http://research.sualab.com/review/2018/09/28/nasnet-review.html

요즘 많은 관심을 받고 있는 AutoML에 대해서 잘 정리한 글입니다. 지금까지는 사람이 직접 딥러닝 모델을 설계하였습니다. 보통 경험과 직관에 의해서 이루어지며, 끊임없는 테스트를 거쳐 계속 보완합니다.

이런 과정을 자동으로 해주는 것이 AutoML입니다. 크게 3가지 종류로 나눌 수 있습니다. 첫째, 데이터에서 어떤 특성을 골라 사용할지 결정하는 피처 엔지니어링입니다. 둘째, 모델의 구조를 결정하는 아키텍처 검색입니다. 셋째, 학습률이나 배치사이즈 등을 정하는 하이퍼파라미터 최적화입니다.

NASNet(Neural Architecture Search)이 대표적인데 RNN Controller와 강화학습을 기반으로 합니다. RNN이 모델의 구조를 결정하고 이를 끝까지 학습을 해봅니다. 그러고 그 결과를 평가하여 강화학습으로 RNN의 성능을 개선합니다. 이 과정을 반복하면 최적의 모델을 찾을 수 있습니다. 매우 작은 데이터셋인 CIFAR-10의 모델을 만드는데 500GPU로 4일이 걸렸다고 합니다. 대신 사람이 만든 것에 버금가는 정확도를 달성하였습니다.

앞으로 AutoML이 더욱 빨리지고 성능이 높아질 것이라 생각합니다. 그만큼 알고리즘을 개발하는 연구자들을 제외하고, 일반적인 딥러닝 전문가의 중요성이 지금보다 낮아질지도 모릅니다. 대신 이를 응용하여 제품이나 서비스에 적용하는 도메인 전문가가 더 부각될 것 같습니다. 물론 인공지능과 딥러닝에 대한 이해가 선행되어야 하는 것은 당연합니다.