그러나 여전히 우리가 할 수 있는 일들이 많이 남아 있습니다. 현재까지는 전세계적으로 오직 소수의 기업만이 머신러닝과 AI의 발전을 완전히 활용하는 데 필요한 인력과 예산을 확보할 수 있습니다. 뿐만 아니라 발전된 머신러닝 모델을 만들 수 있는 사람도 매우 제한적입니다. 그리고 머신러닝 및 AI 기술자를 고용할 수 있는 회사도 자사만의 고유한 머신러닝 모델을 만들기 위해 시간이 많이 소요되는 복잡한 과정들을 여전히 거쳐야 합니다. 구글이 구체적인 기능을 수행하는 API를 통해 사전 훈련된 머신러닝 모델을 제공했지만, AI를 모두에게 제공하기 위해서는 여전히 많은 과제들이 남아있습니다.
구글은 이러한 격차를 줄이고 모든 비즈니스에서 쉽게 AI를 사용할 수 있도록 돕는 클라우드 AutoML을 공개합니다. 클라우드 AutoML은 Learning2learn 또는 전이 학습과 같은 구글의 첨단 기술을 활용하여 머신러닝에 관한 전문 지식이 부족한 기업도 자체적으로 고품질의 맞춤형 모델을 구축할 수 있게 도와줍니다. 구글은 클라우드 AutoML이 AI 전문가의 생산성을 높이고, AI의 새로운 분야를 발전시키며, 숙련되지 않은 엔지니어가 이전까지는 상상만 했던 강력한 AI 시스템을 구축할 수 있게 도와줄 것이라고 믿습니다.
구글의 첫 번째 클라우드 AutoML 버전은 AutoML 비전으로, 이미지 인식을 위한 맞춤형 머신러닝 모델을 더 빠르고 쉽게 만들 수 있게 하는 서비스입니다. AutoML 비전의 드래그 앤 드롭(drag and drop) 인터페이스를 사용해 쉽게 이미지를 업로드하고, 모델을 학습시키고 관리할 수 있으며, 이후 학습된 모델을 바로 구글 클라우드에 배포할 수 있습니다. 클라우드 AutoML 비전을 사용하여 이미지넷(ImageNet)이나 CIFAR과 같은 공용 데이터 세트를 분류한 초기 결과, 일반적인 머신러닝 API에 비해 오분류가 적은 보다 정확한 결과를 보여줬습니다.
클라우드 AutoML 비전이 제공하는 이점은 다음과 같습니다:
- 향상된 정확도: 클라우드 AutoML 비전은 전이학습과 신경 구조 검색 기술 등 구글이 선도하고 있는 이미지 인식 방식을 기반으로 합니다. 즉, 머신러닝 전문인력이 한정적인 기업일지라도 더 정확한모델을 만들어낼 수 있습니다.
- 빨라진 제작 가능(production-ready) 모델 구축 소요 시간: 클라우드 AutoML을 활용하면 AI 활용 앱에 탑재할 간단한 모델을 몇 분만에 만들어 낼 수 있으며, 즉시 제작 가능한 완전한 모델의 경우에도 짧으면 하루만에 구축할 수 있습니다.
- 간편한 활용: AutoML 비전은 심플한 그래픽 사용자 인터페이스를 제공하여 사용자가 데이터를 지정할 수 있도록 해주고, 이를 특정 용도에 맞는 고성능 맞춤형 모델로 바꿔줍니다.
“어반 아웃피터스(Urban Outfitters)는 끊임없이 고객의 쇼핑 경험을 향상시킬 수 있는 새로운 방법을 찾고 있습니다. 관련성 높은 제품 추천, 정확한 검색 결과 및 유용한 제품 필터를 고객에게 제공하기 위해서 포괄적인 제품 속성 데이터를 만들고 유지관리하는 작업이 매우 중요합니다. 그러나 제품 속성들을 수동으로 작성하는 것은 힘들고 시간이 오래 걸리는 작업입니다. 이 문제를 해결하기 위해, 어반 아웃피터스는 클라우드 AutoML을 활용하여 패턴과 넥라인 등 제품의 미묘한 특징 차이를 인식시켜 제품 속성 데이터 작성 과정을 자동화할 수 있는지 살펴보고 있습니다. 클라우드 AutoML이 고객들의 제품 발견, 추천 및 검색 경험을 크게 향상시켜줄 가능성이 매우 높아 보입니다.”
- 앨런 로젠윙클, 어반 아웃피터스 데이터 과학자
“클라우드 AutoML의 기술은 디즈니 제품에 디즈니 캐릭터, 제품 카테고리 및 색상 등의 제품 설명을 덧붙이는 비전 모델을 구축하는 데에 도움이 되고 있습니다. 이러한 제품 설명은 검색 엔진에 통합되어 관련성이 높은 검색 결과, 빠른 검색 및 디즈니샵에서의 제품 추천을 통해 고객 경험에 미치는 영향을 향상시킵니다.
- 마이크 화이트, 디즈니 소비재 및 인터랙티브 미디어 최고기술책임자 및 수석 부사장
“런던동물학회는 전 세계 동물 및 서식지 보호를 위해 노력하는 국제 자연 보호 단체입니다. 이 목표를 위해서는 야생 동물을 추적하여 동물들의 서식지 분포를 파악하고 인간의 활동이 동물에 미치는 영향을 제대로 이해하는 것이 필수적입니다. 이를 달성하기 위해 런던동물학회는 열 또는 동작 감지로 작동하는 여러 대의 카메라를 배치하여 야생에서 이동하는 동물의 사진을 찍고 있습니다. 이후 카메라로 포착한 수백만 장의 이미지를 수동으로 분석하고, 코끼리, 사자, 기린 등과 같이 유의미한 종의 세부 정보를 기록하는 많은 노동력과 높은 비용이 투입되는 과정을 진행해왔습니다. 런던동물학회의 자연보호기술팀은 이 흥미로운 기술 개발을 돕기 위해 구글 클라우드 머신러닝 팀과 긴밀하게 협력해 왔습니다. 런던동물학회의 목표는 이 기술을 사용해 이미지에 태그를 붙이는 작업을 자동화하여, 이를 통해 비용을 절감하고 카메라를 더욱 광범위하게 사용해 전 세계 야생 동물을 효과적으로 보호하는 방법에 대한 심도 있는 해석 얻는 것입니다.”
- 소피 맥스웰, 런던동물학회 자연보호기술팀 리드
AutoML 비전을 사용해보고 싶으시다면 이 양식을 통해 신청할 수 있습니다.
AutoML 비전은 구글 브레인과 다른 구글 AI 팀과의 긴밀한 협업으로 탄생했으며, 개발중인 여러 클라우드 AutoML 제품 중 첫 번째 제품입니다. 구글은 여전히 모두가 AI를 쉽게 이용할 수 있도록 하는 여정의 시작 단계에 있지만, 구글 클라우드 AI 제품을 사용하는 만 명 이상의 고객의 업적을 통해 깊은 영감을 받았습니다. 클라우드 AutoML의 출시로 더 많은 기업들이 AI를 활용한 가능성을 발견하는 데에 도움이 되길 기대합니다.
작성자: 지아 리 클라우드 AI 및 R&D 총괄, 페이페페이 리 클라우드 AI 수석 과학자