KRnet 2017을 다녀와서 ...
참가 후기를 자유롭게 써내려가 보겠습니다. 제가 경험한 여정을 함께 해보시죠.
1. KRnet 2017 이란?
- 해 마다 6월 20일경 개최되는 국내에서 제일 큰 네트워크 행사로 올해 25회차
- 한국 네트워크(?)를 대표하는 산업계, 교육계, 연구소, 정부 부서 연합의 컨퍼런스
2. KRnet 2017 정보
- 행사명: KRnet 2017 (The 25 ^th^ Korea Internet Conference)
- 주 제: *지능현 정보사회 실현을 위한 디지털 변혁(Digital Transformation Toward Intelligent Information Society)*
- 일 시: 2017년 6월 26일(월) ~ 6월 27일(화)
- 장 소: 인터콘티넨탈 서울 코엑스 호텔
- Site: http://www.krnet.or.kr/
3. Session 정보
- 세션순서:
- 발표자료:
4. Session 요약 (세션 순서는 첨부파일 참조 바랍니다)
4월 ONK 2017을 다녀와서(http://192.168.201.144/boards/3/topics/3307) 이번 KRnet은 참가하지 않으려고 했습니다.
그럼에도 참가 하여 이렇게 후기를 쓸수있게된 이유를 아래 세션 순서에서 설명 드리겠습니다.
(세션 순서는 당연히 제가 참가한 세션 중 이야기가 필요한 부분만 정리하겠습니다 - 나머지는 첨부파일 참조바랍니다)
Special Session I (1일차)
* S1-1 : MPEG 몰입형 미디어 표준화 동향 및 전망
** 아~~ 표준화!(소시적 JPEG 이 후로 이쪽 방향으로 눈길 한번 주지 않았습니다)
** Pass
* S1-2 : 증강현실(AR)/혼합현실(MR) 최신 기술동향과 응용 이슈 및 전망
** 발표자의 과거 20년전 시험하던 모습을 보여주며 "현재의 VR/AR이 나아진 건 소형화와 화질외는 없다"
라며 그 나마 좋은 것은 Microsoft사의 Hololens라고 하더군요
** 가장 와 닿는 이야기는 "장비가 아직 무겁고 어지럽다" 였습니다
(얼마전 아들과 에버랜드에서 경험해봤는데 한 손으로 계속 잡고 있었습니다 - 재미없습니다 - 내 돈 5,000원)
** 필요한 기술
*** Display
**** Video See-Through(비디오 카메라로 찍어서 보여주는 방식)
**** Optical See-Through(안경처럼 투명한 렌즈를 통해 보여주는 방식)
*** Tracking
**** 센서기반
**** 카메라 기반
**** 3차원 공간(국내 기술이라고 합니다)
*** Interaction
**** 컨트롤러 기반
**** 맨손
** *%{color:blue}과천 과학관에서 매번 방학마다 전시했다고 합니다%*
(아이들이 상당히 좋아했으며 - 대부분은 손은 뻗어 잡거나 만지려고 했다고 하네요 - 그래서 맨손기반 Interaction의 중요성을 알게됐다고 합니다)
** 저도 이번 방학에 가봐야 겠다고 생각한 순간 - 반전 -
과제 기한이 종료돼서 전시가 가능 할지 모르겠다는... 이게 대한민국 공학의 현실이구나...
* S1-3 : 360 ^o^ 비디오 제작 및 서비스 기술 동향
** 현재 필드에서 진행 되는 기술 동향을 알고 싶었고 제가 이 세션을 선택한 이유입니다.
** KBS 팀장이신데... 역시 모든 직장인의 공통점은 '남의 떡이 커보인다!'
"이쪽 기술은 현재 SBS에서 제일 앞서 가고 있다고 생각합니다"
"SBS와 MBC가 큰 국책과제를 진행 하고 있습니다"
** 360 ^o^ 콘텐츠를 생산해도 소비 할 수 있는 Platform이 없다는 아쉬움을 토로하셨습니다.
(YouTube와 FaceBook에서 가능 한 정도라고 합니다)
** 장비 사정이 열악하여 그날 대여 장비에 따라 화질이 결정된다고 합니다.
(아직 이 시장은 성숙도가 떨어지는 것 같습니다)
** 샘플 한번 보시죠(마우스를 화면에 대고 이리저리 끌어보세요)
https://www.youtube.com/watch?v=7S8BqF3_cvk&feature=youtu.be&list=PL3G7E7-Hp1wuPnmnAV7GcslowFyT5_24K
Keynote Speech I
* 특별 강연 : AI시대 맞이하기 - 새 문명속 한국인의 잠재력
** 이 강연을 듣기위해 아니 이어령교수님을 뵙기위해 참여한 KRnet이었습니다.
** 고령의 연사는 초반 힘들어 하시는 듯 했으나 종국에는 준비한 내용을 시간 때문에 다 전하지 못하는 걸 아쉬워 하셨습니다.
** "지성에서 영성으로"라는 책을(회사에 비치되어있던) 들고 갔지만 차마 사인은 받을 수 없었습니다.
** 대략 내용을 유추해보면, 우리는 빠르게 변화해왔다. AI시대, 늦었지만 지금이라도 제대로 시작하면 된다
** "알파고가 이세돌과 대국한다고 하니까 사람들이 '알파고 어디있는 고등학교냐?' '바둑 특성화 고등학교 인가보다'"
** "AI라는 것이 무엇이냐? Analog와 Digital의 융합이다"
** "내가 10여년전에 '디지로그'라는 책에서 이야기 한 것이다"
(당시 저도 읽고 많이 써먹었던 책 이름 입니다)
* S2-1 : 기계학습을 통한 시계열 데이터 분석 및 금융시장 예측 응용
** 인공지능에의한 주식투자
** 트레이더 600명에서 2명으로, IT기업된 골드만 삭스(이코노미조선, 2017년 2월 22일)
** UNIST(울산과학기술원)에서 만든 시스템으로 MIT/캠브리지 분석 시스템 대비 예측 오류 40% 감소(2016년 6월)
** 정말 어렵고 처음 접하는 이야기를 어렵게 이야기 해주셨습니다.
** 용광로에 400여개 센서를 설치하고 Data를 분석해서 어떤 철이 생산 될지 예측했다고 합니다.
** 일단 내용을 모르고 지나갔습니다(용어조차 생소해서...)
* S2-2 : 인공지능 변호사
** 발표는 인간 변호사가 진행했습니다.
** 변호사가 인공지능인 이상 베이지안 이론을 벗아날 수 없는 것 같습니다.
** 인간 판사의 통계를 확인해보니, 아침 간식 후 점식 식사 직후 무죄 판결이 많이 나온다고 합니다(참고 하시기를...하실 일이 없기를...)
** 인간 법률가들이 법에 의해 처리하지 않는다는... 그래서 AI가 필요하다.
* S2-3 : 디지털 헬스케어와 인공지능
** 시중 매체에서 이야기하는 헬스케어라기 보다 인공지능 강의 였습니다.
** IBM Watson도 Data가 중요하다
** 날이 좋아서... 졸았습니다.
* S3-1 : IoT기반 개방형 제조서비스(FaaS) 스마트팩토리 구축 현황
** 제조업에서 이제 중요한 부분은 꼬리부분(Long-Tail 법칙)이 될 것이다
** 꼬리 부분(개인 맞춤 생산)을 지원하는 IoT 기반 스마트팩토리
** FaaS (Factory as a Service)
** 아이디어도 좋고 시설도 깔끔한데 정말 비싸 보입니다
* S3-2 : 사물인터넷 제조융합 기술개발 및 검증센터
** 정말 좋은건데, 현장에서 정말 필요한지? 왜 필요한지? 잘모르겠더군요
(돈을 들여 이렇게 해야 하는 이유가 있나?)
** 독일의 Industry 4.0 이야기를 할때마다 나오는 사진이 왜 그렇게 섹터처럼 보이는 이유를 알 것 같았습니다.
* S3-3 : 유연 조립을 위한 IoT와 CPS기반 가변 재구성형 스마트공장
** 공장은 그만!
이럴줄 알았으면 강상무님에게 인사만 할께 아니라 그 세션을 들을 걸 그랬습니다.
Track F. Deep Learning (2일차)
* F1-1 : 딥러닝의 최근 트렌드 및 이슈
** 학생처럼 잘 배우게 됐습니다.
(이전 날 모르던 용어를 여기서 알게 됐습니다 - 정리해 봅시다)
** 용어 정리
*** DL : Deep Learning
*** ML : Machine Learning (차이가 있나 봅니다)
*** CNN : 방송사가 아닙니다. Convolutional Neural Network
*** RNN : Recurrent Neural Network
*** LSTM : Long Short Term Memory
** ImageNet Large Scale Visual Recognition Challenge
*** 2012 : AlexNet (Univ. Toronto, Winner)
*** 2013 : ZFNet (Univ. New York, Winner)
*** 2014 : VGG (Oxford, 2nd place)
*** 2014 : GoogLeNet(Google, Winner)
*** 2015 : ResNet(152 Layer)
*** 2016 : ResNeXt(Facebook, 2nd place)
*** 2016 : Trimps-Soushen(China, Winner, Error 2.99%)
** 저에게 평이한 내용은 아니었지만 잘 알아 들을 수 있도록 설명 하셨습니다.
* F1-2 : Generative Adversarial Networks를 활용한 생성 모델 응용 연구
** 약어는 GAN으로 쓰고 '간'이라고 읽습니다.
** 그림을 사진으로 변환 할 수 있다고 합니다. 그 역도 가능합니다.
** Machine Learning의 종류(?)
*** 지도 학습(Supervised Learning) : 답이 있는 경우
*** 비지도 학습(Unsupervised Learning) : 답이 없는 경우
*** 강화 학습(Reinforcement Learning) : Action에대한 보상을 지급한다(알파고)
** 사진을 그림으로 변환하는 방식을 사용하여 Web-Toon에 사용하려고 진행 중이다.
* F1-3 : Knowledge-Defined Networking 가능성과 미래
** 제가 참여한 세션 중 유일한 네트워크 관련 내용이었습니다.
** 작년만 해도 SDN/NFV를 많이 이야기 하곤 했는데, 이젠 5G/Cloud의 기반 기술의 하나일뿐인 것 같습니다.
** SDN에서 KDN으로 변화를 꿈꾸며...
** 시험 결과 DL보다는 ML이 더 나은 성능을 보인다고 합니다
(이렇게 사용하는 걸보니 정말 Deep Learning과 Machine Learning이 다른가 봅니다)
** OpenDayLight(ODL) MILA Project(OpenDayLight Based Machine Learning for Networks)가 진행되고 있습니다.
(Cisco, Brocade, Ericsson 등이 참여하고 있습니다)
** Deep Learning으로 해결하려고 했으나 traffic 상황에 따라 전혀 다른 동작을 하게되어 Machine Learning으로 전환했다고 합니다.
** 최적의 알고리즘은 찾지 못했고 협업으로 더 나은 결과를 찾을 수 있기를 희망했습니다.
Keynote Speech II
* 축적의 길: 한국 산업의 미래를 위한 스케일업 전략
요즘 컨퍼런스에서 인문학을 접하는 것이 어렵지 않은 사실이고 어느면에서 그것이 더 많은 것을 깨우치게 하곤 합니다.
이 강의도 그랬습니다.
** 혁신적인 제품은 창의적인 아이디어에서 나오는 것이 아니라 1% 다른생각에서 나와서 99%의 실행역량으로 완성된다
(오~~ 이렇게 발표 하신적은 없는 것 같지만 한줄로 요약이 되네요)
** 아래 링크 하나로 이야기 될 것 같습니다(20분, 영어공부 한다고 생각하시면 될 것 같네요)
https://www.ted.com/talks/david_blaine_how_i_held_my_breath_for_17_min?language=ko
* F2-1 : 강인공지능 구현을 위한 H/W, S/W 기술의 조건과 동향 및 TensorFlow 활용 방안
** 100여 페이지 자료를 40분만에 설명해야 했지만 좋은 발표였다고 생각됩니다.
** 인공지능을 실제로 구현하기 위해서는 천만대 이상의 PC가 필요
** 고집적화, 대규모 확장성등으로 해결 해야할 문제
(IBM Minsky - S822LC)
** Intel의 차세대 NVM(Non-Volatile Memories) 기술인 3D XPoint 기술은 기존의 NAND Flash 기반의 SSD보다 1,000배 더 빠른속도와 10배이상 향상된 용량 제공 가능
(Cache -> Memory -> 저장장치의 다단계 구조를 대치 하여 성능 향상 기대)
** 네트워크 대역폭 상승(100GbE)
** Core 집적도 향상(Nvidia TESLA P100은 GPU당 3584개의 Core 집적)
** Quantum Computing(현재는 특수목적으로만 사용)
** 심층 신경망(Deep Neural Network)과 딥러닝(Deep Learning)
** "TensorFlow는 Caffe보다 성능이 떨어진다? (TensorFlow는 분산형을 고려하여 만들어졌다. 단일 노드에서는 다소 성능이 떨어질 수 있다)"
** TensorFlow 참고 자료로 활용할 수 있을 것 같습니다.
* F2-2 : 초연결 자가학습형 지식융합 브레인 프레임워크
** "산업계에서 머신러닝을 사용하려는 이유를 조사해보니 인공지능처럼 만능인간을 만드려는 것이 아니다"
** "현재 공개된 기술을 잘 조합해서 해당 도메인에 적합하도록 지원해주는 것이 필요하다"
** 연사의 설명이 있기는 했지만 탄생 배경이 조금 불안해 보입니다.
** Pass
* F2-3 : NVIDIA GPU를 이용한 딥러닝 응용 사례
** Deep Learning를 하기 위해서는 많은 연산을 필요로 한다.
** NVIDIA DGX-1 (Deep Learning Supercomputer-in-a-Box, 8개의 Tesla P100, 170TFLOPS)
현재 DGX-1의 가격은 $129,000(약 1억 5천만원) 입니다.
HSN 2017에서 발표된 KT의 자료를 보면 완전 자율주행 자동차를 위해 필요한 연산 능력은 10TFLOPS를 가정했습니다
이정도면 P100(Single-Precision 9.4TFLOPS, 가격 $5,899)하나로 가능 하지 않을까 생각합니다.
* F3-1 : 엑소브레인 자연어 질의응답 기술
** 이제 부터는 현실에 적용된 사례를 볼수 있습니다.
** 인공지능 분류
*** 약한 인공지능(Weak AI) : 스스로 사고하며 문제를 해결할 수 없는 지능(Google AlphaGo, IBM Watson)
*** 강한 인공지능(Strong AI) : 스스로 사고하며 문제를 해결할 수 있는 지능(Terminator SkyNet)
*** 초 인공지능(Super AI) : 인간보다 1000배 이상 뛰어난 지능
** 인공지능 기술
*** 언어지능
*** 시각지능
*** 학습지능
*** 뇌인지 컴퓨팅
** 엑소브레인은 언어 이해 지능
** 인간의 지식노동을 보조하기 위한 시작단계
* F3-2 : 챗봇 시스템 기술 이슈 및 응용 서비스 개발 방법
** 먼저 챗봇이 있다는 것은 알았지만 사용자가 많을 것이라고 생각하지는 못했습니다
(저야 항상 인간하고 대화를 했으니까요)
** 잡담 시스템 개발 방법
*** AIML(AI Markup Language)
*** 검색 기반
*** Deep Learning 기반
*** Deep Learning + 유사도 기반
** Smart Speaker 종류
*** Amazon echo(2014.11)
*** SKT NUGU (2016.09)
*** Google Home(2016.11)
*** KT Giga Genie(2017.01)
** 자연어를 이해하기위해 DL 사용
** 'Naver i' 와 'Naver Clova'라는 서비스가 있다는데 처음 들어봤습니다.
(외로운 사람이 많은 것 같습니다 - 주위 사람과 많이 대화 하세요)
* F3-3 : SKT 인공지능 응용 서비스
** 인공지능 말은 많은데, 도대체 어디에 쓰이는 걸까요? 현실에서 사용중인 인공지능 서비스에 대해서 알아보겠습니다.
** SKT Group 차원에서 AI 적용 가능한 분야를 탐색
** 음성/언어이해 응용 서비스
*** NUGU : 국내 최초 지능형 음성인식 디바이스(Voice UX를 고려한 디자인 필요)
*** 출근시간:날씨/뉴스/도착예정시간, 저녁시간:음악재생/BTv/배달음식, 심야시간:무드등사용/알람사용/11번가추천상품
*** 남성:60.5%, 여성:39.5%
*** 20대:18.7%, 30대:37.0%, 40대:29.9%, 50대:9.0%
** 영상인식 응용서비스
*** 얼굴인식 기술을 이용하여 사용자 인증 및 개인화 서비스(추천음악/영화, 출입제어 등)
*** 바라보고 있는 방향을 인식하여 그 곳에 있는 Device가 먼저 음성으로 Interaction 시작(감성 지능)
** 자율주행 응용 서비스
*** BMW와 협업
*** NVIDIA와 자율주행 분야 전략적 협약(2017.05.16)
** 빅데이터 분석 솔루션(메타트론)