1월 25일 NC soft 본사에서 NC AI DAY 2회가 개최되어 포럼에 참석하였다. 최근 NC soft는 AI분야에
많은 관심을 갖고 지원을 하고 있으며 규모 또한 커지고 있는 것을 보여주었다. 특히 NC soft는 게임회사로 많이 알려져 있고 최근에 게임에 AI를 접목시키기
위해 많은 노력을 하고 있다고 한다. AI를 접목시키는 부분에 있어 게임은 좋은 환경을 가지고 있어
엄청난 발전을 이룰 수 있을 것이라고 생각된다. 또한 회사를 소개하는 부분에서 “데이터를 처리하는 러닝으로 시대가 변화하고 있으며 데이터의 시대가 왔다”라는
부분이 매우 기억에 남았다. 이 말은 나에게 데이터 분석가로써 한발 더 다가갈 수 있는 계기가 되었고
연구자로서 많은 고민을 갖고 어떻게 데이터를 다루며 성과를 얻을지 생각해보게 되는 자리였다.

Starcraft AI: Competition 동향 및 강화학습 기반
AI, 윤성훈 세종대학교 

요즘 Starcraft 게임에 AI를
접목시키는 연구가 많이 진행되고 있다. 게임에 관심이 있는 나는
Starcraft에는 어떻게 AI가 접목되는지 궁금했다.
Starcraft에는 mini map이 있고 3개의
종족과 그에 대한 유닛들이 있다. Mini map은 처음 게임을 시작할 때 보이지 않아 정찰이 필요하다. 이에 따라 어느 위치에 적의 유닛과 기지가 있는지 AI를 접목시켜
유추할 수 있도록 한다. 또한 유닛 간의 전투도 수 많은 플레이를 통해 이를 학습시켜 알파고와 비슷하게
유닛이 pattern에 맞게 전투를 진행하도록 한다. 세미나에서는 AI를 접목시킨 유닛과 실제 사람과 전투를 진행한 동영상을 보여주었는데 감탄을 금치 못했다. Starcraft 게임에 대한 경험이 별로 없었지만 동영상에서 AI와
사람이 플레이하는 것을 보고 이 분야에 매우 흥미가 생겼다. 학습시킨 AI 유닛은 실제 사람이 하는 control 과는 많은 차이가 났고
전투에서 이기는 모습이 많이 보였다. 이를 학습시키는데 필요한 부분은 강화학습이다. 강화학습은 환경 내에 Agent 가 존재하고 어떠한 state를 주면 Agent는
action 을 취하게 된다. 이 action에
대해 Agent는 reward를 받을지 아닐지 결정하게 되며
최종적으로 최적의 policy 를 취할 때까지 이를 반복하는 이론이다.
아직 전체적인 이론은 공부하지 못해 아쉬웠지만 게임에 AI를 접목시키는 연구는 매우 흥미로운
분야였고 강화학습을 공부하여 나 또한 연구해보고 싶은 분야였다.

Recent advances in recommender systems
using deep learning, 이종욱 교수, 성균관대학교 

이번 발표는 성균관대학교의 이종욱 교수님의 발표였다. 추천 시스템은
말 그대로 기계가 사람에게 음악, 쇼핑, 영화 등에서 추천을
해주는 시스템이다. 기존의 추천 시스템의 문제점은 음악에서 Rock장르를
사용자가 고르면 Rock에 대한 음악만 추천해주었다. 이
문제점을 보완하기 위해서 추천시스템에 사용되는 방법론은 collaborative filtering이
있는데 이는 사용자 간의 선호도 패턴을 파악하기 위한 것이다. 즉 사용자들이 선택한 부분의 유사성을
보는 것이다. Input data 로는 user-item rating
matrix로 들어가는데 이 부분에서는 많은 부분이 누락되어 있다. 이 누락된 부분을 해결하기
위해 두개의 latent metrics로 나누어 이를 user
matrix * movie matrix 로 표현하였다. 또한 누락된 부분을 ? 로 보여주며 ?에 대한 해결방법을 설명하였다. ? 를 해결하기 위해서 제시된 방법론은 MLP 와 AE(AutoEncoder)를 얘기하며 특히 AE부분에 집중하여 설명하였다. 기존 연구에서는 User matrix * movie matrix 선형결합을
embedding & ont hot vector 를 사용하였고 Layer 를 쌓아 Y를 예측하는 방법을 보여주었다. 마지막으로 본 연구에서 제안한 방법은 AE+ CNN(Char-CNN)을
병합하여 예측하는 알고리즘을 제시하였다. 이를 통해 추천 시스템의 문제점들을 해결하고 연구성과 또한
매우 좋은 것을 보여주며 추천 시스템에 대해 계속된 연구를 진행할 계획을 말하며 발표를 마무리 하였다. 추천
시스템은 일상 생활에서 TV movie, music 등 많은 곳에서 사용되고 있다. 나 또한 음악을 좋아하여 많이 사용하였는데 직접 발표를 듣고 보니 매우 흥미로운 분야였다. 기회가 된다면 추천 시스템을 연구해보고 싶은 마음이 생기는 분야였다.