Æ÷Ä¿½º iN
¶óÀÌ¡½ºÅ¸
  • ±è½Â·æ
  • °í·Á´ëÇб³ ÄÄÇ»ÅÍÇаú (Çö KAIST ±èÀçöAI´ëÇпø)
  • seungryong_kim@korea.ac.kr


¢º °£·«ÇÑ ¼Ò°³ ºÎŹµå¸³´Ï´Ù. 


¾È³çÇϼ¼¿ä, °í·Á´ëÇб³ ÄÄÇ»ÅÍÇаú¿¡¼­ Á¶±³¼ö·Î ÀçÁ÷ ÁßÀÎ ±è½Â·æÀÔ´Ï´Ù. Àú´Â 2018³âµµ¿¡ ¿¬¼¼´ëÇб³ Àü±âÀüÀÚ°øÇаú¿¡¼­ ¹Ú»ç¸¦ ¹Þ¾Ò°í, 2020³â¿¡ °í·Á´ëÇб³·Î ÀÓ¿ëµÇ±â Àü¿¡´Â ½ºÀ§½º ·ÎÀÜ¿¬¹æ°ø°ú´ëÇÐ(EPFL)¿¡¼­ 2019³âºÎÅÍ 2020³â±îÁö ¹Ú»çÈÄ ¿¬±¸¿øÀ¸·Î ÀçÁ÷ÇÏ¿´À¸¸ç, 2018~2019³â¿¡´Â ¿¬¼¼´ëÇб³¿¡¼­ ¹Ú»çÈÄ ¿¬±¸¿øÀ¸·Î ÀçÁ÷ÇÏ¿´½À´Ï´Ù.    



¢º ÁÖ ¿¬±¸ ºÐ¾ß¿¡ ´ëÇÑ ¼Ò°³ ¹× µ¿Çâ¿¡ ´ëÇØ ¸»¾¸ ºÎŹµå¸³´Ï´Ù.


Á¦ ¿¬±¸ ºÐ¾ß´Â ÄÄÇ»ÅͺñÀü, ±â°èÇнÀ, ÀΰøÁö´ÉÀÔ´Ï´Ù. Àΰ£ÀÇ °¡Ä¡¸¦ ³ôÀÌ´Â ÀΰøÁö´É °³¹ßÀ» ¸ñÇ¥·Î ÀΰøÁö´ÉÀÇ ÇÙ½É ºÐ¾ß Áß ÇϳªÀÎ ÄÄÇ»ÅͺñÀü¿¡ °üÇÑ ¿¬±¸¸¦ Æø³Ð°Ô ¼öÇàÇÏ°í ÀÖ½À´Ï´Ù. ÀΰøÁö´ÉÀÌ Àΰ£ÀÇ ¼öÁØÀ¸·Î ½Ã°¢ÀÇ ¼¼»óÀ» ÀÎÁöÇÏ°í ÀÇ»ç °áÁ¤À» ³»¸®¸ç Àΰ£°ú Çù¾÷ÇÏ´Â ±â¼ú °³¹ßÀ» ¸ñÇ¥·Î, 3D Computer Vision, Visual Correspondence, Scene Understanding, Multi-modal Learning, Deep Representation Learning, Image Generation, Image Restoration µîÀÇ ´Ù¾çÇÑ ÁÖÁ¦¸¦ ¿¬±¸ÇÏ°í ÀÖ½À´Ï´Ù. ¶ÇÇÑ À̸¦ À§ÇÑ ±×·¡ÇȽº, ·Îº¸Æ½½º, ÀÚ¿¬¾î ó¸®, À½¼º ó¸®, ³ú°úÇÐ ¹× ÀÎÁö°úÇÐ µî°úÀÇ À¶ÇÕ ¿¬±¸µµ È°¹ßÇÏ°Ô ¼öÇàÇÏ°í ÀÖ½À´Ï´Ù.




¢º ±¹³»»Ó¸¸ ¾Æ´Ï¶ó ½ºÀ§½º EPEL(·ÎÀÜ¿¬¹æ°ø°ú´ëÇÐ)¿¡¼­µµ ¹Ú»çÈÄ¿¬±¸¿øÀ¸·Î ÀçÁ÷Çϼ̽À´Ï´Ù. ¿¬±¸È°µ¿À» ÇϽø鼭 Ưº°È÷ ´À³¢½Å Á¡ÀÌ ÀÖ´Ù¸é ¸»¾¸ÇØ ÁÖ¼¼¿ä. 


°í·Á´ëÇб³·Î ÀÓ¿ëµÇ±â Àü¿¡ ½ºÀ§½º ·ÎÀÜ¿¬¹æ°ø°ú´ëÇÐ(EPFL)¿¡¼­ 2019³âºÎÅÍ 2020³â±îÁö ¹Ú»çÈÄ ¿¬±¸¿øÀ¸·Î ÀçÁ÷ÇÏ¿´´Âµ¥¿ä, EPFLÀÇ ÄÄÇ»ÅͺñÀü ¿¬±¸½Ç(Computer Vision Lab)°ú ½Ã°¢Ç¥Çö ¿¬±¸½Ç(Image Visual Representation Lab)ÀÇ Sabine Susstrunk, Pascal Fua, Mattieu Salzman µî ¼¼°èÀûÀÎ ÄÄÇ»ÅͺñÀü ¹× ÀΰøÁö´É ÇÐÀںеé°ú ¿¬±¸¸¦ °°ÀÌ ÇÒ ¼ö ÀÖ¾ú½À´Ï´Ù. ´Ùµé ¿¹»óÀº ÇϽðÚÁö¸¸, ½ºÀ§½º´Â Ưº°È÷ ÀÚ¿¬°æ°üÀÌ »©¾î³ª±â·Î À¯¸íÇѵ¥¿ä, ·ÎÀÜ¿¬¹æ°ø°ú´ëÇÐ ¶ÇÇÑ ÇÁ¶û½º¿Í ¸Â´ê¾Æ ÀÖ´Â ·ÎÀÜ È£¼ö¸¦ ¹Ù¶óº¸°í ÀÖ½À´Ï´Ù. Çб³ÀÇ Å׶󽺿¡¼­ ·ÎÀÜ È£¼ö¸¦ ¹Ù¶óº¸¸ç ÆòÈ­·Ó°Ô ³í¹®À» Àаí Åä·ÐÇÏ°í ¿¬±¸ÇÏ´ø ±â¾ïÀÌ ¸¹ÀÌ ³³´Ï´Ù. ÀÌ·¯ÇÑ ½ºÀ§½ºÀÇ È¯°æ ´öºÐÀÎÁö ¿¬±¸ÀÚµéÀÇ ¿¬±¸ ½ºÅ¸ÀÏ ¶ÇÇÑ ¸Å¿ì ÀÚÀ¯·Î¿ì¸é¼­µµ ÀÚ¿¬½º·¯¿ü½À´Ï´Ù. ·¦¹ÌÆà ½Ã°£µµ µüµüÇÏÁö ¾Ê°í Æí¾ÈÇÑ ºÐÀ§±â¿¡¼­ º»ÀεéÀÇ ¿¬±¸ ³»¿ë°ú ¹æÇâµéÀ» ¹ßÇ¥ÇÏ°í ¼­·Î ÀÇ°ß ±³È¯ÀÌ µÇ¾ú°í, Ä¿ÇÇ Å¸ÀÓ¿¡µµ ÀÚ¿¬½º·´°Ô ¿¬±¸ Åä·ÐÀ¸·Î ÁøÇàµÇ´Â ¸ð½ÀÀÌ ¸Å¿ì Àλó ±í¾ú½À´Ï´Ù. Çб³ÀÇ ½Ã¼³µé ¶ÇÇÑ ÀÌ·¯ÇÑ ºÐÀ§±â¸¦ Á¶¼ºÇÏ´Â µ¥ µµ¿òÀÌ µÇ¾î ÁØ °Í °°Àºµ¥¿ä, "ÀÌ·± °÷¿¡ ¿Ö Ä¥ÆÇÀÌ ÀÖÁö?"¶ó°í »ý°¢ÇÏ´Â ¼ø°£ ´©±º°¡´Â °Å±â¼­ ¿¬±¸ ¹× Åä·ÐÀ» ÇÏ°í Àִµ¥, ¿¬±¸¸¦ ´Ü¼øÈ÷ ÀϷνá ÇÏ´Â °ÍÀÌ ¾Æ´Ï¶ó ÁøÁ¤À¸·Î Áñ±â´Â ¸ð½ÀµéÀÌ Á¤¸» Àλó ±í¾ú½À´Ï´Ù. ±×·¡¼­ Àúµµ ±×·¸°Ô ¿¬±¸ÀÚÀÇ ±æÀ» °¡°í ½Í´Ù´Â »ý°¢À» Âü ¸¹ÀÌ Çß´ø °Í °°½À´Ï´Ù.   



 


¢º ±Þº¯ÇÏ´Â »çȸ ȯ°æ º¯È­ ¼Ó¿¡¼­ AIÀÇ È°¿ë¿¡ ´ëÇÑ ±â´ë°¡ ³ô¾ÆÁö°í ÀÖ½À´Ï´Ù. ¾ÕÀ¸·Î ¿¬±¸¹æÇâÀ̳ª ½ÃµµÇÏ°í ½ÍÀº ¿¬±¸°¡ ÀÖ´Ù¸é ¸»¾¸ÇØ ÁÖ¼¼¿ä.


4Â÷ »ê¾÷Çõ¸í ½Ã´ë¿¡ ÀΰøÁö´É°ú ÄÄÇ»ÅͺñÀüÀÇ Á߿伺Àº Á¦°¡ ±»ÀÌ ¾ð±ÞÇÏÁö ¾Ê¾Æµµ ¸ðµÎ°¡ °ø°¨ÇϽÃÁö ¾ÊÀ»±î ½Í½À´Ï´Ù. ÀÌ·¯ÇÑ »óȲ¿¡¼­ ÀúÈñ ¿¬±¸½ÇÀº ÄÄÇ»ÅͺñÀüÀ̶ó°í ÇÏ´Â, ´Ü¼øÈ÷ ºÐ¾ß specific ¹æ¹ý·ÐÀ» °³¹ßÇÏ´Â °ÍÀÌ ¾Æ´Ï¶ó ¼ö¸¹Àº ¸ÖƼ¸ð´Þ(ÀÚ¿¬¾î, ¿Àµð¿À µî)À» ¸ðµÎ ´Ù·ê ¼ö ÀÖ´Â fundamentalÇÑ ÀΰøÁö´É ±â¼úµéÀ» °³¹ßÇϱâ À§ÇØ ³ë·ÂÇÏ°í ÀÖ°í, À̸¦ À§ÇØ ±×·¡ÇȽº, ·Îº¸Æ½½º, ÀÚ¿¬¾î ó¸®, À½¼º ó¸®, ³ú°úÇÐ ¹× ÀÎÁö°úÇÐ ºÐ¾ßµé°úÀÇ Çù¾÷µµ ¸Å¿ì Áñ°Ì°Ô ÇÏ°í ÀÖ½À´Ï´Ù. Áï ´Ù¾çÇÑ ¸ð´Þ·¯Æ¼¿Í ´Ù¾çÇÑ Àû¿ë ºÐ¾ß¿¡ ÀϹÝÀûÀ¸·Î È°¿ëµÉ ¼ö ÀÖ´Â Artificial General Intelligence¸¦ ¿¬±¸ÇÏ°í °³¹ßÇØ ³ª¾Æ°¡´Â °ÍÀÌ ¿¬±¸ ¸ñÇ¥ÀÔ´Ï´Ù. ±×¸®°í Çö´ëÀÇ ÀΰøÁö´ÉÀÇ °¡Àå Å« hurdleÀ̶ó°í ¾Ë·ÁÁ® ÀÖ´Â ¹®ÀÚ, ±³»ç ÇнÀ ±â¹ÝÀÇ ¹®Á¦µéÀ» ÇØ°áÇϱâ À§ÇÑ Data Efficient Learning¿¡ ¸Å¿ì °ü½ÉÀÌ ¸¹Àºµ¥, ¾î¶»°Ô »ç¶÷ÀÌ ¸¸µé¾î¾ß ÇÏ´Â ¶óº§À» ÃÖ¼ÒÈ­ Çϸ鼭µµ »ç¶÷À» ¶Ù¾î³ÑÀ» ¼ö ÀÖ´Â ÀΰøÁö´ÉÀ» ÇнÀÇÒ ¼ö ÀÖÀ»±î¶ó´Â ÁÖÁ¦·Î Self-Supervised Learning, Semi-supervised Learning, Few-shot Learning, Domain Adaptation ±â¼ú µîÀ» ¿¬±¸ÇÏ°í ÀÖ½À´Ï´Ù. ¶ÇÇÑ °³ÀÎÀûÀ¸·Î´Â ¸ÞŸ¹ö½º ½Ã´ëÀÇ µµ·¡¸¦ °è±â·Î °¡»óÇö½Ç¿¡ ¸Å¿ì °ü½ÉÀÌ ¸¹½À´Ï´Ù. Çö½ÇÀÇ ¼ö¸¹Àº Àå¸é°ú »óÈ£ ÀÛ¿ëÀ» 4Â÷¿ø °¡»óÇö½Ç ¼¼°è·Î ¿Å±â´Â °ÍÀº ±× Æı޷°ú °¡Ä¡°¡ ¹«ÇÑÇϸç, Çö´ëÀÇ ±â¼úÀÌ Á¶±Ý¾¿ ÀÌ·¯ÇÑ °¡»óÇö½ÇÀÌ ½ÇÁ¦·Î °¡´ÉÇÏ´Ù´Â °ÍÀ» º¸¿©ÁÖ°í ÀÖ½À´Ï´Ù. ƯÈ÷ ÄÄÇ»ÅͺñÀü ºÐ¾ß¿¡¼­ÀÇ 3Â÷¿ø ÄÄÇ»ÅͺñÀü ±â¼úµéÀÌ ÀÌ¿¡ ÇØ´çµÇ¸ç, ÃÖ±ÙÀÇ NeRF(Neural Radiance Fields)¶ó°í ÇÏ´Â ±â¼úÀº 3Â÷¿ø °ø°£À» °£´ÜÇÑ ´º·² ³×Æ®¿öÅ©·Î¸¸ Ç¥ÇöÇÏ´Â °ÍÀ» º¸¿©Áָ鼭 ±× °¡´É¼ºÀ» ºñÃß°í ÀÖ½À´Ï´Ù. ÀÌ·¸µí ²ÞÀ¸·Î¸¸ ¿©°Ü¿Ô´ø Çö½Ç°¨ ÀÖ´Â °¡»ó¼¼°è¸¦ ¸¸µé±â À§ÇÑ 3Â÷¿ø ÄÄÇ»ÅͺñÀü ±â¼ú °³¹ß¿¡ ¸Å¿ì °ü½ÉÀÌ ¸¹½À´Ï´Ù. 



¢º ¼ö¾÷À̳ª Çлý Áöµµ¹æ½Ä µî¿¡ À־ ±³¼ö·Î¼­ÀÇ Æ÷ºÎ°¡ ÀÖ´Ù¸é?


Àú´Â ÇöÀç Çкο¡¼­ '¼±Çü´ë¼ö'¿Í 'µö·¯´×'À» °¡¸£Ä¡°í ÀÖ°í, ´ëÇпø¿¡¼­ 'ÄÄÇ»ÅͺñÀü ÀÀ¿ë'°ú '°í±Þ ÄÄÇ»ÅͺñÀü'À» °¡¸£Ä¡°í ÀÖ½À´Ï´Ù. Á¦ Àü°ø ºÐ¾ßÀÎ 'ÀΰøÁö´É'°ú 'ÄÄÇ»ÅͺñÀü'¿¡ °ü·ÃµÈ ³»¿ëµéÀ» °¡¸£Ä¡°í ÀÖÀ¸¸ç, ÀΰøÁö´ÉÀÇ ±âÃÊÀÎ '¼±Çü´ë¼ö'¸¦ ±âÃÊ ¼Ò¾çÀ¸·Î ÄÄÇ»ÅÍÇаú 1Çгâ Çлýµé¿¡°Ô °¡¸£Ä¡°í 4Çгâ Çлýµé¿¡°Ô 'µö·¯´×' °ú¸ñÀ» Àü°ø ¼±ÅÃÀ¸·Î °¡¸£Ä¡¸ç ÀΰøÁö´É ½Ã´ë¿¡ »ì°í ÀÖ´Â ¿ì¸®°¡ ÇöÀç ¾îµð±îÁö ¿Í Àִ°¡ ±×¸®°í ¾ÕÀ¸·Î ¾îµð·Î °¥ °Í Àΰ¡¸¦ °°ÀÌ °í¹ÎÇغ¸°í ÀÖ½À´Ï´Ù. ´ëÇпø Çлýµé¿¡°Ô´Â 'ÄÄÇ»ÅÍ ºñÀü' °ü·Ã ½ÉÈ­ ³»¿ëÀ» °¡¸£Ä¡¸ç ±âÃÊ ÄÄÇ»ÅͺñÀü °ü·Ã ¾Ë°í¸®ÁòµéºÎÅÍ ½ÃÀÛÇؼ­ ¹Ù·Î Àü³¯ ³ª¿Â ÃÖ±Ù ÄÄÇ»ÅͺñÀü ¾Ë°í¸®ÁòµéÀ» °°ÀÌ °í¹ÎÇغ¸¸ç ½ÉÈ­µÈ ÄÄÇ»ÅͺñÀü ±â¼úµé¿¡ ´ëÇؼ­ ½ÇÁ¦ °øºÎÇÏ°í ÀÌÀÇ Àû¿ë ¹æ¾È¿¡ ´ëÇؼ­ °í¹ÎÇغ¸°í ÀÖ½À´Ï´Ù. Ưº°È÷ Á¦°¡ °­ÀÇÇÏ´Â ¼ö¾÷µé¿¡¼­´Â ÀΰøÁö´É À̷лӸ¸ ¾Æ´Ï¶ó  ½ÇÁ¦ÀûÀÎ Àû¿ëÀ» À§ÇÑ ÄÚµù ±³À° ¹× ½ÇÁ¦ ÀΰøÁö´É ÄÚµåµéÀ» ¼­·Î ¸®ºäÇÏ´Â ½Ã°£À» °®½À´Ï´Ù. À̸¦ ÅëÇØ ´Ü¼øÇÑ ÀÌ·Ð Àü´Þ»Ó¸¸ ¾Æ´Ï¶ó ½ÇÁ¦ Àû¿ë ¹× È®Àå±îÁö °¡´ÉÇÑ ÀÎÀ縦 ¾ç¼ºÇϱâ À§ÇØ ³ë·ÂÇÏ°í ÀÖ½À´Ï´Ù. ¶ÇÇÑ ÀúÈñ ¿¬±¸½ÇÀº ÇöÀç 20¸í Á¤µµÀÇ ´ëÇпø»ýÀ¸·Î ÀÌ·ç¾îÁ® ÀÖ°í ÃÖ½ÅÀÇ ÄÄÇ»ÅͺñÀü ¹× ÀΰøÁö´É ±â¼úµéÀ» ÀÌÇØÇÏ°í ¹ßÀü½ÃÄÑ ³ª°¡±â À§Çؼ­ ¿­½ÉÈ÷ ¿¬±¸ÇÏ°í ÀÖ½À´Ï´Ù. Æ÷ºÎ°¡ ÀÖ´Ù¸é Á¦ ¼ö¾÷À» µé¾ú´ø ¸¹Àº ÇкΠ¹× ´ëÇпø Çлýµé, ±×¸®°í ÀúÈñ ¿¬±¸½ÇÀ» °ÅÃÄ°¥ ¸¹Àº ÇлýµéÀÌ ÀΰøÁö´É ¹× ÄÄÇ»ÅͺñÀü¿¡ ´ëÇؼ­ Èï¹Ì¸¦ ´À³¢°í »ç¶ûÇÏ°í ÀÌ ÀÏÀ» °è¼ÓÇÏ´Â ¿¬±¸ÀÚ°¡ µÇ¾î ¶Ç ÀÌ ±æÀ» °¡°Ô µÈ´Ù¸é Á¦ ÀÚ¸®¿¡¼­ ¾ÆÁÖ ÀÛ°Ô³ª¸¶ ÀǹÌÀÖ´Â ÀÏÀ» ÇÏÁö ¾Ê³ª »ý°¢ÀÌ µË´Ï´Ù.



¢º Ưº°È÷ ±â¾ï¿¡ ³²´Â º»ÀÎÀÇ ³í¹®À» ²Å´Â´Ù¸é?


¹Ú»ç°úÁ¤ µ¿¾È ¿¬Â÷´Â ´Ã¾î°¡´Âµ¥ ÀÌ·¸´Ù ÇÒ ¼ÒÀ§ Top-tier ³í¹®ÀÌ ¾ø´Ù º¸´Ï "³»°¡ ¿¬±¸ÇÏ´Â °Ô ¸Â³ª, ÀÌ ¹æÇâÀÌ ¸Â³ª" µî ¸¹Àº °í¹ÎÀ» Çß´ø ½ÃÀýÀÌ ÀÖ¾ú½À´Ï´Ù. ±×¶§´Â °°ÀÌ ÀÏÇÏ´Â µ¿·áµé, ¼±ÈĹèµé°ú Àú³á ½Ä»ç ÈÄ »êÃ¥À» Çϸ鼭 Àâ´ã ºñ½ÁÇÏ°Ô ÀÌ·±Àú·± ¾ê±â¸¦ ÇÏ´Â ½Ã°£ÀÌ ¸¹¾Ò´Âµ¥, ¾î´À ³¯ Çб³ ¿îµ¿ÀåÀ» µ¹´Ù°¡, Multimodal Matching¿¡ °üÇÑ ¿¬±¸ ¾ê±â¸¦ ÇÏ´ø Áß, °©ÀÚ±â "¾î¶ó, ÀÌ·¸°Ô Çغ¸¸é ¾î¶³±î"¶ó´Â ¾ÆÀ̵ð¾î°¡ ¶°¿Ã¶ú°í, ±×³¯ºÎÅÍ ±× ¾ÆÀ̵ð¾î¸¦ ±¸Ã¼È­ÇÏ°í Á¤¸®ÇÏ¿© ÄÄÇ»ÅͺñÀü ºÐ¾ß Top-tier ÄÁÆÛ·±½ºÀÎ CVPR 2015¿¡ ³í¹®*À» Á¦ÃâÇÏ°í ÃÖÁ¾ ¾ï¼Á±îÁö ¹ÞÀ» ¼ö ÀÖ¾ú½À´Ï´Ù. ´ç½Ã Á¦ ¿¬±¸ ¶óÀÌÇÁÀÇ Ã¹ Top-tier ³í¹®ÀÌÀÚ ¿¬±¸¶ó´Â °Í¿¡ ´«À» ¶ß°Ô ¸¸µé¾î ÁØ, ±×¸®°í ¿¬±¸ÀÇ Âü¸ÀÀ» ¾Ë·ÁÁØ ÀÇ¹Ì ÀÖ´Â ³í¹®À̶ó ÀÌ ³í¹®À» ²Å°í ½Í½À´Ï´Ù.   


* ¡ºDASC: Dense adaptive self-correlation descriptor for multi-modal and multi-spectral correspondence¡» 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)



¢º ±³¼ö´Ô¿¡°Ô ¿µÇâÀ» ¹ÌÄ£ Àι° ¶Ç´Â ±Í°¨À¸·Î »ïÀ¸½Ã´Â ¿¬±¸ÀÚ°¡ ÀÖ´Ù¸é?


¸ÕÀú Àú¸¦ ¿©±â±îÁö ÀÖ°Ô ¸¸µé¾îÁֽŠ¼Õ±¤ÈÆ ±³¼ö´ÔÀÔ´Ï´Ù. Á¦ ¹Ú»ç°úÁ¤ ½ÃÀý Áöµµ±³¼ö´ÔÀ̽øç, ÇöÀç Çѱ¹ÄÄÇ»ÅͺñÀü ¿¬±¸È¸ ȸÀåÀ» ¸Ã°í °è½Ê´Ï´Ù. Àú´Â ÀÚ´ë Çкθ¦ ¸¶Ä¡°í ´ëÇпø¿¡ ÀÔÇÐÇÏ¿© ¼®¹Ú»ç ÅëÇÕ°úÁ¤°ú ¹Ú»çÈÄ ¿¬±¸¿ø±îÁö 7³â µ¿¾È ¼Õ±¤ÈÆ ±³¼ö´Ô ¹Ø¿¡¼­ ¹è¿ì°í ¿¬±¸Çß½À´Ï´Ù. ¿¬±¸¶ó´Â °Ô ¹«¾ùÀÎÁö¸¦ óÀ½À¸·Î ¾Ë°Ô ÇØÁּ̰í, ¿¬±¸ÀÚÀÇ »îÀ̶õ ¹«¾ùÀΰ¡, ±×¸®°í ±³¼öÀÇ »îÀº ¹«¾ùÀÎÁö¸¦ ¸ö¼Ò º¸¿©Áּ̽À´Ï´Ù. ¹Ú»ç°úÁ¤ µ¿¾È ±³¼ö´Ô²²¼­ ¸ÅÁÖ ¹ÌÆÃÇØÁֽðí, ÁÖ¸»¿¡µµ ÀúÈñ¿Í ±³·ùÇÏ°í ¿¬±¸ÇÏ¸ç ¼º½Ç°ú Áø½ÉÀ¸·Î ÁöµµÇØ ÁֽŠ±× ¸ð½ÀµéÀÌ ´ç½Ã¿¡´Â ´ç¿¬ÇÏ°Ô »ý°¢µÇ¾ú´Âµ¥, ¸ðµç ÀÏÀÌ ±×·¸µíÀÌ ½Ã°£ÀÌ Áö³ª°í Á¦°¡ ±³¼ö¶ó´Â Á÷¾÷À» ÇÏ´Ù º¸´Ï ¾ó¸¶³ª ¾î·Æ°í ´ë´ÜÇϼ̴ÂÁö¸¦ ±ú´Ý°í ³ª´Ï ±³¼ö´Ô¿¡ ´ëÇÑ Á¸°æ½ÉÀÌ ´õ Ä¿Áö´Â °Í °°½À´Ï´Ù.

±×¸®°í ¶Ç ÇÑ ºÐÀÌ °è½Ã´Âµ¥¿ä. Á¦°¡ 2015~2016³â ¹Ú»ç°úÁ¤ ±â°£ µ¿¾È Microsoft Research Asia (MSRA)¿¡¼­ ÀÎÅÏ °úÁ¤À» ¹âÀº ÀûÀÌ Àִµ¥, ±×¶§ Á¦ ¸àÅäÀ̽ŠSteve Lin ¹Ú»ç´ÔÀÔ´Ï´Ù. ÁøÁ¤ÇÑ ¿¬±¸¶õ ¹«¾ùÀÎÁö¿¡ ´ëÇØ °í¹ÎÇÏ°í ¹æȲÇÏ´ø ½ÃÀý ¸¸³µ´ø Steve ¹Ú»ç´ÔÀº ¿¬±¸Àڷμ­ ¾î¶»°Ô ¿¬±¸¸¦ ÇÏ°í ³í¹®À» ÀÛ¼ºÇÏ´ÂÁö¿¡ ´ëÇÑ µðÅ×ÀÏÇÑ ºÎºÐºÎÅÍ ¿¬±¸¸¦ ´ëÇÏ´Â ÀÚ¼¼, »ç¶÷À» ´ëÇϴ ŵµ, ¿¬±¸Àڷμ­ °â¼ÕÇÔ µîÀ» ¸ö¼Ò º¸¿©ÁÖ¼Ì°í ¸¹Àº °¡¸£Ä§À» ¹Þ¾Ò½À´Ï´Ù. Á¤¸» Á¦°¡ ¿îÀÌ ÁÁÀº »ç¶÷À̶ó°í »ý°¢ÀÌ µå´Â °ÍÀº ÀÌ µÎ ºÐ ¿Ü¿¡µµ Àú¿Í °°ÀÌ ¿¬±¸¸¦ ÁøÇàÇÑ ÀÌÈ­¿©ÀÚ´ëÇб³ ¹Îµ¿º¸ ±³¼ö´Ô, ¿¬¼¼´ëÇб³ ÇÔ¹ü¼· ±³¼ö´Ô µî ±¹³»¿Ü ¸¹Àº ¿¬±¸ÀÚµé°ú ¿¬±¸ÇØ¿Â °æÇèµéÀÌ Áö±ÝÀÇ Àú¸¦ ÀÖ°Ô ÇÑ °Í °°½À´Ï´Ù.  



¢º AI ºÐ¾ß·Î ÁøÃâÇÏ·Á´Â ÈĹèµé¿¡°Ô Á¶¾ðÀ» ºÎŹµå¸³´Ï´Ù.


Àú´Â Á¦ ¿¬±¸½Ç¿¡ µé¾î¿À·Á´Â Çлýµé¿¡°Ô Ç×»ó ¹°¾îº¸´Â Áú¹®ÀÌ ³ÊÀÇ "¸ðƼºê´Â ¹«¾ùÀ̳Ä?" ÀÔ´Ï´Ù. ´Ùµé Àß ¾Æ½Ã°ÚÁö¸¸ ÀΰøÁö´ÉÀÇ ¹ßÇö ÈÄ ÀÌ ºÐ¾ßÀÇ Society´Â ³¡ÀÌ ¾øÀÌ È®ÀåµÇ¾î °¡°í ÀÖ°í ÀΰøÁö´É ¹× ÄÄÇ»ÅÍ ºñÀüÀÇ Á߿伺°ú ±× Æı޷ÂÀº ¿ì¸®ÀÇ »ó»óÀ» ¶Ù¾î³Ñ°í ÀÖ½À´Ï´Ù. Arxiv¿¡ ³í¹®À» ¿Ã¸®¸é ÀÏÁÖÀÏÀÌ µÇÁö ¾Ê¾Æ¼­ outdated µÇ¾î°¡´Â ½Ã´ë¸¦ ¿ì¸®´Â »ì°í Àִµ¥, ±×¸¸Å­ Æı޷ÂÀÌ ÀÖ°í Áß¿äÇÑ ¿¬±¸¿Í °³¹ßÀ» ÇÏ°í ÀÖ±¸³ª¶ó´Â »ý°¢ÀÌ µé´Ù°¡µµ, ´Ù½Ã »ý°¢Çϸé ÀÌ·¯ÇÑ ºÐ¾ß¿¡¼­ ¼ÒÀ§ »ì¾Æ³²°í ÀÇ¹Ì ÀÖ´Â ¹ßÀÚÃ븦 ³²±ä´Ù´Â °ÍÀº ±×·¸°Ô ½¬¿î ÀÏÀÌ ¾Æ´Ò °ÍÀÔ´Ï´Ù. ÀÌ·¯ÇÑ ¹«ÇÑ °æÀï ¼Ó¿¡¼­, ÇϳªÀÇ µ¥µå¶óÀÎÀÌ Áö³ª°¡¸é ¶Ç ´Ù¸¥ µ¥µå¶óÀÎÀÌ ´Ù°¡¿Í¼­ »õ·Î¿î ¿¬±¸¸¦ ÁøÇàÇÏ´Â °æÀï ¼Ó¿¡¼­, ´Ü¼øÈ÷ ÀΰøÁö´É ºÐ¾ßÀÇ Çʿ伺À» º¸°í Àǹ«ÀûÀ¸·Î ¿¬±¸¸¦ ½ÃÀÛÇÑ´Ù¸é ±× ¹«ÇÑ »çÀÌŬÀÇ ´Ë¿¡ ºüÁ® ³»°¡ °¡´Â ±æÀ» Àұ⠳ʹ« ½¬¿î ½Ã´ë°¡ Áö±ÝÀÌ ¾Æ´Ò±î ½Í½À´Ï´Ù. ÀÌ·² ¶§Àϼö·Ï ³»°¡ ÀÌ·¯ÇÑ ÀΰøÁö´É ºÐ¾ß¸¦ ¿¬±¸ÇØ¾ß ÇÏ´Â ¸ðƼºê°¡ Á¦ÀÏ Áß¿äÇÏÁö ¾ÊÀ»±î ÇÕ´Ï´Ù. "³»°¡ Á¤¸» ÀΰøÁö´É ºÐ¾ß¸¦ ¿¬±¸Çϸ鼭 ¶Ç´Â Æò»ý ÀÌ ¿¬±¸¸¦ ÇÏ´Ù º¸¸é ³»°¡ Èñ¿­À» ´À³¢°í ÇູÀ» ´À³¥ ¼ö ÀÖÀ»±î?"°¡ ½º½º·Î¿¡°Ô ´øÁö´Â °¡Àå Áß¿äÇÑ Áú¹®ÀÌ µÉ °Í °°½À´Ï´Ù. º»ÀεéÀÌ ½º½º·Î Áú¹®À» ´øÁ³À» ¶§ Á¤¸» ±×·¸´Ù°í¶ó°í ´äÇÒ ¼ö ÀÖ´Ù¸é ÀΰøÁö´É ºÐ¾ß¿¡¼­ÀÇ ¿¬±¸ÀÚÀÇ »îÀº Á¤¸» ¶æ±í°í ÀÇ¹Ì ÀÖ´Â ±æÀÌ µÉ °Å¶ó È®½ÅÇÕ´Ï´Ù.      



¢º ¾ÕÀ¸·Î °èȹÀÌ ÀÖ´Ù¸é ¸»¾¸ÇØ ÁÖ¼¼¿ä. 


Á¦°¡ °í·Á´ëÇб³¿¡ ÀÓ¿ëµÈ Áö 2³â ¹ÝÀÌ Áö³ª°í Àִµ¥, ¸»¾¸µå·ÈµíÀÌ Àú´Â ÇöÀç °í·Á´ëÇб³ ÄÄÇ»ÅÍÇаúÀÇ ÄÄÇ»ÅͺñÀü ¿¬±¸½ÇÀ» ¿î¿µÇϸç Æø³ÐÀº ÄÄÇ»ÅͺñÀü ¹× ÀΰøÁö´É °ü·Ã ±â¼úÀ» ¿¬±¸ÇÏ°í ÀÖ½À´Ï´Ù. ¾Õ¼­ ¸»¾¸µå·ÈµíÀÌ »ç¶÷ÀÌ ¼¼»óÀ» ÀÎÁöÇÏ´Â °úÁ¤ÀÌ ±×·¸µí, Àú´Â ÄÄÇ»ÅͺñÀüÀ̶ó°í ÇÏ´Â °Ô ´Ü¼øÇÑ ºÐ¾ßÀÇ specific ¹æ¹ý·ÐÀ» °³¹ßÇÏ´Â °ÍÀÌ ¾Æ´Ñ ¼ö¸¹Àº ¸ÖƼ¸ð´Þ(ÀÚ¿¬¾î, ¿Àµð¿À µî)À» ¸ðµÎ ´Ù·ê ¼ö ÀÖ´Â fundamental ÇÑ ÀΰøÁö´É ±â¼úµéÀ» °³¹ßÇϱâ À§ÇØ ³ë·ÂÇÏ°í ÀÖ°í, À̸¦ À§ÇÑ ¼ö¸¹Àº ´Ù¸¥ ºÐ¾ßµé°úÀÇ Çù¾÷µµ ¸Å¿ì ÇÊ¿äÇÏ°í Áñ°Ì°Ô »ý°¢ÇÏ°í ÀÖ½À´Ï´Ù. ÀúÈñ ¿¬±¸½ÇÀÇ À̸§Àº ÄÄÇ»ÅͺñÀü ¿¬±¸½ÇÀÌÁö¸¸ Â÷¼¼´ë ÀΰøÁö´ÉÀÇ ÇÙ½É ¿ä¼Ò ±â¼úµéÀ» °³¹ßÇÏ´Â µ¥ ÁÖ·ÂÇÒ ¿¹Á¤ÀÔ´Ï´Ù. 



¢º ±× ¹Û¿¡ ÇÏ½Ã°í ½ÍÀº À̾߱â


Àú´Â ¹Ú»ç°úÁ¤ºÎÅÍ ¹Ú»çÈÄ ¿¬±¸¿øÀ» °ÅÃÄ ÇöÀç Á¶±³¼ö·Î ÀçÁ÷Çϱâ±îÁö ÀΰøÁö´É ¹× ÄÄÇ»ÅͺñÀüÀ̶ó´Â ¿¬±¸¸¦ ¹Ù¶óº¸¸ç »ì¾Æ¿À°í ÀÖ½À´Ï´Ù. ¿¬±¸¸¦ Çϸ鼭 ÇöÀçÀÇ ¾Æ³»µµ ¸¸³µ°í, »îÀÌ ¿¬±¸ÀÌ°í ¿¬±¸°¡ »îÀÎ ÀλýÀ» »ì¾Æ°¡°í ÀÖ´Â °Í °°°í, ¾ÕÀ¸·Îµµ ±×·¸°Ô »ì »ý°¢ÀÔ´Ï´Ù. ´©±º°¡´Â ºÒÇàÇÏ´Ù°í »ý°¢ÇÒ ¼ö ÀÖÁö¸¸, Àú´Â Á¦°¡ ÁÁ¾ÆÇÏ°í Èñ¿­À» ´À³¢°í »ç¶ûÇÏ´Â ¿¬±¸¿Í µ¿ÇàÇÏ´Â »îÀÌ ±×·¸°Ô ½â ³ª»ÚÁö ¾ÊÀº °Í °°°í, ±âȸ°¡ µÈ´Ù¸é Æò»ý ÀÌ·¸°Ô »ì°í ½Í½À´Ï´Ù. ±×·¸´Ù°í Á¦°¡ ¾öû³­ ¿¬±¸ ¾÷ÀûÀ» ³²±ä °Íµµ ¾øÁö¸¸, Áö±Ý Á¦°¡ °¡°í ÀÖ´Â ÇÑ °ÉÀ½ ÇÑ °ÉÀ½ÀÌ ´©±º°¡¿¡°Ô ¾ÆÁÖ ÀÛÀº ÀÌÁ¤Ç¥¸¸ µÇ¾î Á־ ¸¸Á·ÇÏ°í¿ä, ÀÌ·¸°Ô ¹¬¹¬È÷ ¼º½ÇÇÏ°Ô ¿¬±¸ÀÚÀÇ ±æÀ» °¡´Ù º¸¸é Á¤¸» ¼¼»óÀ» ¹Ù²Ü ¿¬±¸¸¦ ÇÒ ¼öµµ ÀÖÁö ¾ÊÀ»±î ÇÏ´Â ±â´ëµµ Ç°À¸¸ç »ì¾Æ°¡°í ÀÖ½À´Ï´Ù. Ȥ½Ã¶óµµ ¿¬±¸ÀÚÀÇ ±æÀ» »ý°¢ÇϽô ºÐÀÌ ÀÖ´Ù¸é ²À ¿©·¯ºÐÀÌ ÁÁ¾ÆÇϽðí ÇູÇÑ ¿¬±¸¸¦ ÇϽðí Áñ°Ì°Ô ±× ±æÀ» °¡¼ÌÀ¸¸é ÁÁ°Ú½À´Ï´Ù.


¿¬±¸ÀÚ Á¤º¸ >>