Microsoft의 Project Bonsai를 사용한 기계 교육

작성자: Simon Bisson, InfoWorld 칼럼니스트 |

머신러닝(ML)이 현대 컴퓨팅의 핵심이 되면서 흥미로운 질문은 '기계는 어떻게 학습하는가?'입니다. 기계 학습에는 심층적인 컴퓨터 과학이 많이 있으며 피드백 기술을 사용하여 개선하는 모델을 생성하고 대규모 데이터 세트를 교육하여 통계 기술을 사용하여 결과를 추론할 수 있는 모델을 구성합니다. 하지만 이러한 기술을 사용하여 모델을 구축할 데이터가 없으면 어떻게 될까요? 아니면 데이터 과학 기술을 사용할 수 없을 때?

우리가 기계 학습으로 관리하려는 모든 것이 방대한 양의 빅 데이터를 생성하거나 해당 데이터를 유용하게 만드는 데 필요한 레이블을 지정하는 것은 아닙니다. 많은 경우 필요한 과거 데이터 세트가 없을 수도 있습니다. 아마도 우리는 한 번도 계측된 적이 없거나 사람의 개입이 중요한 영역에서 작업하는 비즈니스 프로세스를 자동화하고 있을 것입니다. 다른 경우에는 악의적인 데이터를 해결하는 방법을 찾아 적대적 공격으로부터 기계 학습 시스템을 방어하려고 할 수도 있습니다. 머신러닝 알고리즘을 목표로 안내하고 전문가와 협력하는 머신티칭이 등장하는 곳입니다.

Microsoft는 한동안 AI 연구의 최전선에 있었으며 그 결과로 생성된 Cognitive Service API가 Azure 플랫폼에 내장되어 있습니다. 이제 Azure에 저장된 빅 데이터를 사용하여 자체 모델을 개발하고 교육하기 위한 도구를 제공합니다. 그러나 이러한 전통적인 기계 학습 플랫폼과 도구는 Microsoft의 유일한 제품이 아닙니다. Project Bonsai 로우 코드 개발 도구는 기계 교육을 사용하여 산업 AI용 ML 개발을 추진하는 간단한 방법을 제공하기 때문입니다.

Microsoft 자율 시스템 제품군의 일부로 제공되는 Project Bonsai는 전문가가 프로그래밍이나 기계 학습 경험 없이도 모델을 구축할 수 있도록 사람의 입력이 있는 시뮬레이터를 사용하여 기계 학습 모델을 구축하고 훈련하기 위한 도구입니다. 프로세스의 머신 티칭 단계에서 기본 ML 시스템이 어떻게 결정을 내렸는지 보여주기 때문에 설명 가능한 AI를 제공하기 위한 도구로도 활용됩니다.

Project Bonsai의 핵심은 훈련 시뮬레이션의 개념입니다. 이는 기계 학습 애플리케이션으로 제어하려는 실제 시스템을 구현하므로 MATLAB의 Simulink 또는 컨테이너에서 실행되는 사용자 정의 코드와 같은 친숙한 엔지니어링 시뮬레이션 소프트웨어를 사용하여 구축해야 합니다. 제어 시스템 개발 환경의 일부 또는 교육 도구로 이미 시뮬레이터를 사용하고 있다면 Project Bonsai와 함께 사용하도록 용도를 변경할 수 있습니다.

사용자 인터페이스가 있는 훈련 시뮬레이터는 훈련 프로세스의 일부로 사용자 입력을 캡처할 수 있으므로 여기서 유용한 도구입니다. 시뮬레이터는 작업이 실패할 때, 실패한 이유, 실패가 어떻게 발생했는지 매우 명확하게 설명해야 합니다. 이 정보는 훈련 도구에 대한 입력으로 사용될 수 있으며, 오류가 발생할 수 있는 위치를 모델에 가르치고 오류 발생 징후를 찾는 데 도움이 됩니다. 예를 들어, 공항 수하물 시스템을 제어하기 위해 Project Bonsai 모델을 교육하는 데 사용되는 시뮬레이터는 컨베이어를 너무 빠르게 실행하면 수하물이 떨어지고, 너무 느리게 실행하면 병목 현상이 발생할 수 있음을 나타낼 수 있습니다. 그런 다음 시스템은 백의 최대 처리량을 위한 최적의 속도를 찾는 방법을 학습합니다.

Project Bonsai와 제어 시스템, 특히 일련의 경계 내에서 시스템을 관리하기 위해 현대 제어 이론을 활용하는 시스템 사이에는 긴밀한 연관성이 있습니다. ML 모델과 잘 작동하려면 시뮬레이터는 시뮬레이션된 객체 또는 서비스가 입력에 어떻게 반응하고 적절한 출력을 제공하는지에 대한 좋은 그림을 제공해야 합니다. 시뮬레이터와 ML 모델이 변화하는 조건에 적응할 수 있도록 특정 시작 상태를 설정할 수 있어야 합니다. ML 시스템이 시뮬레이터를 개별적으로 변경할 수 있도록 입력을 정량화해야 합니다(예: 시뮬레이션된 수하물 시스템 속도를 1m/s 향상).