올해로 두 번째를 맞이하는 NCSOFT AI Day 행사에 참석하였다. 인공지능을 연구하는 국내 여러대학 연구실들이 한 자리에 모여 게임, 이미지
처리, 자연어 처리, 네트워크 분석 등 다양한 분야에서의
연구 성과를 공유하는 자리였다. 그 동안 다녀왔던 여러 학회들과 비교하여도 수준 높은 발표들로 구성되었고, 참석자들의 전반적인 수준이 높아 심도 있는 토론이 가능했다. 우리
연구실에서는 박영준 연구원과 내가 작년에 수행한 스타크래프트 연구를 발표하였다.

[발표 후기]

발표 제목: Opponent Modeling Under Partial
Observability in StarCraft with Deep Convolutional Encoder-Decoders

스타크래프트로 대표되는 실시간 전략 게임에는 아군의 유닛의 시야가 닿지 않는 지역에 대한 정보를 확인할 수 없는 '전장의 안개' (fog-of-war) 문제가 존재하며, 플레이어 입장에서 의사결정에 대한 불확실성 높이는 가장 큰 요소로 작용한다.
본 연구에서는 정찰을 통해 수집된 제한된 정보만을 이용하여 안개에 가려진 상대방 유닛들의 잠재적 위치와 개수를 추정하는 합성곱 오토인코더
모델을 제안하였다. 시각화를 통해 추정 결과를 보여주고, 학습된
합성곱 오토인코더 모델을 활용하여 경기 내 주요 시점의 전투 가치 판단 모델을 학습하는 실험들을 진행하였다. 나아가
본 모델을 실제 테란 봇에 탑재하여 여러 프로토스 봇들과 대전 시뮬레이션을 하여 승률 향상을 확인하였다.

예상했던 것보다 많은 사람들이 관심을 가지고 자리해주어서 오랜만에 떨리는 발표를 했다. 시간관계 상 특별한 질문은 없었으나, 아무래도 바로 당일 구글 딥마인드에서
스타크래프트II 연구결과를 발표하였기 때문에 더욱 그러지 않았을까 싶다. 향후에는 스타크래프트II 환경에서 승률 예측, 미확인 정보 추정, 강화학습 등의 연구를 진행해볼 계획이다.

[청취 후기]

발표 제목: Coloring with Words: Guiding Image
Colorization Through Text-based Palette Generation

해외 유명 컴퓨터 비젼 학회에 제출된 논문으로 알고 있었는데, 직접
저자의 설명을 들을 수 있어서 좋았다. 흑백의 스케치와 최종그림에서 원하는 느낌을 텍스트로 입력하면
스케치에 어울리는 색 조합을 예측하고 실제로 색을 입히는 연구이다. Text-based Conditional GAN
개념을 단순 단어 몇 글자에서 문장 단위까지 확장시키고, U-Net 구조를 활용한 Generator를 사용한 것이 특징적이었다. 나아가 본 연구를 위해
데이터를 직접 손수 수집했다는 점에서 나도 지금보다 연구를 ‘적극적’으로
해야겠다는 생각을 하게 되었다. 또한, GAN의 활용 가능성은
정말 무궁무진하기 때문에 내가 풀고자 하는 문제들에 어떻게 적용할 수 있을지 많은 고민을 해볼 필요를 느꼈다.