카카오 AI 리포트 Vol.1 (2017 MAR)


01. AI 기술 개발의 역사, 머신러닝과 딥러닝  

- 최초의 AI프로그램, 논리연산가(Logic Theorist), CMU Allen Newell & Herbert A. Simon

  . 첫째, 추론을 통한 탐색

  . 둘째, 경험적 방법론(Heuristics) 도입

  . 셋째, 정보처리언어(IPL, Information Processing Language) 개발

- 탐색과 추론의 시대

- Machine Learning, 기계가 스스로 학습한다

- Deep Learning, 인간 뇌의 정보처리 방식을 흉내낸다


02. AI 규제 동향 및 법적, 윤리적 쟁점

현재 AI 분야에서는 모든 전문가들이 동의할만한 정의가 존재하지 않는다. 다만 AI 분야의 교과서로 알려진 '인공지능: 현대적 접근' 에서 스튜어트 러셀 교슈와 피터 노빅은 인공지능을 정의하려는 시도들을 '인간처럼 사고하고, 인간처럼 행동하고, 합리적으로 사고하고, 합리적으로 행동하는' 네 가지 특징별로 분류한 뒤, '합리적으로 행동하는: 합리적인 에이전트(agent) 접근법'을 채택해 인공지능을 분서했다. 반면 미국 조지메이슨대 매튜 슈어러 교수는 규제 관점에서 볼 때 '특정 기능을 수행할 수 있는- '식의 목적 지향적(goal-oriented) 정의는 AI처럼 급격한 기술 변화가 예상되는 분야에서는 적절하지 않다고 설명한다. - 김명수 (Kakao)


03. 로봇 윤리의 변천사

- 시즌1, 로봇의 책무만을 강조하던 시대

  . 아이, 로봇(I, Robot) - 2004개봉 (주연: 윌스미스, 감독: 알렉스 프로야스)

  . 바이센테니얼 맨(Bicentennial Man) - 2000 개봉 (주연: 로빈 윌리엄스, 엠베스 데이비츠, 샘 닐, 감독: 크리스 콜럼버스)

- 시즌2, 인간과의 공존, 인간의 책임  . 

- 시즌3, 프라이버시와 투명성의 강조

- 시즌4, AI 무기 경쟁 경계와 초지능에 대한 고려


04. 2017년 AI 컨퍼런스 소개

1) The O'Reailly Artificial Intelligence Conference (June 26~29, New York) (September 17~20, San Francisco)

2) Computer Vision and Pattern Recognition (July 22~25, Honolulu)

3) The AI Summit (May 9, London) (September 27, San Francisco) (December 6 New York)

4) ICML, International Conference on Machine Learning (August 6~11, Sydney)

5) NIPS, Neural Information Processing Systems (December 4~9, California)


05. AI관련 팟캐스트 소개

1) The AI Podcast, NVIDIA

2) Concerning AI | Artificial Intelligence

3) Learning Machines 101 

4) The Week in Machine Learning

5) Talking Machines (2016년 9월 방송 종료) NIPS, ICML 등 주요 컨퍼런스 관련 논문 소개



카카오 AI 리포트 Vol.2 (2017 APR)


01. 앤드류 응(Andrew Ng)이 말하는 AI, 경영전략

- 앤드류 응이 지난 3월 바이두를 떠났다.

- AI 개발자들에게 : "논문을 많이 읽고, 스스로 검증하라", "읽은 논문을 토대로 똑같이 따라해서, 똑같은 결과를 스스로 확인하라"

- AI 사업 성공을 위한 4 요소 : ①데이터, ②기획력, ③기획자와 개발자 간의 소통, ④가치 사슬 후속 과정에 대한 세밀한 관리




02. 세상을 바꾸고 싶다면, 딥러

"현재 딥러닝을 하고 있다면 축하한다. 딥러닝을 시작하려고 마음을 먹었다면 축하한다. 만약, 세상을 바꾸고 싶다면, 여기가 바로 그런 곳이다." by 앤드류 응(Andrew Ng)


03. AI, 지능정보기술 개발 및 활용의 바람직한 방향

어떤 이들은 AI 분야에서 구글, 페이스북 등 미국 기업들이 훨씬 앞선 기술력을 보유하고 있고 그 성능을 계속 향상시킬 수 있는 글로벌 플랫폼을 구축해놓은 까닭에 이미 경쟁은 끝난 것이 아니냐고 걱정한다. 그러나 구글, 페이스북, 아마존 등이 모든 산업과 서비스 시장을 전부 독과점한 상황은 전혀 아니다. 골드만삭스가 금융분석 및 거래에서 켄쇼를 사용하듯, 상이한 데이터와 서비스가 필요한 분야에서는 각각 다른 AI 플랫폼이 경쟁할 수 있다. 특히 경쟁 관계에 있는 수많은 국가와 기업들이 모두 극소수 지능정보기술 플랫폼에만 의존하는 균일화된 시장 상황은 형성되기 어려울 것이다. - 권용현 팀장 (미래창조과학부 지능정보사회추진단 기획총괄)


04. 인간의 길, AI 로봇의 길

미래는 유토피아 아니면 디스토피아일까요? 정말 두 가지 답안지 밖에 없는 것일까요? (중략) 어쩌면 뛰어난 AI 로봇 기술을 가진 국가 또는 기업이 헤게모니를 완전히 장악하게 될 것이라는 미래 예상은 조금 틀릴 지도 모르겠습니다. 아마도 뛰어난 AI 로봇 기술과 보다 인간적인(?) 사람들이 사는 국가 또는 기업이 헤게모니를 장악하게 되지 않을까 상상해 봅니다. 이것이 4차 산업혁명의 포장지인 '혁명'을 보는 것이 아닌 핵심 내용인 '기술의 변화'를 보는 것 아닐까요? - 한재권 교수 (한양대학교 융합시스템학과)


05. AI 온라인 강의 모음

1) CS50x Introduction to Computer Science, Harvard University via edX

2) CS101 Computer Science 101, Stanford University via Stanford OpenEdx

3) Programming for Everybody (Getting Started with Python), University of Michigan via Coursera

4) Intro to Data Science, Udacity

5) Introduction to Computational Thinking and Data Science, MIT via edX

6) Intro to Artificial Intelligence, Udacity

7) Machine Learning, Stanford University via Coursera (Andrew Ng)

8) 인공지능 및 기계학습, Kaist via K-mooc  (링크?)

9) Deep Learning for Natural Language Processing, University of Oxford



카카오 AI 리포트 Vol.3 (2017 May)


01. Research - 정수헌, 김대원 : ICML과 NIPS 발표논문 6,163건 메타 분석  (☞ Github)



02. Research - 김진화 : AI연구자들이 열광하는 ICML, NIPS


03. Research - 엄태웅 : 딥러닝 연구의 현재와 미래 part1. (1/2) 

1) Convolutional Network Models

2) Image Segmentation, Object Detection

3) Image, Video, Etc

4) Natural Language Processing, RNNs

5) Speech, Other Domains


04. Industry - 노명철, 이주영 : [AI in kakao] 사진에서 사람을 읽다

- R-CNN (region with convolutional neural network) : 영상에 선택적 탐색(selective search)라는 방법을 적용하여, 객체가 있을 법한 후보 영역(region proposal, RP)을 찾고, 각 RP에 컨볼루션 신경망(convolutional neural network, CNN)을 적용하여 객체를 분류한 뒤, 객체의 위치를 보정하는 방법

- Fast R-CNN : R-CNN의 시간문제를 개선한 방법으로 ROI Pooling (region of interest pooling)이라는 layer를 도입하여 CNN에서 얻어진 feature map의 일부 영역으로부터 정규화된 특징을 추출

- Faster R-CNN : RPN(regional proposal network)을 제안하고 CNN 이후 단계에 연결하여 이전의 방법들에서 사용했던 selective search를 대신함. PRN은 CNN에서 얻은 feature map으로부터 객체가 있을 것으로 보이는 영역을 제안하고 해당 영역은 Faster R-CNN과 도일하게 ROI Pooling을 통해서 정규화된 feature를 추출하고 그 feature로 객체를 판별하고 위치와 크기를 보정

source: 카카오 AI 리포트(Vol. 3)


05. Industry - 최예림 : 산업 현장 속으로 들어간 AI

플랫폼 효과란 시장을 지배하는 강력한 소수의 플랫폼으로의 집중 현상을 의미한다. 예를 들어, 구글은 웹에서의 검색 플랫폼, 이메일 플랫폼, 스마트기기 OS의 플랫폼으로써 막대한 양의 데이터를 수집하고 있다. 결국 이 데이터는 더 나은 성능의 AI 개발 원동력이 되어 다른 소규모 기업과의 격차를 점차 늘린다.


06. AI 유튜브 강의 모음

1) How we teach computers to understand pictures, Fei Fei Li

2) A Path to AI, Yann LeCun

3) Foundations and Challenges of Deep Learning, Yoshua Bengio

4) Deep Reinforcement Learning, John Schulman

5) Introduction to Generative Adversarial Networks, Ian Goodfellow

6) Feedforward neural network, Hugo Larochelle

7) Neural Networks for Machine Learning, Geoffrey Hinton

8) Deep Learning and Neural Net short course, Kevin Duh

9) Deep Learning for Self-Driving Cars, Lex Fridman


+ Recent posts