[학회 후기]

이번 2021년도 INFORMS는 온/오프라인 병행하여 학회가 진행되었다. INFORMS는 개인적으로 좋은 기억이 있는 학회다. 대학원에 입학 후, 2019년도에 처음 해외로 나갔던 학회였고, 영어로 발표하는 것도 처음이었던 학회다. 아직도 그 날의 떨림을 잊지 못한다. 세계 각국에서 온 사람들 앞에서 영어로 발표를 마쳤을 때의 성취감이 아직도 기억에 남는다. 2년만에 다시 발표하게 된 INFORMS 학회였지만 이번에는 해외 학회장이 아닌 집에서 화상으로 발표를 진행하게 되었다. 이 부분은 조금 아쉬움이 남는다. 하지만 지리적인 제약 없이 같은 분야의 많은 연구자들의 발표를 듣고, 내 연구를 다른 연구자에게 들려줄 수 있다는 점은 장점이었다고 생각한다. 이번 학회에서는 온라인으로 사전에 녹화했던 발표 영상을 해당 시간대에 송출하는 것으로 발표를 진행했다. 이렇게 녹화한 영상을 발표 시간대에 틀었던 것은 처음이었다. 이 때 장점은 내가 발표할 때 다른 사람들이 어떻게 듣고 있는지를 볼 수 있고, 내가 발표하면서 부족한 점이 무엇인지 다시 한번 인지할 수 있다는 것이었다. 발표 영상을 녹화하면서 여러 번 저장하고 지우기를 반복했었다. 이 때도 많이 내 발표 소리를 들을 수 있었지만, 실제 학회에서 녹화된 내 발표 영상을 들으니 내 발표의 장/단점을 더 많이 확인할 수 있었던 것 같다. 다음 발표에서는 더 많은 것을 신경 써야 한다는 생각이 들었다. 이번 INFORMS 학회도 대규모로 진행되면서 많은 연구들을 볼 수 있었던 것 같다. 머신러닝, 딥러닝 알고리즘 연구뿐만 아니라, 다양한 방법론을 게임, 제조, 사람 등 다양한 산업 분야에 적용된 사례도 볼 수 있었다. 이러한 연구들을 보며 다양한 경험을 할 수 있는 연구실에 대한 감사함을 다시 한번 느낄 수 있었던 것 같다.

[발표 후기]

1. Deep Learning Model for Obscured Enemy Information Prediction in StarCraft Ⅱ, (Insung Baek, Jinsoo Bae, Keewon Jeong, Young Jae Lee, Uk Jo, Jaehoon Kim, Seoung Bum Kim, Korea University, Korea)

스타크래프트 2는 상대방과 내 정보를 바탕으로 다양한 승리 전략을 만들어야 하는 게임이다. 하지만 적 정보는 항상 모두 볼 수 없고 안개에 가려져 있다는 특징을 지닌다. 따라서 스타크래프트 2 플레이어는 이렇게 안개에 가려진 적의 정보를 정확하게 예측해 승리 전략을 만드는 것이 중요하다. 본 연구에서는 현재 아군 플레이어가 가진 정보와 과거 시점에 관찰했던 적 플레이어 정보를 기반으로 안개에 가려진 적 정보를 예측하고자 했다. 본 연구는 픽셀별로 적의 유닛 및 건물을 예측해야 하는 문제이기 때문에 이미지 Segmentation 문제와 유사하다. 따라서 딥러닝 모델로는 입력 데이터를 축소했다가 다시 입력 사이즈와 동일한 크기로 복원하는 DeepLab V3를 활용했다. 이에 더하여 예측력을 높이기 위해 총 2가지 기법을 활용했다. 실제 게임에서 플레이어는 과거 관찰했던 정보를 기억하고 이를 기반으로 전략을 세운다. 이를 반영하기 위해 과거 5시점을 추가 입력데이터로 활용했다. 또한 딥러닝 모델에서 좋은 특징 공간을 추출하기 위해 자기지도학습 방법 중 하나인 MoCo를 활용해 pre-trained encoder로 활용했다. 결과적으로 2가지 방법을 통해 기존 대비 정량적, 정성적으로 모두 더 좋은 성능의 모델을 구축할 수 있었다.