(사진 출저: 구글 리서치)
2017년 5월, 구글 브레인의 연구자들은 인공지능을 만들어내는 인공지능인 AutoML을 발표했다.
연구자들은 강화학습(reinforcement learning)으로 불리는 접근법을 이용하여 학습 모델 설계를 자동화했다. 그 결과, AutoML는 콘트롤러 신경 네트워크로 작동하면서 특정한 업무를 위해 또 다른 인공지능 네트워크를 만들었다.
AutoML이 만든 인공지능인 NASNet는 실시간 비디오에서 사물을 인식하는 일을 맡았다. AutoML은 NASnet의 성능 향상을 위해 NASNet가 사물을 인식하고 그 정보를 사용하는 훈련을 수천 회 반복했다. 그러자 NASNet은 곧 인간이 만든 기존의 다른 컴퓨터 시각 시스템들 모두를 능가하기 시작했다.
전 세계에서 가장 큰 이미지 데이타베이스를 보유한 이미지넷에서 NASNet는 사물을 예측하는 데 기존의 컴퓨터 시각 시스템보다 1.2% 더 높은 82.7%의 정확도를 보였고, 컴퓨터 시각 분야에서 사용되는 성능평가지표인 mAP(mean Average Precision)에서도 기존보다 4% 더 높은 43.1%의 효율성을 기록했다.
그러나 인공지능이 낳은 인공지능이 바람직하지 않은 의도로 사용될 가능성을 경계하는 시각이 있다. 예를 들어 NASNet의 등장은 실시간으로 카메라에 잡히는 모든 사람의 얼굴을 바로 인식하고 신분을 확인한 후, 의심스러운 행동 여부를 감지하는 방향으로 응용될 수 있다.
구글 연구자들은 NASNet이 광범위한 분야에 응용될 수 있을 거라는 기대를 가지고 소스 코드를 공개했다. “우리는 우리가 아직 상상해보지 못한 많은 컴퓨터 시각 문제들을 다루기 위해 머신 러닝 공동체가 이 모델들을 기반으로 사용하기를 희망합니다.”
