Hyun Kim, Superb AI의 CEO 및 공동 창립자 – 인터뷰 시리즈

Hyun Kim은 Superb AI의 CEO 및 공동 창립자입니다. Superb AI는 기계 학습 데이터 플랫폼을 제공하는 회사로, AI 팀이 더 나은 AI를 더 빠르게 구축할 수 있도록 지원합니다. Superb AI Suite는 ML 엔지니어, 제품 팀, 연구자 및 데이터 애노테이터가 효율적인 훈련 데이터 워크플ローを作成할 수 있도록 설계된 엔터프라이즈 SaaS 플랫폼입니다.

초기에는 AI, 데이터 과학, 로봇공학 분야에 관심을 갖게 된 계기가 무엇인가?

듀크 대학에서 생물의학 공학을 전공할 때, 나는 유전학과 우리가 유전자를 조작하여 질병을 치료하거나 유전적으로 조작된 유기체를 생성하는 방법에 대해 매우 관심이 있었습니다. 나는 한 번의 실험을 기억합니다. 그것은 6개월 동안 계속 실패했습니다. 가장 좌절스러운 부분은 많은 반복적인 수동 작업이 있었고, 돌아보면 그것이 많은 잠재적인 오류의 근본原因이었을 것입니다.

그런 좌절감으로 인해 나는 자동화와 관련된 모든 것에 관심을 갖게 되었습니다. 나는 듀크 대학의 여러 연구실을 돌아다니다가 머신 러닝이 파킨슨병을 뇌 MRI 스캔을 사용하여 진단하는 방법에 대해 연구하는 연구실에 합류했습니다. 여기서 나는 딥 러닝 네트워크의 게임 변경 가능성을 실제로 맛보았습니다. 나는 컴퓨터 과학 박사 과정에 진학하여 지능 로봇 연구실에서 로봇이 학습하는 방법을 가르쳤습니다.

2016년에 아마존 로봇 챌린지에 참여했습니다. 당시 무엇을 작업했으며, 그 경험은 어땠나요?

아마존 로봇 챌린지에서 팀은 로봇이 주어진 시간 내에 자동으로 아이템을 픽업하고 보관하여 점수를 얻습니다. 공장과 조립 라인에서 로봇은 특정 객체를 픽업하고 보관하도록 설계할 수 있지만, ARC는 로봇이 매우 동적인 상황에서 작동하도록 도전합니다. 나는 “팀 듀크”의 리더였으며, 로봇의 동작 계획 기능을 설계하고 구현했습니다. 나는 실질적인 창고 환경에서 픽업 및 보관 로봇 조작 작업을 위한 로봇 동작 계획 방법을 설계하고 구현했습니다. 그것은 컴퓨터 비전 기반 로봇 인식 시스템에서부터 동작 계획 알고리즘 및 맞춤형 기계식 엔드 이펙터 하드웨어까지 다양한 복잡한 시스템을 함께 모으는 것이 필요했기 때문에 흥미로운 학습 경험이었습니다.

그 후 약 2년 동안 SK T-Brain에서 머신 러닝 연구 엔지니어로 근무했습니다. 당시 프로젝트는 무엇이었나요?

박사 과정 약 1년 후, 2016년 3월, 구글의 알파고가 인간 챔피언 이세돌을 고에서 이겼습니다. 그것은 특히 고가 다른 곳보다 훨씬 더 인기 있는 한국에서 큰 뉴스였습니다.

그 사건 이후, 정부와 모든 주요 회사들은 즉시 AI 연구에大量 투자하기 시작했습니다. 하나의 회사인 SKT, 즉 SK 텔레콤은 주요 한국 기업체였습니다. 나는 그들의 새로운 AI 연구소인 SKT 브레인에서 머신 러닝 연구 엔지니어로 일할 기회를 얻었습니다. 나는 박사 과정을 중단하고 약 2년 동안 한국에서 일했습니다.

나의 팀은 다양한 AI 주제에 대한 연구를 수행하여 потен적으로 제품이나 비즈니스 기회를 창출하는 것을 목표로 했습니다. 그 2년 동안, 나는 자율 주행 자동차, 게임 AI(특히 스타크래프트 AI), 생성적 적대적 네트워크(GANs)와 같은 주제에 대해 시도를 했습니다.

2년 후, 나는 학교로 돌아가서 박사 과정을 마치기보다는 회사를 설립하기로 결정했습니다. 그리고 Superb AI를 창립했습니다.

Superb AI를 설립한 영감은 무엇인가?

학교에서 로봇 학습을 연구하고, 또한 기업 연구소에서 일하면서, 대부분의 시간을 데이터 큐레이션에 쓰고 있다는 것이 매우 명백했습니다.

학교에서 나는 로봇 시뮬레이션 데이터를 위한 시뮬레이션 환경을 만들기 위해 대부분의 시간을 보냈습니다. 이전 회사에서 나는 자율 주행 및 게임 AI를 위한 데이터셋을 수집하고 레이블링하는 시간을 보냈습니다.

그리고, 슬프게도, 그것은 나만이 아니었습니다. 그것은 나의 동료들에도 동일한 문제였으며, 머신 러닝 산업의 모든 연구자와 엔지니어에게 매우 일반적인 문제였습니다.

나는 그것을 고치고 싶었습니다. 나는 머신 러닝과 AI를 매우 좋아하며, 그것이 우리의 삶을真正로 혁신할 수 있다고 생각합니다. 나는 기술적인 돌파구가 더 빠르게 일어나기를 원하며, 그것들이 우리의 일상生活에 적용되는 것을 보고 싶습니다.

그것을 이루기 위해, 나는 처음에 머신 러닝 알고리즘이 인간의 입력 없이 학습할 수 있는 방법에 대해 연구했습니다. 그것은 비지도 학습과 메타 학습에 대한 관심을 갖게 했습니다. GANs에 대한 논문을 발표한 후, 나는 실제로 제품이나 서비스를 만들고 싶었습니다. 연구 결과를 발표하는 것보다는, 산업에 영향을 미치고 데이터 문제를 해결하는 것을 원했습니다.

Superb AI에서 제공하는 서비스를 가장 잘 설명하는 것은 무엇인가?

Superb AI는 머신 러닝 데이터 플랫폼인 Superb AI Suite를 제공합니다. Suite는 회사가 효율적으로 훈련 데이터를 생성, 레이블링, 관리할 수 있도록 도와주며, ML 옵스 사이클을 가속화합니다.

잘 알려진 사실은 대부분의 머신 러닝 팀이 훈련 데이터셋을 관리하는 데 50% 이상의 시간을 보낸다는 것입니다. 우리는 엔지니어가 쉽게 훈련 데이터셋을 필터링, 검색, 조작할 수 있도록 도와주며, ML 옵스 스택, 즉 데이터 저장소 또는 딥 러닝 프레임워크와의 통합을 위한 강력한 SDK와 API를 제공합니다.

제품 리더들은 또한 훈련 데이터와 많은 시간을 보냅니다. 우리는 이슈 추적, 데이터 분석 및 많은 협업 및 생산성 관련 기능을 통해 그들의 삶을 더 쉽게 만들어줍니다.

또한, 우리의 자동 레이블링 기능은 전이 학습 및 적극적 학습과 같은 고급 머신 러닝 기술을 사용하여 자동 레이블링 및 품질 관리 과정을 지원합니다.

머신 러닝 데이터 플랫폼을 구축하는 가장 어려운 측면은 무엇인가?

머신 러닝 데이터 플랫폼을 구축하는 것은 흥미로운 엔지니어링 도전을 제기합니다. 머신 러닝은大量의 비정형 데이터, 즉 이미지와 비디오를 필요로 하며, 데이터는 전세계의 많은 사용자에 의해 지속적으로 읽히고 업데이트되어야 합니다.

Superb AI 플랫폼을 사용하는 회사들은 무엇인가?

우리는 다양한 산업의 회사들과 협력하고 있습니다. 삼성과 LG와 같은 대형 소비자 전자 회사들은 우리의 플랫폼을 사용하여 데이터를 관리하고 ML 개발 프로세스를 가속화합니다. 자율 주행 자동차 산업 및 무인 시스템을 사용하는 회사들은 우리의 플랫폼을 사용하여 훈련 데이터를 생성하고 관리합니다.

또한, AR/VR 및 게임 회사들은 우리의 훈련 데이터 플랫폼을 사용하여 ML 모델을 교육할 수 있는 데이터셋을 생성하고 관리합니다.

의료 분야에서, 국제적으로 유명한 대학의 연구실들은 우리의 플랫폼을 사용하여 훈련 데이터를 관리하고 컴퓨터 비전 모델을 더 효율적으로 훈련하여 MRI 및 CT 스캔에서 종양을 인식할 수 있습니다.

Superb AI는 2019년 윈터 클래스의 Y Combinator 멤버였습니다. 그 경험과 주요 교훈은 무엇인가?

우리의 두 가지 주요 교훈은 사용자에 집중하고, 빠르게 반복하는 것이었습니다. YC의 모토는 “사용자가 원하는 것을 만드세요.” 스타트업, 특히 기술 스타트업은 기술적인 혁신에 집중하고 사용자가 실제로 무엇을 필요로 하는지 무시하는 경향이 있습니다. 3개월 동안 우리는 사용자와 많은 대화를 나누고, 사용자가 실제로 무엇을 필요로 하는지 이해하려고 노력했습니다. 그리고 우리는 사용자에게 맞는 제품 업데이트와 메시지를 제공했습니다. 제품이나 시장 적합성을 달성하는 것은 첫 번째 시도에서 불가능합니다. 따라서 사용자와 지속적으로 대화하고 사용자가 원하는 것을 제공하는 것이 매우 중요합니다.

Superb AI에 대해 더 공유하고 싶은 것이 있나요?

우리는 무료 제품을 강화하여 사용자가 더 많은 원시 자산을 저장하고 레이블링/데이터 관리/개발자 기능 및 툴킷을 사용할 수 있도록 했습니다. 우리는 AI를 민주화하는 임무에 있습니다. 우리는 기업 회사로서, 일상생활에서 AI의 채택과 통합을 더욱 촉진하기 위해 가능한 모든 것을 제공하고자 합니다.

인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Superb AI를 방문하시기 바랍니다.