지금 네이버랩스 유럽에서 하고 있는 일들 - 주요 연구자 인터뷰

유럽의 실리콘밸리로 불리는 프랑스 그르노블에는 세계적인 연구진들이 가장 앞선 AI 기술을 연구하고 있습니다. 네이버랩스 유럽입니다.

머신 러닝 분야의 대가 크리스토퍼 댄스, 페이스북 AI 리서치센터장을 지냈던 플로랑 페로닌, 환경 변화와 관계없이 위치를 정밀하게 파악하는 'R2D2' 기술 개발을 주도한 가브리엘라 시스카 등 인공지능 분야 논문 인용 건수가 1만 건을 넘어서는 연구자들을 중심으로 26개국 약 110여 명의 인재들이 모여있습니다.

근래에는 네이버의 ‘글로벌 AI 연구 벨트’의 첫 출발점이기도 했던 AI for Robotics 글로벌 워크샵을 진행하는 등, 아시아와 유럽 연구자들 교류/협력할 수 있는 새로운 허브 역할에 주력하고 있기도 합니다.

언어와 문맥을 이해하는 자연어 연구와 실제 생활 공간을 이해하는 컴퓨터 비전, 로봇을 위한 인공지능 등 다양한 AI기술을 통해 실제 우리가 사는 일상 속 문제들을 해결하고자 하는 네이버랩스 유럽 주요 연구진들의 인터뷰입니다.

프랑스 최대의 인공지능 연구소

Michel Gastaldo (Centre Director) │ 네이버랩스 유럽은 최대 규모의 AI 산업 연구 센터입니다. 유럽과 미국의 대학과도 다양한 프로젝트가 진행되고 있습니다.

Michel Gastaldo

Naila Murray (Laboratory Manager) │ 우리는 머신 러닝과 컴퓨터 비전, 자연어 처리, 검색 추천 시스템, 로봇을 위한 인공지능 등 다양한 연구를 진행하고 있습니다. 또한 시스템 AI나 UX, 에스노그래피 (ethnography)에 대한 연구도 중요하게 생각합니다. 여러 분야의 연구자들이 가진 다양한 관점, 기존과 다른 방식의 접근이 우리의 핵심 역량이라고 할 수 있습니다.

Michel Gastaldo │ 지금 우리는 크게 두 가지 목표를 향해 나아가고 있습니다. 하나는 기존 네이버 서비스 유저들에게 AI 기술을 통한 차별화된 경험과 도움을 제공하는 것입니다. 다른 하나는 로봇의 인공지능처럼 지금까지 없었던 새로운 영역에 도전해가는 것입니다.

Naila Murray

Naila Murray │ 그냥 새로운 기술 혁신을 계속 선보이는 것만을 추구하는 건 아닙니다. 인공지능의 미래는 과연 어떨지, 이에 대한 연구 아젠다를 설정하고 제시하는 일에도 힘쓰고 있습니다.

 

우리의 삶으로 연결될 주요 연구 분야들

■ 딥 러닝 (Deep Learning)

Julien Perez (Machine Learning) │ 지금 네이버랩스 유럽의 연구자 대다수는 딥 러닝 연구에 참여하고 있습니다. 컴퓨터 비전이나 자연어 이해에서 로봇 팔 제어 등에 이르기까지 다양한 영역에서 딥 러닝을 적용해 연구하고 있죠.

Julien Perez

근래에 연구했던 것 중 아주 흥미로운 것도 있습니다. 머신 리딩(machine reading)이라는 분야입니다. 위키 같은 곳에 담긴 텍스트의 내용을 스스로 학습하고 이해한 후 자연어 형태로 대답해주는 기술입니다. 마치 아이들이 글 읽는 걸 배워나가는 것과 비슷해요. 지난 5년간 집중적으로 연구했고 매우 고무적인 성과가 나타나기 시작했습니다.

우리가 도전하는 것은, 머신 러닝이나 딥 러닝에 대한 지금의 이해 수준을 뛰어넘는 것입니다. 현재의 모델들은 ‘상식 (common sense)’과 ‘추론 (common sense acquisition and reasoning’이라는 요소의 한계에 가로막혀 있어요. 사람보다, 심지어 어린아이보다 좋기 어려운 부분이죠. 이것이 우리의 요구 수준보다 더 단순한 답을 도출하는 원인이 됩니다. 이런 문제들을 풀고 싶은 거죠.

■ 자연어 처리 (Natural Language Processing)

Matthias Galle (Natural Language Processing) │ 자연어 처리팀에서는 컴퓨터가 인간의 언어를 이해하고 구사할 수 있도록 가르칩니다. 컴퓨터가 스스로 텍스트를 읽거나 작성하는 것, 혹은 그 두 가지를 동시에 할 수 있게 하는 일들이죠.

Matthias Galle

우리 팀은 2019년에만 중요한 학술대회 컴페티션에서 두 번이나 우승했어요. 노이즈가 있는 텍스트를 번역하거나, 농구 경기 요약본을 작성하고 번역하게 하는 태스크 같은 거죠. 우리가 쌓아 온 기술적 노하우는 자랑할 만합니다.

몇 년간 개발한 툴킷이 하나 있어요. 이 툴킷에는 문서를 이해하는 아주 포괄적인 방식들이 적용되어 있어요. 예를 들어 우리가 문서를 보면 각주와 제목의 차이를 정확히 알 수 있습니다. 글꼴처럼 표시되는 방식이 다르기 때문이에요. 이와 같은 직관적 요소를 툴킷에 적용했어요. 레스토랑 메뉴판을 이해하는 데도 사용할 수 있죠. 19세기에 기록한 역사적 문서를 이해할 때도 사용할 수 있죠. 실제로 이 툴킷은 유럽의 방대한 고문서들을 해석하는 데 중요한 역할을 하고 있어요. 현재 유럽 전역을 대상으로 진행 중인 '타임머신'이란 이름의 역사 디지털라이징 프로젝트입니다.

■ 로봇을 위한 인공지능 (AI for Robotics)

Christopher Dance (Research Fellow) │ 예를 들어 제가 알고 있는 연구 기관들은 일반적으로 로보틱스와 AI를 나눠서 연구합니다. 그런데 우리는 이걸 모았습니다. 대학의 저명한 연구자들과 이야기를 해보면, 로봇에 AI를 적용하는 기술에 대해서는 우리가 앞서 있다는 걸 금새 인정합니다.

Christopher Dance

머신 러닝은 사람이 하는 일의 90%까지 침투했다고 보는데, 지금 우린 로봇의 이동 기술에도 사용하고 있습니다. 적은 샘플로 학습할 수 있는 방법을 연구합니다. 바둑 같은 것을 배울 때는 수백만 개의 샘플을 입력하지만, 아직 로봇에는 그만한 여유가 없거든요. 로봇이 효과적으로 과제를 수행하는 데 가장 필요한 샘플들에 초점을 맞추고 있죠.

로봇 자율주행 성능을 개선하는 작업도 했어요. 고려해야 할 상충되는 조건들이 있어요. 사람과 같은 공간에서 부딪히지 않을 정도로 안전거리를 유지하면서도 너무 멀리 있으면 안 됩니다. 빠져나오지 못할 좁은 공간에 갇히면 안 되지만, 그런 공간을 무조건 회피해서도 안 됩니다. 신속히 과제를 완료해야 하지만, 너무 빨리 움직여서 사람들에게 위험이나 불안감을 초래해서도 안 됩니다. 이런 것들에서 가장 적절한 균형점을 찾아내는 작업이죠.

컴퓨터 비전팀에서도 흥미로운 프로젝트를 시작했습니다. 로봇이 어떤 물체를 집는다는 게 상당히 어려운 과제입니다. 사람과는 아주 다르죠. 이를 잘 수행하려면 어떤 데이터나 어떤 이해가 필요한지부터가 시작입니다. 새로운 방법들을 찾아내는 과정이 상당히 흥미로워요.

■ 컴퓨터 비전 (Computer Vision)

Martin Humenberger (3D Vision) │ 제가 있는 3D 비전팀은 키포인트 추출이나 특징점 매칭 (feature matching), 비주얼 로컬라이제이션 (visual localization), 카메라 포즈 추정 (camera pose estimation), 3D 장면 이해 (3D scene understanding) 등을 연구합니다.

Martin-Humenberger

그 중 R2D2 (repeatable and reliable detector and descriptor)는 우리가 개발한 특징 데이터 추출 기술입니다. 데이터 기반으로 이미지 정보에서 필요한 영역을 탐지할 수 있습니다. 컴퓨터가 스스로 학습해서, 같은 장소의 날씨나 조도가 다른 이미지 사이에서 관련성을 찾아낼 수 있습니다. 완전히 새로운 방식으로요. 이 기술로 CVPR 2019의 비주얼 로컬라이제이션 챌린지에서 1위를 하기도 했습니다.

동영상에서 깊이나 포즈를 추정하는 연구도 공동으로 진행하고 있습니다. 자율주행 등과 같은 분야에서 3D 장면을 이해하는 데 아주 유용한 기술입니다.

Gregory Rogez (Computer Vision) │ 특히 여러 사람이 있는 장면에서 3D 포즈 추정 기술은 세계 최고 수준입니다. 가려진 부분을 잘 찾아내죠. 사람의 일부가 가려지거나 벗어나 있는 경우에도 아주 잘 작동합니다. 손에만 정밀하게 적용할 수도 있습니다. 컨퍼런스에서 시연할 때마다 많은 관심이 몰리는 기술입니다.

컴퓨터 비전팀에서는 이미지 표현 (image representation)과 비주얼 검색 (visual search)도 연구해 왔습니다. 비주얼 데이터로 인간 행동을 이해하거나, 이미지 속의 텍스트도 인식합니다.

현재 네이버랩스 유럽의 컴퓨터 비전팀은 이 분야에서 가장 인정받고 있는 최고의 연구자들이 모여있습니다. 더 좋은 인재를 모으고, 매우 높은 수준의 연구를 지속하려 노력합니다. 연구자로서는 더할 나위 없이 좋은 환경이죠.

Gregory Rogez

 

더 큰 가능성, 글로벌 AI R&D 벨트

Christopher Dance │ 유럽에서의 AI 연구는 점점 활발해지고 있습니다. 훌륭한 연구소들이 서로 연결되고 있습니다. 하지만 기업별로만 보면, 중국이나 미국이 컴퓨터 비전 분야나 머신 러닝을 주도하고 있죠.

Michel Gastaldo │ 우리는 이런 흐름에 제동을 걸려고 합니다. 아시아와 유럽 등의 연구자들이 글로벌에서 아주 강력한 대안이 될 것입니다. 네이버에서 추진하고 있는 글로벌 R&D AI 연구 벨트는 멋진 기회입니다. 유럽과 아시아의 인공지능 연구자들에게 새로운 협력의 장이 될 것입니다. 여러 지역의 우수한 인재들이 서로 더 쉽게 교류하고 협업할 수 있게 될 것입니다.

Naila Murray │ 우리는 유럽 외에 한국, 베트남, 일본 등의 연구자들에게 많은 관심이 있습니다. AI는 아주 광범위하고 다면적인 분야이기 때문에 연구자들이 다양한 관점과 접근방식에 노출되는 것은 아주 중요합니다. 서로 다른 지역의 문화와 역사는 새로운 관점을 만듭니다. 동일한 문제도 서로 다른 방식으로 접근합니다. 게다가 아직 인식하지 못한 새로운 문제를 찾아낼 가능성도 커지죠. 여러 과제들을 함께 협력해서 해결해가고 싶습니다.

네이버랩스 유럽 홈페이지

Related Articles

VIDEOS