본문 바로가기
반응형

AI · 인공지능974

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.
[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.
[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.
AI가 작곡? 음악 산업에 진출하는 AI 작곡 사례와 도구 소개 지금 음악 업계에 AI가 진출해 있는 것은 알고 계십니까? 예를 들어, 인간이 감성으로 창작하는 음악이 요즘은 AI에 의해 작곡할 수 있게 되어 있습니다. 이번에는 작곡 기술 등을 중심으로 음악 업계에 어떻게 AI가 진출해 있는지 사례 중심으로 소개합니다. AI가 음악 업계에서 활용되고 있다? 여러분은 Spotify라는 세계 최대의 음악 서비스를 이용하고 계십니까? Spotify는 5,000만 곡 이상의 음악을 무제한 무료로 즐길 수 있는 서비스입니다. Spotify의 매력 중 하나는 AI가 각각의 사용자에게 맞는 재생 목록을 정기적으로 만들어 주는 기능입니다. 사실 이처럼 AI와 음악이 결합한 예는 의외로 가까이 있습니다. 음악 산업에는 다양한 분야에서 AI가 활용되고 있습니다. Music for ev.. 2020. 2. 1.
AI는 트윗에서 사용자 위치를 특정할 수 있는가? 3개의 요점 ✔️ 트윗에서 사용자 위치를 예측 ✔️ Twitter의 메타 데이터와 국가, 도시의 계층성을 고려한 모델을 제안 ✔️ 기존 기술에 비해 높은 성능으로 사용자 위치를 예측 A Hierarchical Location Prediction Neural Network for Twitter User Geolocation Binxuan Huang, Kathleen M. Carley. EMNLP 2019 사용자가 어디에 있는지에 대한 정보, 즉 위치정보는 효과적인 마케팅과 재해시의 피해상황 확인 등 여러모로 중요한 정보입니다. 서울에 살고 있는 사용자라면 서울 부근의 트렌드를 고려한 마케팅을 실시하는 것으로, 효율적으로 사용자에게 어필할 수 있습니다. 또한 재해시 피해 지역의 사용자 화면에 피난 정보를 표.. 2020. 1. 28.
반응형

티스토리툴바