1월25일 엔씨소프트 본사에서 NC AI DAY 가 개최되었다. 작년에 이어 두번째로 열리는 행사로 Tapping into AI (AI에 다가서다) 라는 주제로 진행되었다. 엔씨소프트에서도 2011년 부터 AI 분야에 많은 관심을 두고 지원을 하고 있으며 최근에 지원 규모도 계속 커지고 있다고 한다. 게임이라는 플랫폼이 AI 를 성장시키기에 아주 좋은 환경이기 때문에 많은 발전을 이룰 수 있었으며. 이를 바탕으로 다양한 분야로의 확장을 기대하고 있다고 한다. 세션 발표 주제는 게임 회사인 만큼 게임이나 애니메이션에 관련된 강화학습이나 딥러닝이 주를 이루었으며. 실제로 관심이 있던 분야라서 더 흥미롭게 들을 수 있었다. 

[청취후기]

Interactive Character Animation by Learning Multi-Objective Control, 이경호, 서울대학교

이 연구는 게임이나 애니메이션에 등장하는 사람이나 동물의 움직임을 좀 더 자연스럽게 처리하는것에 목적이 있다. 모션 센서를 이용해 사람이나 동물의 움직임을 학습한 후 상황에 맞는 동작을 할때 사람이 보기에 아주 자연스럽게, 진짜 사람이 움직이는 것 같이 동작을 재현해 내는것이다. 이 연구에서는 농구를 하는 사람의 동작을 학습시켜 보았다. 다른 규칙을 알려 주지 않았지만 학습된 동작 데이터를 바탕으로 워킹과 같은 농구의 기본 규칙을 어느정도 이해하고 움직이는 것을 볼 수 있었다. 단순하게 학습된 모델을 이용하여 생성된 영상에서도 농구 규칙에 따라 동작이 잘 생성됨을 볼 수 있었다. 하지만 발이 미끄러진다던지, 공이 튀기는 모습이 약간은 부자연 스러운 부분이 있었는데, 이 연구에서는 제약조건을 추가하여 해당 부분이 더 자연스럽게 보일 수 있도록 개선 하였다. 최종 학습된 모델을 이용하여 영상을 생성한 결과 실제 사람이 움직이는것과 같은 수준의 동작 영상을 확보함을 보여 주었다. 그동안 강화학습을 통하여 게임을 컨트롤 하는 부분은많이 보았는데, 동작을 자연스럽게 보이기 위하여 딥러닝을 이용하여 개선하는 모습을 보니 새로웠다. 이러한 기술은 애니메이션의 케릭터 컨트롤이나 로봇의 동작 프로그램에도 많은 영향을 줄 수 있을 것 같다. 딥러닝이 적용되는 새로운 분야를 볼 수 있어서 좋았고 결과물이 영상으로 나와 더 흥미로운 연구였던것 같다. 

Sequential Experimental Design for Multi-Component System Using Gaussian Process Regression, 정지환, KAIST

이 연구에서는 GP regression 을 이용하여 최적점을 빠르게 탐색할 수 있는 알고리즘을 제시​하였다. 예전 수업에서 GP 를 배운적이 있는데 어떻게 활용이 될지에 대해서 의구심이 들었었는데, 이 연구에서 그 부분을 잘 설명해 주어 개인적으로 GP 를 이해함에 있어 많은 도움이 되었다. GP 를 이용하여 주어진 데이터 포인트를 만족하는 함수를 찾고 uncertainty 가 높은 부분을 확인 하여 샘플링하기 때문에 최적점에 상당히 빠르게 도달할 수 있다는 것이 내용이었다. 지금은 continuous 한 데이터에 적합하게 짜여져 있지만 향후에 categorical 한 데이터에도 적용할 수 있도록 개선할 필요가 있다고 하였다. GP 에 대한 개념과 그 응용 방안에 대해서 간결하게 잘 설명해주어 이해하기 좋았고 흥미로웠던 발표였다.