2015.07.27

“머신 러닝이 다시금 주목을 받을 수 있었던 이유는...” 서울대 노영균 교수

이수경 기자 | ITWorld
27일 건국대학교 새천년대학교 우곡국제회의장에서 '빅데이터 분석을 위한 머신러닝과 인공지능(Machine Learning and AI on Big Data Analysis)'를 주제로 한 세미나가 개최됐다. 이날 서울대학교 노영균 교수는 머신 러닝에 관한 기초 이론과 딥 러닝에 관련한 학계의 관심사에 대해 발표했다.

노 교수는 오늘날 머신 러닝에 관한 연구가 발전할 수 있었던 배경으로는 새로운 수학적인 도구들의 발달을 들 수 있다고 설명했다. 노영균 교수는 “머신 러닝을 구현하는 데 있어 100여 년 전에 만들어진 수학 알고리즘을 사용하기도 하지만, 완전히 새로운 개념을 이용하기도 한다”며, “2000년에 접어들면서 선형 최적화(Linear Optimization)로는 풀 수 없었던 문제를 볼록 최적화(Convex Optimization)로 처리하게됨에 따라 머신 러닝의 성능을 높이는 계기를 마련했다”고 말했다.

이어, 노영균 교수는 과거부터 존재했던 머신 러닝의 개념이 최근 들어 다시 주목을 받을 수 있었던 유의미한 사건들을 소개했다. 노 교수는 “2000년대 중반 이후 기업에서 머신 러닝 기법을 도입하기 위해 학계 전문가를 영입하고, 유의미한 대회를 개최하면서 자연스럽게 사람들도 머신 러닝에 관심을 두게 됐다”며, “특히 지난 2013년 페이스북도 머신 러닝 대열에 합류함에 따라 이제는 당연한 기술 트렌드로 자리매김했다”고 설명했다.

다르파 어반 챌린지(Darpa Urban Challenge)
2007년, 폐쇄된 미군 공군기지가 있는 캘리포니아에서 다르파 어반 챌린지가 개최됐다. 6시간 안에 무인자동차는 주차하기, 차량흐름에 끼어들기 등 6시간 안에 정해진 미션을 수행하는데, 이날 대회에서는 6개의 팀이 완주에 성공했다. 노영균 교수는 4위로 완주에 성공한 MIT 팀의 리틀 밴(Little Ben)의 머신러닝 기술에 주목할 필요가 있다고 말했다.

리틀 밴은 카메라, 레이저 센서 등을 통해 길, 장애물을 인식하여 어디로 주행해야 하는지를 계속해서 분류해나갔다. 노 교수에 따르면, 당시 자금이 부족해 저렴하고 정확도가 낮은 센서를 이용해야만 했던 리틀 밴 팀의 경우, 머신 러닝 기술에 상당히 심혈을 기울였다.

노 교수는 충분한 자금만 있으면 누구나 무인자동차를 만들 수 있다고 말하는데, 고급형 레이더와 수신율이 높은 GPS 등을 갖추면 되기 때문이다. 그러나 이 경우, 상업적으로 양산할 수 있는 수준으로 값을 내릴 수 없는 것이 문제다. 대중화를 위해서는 노이즈 데이터도 수집하는 저렴한 센서로 정확한 정보를 판단하는 것이 중요하다. 이런 점에서 리틀 밴은 상당히 저렴한 센서로 차량 주행의 정확도를 높였다는 점에서 의의가 있었다며 노교수는 말했다.

넷플릿스 프라이스(Netflix Prize)
7, 8년 전부터 넷플릭스와 아마존이 머신 러닝 알고리즘을 이용해 사용자에게 비디오를 추천해주는 서비스를 시작했다. 넷플릭스의 경우 영화 추천 정확도를 높이기 위해 영화 순위를 예측하는 머신 러닝 및 데이터 마이닝 경진대회인 '넷플릭스 프라이즈'를 2006년에 개최했다.

넷플릭스에서 사용하던 시네매치(Cinematch)라는 시스템의 정확도를 10% 향상시키는 팀에게 10억 달러의 거금을 주는 대회로, 당시 내노라하는 머신러닝 전세계 전문가들이 참여해 이목을 끌었다. 2009년까지 지속된 이 대회는 AT&T 소속팀인 ‘BellKor’s Pragmatic Chaos’가 20분 먼저 커밋(commit)한 덕에 2위와 같은 10.06%의 성능 향상을 이끌어내고 1위를 거머쥐었다.

노영균 교수는 "그 어디에서도 연구자들에게 10억 달러의 연구비를 제공해주는 곳이 없었던 상황인 가운데 전세계 많은 전문가들이 달려들었던 대회"라며, "똑같은 데이터셋을 대상으로 다양한 알고리즘을 실험해볼 수 있었다는 점에서 시사점이 많았다"고 설명했다.

특히 이 대회에서는 저명한 과학학회인 NIPS(Neural Information Processing System, 신경정보처리) 학술회의에서 반려당한 논문의 가치를 재발견하는 발판을 마련하기도 했다. 인공신경망의 선구자인 제프리 힌튼 교수실의 박사 연구원이었던 러슬란 살라쿠트디노프가 ‘NIPS_Reject’라는 아이디를 사용한 경위를 밝히고 나서부터다.

러슬란은 자신이 고안한 알고리즘이 NIPS으로부터 거절당하면서, “이 논문은 쓰레기다. 쓰레기라고 정말 자신 있게 말한다(It’s junk. and I’m very confident it’s junk)”라는 피드백을 받았다고 밝힌 바 있다. 그러나 이후 러슬란이 고안한 알고리즘은 다른 팀의 주요 알고리즘으로 참고되는 등 그 가치를 증명받으며 ICMP2007에 통과하고, 사이언스지(Science)에 실리기도 했다.

구글의 차세대 동력, '딥러닝'
지난해 1월, 구글이 영국 런던의 딥마인드(DeepMind)라는 인공지능 기업을 인수해 큰 주목을 받았다. 당시 IBM, 페이스북 등도 인수전에 참가했으나, 최종적으로는 4억 달러를 제시한 구글이 웃음을 지었다. 딥마인드의 공동창업자이자, 현재 구글 엔지니어링 부사장인 데미스 하사비스가 “이미지 인식 및 자연어 처리 기술에 집중하겠다”라고 설명한 대로, 현재 구글은 구글 포토(Photos)에 머신 러닝 기술을 도입해 이미지 처리 및 자동 분류 기능을 제공하고 있다.

딥마인드 인수에 앞서, 2013년 3월에는 제프리 힌튼 교수를 영입한 가운데, 사람들의 관심사들간의 관계로부터 도출한 알고리즘을 토대로 구글은 새롭게 관심을 가질만한 정보를 예측하고 제공하기 위한 연구에 박차를 가하고 있다.

페이스북과 딥러닝의 만남
구글이 머신 러닝에 관한 대규모 투자를 적극적으로 유치한 가운데, 페이스북도 딥 러닝 대가인 뉴욕 대학교의 얀 레쿤 교수를 인공지능 센터장으로 임명한다고 발표했다. 2013년 NIPS 컨퍼런스에 참석한 마크 저커버그는 “사람들이 페이스북에 공유하는 모든 콘텐츠를 심도있게 이해하기 위해 인공지능에 접근하는 새로운 방법들을 모색하고 있다”고 말했다. 페이스북은 딥 러닝 연구소를 열며 얀 레쿤 교수를 새로운 수장으로 영입하는 등 페이스북의 콘텐츠 및 사용자 행동 패턴을 분석하기 위한 다양한 시도를 하고 있다.

대표적으로 페이스북의 프로젝트 팬더(Project PANDA)는 사진 속의 헤어스타일, 착용한 액세사리, 의류, 성별을 식별하는 연구로, 사진 속 인물 이 어떤 자세를 취하든, 안경을 쓰든 상관없이 사람을 인식하는 정확도를 높이는 데 목표를 두고 있다. 페이스북 사진 태그 성능이나 맞춤형 광고의 품질을 높이는 데 활용될 것으로 보인다.

노 교수는 “딥 러닝은 오래전부터 존재해 온 개념으로, 컴퓨팅 기술의 발전과 빅데이터의 출몰로 급부상했으며 향후 몇 년 간 지속해서 발전할 핵심 기술”이라면서도, “그렇지만 딥 러닝만이 인공지능이 전부는 아니다. 분명히 이를 대체할 수 있는, 좀 더 효율적인 알고리즘이 나올 것으로 생각한다”는 의견을 밝히기도 했다. editor@itworld.co.kr 


2015.07.27

“머신 러닝이 다시금 주목을 받을 수 있었던 이유는...” 서울대 노영균 교수

이수경 기자 | ITWorld
27일 건국대학교 새천년대학교 우곡국제회의장에서 '빅데이터 분석을 위한 머신러닝과 인공지능(Machine Learning and AI on Big Data Analysis)'를 주제로 한 세미나가 개최됐다. 이날 서울대학교 노영균 교수는 머신 러닝에 관한 기초 이론과 딥 러닝에 관련한 학계의 관심사에 대해 발표했다.

노 교수는 오늘날 머신 러닝에 관한 연구가 발전할 수 있었던 배경으로는 새로운 수학적인 도구들의 발달을 들 수 있다고 설명했다. 노영균 교수는 “머신 러닝을 구현하는 데 있어 100여 년 전에 만들어진 수학 알고리즘을 사용하기도 하지만, 완전히 새로운 개념을 이용하기도 한다”며, “2000년에 접어들면서 선형 최적화(Linear Optimization)로는 풀 수 없었던 문제를 볼록 최적화(Convex Optimization)로 처리하게됨에 따라 머신 러닝의 성능을 높이는 계기를 마련했다”고 말했다.

이어, 노영균 교수는 과거부터 존재했던 머신 러닝의 개념이 최근 들어 다시 주목을 받을 수 있었던 유의미한 사건들을 소개했다. 노 교수는 “2000년대 중반 이후 기업에서 머신 러닝 기법을 도입하기 위해 학계 전문가를 영입하고, 유의미한 대회를 개최하면서 자연스럽게 사람들도 머신 러닝에 관심을 두게 됐다”며, “특히 지난 2013년 페이스북도 머신 러닝 대열에 합류함에 따라 이제는 당연한 기술 트렌드로 자리매김했다”고 설명했다.

다르파 어반 챌린지(Darpa Urban Challenge)
2007년, 폐쇄된 미군 공군기지가 있는 캘리포니아에서 다르파 어반 챌린지가 개최됐다. 6시간 안에 무인자동차는 주차하기, 차량흐름에 끼어들기 등 6시간 안에 정해진 미션을 수행하는데, 이날 대회에서는 6개의 팀이 완주에 성공했다. 노영균 교수는 4위로 완주에 성공한 MIT 팀의 리틀 밴(Little Ben)의 머신러닝 기술에 주목할 필요가 있다고 말했다.

리틀 밴은 카메라, 레이저 센서 등을 통해 길, 장애물을 인식하여 어디로 주행해야 하는지를 계속해서 분류해나갔다. 노 교수에 따르면, 당시 자금이 부족해 저렴하고 정확도가 낮은 센서를 이용해야만 했던 리틀 밴 팀의 경우, 머신 러닝 기술에 상당히 심혈을 기울였다.

노 교수는 충분한 자금만 있으면 누구나 무인자동차를 만들 수 있다고 말하는데, 고급형 레이더와 수신율이 높은 GPS 등을 갖추면 되기 때문이다. 그러나 이 경우, 상업적으로 양산할 수 있는 수준으로 값을 내릴 수 없는 것이 문제다. 대중화를 위해서는 노이즈 데이터도 수집하는 저렴한 센서로 정확한 정보를 판단하는 것이 중요하다. 이런 점에서 리틀 밴은 상당히 저렴한 센서로 차량 주행의 정확도를 높였다는 점에서 의의가 있었다며 노교수는 말했다.

넷플릿스 프라이스(Netflix Prize)
7, 8년 전부터 넷플릭스와 아마존이 머신 러닝 알고리즘을 이용해 사용자에게 비디오를 추천해주는 서비스를 시작했다. 넷플릭스의 경우 영화 추천 정확도를 높이기 위해 영화 순위를 예측하는 머신 러닝 및 데이터 마이닝 경진대회인 '넷플릭스 프라이즈'를 2006년에 개최했다.

넷플릭스에서 사용하던 시네매치(Cinematch)라는 시스템의 정확도를 10% 향상시키는 팀에게 10억 달러의 거금을 주는 대회로, 당시 내노라하는 머신러닝 전세계 전문가들이 참여해 이목을 끌었다. 2009년까지 지속된 이 대회는 AT&T 소속팀인 ‘BellKor’s Pragmatic Chaos’가 20분 먼저 커밋(commit)한 덕에 2위와 같은 10.06%의 성능 향상을 이끌어내고 1위를 거머쥐었다.

노영균 교수는 "그 어디에서도 연구자들에게 10억 달러의 연구비를 제공해주는 곳이 없었던 상황인 가운데 전세계 많은 전문가들이 달려들었던 대회"라며, "똑같은 데이터셋을 대상으로 다양한 알고리즘을 실험해볼 수 있었다는 점에서 시사점이 많았다"고 설명했다.

특히 이 대회에서는 저명한 과학학회인 NIPS(Neural Information Processing System, 신경정보처리) 학술회의에서 반려당한 논문의 가치를 재발견하는 발판을 마련하기도 했다. 인공신경망의 선구자인 제프리 힌튼 교수실의 박사 연구원이었던 러슬란 살라쿠트디노프가 ‘NIPS_Reject’라는 아이디를 사용한 경위를 밝히고 나서부터다.

러슬란은 자신이 고안한 알고리즘이 NIPS으로부터 거절당하면서, “이 논문은 쓰레기다. 쓰레기라고 정말 자신 있게 말한다(It’s junk. and I’m very confident it’s junk)”라는 피드백을 받았다고 밝힌 바 있다. 그러나 이후 러슬란이 고안한 알고리즘은 다른 팀의 주요 알고리즘으로 참고되는 등 그 가치를 증명받으며 ICMP2007에 통과하고, 사이언스지(Science)에 실리기도 했다.

구글의 차세대 동력, '딥러닝'
지난해 1월, 구글이 영국 런던의 딥마인드(DeepMind)라는 인공지능 기업을 인수해 큰 주목을 받았다. 당시 IBM, 페이스북 등도 인수전에 참가했으나, 최종적으로는 4억 달러를 제시한 구글이 웃음을 지었다. 딥마인드의 공동창업자이자, 현재 구글 엔지니어링 부사장인 데미스 하사비스가 “이미지 인식 및 자연어 처리 기술에 집중하겠다”라고 설명한 대로, 현재 구글은 구글 포토(Photos)에 머신 러닝 기술을 도입해 이미지 처리 및 자동 분류 기능을 제공하고 있다.

딥마인드 인수에 앞서, 2013년 3월에는 제프리 힌튼 교수를 영입한 가운데, 사람들의 관심사들간의 관계로부터 도출한 알고리즘을 토대로 구글은 새롭게 관심을 가질만한 정보를 예측하고 제공하기 위한 연구에 박차를 가하고 있다.

페이스북과 딥러닝의 만남
구글이 머신 러닝에 관한 대규모 투자를 적극적으로 유치한 가운데, 페이스북도 딥 러닝 대가인 뉴욕 대학교의 얀 레쿤 교수를 인공지능 센터장으로 임명한다고 발표했다. 2013년 NIPS 컨퍼런스에 참석한 마크 저커버그는 “사람들이 페이스북에 공유하는 모든 콘텐츠를 심도있게 이해하기 위해 인공지능에 접근하는 새로운 방법들을 모색하고 있다”고 말했다. 페이스북은 딥 러닝 연구소를 열며 얀 레쿤 교수를 새로운 수장으로 영입하는 등 페이스북의 콘텐츠 및 사용자 행동 패턴을 분석하기 위한 다양한 시도를 하고 있다.

대표적으로 페이스북의 프로젝트 팬더(Project PANDA)는 사진 속의 헤어스타일, 착용한 액세사리, 의류, 성별을 식별하는 연구로, 사진 속 인물 이 어떤 자세를 취하든, 안경을 쓰든 상관없이 사람을 인식하는 정확도를 높이는 데 목표를 두고 있다. 페이스북 사진 태그 성능이나 맞춤형 광고의 품질을 높이는 데 활용될 것으로 보인다.

노 교수는 “딥 러닝은 오래전부터 존재해 온 개념으로, 컴퓨팅 기술의 발전과 빅데이터의 출몰로 급부상했으며 향후 몇 년 간 지속해서 발전할 핵심 기술”이라면서도, “그렇지만 딥 러닝만이 인공지능이 전부는 아니다. 분명히 이를 대체할 수 있는, 좀 더 효율적인 알고리즘이 나올 것으로 생각한다”는 의견을 밝히기도 했다. editor@itworld.co.kr 


X