Introduction to Generative Machine Learning: AI의 과거와 미래를 탐구하는 시간
SIGGRAPH Asia 2024에서 진행된 "Introduction to Generative Machine Learning" 코스는 머신 러닝의 기본부터 최신 생성형 AI 모델까지의 발전을 체계적으로 훑어볼 수 있는 세션이었습니다. 약 3시간 동안의 강의는 초보자부터 중급자까지 폭넓은 청중에게 유익한 정보를 제공하며, 머신 러닝의 기본 이론과 실습을 통해 생성형 AI의 현재와 미래를 이해할 수 있는 기회를 제공했습니다.
1. 세션 구성
이 코스는 4개의 주요 파트로 구성되었습니다:
Hour 1: 머신 러닝의 기본과 신경망 소개
- 학습 목표:
- 머신 러닝의 정의와 일반적인 개발 프레임워크 이해.
- 기본적인 데이터 분석, 회귀 분석, 분류 문제 해결.
- 신경망 구조와 경사 하강법(Gradient Descent)의 개념 파악.
- 주요 주제:
- 머신 러닝이란 무엇인가?
- 데이터 분석과 주택 가격 예제.
- 손실 최소화(MSE, Log-Likelihood)와 경사 하강법의 수학적 개념.
- 꽃 분류를 통한 분류(Classification) 모델의 적용 예제.
Hour 1.5: 신경망 심화
- 학습 목표:
- 다양한 신경망 구조 이해.
- 이미지 처리에서의 지도 학습(supervised learning) 개념 학습.
- 주요 주제:
- 오토인코더(AutoEncoder)와 노이즈 제거 응용.
- 합성곱 신경망(CNN), 변이형 오토인코더(VAE), 생성적 적대 신경망(GAN)의 예제.
- 잠재 공간(Latent Space) 분석.
Hour 2: 생성형 모델과 트랜스포머
- 학습 목표:
- Attention 메커니즘과 Transformer 구조 이해.
- Word2Vec 및 워드 임베딩의 기본 개념 학습.
- ChatGPT와 같은 모델의 작동 원리 탐구.
- 주요 주제:
- Transformer의 구조와 동작 방식.
- RLHF(인간 피드백 강화 학습)의 개념과 활용.
Hour 3: 기타 생성형 모델과 윤리적 이슈
- 학습 목표:
- NeRF와 Gaussian Splatting을 통한 새로운 시점 합성 기술 이해.
- Diffusion 모델의 작동 방식과 이미지 생성 응용.
- AI의 윤리적, 법적 문제 및 현실과 과대광고의 구분.
- 주요 주제:
- Gaussian Splatting, NeRF.
- Diffusion 모델의 원리와 활용.
- AI의 윤리적 문제와 향후 학습을 위한 리소스. (거의 안함)
2. 세션 참여 후기
이 세션은 생성형 머신 러닝을 처음 접하는 사람들에게는 훌륭한 입문 강의였으며, 이미 알고 있는 사람들에게도 정리된 지식을 제공하는 데 탁월했습니다.
특히, Gaussian Splatting과 NeRF를 활용한 새로운 시점 합성(Novel View Synthesis)과 Transformer 구조를 활용한 생성형 AI의 기본 작동 원리는 깊은 인상을 주었습니다.
3. 느낀 점과 활용 가능성
- 기본부터 심화까지의 단계적 접근
- 머신 러닝의 기본부터 최신 생성형 AI 모델까지 다루면서, 초보자와 전문가 모두에게 유용한 정보를 제공했습니다.
- 실습과 이론의 균형
- 이론적 설명과 함께 실질적인 예제를 통해 학습 내용을 더 잘 이해할 수 있었습니다. 특히, GAN과 Transformer의 활용 예제는 매우 실용적이었습니다.
4. 결론
"Introduction to Generative Machine Learning"은 머신 러닝과 생성형 AI의 기초부터 심화 내용을 체계적으로 학습할 수 있는 유익한 코스였습니다. 특히, Gaussian Splatting과 NeRF와 같은 최신 기술, 그리고 Transformer와 ChatGPT의 내부 구조를 학습할 수 있는 기회는 매우 값졌습니다.
이 세션은 생성형 AI와 머신 러닝의 기본 원리를 이해하고자 하는 사람들에게 강력히 추천할 만한 코스입니다.
