아무도 가르쳐 주지 않았거나...
구현 모듈 AI로 치환하기 : 논문 평가하기
byHAJUNHOMay 06. 2020
아무도 몰랐거나.
Aodbe, Facebook, Google 등에서 진행하고 싶지만 진행하지 못하는 교육이 있다. 바로 삼성전자가 하는 반도체 관련 교육이다. 삼성전자 매출이 수백조에 이르고 구글, 인텔을 제친 적도 있다는 것은 모두가 아는 사실이다. 그리고 삼성전자에서 개발자로 지내오면서 구글이 삼성 앱스토어를 내리게 협박(안드로이드 승인 안 해주겠다며)하고, SEAndroid 할 때에도 정책을 달라고 했던 것은 직접 경험했던 일이다. 따져보면 안드로이드를 제 발로 차 버린 삼성전자의 업보다. 5년 간 안드로이드 같은 플랫폼을 목표로 개발을 했기에 안드로이드를 제 발로 차 버렸다. 안드로이드를 차 버렸지만 결국, 그 와 같은 플랫폼을 못 만들어서 해당 개발팀이 안드로이드 담당팀으로 되었고, 그래서 그 팀의 팀원들은 오히려 승승장구한 것은 참 아이러니다. 이런 정보는 말해주지 않으면 타인은 아무도 알 수 없다.
영화 매트릭스에서 주인공 니오(neo)가 아키텍트를 만나 하는 대사 중 이런 대사가 있다.
"그럼, 둘 중 하나겠군. 아무도 알려주지 않았거나, 아무도 몰랐거나"
AI에서 나오는 "모델"의 개념은 반도체 RTL(register transfer level) 분야에서 이미 20년도 더 된 이야기다. Model과 TestBench로 Simlation Compile을 해서 시뮬레이션 모델을 만드다. 그렇게 만들어진 모델에 Test Vector를 넣어 시뮬레이션을 하고 Output을 뽑아낸다.
어느 산업군이던 기술이 유출되면 먹고 살기 힘들어지는 분야가 있다. 영국의 아마추어 발명가 모리스 워드가 발견한 스타라이트는 10,000℃ 를 견디는데 그 제조법이 만약 아래 유투버가 찾은 것과 같다면, 한 번 아는 순간 그 발명가의 발견의 가치는 뚝! 떨어져 버린다. 별 것 아닌 발견도 그 발견을 위해 평생을 바치는 경우가 있다. RTL은 단순하지도 않은데다가 구글링을 통해 배우기 어려운 기초 과학 분야다.
https://www.youtube.com/watch?v=EBCjYSBTajI
5년 전, 유튜브나 나무 위키 자료 올려서 책을 쓰는 것을 폄하하는 엔지니어가 있었는데 지금 보면, 참 우습다.
RTL에서 시뮬레이션 전에는 "모델"과 Technology Library를 이용하여 Netlist를 만든다. 즉, 모델이라는 개념이 AI 분야에서 새롭게 만들어진 개념이 아니라는 뜻이다. 여기서 중요한 점은 모든 AI는 반도체를 만드는 분야인 RTL 위에서 만들어지고 실행된다.
원자력 발전소를 만들 때의 모든 지식을 한 사람이 알기는 어렵다고 한다. AI 역시 마찬가지다. 여러 사람의 협업이 필요하기 때문에 협업을 위한 커뮤니케이션 스킬, 자신이 본래 알고 있던 생각을 바꾸어 다른 사람 생각을 수긍할 수 있는 논리학, 그리고 솔루션(Solution)에 대한 평가가 중요한 이유도 그 때문이다. 여기에 수학적 정도를 나타내는 수식과 문서화가 잘 된 프로그램(소프트웨어)의 추상화가 잘 되면, 스위치(초급 편의 바로 "그" 스위치)를 껐다 켰다 할 수 있듯이 누구나가 AI를 만들고 이용할 수 있다. 그래서 요즈음에는 폐쇄적인 공대생이 아니라 커뮤니케이션 스킬과 논리력이 뛰어난 문과생들이 IT를 하는 것이 환영받는 시대가 되었다. 문제 해결 그룹이 박사급 고학력으로 가는 이유도 특정 분야를 깊게 잘 안다기보다. 어떤 문제에 부딪쳤을 때 긍정적인 태도로 해결하려는 자세를 가졌는지를 더 본다고 해도 과언이 아닐 것이다.
필자는 복잡한 수식을 이해해야 하는 논문을 제외하고는 하루에 하루 1건 이상의 논문을 읽는다. 완벽히 이해하지 못하고 넘어가는 논문도 부지기수다. 그럼에도 잘 이해되는 논문이 있다면 보통 인용 횟수가 많은 경우가 대부분이다. 그러나 소중한 논문이 지나칠 수도 있기에 우선, 이러이러한 방법도 있구나 하는 것을 머리에 넣어두고 비슷한 문제에 봉착했을 때 나중에 다시 찾아서 본다. 수많은 시간을 투자한 많은 논문을 읽으며, 엔지니어 입장에서 평가 기준은 비교적 간단하다. 정말 implementation(구현)이 가능한가?이다. 세부 평가 기준은 다음과 같다.
.
.
.
강화 학습을 가장 빠르게 배우는 방법은 아마존의 딥 레이서를 한 번 사용해 보는 것이다. 보상 함수 하나로 강화 학습이 뭔지 시뮬레이션하며, 눈으로 보며, 배울 수 있다. 국내 유명 회사 CTO가 보상 함수를 하나도 고치지 않고 대회 참가해서 3위를 했었다고 한다.
https://aws.amazon.com/ko/deepracer/
AWS DeepRacer – 기계 학습을 시작하는 가장 빠른 방법
aws.amazon.com
이 외에도 다양한 AI 기법들이 있다. 그 중심에는 수학이 있다.
출판될 책에는 싣지 못하지만 싣고자 하겠으나 AI 공부를 위한 책으로 프로그래머들께
http://www.yes24.com/Product/Goods/75732024
파이썬 날코딩으로 알고 짜는 딥러닝
인공 신경망 원리와 응용을 파이썬 날코딩으로 정말 깊이 이해하자!『파이썬 날코딩으로 알고 짜는 딥러닝』 은 딥러닝 알고리즘의 원리를 깊숙이 이해하고 이를 파이썬 코딩만으로 구현하는 데 주안점을 둔다. 이를 위해 가장 간단한 신경망 구조부터 복잡한 응용 구조까지 다양한 딥러닝 신경망 예제의 실제 구현 과정을 소개한다. 그 과정에서 독자...
www.yes24.com
구매하기
책을 권합니다.
수학은
http://www.yes24.com/Product/Goods/82444473
김도형의 데이터 사이언스 스쿨 수학 편
“소문난 명강사 ‘김도형’이 데이터 사이언스입문자에게 보내는 선물 같은 수학 책선형대수, 미적분, 최적화, 확률론, 검정과 베이즈 추정까지 머신러닝과 딥러닝에 필요한 모든 수학을 한권
www.yes24.com
구매하기