2019년 주목받은 AI 이슈 모음 : 패션 AI를 만드는 옴니어스에서 살펴보았습니다 좋은정보

2020년이 눈앞에 다가왔습니다. 패션 AI쿵키오프, 옴니 어스에서는 20하나 9년 주목해야 할 망헷동 AI관련의 화제를 정리하고 내년을 맞이하다. 가벼운 심리로 같이 알아보실래요?* 각 항목의 순서는 중요도와 관계없이, 본문의 스토리는 AI에 관한 전문지식이 없어도 쉽게 이해할 수 있도록 작성되었습니다.

한 스타 크래프트 2상위 0.2%의 실력, 그랜드 전문가가 된 달걀 파스타 ​

>

(깃발은 출처:디프마잉도우의 스타 크래프트 2플레이 영상)​ 올해 1월 디프마잉도우의 AI의 달걀 파스타가 스타 크래프트 2프로 게이머들을 이기었습니다. 옴니아스에서도 소개한 적이 있습니다만, 바둑의 신이 된 알파고에 이은 new 게입니다. 하나님의 등장!이라고 하기엔 아까운 점도 남았습니다. 그때, 알 스타는 스타 크래프트 3종족(태 런, 저그, 프로 토스)중 프로 토스-프로 토스 경기만 가능했고 APM이 자신의 시야 부분에서 남보다 유리한 조건이었기 때문에 승리했다는 소견도 많았습니다.하지만 알파스터는 계속 발전하고 있었습니다. 디프마잉도우은 지난 10월의 달걀 파스타가 멀티 에이전트의 강화 학습(multi-agent reinforcement learning)에서 스타 크래프트의 모든 종족에서 그랜드 전문의 수준에 도달했다는 소식을 알렸습니다.. 이 10월 네이처에 게재한 논문에 따르면 알 파스타는 사람과 대등한 수준의 시야 정보나 명령의 속도(APM)를 둔 상태에서 스타 크래프트 공식 게이입니다 서버 배틀넷에서 게입니다.했습니다

​ 상위 0.2퍼센트라는 우수한 성적도 놀랍지만, 통제된 환경이 아니라 실제로 게임 사용자와 배틀 넷에서 경쟁적으로 학습했다는 점이 특히 인상적이었습니다. 알파스터는 궁극적으로 여러 행위자가 참여하는 복잡한 환경에서도 작동하는 AI의 등장을 의미한다. 딥마인드는 알파스터 개발에 활용한 기술이 일반적인 AI 시스템의 안전성을 발전시켜 현실 세계의 영역에서 조사 발전에 도움이 되길 바란다는 입장을 남겼습니다.​

→ AlphaStar: Grandmaster level in StarCraft II using multi-agent reinforcement learning, Deepmind

2.10배 더 효율적인 CNN, EfficientNet​ 이미지 인식을 위한 디플러 닌에 가장 보편적으로 활용되는 CNN. 요즘에는 단순히 CNN의 레이어의 개수를 늘리기보다 더 효율적으로 성능이 좋은 CNN구조를 자동으로 찾아 Neural architecture search(NAS)기반 연구가 활발하게 이루어지고 있습니다.​ 올해 5월 구글 인공 지능 연구 팀에서 발표한 EfficientNet는 CNN을 스케 1업하는 효과적인 비결을 제시합니다. 종래는 CNN의 하 쟈싱의 레벨(width, depth, resolution)에 대해서 크기를이다 위로 조정했지만, EfficientNet에서는 적절한 계수를 찾아 목표로 하는 모델의 크기, 자기의 예산에 맞게 조정하는 모든 수준을 균 1 하게 스케 1 올릴게요.​

>

(이제부터라고 출처:Google AI Blog)​ 결론적으로 EfficientNet은 옷유사하는 수준의 정밀도를 보이는 다른 모델 대비 최대 10배 더 효율적인 모델을 학습합니다. 발매된 시점을 기준으로 다른 CNN모델들과 비교했을 때 정확도(ImageNet top-1기준 84.4%)및 효율성이 높고 속도가 빨랐어요. 이전보다 Image Classification에서 높은 성능을 나타내는 EfficientNet에 이어11월에는 이를 Object detection에 적용하여 성능과 효율을 높인 EfficientDet의 조사도 발표되었습니다.​

→ EfficientNet:Improving Accuracy and Efficiency through AutoML and Model Scaling, Google AI Blog→ EfficientNet:Rethinking Model Scaling for Convolutional Neural Networks리뷰, HOYA0첫 2'S RESEARCH BLOG

3.Unlabeled Data, 페이스북, 구글이 리드하는 것의 인식 성능을 높이는 방식 ​ 20최초 8년, 페이스북 AI연구원은 수십억장의 인스타그램의 사진에 걸린 해시 태그를 classification model의 정확도를 높이는 훈련에 활용할 수 있다는 것을 입증했습니다. 해시 태그 데이터는 노이즈가 많기 때문에 간접적인 라벨 데이터(weakly labeled data)로 볼 수 있는데 첫 500개의 해시 태그에서 첫 0억개의 리드 하는 것을 학습하고 리드하는 것 넷 벤치 마크에서 top-첫 85.4Percent의 정확도를 달성했습니다.​

>

(이미지 출처:Facebook Engineering Blog)​ 잇달아 하나하나 달, 구글·리서치 팀에서는 face book의 기록을 앞선 87.4%의 정확도를 달성합니다. 구글에서는 이 때문에 EfficientNet모델을 이미지 네트의 라벨된 이미지로 학습하고 3억장의 라벨 없는 이미지(unlabeled image)의 pseudo label을 만들기 위한 'teacher'로 활용했습니다. 다음으로 새로 학습된 student model보다 complexity가 큰 Efficient Net을 teacher에 두고 새로운 student model을 다시 배우겠습니다. 위 논문에서는 이렇게 student model을 teacher model로 만드는 과정을 반복하여 최종 모델을 제시하였습니다.이처럼 페이스북이나 구글의 사례처럼 비용이 적은 수준 없는 데이터를 모아 학습 데이터로 활용하는 시도가 다양해지는 추세다.​

→ Facebook at NeurIPS 2019, Facebook Research→ Self-training with Noisy Student improves ImageNet classification, Google Research

4.1상과 매우 가까워진 GAN​, 옴니 어스에서 지난해에도 주목한 문제인 GAN(Generative Adversarial Networks)진짜 같은 가짜 이젠가를 만드는 기술은 급속히 발전을 거듭하고 있습니다. 올해 2월 Nvidia연구원들이 오픈 소스로 공개한 StyleGAN을 이용한 웹 사이트 ThisPersonDoesNotExist로 대중에게도 매우 널리 알려졌습니다.​

>

(화상출처: This Person Does Not Exist) 가짜 이미지를 발발하는 GAN은 사회의 부정적 이슈를 발발할 수도 있습니다. 영상 속 인물의 얼굴을 합성 대상 얼굴로 바꿔치기하는 딥페이크(Deepfake) 기술이 대표적인 예다. 연예인의 얼굴을 합성하고 음란물을 만드는 것은 물론 이 6월에는 얼굴 책 CEO마크 저커버그 디프페익 영상이 본인 정치 이슈에도 악용될 수 sound를 보이고 주더라구요. 가짜 사진과 딥페이크 영상은 전문지식이 없어도 쉽게 제작할 수 있는 툴이 배포되고 있어 이런 문제가 더욱 심각해질 수 있습니다.물론 GAN은, 사용 목적에 따라서 공공의 이익을 위해서 활약할 수 있는 기술이다. 9월에 발표된 한 논문은 익명으로 처리돼야 할 인터뷰 등으로 대상자의 프라이버시를 지키느라 얼굴을 바꿔치기하는 기술을 소개하는 것입니다. 아직 연구단계의 기술이지만 대상의 얼굴 표정 등을 처음부터 새롭게 창조해 기존 모자이크 방식보다 진보된 형태로 인터뷰 대상자의 신원 유출 위험을 없앨 수 있습니다.

→사람을 낚는 인공지능이 있다? 딥페이크 스토리, 옴니아스 → Deepfakes could anonymize people in videos while keeping their personality, MIT Technology Review

5. 설명 가능한 인공 지능, XAI​ AI는 지금 기업 채용 이본의 병원 검진, 은행 대출 심사를 지원하는 등 연구실 밖에서도 다양하게 활용됩니다. 그래서 XAI(eXplainable Artificial Intelligence, 설명 가능한 인공지능)의 필요성이 더욱 커지고 있습니다. 의사결정의증거를스토리할수있는AI여야만사용자가그결과를수득할수있기때문입니다.​

>

(설명 가능한 AI에 대한 츄루강물 증가 곡선, 이미지 출처:Explainable Artificial Intelligence(XAI):Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI)​ 미국 국방부 DARPA(Defense Advanced Research Projects Agency)에서는 20일 6년부터 XAI에 AI의 의사 결정에 대한 근거를 제시하도록 하는 연구를 계속하고 있습니다. 국내외의 여러 기업이나 연구기관에서도 중요성을 높게 평가하는 테마이며 IBM의 왓슨 오픈스케일(Watson Open Scale)이 현재 출시된 제품 중 대표적인 XAI 사례이다. 아직 획기적인 기술이 개발되었다고는 보기 어렵지만 수요가 계속 상승하고 있는 기술이므로 장래를 기대할 수 있을 것이다.

→ AI에게 이유를 묻다: 설명 가능한 인공지능(XAI: eXplainable AI), KERIS → Explainable Artificial Intelligence (XAI), DARPA

2018년에는 소움송 전화 예약을 돕는 구글 듀플렉스, 자율 주행 택시 웨이 모 등 다양한 제품이 출시되고 대중의 놀라움을 얻었습니다. 2019년에는 이미지 인식 분야의 성능 개선이 이어지는 동시에 디플러 닌 모델 output의 신뢰도를 높이기 위한 데이터 bias을 줄이는 영역에서 많은 개선이 이루어졌어요. 2020년에는 어떤 모습으로 발전할지 기대됩니다. 옴니아스에서도 주목할만한 소식을 전할 수 있도록 더욱 노력하겠습니다!

·20일 8년을 빛낸 6개의 AI이슈·파도우크왕 AI, 스타 크래프트 2정복할래?! :인문계 수험생이 털어 본 스타 크래프트 2프로 토스 제왕'달걀 파스타'​·디플러 닌 라이즈:알 빠코는 하루 낮에 자신의 오지 않다

>

AI가 패션을 사랑하는 방식 옴니아스