지난 8월 25일, 리콘랩스에서는 흥미로운 첫 번째 사내 오픈 세미나가 열렸습니다. 이 세미나는 우리 부서와 개인들이 가지고 있는 정보, 경험, 노하우를 공유하기 위해 새롭게 시작된 리콘랩스의 프로그램입니다. 이번 세미나의 첫 강연은 CTO 경원님이 '리콘랩스 AI 기술 이해하기'라는 주제로 진행해 주셨습니다.
경원님의 강연은 'AI와 뉴럴 네트워크’에 대한 개론적인 내용을 다루었습니다. 새로 입사하신 분들, 그리고 평소 기술에 대해 충분히 개념 정립이 되지 않은 분들에게는 꼭 필요한 세미나라고 생각합니다. 리콘랩스는 AI 기반 3D 콘텐츠 생성 기술을 가진 기업이기 때문에 솔루션의 원천 기술에 대해서는 모든 구성원이 기본 지식을 갖고 있어야 업무를 잘 해낼 수 있답니다.
이 주제가 비전공자인 분들께는 아무래도 익숙하지 않아 강의 전에는 조금 걱정되는 눈치였지만, 강연 내용은 막상 이해하기 쉬웠고, 사례들을 많이 보여주셔서 흥미로웠습니다. 세미나가 지루하지 않도록 맛있는 크리스피 도넛 간식이 제공되어, 캐주얼한 분위기 속에서 강연을 듣고, 질문을 주고받았습니다.
세미나는 인공지능에 대한 정의를 짚어보며 시작했습니다. 우선 인공지능은 큰 틀에서 주어진 정보를 가공하여 다른 대상과 소통 가능한 형태로 정보를 재구성할 수 있는 기계 장치로 생각해 볼 수 있어요. 다만 이렇게 정의하면 무수히 많은 프로그램들도 여기에 포함될 수 있겠죠. 우리는 여기서 한 발 더 나아가, 근본적인 의미에서 지능이라는 표현을 쓸 수 있으려면, 기계장치가 가지고 있는 정보로 주어진 정보를 재구성해야 한다는 조건을 추가해서 생각해 볼 수 있을 것 같아요.
예를 들어 우리가 “이 제품의 가격을 얼마로 설정해야 할까요?” 와 같은 비즈니스적 질문을 받는다고 해보죠. 완전히 같지는 않겠지만 우리 머릿속에서는 아래 그림과 같은 정보의 연결이 일어나게 될 거예요.
이 그림을 풀어서 써 보자면 다음과 같아요. ‘회사가 만드는 제품에는 어떤 내용이 들어가 있고, 이 내용에는 소비자가 만족할 만한 내용이 포함되어 있고, 소비자는 시장의 다른 제품과 비교를 통해 가격에 대한 지불 의사를 결정할 것이에요. 한편 회사가 이 제품을 만들기 위해 소비해야 하는 비용도 있을 거예요. 제품을 소비자에게 알리기 위해서는 광고가 필요하고, 제품을 유통하기 위한 비용, 인건비 등의 원가 같은 정보도 함께 고려되어야 할 것이에요.’
지능이라고 하면 이러한 판단을 할 수 있어야 해요. 이 능력을 압축해서 써 보자면 ‘주어진 정보를 알고 있는 정보를 조합해서 재구성하는 능력’이라고 해 볼 수 있을 것 같아요. 이러한 기준으로 놓고 봤을 때 우리 주변에서 수많은 ‘AI’ 기술들이 과연 이에 해당할지에 대해서는 생각해 볼 필요가 있는 문제로 남겨두기로 했어요.
이후에는 본격적으로 현 세대의 인공지능의 대다수를 구성하고 있는 뉴럴 네트워크, 우리말로는 신경망을 이해해 보기로 했어요. 인간의 신경 구조 흉내 내기에 대한 아이디어에서 출발해 실제로 회사의 솔루션에 쓰이는 과정까지 쉽지 않은 여정이었는데요, 다행히도 수학을 최대한(!?) 줄이고 비유를 통해 설명이 진행되어 많은 분들께 전달을 하려는 CTO님의 노력이 보이는 시간이었어요.
그중에서 특히 눈길을 끌었던 것은 뉴럴 네트워크의 학습을 도미노와 비슷한 기계장치에 비유해 주신 것이었어요.
구슬을 떨어뜨려서 움직인 막대기가 연속적으로 다음 막대기를 건드리도록 조절하는 과정이 신경망 학습이랑 유사하다니, 신기하지 않나요?
더 나아가 신경망의 학습 과정이 파친코 기계에서 구슬이 설계자가 의도한 정확한 확률로 목적지에 도달하도록 많은 핀을 조절하는 과정이랑 유사하다는 비유까지 해 주셨는데요, 재미있는 비유로 비전공자분들의 이해를 도왔어요.
마지막으로, NeRF와 뉴럴 네트워크 학습의 관련성에 대해 알아보았어요. NeRF는 3D 공간 내의 객체와 장면을 모델링 하기 위해 뉴럴 네트워크를 사용하는 현대적인 기술로, 이 뉴럴 네트워크를 활용하여 공간 상의 정보를 재구성하는 과정에 대한 설명을 끝으로 세미나가 마무리되었어요.
세미나가 끝나고 간단히 진행된 '회고' 섹션을 통해 오늘 세미나에 대한 의견을 나누었습니다. 이 중에서 몇 가지 주요 내용은 다음과 같습니다.
1.
공간상 데이터 활용의 이점은 GPU 행렬 계산에 최적화되어 있고 MLP(풀어서?)를 행렬로 표현할 수 있는 간단함입니다.
2.
서비스별로 다른 인공지능을 활용하는 점에 대한 논의가 있었으며, 앞으로 연구할 기술에 대한 의견도 나누었습니다.
3.
수학 공식에 대한 비중을 낮추어 비전공자들도 쉽게 이해할 수 있도록 세미나 내용을 간소화하는 노력에 대한 얘기도 나왔습니다.
이번 세미나를 통해 우리는 인공지능과 뉴럴 네트워크에 대한 이해를 높일 수 있었고, 2주 간격으로 세미나가 진행될 예정이라고 하니 앞으로 어떤 흥미로운 주제로 세미나가 진행될지 기대됩니다. 계속해서 함께 성장하며 학습하는 구성원들의 모습을 응원하겠습니다.