2016년 5월 31일 화요일

컨볼루셔널 뉴럴넷 (Convolutional Neural Network)


정말 오랜만에 T-Robotics 글로 찾아뵙습니다. (오랜만에 한글로 블로깅을 하니 속이 다 시원하네요 ㅎㅎ) 오랜만에 T-Robotics에 들어와 통계를 보니 여전히 잘 팔리는(?) 글은 딥러닝의 소개에 대한 글이더군요. 물론 최고 조회수의 글은 알파고에 대한 얘기였지만, 그건 한 때의 붐이었을 뿐이고 현재까지도 가장 잘 팔리는 글은 바로 딥러닝에 대한 이야기였습니다.
[Link]  쉽게 풀어쓴 딥러닝의 거의 모든 것
흥행에는 이 메인 사진의 역할도 컸던 듯... (출처)

"쉽게 풀어쓴 딥러닝" 이야기에서도 언급했 듯 딥러닝 연구들을 방법에 따라 크게 세 부류로 나누자면 좋은 피쳐를 찾기 위한 RBM, Autoencoder 등의 Unsupervised Learning과 이미지 인식, 자연어 처리 등 다양한 분야에서 혁신적 성과를 얻고 있는  Convolutiontional Neural Network (CNN), 그리고 시퀀스 데이터에 적합한 Recurrent Neural Network (RNN)를 들 수 있겠는데요, 그 중에 으뜸을 꼽으라면 역시 CNN을 꼽을 수 있겠죠. 그런데 왜 이렇게 CNN이 성공적인 효과를 내는 것일까요? 저는 그런 의문이 들었고 CNN의 핵심인 'Convolution이란 무엇인가'에 대해 좀더 이해하고 싶었습니다. 그래서 이 블로그 글을 시작합니다. Convolutional Neural Network에 대한 이해!

2016년 4월 13일 수요일

20대 총선이 남긴 6가지 국민의 뜻


20대 총선이 끝났다. 최악의 공천 과정 속에 국민의 무관심까지 더해져 정치가 크게 후퇴하는 것이 아닌가하는 우려가 있었지만 오히려 결과는 그 반대였다. 국민은 투표로서 국민의 무서움을 보여주었고, 20대 총선은 역사상 가장 충격적이고도 따끔한 결과를 보여주었다. 최악의 공천파동 속에 보여준 국민의 최선의 선택, 그 의미를 분석해보고자 한다. 

<출처: 경향신문>

2016년 4월 10일 일요일

지킬(Jekyll): 워드프레스의 강력한 경쟁자

지킬(Jekyll)이란 사이트 개발 툴 들어보셨나요? 깃허브(Github)는 아마 들어보셨겠죠? 제킬은 개발자/연구자들이 가장 좋아하는 브랜드(?) 중 하나인 깃허브에서 개발한 사이트 개발 툴입니다. 사이트 개발 또는 블로그 툴이라면 역시 워드프레스(Wordpress)가 가장 유명한데요, 요즘 심심치 않게 워드프레스에서 지킬로 사이트를 이사했다는 이야기가 들려오고 있습니다. 특히 하드코딩에 익숙한 개발자/연구자들 사이에선 말이죠. 

빠르고 심플한 사이트 개발툴로 떠오르고 있는 지킬

2016년 3월 26일 토요일

알파고, 강화학습을 현실에 데뷔시키다


이 글은 한국인터넷진흥원테크M에 기고한 글을 백업한 글입니다. 

현대 인공지능 발전에 있어 딥러닝(deep learning)의 역할은 이제 두말하면 입이 아플 정도이다. 2006년 토론토 대학의 힌톤(G. Hinton)교수 촉발시킨 딥뉴럴네트워크(deep neural network)의 혁신은 이후 동료 연구자들인 뉴욕대학의 르쿤(Y. LeCun)교수, 몬트로올대학의 벤지오(Y. Bengio) 교수, 스탠포드대학의 응(A. Ng)교수 등의 후속 연구에 의해 그 깊이가 더해졌고, IT공룡들이 재빨리 이들 딥러닝 연구자들을 흡수함으로써 딥러닝은 현실을 미래로 이끄는 가장 강력한 기술이 되었다. 현재 구글의 힌톤, 페이스북의 르쿤, 바이두의 응은 각각의 기업에서 딥러닝의 현실세계 적용을 이끌고 있으며, 이들 못지않게 현재 딥러닝의 발전에서 큰 역할을 하고있는 사람이 바로 알파고의 충격을 던져준 구글 딥마인드의 데미스 하사비스(Demis Hassabis)이다. 

이젠 그가 잘생겨보인다. 데미스 하사비스느님... (출처)

2016년 3월 13일 일요일

바알못을 위해 드립으로 정리한 알파고 4국 요약


이세돌이 드디어 이겼다. 그리고 내 논문은 망했다. 이게 다 알파고 때문이다. 지금 언능 실험결과 안나온걸 다시 뒤집어 봐야겠지만 하고 싶은 건 꼭 해야하는 못난 성미 때문에 (ㅠㅠ) 오늘의 승리의 기쁨을 되짚어 보고자한다. 바둑도 고수들한테 치이고, 인공지능 기술도 논문을 자세히 읽어본 분들에게 치일거면, 내 포지셔닝은 바로 드립이닷!


나의 신의 한 수... 가운데 손가락이 눈에 띄는 건 기분 탓일게다. (사진출처)

2016년 3월 10일 목요일

바둑적/인공지능적 관점에서 분석한 알파고 1,2국


논문 마감 4일을 앞두고 펜을 들고 말았다. 아니, 키보드 앞에 앉고 말았다. 지난 이틀 간 있었던 충격적인 알파고와의 대국 결과 때문이다.  이세돌 0 : 알파고 2 ... 로봇공학자로서 딥러닝의 강력함을 충분히 알고 있었고 결코 딥러닝의 능력을 간과하지 않았지만, 그래도 이번 대결에서 이세돌 9단이 5:0으로 이번 대국을 이길 것이라는 생각엔 한 치의 의심도 없었다. 주변에선 이세돌 9단의 이번 대국을 두고 "100만불 짜리 용돈"이란 얘기도 심심치않게 오갔었다. 하지만 현실은 처참했고, 이세돌 9단은 복 받은 사람은 커녕, 비운의 주인공이 되고 말았다. 이미 1국의 패배 때 너무 큰 충격을 받아 '더 이상의 충격은 없겠지...'라고 생각했었지만, 2국에선 이세돌의 큰 실수가 없음에도 무난히 져서 더욱 큰 충격을 안겨주었고, 3국에서 더 큰 충격을 안겨줄까봐 두려워져 버렸다.

5:0이 아니면 의미가 없다며 자신감을 내비쳤던 이세돌 9단. 이번 패배는 홍진호의 3연벙 패배만큼이나 큰 충격파를 가져올 것 같다. (사진출처)

2016년 2월 21일 일요일

나의 생일 기부 이야기


부모님 감사합니다



안녕하세요 엄태웅입니다. 오늘 (2월 22일)은 제 생일입니다. 일단 먼저 저를 낳아주시고 길러주신 저의 부모님께 감사드립니다. 늘 말하지만, 제가 이룬 것 중 대부분은 모두 부모님의 정성과 사랑으로 만들어주신 것들입니다. 늘 감사하고 감사합니다 부모님.

부모님 감사합니다. 저 물려준다며 열심히 일만 하시는데 돈 그만 버시고 다 쓰시면서 사세요. 제가 부모님보다 더 잘 벌거니까 걱정하지 않지 않고 사셔도 됩니다.

2016년 2월 19일 금요일

LaTeX로 논문 쓰기 - 입문편

대학원을 가시는 대부분의 분들은 아마 논문을 써야하실 것입니다. 논문쓰기.. 참 쉽지 않죠? 물론 논문을 쓰기위해 서베이하고, 아이디어 내고, 실험하는 과정 모두 쉽지 않겠지만, 그 못지않게 논문을 잘 쓰는 것 역시 쉬운 일이 아닐 것입니다. 그런데 더 우릴 좌절하게 하는건 바로 "LaTeX"라는 생소한 문서편집 언어이죠.
"LaTeX로 쓰라고요? 그냥 Word로 쓰면 안되나요...?ㅠ"
구글에 이미지를 검색해보고 깜놀하고 말았다. 흠.. 역시 LaTeX는 좋은거다.

물론 써도 되겠지요. 하지만 진정 학자의 길을 걸으시려 한다면 (그리고 논문을 한두편 내실 것이 아니라면) LaTeX를 연습하시는 것이 좋을 것입니다. 그런 막막한 분들을 위해 준비했습니다. LaTeX로 논문 쓰기 입문편입니다.

2016년 1월 23일 토요일

인공지능의 과거와 현재, 그리고 미래 (하)



* 이 글은 "인공지능의 과거와 현재, 그리고 미래 (상)"에서 이어집니다.


현재 기술 사회의 가장 핫한 이슈, 기계학습 

기계학습이란 경험(experience)을 통해 특정 작업(task)의 성능(performance)을 향상시키는 방법을 말한다. 이는 몇가지 특정한 사건들보다 다수의 사건에 대한 경험을 통해 그들의 추세(패턴)를 학습, 이를 기반으로 판단을 내린다는 점에서 “패턴인식(Pattern Recognition)”이라고도 불리는데, 전통적인 통계학을 기반으로 한 인공지능의 새로운 패러다임이라고 할 수 있다. 

기계학습 이전의 고전 인공지능은 다양한 상황들에 대해 인간이 정해준 규칙에 의해 따라 판단하는 논리 기계와 유사했다고 볼 수 있었다. 하지만 세상 일은 워낙 다양한 요인들에 의해 발생하고 또 일반적인 규칙으로는 설명할 수 없는 예외상황들도 종종 발생하다 보니 실제 문제의 적용에 있어서 고전 인공지능은 무한한 케이스들에 대한 끝없는 수정과 보완을 필요로 했었다. 그럼에도 불구하고 우리는 무한한 케이스들 모두를 대응할 수 없기에 기존의 인공지능은 단순한 문제에만 적용 가능한 불완전한 인공지능일 수 밖에 없었다.

간단한 기계학습 문제 중 하나. 만약에 데이터가 선형모델을 따른다고 가정한다면, 우리는 주어진 문제를 직선의 파라메터 a, b를 찾는 문제로 치환할 수 있을 것이다. 이를 통해 우리는 새로운 질문(예를 들면 ‘키 180cm인 사람의 몸무게는 몇 kg일까?”)에 대해 답을 예측할 수 있다.

2016년 1월 12일 화요일

인공지능의 과거와 현재, 그리고 미래 (상)


2015년, 인공지능 전쟁의 서막

세계 최고의 기술 산업들이 탄생한다는 미국 캘리포니아의 실리콘밸리. 인텔, HP 등 전세계를 호령하는 IT기업이 탄생했던 미래 기술의 진원지 실리콘밸리는 스타트업(Start-Up) 열풍으로 그 어느 때보다 뜨거운 한 해를 보냈다. 집의 빈 방을 여행객에게 공유하는 서비스인 에어비앤비의 시가총액은 약 32조원으로 거대 호텔체인 힐튼월드와이드의 26조원을 넘어선지 오래이고, 모바일로 택시를 부르는 서비스 우버 역시 시가총액 약 80조로 현대자동차의 시가총액 33조를 두 배 이상 뛰어넘었다. 신기술로 끊임없이 세상에 파괴적 혁신(disrupt)을 가져오는 실리콘밸리, 지금 이곳의 IT기업들이 가장 주목하고 있는 기술은 무엇일까?

그것은 바로 공상과학 영화에선 늘 들어왔지만 아직까지 실현되지 않았던 미래기술, 바로 “인공지능(Artificial Intelligence, AI)”이다. 구글은 인공지능을 이용해 사람없이 스스로 운전할 수 있는 차량인 자율주행차량(Self-driving Car)을 개발해 현재 실전 투입을 눈 앞에 두고있다. IBM이 개발한 슈퍼컴퓨터 왓슨(Watson)은 2011년 미국의 유명 퀴즈프로그램 죠파디(Jeopardy)에서 문제를 음성으로 듣고 부저를 눌러 푸는 동등한 환경에서 기존 퀴즈의 달인들을 제치고 우승한 바 있으며, 체스, 장기 등에 이어 경우의 수가 많아 정복이 어렵다던 바둑마저 인공지능에 의해 정복당할 기세이다. 비록 얕은 속임수를 쓰기도 한 것으로 알려져 있긴 하지만 2014년 인공지능이 튜링테스트를 통과했다는 소식은 우리에게 인간의 지능에 가까운 인공지능의 출현에 대한 경각심을 안겨다주기도 하였다.

유명 퀴즈쇼 죠파디에서 우승을 거머쥔 슈퍼컴퓨터 왓슨의 모습 (사진출처)

2016년 1월 8일 금요일

딥러닝의 10가지 트렌드 from NIPS 2015


(원문) "10 Deep Learning Trends at NIPS 2015by Coding in Paradaise
세계에서 가장 영향력있는 머신러닝 학회를 꼽으라면 그 중 하나로 NIPS (Neural Information Processing Systems)를 꼽을 수 있을텐데요, 최근 NIPS에선 아주 많은 논문들이 딥러닝과 관련하여 출판되고 있습니다. 이 글은 한 참석자가 NIPS2015에서 느낀 딥러닝에 대한 10가지 트렌드를 밝힌 글을 (대충) 번역한 글입니다.

캐나다 몬트리올에서 열린 NIPS 2015

2015년 12월 4일 금요일

아두이노 vs 라즈베리파이 vs 비글본 : 무엇으로 시작할까?


DIY 프로젝트를 위해 많이 사용되는 마이크로컨트롤러 또는 싱글보드컴퓨터엔 아두이노, 라즈베리파이, 그리고 비글본이 있죠. 그런데 어떤 것을 선택해야할지 참 고민될 때가 많습니다. 그래서 이 글에선 가장 많이 사용되는 세가지를 비교했습니다!

2015년 12월 1일 화요일

PCA(주성분분석)의 의미와 한계점

데이터가 고차원일 때 차원축소(dimensionality reduction) 방법은 데이터를 분석하고 시각화(visualize) 하는데 매우 편리한 수단을 제공합니다. 사실 우리가 관측한 데이터는 관측된 차원과는 상관없이 그 데이터 자체만의 고유한 차원이 있다고 여겨지는데요, 무슨 말인고 하니 데이터가 내부적으로 갖고있는 특성은 우리가 센서 10개로 측정하든, 100개로 측정하든 변하지 않는다는 이야기지요. (관측 상의 차원은 10차원과 100차원으로 다르지만요.)

예를 들어 우리가 4개의 회전관절로 이루어진 로봇을 관측하기 위해 각각의 관절 위치 (x,y,z)를 기록했다고 하면 우리는 아마도 매 순간마다 12차원 공간 상의 데이터를 얻게 될 것입니다. 하지만 이것을 한번 12차원 상에서 그려보면 사실 데이터를 표현하는데는 12차원이 모두 필요하지는 않음을 알게될 것입니다. 사실 데이터는 아마 12차원 공간에서 4차원의 다면체(manifold)를 형성하고 있을테지요. (원래의 데이터가 4자유도 움직임에서 비롯되었기 때문에요.)

3차원 공간 상에 존재하는 2차원 manifold (사진출처)

2015년 11월 4일 수요일

서피스북(Surface Book) 일주일 사용기 + 2개월 사용 후기

노트북을 질렀습니다. 바로 서.피.스.북...!

사실 작년 말쯤부터 어떤 노트북을 살까 오랫동안 고민을 해왔어요. 첫번째 후보는 맥북프로였죠. 올해엔 어떤 맥북프로가 나오려나 WWDC행사를 애타게 기다렸어요. 하지만 결과는 실망...ㅠ 예전부터 이어지던 맥북프로의 디자인엔 변화가 없었고 다만 CPU 등의 부품 교체에 따른 성능변화만 있었죠. 비록 트랙패드에 포스터치가 추가되긴 했지만 그것이 맥북을 사야할 이유는 되지 못했었습니다. 오히려 올초 WWDC의 주인공은 12인치 맥북인듯 했는데 (또는 애플워치) 모바일 CPU를 채용한 노트북으론 제 연구를 할 수 없었죠.

그 다음 가장 인상적이었던 제품은 XPS13이었습니다. 얇은 베젤로 11.5인치 노트북 크기이지만 13인치의 화면을 가진 매우 깔끔하고 잘 빠진 노트북이었죠. 사려고 미국에 현금을 가지고 가기도 했습니다만 늘 마음에 걸리는 것이 한가지 있어 결국 사지 못했습니다. 바로 5세대 브로드웰 CPU를 사용했단 점이었죠.


2015년 10월 30일 금요일

기계학습 (Machine Learning) 입문하기

안녕하세요 Terry 입니다. 지난 2015년 6월 22일 국민대학교에서 이기광 교수님의 초청으로 두시간 동안 "기계학습, 딥러닝, 그리고 모션 분석"이란 주제로 강연을 했었는데요, 그 중 "기계학습"의 기초 개념에 대한 슬라이드에 설명을 입혀봤습니다. 기계학습을 처음 접하시는 분들이나, 혹은 기계학습을 배웠지만 도대체 뭘 하고자하는 것인지 Big Picture가 잘 그려지지 않는 분들께 도움이 되셨으면 하는 바람입니다.

다음엔 뒤쪽에 있는 딥러닝 소개 슬라이드에도 설명을 붙여서 공유하도록 할게요 ^^


[슬라이드 + 음성 Ver.]




[슬라이드]




[강연 Ver. @ 국민대 스포츠융합 공학과]




* T-Robotics의 글은 facebook과 rss reader로도 받아보실 수 있습니다.


2015년 10월 23일 금요일

[로봇강좌 2-6] Rotation matrix와 SO(3)

회전행렬들의 공통적인 특징은 무엇일까요? 사실 이들은 어떠한 group을 형성하고 있는데요, 이것에 대해 한번 알아보도록 하죠 


* T-Robotics의 글은 facebook과 rss reader로도 받아보실 수 있습니다.

[MIT Review] 왜 무인자동차는 사람을 죽이도록 프로그램 되어야할까


(원문) "Why Self-Driving Cars Must be Programmed to Killby MIT Technology Review 
MIT 리뷰에선 무인자동차도덕적 판단에 관한 흥미로운 논문 하나를 소개했습니다. 바로 "Autonomous Vehicles Need Experimental Ethics: Are We ready for Utilitarian Cars?"(Bonnefon et al., 2015)이란 논문이었는데요, (내 논문도 나중에 소개 좀 해주라ㅠ) 무인자동차의 도덕적 판단에 대한 이슈를 제기한 논문이었죠.

이런 상황에서 무인자동차는 보행자를 치어야할까 아니면 운전자 스스로 충돌하도록 해야할까? (출처)

2015년 10월 21일 수요일

딥러닝이 로봇을 똑똑하게 할 수 있을까


이 글은 한국인터넷진흥원과 테크M에 기고한 글을 백업한 글입니다. 

딥러닝에 의해 특정 화가풍의 스타일로 재탄생한 이미지들
(사진출처: A Neural Algorithm of Artistic Style)

2015년 9월 22일 화요일

Inverse Kinematics(역기구학) 이란

안녕하세요 오랜만입니다. (늘 글이 오랜만인지라 이젠 이런 인사말도 좀 그렇네요ㅎㅎ) 예전에는 세월아 네월아 여러분들께 차근차근 개념 설명해드릴 여유가 있었는데 요즘은 제 코가 석자인지라 말이지요 ㅎㅎ 이러다 T-Robotics의 명맥이 사라지는건 아닐까 싶어 급한 맘에 한시간 정도 들여 후다닭~ 글을 써볼까 합니다. 주제는 바로 Inverse Kinematics (역기구학)이지요.

예전 글에서 다뤘던 칠판에 직선 긋기 과제, 기억나시나요?

2015년 7월 15일 수요일

Lie Group Formulation For Robot Mechanics

This is a brief summary of Lie group formulation for robot mechanics. For more details, please refer to the articles.

"A first course in robot mechanics", Frank C. Park.
http://robotics.snu.ac.kr/fcp/files/_pdf_files_publications/a_first_coruse_in_robot_mechanics.pdf

"Lie group formulation of articulated body dynamics", Junggon Kim.
http://www.cs.cmu.edu/~junggon/tools/liegroupdynamics.pdf