인공지능 이모저모

Google이 AutoML에 뛰어들었다는 것을 보여주는 첫번째 결과이다. Neural Network은  여타 Machine Learning 기법과는 조금 다르게 최적의 구조를 찾아내는 것 자체가  매우 힘들고 시간이 드는 일이다. Google이 AutoML기법을 이용해, 이 과정을 자동화하려고 하고 있다. 우리가 알고 있는  많은  수의 Deep Learning 모델은 수동으로 (주로  대학원생들에 의해 :))  찾아내진 모델이다. 앞으로 조금은 Data Scientist의 짐이 덜어질까? 원본문서는:  https://research.googleblog.com/2017/05/using-machine-learning-to-explore.html

구글이 인공지능 개발에 점점 더 박차를 가하고 있다. Google.ai 사이트 오픈과 함께 대규모의 AI 부서를 출범시켰다. 이 행사에서는 크게 TPU와 AutoML에 대한 소개로 이어졌다고 한다. 원본문서는:  https://www.engadget.com/2017/05/17/google-launched-a-massive-open-ai-division/

굳이 여행을  즐기는  사람이  아니더라도  한번쯤은  들어봤을 법한 Airbnb. 전세계 여행자들이 사용하는 사이트이기 떄문에 생산되는 양의 자료도 매우 방대하다. Airbnb에서는, 이런  많은 자료의 분석을 효율적으로  하기위한 한 방안으로 AutoML (Automated Machine Learning) 방법을 사용한다고  한다. Airbnb에서  AutoML에  대한 인식은  아래와 같다:  “...The scope of AML is ambitious, however, is it really effective?... we believe that in certain cases AML can vastly increase a data scientist’s productivity, often by an order of magnitude… “ 즉, 특정  경우에는,  data scientist의 생산성을 수십배 가까이 (an order of magnitude) 향상시킬수  있다는 것.  원본문서는:  https://medium.com/airbnb-engineering/automated-machine-learning-a-paradigm-shift-that-accelerates-data-scientist-productivity-airbnb-f1f8a10d61f8

인공지능은 다양한 분야에서 사용된다. 과학계도 예외가 아니다. Gaia 인공위성. 내가 3년간 몸 담기도 했었던 프로젝트로 유럽항공우주국에서 발사한 인공위성이다. 목적은 우리 은하계내의 십억개의 별의 정확한 위치를 포함한 다양한 특성을 관측하기 위함이다. 자세한 내용은:  http://sci.esa.int/gaia/ 혹은  https://en.wikipedia.org/wiki/Gaia_(spacecraft) Gaia 인공위성이 내뱉는 자료의 양의 매우 방대하고 복잡하다. 이 자료에서 우리가 모르는 현상 혹은 새로운 천체를 찾기위해서는 다양한 형태의 자료분석방법론을 적용해야 한다. 그 중 하나가 인공지능이다. Gaia 연구진들이 인공지능기법 (Neural Network)을 이용해 초고속별들을 찾아냈다. 이런 별들의 운동특성을 연구함으로써 우리 은하의 기원과 진화에 대해 더 깊게 탐구할 수 있게된다. 논문은:  https://arxiv.org/abs/1704.07990

재능이 없는 (나 같은) 사람들은 그림 잘 그리는 사람이 참 부럽다. 그런 사람들을 위해 Google이 AI를 이용, 새로운 서비스를 내놓았다. 이름하여 AutoDraw. 마우스로 찍찍 몇번 그으면 최대한 비슷한, 그리고 나름 잘 그려진, 그림을 추천해준다. 궁금한 사람들은 한번 시도해보길.  내  원래 의도와는 다른 그림이 자주 추천되지만 그건 내 그림 실력이 그만큼 떨어지는 걸로.. 위 그림은 내가 "무언가"를 그리려고 했을 때 Google이 추천해준 그림이다.  "무언가"는 과연 무엇이었을까? 원본문서는:  https://www.popsci.com/google-is-exploring-weird-intersection-art-and-machine-learning 해당 사이트는:  https://www.autodraw.com/

엘론 머스크는 항상  새롭고 신기한(?) 생각을 한다. 이번에는 인간뇌의 한계를 극복하기위해 AI를  뇌에 심는 Neuralink 프로젝트를  구상하고 있단다. 물론, 언제 실용적인 형태로 나올지는 미지수다. 원본 문서는:  https://www.engadget.com/2017/03/27/elon-musk-neuralink-ai-cranial-computing/

AI/ML 에 관심있는 사람이라면 한번쯤은 들어봤을 data science community인 Kaggle. 다양한 그리고 방대한 양의 자료를 보유하고 있고 그에 상응하는 많은 AI/ML 사용자들 역시보유하고 있는 community다. 그렇기에 Google이 인수를  한 것도 그다지 놀랍지 않다. 자료는 물론 잠재적 사용자들까지 확보할  수 있으니까. 원본문서는:  https://techcrunch.com/2017/03/07/google-is-acquiring-data-science-community-kaggle/

기본적으로 사람은 각자의 이익을 위해 움직인다. 자신의 이익을 해치는 행위는  최대한 자제하려고 하는 본성이 있다. 그렇다면 어느  때 인간은 협력을 할까?  간단하게 생각하면, 당연히, 협력했을  때 보상이 더 클때 협력을 한다. Google DeepMind에서는 강화학습 (Reinforcement Learning)을 통한 두 개의  다른 게임플레이를 통해 이를  확인시켜준다. 첫번째 게임은 "수확게임".  두 명의 플레이어가 보다 많은 과일 (녹색점)을 얻기위해 경쟁하는 게임이다. 과일을 많이 얻을수록 보상도  높아진다. 각 플레이어는 일종의 "광선"으로 상대방이 잠시동안 수확을 못하도록 할수  있다. 하지만  이로 인한 보상은 없다. 자연히,  그렇기에, 과일의 수가 적어질수록 서로를  마비광선으로 방해하려고 한다. 과일이 많은 경우는 수확에 힘을 더 쏟지만  말이다. 이  게임은  "늑대무리게임" 으로 기본적으로 두 늑대가 협력해야 먹잇감을 잡을  가능성이 커지는 게임이다. 따라서 자연히  늑대들은 협력을 하게된다. 원본 문서는:  https://deepmind.com/blog/understanding-agent-cooperation/ 위 게임을 통해 간단하지만 쉽게 지나치는 인간사회의 한가지 보편적인 사실을 알  수 있다. "인간은 주어진  규칙 위에서 최대한의 보상을 위해 움직인다." 다른 말로 바꾸자면, 어떤 그룹의 구성원들의 행동양태는 해당 그룹이 규정한  규칙에 따라 바뀐다는  것이다. 그것이,  한  가정이든, 학교든,  연구소든, 기업이든, 심지어는 한 국가이든 상관없이. 홀로 독립적으로 자급자족...

아이언맨의 모델로도 알려져있고  (실제로 영화에도  카메오로 한번 출연한 적이 있다) PayPal 창업주이자, 항공우주업체인 Space X 공동창업자, 전기자동차 Tesla 등등. 또한 AI에도 관심이  많은 것으로 잘 알려있기도 하다. 발렌타인 데이를 맞아(?) 두바이에서 열린 World Government Summit 에서 AI에 대해 인터뷰를한 기사다. 다양한 내용이 나오는데  요약하자면, 1) 인공지능이 인간보다 못하는 일은 점점 적어질 것이다 2) 인간의 두뇌를 기계의 힘을 빌어 향상시킬수 있는 방법이 나올 것이다. 3) AI 가 발전하면 할수록, 인간을 기계가  대치할 것이기에  "보편기본임금(universal basic income)"이  필요할지도 모른다. 원본문서는:  https://www.popsci.com/elon-musk-artificial-intelligence-cyborg-jobs?dom=rss-default&src=syn#page-4

연말정산. 매년  반복해야되는,  가끔은 지긋지긋한 세금정산. 제대로 처리하면 환급도 가능하지만,  몇몇 정보를 실수로 누락하면 추가징수를 당할 수도  있는, 호환마마 같은  녀석이다. 미국 역시 연말정산이  힘들긴 마찬가지이다 사실  5년간 경험해 본  바로는, 한국은 천국이다.  한국에  비해 엄청나게 많은 서류를  작성해야되고 복잡하기도 이루 말할 수가 없다. 연말정산해주는 상용프로그램이  아주 비싸게  팔리고 있는 실정이니까. IBM Watson, 잘 알려진 Q&A 시스템이 이 연말정산을 도와주기  위해 나섰단다. 사용자가 입력한 정보들을 바탕으로  최대로 절세를 할 수 있는  방법을 알려준단다. 다만 주의할 점은: “...This doesn't guarantee that Watson will find dramatic savings. It's dependent on your input, so it won't know to go looking for deductions if you haven't at least suggested something…” 이란다. 즉, 만능은 아니라는  말. 원본 문서는:  https://www.engadget.com/2017/02/01/watson-to-help-with-hr-block-taxes/