By WILL KNIGHT, WIRED US

일반적으로 인공지능(AI)은 여전히 인간의 극도로 힘든 작업을 기반으로 구축된다. AI 알고리즘 내부를 살펴보면 인간 연구원 집단이 전문적인 지식을 동원해 수집하고, 분류한 데이터를 이용해 제작된 것을 발견할 수 있다.

이제 페이스북은 일부 AI 알고리즘이 이전보다 인간의 도움을 훨씬 덜 받고 유용한 작업을 할 수 있는 방법을 보여주었다. 페이스북은 분류 작업이 거의 이루어지지 않은 이미지 속 객체를 인식하는 방법을 학습한 알고리즘을 구축했다.

'자가 지도'라는 뜻을 지닌 페이스북의 알고리즘 시어(Seer)에는 인스타그램에서 스크랩한 이미지 10억 개 이상이 투입돼, 스스로 사진 속 객체를 식별하도록 한다. 수염 결정과 털, 뾰족한 털 등이 있는 이미지를 수집해, 하나의 객체를 형성한다. 그리고, 알고리즘에는 고양이로 분류된 사진을 포함해 특정 개체를 분류한 소수 사진이 주어진다. 시어의 이미지 식별 능력은 각각의 객체의 예시가 분류된 사진 수천 개를 이용해 훈련받은 알고리즘만큼 훌륭했다.

AI 및 컴퓨터 비전 전문가인 프린스턴대학교의 부교수 올가 루사코프스키(Olga Russakovsky)는 "시어 개발 결과는 인상적이다. 자가 지도 학습법을 이용한 작업은 매우 어렵다. 또, 시각 인식 개선을 위한 최신 단계의 중요한 영향을 지닌 자가 지도 학습법 개발 영역에 있어 획기적이다"라고 말했다.

루사코프스키 부교수는 인스타그램 이미지가 자가 학습을 위해 엄선된 것이 아니라는 점에 주목할 만하다고 설명한다.
 
페이스북의 수석 과학자 얀 르쿤(Yann LeCun)은 페이스북의 이번 연구는 자가 지도 학습법이라고 알려진 AI 접근 방식에 있어 기념비적인 성과를 거두었다고 말한다.

르쿤은 데이터를 대규모 인공 신경망에 투입하는 과정이 포함된 딥러닝이라는 머신러닝 접근 방식의 선구자이다. 약 10년 전, 딥러닝은 이미지 분류와 음성 인식 등 모든 유용한 작업을 하는 기기 프로그래밍을 위한 더 나은 방식으로 급부상했다.

르쿤은 분류된 데이터를 다량으로 투입하는 알고리즘 훈련 과정이 필요한 기존의 접근 방식은 단순히 규모를 키우지 않을 것이라고 말한다. 그는 "오랫동안 자가 지도 학습법을 지지해왔다. 장기적으로 AI의 발전은 아기처럼 항상 여러 영상을 보는 프로그램을 통해 이루어질 것이다"라고 말했다.

르쿤은 자가 지도 학습법으로 여러 스캔 이미지와 엑스레이 이미지 분류 작업을 할 필요 없이 유용한 애플리케이션을 여러 개 얻을 수 있다고 말한다. 그는 자가 지도 학습법과 비슷한 방식도 이미 인스타그램 이미지 해시태그 자동 생성에 활용되고 있다고 언급했다. 이어, 시어의 기술을 페이스북에 사용해, 게재할 광고를 결합하거나 바람직하지 않은 콘텐츠를 제거하는 데 도움을 줄 수 있다고 덧붙여 설명했다.

페이스북의 연구는 딥러닝 알고리즘을 살짝 개선해 효율성과 작업 효과를 더 높이는 꾸준한 과정에 따라 구축됐다. 과거, 자가 지도 학습법은 텍스트 번역 작업에 적용됐으나 단어보다는 이미지 처리 작업에 적용하는 것이 더 어려웠다. 르쿤은 페이스북 연구팀이 이미지의 한 부분이 변경되어도 이미지를 인식하도록 학습할 수 있도록 새로운 방식으로 알고리즘을 개발했다고 전했다.

페이스북은 시어에 적용된 일부 기술을 공개할 예정이다. 인스타그램 사용자 데이터로 알고리즘 훈련했기 때문에 알고리즘 자체는 공개하지 않을 것이다.

MIT 컴퓨터 자각 및 인지 연구소를 이끄는 오드 올리바(Aude Oliva) 교수는 "자가 지도 학습법 덕분에 더 어려운 시각 인지 작업을 수행할 수 있을 것"이라고 말했다. 그러나 올리바 교수는 수십억 혹은 수조 개로, 자가 지도 학습법이 적용된 알고리즘과 비교할 수 있는 수준의 기존 이미지 인식 알고리즘보다 훨씬 더 많은 신경망이나 변수를 지닌 시어와 같은 최신 AI 알고리즘의 단순한 규모와 복잡성도 문제가 된다고 지적한다. 최신 AI 알고리즘에는 많은 양의 컴퓨터 전력이 필요하며, 사용할 수 있는 칩 공급량이 제한된다.

캘리포니아대학교 버클리캠퍼스의 알렉세이 이프로스(Alexei Efros) 교수는 페이스북의 논문은 많은 양의 데이터를 사용한 AI가 적용된 기기의 자가 학습 발전에 중요한 접근 방식을 훌륭하게 설명할 것이라고 믿는다. 또, 그는 오늘날 AI 기술의 대다수 진전과 마찬가지로 자가 지도 학습법은 페이스북 시어 연구팀, 학계 및 업계의 다른 여러 연구팀이 이룬 여러 기술 발전을 기반으로 구축된다고 설명했다.

** 위 기사는 와이어드US(WIRED.com)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
Facebook’s New AI Teaches Itself to See With Less Human Help