์ธ๊ณต์ง๋ฅ
์ปดํจํฐ๊ฐ ์ฌ์ง ํ๋๋ก 200์ข ์ ์๋ฅผ ์๋ณํ ์ ์๋ค
듀크 대학교(Duke University)의 연구진은 기계 학습을 이용하여 컴퓨터가 200종의 새를 식별하도록 훈련시켰다. 컴퓨터는 식별 과정을 완료하기 위해 사진 하나만 필요로 한다. 인간의 경우, 여러 종의 새를 식별하기 위해서는 수년간의 새 관찰이 필요하다.
이 연구는 듀크 대학교 컴퓨터 과학 박사 과정 학생인 차오판 첸(Chaofan Chen)과 학사 과정 학생인 오스카 리(Oscar Li)가 주도했으며, 듀크 대학교의 신시아 루딘(Cynthia Rudin) 교수가 이끄는 예측 분석 연구실(Prediction Analysis Lab)의 다른 팀원들이 함께 참여했다.
A.I.의 사고 과정을 보여주다
식별 과정은 인상적이지만, 더 중요한 것은 A.I.가 자신의 사고 과정을 보여줄 수 있다는 것이다. 이는 경험이 없는 새 관찰자도 과정을 이해할 수 있도록 해준다.
뇌의 작동 원리를 기반으로 하는 깊은 신경망(deep neural network) 또는 알고리즘은 11,788개의 사진으로 훈련되었다. 사진에는 200종의 새가 포함되어 있었으며, 오리에서 Коли브리까지 모든 종류의 새가 포함되어 있었다.
연구진은 네트워크를 비둘기나 날개 깃털을 식별하도록 특별히 훈련시킬 필요가 없었다. 대신, 네트워크는 새의 사진을 가져와서 이미지 내의 특정 패턴을 식별할 수 있다. 그러면 그것은 이전에 만난 일반적인 종 특성에서 패턴을 식별할 수 있다.
연구진에 따르면, 네트워크는 특정 특성을 식별하는 일련의 히트맵(heat map)을 생성한다. 예를 들어, 普通 워블러와 후드 워블러를 구별할 수 있으며, 가면을 쓴 머리와 노란 배 같은 특징을 식별할 수 있다. 그러면 그것은 이러한 특징이 식별에 어떤 영향을 미쳤는지 보여준다.
다른 시스템과는 다르다
신경망은 84%의 경우에 올바른 종을 식별할 수 있었다. 이는 일부 최고 성능 시스템과 유사하다. 그러나 다른 시스템은 이러한 생각 과정을 설명하지 않는다.
루딘에 따르면, 이 프로젝트의 가장 혁신적인 측면은 깊은 신경망이 이미지에 대해 볼 때 무엇을 보는지 시각화한다는 것이다.
이 기술은 현재 소셜 미디어 사이트에서 의심되는 범죄자를 감시 카메라에서 식별하고, 자율 주행 차량이 교통 신호와 보행자를 식별하는 데 사용되고 있다.
깊은 학습 소프트웨어는 일반적으로 데이터에서 학습하기 위해 명시적으로 프로그래밍할 필요가 없지만, 프로세스는 항상 명확하지 않거나 표시되지 않으므로 이미지에 대한 분류에서 알고리즘이 “생각”하는 방식을 설명하는 것이 어려울 수 있다.
미래
루딘과 다른 사람들은 현재 새로운 깊은 학습 모델을 개발 중이며, 이는 A.I. 분야를 발전시키고 있다. 새로운 모델은 자신의 사고 과정을 설명할 수 있으며, 이는 연구진이 시작부터 끝까지 프로세스를 볼 수 있도록 해주며, 오류나 문제의 이유를 식별하는 것을 더 쉽게 한다.
루딘과 그녀의 팀은 알고리즘을 의료 분야에서 사용할 계획이다. 이는 의료 이미지에서 특정 문제 영역을 식별할 수 있다. 이는 의료 전문가가 종양, 석회화 및 유방암의 다른 징후를 감지하는 것을 도와줄 수 있다.
루딘에 따르면, 네트워크는 의사가 진단을 내리는 방식을 모방한다.
“이것은 사례 기반의推論이다,” 루딘은 말했다. “우리는 네트워크가 이미지에 대한 분류를 악성 또는 양성으로 분류한 이유를 의사나 환자에게 더 잘 설명할 수 있기를希望한다”
팀은 12월 12일 밴쿠버에서 열리는 제33회 신경 정보 처리 시스템 회의(NeurlIPS2019)에서 연구 결과를 발표할 계획이다.
이 연구에는 듀크 대학교의 다니엘 타오(Daniel Tao)와 알리나 바르너(Alina Barnerr), MIT 링컨 연구소의 조나단 수(Jonathan Su) 등이 공동 저자로 참여했다.
