AI PLUS 2019

abstract

요약
program speaker abstract
AI PLUS, 인공지능을 더하다Make Your Life Easier with A.I. 변형진, 권택순(이스트소프트)
박경수(ZUM)
이스트소프트와 줌인터넷에서는 인공지능 연구소를 설립하고 업계를 선도하는 기술력을 확보하기 위해 R&D에 과감한 투자를 하고 있습니다. 다양한 사업 영역에서 인공지능 기술을 적용해 괄목할만한 실용적 가치를 창출하고 있습니다.
우리가 왜 인공지능 기술을 연구하고 있고 이를 어떻게 실용적인 성과로 연결하고 있는지 소개합니다. 발표자료 다운로드
AI를 활용한 시계열 예측최신 AI 기반 예측 알고리즘 동향 및 사례 임우형 (LG) 최근 인공지능 스피커, 자율주행 등 음성인식, 자연어 처리, 영상인식과 같은 인지분야를 기반으로 한 인공지능 제품 및 서비스들이 큰 성과를 보여주고 있습니다.

향후 인공지능 기술은 인간의 예측과 판단 영역까지 발전할 것으로 기대되며, 이는 설비예지보전, 수요예측, 프로세스 최적화 등 업무활동의 효율을 향상시키고 제조 수율을 높이는데 큰 역할을 할 것으로 예상됩니다.

기존의 통계기반의 빅데이터 분석을 뛰어넘는 최신 딥러닝 기반 알고리즘과 사람의 신장 이상을 미리 감지하는 사례를 소개하고, 앞으로 인공지능이 발전해 나아갈 모습을 함께 고민해 보려고 합니다. 발표자료 다운로드
자동차 에이전트 소개자동차에서의 AI 적용 박상길 (현대자동차) 현대자동차 에어랩에서 진행중인 자동차의 AI 에이전트 전략을 살펴보고, 대화형 에이전트를 향한 플랫폼 구조와 구현 시나리오를 살펴봅니다.
클라우드를 이용한
ML 프로젝트 생산성 강화 방안Automated ML과 CI/CD를 중심으로
한석진 (Microsoft) AI 프로젝트는 알고리즘을 선택하고 모델을 학습하는 것이 전부가 아니다. 데이터를 준비하는 과정부터 모델을 최적화하여 비즈니스 목표에 부합하는 모델을 얻어내는 과정, 그리고 이를 서비스 형태로 패키징하고 배포하는 과정이 포함되며, 그 작업을 체계적으로 관리하여 여러 역할을 가진 팀원들이 협업을 할 수 있는 환경을 구성하는 것도 큰 일이다.
본 세션에서는 모델의 최적화에 영향을 미치는 데이터 가공, 알고리즘 및 하이퍼파라미터의 선택에 도움이 되는 Automated ML 접근 방법을 살펴본다. 그 다음으로는 모델 최적화 이후 단계인 서비스 배포 단계까지를 아우르는 DevOps 적용 방안에 대해 알아본다. 발표자료 다운로드
Make AI Social, 핑퐁일상적인 대화를 잘 하는 AI를 만드는 방법 김종윤 (스캐터랩) 사람과 자연스럽게 일상대화를 나누는 소셜 AI는 모든 AI 엔지니어의 꿈입니다. 하지만 무척 어려운 목표이기도 하죠. 스캐터랩의 일상대화 AI 기술 ‘핑퐁'이 이 문제를 어떤 관점에서 어떻게 접근하고 있는지 소개합니다. 발표자료 다운로드
AI Product개발 문화 Agile, DevOps 레알 스토리 신정호 (SKT) 인공지능(AI)은 현재 전방위적으로 비즈니스 세계를 변화시키고 있다. 과거 Engineer와 Researcher의 관심사였던 AI가 통신, 금융, 유통, 교육에 이르기까지 때로는 비즈니스의 Core Component로 때로는 비즈니스를 Support하는 Backoffice 등으로 쓰여지고 있다.
AI Field에 참여하고 있는 Player들이 그만큼 많아지면서, AI 개발 플랫폼, 프로세싱 파워, 알고리즘 등 기술의 발전 속도가 과거와 비교할 수 없을 정도로 빨라졌고 그에 맞춰 AI 비즈니스 Trend 또한 '속도'와 '민첩성'이 성공과 생존의 필수 요소가 되었다.
그러나, AI에 대한 필요성, 당위성, 비즈니스적인 낙관적 전망에도 불구하고 많은 기업들은 'AI Tech' 결과물에만 관심을 두고있고 이를 만들어내기 위한 연구/개발 조직 문화에 대한 관심과 노력을 기울이지 않고 있다.
본 세션에서는, AI Product를 직접 만들어내는 Engineer와 Researcher들의 일하는 개발문화를 다루고자 한다. 개발 문화가 비즈니스와 기술 모두에서 그 어느때보다 중요한 '속도'와 '민첩성'과 어떻게 연관이 있고 AI Business를 외치는 회사와 조직이 무엇을 중요하게 바라보아야 하는지를, AI Product를 개발하며 고민한 실제 경험을 중심으로 조직(Organization), 심리적 안정감(Psychological Safety), Engineer의 인성과 태도(Attitude) 관점에서 나눠보고자 한다.
Deep Learning 모델 경량화On-device AI를 위한 모델 경량화 방법 이진원 (삼성전자) 딥러닝 모델이 다양한 분야에서 뛰어난 성능을 내면서 더 높은 성능을 내기 위한 경쟁이 계속되고 더 큰 모델과 더 높은 컴퓨팅 파워에 대한 요구 또한 지속적으로 증가하고 있습니다. 하지만 한편으로는 핸드폰이나 드론, 자동차 등과 같이 제한된 컴퓨팅 파워에서 딥러닝을 활용하고자 하는 요구 또한 점점 더 커지고 있습니다.
이번 발표에서는 이렇게 제한된 컴퓨팅 파워 환경에서 높은 성능을 내기 위한 모델 경량화 방법들에 대해서 CNN 모델을 중심으로 소개해드리고자 합니다.
알고리즘 level에서 모델을 경량화해온 방법들, quantization을 이용한 모달 경량화 방법, network pruning 방법과 그 활용에 대해서 간략하게 소개해드리고, 이러한 경량화 방법을 적용할 때 고려해야할 것들에 대해서도 함께 이야기해보도록 하겠습니다.