매스웍스(MathWorks)는 실생활이나 산업 프로세스를 혁신적으로 개선할 아이디어를 모델로 구현하는 ‘매트랩 AI 모델 챌린지’를 개최한다고 20일 밝혔다. 매스웍스의 엔지니어팀으로 구성된 대회 심사위원들은 이번 챌린지에서 ▲주제에 대한 아이디어와 AI모델링의 적절성 ▲출품작의 기술 역량 ▲매트랩 및 매스웍스 툴 활용의 창의성 ▲프로모션 기간 동안 다운로드 수 및 별점 ▲제출한 모델의 개수 등을 기준으로 출품작을 평가할 예정이다. 텐서플로우(TensorFlow), 파이토치(PyTorch) 등 다른 프레임워크 모델도 제출 가능하지만, 이 경우 매트랩(MATLAB)에서 구동 및 호스팅이 가능해야 한다. 수상자는 내년 2월 발표될 예정이며 수상 부문은 매스웍스상(100만 원), 인기상(50만 원), 평점상(50만 원), 다작상(50만 원)으로 1명(팀)씩 선정 및 시상한다. 두 명 이상의 개인 또는 팀의 출품작이 동점인 경우, 심사 기준의 중요도 순으로 재심사해 선정한다. 이종민 매스웍스코리아 대표는 “많은 개발자가 매트랩 커뮤니티에 발표된 다양한 코드들을 활용해 효율적으로 인공지능 시스템을 개발하고 있다”며 “이번 경진대회를 통해 참가자들이 세상을 변화시킬 수
헬로티 이동재 기자 | KAIST 전산학부 이재길 교수 연구팀이 적은 양의 훈련 데이터가 존재할 때도 높은 예측 정확도를 달성할 수 있는 새로운 딥러닝 모델 훈련 기술을 개발했다고 27일 밝혔다. 기술이 적용되면 기존에 수작업으로 진행돼 많은 노동력과 시간이 소모되던 레이블링(Labeling) 과정을 보다 효과적으로 수행할 수 있다. 이번에 개발된 기술은 심층 학습 모델의 훈련에서 바람직하지 않은 특성을 억제해 충분하지 않은 훈련 데이터를 가지고도 높은 예측 정확도를 달성할 수 있게 해주는 기술이다. 연구팀은 바람직하지 않은 특성을 억제하기 위해서 분포 외(out of distribution) 데이터를 활용했다. 다량의 분포 외 데이터를 추가로 활용해 추출된 특성이 영(0) 벡터가 되도록 심층 학습 모델의 훈련 과정을 규제해, 바람직하지 않은 특성의 효과를 억제하는 원리다. 기존에 딥러닝 과정에서 분포 외 데이터는 쓸모없는 것이라 여겨지고 있었으나, 이번 연구에선 오히려 훈련 데이터 부족을 해소할 수 있는 유용한 보완재로 탈바꿈됐다. 연구팀은 이 정규화 방법론을 ‘비선호 특성 억제’라고 이름 붙이고 이미지 데이터 분석의 세 가지 주요 문제에 적용했다. 그 결