총평

코엑스에서 열린 BI 데이터마이닝 학회에 다녀왔다. 경진대회가 있던 작년 가을에 비해 발표의 수는 줄었지만, 그만큼 더 높은 수준의 연구들을 많이 볼 수 있었다. 이론적인 접근과 근본적인 개선보다는 딥 러닝 모델을 활용한 다양한 응용분야에의 적용을 다룬 연구가 주를 이루었다. 아무래도 딥 러닝 기술의 발전속도가 워낙 빠르고, 이 분야의 연구 트렌드가 이론적인 접근보다는 경험과 실험에 의존한 귀납 그리고 ‘딥 러닝의 한계는 어디인가?’를 보고자 함이 강하기 때문에 한편으론 흥미로우면서도 다른 한편으로는  아쉬운 마음이 들기도 하였다.

이번 학회에서는 유독 눈살을 찌푸릴 수 밖에 없는 상황들이 많았다. 청중의 질문에 무성의한 답변을 보이거나, 반대로 발표자의 연구가 하찮고 의미가 없다는 식으로 비난과 조롱이 섞인 질문들도 오고갔다. 학회는 지식을 공유하는 자리이지, 자신이 남들보다 잘나고 더 많이 안다고 으스대는 모습을 보이면 안된다고 생각한다.  설령 연구의 결과가 조금 부족하더라도, 상대방에 대한 최소한의 존중을 보이고 같은 분야에 종사하는 연구자들에 대한 동업자 정신을 보일 필요가 있다. 어쩌면 나 또한 과거에 그러지 못했던 몇 번의 기억이 떠올라 더 부끄러웠는지도 모르겠다.

딥 러닝 이외의 연구에 대한 발표 비중이 적었고, 청중의 관심도 딥 러닝에만 집중된 것도 많이 아쉽다. 성능 위주의 평가로 인해 ‘딥 러닝 만능주의’가
만연하는 탓에 딥 러닝과 무관한 연구의 발표에는 많은 청중들의 집중력이 크게 흐트러지는 모습을 볼 수 있었다. 의미가 없는 연구는 없고, 듣고 배워서 나에게 도움이 되지 않는 내용도 없다. 편식을 하면 몸에 탈이 나듯이, 좁은 시야로 공부/연구를 하면 언젠가는 탈이 날 수 밖에 없다고 생각한다. 연구자로서 어떤 자세를 가져야 하는지에 대해 다시 한 번 고민하는 계기가 되었다.

우리나라에서 딥 러닝을 활용한 인공지능 연구는 아주 뜨거운 감자이며, 향후 몇 년간은 계속 그럴 것이다. 국내 학회에서 발표되는 딥 러닝 연구들의 수준은 해외보다 2~3년 정도 늦고, 추구하는 방향도 장기적인 목표없이 단기적인 성과에 집중하는 경향을 보인다. 그 이유에 대해 더 많은 사람들이 고민하고, 지속가능한 연구 풍토를 만들기 위해 노력이 이루어졌으면 하는 바람이다.

청취후기 1: Semi-Supervised Learning for Hierarchical Networks

계층적 구조를 갖는 multi-layer 네트워크 데이터를 활용한 그래프 기반 준지도학습 방법론에 대한 발표였다. 최근 다시 네트워크 분석이 인기를 끌고 있는 가운데 일전에 접하지 못했던 multi-layer 네트워크에 대한 주제라서 더욱 관심을 갖고 들었다. 단일 네트워크에서 정의되던 Label Propagation 방법을 Nystrom Method와 Woodbury Formula를 활용하여 multi-layer 네트워크에 대해 새롭게 정의하고, 조선시대의 사육신사건, 무오사화, 기묘사화를 각각 개별 네트워크로 간주 후 실험을 진행하였다. 접근과 실험방식 모두 흥미롭게 들을 수 있는 내용이었다. 준지도학습에서 그래프(연결) 정보를 활용하는 것은 매우 강력한 방법이지만, 반대로 계산시간이 오래 걸린다는 점에서 단점이 뚜렷하다. 이를 개선하기 위해서 요새는 신경망 기반의 그래프 분석 방법론이 많이 연구되고 있는데, 나도 현재 진행하고 있는 결측치 대체 연구에 그래프 정보를 활용하면 어떨까라는 아이디어를 얻었다.