본문 바로가기
반응형

전체 글1836

래퍼의 노래를 머신러닝한 AI가 신곡발표, PV도 공개중 머신러닝 기술의 발전으로 인해 알고리즘으로 재즈와 클래식 작곡을 할 수 있게 되었습니다. 그런 AI가 래퍼 트래비스 스캇의 악곡을 학습함으로써, 작곡과 작사 양쪽 모두를 직접 완성하였습니다. 인터넷 광고 대행사인 space150이 'AI가 만든 랩의 신곡' 프로모션 동영상을 공개하고 있습니다. One Agency's 'Travis Bott' AI Makes Its Own Lyrics and Tunes - Adweek One Agency's 'Travis Bott' AI Makes Its Own Lyrics and Tunes The rapper bot has an odd fixation on food. www.adweek.com 트래비스 스캇의 악곡을 학습한 AI 'TravisBott'가 발표한 곡 'Ja.. 2020. 2. 14.
암을 즉시 판정하는 AI 등장, 정확도는 병리 전문의에 육박 마침내 「암」의 병리 진단도 AI에 맡기는 시대가 도래할 것 같다. "위 · 대장의 상피 종양의 병리 조직학적 분류를 가능하게 하는 AI 모델 개발"에 관한 논문이 Nature Publishing Group지의 'Scientific Reports'에 2월 3일에 게시되었습니다. [논문 제목] (원문) Deep learning models for histopathological classification of gastric and colonic epithelial tumors 진단의 효율성과 노동 부하의 감소 등 실용 가능한 수준에 도달 주식회사 Medmain에서는 여러 의료 기관과의 공동 연구를 통해 각각 4,000명 이상의 위와 대장에 대하여 병리 조직 표본 단위로 디지털 이미지(whole slide .. 2020. 2. 13.
[알기쉬운 AI - 20] 비정상적인 과학습 딥러닝은 많은 양의 학습 데이터가 필요하다고 알려져 있지만, 현실에서는 그렇게 데이터를 모을 수 없다는 현실이 있습니다. 그래서 확산된 것이 적은 데이터로 학습하는 기술입니다. 이번에는 그 대표적인 방법을 설명하고자 합니다. 적은 데이터로 학습하는 방법 소량의 데이터로 학습하는 기술이 빠르게 진화하고 있습니다. 데이터의 양이 적으면 데이터를 모으는 노력과 클렌징의 수고, 학습에 걸리는 시간과 부하도 크게 절약할 수 있으며, 무엇보다 데이터의 양은 적어도 인공 지능을 사용하고 싶다는 요구에 부응할 수 있습니다. 적은 데이터로 학습하는 방법에는 아래의 세 가지가 있습니다. 품질 좋은 데이터를 사용하는 것은 이전에 이미 설명했으니 이번에는 데이터 어그먼테이션과 전이 학습을 설명하겠습니다. 1. 품질좋은 데이터.. 2020. 2. 10.
채혈시 주사 바늘을 다시 찌를 일 없는 '채혈 로봇'이 등장 정맥 주사는 미국에서 연간 14억 번 발생하는 가장 일반적인 임상 조치 중 하나이며, 여러분들도 한 번쯤은 경험이 있을 것입니다. 그러나 팔의 혈관이 가는 사람은 건강검진이나 헌혈 시의 채혈에 몇 번이나 바늘을 다시 찔러 아픈 경험을 한 적이 있을지도 모릅니다. 그런 채혈이나 주사를 인간보다 잘하는 로봇이 등장했습니다. First-in-human evaluation of a hand-held automated venipuncture device for rapid venous blood draws First-in-human evaluation of a hand-held automated venipuncture device for rapid venous blood draws | TECHNOLOGY www.w.. 2020. 2. 9.
[알기쉬운 AI - 19] 머신 러닝의 학습 데이터 효율적으로 공부하기 위해서는 좋은 교재가 필요합니다. 딥러닝의 교재는 학습 데이터입니다. 이번에는 그 학습 데이터의 양과 질에 초점을 두고 설명합니다. 또한, 다운로드 가능한 일반물체 식별 데이터 세트 'ImageNet'과 '기학습 모델', 그리고 ILSVRC에 대해 설명합니다. 학습 데이터의 양은 어느 정도 필요할까? 딥러닝은 대량의 학습 데이터가 필요하다고 잘 알려져 있습니다. 그리고 Google과 Amazon, Facebook 등의 AI 대기업은 전 세계적으로 데이터를 가지고 있으며, 중국은 자국만으로도 방대한 데이터가 있기 때문에 절대로 이길 수 없다고 말하는 사람도 있습니다. 하지만 모두가 그렇게 말하니까 그냥 그렇게 받아들이는 경향이 있습니다. 과연 잘 알고 하는 말일까요? 예를 들어, '꽃 .. 2020. 2. 8.
[양자컴퓨터 - 06] 이온 트랩의 원리 및 냉각 이온 양자 비트 이것은 선형 이온 트랩에서 포획 된 40Ca+ 이온의 사진입니다. 특정 파장의 레이저를 비추면 그 빛을 이온이 흡수하고, 자연 방출에 의해 빛을 방출합니다. 그것을 고감도 카메라로 촬영하여 이렇게 빛나는 이온의 사진을 찍을 수 있습니다. 이러한 이온은 초고진공(고진공보다 더욱 진공도가 높은 상태로 실험실에서 약 10-8㎩의 진공상태)에서 잡혀 있으며, 외부 세계와 고립된 상태에 있습니다. 또한 이온 레이저 냉각 기술을 이용하여 μK(뮤 켈빈 : -233.15°C) 정도의 온도까지 냉각되고 있습니다. 따라서 운동 에너지를 빼앗긴 상황으로 거의 정지상태에 있습니다. 이 이온 원자와 빛의 일관된 상호작용(파도의 간섭 무늬를 만드는 상호 작용)을 일으키는 레이저 빛을 비추면 이온의 양자 상태를 제어할 수 있습니.. 2020. 2. 7.
[알기쉬운 AI - 18] 계층 신경망 인간의 뇌는 뉴런(neuron)이라는 신경 세포의 네트워크 구조로 되어 있습니다. 뉴런에서 다른 뉴런에 신호를 전달하는 연결 부위를 시냅스라고 하고 뉴런은 시냅스에서 전기 및 화학 반응의 신호를 발신하여 정보를 교환합니다. 그리고 신경망은 이러한 인간의 뇌의 구조를 모방한 네트워크 구조로 되어 있으며, 이것이 현재의 인공 지능(예전에는 인공 두뇌라고 부르기도 했었지요...) 모델입니다(그림 1). 신경망은 입력층으로 들어온 신호가 여러 노드(원형 부분 : 뉴런에 해당, 인공 뉴런이라고도 함)를 통해 전파되어 출력층에 전해지는 구조로 되어있습니다. 이것은 신경 세포의 신경을 통해 신호가 전달되는 원리와 비슷합니다. 입력층과 출력층 사이의 중간 계층이 은닉층이며, 이런 것들이 몇 층이든 겹쳐있는 것이 심층 .. 2020. 2. 5.
[알기쉬운 AI - 17] 기계 학습 방법 이제 AI의 전체 이미지는 얼추 잡았다고 생각되기에, 눈을 가까이 가져가 딥러닝의 구조를 이해해 보고자 합니다. 기계 학습이란? 기계 학습은 컴퓨터를 학습시켜 인간처럼 인식하고 판단하게 하는 인공 지능 기법의 하나입니다. 고용한 사람에게 업무 내용을 알려주고 일을 시키는 것과 마찬가지로, 기계 학습의 과정은 그림 1과 같이 '학습 처리'와 '판정 처리'의 두 단계로 이루어집니다. (1) 학습 처리 기계 학습의 진행 방식(라이브러리)이 아무리 우수해도 아무것도 훈련하지 않으면 갓난아기와 같습니다. 먼저 훈련 데이터를 사용하여 교육함으로써 학습기가 점점 똑똑해지고 이 정도면 충분하다고 생각되는 수준까지 도달하면 드디어 학습된 모델이 완성됩니다. (2) 판정 처리 학습된 분류기(학습된 모델)는 미지의 데이터가.. 2020. 2. 4.
[알기쉬운 AI - 16] 기계 학습 라이브러리 기계 학습 라이브러리 기계 학습 라이브러리는 딥러닝을 위한 도구로 프레임워크라고도 합니다. 기계 학습 라이브러리는 예전부터 있었습니다만, 2012년에 딥러닝이 주목을 받으면서 신경망 기반의 라이브러리가 단숨에 증가했습니다. 캐나다, 미국, 영국, 중국, 그리고 일본에서도 새로운 라이브러리가 등장하고 있으며, 최근 인기 있는 것, 예전에는 인기가 있었지만, 지금은 쓸모없게 된 것 등 기복이 심한 상황입니다. 앞으로 새로운 라이브러리의 탄생보다는 기존 라이브러리의 개량과 도태가 진행될 것으로 예상됩니다. 표 1에 현재 주류 라이브러리 목록을 보여줍니다. 원래 대학에서 개발된 것이 많지만, 개발자가 Google이나 Facebook 등의 대기업에 초빙받거나 고액의 지원을 받는 등 지금은 대기업이 라이브러리 발전.. 2020. 2. 3.
[알기쉬운 AI - 15] AI 관련 기술 전체상(Overview)과 하드웨어 먼저 AI를 지원하는 기술 기반은 어떻게 되어 있는지 큰 그림을 먼저 보겠습니다. 그림 1은 AI 관련 기술의 전체 상(Overview)입니다. 크게 4개의 층으로 구성되어 있습니다. (1) 하드웨어(칩과 서버) 최하층인 하드웨어입니다. 딥러닝 신경망 연산에 요구되는 고속 처리가 더 이상 CPU만으로는 대응할 수 없기 때문에 GPU 나 FPGA 및 ASIC 등의 고속 칩이 사용되고 있습니다. 또한 AI 서비스의 대부분은 클라우드 컴퓨팅에서 볼 수 있습니다만, IoT의 보급과 함께 최근 주목받고 있는 것이 에지(edge) 컴퓨팅입니다. IoT 엔드 포인트(단말기)에서 대량의 데이터가 연속생성 되지만 이들을 이용한 딥러닝 계산 처리를 인터넷으로 하다 보면 통신량 증가로 네트워크 비용과 클라우드 요금이 증가하.. 2020. 2. 2.
반응형

티스토리툴바