2019년, ‘머신러닝’에 더욱 주목해야 하는 이유

SHARE

사물들이 점점 더 똑똑해지고 있다

자율주행 자동차부터 실생활 속 필수품 스마트폰, 인공지능 로봇까지. 우리가 사용하는 전자 기기와 컴퓨터, 기계들이 지능적으로 업무를 처리하며 기능하고 있다. 똑똑해진 ‘사물들’덕에 우리의 삶은 더욱 쾌적하고 빨라졌으며, 말 그대로 편해졌다.

그 배경에는 4차 산업혁명에 접어들며 어디선가 한번쯤 들어보았던 단어 ‘머신러닝’이 자리하고 있다. 그 이름처럼 ‘Machine(기계)과 Learning(학습)이 합쳐진 단어로 기계가 학습한다는 뜻의 머신러닝은 사람이 학습하듯 컴퓨터에 데이터를 주고 학습하게 함으로써 새로운 지식을 얻어내게 하는 기술이다. 인공지능의 하위 분야인 머신러닝은 여러 산업 분야 및 연구에 있어서 매우 중요한 주제 중 하나로 꼽힌다.

사람의 배움을 본 딴 머신러닝은 실제로 사람이 배우는 과정, 모습과 닮은 점이 많다. 누군가 언어를 배울 때, 수학을 배울 때, 체육을 배울 때, 어떤 것을 배우느냐에 따라 학습의 방법이 다르고 똑같은 것을 배워도 사람마다 학습의 방식이 다르듯 머신러닝도 마찬가지다. 구현 방법에 따라 머신러닝이 빛을 발하는 분야는 각각 다르며, 그만큼 다양한 곳에서 활용되고 있다.

머신러닝은 컴퓨터 과학을 포함한 대부분의 모든 분야에서 활용되고 있다해도 과언이 아니다. 컴퓨터 시각(문자 인식, 얼굴 인식)부터 음성 인식 및 필기 인식, 정보 검색 및 검색 엔진, 생물 정보학(유전자 분석, 질병 진단), 컴퓨터 그래픽 및 게임(애니메이션, 가상현실), 로보틱스(경로 탐색, 무인 자동차) 등 분야를 막론하고 여러 곳에서 응용되고 있다.

그렇다면 현재 머신러닝은 어디까지 왔으며, 어디까지 발전할 수 있을까? 예술성과 감성, 기술까지 필요한 음악, 미술 등 인간의 고유 정서가 담긴 예술 분야에서도 머신러닝 기술이 활약하고 있다면 믿을 수 있겠는가?

 

구글의 마젠타 프로젝트

2017년, 미국 구글 본사에서는 인간의 예술을 이해하고 이를 재창작하는 ‘마젠타 프로젝트’를 발표했다. 예술 창작 학습 AI 알고리즘을 설계하는 ‘마젠타 프로젝트’는 1천여 가지 악기와 30여만 가지의 음이 담긴 데이터베이스를 구축하고 이를 AI에 학습시켜 새로운 소리, 음악을 만들어냈다.

구글은 이를 통해 전기기타의 등장처럼 새로운 음악의 지평을 만들어낼 수 있는 계기가 될 수 있다고 설명했으며, 구글 본사 직원은 사람들이 좋아하는 특성을 가진 음색을 만들어내는 것까지 기대하고 있다고 말했다.

또다른 예술 분야인 그림에서는 AI가 기초적인 사물 스케치를 이해하고 재해석해 새로운 결과물을 내놓는 단계까지 가능해졌다. AI에 사람이 손으로 그린 스케치를 학습시키고 이를 순환신경망을 거쳐 재해석하는 방식을 취했다. 예를 들어 돼지 그림을 그리는 법을 알고 있는 AI에 트럭 스케치를 입력하면 돼지와 유사한 모습의 트럭을 다시 그려내는 식이다.

아직은 사람만의 섬세한 감수성과 독창성을 따라가기에는 시간이 더 필요해 보인다. 하지만, 구글이 꿈꾸는 궁극적인 도달 지점은 창작, 주의 집중, 놀라움의 요소를 조합해 매력적인 스토리를 만들어내는 것이라 밝혔듯, 머신러닝이 인간의 고유 영역이었던 ‘예술분야’까지 섭렵할 미래가 곧 다가올지 모르는 현실을 여실히 보여준 사례였다.

AI가 직접 그린 그림

 

얼굴합성 영상기술

최근에는 머신러닝의 한 분야이면서도 더 앞서 나간 ‘딥러닝’을 활용한 얼굴합성 영상기술이 등장했다. 충격을 받을 정도로 자연스러운 영상 기술로 화제가 되었다. 지난 7월, 대화형 인공지능 스타트업 머니브레인은 ‘딥러닝 얼굴합성 기술’로 새롭게 창조한 문재인 대통령 영상을 선보였다.

영상 속 문재인 대통령은 실제 사람이 아닌 화면상에 구현된 인공지능임을 믿을 수 없을 만큼 얼굴표정부터 목소리, 말투까지 실제 문재인 대통령과 구분하기 어려울 정도로 정교했다. 영상은 문재인 대통령의 연설 영상에서 목소리와 입술 모양, 표정을 추출하고 딥러닝 기술을 활용해 제작되었다.

얼굴 특징 추출과 피부합성, 감정표현 등 첨단기술을 적용하고 영상과 음성을 결합해 훈련 과정을 거쳐 실제 사람을 닮은 AI 영상을 제작한 것이다. 별도의 영상 보정없이 순수 딥러닝 기술로만 구현해 영상 품질이 매우 뛰어난 것 또한 장점으로 꼽힌다.

조만간 인공지능 앵커도 TV에서 볼 수 있을 것으로 보인다. 인공지능 앵커는 기자들이 뉴스 기사를 입력하면 인공지능이 앵커의 목소리와 제스처로 똑같이 말할 수 있는 기술이다. 인공지능 앵커를 통해 TV 뉴스의 제작 효율을 높이고 비용을 절감하며, 긴급 보도 시 관련 영상을 빠르게 만들 수 있다는 장점까지 있다. 업계 관계자는 얼굴합성 기술을 이용해 향후 인공지능 뉴스뿐 아니라 엔터테인먼트, 커머스 분야까지 확대 제공할 예정이라고 전하기도 했다.

사람의 음성을 알아서 녹취하다

머신러닝이 이룩한 또 다른 성공 사례로는 약 95% 정확도를 자랑하는 녹취타이핑 서비스가 있다. 한국의 액션파워라는 기업은 지난 4월 음성을 그대로 받아써주는 ‘다글로’를 출시했다. 자체 개발 기술로 정확도가 최대 95%에 이르는 다글로는 가장 빠르고 쉽게 메시지를 전달할 수 있는 방법인 ‘음성’을 글자로 입력해주는 서비스다.

보관의 어려움과 긴 대화 녹음은 다시 듣기 번거롭다는 점, 1시간 이상의 대화는 사람이 받아쓰기에 너무 오래 걸린다는 단점을 가진 음성을 텍스트로 변환해주는 인공지능 서비스로 내부 테스트 결과 60~70%의 정확도를 가진 구글 음성인식 텍스트 변환 서비스보다 훌륭한 성과를 보였다. 기자부터 애널리스트, 속기사, 일반 회사원들까지 인터뷰나 미팅에서 나온 녹음 자료를 손쉽게 정리할 수 있게 된 것이다.

가벼운 오타가 있을지라도 처음부터 끝까지 전부 받아쓰는 것보다 인공지능의 도움을 받아 미흡한 부분만 수정·보완하는 일이 훨씬 간단하기에 업무에 있어 큰 편리함을 가져다줄 것으로 보인다. 또한, 이 기술은 머신러닝과 자체 기술의 정교함이 더해졌을 때, 영상 자체를 문자로 검색하는 것까지 가능할 것으로 예상하고 있다. 예를 들면, 유튜브에 제목이나 태그를 따로 설정해놓지 않아도 음성을 텍스트로 변환하는 과정에서 섬세하게 데이터를 다 찾아낼 수 있는 것이다.

 

머신러닝으로 구현하는 베터리 효율

얼마 전, 신비로운 컬러와 독특한 후면 카메라 비주얼로 애플 매니아들의 관심을 끈 아이폰11 시리즈에는 iOS 13이 적용되었다. 여기에는 머신러닝을 기반으로 한 배터리 최적화 기능이 탑재되어 있는데 이는 배터리 상태를 파악하고 배터리의 노화를 늦추는 기능이다. 리튬이온배터리는 충·방전을 반복하면 수명이 짧아지며, 100% 충전은 배터리 노화를 앞당기는 것으로 알려져 있다.

평소 배터리 잔량을 40-80% 수준으로 유지하면 더 오래 사용할 수 있다. 이에 iOS 13에 탑재된 ‘최적화된 배터리 충전’ 옵션은 머신러닝을 통해 사용자의 사용 습관을 학습하고 충전 용량을 결정한다. 전에는 충전 케이블 연결 시, 무조건 100% 충전이 되었던 반면에 옵션이 활성화되면 일단 80%까지 충전이 되고 나머지는 사용자가 아이폰을 사용할 때 충전이 되는 방식이다.

머신러닝 기술을 통한 iOS 13의 ‘최적화된 배터리 충전’ 옵션은 핸드폰 사용자 사용 습관 학습 및 충전 용량 조절로 인해 배터리의 성능과 수명 유지 및 스마트폰 교체 주기 연장으로 이어지게 될 것으로 기대된다. 이처럼 애플은 머신러닝을 통해 다양한 사용자의 불편을 해소 및 완화하려는 노력을 이어가고 있다.

 

머신러닝, 지금이라도 알아야 한다

데이터 분야가 성장하면서 모든 산업군에서 머신러닝의 활용도와 중요도는 높아지고 있다. 기업들은 주요 의사 결정을 데이터 기반으로 하기 시작했고, 이에 데이터를 다루고 처리하는 사람은 점점 사회에서 중요한 입지를 꿰차고 있다. 누군가는 진작에 흐름을 파악하고, 데이터 전문가의 길로 들어섰다.

머신러닝과 데이터 분석 학습을 시작하기 원한다면 아직 늦지 않았다. 그러나 방대한 학습 분야와 불분명한 방향성, 너무 복잡하고 많은 채널, 심지어 빠르게 변화는 트렌드에 지금 배우는 것이 쓸모가 있을지 하는 걱정까지 시작하기 전부터 걱정이 태산이다. 그러나 여기 모든 걱정을 해결해줄 완벽한 해답이 있다면, 더 이상 망설일 필요가 없지 않겠는가?

패스트캠퍼스가 제안하는 Python으로 배우는 머신러닝과 데이터분석 A-Z 올인원 패키지는 파이썬과 머신러닝 그리고 실전 데이터까지 아우르는 슈퍼 커리큘럼으로 Python, 수학 및 통계, 실무 데이터 학습을 통해 각 분야별로 유기적인 부분을 찾아 효율적으로 연결한다. 한 문장으로 설명하자면, 수학과 프로그래밍으로 기본기를, 실제 현업 데이터를 이용해 응용을, 7명의 강사와 데이터 학습으로 전문가에 가까워지는 강의다.

데이터 분석에 있어 기본 중에 기본인 Python Programming은 비개발자 및 비전공자도 수용할만큼 학습하기 쉽도록 준비되어 있으며, 데이터 수집과 처리, 분석을 위한 학습 등 데이터 분석의 탄탄한 첫 걸음이 마련되어 있다. 모든 강의는 수학적 지식을 기반으로 하는데, 머신러닝 모델의 이해도를 높이고 자신만의 모델을 구현하기 위해서는 수학적 지식이 필수이기 때문이다.

하지만 이 모든 것을 배워도 활용할 수 없다면 아무런 의미가 없지 않을까? 이에 패스트캠퍼스의 Python으로 배우는 머신러닝과 데이터분석 A-Z 올인원 패키지에서는 현업에서 활용되는 실전 데이터 분석을 통해 구현하고 싶은 프로젝트를 강사와 함께 진행하며 자신만의 학습 포트폴리오를 주도적으로 만들어가는 수업 커리큘럼을 제공한다.

실전을 방불케 하는 최고의 데이터 분석 강의를 찾고 있는가? 이제 막 입문한 병아리 데이터 분석가, 신입 개발자, 비전공자로 기초부터 심화과정까지 차근차근 배우고 싶은가? 코드만 복붙하는 프로그래밍에 지쳐있는가?

그렇다면 패스트캠퍼스의 Python으로 배우는 머신러닝과 데이터분석 A-Z 올인원 패키지를 자신있게 추천한다. 데이터 분석이 주(Main)를 이루는 시대에 당신이 취업 시장에서, 기업 내에서 주(Main)가 될 수 있는 기회를 마련해줄 것이니 말이다.

Facebook Comments