본문 바로 가기

로고

국내 최대 정보 기계·건설 공학연구정보센터
통합검색 화살표
  • ProJet 2500
  • MateNet

    2377 1 34
    MateNet 게시판 내용
    제목 인공지능 분야 NIPS(Neural Information Processing Systems Conference) 5년간 연구동향 분석
    작성자 정병규
    작성일 2016-11-09 오전 9:31:58
    첨부파일 첨부파일  NIPS 연구동향 분석_최종.pdf




    올해 2016년 3월에 있었던 이세돌 9단과 구글 딥마인드(Google DeepMind) ‘알파고’의 대국 이후 업계 뿐 아니라 인공지능에 대한 대중들의 관심이 부쩍 높아졌다. 인공지능(Ai)는 인류에게 큰 동력을 가져다 줄것으로 주목받는 반면, 로봇과 인간의 공생을 고민해야하는 계기가 되었다. 인공지능을 위한 알고리즘은 과거부터 존재했지만. 기술구현을 위한 환경은 최근에 마련되어 급속도로 발전하고 있다. 인공지능에는 컴퓨터의 리소스와 트레이닝을 위한 데이터, 알고리즘이 필요하다. 최근 CPU 성능 향상 뿐 아니라 GPU 연동, TPU 개발, 빅데이터의 등장, 학습 알고리즘의 혁신 등을 통해 딥러닝으로 대변되는 대용량 머신러닝 모델의 구현이 가능해진 것이다.


    머신러닝이란 기계가 스스로 학습하게 만드는 기술을 구현하는 것을 말한다, 머신러닝이 스스로 학습한다고 해도 데이터 추가 등 인간의 지속적 개입이 필요한 ‘지도학습’이 필요한데 머신러닝에 인간의 뇌신경 뉴런을 모방해 접목한 ‘딥러닝’의 경우 추상적인 분석이 가능해 특정 훈련 데이터집합이 더 이상 필요 없는 ‘비지도학습’이 가능해진다. 그동안 블랙매직(Black Magic)으로 통하던 인공지능이 딥러닝 등의 새로운 방법을 통해 기술 혁신의 속도를 가속 시켰고 하나의 결과가 알파고라고 볼 수 있다. 한국에서도 인공지능에 대한 관심이 부쩍이나 높아지고 있고, 이에 대해서 정부나 기업들에서는 여러가지 관련 연구와 사업들을 계획하고 있다. 그러나 그동안 한국은 인공지능분야에 대한 수준은 영화에나 나오는 황당한 이야기였다. 인공지능의 인기와 더불어 전에 없이 많은 관련 기사들이 쏟아져 나오면서 소위 전문가들이 나서고 있고, 언론이나 과학계에서는 이들을 찾기에 공을 들이고 있다. 그러나 인공지능에 대한 글을 쓰는 사람들은 직접적인 연구자보다는 미래학자들이 더 많은 현실이다. 연구자들이 아니라 미래학자들이 쓰는 글들은 직접적인 현실의 반영이라기 보다는 인공지능에 대한 장미빛 미래와 우려에 대한 상상의 나래이거나 외국의 연구사례에 대한 막연한 전달일 가능성이 매우 높다.


    인공지능 분야는 전자정보, 기계공학, 생물학, 수학 등의 다양한 분야의 연구자가 해야하는 매우 융합적인 학문이다. 비중은 전자정보가 높기는 하나 다양한 분야의 연구자들이 참여하고 있다.  기계공학분야를  주로 다루고 있는 메이트릭(MATERIC)에서는 인공지능까지 분석해야 하는 고민이 있었다.  그러나 로봇이나 무인자동차, 여러 기계들을 조종하는  필요한 것은 인공지능일 수 밖에 없기 때문에 기계공학연구자들의 연구와 협업을 위해서도 인공지능에 대한 분석이 꼭 필요하다고 생각된다.


    메이트릭(MATERIC)은 과연 한국의 인공지능 수준이 어느정도인지, 세계의 연구들이 어떻게 진행되고 있는지, 또한 어떤 연구자들이 인공지능분야의 연구를 진행하고 있는지 네트워크 분석을 통해 조사해 보고자 한다. 연구자들이 인정하는 기계학습 분야의 세계적인 학술대회는 NIPS (Neural Information Processing Systems Conference)와 ICML (International Conference on Machine Learning), COLT (Conference on Learning Theory), ICLR (International Conference on Learning Representations), UAI (Conference on Uncertainty in Artificial Intelligence) 와 AISTATS (International Conference on Artificial Intelligence and Statistics ) 등이 있다. 2016년에는 이들 중 하나인 NIPS(Neural Information Processing Systems Conference)의 5년간(2011년~2015년) 논문을 통해 세계의 인공지능 연구자와 한국의 인공지능 연구자들에 대해서 분석해 보고자 한다.




    자료 분석을 위해 NIPS(Neural Information Processing Systems Conference)의 2011년부터 2015년도까지 논문 1,845편의 논문을 제목, 저자 및 소속을 추출하여 정리하였다. 분석방법은 통계분석과 네트워크 분석을 사용하였는데 통계분석에서는 국가별 논문 발표순위, 기관별 논문 발표순위, 국가별 참여기관수, 한국기관의 논문 발표순위를 분석하였고, 네트워크 분석에는 Net Miner 3.6을 사용하여 연구자 네트워크 분석을 실시하였다. NIPS에서는 논문에 키워드 정보가 없어서 키워드 분석은 실시하지 못하였다.




    5년간 NIPS(Neural Information Processing Systems Conference)에서는 36개 국가의 논문이 발표되었으며, 국가별 논문 발표 순위를 살펴보면 아래 Figure2와 같이 국가별로는 미국이 1,037건의 논문을 발표하여 전체 논문의 56.2%를 차지하고 있으며, 그 다음으로 영국(110건, 6.07%), 프랑스(103건, 5.6%), 캐나다(97건, 5.3%) , 독일(85건, 4.6%)의 논문을 발표하였다. 한국은 오스트리아와 이탈리아와 같이 14편의 논문을 발표하여 전체의 0.8%를 차지하고 있다. 아시아권에서는 중국이 73건(4.0%), 일본이 43건(2.3%)를 차지하고 있다. 국가별 논문 발표수는 아래 표 1과 같다.





    5년간(2011년~2015년) NIPS의 논문을 발표한 기관은 36개국의 328개 기관에서 1,845편의 논문이 발표되었다. 기관별 발표수는 Figure 3과 Table2와 같이 Stanford Univ.에서 84편의 논문을 발표하였으며, Carnegie Mellon Univ.에서 66편, MIT 에서 63편, Univ. of California at Berkeley에서 61편, Univ. of Texas at Austin 에서 59편의 논문을 발표하여 6위까지 모두 미국의 기관으로 나타났다. 그 뒤를 이어 영국의 Univ. College London에서 41편, 프랑스의 INRIA에서 39편, 독일의 Max Planck Institute of Science에서 33편의 논문을 발표하였다.  또한 영국의 Univ. of Cambridge에서 30편의 논문을 발표하였다. 한국의 기관중에서는 KAIST가 5년간6건의 논문을 발표하여 한국기관으로서는 가장 많은 논문을 발표한 것으로 나타났다.





    NIPS(Neural Information Processing Systems Conference)에서 5년간(2011년~2015년) 논문을 발표한 주저자는 약 1,400여명으로, 이중 3편 이상의 논문을 발표한 제주저자는 49명으로 확인되고 있다. (저자를 알파벳 순서로 표기하는 경우도 많아서 정확한 주저자를 알기 힘든 경우가 많지만, 제1저자를 주저자로 간주하였다.) 아래 Table 3는 3편이상의 논문을 발표한 저자목록이다. 이들 중 일부 주저자는 진학이나 취업 등으로 소속이 변경되었으나 최대한 확인이 가능한 주저자들의 경우 통합하여 논문에 나타난 가장 최근 소속을 기재하였다. 아래 TABLE 3와 같이 주저자중에 Eunho Yang(IBM Research)이 7편의 논문을 발표하여 가장 많은수의 논문을 발표하였으며, 그 뒤를 이어 Wouter M. Koolen(Centrum Wiskunde & Informatica)이 6편을 논문을 Anima Anandkumar(Univ. of California at Irvine)와 Cho-Jui Hsieh(Univ. of Texas at Austin), Mijung Park(Univ. College London)와 Nicolo Cesa-Bianchi(Universita degli Studi di Milano), 그리고 Prateek Jain(Microsoft Research India)이 각각 5건의 논문을 발표하였다.


    5년간 7편의 논문을 발표한 Eunho Yang(양은호 교수)은 “2016년부터 KAIST 전산학부 조교수로 재직 중이다. KAIST에 부임하기 전, IBM T.J. Watson Research Center에서 2년동안 연구원으로 근무하였다. 2014년에 University of Texas, Austin 에서 박사학위를, 2006년과 2004년에 서울대학교에서 석사, 학사 학위를 취득하였다. 주요 관심 연구분야는 기계학습이며, 데이터 분석을 위한 통계 및 전산 해석 연구를 수행하고 있다. “


     





    NIPS(Neural Information Processing Systems Conference)의 논문의 공저자들의 Degree Centrality를 분석하였다. Degree Centrality는 연결 정도 중심성으로 한 개인이 전체 네트워크에서 얼마만큼 중심에 가까이 자리 잡고 있는지를 나타내는 지표다. 네트워크 분석에서 개인이 가지는 영향력을 분석하는 데 가장 많이 쓰인다.  다른 사람과 연결 관계가 많을수록 네트워크 가운데 쪽으로 위치하게 된다.



    위의 Figure 4를 살펴보면 Pradeep Ravikumar(Univ. of Texas at Austin)가 제일 중심에 있으며, 그 다음으로는 Inderjit S. Dhillon(Univ. of Texas at Austin)와 Lawrence Carin(Duke Univ.) 그리고, Michael I. Jordan(Univ. of Texas at Austin), 이렇게 3명의 연구자가 중심의 가까이 있음을 알수 있다. 이 4명의 연구자가 5년간 NIPS에서는 가장 영향력이 높은 연구자로 보여진다. 이 4명은 통계 기반의 머신러닝 연구를 수행하고 있다는 점에서 공통점이 있다. 실제로 이들 4명은 아래 Table 4에서 보듯이 20편 이상의 논문에 공저자로 참여하고 있다.



    참고로 아래 Table 5에서 저자별로 논문의 인용도를 구글 스칼라의 저자 정보에서 확인하여 정리한것이다. 이것은 영향력 이외에 논문의 질적인 평가 부분을 반영하는데 이를 보면 Michael I. Jordan(Univ. of California at Berkeley)이 105,275회로 가장많이 인용되었고, 그 다음으로 Bernhard Scholkopf(Max Planck Institute of Science)가 91,735회, Tomaso Poggio(MIT)가 81,979회, Judea Pearl(Univ. of California at Los Angeles)가 70,579회, Andrew Y. Ng(Stanford Univ.)는 66,189회, Christopher D. Manning(Stanford Univ.)가 57,463회, Yoshua Bengio(Univ. of Montreal)는 48,051회 인용된것으로 나타났다. 참고로, Andrew Y. Ng은 Michael I. Jordan의 박사 제자이다.



    논문의 공저자들의 상관관계를 Net Miner를 사용하여 시각화(Spring Layout)하였다. 그 결과 아래 Figure 5와 같이 많은 연구자 그룹이 형성되어 있는 것을 확인할 수 있다. 이중 오른쪽 하단은 개인이나 실험실 단위로 그룹을 이루고 있으며, 왼쪽 상단으로 갈수록 여러 기관 소속의 연구자들이 모인 그룹임을 알 수 있다. 이들 중 비교적 큰 연구그룹들을 개별적으로 확대하여 살펴보기로 하자.


     



    주요 연구 그룹은 아래 Figure 6~12과 같다.


    Figure 5의 좌측상단에 나타나는 가장 큰 그룹은 Figure 6과 같다 이 그룹은 Univ. of Toronto, MIT, TTI Chicago, Universita Degli Studi di Milano.를 연결한 그룹으로 Ruslan Salakhutdinov(Univ. of Toronto)와 Richard S. Zemel(Univ. of Toronto), 그리고 Antonio Torralba(MIT)가 연결의 중요한 역할을 하고 있다. 최근 Ruslan Salakhutdinov은 Apple연구소의 인공지능 director가 되어서 화재를 모으기도 하였다.


     



    아래 Figure 7은 Pradeep Ravikumar(Univ. of Texas at Austin)와 Inderjit S. Dhillon(Univ. of Texas at Austin)가 연결된 그룹으로 두 연구자에 의해 Univ. of Texas at Austin의 많은 연구자들이 연결되어 있으며, Arindam Banerjee(Univ. of Minnesota)에 의해 Univ. of Minnesota의 연구자들이 연결되어 있다.


    이 그룹의 중심인 Pradeep Ravikumar(Univ. of Texas at Austin)는 참여 논문수가 25편으로 제일 많은 연구자와 연결관계가 있는 것으로 나타났다. 이 그룹에는 그의 박사 제자인 한국인 Eunho Yang(IBM Reseach)이 포함되어 있다.


     



    아래 Figure 8은 Le Song(Georgia Tech.)을 중심으로 한 Georgia Tech.의 연구자들로 구성된 연구 그룹이다.



    아래 Figure 9은 Duke Univ.소속의 연구자들로 주로 구성된 연구 그룹이다. 중심연구자는 Lawrence Carin(Duke Univ.)으로 1명이 중심역할을 하고 있다. 이 그룹 연구자들중 David carlson(Duke Univ.)은 2015년에 Columbia Unv.으로 소속을 옮겼으나, Duke Univ.로 통합하여 표시하였다.



    아래 Figure 10은 Michael I. Jordan(Univ. of California at Berkeley) 을 중심으로 한 Univ. of California at Berkeley 연구자들로 구성된 연구 그룹이다. Michael I. Jordan(Univ. of California at Berkeley)은 20건의 논문에 공저자로 참여하고 있다.



    아래 Figure 11은 Univ of Montreal소속의 연구자들로 구성된 연구 그룹이다.  중심연구자인 Yoshua Bengio(Univ. of Montreal)는 몬트리얼 대학의  컴퓨터 공학 인공지능 교수이며, 몬트리얼 학습 알고리즘 연구소의 소장을 맡고 있다. 그는 2006년 상반기에 Yoshua Bengio는 Andrew Ng, Yann LeCun와 더불어 효과적으로 빠르게 심층신경망을 학습시키는 방법을 발견하였다. 비지도학습 (Unsupervised Learning) 방법을 이용하여 각 뉴런층들을 독립적으로 학습 시킨 후 지도학습 (Supervised Learning) 방식을 이용하여 전체 뉴런들의 특성을 최적화 시키는 방법이다. (참조: http://www.focus.kr/view.php?key=2016041200101856440)  이 그룹에는 한국인인 Kyunghyun Cho(Univ. of montreal)가 연결되어 있고 현재 NYU 조교수로 재직중이다.



    아래 Figure 12는 Tsinghua Univ.와 Carnegie Mellon Univ 소속의 연구자들로 구성된 연구 그룹이다.  여기에서는 Eric P. Xing(Carnegie Mellon Univ )이 Carengie Mellon Univ.의 연구그룹과 Tsinghua Univ.를 연결해 주는 역할을 하고 있다.  이 그룹에는 Jink kyu Kim(Carengie Mellon Univ.)와 Seunghak Lee(Carengie Mellon Univ.)의 2명의 한국인 연구자도 포함되어 있다.




    각 연도별로 중심연구자를 찾기 위해 Degree Centrality를 분석하였다.


    2011년의 연구자 Degree Centrality 살펴보면 Figure 13과 같이 Andrew Y. Ng(Stanford Univ.)와 Jieping Ye(Arizona State Univ.), Krishna V. Shenoy(Stanford Univ.)의 3명이 연구자가 공동 중심연구자로 나타났다. 이들 연구자들은 각각의 연구자 그룹을 가지고 있으며, Krishna V. Shenoy(Stanford Univ.)는 2011년에 3건의 논문에만 참여하고 있으나 공동연구자 수가 많아 상대적으로 높은 비중으로 나타났다.


     



    2012년의 연구자 Degree Centrality 살펴보면 Figure 14와 같이 Zoubin Ghahramani(Univ. of Cambridge)이 중심연구자로 나타나고 있다.  Zoubin Ghahramani(Univ. of Cambridge)는 5년간 총 14편의 논문의 공저자로 2012년에 5건의 논문에 공저자로 참여하였다.


     



    2013년의 연구자 Degree Centrality 살펴보면 Figure 15와 같이 Pradeep Ravikumar(Univ. of Texas at Austin)와 Michael I. Jordan(Univ. of California at Berkeley) 중심연구자로 나타나고 있다.


    Pradeep Ravikumar(Univ. of Texas at Austin)은 5년간 25편의 논문에, Michael I. Jordan(Univ. of California at Berkeley)는 5년간 20편의 논문에 공저자로 포함되어 있으며, 2013년에는 각각 6편의 논문에 공저자로 참여하고 있다.


     



    2014년의 연구자 Degree Centrality 살펴보면 Figure 16과 같이 Pradeep Ravikumar(Univ. of Texas at Austin)가 제일 중심에 있음을 알수 있으며, 그 다음으로는 Inderjit S. Dhillon(Univ. of Texas at Austin)와 Le Song(Georgia Tech.)이 중심에 가까이 있음을 알 수 있다.  Pradeep Ravikumar(Univ. of Texas at Austin)는 2014년에는 9편의 논문에 공저자로 참여하고 있다.



    2015년의 연구자 Degree Centrality 살펴보면 Figure 17과 같이 Lawrence Carin(Duke Univ.)가 중심연구자로 나타나고 있다.  Lawrence Carin(Duke Univ.)는 5년간 20편의 논문의 공저자로 참여하고 있고, 2015년에는 6편의 논문의 공저자로 참여하고 있다.


     



    위의 분석에서 나타난 중심을 연구자들을 찾아서 정리해보면 아래 Table 6과 같다.




    한국은 아래 Table 7과 같이5년간 5개 기관에서 14편의 논문을 발표하였다. KAIST에서 총 6편의 논문을 발표하였으며, POSTECH에서 4편, Seoul Natinal Univ.에서 2편, Samsung Advanced Inst. of Technol.와 Gracenote Inc. Korea에서 각 1편을 발표하였다.



    한국의 연구자중 JaeDeug Choi(KAIST)는 2011년과 2012년에 1편씩 총2편의논문을 발표하였으며, 나머지 저자들은 각각 1건씩의 논문을 발표하였다. 한국기관의 연구자만 별도로 추출하여 연결된 연구 그룹들을 나타내면 아래 Figure 18과 같다. 총 6개의 연구그룹이 보이며, 이중 Chang D. Yoo(KAIST)와, Jinwoo Shin(KAIST)를 중심으로 한 연구그룹은 2개의 논문에 참여하고있으며, Bohyung Han(POSTECH)도 2개의 논문에 저자로 참여하고 있음을 알수 있다.



    또한 5년간 한국기관의 연구자들을 Degree Centrality한 결과는 아래 Figure 19와 같다. 이를 보면 한국인 연구자들중 Chang D. Yoo(KAIST)와, Jinwoo Shin(KAIST), Bohyung Han(POSTECH)가 중심에 있음을 알수 있다.



    Chang D. Yoo(유창동 교수, KAIST)는 MIT 박사로 2011년부터 KAIST 전기 및 전자공학과 교수로 재직중이다.  머신러닝, 멀티미디어 콘텐츠의 표절 탐지 기술 등의 연구를 진행하고 있다.


    Jinwoo Shin(신진우 교수, KAIST)는 MIT에서 박사학위를 받은후, 2013년도에 한국과학기술원에 부임하여 현재 부교수로 있으며, ACM SIGMETRICS Rising Star Award, Bloomberg Scientific Research Award 등 많은 상을 받고 학계에서도 세계적으로 인지도가 있는 젊은 교수이다.


    Bohyung Han(한보형 교수, POSTECH)은 POSTECH의 Computer Vision Lab. 소속으로 현재 부교수로 재직중이며, 서울대 석사, University of Maryland, College Park에서 박사학위를 받고, Computer vision, machine learning, deep learning 의 연구를 진행하고 있다.


     



    이들외에 한국기관의 소속외에 외국에 유학중이거나 외국에 소속된 기관에서 연구를 수행하는 한국인으로 추정되는 연구자를 찾아 볼 수도 있는데. 한국기관에서 발표된 논문의 수가 14건인데 비해 외국기관의 한국인들에 의한 논문 발표 44편이며, 공저 논문은 59편으로 확인되었다. 이들의 소속은 Univ. of Texas at Austin, MIT, Stanford Univ., Univ. of Wisconsin-Madison 등으로 캐나다 2명과 프랑스 1명외에는 미국 대학에 재학이나 재직중인것으로 나타났다. 저자와 소속, 발표 논문수를 아래 Table 8과 같이 정리하였다.




    이상과 같이 NIPS(Neural Information Processing Systems Conference)의 5년간 기관, 연구자 등의 자료를 통해 인공지능분야에 대한 통계분석과 네트워크 분석을 실시하였다.


    통계분석에서 5년간 NIPS에서는 36개 국가에서 논문을 발표하였으며, 국가별로는 미국이 1,037건의 논문을 발표하여 전체 논문의 56.2%를 차지하고 있으며, 그 다음으로 영국(110건, 6.07%), 프랑스(103건, 5.6%), 캐나다(97건, 5.3%) , 독일(85건, 4.6%)의 논문을 발표하였다. 한국은 오스트리아와 이탈리아와 같이 14편의 논문을 발표하여 전체의 0.8%를 차지하고 있다. 아시아권에서는 중국이 73건(4.0%), 일본이 43건(2.3%)를 차지하고 있다.


    기관별로는 328개 기관에서 1,845편의 논문이 발표하였으며Stanford Univ.에서 84편의 논문을 발표하였으며, Carnegie Mellon Univ.에서 66편, MIT 에서 63편, Univ. of California at Berkeley에서 61편, Univ. of Texas at Austin 에서 59편의 논문을 발표하여 6위까지 모두 미국의 기관으로 나타났다. 그 뒤를 이어 영국의 Univ. College London에서 41편, 프랑스의 INRIA에서 39편, 독일의 Max Planck Institute of Science에서 33편의 논문을 발표하였다. 또한 영국의 Univ. of Cambridge에서 30편의 논문을 발표하였다. 한국의 기관중에서는 KAIST가 5년간6건의 논문을 발표하여 한국기관으로서는 가장 많은 논문을 발표한 것으로 나타났다.


    논문을 발표한 주저자는 약 1,400여명으로, 이중 3편 이상의 논문을 발표한 주저자는 49명으로 확인되고 있다. 주저자중에 Eunho Yang(IBM Research)이 7편의 논문을 발표하여 가장 많은수의 논문을 발표하였으며, 그 뒤를 이어 Wouter M. Koolen(Centrum Wiskunde & Informatica)이 6편의 논문을 Anima Anandkumar(Univ. of California at Irvine)와 Cho-Jui Hsieh(Univ. of Texas at Austin), Mijung Park(Univ. College London)와 Nicolo Cesa-Bianchi(Universita degli Studi di Milano), 그리고 Prateek Jain(Microsoft Research India)이 각각 5건의 논문을 발표하였다.


    NIPS(Neural Information Processing Systems Conference)의 논문의 공저자들의 Degree Centrality를 분석한 결과 Pradeep Ravikumar(Univ. of Texas at Austin)과 Michael I. Jordan(Univ. of California at Berkeley)가 제일 중심에 있으며, 그 다음으로는 Inderjit S. Dhillon(Univ. of Texas at Austin)와 Lawrence Carin(Duke Univ.)이 중심에 가까이 있음을 알 수 있다. 이들이 20건이상의 논문에 참여한것으로 확인된다.


    각 연도별로 중심연구자를 찾기 위해 Degree Centrality를 분석하였다. 2011년에는 Andrew Y. Ng(Stanford Univ.)와 Jieping Ye(Arizona State Univ.), Krishna V. Shenoy(Stanford Univ.)의 3명이 연구자가 공동 중심연구자로 나타났다. 2012년에는 Zoubin Ghahramani(Univ. of Cambridge)이, 2013년에는 Pradeep Ravikumar(Univ. of Texas at Austin)와 Michael I. Jordan(Univ. of California at Berkeley) 중심연구자로 나타났으며 2014년에는 Pradeep Ravikumar(Univ. of Texas at Austin)이,. 2015년에는 Lawrence Carin(Duke Univ.)이 가장 영향력이 높은 연구자로 나타나고 있다.


    한국은 5년간 5개 기관에서 14편의 논문을 발표하였다. KAIST에서 총 6편의 논문을 발표하였으며, POSTECH에서 4편, Seoul Natinal Univ.에서 2편, Samsung Advanced Inst. of Technol.와 Gracenote Inc. Korea에서 각 1편을 발표하였다. 한국의 연구자중 Jaedeug Choi(KAIST)는 2011년과 2012년에 1편씩 총2편의 논문을 발표하였다. 한국기관의 연구자만 별도로 추출하여 연결된 연구 그룹들을. 총 6개의 연구그룹이 보이며, 이중 Chang D. Yoo(KAIST)과 Jinwoo Shin(KAIST)를 중심으로 한 연구 그룹은 2개의 논문에 참여하고있으며, Bohyung Han(POSTECH)도 2개의 논문에 공저자로 참여하고 있음을 알수 있다.


    한국기관의 소속외에 외국에 유학중이거나 외국에 소속된 기관에서 연구를 수행하는 한국인으로 추정되는 연구자를 찿아 볼수도 있는데.. 한국기관에서 발표된 논문의 수가 14건인데 비해 외국기관의 한국인들에 의한 논문 발표 44편이며, 공저 논문은 59편으로 확인되었다.


    Eunho Yang(Univ. of Texas at Austin)은 7편의 논문을 발표하였으며, Mijung Park(Univ. College London)은 5편의 논문을 Sewoong Oh(Univ. of Illinois at Urbana-Champaign), Been Kim(MIT), Kihyuk Sohn(Univ. of Michigan), Se-Young Yun(INRIA)는 각각 2편의 논문을 발표하였다. 또한 공저자로는 Sewoong Oh(Univ. of Illinois at Urbana-Champaign)가 8편으로 가장 많은 논문에 참여한것으로 나타났다. 특히 이들은 5년간 활발한 연구활동을 진행중인 모습이 보이며, 외국대학의 교수로 재직중이거나 한국의 교수로 돌아오는 경우가 확인되고 있다.


    한국인 연구자로는  Eunho Yang, Mijung Park, Sewoong Oh, Il Memming Park, Jason D. Lee, Sung Ju Hwang, Been Kim, Dae Il Kim, Kihyuk Sohn, Se-Young Yun, Changyou Chen, Anqi Wu, Seunghak Lee  등 여러연구자들의 앞으로의 활동을 눈여겨 볼 필요가 있을거 같다.


    올해 NIPS는 만명이상의 등록이 예상된다. 이는 작년보다 3배이상 증가한 수치로, 최근 기계학습 분야의 높은 관심을 반영한다. 딥러닝 연구를 주도하는 Yoshua Bengio(Univ. of Montreal), Andrew Y. Ng(Stanford Univ.), Ruslan Salakhutdinov(Univ. of Toronto)등이 NIPS에서 높은 영향력을 주는 저자들로 분석이 되었지만, 가장 큰 영향력을 주는것으로 분석된 4인인 Pradeep Ravikumar(Univ. of Texas at Austin), Inderjit S. Dhillon(Univ. of Texas at Austin)와 Lawrence Carin(Duke Univ.), Michael I. Jordan(Univ. of California at Berkeley)은 통계 기반의 기계학습 연구를 주도하고 있다. 이는 아직은 머신러닝 분야에서 딥러닝보다는 전통적인 방법론들이 주류를 이루고 있다는 것을 보여준다. 앞으로 딥러닝이 머신러닝 최고 학회중 하나인 NIPS에서도 차지하는 비중이 얼마나 증가할지 지켜보는 것은 매우 흥미로운 일인 것 같다.


    최근 알파고의 영향으로 국내에서도 딥러닝, 머신러닝에 대한 관심이 뜨겁다. 특히 딥러닝에 대한 관심이 많은데, 이는 특히 아시아를 중심으로 더 뜨겁다. 예를 들면, 올해 가장 권위있는 영상 인식 대회인 ImageNet에서 모든 영역에서 중국팀들이 1등을 차지하였으며, 참가팀들의 대부분이 아시아 출신이었으며 한국팀들도 10팀 가까이 참가하였다. 국외에서 딥러닝은 주로 Google, Microsoft, Facebook, IBM, Amazon, Baidu 등의 굴지의 IT 기업들이 주도하고 있으며, 앞 다투어 딥러닝 기술 개발 인력과 플렛폼에 막대한 돈을 투자하고 있다. (작년에 이들 기업들이 딥러닝에 투자한돈이 10조가 넘는다는 보고가 있다.) 현재 딥러닝을 사용하는 수많은 스타트업이 탄생되고 또한 수천만, 수백만 달러의 높은 가격에 인수되고 있다. 학계에서도 인공지능 관련 분야뿐만이 아니라 거의 모든 분야에서 딥러닝 관련 논문들을 보는건 어렵지 않은 시대가 되었다. 더욱 놀라운 것은 이런 트렌드가 불과 최근 2-3년사이의 일이라는 것이다. 산업계와 학계에서 많은 인력이 투입될수록 그 분야는 빠른 기술적인 발전을 이루기 마련이고, 또한 많은 자금이 투입될수록 많은 수익 모델들이 등장하기 마련이다.   


    현재 딥러닝, 머신러닝 기술 수준만으로도 다양한 새로운 산업 창출이 가능할 것 이라고 보는 견해가 대부분 이지만, 이 분야의 미래가 밝은 또 다른 이유 중 하나는 이 기술이 이제 겨우 걸음마를 떼었다는데 있다. 빅데이터로 대변되는 학습용 데이터와 GPU로 대변되는 학습용 병렬 연산 하드웨어만 충분히 있다고 딥러닝을 쉽게 생각하고 도전했다간 낭패를 보기 쉽다. 현재 제안되어있는 딥러닝 모델의 성숙도는 초보 단계이며 학습 과정이 상당히 비효율적이며, 목표에 따라서 많은 비수학적이고 경험적인 보정이 필요하다. 또한 이러한 보정을 거치더라도 현재 딥러닝 기술이 처리할 수 있는 일에는 한계가 있고 인간의 지능의 수준과는 거리가 먼일들이 99.9%이다. 딥러닝에 대한 이해가 깊어질수록 이는 수많은 학습 데이터와 수많은 GPU만 있다고 극복할 수 있는 문제가 아니라는 사실을 점점 이해하게 되고 실망하게 될지도 모른다. 알파고의 승리로 가장 들떠있는 것은 언론과 Google뿐, 정작 딥러닝 분야에서 알파고가 가져다준 기술적인 파급력은 아주 미미하다. 또한 작년 NIPS에서 딥러닝 관련 논문들의 숫자는 20퍼센트를 넘지 않았다는 사실에서 볼 수 있듯이, 영상, 음성, 자연어 처리 분야들이 아닌 기계 학습 분야들에선 여전히 기존의 다른 기계 학습 기술들이 주류를 이루고 있다. 다시 말해서 딥러닝은 그 무궁무진한 가능성에 비해서 오히려 아직 보여준 것이 없다. 최근 쏟아지는 수많은 딥러닝 논문들에서도 볼 수 있듯이 많은 과학도들의 새로운 아이디어와 도전을 필요로 하고 있다. 인류 사회가 존재하는 한 딥러닝과 머신러닝은 학계와 산업계에서 영원히 마르지 않는 블루오션으로 남아 있을 가능성이 높다. 앞으로의 인공지능 발전을 지켜보는 것만으로도 참으로 흥분되는 일이 아닌가 싶다.


     


     


     

    • 페이스북아이콘
    • 트위터 아이콘

    전체댓글34

    사용자 프로필 이미지
    |2017.04.06
    좋은 자료 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.02.21
    좋은 정보 잘 읽었습니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.02.21
    글을 보면서 제가 지금까지 정리해왔던 연구동향 분석은 많이 부족했음을 느꼈고 많은 것을 배워갈 수 있는 귀중한 시간이 되었습니다. 좋은 정보 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.02.21
    유익한 내용이었습니다. 앞으로도 연구하시는 분야에 큰 진전이 있으시기를 소원합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.02.20
    귀중한 자료 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.02.20
    제가 찾던 자료이네요 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.02.20
    좋은 자료 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.30
    이런 분석 자료를 볼 대마다 한국의 연구가 양적으로 밀리는 것 같아 슬픕니다. 더 많은 투자와 지원이 있었으면 좋겠네요.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.29
    NIPS연구동향분석 잘 설명해 주시어 감사합니다. 특히 마지막 요약 부분 잘 읽었습니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.27
    논문 작성에 인용이란 부분이 통계적으로 이렇게 풀어보니 저자와 활동중인 기관, 국가의 역량이 드러나는 키워드가 된다는게 흥미롭고, 양적, 질적인 부분에서 조금은 부족해보이는 우리나라도 저자 간, 기관 간에 좀 더 협력이 이루어져 연구가 이어지면 어떨까 하는 생각이 남네요. 좋은 자료 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.23
    논문이 일본이나 다른 국가에 비해여 적다는 것은 이해되었는데 중국과의 격차가 이렇게 날줄을 몰랐습니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.22
    최근 머신러닝이 적용된 IoT관련기술을 접한적이 있는데 딥러닝과 연관성 기타 AI와의 연관성도 생각해봐야겠네요. 좋은 자료 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.21
    좋은 자료 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.21
    관심이 많이가는 분야인데 좋은 자료 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.21
    좋은 자료 감사합니다
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.21
    좋은자료 감사합니다 ^^ 그런데 한가지... 표 작성하시고 이미지로 넣으실때, 문단부호 안보이게 하시면 더 잘 정리된 글이 될 것 같습니다. 아직 저런거 신경쓰시면서, 눈쌀 찌푸리는 분들이 은근 계시더라구요..
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.21
    좋은 자료 감사드립니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.19
    좋은 분석 자료에 댓글을 다는 게 부끄럽습니다만, 잘 읽어봤습니다. 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.18
    좋은정보 감사드려요 ㅎㅎ
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.18
    좋은 자료 감사합니다. 도움이 많이 될것 같습니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.15
    좋은 정보 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.14
    아시아에도 희망이 있네요! ㅎㅎ
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.14
    좋은 자료 감사합니다
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.14
    흥미로운 분석법 잘 읽었습니다. 감사합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.14
    좋은 자료 감사합니다. 연구를 진행하는데 도움이 많이 될 것 같습니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.14
    분석법이 상당히 흥미롭습니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.14
    좋은 정보 감사합니다
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.12.14
    좋은 자료 감사합니다. 인공지능에 대한 지속적인 발전을 기원합니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.11.19
    딥러닝의 선두 연구자들로는 Andrew Ng(현재 Baidu의 딥러능 프로젝트를 이끌고 있고, 이전의 구글의 딥러닝 프로젝트를 이끌었고, 스탠포드 대학교의 인공지능랩의 head으로도 활동했음), Geoffrey Hinton(neural nets의 선구자, 토론토 대학의 교수, 마이스크 소프트사의 음성인식 프로그램 개발을 도움, 구글에서도 일했음), Yann LeCun(Hinton과 같이 일했고, 페이스북에서 일함), 그리고 UC 버클리의Michael I. Jordan 교수(Andrew Ng의 지도교수), 카네기 멜론 대학교의Tom M. Mitchell 교수 등이 유명합니다. Johns Hopkins University의 교수들은 machine learning을 이용한 의료 분야 분석에 집중하고 있습니다.
    사용자 프로필 이미지
    |2016.12.13
    진작 물어 볼걸 그랬습니다... ㅎㅎ. 좋은 정보 감사드립니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.11.19
    좋은 자료 감사합니다. 이것은 정병규님 혼자서 분석하셨나요? 무슨 알고리듬을 썼는 지 궁금합니다. machine learning과 deep learning에 대한 이해없이 이러한 분석을 진행하기가 쉽지 않았을 텐데... 특히, 마지막 요약 부분에 동의합니다. 실제 기업이나 학교, 관공서에서의 응용 측면에서는 일반적인 machine learning이 deep learning에 비해서 휠씬 높은 실용가능성이 있다고 여겨집니다.
    사용자 프로필 이미지
    |2016.12.13
    단순 네트워크 분석은 제가 했습니다만. 마지막 요약부분을 포함해서 중간중간에 자료들은 KAIST 신진우 교수님이 자문을 해주셨습니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.11.14
    좋은 분석 자료네요~ 참고하겠습니다~
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2016.11.09
    세세한 내용이 필요치 않으신 분은 마지막 요약부분만 보셔도 됩니다.
    댓글 입력란
    프로필 이미지
    0/500자
    댓글 입력란
    프로필 이미지
    0/500자

    서브 사이드

    서브 우측상단1
    서브배너4