닫기 4차산업혁명시대
인간의 자리를 묻다
닫기

SK텔레콤 T-Brain, 글로벌AI 학회의 만점을 받다

2017.08.08 FacebookTwitterNaver

▲ SK텔레콤의 인공지능 연구 성과

SK텔레콤의 인공지능 연구 전담팀 ‘T-Brain’이 알고리즘 논문을 발표했습니다. 논문의 제목은 ‘Learning to Discover Cross-Domain Relations with Generative Adversarial Networks’로, 서로 다른 두 도메인의 관계를 발견해 한 도메인의 데이터를 다른 도메인의 데이터로 변화하는 기술인 ‘디스코간(DiscoGAN)’을 제안합니다.

이 논문은 최근 세계 최고의 머신러닝 학회 ‘ICML(International Conference on Machine Learning) 2017’ 평가에서 최고점인 ‘Strong Accept’를 세명의 리뷰어에게 받았습니다. ICML은 해당 논문에 대해 ‘학계에 의미 있는 기여를 했고, 실용적 가치가 있는 문제에 대해 새롭고 효율적인 방법을 제시했다’고 평가했습니다. 구글 및 다양한 기업들은 물론 MIT 학계에서도 이미 이 논문을 인용해 관련 연구 결과를 내놓고 있습니다. 그렇다면 디스코간이 어떤 기술이며 어떻게 활용될 수 있는지 살펴보겠습니다.

‘디스코간(DiscoGAN)’이란?

▲ 머신러닝의 단점을 보완한 기술

디스코간은 ‘머신러닝(Machine Learning)’을 이용한 기술입니다. 머신러닝이란 인간의 학습을 기계에 적용한 것입니다. 사람이 데이터를 입력하면 기계는 이것을 학습하고 여기서 일정한 패턴을 찾아냅니다. 예를 들면 개와 고양이 이미지 데이터를 입력하면 머신러닝은 개와 고양이를 대표하는 특징적인 패턴을 찾아내어 둘을 분류합니다.

이렇게 머신러닝 시스템을 만들기 위해서는 양질의 데이터가 필수적입니다. 하지만 방대한 데이터를 일일이 가공하기에는 많은 시간과 비용이 발생하죠. T-Brain이 발표한 디스코간 기술은 이 단점을 보완합니다. 이 기술은 데이터 간의 연관 관계를 발견해 자동으로 사진과 미디어를 변형 또는 강화하는 인공신경망 소프트웨어입니다.

기존의 인공지능은 주어진 데이터 안에서 가장 어울리는 이미지를 찾아주는 기술을 제공했습니다. 하지만 디스코간은 인공지능이 스스로 이미지를 생성한다는 점에서 높은 평가를 받고 있습니다.

‘디스코간’이 패션 관련 서비스와 만난다면?

▲ 패션 서비스에서 활용되는 ‘디스코간’

디스코간 기술은 다양한 방면으로 활용될 수 있습니다. 예를 들어 핸드백과 구두 이미지로 학습시킨 뒤 핸드백 사진을 입력하면 비슷한 스타일의 구두 이미지를 생성합니다.

기존의 연구는 두 개의 데이터가 짝을 이뤄 대응하는 ‘지도 학습 기법’을 사용합니다. 예를 들면 특정 스타일의 핸드백 이미지를 입력하면, 정답으로 주어진 같은 스타일의 신발 이미지를 생성하도록 학습하는 방식입니다. 디스코간은 정답을 이루는 짝이 없어도 데이터 간에 공유하는 ‘스타일’을 찾아냅니다. 새로운 핸드백 이미지나 신발 이미지를 입력하면 동일한 스타일을 지닌 신발과 핸드백을 생성합니다. 이 기술은 향후 인터넷 쇼핑몰과 패션 코디 등의 서비스에 활용할 수 있습니다.

▲ 상품을 구입하지 않고도 소비자가 착용했을 때의 사진을 확인할 수 있습니다

또한, 테두리만 그려도 채색된 이미지로 변환할 수 있습니다. 이 기술은 사람의 이미지에서도 활용됩니다. 여자 사진에 ‘디스코간’을 적용하면 비슷한 분위기의 남자로 변환해줍니다. 반대로 남자 사진을 넣으면 비슷한 느낌의 여자로 만들어주기도 합니다. 금발을 흑발로, 흑발을 금발로 변환하거나 보시면 안경 또는 선글라스를 쓰고 벗은 이미지도 가능합니다.

‘디스코간’이 자율 주행 시스템과 만난다면?

▲ 자율 주행 시스템에 디스코간을 적용해보면?

‘디스코간’은 자율 주행 시스템에도 응용할 수 있습니다. 자율 주행 시스템을 만들 때 낮과 밤, 날씨와 계절 등 여러 환경에서 얻은 주행 중 차량 전방을 찍은 사진과 같은 주행 데이터를 기반으로 학습시켜야 하기 때문에 많은 양의 리소스가 필요합니다. 이때 ‘디스코간’을 사용하면 낮을 밤으로 바꾸고, 한여름에 찍은 영상을 눈 내리는 겨울로 바꿀 수 있습니다. 실제로 주행을 하지 않고도 다양한 상황으로 데이터를 변환할 수 있는 겁니다. 이는 곧 비용 절감으로 연결됩니다.

T-Brain은 이번 논문 외에도 여러 가지 과제를 순차적으로 학습할 때 이전에 습득된 과제를 잊어버리는 문제에 관한 논문을 연구했습니다. 이 논문은 또 다른 최상위 인공지능 학회에 제출된 상태입니다. 또한, T-Brain은 앞으로도 인공지능 핵심기술을 확보하고, 자율주행 개발, T map 고도화 등에 활용할 계획이라고 합니다.

FacebookTwitterNaver