애플리케이션을 발표했다. 이 내용은 지난 달 저널 네이처(Journal Nature)에 게재됐다.

구글의 릴리 펭은 미국 의학 협회 저널(Journal of the American Medical Association)에 게재된 또 다른 인셉션 V3 애플리케이션을 발표했는데, 이 애플리케이션은 시각 상실의 주 원인인 당뇨병성 망막증을 인간 안과의사보다 약간 더 높은 정확성으로 진단했다.

애플리케이션 개발자 : RESTful API 사용에 능숙한 개발자(즉, 거의 모든 웹 및 모바일 개발자)는 사전에 교육된 모델을 사용해서 기존 애플리케이션에 기능을 추가할 수 있다. 예를 들어 음성에서 텍스트로 변환하기, 언어 번역, 코멘트 순위 매기기 등이 있다.

추상화를 통해 더 많은 개발자와 사용 사례로 확산되는 머신러닝
텐서플로우 1.0은 다양한 기량을 갖춘 더 많은 개발자들이 애플리케이션별 사용 사례에서 텐서플로우를 사용할 수 있도록 해주는 고수준 구조를 제공한다.



이 그림은 앞서 설명한 다양한 개발자 기술에 해당한다. 전문가는 계층(Layers) 이하 스택에서 도구를 사용해서 독창적인 모델을 구축하고, 분야 전문가는 스택의 에스티메이터(Estimator) 및 케라스(Keras) 모델 수준에, 애플리케이션 개발자는 맨 위, 박스 내의 모델(Models in a Box)로 표시된 부분에 위치한다.

확장 가능한 하드웨어 플랫폼
텐서플로우는 실험부터 생산에 이르기까지 다양한 스케일로 하드웨어 플랫폼으로 확장 가능한 소프트웨어 플랫폼이다.



2017.02.20

구글 오픈소스 텐서플로우 1.0 데뷔 “플랫폼 주도권 노린다”

Steven Max Patterson | Network World

구글 브레인(Google Brain)이 텐서플로우 개발자 서밋에서 머신러닝 라이브러리 텐서플로우(TensorFlow) 1.0을 발표했다. 머신러닝은 자바, C# 또는 파이썬과 같은 언어로 프로그램을 만드는 방법이 아닌 데이터를 사용해 높은 신뢰성으로 예측을 수행하는 컴퓨터를 프로그래밍하는 방법이다.

머신러닝은 은 이미지 인식, 언어 번역, 코멘트나 추천 등의 순위 매기기와 같은 문제 해결 방법으로 효율적이다. 구글을 비롯해 페이스북, IBM, 마이크로소프트는 검색 결과 순위 결정 등의 분야에 내부적으로 머신러닝을 사용해 왔다.



약 1년 전 구글은 독자적인 머신러닝 라이브러리인 디스트빌리프(DistBelief)에 대한 경험을 바탕으로 텐서플로우를 출시했다. 텐서플로우는 구글 내에서 텐서플로우 모델 설명 파일을 포함한 약 4,000개의 소스 코드 디렉터리와 함께 사용되고 있으며, 분야도 구글 검색, 지도, 지메일 스팸 필터 등 다양하다.

구글 선임 연구원이자 인공 지능 분야의 슈퍼스타인 제프 딘에 따르면, 텐서플로우는 깃허브에서 가장 인기 있는 머신러닝 리포지토리다. 딘이 언급한 몇 가지 수치를 보자. 500명의 독립 프로그래머가 소프트웨어를 개발해 제출했고, 월별 커밋(새 코드 모듈 및 패치 적용) 수는 1,000회이며 5,500개의 독립적인 깃허브 리포지토리가 있다. 토론토, 버클리, 스탠포드 대학은 머신러닝 과정을 위한 기본 프레임워크로 텐서플로우를 사용한다.



독창적인 머신러닝 모델을 만들기 위해서는 선형 대수, 확률, 그리고 머신러닝 분야에 대한 고등 교육을 받은 고급 기술 개발자가 필요하지만, 이러한 조건을 충족하는 개발자는 얼마 없다. 다만 머신러닝을 적용하는 것은 다른 개발자들도 가능하다. 각기 다른 기술을 보유한 개발자들이 수행할 수 있는 머신러닝 응용의 유형은 세 가지다.

전문가 : 예를 들어 인간보다 아타리 딥 큐(Atari Deep Q)를 더 잘 플레이하도록 학습할 수 있는 모델과 같은 오리지널 머신러닝 모델은 선형 대수와 확률, 머신러닝에 대한 전문적인 기술을 보유한 소수의 개발자들에 의해 구축된다.

분야 전문가 : 두 번째 그룹은 인셉션(Inception) 3 이미지 인식과 같은 기존 모델을 가져와서 분야별 전문 지식을 적용해 자신의 전문 분야 문제를 해결할 수 있는 개발자들이다. 서밋에서 언급된 사례는 헬스케어 분야였다. 인셉션 V3은 이미지 내의 여러 가지 다양한 사물을 인식하며, 새로운 유형의 이미지를 인식하도록 재교육할 수 있다.

스탠포드 박사과정 학생인 브렛 쿠프렐은 인간 피부과 전문의와 대등한 정확성으로 피부암에서 양성 병변 이미지를, 그리고 양성 피부암과 악성 피부암을 구분하는 인셉션 V3 애플리케이션을 발표했다. 이 내용은 지난 달 저널 네이처(Journal Nature)에 게재됐다.

구글의 릴리 펭은 미국 의학 협회 저널(Journal of the American Medical Association)에 게재된 또 다른 인셉션 V3 애플리케이션을 발표했는데, 이 애플리케이션은 시각 상실의 주 원인인 당뇨병성 망막증을 인간 안과의사보다 약간 더 높은 정확성으로 진단했다.

애플리케이션 개발자 : RESTful API 사용에 능숙한 개발자(즉, 거의 모든 웹 및 모바일 개발자)는 사전에 교육된 모델을 사용해서 기존 애플리케이션에 기능을 추가할 수 있다. 예를 들어 음성에서 텍스트로 변환하기, 언어 번역, 코멘트 순위 매기기 등이 있다.

추상화를 통해 더 많은 개발자와 사용 사례로 확산되는 머신러닝
텐서플로우 1.0은 다양한 기량을 갖춘 더 많은 개발자들이 애플리케이션별 사용 사례에서 텐서플로우를 사용할 수 있도록 해주는 고수준 구조를 제공한다.



이 그림은 앞서 설명한 다양한 개발자 기술에 해당한다. 전문가는 계층(Layers) 이하 스택에서 도구를 사용해서 독창적인 모델을 구축하고, 분야 전문가는 스택의 에스티메이터(Estimator) 및 케라스(Keras) 모델 수준에, 애플리케이션 개발자는 맨 위, 박스 내의 모델(Models in a Box)로 표시된 부분에 위치한다.

확장 가능한 하드웨어 플랫폼
텐서플로우는 실험부터 생산에 이르기까지 다양한 스케일로 하드웨어 플랫폼으로 확장 가능한 소프트웨어 플랫폼이다.



X