#Digital
2018.07.12
3 LIKE
1,172 VIEW
-
-
- 메일 공유
-
https://stories.amorepacific.com/%ec%a0%9c21%ed%99%94-%ec%9d%b8%ea%b3%b5%ec%a7%80%eb%8a%a5%ec%9d%84-%eb%a7%8c%eb%93%9c%eb%8a%94-%ec%9d%b8%ea%b3%b5%ec%a7%80%eb%8a%a5-%ec%98%a4%ed%86%a0m
제21화. 인공지능을 만드는 인공지능 오토ML
칼럼니스트최문규 님
아모레퍼시픽 디지털 정보혁신팀
오토ML(AutoML)이란?
구글(Google), 아마존웹서비스(AWS), 마이크로소프트(Microsoft) 등 인공지능(AI) 기술을 선제적으로 준비하고 제공해온 글로벌 IT 전문 기업들이 추구하는 목표 중 하나는 'AI 일반화' 또는 'AI 대중화'입니다. 지금까지 인공지능 기술은 소수의 통계와 기술 전문가들만 이용할 수 있는 하이테크(High-Tech)이고 여전히 많은 기업들은 머신러닝(Machine Learning)을 쉽게 도입하지 못하고 있습니다. 또한 자사만의 고유한 인공지능 서비스를 제공하기 위해 머신러닝 모델이 필요하지만 개발 전문 인력 부족에 시간과 비용이 많이 소요되는 복잡한 과정들을 거쳐야 하는 만큼 그 결과를 장담할 수 없습니다. 때문에 인공지능에 대한 회의론과 기술 기업과 일반 기업과의 활용에 있어서의 격차는 더욱더 커지고 있는 상황입니다. 이를 타개하기 위한 일환으로 일반 개발자나 데이터 전문가 그리고 비즈니스 분석가도 쉽게 이용할 수 있도록 인공지능 기술을 확산하고자 개발된 것이 '오토ML(AutoML)'입니다.
오토ML은 인공지능을 만드는 인공지능
지금까지의 머신러닝 모델의 개발 과정은 비즈니스 담당자와 데이터 전문가 그리고 머신러닝 코드 개발을 위해서 개발자(Engineer)가 관여해 실제 모델 개발 과정을 진행해왔습니다. 그 과정은 '데이터 수집(Fetch)→정제(Clean)→준비(Prepare)→모델 훈련(Train Model)→모델 평가(Evaluate Model)→서비스 배포(Deploy to Production)→모니터링(Monitoring)'을 거치며, 마지막으로 정확도(Accuracy)를 높이기 위해 훈련 과정을 반복적으로 수행해 최적의 결과를 찾아가는 것이 머신러닝 모델 개발이었습니다.
오토ML(AutoML)의 특징은 무엇보다 머신러닝 기술을 쉽게 사용할 수 있도록 도와주는 것으로 머신러닝 개발자가 모델을 개발하려면 훈련 데이터를 이용해 최적의 알고리즘과 훈련 과정 그리고 훈련을 위한 변수를 직접 선택해야 하지만 좋은 결과를 위해서는 경험과 기술 역량이 높아야 좋은 결과를 기대할 수 있습니다.
그러나 오토ML의 도움을 받으면 어느 정도의 인공지능 개발 경험이 있다면 이 작업을 최대한 빠르고 간단하게 처리해줄 수 있게 됩니다.
오토ML(AutoML)의 특징은 무엇보다 머신러닝 기술을 쉽게 사용할 수 있도록 도와주는 것으로 머신러닝 개발자가 모델을 개발하려면 훈련 데이터를 이용해 최적의 알고리즘과 훈련 과정 그리고 훈련을 위한 변수를 직접 선택해야 하지만 좋은 결과를 위해서는 경험과 기술 역량이 높아야 좋은 결과를 기대할 수 있습니다.
그러나 오토ML의 도움을 받으면 어느 정도의 인공지능 개발 경험이 있다면 이 작업을 최대한 빠르고 간단하게 처리해줄 수 있게 됩니다.
-
SageMaker 개발 과정
오토ML의 장점
인공지능을 만드는 인공지능이 가능해진 비밀은 기계 학습 기술인 '전이 학습(Transfer learning)'과 '러닝투런(Learning2learn)'의 활용 덕분입니다. 이것은 완성된 인공지능 모델을 자동으로 재활용함으로써 새로운 문제 해결을 위한 문제 해결을 더 쉽고 빠르게 할 수 있다는 원리입니다.
이러한 오토ML의 장점을 정리하면
첫 번째 '뛰어난 정확도'입니다. 오토ML은 미리 학습시켜놓은 모델을 활용해 머신러닝 모델을 학습시키기 때문에 보다 정확한 방향으로 머신러닝 모델을 비교적 쉽게 학습시킬 수 있습니다.
두 번째 장점은 '제작 속도'입니다. 오토ML을 활용하면 인공지능 모델 개발에 빠르면 몇 주, 길면 몇 달씩 걸리는 기존 인공지능 개발 방식보다 개발 기간을 크게 단축할 수 있습니다.
세 번째 장점은 '쉬운 인터페이스'입니다. 어려운 프로그래밍 인터페이스 대신 직관적으로 쉽게 이해할 수 있는 사용자 인터페이스(GUI)를 통해 기본적인 머신러닝 개발을 쉽게 추진할 수 있습니다.
두 번째 장점은 '제작 속도'입니다. 오토ML을 활용하면 인공지능 모델 개발에 빠르면 몇 주, 길면 몇 달씩 걸리는 기존 인공지능 개발 방식보다 개발 기간을 크게 단축할 수 있습니다.
세 번째 장점은 '쉬운 인터페이스'입니다. 어려운 프로그래밍 인터페이스 대신 직관적으로 쉽게 이해할 수 있는 사용자 인터페이스(GUI)를 통해 기본적인 머신러닝 개발을 쉽게 추진할 수 있습니다.
오토ML의 현주소
1) 구글은 머신러닝의 개발을 쉽게 지원하기 위해 '클라우드 오토ML(Cloud AutoML)'이라는 이름으로 서비스를 출시했고, 구글의 CEO인 피차이는 "앞으로 5년 정도면 코딩이나 컴퓨터 언어를 전혀 몰라도 자신의 목적에 맞게 머신러닝 프로그램을 설계할 수 있을 것"이라는 장밋빛 전망을 내놓았습니다.
2) 아마존웹서비스도 머신러닝의 개발 환경 구축을 쉽게 하고, 실제 아마존.com의 경험을 바탕으로 검증된 알고리즘과 다양한 머신러닝 템플릿을 제공하며, 쉽고 안정적인 서비스를 자동으로 만들어주는 인공지능 개발 플랫폼인 '세이지메이커(SageMaker)'를 내놓았습니다.
3) 마이크로소프트도 기존의 'Machine Learning Studio'를 한 단계 발전시켜 인공지능의 개발과 서비스를 쉽게 만들 수 있도록 지원하는 완전 관리형 서비스 'Azure AI'를 출시했습니다.
오토ML은 인공지능 구원투수
이미 인공지능 분야에서 인력 문제는 매우 심각한 상황입니다.
2017년 말 발간된 인공지능 현황 뉴스를 참고하면 인공지능을 다룰 인재 수요가 전 세계적으로 폭발적으로 증가해 세계 인공지능 관련 기업이 필요로 하는 전문 인력이 약 100만 명으로 추정되지만 실제로 활동하고 있는 인력은 약 30만 명에 불과하며, 이 중 10만 명은 연구자로 실제 부족한 전문 인공지능 인력은 약 80만 명으로 추산된다고 합니다. 또한 인공지능 전문가를 육성하기 어려운 점을 감안해 인력 부족 만성화도 예상되고 있으며, 매년 배출되는 인재 수가 약 2만 명 정도밖에 되지 않아 시장 수요를 크게 밑돌고 있는 상황이라고 합니다.
[출처 : 2017 텐센트 글로벌 인공 지능 인재 백서]
5년간 한국 기업이 인공지능 고급 인력을 9,049명 채용할 계획이지만 실제 공급 인력은 1,781명에 그쳐 기업은 7,268명의 고급 인력 부족 현상을 겪는다고 합니다.
[출처 : 전자신문, http://www.etnews.com/20180427000267]
국내의 경우 네이버는 클로바 AI 연구팀을 주축으로 국내외 학회에서 연구 성과를 발표하는 가장 선두적인 노력을 기울이고 있으며, 올 1분기에만 AI 관련 인력을 1,500명 이상 뽑을 정도로 AI에 대해 회사의 모든 역량을 집중하며 인력 확보에 노력하고 있습니다. 또한 삼성은 미국에 이어 영국, 캐나다, 러시아에 글로벌 인공지능 연구 센터를 건립하고 한국 AI 총괄 센터를 바탕으로 인공지능 연구 개발 인력을 2020년까지 1,000명 이상으로 확대할 방침이라고 합니다.
[출처 : 중앙일보, http://news.joins.com/article/22446495]
잘 훈련된 인공지능 인력의 확보는 쉽지 않은 상황으로 일반 기업의 경우에는 인공지능 인력 확보는 더욱더 어려운 문제로 인식되고 있는 것도 사실입니다. 기업이 인공지능을 개발할 때 인공지능을 직접 개발하거나 오픈소스를 이용하면 인공지능 기술을 내재화할 수 있다는 장점은 있지만, 기술 개발에 많은 인력, 비용, 시간 등이 필요하며 경쟁 속도에 뒤처질 위험이 있습니다.
'AI Everything' 인공지능 시대를 맞아 비즈니스에 인공지능을 접목하는 것은 모든 기업이 당연히 해야 할 과제로 오토ML은 인공지능 개발 역량이 부족한 기업도 인공지능을 만들어 서비스에 적용할 수 있게 해주는 기술로 비즈니스 전반에 큰 변화를 가져올 수 있을 것입니다.
우리 아모레퍼시픽도 현재의 상황은 다른 기업과 크게 다르지 않다고 생각하기에 오토ML은 그 문제의 현실적인 해결책이 될 수 있을 것으로 기대합니다.
'AI Everything' 인공지능 시대를 맞아 비즈니스에 인공지능을 접목하는 것은 모든 기업이 당연히 해야 할 과제로 오토ML은 인공지능 개발 역량이 부족한 기업도 인공지능을 만들어 서비스에 적용할 수 있게 해주는 기술로 비즈니스 전반에 큰 변화를 가져올 수 있을 것입니다.
우리 아모레퍼시픽도 현재의 상황은 다른 기업과 크게 다르지 않다고 생각하기에 오토ML은 그 문제의 현실적인 해결책이 될 수 있을 것으로 기대합니다.
아마존 디지털 혜초 그리고 오토ML
저는 올해 3월 테마 혜초로 선정된 주제 '아마존 디지털 혜초' 과제에 참여하게 되어 지난 5월 중순 인공지능이 가장 역동적으로 발전하고 있는 미국 시애틀에 파견되어 약 한 달 반 동안 기술 전문가와 함께 머신러닝을 학습하고 실제 이를 비즈니스에 적용하기 위한 과제를 수행하고 있습니다.
-
아마존 본사
이곳에서의 주요한 주제는 아마존의 오토ML인 세이지메이커를 이용한 머신러닝 모델 학습 및 개발 능력을 쌓기 위해 기초 학습과 심화 학습, 그리고 실습을 통해 머신러닝을 학습하고 있습니다. 학습하는 과정에서 운 좋게도 현 아마존의 세이지메이커를 보다 강력한 '인공지능을 만드는 인공지능'으로 변화시키기 위한 오토ML 업그레이드 개발을 수행 중인 아마존 기술 파트너(Dimensional Mechanics)의 오토ML 툴을 배울 수 있는 기회도 얻을 수 있었습니다. 특히 인공지능을 만드는 인공지능의 지능부(Knowledge Base)를 오라클(Oracle)이라 부르며, 이 오라클이 경험을 쌓으면 더 똑똑해져 향후 더욱 다양하고 어려운 문제를 더 쉽고 효율적으로 해결할 수 있다는 것은 오토ML을 활용하려는 기업 입장에서는 매우 매력적이었습니다.
-
Dimensional Mechanics 로고
-
Neopulse 로고
-
DM에서 Neopulse CEO 교육
-
Neopulse 개발 리뷰
아직은 이제 막 시작한 머신러닝의 개발이 너무 어렵지만 오토ML을 활용하면 간단한 과제는 쉽고 빠르게 결과를 만들 수 있다는 것을 몸소 체험했습니다.
이 글을 쓰고 있는 지금은 샌프란시스코로 이동해 실제 아마존의 머신러닝 솔루션 랩(Machine Learning Solution Lab)과 함께 세이지메이커를 이용한 머신러닝 모델 개발 과제 수행을 준비하고 있습니다.
-
ML Solution Lab
본 아마존 디지털 혜초 경험을 바탕으로 한국에 돌아가서 인공지능의 비즈니스 적용과 확산을 지원하는 아모레퍼시픽의 인공지능 전문가(Core Of Excellence, CoE)로 작게나마 그 역할을 수행할 것을 목표로 하고 있으며 오토ML의 활용 및 그 경험을 전파해 아모레퍼시픽의 인공지능 역량 향상에 기여할 수 있도록 노력할 것입니다. 성공적인 아마존 디지털 혜초를 완료할 수 있도록 많은 응원 부탁드립니다.
-
좋아해
3 -
추천해
0 -
칭찬해
0 -
응원해
0 -
후속기사 강추
0