[학회후기]

이번 대한산업공학회 추계학술대회는 졸업 전 마지막 학회였는데 코로나로 인해 온라인으로 진행하게 되어 동국대학교의 가을 풍경을 보지 못해 아쉬운 마음 먼저 든다. 하지만, 온라인으로 개최되는 덕분에 발표 자료를 한눈에 볼 수 잇었는데, 산업인공지능 세션에 최근 딥러닝 모델을 적용 어플리케이션 연구가 많아졌다는 느낌을 강했다. 나아가, 최근 블록체인 쪽으로는 국내 학회장에서 볼거라고 생각도 못했는데 마침  '메타버스' 에 대한 발표도 있어서 꽤나 흥미롭게 들었는데, 아마 빠른 시일내로 블록체인 관련한 연구 발표가 올라오지 않을까 하는 상상을 한다.

[발표후기]

비-유클리드 데이터에 대한 딥러닝 기술은 그래프 신경망(GNN)의 출현과 함께 다양한 그래프 처리 작업의 필수 방법이 되었다. 그러나, 많은 GNN은 여러 번의 메시지 전달 후 노드 값들 간 구별이 어려워지는 오버스무딩 문제와 많은 현실 세계 그래프의 큰 비중을 차지하는 비동종 그래프 처리에 어려움을 겪는 실정이다. 이 문제를 해결하기 위해 본 연구에서는 개별적인 학습 가능한 가중치를 통해 중요한 이웃(hop)에 집중하며, 이에 initial-connection 방법을 결합하여 커진 모델을 안정화하는 향상된 적응형GNN모델을 제안하였다. 다양한 크기와 네트워크 동종성을 보이는 12가지 현실 세계  그래프 벤치마크 데이터 세트에 대한 광범위한 실험을 수행했으며, 제안방법론이 노드 분류 작업에 대해 최근에 제안된 몇 가지 적응형 방법론들보다 성능이 우수함을 보여주었다.

질문1. 최대 Hop 수 자체가 학습되는 값인가?

답변1. 아니다, 최대 Hop 수는 하이퍼파라미터로 두되, 그 사이에 있는 hop들의 가중치를 조절함으로써 데이터로부터 가중치를 조절하고 나아가 효과상으로는 hop수를 조절하는 듯한 효과를 내는 것이다. 

질문2. 그렇다면 hop수 자체도 학습할 수는 없는가?

답변2. 모델 구조가 학습 도중에 바뀔 수 없기 때문에 해당 부분은 불가하다. 

[청취후기] 메타버스, 새로운 세상을 열다

마치 2000년대초 인터넷의 탄생이 세상을 한번 크게 바꾼 것처럼, 블록체인은 탈중앙화를 통해  근대 자본주의 사회의 헤게모니를 바꿀 것이다. 좁게는 하나의 암호학이 가미된 분산화 렛져로 볼 수 있지만, 2000년대초와 다르게 이미 통신 인프라가 깔려있다는 것을 감안하면 지금까지 우리가 소통하는 방식을 중앙집권 방식에서 분산형 방식으로 송두리채 바꿀 시발점이다. 금일, 발표된 메타버스는 굳이 블록체인 없어도 기존의 Web2.0으로도 충분히 가능하나, 아무래도 블록체인 기술이 메타버스 세계에서의 상호 신원을 보증해줄 수단이라는 핵심 역할을 지니고 있기 때문에 블록 체인과 메타버스는 괘를 함께 할 수 밖에 없는 구조다. 탈중앙화를 통한 정보의 주권을 개개인에게 다시 돌려받는 것이 물론 장점이기는 하나, 효율성 측면에서 서비스 사용자의 입장에서는 오히려 블록체인 트렐리마 문제로 인해 소수의 검증자 노드로 집권화된 과거의 방식에 가까운 탈중앙화 탈을 쓴 블록체인을 선호할 수도 있을 것 같다. 실제로 많은 전문가들은 대부분의 사람들이 최근 web2.0의 대명사인 facebook이 meta로 이름을 은근슬쩍 변경하면서 metaverse 안에서도 자신들의 영향력을 행세하려는 부분에 대해서는 별 거리낌 없이 그들의 서비스를 사용할 것 같기도 하다는게  그 예시다. 영업이득을 위해서라면 모든지 하는 기업들이 NFT와 게임 이외에 어떤 식으로 이 다소 상반되는 듯한 블록체인 탈중앙화 기술을 이용하여 이득을 취할지가 앞으로 그 행보가 궁금하다.