O’reilly Artificial Intelligence Conference 참관 후기

O’reilly Artificial Intelligence Conference 참관 후기

필자는 SDSRA AI lab에서 Global Exchange Program을 위한 과제 수행 중이며, 9월 4일부터 7일까지 샌프란시스코 힐튼 호텔에서 열린 ‘O’reilly AI Conference’에 다녀왔습니다. 세계에서 가장 큰 AI 행사 중 하나인 O’reilly AI Conferences는 1~2일차에 Training course, 2일차에 Tutorial, 3~4일차에 Keynote 및 여러 참관 업체들의 Session으로 구성되어 개발자부터 컨설턴트, PM 등 누구에게나 다채로운 경험을 제공했습니다.

Artificial Intelligence Conference

행사의 전체 일정은 아래 링크를 참조하세요.
https://conferences.oreilly.com/artificial-intelligence/ai-ca/schedule/2018-09-04

지금부터 필자가 참여한 Tutorial과 몇 가지 Session들을 공유하겠습니다.
다양한 주제가 포함되어 있는데, 이 중에 여러분께도 흥미로운 주제가 있길 바랍니다.

여러 Tutorial 중 첫 번째로 참여한 것은 ‘Design thinking for AI’였습니다.

Artificial Intelligence Conference tutorial1-Design thinking for AI

Design thinking은 잘 알려진 디자인 방법론 중 하나로 고객 중심의 창의적 사고를 도출하여 문제를 해결하자는 취지인데요. 이 방법론을 AI 분야에도 접목하여 기술 활용을 목적으로 하지 말고, 고객이 진짜 필요로 하는 방향으로 설계 및 개발해 나가야 한다는 요지였습니다. 해당 시간에 5~6명이 한 팀을 이뤄 자율 주행 자동차에 대하여 아이디어를 교환하였는데, 필자가 속한 팀은 “목적지에 안전하게 도착하는 것”이 최우선 사항이라고 의견을 모았습니다. 또, 자율 주행 자동차와 사람으로 나뉘어 역할극을 진행하면서 그동안 별로 중요하게 생각지 않았던 ‘긴급상황에서의 주차 금지 구역’, ‘최고 시속 제한’ 등에 대해서 다시 한번 생각해볼 수 있었습니다.

다음으로 소개할 Tutorial은 Microsoft에서 준비한 Building intelligent mobile applications in healthcare입니다.

Artificial Intelligence Conference tutorial2-Microsoft Building intelligent mobile applications in healthcare

Microsoft는 폐 X-ray 사진을 통해 질병 여부를 판별해내는 모델을 구현하였고, ONNX를 활용하여 이 모델을 모바일 애플리케이션으로 개발하는 과정을 소개했습니다. 또, 발표를 통해 3D CT 사진 속의 장기들을 Segmentation(분할)하였는데, 이 부분이 굉장히 흥미로웠습니다.

의학 관련 영상/사진 분야에서는 CNN 모델을 주로 활용하는데, 이 경우엔 중심 Vector와 주변 부분의 관계 정보를 이용하여 Deep decision tree를 사용했다고 합니다. 해당 모델을 이용함으로써 적은 샘플로도 학습이 가능해지고, 최근 이슈로 떠오른 Uncertainty를(불확실성을) 충족시킬 수 있습니다. 데이터 확보가 어려운 AI 분야에서 이러한 접근 방법은 매우 의미가 있죠.

3~4일차 프로그램이었던 keynote는 약 2시간씩 진행되었는데, 여러 명의 발표자 가운데 특별히 기억에 남는 2개의 주제만 공유하겠습니다.

[China : AI superpower]

Artificial Intelligence Conference tutorial3 - China : AI superpower

Sinovation Ventures의 최고 경영자인 리카이푸(Kai-Fu Lee)는 AI 시장에 대해, 미국이 주도해온 ‘AI 대발견의 시대’에서 중국이 해당 기술을 활용하고 발전시키는 ‘대접목의 시대’로 변화될 거라고 예견합니다. 중국이 국가 차원에서 정책적 지원을 강화하고 있으며, 세계 최고의 데이터 생산력과 연산력(Computing power) 및 유능한 인력들을 갖추고 있으므로 위 말이 허세로 들리지는 않습니다. 일례로, 신도시에 2개 층으로 이루어진 도로를 만들어 자율 주행 차량과 일반 차량을 분리하겠다는 계획은 그 자체만으로도 AI 분야에 대한 중국의 지대한 관심을 나타내죠. 996(9시부터 9시까지 6일 동안)으로 표현되는 인력과 강력한 자본력, 그리고 중국만의 국가적 특성이 뒷받침되는 AI 리더의 꿈이 조금은 부럽기도 합니다.

[The breadth of AI applications : The ongoing expansion]

Artificial Intelligence Conference tutorial4 - Google The breadth of AI applications : The ongoing expansion

다음은 구글의 Research Director인 Peter Norvig의 발표입니다.
구글 검색 엔진의 발전을 이끌었던 인물로, AI 관련 전공 서적으로도 매우 유명한 분입니다. ‘AI 기술은 끊임없이 발전되어 왔고, 앞으로도 그 적용 분야를 넓혀나가며 발전할 것이다’가 발표의 요지였습니다. 딥 구조에서의 ReLU의 활용(Yoshua Benjio), Ian Goodfellow의 GANs, Sergey loffe의 Bach Normalization 같은 이론적인 분야에서 출발해 안저 사진을 통한 심혈관 위험 측정, 암 유무 판별, 일반 사진을 아웃포커싱 형태로 변환하기 등의 실용적인 분야까지 여러 Use cases를 이해하기 쉽도록 설명했습니다.

Use case 01 - 안저 사진을 통한 심혈관 위험 측정 Use case 01 - 안저 사진을 통한 심혈관 위험 측정 Use case 02 - 암 유무를 판별했던 고등학생 Use case 02 - 암 유무를 판별했던 고등학생 Use case 03 - 이미지 아웃포커싱 모드 변환 Use case 03 - 이미지 아웃포커싱 모드 변환

Keynote 이후 진행된 Session은 이틀 동안 약 80여 개가 진행되었습니다. 그중 흥미로웠던 몇 가지 Session을 소개합니다.

[Achieving personalization with LSTMs]

Achieving personalization with LSTMs

AI 분야에 굉장한 투자를 하고 있는 Uber에서 준비한 세션입니다. 자율 주행에 엄청난 관심을 쏟고 있는 만큼 발표 내용은 미래 승객의 이동 도시, 거리, 양 등을 예측하는 모델에 관한 것이었습니다.

미래 승객 예측 지도 미래 승객 예측 지도

LSTM(Long short-term memory)은 일반적으로 번역, 음성 신호, 손글씨 등 시계열 데이터를 처리하기 위한 모델입니다. 저 또한 현재 비슷한 과제를 진행 중이기에 매우 관심 있게 들었습니다. Uber의 예측 모델에서는 기사들의 이동 거리를 주요 features로 사용하는데, 이 값이 대부분 0 근방의 값으로 측정되기 때문에 이동거리는 0일 때와 0이 아닐 때로 나누어 값을 도출할 수 있도록 ZIP(Zero-inflated Poisson) loss를 사용했습니다.

LSTM(Long short-term memory) 모델 구조 LSTM(Long short-term memory) 모델 구조

ZIP Loss를 통하여 평균 이동 거리와 매우 짧은 거리(0)를 운행할 확률 값을 얻을 수 있는데 이는 곧 Uncertainty(불확실성)를 해소한다고 볼 수 있습니다. 또한 Driver(운전자)별 특성을 부여하기 위하여 보통 사용하는 One-hot 벡터나 Word embedding 형태의 Embedding이 아닌 LSTM cell을 사용한 것도, 기존과 다른 접근 방식이었습니다. 저도 해당 세션의 내용을 바탕으로 제 Forecasting(예측) 모델을 수정해서 실험해볼까 하는데 그 결과가 사뭇 기대됩니다.

[AI for Earth: Using machine learning to monitor, model, and manage natural resources]

개인적으로 가장 감명 깊었던 세션입니다. AI를 공익적인 목적으로 활용한다는 내용의 Microsoft의 발표였는데요.

AI for Earth: Using machine learning to monitor, model, and manage natural resources

질병 예측을 위한 모기 혈액 분석, 드론 이미지와 토양 영양 및 수분 감지 센서를 결합한 (게다가 매우 저렴한) 농장 작물 모니터링, 무인 항공기와 로컬/클라우드 서버를 이용한 실시간 밀렵꾼 감시 시스템, 야생 동물 보호와 연구를 위한 애플리케이션 등 Jennifer Marsman의 매우 열정적인 발표에 참석자의 호응이 대단했습니다. 누군가가 Incredible presentation(‘놀라운 발표다!’)이라고 외쳤고, Jennifer 역시 본인도 그렇게 생각한다고 대답해 세션은 큰 웃음으로 마무리되었습니다.

[그 밖에 흥미로웠던 현장]

여러 Session과 기업 부스에 참여해보니 Amazon, Microsoft, Google은 자사의 Cloud 홍보에 굉장히 적극적이었습니다. 아무래도 Cloud 시장이 뜨거운 감자이기 때문이겠죠. Amazon의 Aws와 Microsoft의 Azure가 안정적이고 User-friendly(사용자 친화적인) 콘셉트를 강조했다면, Google cloud는 경쟁사 대비 더 빠른 Training/Test 속도를 강조했습니다. 또한 Healthcare 쪽 솔루션들이 눈에 띄었는데 동일한 폐 X-ray 사진을 갖고도 Microsoft는 DenseNet으로, Intel은 Inception-V3로 각각 질병 판별을 해냈다는 사실이 흥미로웠습니다.

기업 부스 전시관

O’reilly Artificial Intelligence Conference는 그 큰 규모를 자랑하듯 다양한 내용을 접할 수 있는 자리였습니다. Cloud 시장, Startup 기업들의 최신 AI 서비스, 선진 회사들의 개발 Trend, 고민 등을 한자리에서 엿볼 수 있었죠. 바라건대 삼성SDS의 솔루션과 서비스를 이런 행사에서 곧 선보일 수 있게 되길 기대해봅니다.
각 발표 자료와 Keynote 영상은 아래에서 확인 가능합니다.
◐ slide
https://conferences.oreilly.com/artificial-intelligence/ai-ca/public/schedule/proceedings
◐ keynote
https://www.oreilly.com/ideas/highlights-from-ai-sf-2018

* 이미지 출처
 - Tutorial 중 Design thinking for AI : O’reilly 공식 사진
 - Use Case : 공식 배포용 발표자료 캡쳐




▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.

윤주현 책임
윤주현 책임
삼성SDS IT혁신사업부

윤주현 책임은 삼성전자 SCM 시스템 운영/개발을 담당했으며, 업무 영역을 넓히고 신기술을 습득하고자 산호세 SDSRA로 자리를 옮겨 Global exchange program에 참여하고 있습니다.

구독하기

인사이트 리포트 소식을 메일로 받아보세요