반응형

Google I/O 키노트 (Google I/O '17)


Google 제품과 플랫폼 혁신에 대해 배워보세요 Google I/O '17의 모든 발표는 여기서 보세요: https://goo.gl/D0D4VE I/O '17에서의 더 많은 Android 발표는 여기서 보세요: https://goo.gl/c0LWYl I/O '17에서의 더 많은 Chrome 발표는 여기서 보세요: https://goo.gl/Q1bFGY I/O '17에서의 더 많은 Firebase 발표는 여기서 보세요: https://goo.gl/pmO4Dr Google 개발자 채널을 구독하세요l: http://goo.gl/mQyv5L #io17 #GoogleIO #GoogleIO2017

Mobile first to AI first




---------------------------------------------------------------------------------------------------------------


구글(Google) I/O는 구글에서 매년 한번씩 주최하는 개발자 컨퍼런스이다.-I/O는 “Input/Output”과 “Innovation in the Open”의 약자라고 한다.[1]

올해 구글 I/O는 5월 17일부터 5월 19일까지 진행되었다. 이전 구글 I/O의 키워드가 “Mobile First”였다면 2017년 구글 I/O의 키워드는 “AI First”였다. AI에 큰 투자를 하고 있는 구글답게 모든 제품군 키노트-기조연설- 시간에 어떻게 해당 제품에 머신러닝과 AI 기술을 접목시켰는지 자세히 설명하였다.

하지만 역시 가장 주목할만한 키노트는 순다 피차이(Sundar Pichai) CEO의 키노트였는데 순다 피차이는 기조연설에서 구글의 AI 연구에 대한 청사진과 응용사례를 요약해서 설명하였다. 아래에 순다 피차이 CEO의 키노트 내용을 중요 키워드 별로 요약정리했다.

 

1. Smart Reply

Smart Reply는 구글 Gmail에 새로 추가된 기능으로 자연어처리(NLP) 기술을 이용해서 이메일에 대한 적절한 답장(Reply)을 제안(Suggestion)해주는 기술이다. 구체적인 기술적 내용은 Kannan, Anjuli, et al.의 논문 “Smart Reply: Automated Response Suggestion for Email”[2]과 구글 리서치 블로그[3]를 참조하라.

 

2. Google Home에 적용된 음석인식(Speech Recognition)

구글 홈(Google Home)[4]은 스마트홈을 위해 구글에서 만든 IoT(Internet of Things) 기기이다. 아마존 에코를 떠올리면 이해하기 쉽다. 구글 홈에도 딥러닝을 이용한 음성 인식 기술이 적용되었다. 특히, 구글 홈을 이용한 Hands-Free 전화와 구글 어시스턴트와의 연동을 중요하게 언급하였다.

 

3. 이미지 인식(Image Recognition) & 구글 렌즈(Google Lens)

 

이미지 인식 분야에서도 AI 기술이 적용되었다. 대표적인 응용 사례로, 저화질 이미지를 업로드하면 자동으로 고화질 이미지로 변경해주는 기능-컴퓨터비전 분야에서 이런 기법을 Super Resolution이라고 한다.-과, 철조망 사이로 찍힌 사진에서 철조망을 자동으로 지워주는 기능을 제시하였다.-컴퓨터비전 분야에서 이런 기법을 Image Inpainting이라고 한다.-

이어서 새로운 제품인 구글 렌즈(Google Lens)를 공개했다. 구글 렌즈는 인간의 눈과 같이 작동하는데, 앱을 켜고 이미지를 가리키면 이미지에서 자동으로 이미지 안에 내용을 해석해서 정보를 제공해준다. 예를 들어 와이파이 아이디와 비밀번호를 가리키면 자동으로 와이파이에 연결하는 것을 도와준다.

 

4. Cloud TPU

구글 딥러닝을 위한 별도의 프로세서인 TPU(Tensor Processing Unit)를 개발해서 사용하고 있는데, 이 TPU를 구글의 클라우드 컴퓨팅 플랫폼인 Google App Engine에서 제공할 예정이라고 한다. [5]

 

5. AutoML (Learn to Learn)

기존의 딥러닝 기법에 가장 큰 문제는 어떤 Task에 적합한 Neural Networks 구조를 끊임 없는 노가다를 통해서 알아 냈어야만 했다.-구글에서는 이런 반복적인 노가다를 머신 러닝으로 박사학위(Phd)를 받은 사람들이 수행해왔다고 한다.-

따라서 이런 지루한 과정을 해결하기 위해 구글은 일종의 메타 러닝 기법을 제안했는데, 어떤 문제에 적합한 Neural Networks 구조를 찾아내기 위한 Neural Networks를 학습시키는 기법을 제안하였고 이를 AutoML(Learn to Learn)이라고 이름지었다. 더욱 자세한 내용은 구글 리서치 블로그[9]를 참조하라.

 

6. 병리학(Pathology)에 응용

병리학 분야에도 딥러닝이 사용되었다. 대표적인 응용 사례는, 장기에서 암세포가 어떤 부분인지 판단하는(Labeling)하는 문제이다. 현재 딥러닝 기술을 실제 병리학자가 판단하는 것보다 더욱 정확한 수준까지 발전되었다.

 

7. AutoDraw

위에 언급된 사례들이 인공지능 기술이 실용적인 문제에 적용된 예제들이었다면, AutoDraw는 재미를 위한 프로젝트 중 하나이다. 그림판 같은 캔버스에 그림을 그리면, AI가 자동으로 유사한 Drawing을 찾아서 적절한 모양을 제안해준다. 아래의 링크[8]로 들어가면 직접 AutoDraw를 실험해 볼 수 있다.

 

...


반응형

+ Recent posts