-
구글딥마인드와 공동연구를 통해 인공지능으로 시각을 상상하다
‘노란 포도'나 `보라색 바나나'와 같이 본 적 없는 시각 개념을 이해하고 상상하는 인공지능 능력 구현이 가능해졌다.
우리 대학 전산학부 안성진 교수 연구팀이 구글 딥마인드 및 미국 럿거스 대학교와의 국제 공동 연구를 통해 시각적 지식을 체계적으로 조합해 새로운 개념을 이해하는 인공지능 새로운 모델과 프로그램을 수행하는 벤치마크를 개발했다고 30일 밝혔다.
인간은 `보라색 포도'와 `노란 바나나' 같은 개념을 학습하고, 이를 분리한 뒤 재조합해 `노란 포도'나 `보라색 바나나'와 같이 본 적 없는 개념을 상상하는 능력이 있다. 이런 능력은 체계적 일반화 혹은 조합적 일반화라고 불리며, 범용 인공지능을 구현하는 데 있어 핵심적인 요소로 여겨진다.
체계적 일반화 문제는 1988년 미국의 저명한 인지과학자 제리 포더(Jerry Fodor)와 제논 필리쉰(Zenon Pylyshyn)이 인공신경망이 이 문제를 해결할 수 없다고 주장한 이후, 35년 동안 인공지능 딥러닝 분야에서 큰 도전 과제로 남아 있다. 이 문제는 언어뿐만 아니라 시각 정보에서도 발생하지만, 지금까지는 주로 언어의 체계적 일반화에만 초점이 맞춰져 있었고, 시각 정보에 관한 연구는 상대적으로 부족했다.
안성진 교수가 이끄는 국제 공동 연구팀은 이러한 공백을 메우고자 시각 정보에 대한 체계적 일반화를 연구할 수 있는 벤치마크를 개발했다. 시각 정보는 언어와는 달리 명확한 `단어'나 `토큰'의 구조가 없어, 이 구조를 학습하고 체계적 일반화를 달성하는 것이 큰 도전이다.
연구를 주도한 안성진 교수는 “시각 정보의 체계적 일반화가 범용 인공지능을 달성하기 위해 필수적인 능력이며 이 연구를 통해 인공지능의 추론능력과 상상능력 관련 분야의 발전을 가속할 것으로 기대한다”고 말했다.
또한, 딥마인드의 책임 연구원으로 연구에 참여한 연구원이자 현재 스위스 로잔연방공과대학교(EPFL)의 찰라 걸셔(Caglar Gulcehre) 교수는 “체계적 일반화가 가능해지면 현재보다 훨씬 적은 데이터로 더 높은 성능을 낼 수 있게 될 것이다”라고 전했다.
이번 연구는 12월 10일부터 16일까지 미국 뉴올리언스에서 열리는 제37회 신경정보처리학회(NeurIPS)에서 발표될 예정이다.
관련논문: “Imagine the Unseen World: A Benchmark for Systematic Generalization in Visual World Models”, Yeongbin Kim, Gautam Singh, Junyeong Park, Caglar Gulcehre, Sungjin Ahn, NeurIPS 23
2023.11.30
조회수 4144
-
어떻게 트위터가 급성장 할 수 있었나?
- 트위터 네트워크의 성장은 오프라인 사회관계망에서 점차적으로 시작 - 전통적인 미디어의 영향력으로 네트워크가 폭발적으로 성장함을 관찰
트위터가 세계적으로 유명세를 타는 데는 전통적인 사회관계망의 역할뿐만 아니라 미디어의 주목이 커다란 기여를 했다는 사실이 국내연구진에 의해 규명됐다.
우리 학교 문화기술대학원 차미영 교수가 최근 MIT 마르타 곤잘레즈(Marta Gonzalez) 연구팀과 함께 오프라인에서 인간관계에 절대적인 영향을 미치는 지역, 사회, 경제적 요인과 더불어 미디어의 주목이 초기 트위터의 성장에 커다란 영향을 미쳤음을 분석해냈다.
대다수 신기술처럼 트위터는 가장 먼저 젊고, 과학기술을 잘 이용하는 샌프란시스코와 보스톤의 사용자들에게 먼저 도입됐다. 그다음 단계에서는 인접도시로 점진적으로 확산되기 시작해 오프라인 사회관계망이 정보전파에 주된 역할을 했음이 연구결과 조사됐다.
예를 들어 처음 도입한 두 도시와 지역적으로 근거리에 있는 캘리포니아의 버클리와 매사추세츠 주의 소머빌의 사용자들이 트위터를 도입했고, 이후에는 산타페, LA 등을 통해 최종적으로 팜비치, 뉴왁 등 전국으로 확산됨을 보여줬다.
이번 연구에서 사회관계망과 더불어 주목한 것은 텔레비전이나 신문과 같은 전통미디어의 역할이다.
차 교수 연구팀은 매주 구글 뉴스를 검색해 기사에 트위터가 몇 번이나 언급되었는지 데이터를 모으고 또 같은 시점의 트위터 사용자 수를 조사했다. 그리고 나서 뉴스기사에서의 트위터 언급 횟수와 사용자 수의 상관관계를 분석한 결과 이 둘은 같은 추이를 보인 것으로 나타나 미디어가 트위터의 성장에 커다란 영향을 준 것으로 결론을 내렸다.
차 교수팀은 이와 함께 트위터의 성장에 대한 미디어의 영향을 알아보기 위해 또 다른 흥미로운 사례에 주목했다.
2009년 4월 할리우드 영화배우 애쉬튼 커쳐는 CNN에 출연해 누가 먼저 백만명의 팔로어를 갖게 될 것인지에 대한 내기를 제안했고, 약 이틀 만에 백만명의 팔로어를 보유하게 됐다. 또한 오프라 윈프리가 첫 번째 트윗을 하는 것이 미디어에서 다뤄지는데 이는 또 다시 트위터 사용자수의 급격한 증가를 불러일으킨 계기가 됐다.
KAIST 차미영 교수가 MIT연구팀과 공동으로 실시한 이번 연구는 2006년부터 2009년까지의 트위터 데이터를 바탕으로 미국 내 408개 도시에서의 트위터 성장세를 분석해, 이를 토대로 전염병의 확산모델과 유사한 사회관계망 기반의 확산모델을 수립해 밝혀냈다.
한편, 이번 연구결과는 미국의 온라인 과학전문지 ‘공중과학도서관 원(Public Library of Science ONE)’ 저널에 곧 게재될 예정이며 MIT news, 미국 과학전문 소셜미디어 Mashable.com, 그리고 MSNBC.com등에도 소개됐다.
[그림.1] 해당 시간대에 각 지역별로 최종 가입자의 13.5%에 해당하는 ‘크리티컬 매스’에 해당하는 사용자들이 가입을 한 지역이 검은 원으로 표기된다. 작은 회색원은 이미 크리티컬 매스에 이른 지역을 표기한다. 트위터의 첫 도입은 샌프란시스코에서 시작되었으며 다음으로 주변 도시들에서 도입되는 것을 통해, 오프라인 사회관계망이 확산에 중요함을 시사한다. 반면 보스톤과 같은 지역에서도 초기 도입이 되었으며 이는 사회관계망 뿐만 아니라 인터넷과 같은 매체의 영향을 시사한다.
[그림.2] a. 그래프에서 검은 실선은 주별 최대가입자수를 1.0으로 보았을 때 매주별 트위터 가입자수의 변화를 나타낸다. 빨간실선은 같은 해당주에 대해 구글 뉴스에서 트위터가 언급된 비율을 나타낸다. 트위터 서비스가 시작된지 140주 이후에 각종 미디어를 통해 트위터가 많이 언급됨을 볼 수 있고, 따라서 트위터의 주별 가입자수 역시 급격히 상승하는 트렌드를 볼 수 있다.
b. 그래프는 매주 트위터에 가입한 총사용자수를 나타내는 검은 선과 이를 예측하는 다양한 모델의 결과를 보여주는 점선을 보여준다. 전통적인 확산모델의 경우 (파란점선) 초기 트위터의 성장세는 잘 예측하지만, 추후 미디어의 영향력 이후의 급성장을 보여주지 못한다. 구글 검색 결과를 반영하여 확산모델을 변형하면 (검은점선 및 노란점선) 실제 데이터와 유사한 트렌드를 예측할 수 있다.
[동영상링크]http://www.youtube.com/watch?feature=player_embedded&v=Ncon_z67VQs
지도상의 각 원은 트위터 사용자들이 있는 미국 내 도시를 의미한다. 시간에 따라 더욱 많은 사용자가 트위터에 가입할수록 원의 크기가 커진다. 각 지역별로 최종 가입자의 13.5%에 해당하는 ‘크리티컬 매스’에 해당하는 사용자들이 가입을 하면 원은 빨간색으로 표기된다. 화면 중앙에 하얀선으로 표기되는 그래프는 시간에 따른 트위터의 주별 가입자수를 의미한다.
2012.01.04
조회수 13752