적대적 생성신경망(Generative Adversarial Network)의 소개와 활용 현황

날짜2017.09.29
조회수39067
글자크기
  • Introduction to Generative Adversarial Network(GAN) and its applications
    • GAN은 서로 대립하는 두 시스템의 경쟁을 통해 학습하는 방법론으로 인공지능 분야의 새 지평을 제시
    • GAN의 주요 응용분야는 이미지 생성과 복원, 동작을 흉내 내는 인공지능, 신약 개발 등
    • GAN presents a new horizon in artificial intelligence as a method of learning through competition between two adversarial system
    • Application areas of GAN include image generation and restoration, mimicking motions, and new drug development
  • 적대적 생성신경망(Generative Adversarial Network, GAN)은 새로운 학습 방법론으로 부상
    • 이미지 인식 분야의 혁신을 가져온 합성곱신경망(Convolutional Neural Network)의 개발자인 심층학습의 석학 얀 르쿤(Yann LeCun)은 GAN에 대해‘적대적(Adversarial) 학습은 가장 뛰어난 방법론이다.’*라는 평가를 내림
    • * Adversarial training is the coolest thing since sliced bread - Yann LeCun1
    • GAN은 소위 심층학습의 4대 석학 중 한 명인 요슈아 벤지오(Yoshua Bengio) 몬트리올대 교수의 제자인 이안 굿펠로우(Ian Goodfellow)가 2014년 신경정보처리시스템 학회(Neural Information Processing System)에서 처음 소개
    • 이후 2016년 NIPS에서 진행된 GAN 튜토리얼2을 통해 GAN의 가능성과 잠재력에 대한 학계와 산업계의 관심을 제고
    • GAN은 대표적인 비지도학습(unsupervised learning)의 한 종류로 서로 대립하는 두 시스템이 서로 경쟁하는 방식으로 학습이 진행*
    • * 예를 들어, A는 위조지폐를 만들어 내는 시스템이고 B는 위조지폐를 감별하는 시스템이라고 가정한다면, A와 B가 경쟁하는 과정을 통해 B가 위조지폐를 구분할 수 없을 때까지 A가 학습을 한다고 볼 수 있음
  • GAN 알고리즘 개요
    • GAN은 대표적인 비지도학습 방법으로 더 많은 종류의 문제해결 가능성을 시사
    • ※ 지도학습과 비지도학습의 주요특징은 [표 1-1] 참고
    • [표 1-1] 지도학습과 비지도학습의 차이
    • GAN은 생성자(Generator)와 판별자(Discriminator)가 서로 경쟁하는 과정을 통해 정보를 학습
    • 생성기는 이미 존재하는 데이터와 비슷한 모조데이터를 생성하는 역할을 수행하는데, 만약 생성기의 모조데이터가 실제데이터에 가깝다면 판별기는 판별의 기능을 상실
    • 판별기는 입력 데이터가 실제데이터인지 모조데이터인지 구별하는 역할을 수행하고, 만약 생성기가 산출한 모조데이터를 판별기가 50% 확률로 진위 여부를 판단한다면 학습을 종료
    • [그림 1-1] GAN의 개념도
  • GAN의 응용 분야와 적용 사례
    • GAN을 활용한 새로운 이미지 생성과 이미지 복원
    • 이미지 생성 인터페이스인 iGAN(Interactive Image Generation via GAN)은 간단한 스케치로 이미지를 자동으로 생성
    • 화질이 선명하지 않은 사진을 GAN을 통해 복원하는 기능 (SRGAN)
    • [그림 1-2] GAN을 활용한 이미지 생성 iGAN
    • [그림 1-3] GAN을 활용한 이미지 복원 : 화질이 낮은 이미지 (좌) GAN을 활용한 복원 (우)
    • 사람이나 물체의 동작을 흉내 내는 인공지능 개발
    • 지난 2017년 7월 구글 딥마인드는 사람과 물체의 보행 능력을 흉내 내는 인공지능을 개발3
    • 이 기술은 과거 알파고의 자체대국에서 활용된 강화학습을 적용한 것으로 보상함수를 단순한 승패 여부가 아닌 행위의 적절성으로 표현한 것이 차별점
    • [그림 1-4] 보행 능력을 학습하는 인공지능
    • GAN 기반의 인공지능을 활용한 신약 개발
    • 수명 연장을 목적으로 영국의 쥬버네슨스(Juvenescenece)와 인실리코 메디슨(Insillico Medicine)은 인공지능을 적극 활용하여 신약 개발 추진
    • 인실리코 메디슨은 320만 개의 유전자 발현 데이터와 650만 건의 혈액 테스트 결과 등 자사가 보유한 데이터를 바탕으로 신약에 활용될 새로운 화합물을 개발
    • [그림 1-5] 인실리코 메디슨의 인공지능 Aging.AI (혈액 데이터를 통한 나이 예측)
  • 결론
    • GAN은 서로 대립하는 두 시스템의 경쟁을 통해 학습하는 방법론으로 인공지능 분야의 새 지평을 제시
    • GAN의 주요 응용분야는 이미지 생성과 복원, 동작을 흉내 내는 인공지능, 신약 개발 등이 있고, 향후에는 음성에도 적용되어 음성 생성·편집·변환·복원에도 활용될 가능성이 높음
    • 1 Quora, What are some recent and potentially upcoming breakthroughs in unsupervised learning?, 2016.07.
    • 2 Ian Goodfellow, NIPS 2016 Tutorial: Generative Adversarial Networks, arXiv:1701.00160, 2016.
    • 3 DeepMind, Producing flexible behaviours in simulated environments (2017)