늦깎이 공대생의 인공지능 연구실

"하이퍼파라미터를 밤새 튜닝하고, SOTA(State-of-the-Art) 아키텍처로 바꿔봐도 모델 성능이 더이상 오르지 않고 꺾이지 않는 벽에 부딪힌 적 있으신가요?" AI 연구를 수행하시는 분들이 보통 모델 성능이 안 나오면 레이어를 더 쌓거나 손실 함수(Loss Function)를 수정하곤 합니다. 하지만 원인이 모델이 아니라, 우리가 신뢰하고 넣은 '데이터 라벨' 그 자체에 있다면 어떨까요? 실제로 우리가 당연하게 정답으로 믿고 쓰던 ImageNet 데이터셋에만 10만 개가 넘는 라벨 오류가 존재합니다. 잘못된 정답을 학습하면서 100%의 성능을 바라는 것은 고장난 정답지를 주고 100점을 기대하는 것과 같습니다. 제 연구분야 중 하나인 제품 결함 검사 분야는 사람의 눈으로도 식별하기 어려..

지난 1부와 2부에서는 Active Learning(AL)의 기본 개념부터, 픽셀 단위의 정밀한 예측이 요구되는 세맨틱 세그멘테이션(Semantic Segmentation) 환경에서 AL이 어떻게 수학적 지표와 결합하여 작동하는지 살펴보았습니다.'자신이 모르는 데이터만 영악하게 골라 학습하는' 이 기술은 단순한 연구실의 이론을 넘어, 치열한 산업 현장에서 이미 수많은 혁신을 만들어내고 있습니다. 이번 3부에서는 글로벌 기업들이 Active Learning을 실제 비즈니스에 어떻게 적용하여 한계를 돌파하고 있는지 구체적인 사례를 통해 알아보겠습니다.자율주행: 치명적인 '엣지 케이스(Edge Case)' 정복 자율주행 자동차의 비전 AI는 도로, 보행자, 신호등을 픽셀 단위로 완벽하게 구분해야 합니다. 자율..

1부에서 우리는 능동 학습(Active Learning, AL)이 '모르는 것만 골라 공부하는 영희의 공부법'과 같다는 것을 확인했습니다. 이제 한 걸음 더 들어가 봅시다. 만약 AI가 공부해야 할 대상이 단순한 사진 한 장이 아니라, 사진 속 모든 점(Pixel)의 의미를 파악해야 하는 'Semantic Segmentation'이라면 영희는 어떻게 움직여야 할까요? Semanitc Segmentation이란? 우리가 흔히 아는 AI의 '이미지 분류(Classification)'는 사진 한 장을 보고 "이건 강아지야" 혹은 "이건 고양이야"라고 사진 전체에 대한 정답을 딱 하나만 내놓습니다. 비유하자면 '객관식 1문제'를 푸는 것과 같습니다. AI 입장에서도, 정답을 가르쳐주는 사람 입장에서도 비교적 단..

비전 AI 공부를 하다 보면 누구나 한 번쯤 '채널(Channel)' 개념이 굉장히 간단함에도 분명하게 이해를 하지 못해 고개를 갸우뚱하곤 합니다. 기초 중의 기초지만, 이 개념이 흔들리면 AI 자체를 이해하기 어렵게 됩니다. 비전 AI 연구 10년 차인 저조차 이번 포스팅을 준비하며 개념을 더욱 명확히 다질 수 있었는데요. 그만큼 놓치기 쉬운 채널의 핵심, 지금부터 확실하게 짚어드리겠습니다. Channel이란 무엇인가?먼저, 국어사전에서 '채널'의 의미를 확인해봅시다. 채널(Channel)명사어떠한 일을 이루는 방법이나 정보가 전달되는 경로.(외교 채널.)정보·통신 텔레비전ㆍ라디오ㆍ무선 통신 따위에서, 주파수대에 따라 각 방송국에 배정된, 전파의 전송(傳送) 통로.(스포츠 채널.)정보·통신 중앙 처리 ..

영상으로 사물을 식별하는 비전 AI 분야는 어느덧 2026년 현재 우리의 삶의 다양한 분야에 녹아들었습니다. 도로 위 복잡한 상황을 읽어내는 자율주행 자동차, 암세포를 판독하는 의료 AI, 그리고 공장에서 제품의 아주 작은 결함까지 잡아내는 AI를 보면 어떻게 이토록 똑똑하게 잡아내는지 궁금하실 겁니다. 사실 이러한 비전 AI의 이면에는 공통적으로 바로 방대한 양의 데이터부터 학습이 이루어진다는 것입니다. 하지만 여기서 우리는 숨겨진 고통과 마주하게 됩니다. 사실 딥러닝 모델의 성능을 결정짓는 '양질의 학습 데이터'를 확보하는 과정은 사실 매우 고통스럽고 비용이 많이 드는 작업이기 때문입니다. 사람 대신 다양한 일을 해주는 생성형 AI챗봇이 건재함에도 비전 AI는 여전히 AI가 대체하기 힘든 부분들..

word2vec은 정확히 무엇을, 그리고 어떻게 학습할까요? 이 질문에 답하는 것은 규모는 작지만 흥미로운 언어 모델링 작업 내에서 표현 학습(Representation Learning)을 이해하는 것과 같습니다. word2vec이 현대 언어 모델의 잘 알려진 선구자임에도 불구하고, 수년 동안 연구자들에게는 그 학습 과정을 설명할 정량적이고 예측 가능한 이론이 부족했습니다.이 논문을 통해 마침내 그러한 이론을 제시합니다. 학습 문제가 '가중치 없는 최소 제곱 행렬 분해(unweighted least-squares matrix factorization)'로 귀결되는 현실적이고 실용적인 체계가 존재함을 증명했습니다. 또한 경사 흐름 역학(gradient flow dynamics)을 폐쇄형(closed for..

인공지능이 우리가 쓰는 말을 어떻게 이해하고 숫자로 계산하는지, 그 가장 기초가 되는 개념인 '유니그램 확률(Unigram Probability)'에 대해 알아보려고 합니다. 이름은 거창하지만, 알고 보면 아주 단순한 원리랍니다. 유니그램(Unigram)이란 무엇인가유니그램이란 다음과 같은 의미를 가집니다.Uni (하나의) + Gram (글자/단어) 즉, 문장에서 단어를 딱 하나씩만 떼어서 보는 것을 말합니다. 예를 들어 "오늘 날씨가 정말 좋다"라는 문장이 있다면, 유니그램 방식으로는 [오늘], [날씨가], [정말], [좋다] 이렇게 네 개의 조각으로 나누어 생각하는 것이죠. 유니그램 확률: "단어 주머니에서 제비뽑기"유니그램 확률은 쉽게 말해 "전체 단어들 중에서 특정 단어가 나타날 확률"입니다. 이..

이 논문은 PEVA(Predict Ego-centric Video from human Actions)라는 모델을 훈련하여, 전신(whole-body) 동작을 조건으로 하는 에고센트릭(1인칭 시점) 비디오 예측을 수행했습니다. PEVA는 신체 관절의 계층 구조로 구조화된 운동학적(kinematic) 포즈 궤적을 조건으로 받아, 인간의 물리적 행동이 1인칭 시점에서 환경을 어떻게 변화시키는지를 시뮬레이션하도록 학습합니다. 이 논문은 실제 에고센트릭 비디오와 신체 포즈 캡처가 쌍으로 이루어진 대규모 데이터셋인 Nymeria를 사용하여, 자기회귀적 조건부 디퓨전 트랜스포머(autoregressive conditional diffusion transformer)를 훈련했습니다. 또한 점점 더 어려워지는 과제들로 ..