[특강] 데이터의 관점에서 바라보는 인공지능

쪼이번 포스팅은 모두의 연구소 김승일 소장님의 쫄지말자 딥러닝 첫번째 강연을 토대로 정리한 내용과 소감을 적은 글로 강연의 내용과 약간 다를 수 있습니다.

 

 

modulabs.co.kr/

모두의연구소

하고 싶은 연구주제가 있다면 누구든지 연구실을 만들 수 있고, 재밌어 보이는 연구실을 찾았다면, 누구나 연구실에 참여할 수 있는, 모두 모여 함께 연구하는 세상에 없던 단 하나의 열린 연구소, 모두의 연구소.

 

오늘은 모두의 연구소 김승일 소장님께서' 쫄지말자 딥러닝 - 데이터의 관점에서 바라보는 인공지능'의 강연을 열어주셨다.

한참 노드를 진행하며 코드 작성하는 것과 문제해결에만 집중하고 있던 요즘 인공지능의 인사이트를 얻고자 참여하였다.

강의내용을 필기한 것과 나의 생각을 같이 적어보았다.

 

 

 

- AI 로봇을 만들때에 가이드 라인이 있다?

 

EU의 AI로봇 가이드라인 여러 가지 있는데 그 중 인상 깊은 것은 두 가지이다.

- 킬스위치가 꼭 필요하다.  (= 로봇 작동을 멈추는 버튼 장착해야 한다.)

- 인간을 해치면 안된다. 

 

즉, AI가 인간을 해치지 않아야 하고 인간이 제어할 수 있어야 한다. 이것은 인간이 AI를 발전시키고 있지만 AI에 대한 두려움을 가지고 있다는 증거이다. 

 

 

 

- 인공지능(AI)이란 무엇일까?

 

인공지능을 단순화해서 생각해보자.

강아지라는 (이미지) 입력이 주어지면 강아지라는 출력을 내보낸다.

이는 함수와 같으며 수수께끼 상자(어떤 하나를 넣으면 다른 하나가 나오는 상자)와 비슷하다.

 

원의 넓이를 구하는 방식은 2가지로 살펴보자. 

첫 번째는 원의 넓이를 구하는 공식 pi*r^2이다. (pi = 3.141592..., r = 원의 반지름)

두 번째는 MC(Monte Calro) sampling의 방법을 이용하여 넓이를 구할 수도 있다. 정말 간단하게 설명하자면 정사각형 안에 정사각형과 중심이 같은 원을 그리고 구슬을 정사각형 안에 랜덤하게 뿌려보자. 그렇다면 구슬이 원에 들어가있는 것이 있고(아래 빨간색 점과 같이) 정사각형 안에 있지만 원 밖에 있는 구슬(아래 파란색 점과 같이)이 있을 것이다. 우리는 정사각형 안에 있는 구슬 수와 원 안에 있는 구슬 수의비율을 통해 원의 넓이를 추론할 수 있다.

 

https://www.wikiwand.com/en/Monte_Carlo_integration

 

두 번째와 같은 방법을 사용한다면 우리는 원이 아닌 다른 도형의 넓이를 구할 때 일일이 사람이 공식을 넣어주지 않아도 된다. 이 방법이야말로 인간이 원하는 방법일 것이다.

 

 

 

- 그렇다면 머신러닝이란 무엇일까?

 

머신러닝은 함수가 똑똑해지는 것이다.

데이터가 늘어날수록 원래 있었던 함수가 점점 변해가면서 학습해나가기에 머신러닝이라고 하는 것이다. 아까 원의 넓이를 두 번째 방법(MC sampling)으로 구하는 것도 머신러닝 기법 중 하나이다.

 

 

- 3가지 유형의 머신러닝

 

1. 지도학습

정답을 알고있는 있다면 대부분 이를 통해 해결해야 한다. BTS 정국의 팬을 위해 BTS전체 영상 중 정국이 나오는 영상만 추출해주는 기능과 같은 AUTO cut 등을 활용할 수 있다.

 

2. 비지도학습

부정방정식에서 조건이 주어졌을 때 풀리는 것과 같은 유형이다. 

- 나의 예시: 부정방정식과 같이 어떤 것을 넣어도 답이 될 수 있는 상황이 주어졌다고 하자. (국내 박쥐의 서식지를 군집화할 때 어떻게 군집을 지어도 답이라고 할 수 없다.) 이때, 군집의 수를 결정하고(5개: 경기, 강원, 충청, 전라, 경상) 군집을 결정짓는 방식(거리를 통해서)이 정하여 조건이 주어지면 우리는 이에 맞는 군집화를 진행할 수 있다.

 

3. 강화학습 

정답을 모를 때 가장 먼저 떠올려야 하는 방법이다. 정답 대신에 보상과 처벌을 주면서 학습하도록 하는 유형이다. 쥐에게 빨간 버튼을 누르면 먹이를, 파란 버튼을 누르면 전기 충격을 가하게 하는 등과 비슷한 학습 방법이다. 다른 학습결과는 구별되게 강화학습의 결과는 개발자의 능력에 따라 달라지는 특징을 가진다.

 

 

 

- 강화학습을 위해 고려해야할 사항 SAR(State, Action, Reward) - 이번 강연에서 가장 인상 깊었던 내용이었다.

 

강화학습을 하기 위해서는 정확하게 State, Action, Reward 등을 어떻게 줄 것인지 생각해낼 수 있는 힘이 필요하다!

State는 변경할 수 있는 상태들을 말한다. Action은 상태(State)를 변경하기 위해 취할 수 있는 행동이다. Reward는 행동(Action)에 대한 결과(보상이나 패널티)이다.

 

하나의 예로 자율주행 자동차가 아래와 같이 지나간다고 해보자.

 

놀랍지만 4차선 도로에  빨간차와 파란차가 각각 다른 길로 들어와 부딛히지 않고 다른 방향의 길로 나가야 하는 문제를 그림으로 그린 것이다.

 

state는 차선 1, 1.5, 2, ..., 4 등이 될 수 있다.

Action은 핸들정보, 엑셀, 브레이크 등이 될 수 있다. (방향전환, 속도가 아니라 자동차의 행동이어야 하는 것을 주의해야 한다.)

Reward는 부딛히면 패널티, 빨리 목적지 도착 시 보상 등이 될 수 있다.

 

이를 생각해내는 것은 쉽지 않고 훈련이 필요한 것 같다. 풀어내고자 하는 문제의 본질과 해결방안이 무엇인지 정확하게 바라보는 통찰력과 사고력이 요구될 것이다. 

 

 

이번 강연을 통하여서는 지식을 알아가는 것보다는 인사이트를 얻어가는 것이 가장 컸다. AI를 공부하기 위해서 깊은 내용을 당연히 깊이 있게 공부해야겠지만 그렇게 공부할 수 있는 원동력은 AI가 해결해줄 수 있는 문제들에 먼저 관심을 가지고, 어떻게 해결할 수 있을까에 대한 호기심과 필요인 것 같다.

 

 

예전에 한 유머로 '전공별 물에 빠진 사람 구하기'가 떠올랐다.  광학과 전공자는 오목거울과 볼록렌즈로 햇빛을 집중시켜 강물을 증발시킨다. 화학과 전공자는 소금을 잔뜩 넣어 밀도를 키워서 사람을 뜨게 한다. 신학과 전공자는 강물이 두 갈래로 갈라질 때까지 기도한다. 헛웃음이 나오는 유머지만 분명 사람은 자신이 배운 것을 토대로 어떤 문제를 바라보고 해결하려 한다는 것이다. 나는 AI와 머신러닝을 배우고 있고, 이는 우리 생활에 밀접한 문제해결에 활용할 수 있을 정도로 활용도가 높다. 그렇다면 이제는 어떤 문제를 바라볼 때 이런 관점으로 생각해내는 힘을 길러야겠다. 특히, 강화학습을 통한 문제해결 방안을 생각하는 훈련을 해봐야겠다.

 

 

마지막으로 소장님의 책 추천

 

AI 마인드 책
www.yes24.com/Product/Goods/74316903

AI 마인드

 

 

 

 

-히비스서커스-