컴퓨터가 한 장의 사진으로 200 종의 새를 식별하는 기술

듀크 대학교의 연구진은 기계 학습을 사용하여 컴퓨터가 200 종의 새를 식별하도록 훈련시켰다. 컴퓨터는 식별 과정을 완료하기 위해 단 한 장의 사진만 필요로 한다. 인간의 경우, 여러 종의 새를 식별하기 위해 수년간의 새 관찰이 필요할 수 있다.

이 연구는 듀크 대학교의 컴퓨터 과학 박사 과정 학생인 차오판 천과 학부생 오스카 리가 주도했다. 또한 듀크 대학교의 신시아 루딘 교수가 이끄는 예측 분석 연구소의 다른 팀 멤버들이 함께 작업했다.

인공지능이 생각하는 것을 보여주는 기술

식별 과정은 인상적인데, 더 중요한 것은 인공지능이 생각하는 것을 보여줄 수 있다는 것이다. 이는 경험이 없는 새 관찰자도 과정을 이해할 수 있도록 해준다.

깊은 신경망, 즉 뇌의 작동 방식을 기반으로 하는 알고리즘은 11,788 장의 사진으로 훈련되었다. 사진에는 200 종의 새가 포함되어 있었으며, 오리부터 Коли브리까지 모든 종류의 새가 포함되었다.

연구진은 네트워크를 특정하게 훈련시켜 부리나 날개 깃을 식별하도록 하지 않았다. 대신, 네트워크는 새의 사진을 가져와서 이미지에서 특정 패턴을 식별할 수 있다. 그러면 네트워크는 이미 식별한 패턴을 사용하여 이전에遭遇한 일반적인 종 특성을 식별할 수 있다.

연구진에 따르면, 네트워크는 특정 특성을 식별하는 일련의 히트맵을 생성한다. 예를 들어, 普通 워블러와 후드 워블러를 구별할 수 있으며, 가면을 쓴 머리와 노란 배 같은 특징도 식별할 수 있다. 그러면 이러한 특징이 식별에 어떤 영향을 미쳤는지 보여준다.

다른 시스템과 다르게

신경망은 84%의 경우에 올바른 종을 식별할 수 있었다. 이는 일부 최고의 성능을 보이는 시스템과 유사하다. 그러나 이러한 시스템은 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 nghi 의심되는 범죄자를 식별하고, 감시 카메라에서 nghi 의심되는 범죄자를 식별하고, 자율 주행 자동차에서 교통 신호와 보행자를 식별하는 데 사용되고 있다.

깊은 학습 소프트웨어는 일반적으로 데이터에서 학습하기 위해 명시적으로 프로그래밍할 필요가 없다. 그러나 이 과정은 항상 명확하지 않거나 표시되지 않으므로 이미지에 대한 알고리즘의 “생각” 과정을 설명하기가 어렵다.

미래에

루딘과 다른 연구진은 새로운 인공지능 모델을 개발 중이며, 이는 이유와 식별 과정을 설명할 수 있다. 이는 연구진이 시작부터 끝까지 과정을 볼 수 있도록 해주며, 오류나 문제의 이유를 식별하기도 더 쉽게 해준다.

루딘과 그녀의 팀은 의료 분야에서 알고리즘을 사용할 계획이다. 이는 의료 이미지에서 특정 문제 영역을 식별할 수 있다. 이는 의료 전문가가 유방암의 징후를 더 쉽게 식별할 수 있도록 해줄 것이다.

루딘에 따르면, 네트워크는 의사가 진단을 내리는 방식과 유사하다.

“경험 기반의 추론입니다.” 루딘은 말했다. “우리는 네트워크가 이미지에 대한 분류 결과를 악성 또는 양성으로 분류한 이유를 의사나 환자에게 더 잘 설명할 수 있기를希望합니다.”

연구진은 12월 12일 밴쿠버에서 열리는 제 33회 신경 정보 처리 시스템 회의(NeurlIPS2019)에서 연구 결과를 발표할 계획이다.

연구에는 듀크 대학교의 다니엘 타오와 알리나 바너, MIT 링컨 연구소의 조나단 수 등이 공동 저자로 참여했다.