출처: https://futurism.com/google-artificial-intelligence-built-ai/

In Brief

Google's AutoML project, designed to make AI build other AIs, has now developed a computer vision system that vastly outperforms state-of-the-art-models. The project could improve how autonomous vehicles and next-generation AI robots "see."

개요

구글에서 만든 인공지능 개발용 인공지능 AutoML이 현존 이미지 인식 시스템의 성능을 크게 뛰어넘는 이미지 인식 시스템을 개발했다. 해당 프로젝트는 자율주행자동차와 차세대 인공지능 로봇의 시각 인지능력을 향상시켜줄 것으로 기대된다.

An AI That Can Build AI

In May 2017, researchers at Google Brain announced the creation of AutoML, an artificial intelligence (AI) that’s capable of generating its own AIs. More recently, they decided to present AutoML with its biggest challenge to date, and the AI that can build AI created a “child” that outperformed all of its human-made counterparts.

인공지능을 만들 수 있는 인공지능

2017년 5월에 구글브레인 연구진은 인공지능을 만들 수 있는 인공지능 AutoML을 개발했다고 발표한 바 있다. 최근 구글 연구진은 AutoML로 하여금 지금까지 인간이 만들어낸 그 어떤 인공지능보다도 성능이 더 좋은 자식 인공지능을 생성해내도록 하는데 성공했다.

구글의 AutoML이 만들어낸 NASNet의 이미지 인식 사례

The Google researchers automated the design of machine learning models using an approach called reinforcement learning. AutoML acts as a controller neural network that develops a child AI network for a specific task. For this particular child AI, which the researchers called NASNet, the task was recognizing objects — people, cars, traffic lights, handbags, backpacks, etc. — in a video in real-time.

구글 연구진은 강화학습이라고 불리는 접근방식을 활용하여 기계학습 모델의 설계를 자동화했다. AutoML은 마치 감시자 인공신경망처럼 활동하며 자식 인공신경망을 특정한 과제에 맞춰 육성해낸다. 이번에 AutoML이 만들어낸 자식 인공지능은 NASNet라고 명명되었으며 동영상에서 사물인식(사람, 자동차, 신호등, 핸드백, 백팩 등등)을 실시간으로 수행할 수 있다.

AutoML would evaluate NASNet’s performance and use that information to improve its child AI, repeating the process thousands of times. When tested on the ImageNet image classification and COCO object detection data sets, which the Google researchers call “two of the most respected large-scale academic data sets in computer vision,” NASNet outperformed all other computer vision systems.

AutoML은 NASNet의 성능을 평가하고 이 평가정보에 기반하여 NASNet의 성능을 향상시키며, 해당 과정을 수천 번 반복한다. ImageNet에 수록된 이미지 및 COCO 데이터 세트를 가지고 NASNet을 시험한 결과, NASNet은 현존하는 모든 이미지 인식 시스템의 성능을 뛰어넘었다.

According to the researchers, NASNet was 82.7 percent accurate at predicting images on ImageNet’s validation set. This is 1.2 percent better than any previously published results, and the system is also 4 percent more efficient, with a 43.1 percent mean Average Precision (mAP). Additionally, a less computationally demanding version of NASNet outperformed the best similarly sized models for mobile platforms by 3.1 percent.

구글브레인 연구진에 따르면 NASNet은 ImageNet에 수록된 이미지에 대해 82.7%의 인식 정확도를 보였다. 이는 기존에 발표되었던 그 어떤 결과보다 1.2% 높은 수치이다. 또한 NASNet은 대표평균정확도가 43.1%에 달해 기존 시스템에 비해 약 4% 더 능률적이다. 이 외에도 NASNet의 계산자원 절약버전은 모바일 플랫폼에서 사용되는 유사 크기의 모델에 비해 성능이 3.1% 높았다.

구글의 AutoML이 만들어낸 NASNet (빨간색 선)과 기존 인공신경망 (검은 선)의 이미지 인식 정확도 비교

A View of the Future

Machine learning is what gives many AI systems their ability to perform specific tasks. Although the concept behind it is fairly simple — an algorithm learns by being fed a ton of data — the process requires a huge amount of time and effort. By automating the process of creating accurate, efficient AI systems, an AI that can build AI takes on the brunt of that work. Ultimately, that means AutoML could open up the field of machine learning and AI to non-experts.

미래의 비전

대다수의 인공지능 시스템이 특정 과제를 수행할 수 있는 것은 기계학습 덕분이다. 비록 기본적인 개념은 꽤 단순하지만(엄청난 양의 데이터를 입력하여 알고리즘을 학습시키는 것) 엄청난 시간과 노력을 필요로 한다. 따라서 한 인공지능이 다른 인공지능을 만들어낼 수 있다면, 정확하고 효율적인 인공지능 시스템의 생산을 자동화시킬 수 있다. 이는 비전문가들도 AutoML을 통하여 기계학습 분야에 진출할 수 있게 됨을 의미한다.

As for NASNet specifically, accurate, efficient computer vision algorithms are highly sought after due to the number of potential applications. They could be used to create sophisticated, AI-powered robots or to help visually impaired people regain sight, as one researcher suggested. They could also help designers improve self-driving vehicle technologies. The faster an autonomous vehicle can recognize objects in its path, the faster it can react to them, thereby increasing the safety of such vehicles.

NASNet처럼 정확하고 효과적인 이미지 인식 시스템은 그 잠재적인 적용분야 때문에 수요가 매우 높다. 이러한 이미지 인식 시스템은 다목적 인공지능 로봇 제작이나 시각장애인을 돕는데 사용될 수 있다. 또한 자율주행차 기술을 개선하는 데에도 활용할 수 있다. 자율주행차가 도로에 있는 물체를 빨리 인식하면 할수록 더 빨리 대처를 할 수 있으며, 자율주행차의 안전을 확보할 수 있다.

The Google researchers acknowledge that NASNet could prove useful for a wide range of applications and have open-sourced the AI for inference on image classification and object detection. “We hope that the larger machine learning community will be able to build on these models to address multitudes of computer vision problems we have not yet imagined,” they wrote in their blog post.

구글 연구진은 NASNet이 폭넓은 분야에서 유용하게 사용될 수 있다고 판단하여 인공지능을 공개, 이미지 분류 및 사물 인식에 사용할 수 있도록 했다.

“우리는 기계학습 공동체 전체가 해당 모델을 사용하여 우리가 아직 상상하지 못하는 다양한 이미지 인식 문제들을 해결할 수 있기를 기대합니다”라고 연구진이 블로그을 통해 밝혔다.

Though the applications for NASNet and AutoML are plentiful, the creation of an AI that can build AI does raise some concerns. For instance, what’s to prevent the parent from passing down unwanted biases to its child? What if AutoML creates systems so fast that society can’t keep up? It’s not very difficult to see how NASNet could be employed in automated surveillance systems in the near future, perhaps sooner than regulations could be put in place to control such systems.

비록 NASNet과 AutoML의 활용가능성은 무궁무진하지만, 인공지능을 만들 수 인공지능의 개발은 일부 우려를 야기하고 있다. 부모 인공지능이 자신의 올바르지 않은 편견을 자식 인공지능에게 물려주는 것을 예방할 수 있을까? 만일 AutoML이 사회가 감당할 수 없을 정도로 빠르게 인공지능 시스템을 생성해낸다면? NASNet이 가까운 미래에 자동감시시스템에 사용되리라는 것은 쉽게 예상할 수 있는 일이며, 빠른 시일 내에 이러한 시스템에 대한 규제가 제정될 수도 있다.

Thankfully, world leaders are working fast to ensure such systems don’t lead to any sort of dystopian future.

다행스럽게도 세계 각국의 지도자들은 이러한 인공지능 시스템이 디스토피아적 미래로 인류를 이끌지 않도록 빠르게 움직이고 있다(어딜 봐서? -_-).

Amazon, Facebook, Apple, and several others are all members of the Partnership on AI to Benefit People and Society, an organization focused on the responsible development of AI. The Institute of Electrical and Electronics Engineers (IEE) has proposed ethical standards for AI, and DeepMind, a research company owned by Google’s parent company Alphabet, recently announced the creation of group focused on the moral and ethical implications of AI.

아마존, 페이스북, 애플의 경우 인류 및 사회에 유익한 인공지능을 위한 파트너십 회원으로 가입되어 있다. 상기 기관은 책임있는 인공지능 개발에 중점을 두고 있다. 전기전자엔지니어연구소는 인공지능에 대한 윤리기준을 제안했으며, 구글의 모회사 알파벳이 소유하고 있는 딥마인드는 최근 인공지능의 도덕적 및 윤리적 영향을 연구하는 부서를 만들었다.

Various governments are also working on regulations to prevent the use of AI for dangerous purposes, such as autonomous weapons, and so long as humans maintain control of the overall direction of AI development, the benefits of having an AI that can build AI should far outweigh any potential pitfalls.

각국 정부들도 인공지능을 자율무기와 같은 위험한 목적에 이용하는 것을 방지하기 위해 규제를 마련 중에 있으며, 인간이 인공지능 개발의 전체적인 방향을 통제할 수 있는 한, 인공지능을 만들 수 있는 인공지능이 가져다 줄 유익은 앞으로 발생할 수 있는 그 어떤 손해라도 뛰어넘을 것이다.