일상 속으로 들어오는 AI MEDICAL AI NEW AI PARADIGM

1. 인공지능
마이크로 트렌드
및 통찰
2020
Billy(최병호)
고려대학교 Human-inspired AI 연구소 교수
고려대학교 Human-inspired AI 연구소 지능형 산업혁신단 단장
Facebook: ILOVEHCI, Kakaotalk: INNOUX
Research Data: http://www.slideshare.net/BillyChoi/
BillyChoi@Gmail.com , ILOVEHCI@korea.ac.kr

2. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
Table of Contents
• 일상 속으로 들어오는 AI
• MEDICAL AI
• NEW AI PARADIGM
1

3. 일상 속으로 들어오는 AI

4. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
AI 엑스레이 영상 분석(가칭 AI 보안 요원), LG CNS
3
SOURCES:
http://news.khan.co.kr/kh_news/khan_art_view.html?art_id=202005122126005
• 엑스레이 영상 분석
• 반입·반출 불가 물건 0.3초 인식
• 인식 대상: 8종; USB, 하드디스크,
메모리카드, 노트북, 태블릿PC,
스마트폰, 카메라, e북
• USB 99%, 메모리카드 85.5% 정확도
• 다양한 저장매체 이미지 5만여 장 학습
• 엑스레이 영상을 사람이 직접 눈으로
확인하는 것보다 빠르고 정확
• 향후 공항에서 폭발물이나 위험한
소지품 판독 예정

5. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
AOS알파(Automobile repair cost On-line Service-α); AOS알파카메라 앱
4
SOURCES:
https://www.hankyung.com/economy/article/2020050425356
https://uracle.blog/2020/02/10/customer_kidi/
http://m.joseilbo.com/news/view.htm?newsid=397417
https://news.joins.com/article/23769120
https://www.kbanker.co.kr/news/articleView.html?idxno=89196
https://m.sportschosun.com/news.htm?id=202005060100025320001633&ServiceDate=20200505
• 보험개발원의 AOS(AI 기반 자동차 수리비 자동견적 시스템);
55억 원/년 개발, 국산 차량 90% 커버
• AI가 사고차량 사진으로 부품종류, 손상심도 등 판독 및
예상수리비 자동 산출; 차량번호판, 주행거리 등 이미지의
텍스트 인식(OCR)
• 사용범위는 외관부품만 부서진 소손상 사고
• 베타 테스트 결과: 손상 심도는 부품 인식률 최소 95%,
수리비 정확도 최소 85%; 100만 장 사진 학습
• 손상심도 판독: 6단계(정상, 스크래치, 소/중/대 손상, 교환),
적게는 2단계(정상, 교환)
• 소비자에게 과다 청구되어 불필요한 보험료 인상 예방,
보험사에는 보상 직원 및 현장 출동 담당자 업무 처리량
간소화로 업무 자동화 통해 휴먼 에러 최소화

6. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
패션 AI 기업 '오드컨셉’, 누적 100억 원 규모 투자 유치
5
SOURCES:
http://www.aitimes.kr/news/articleView.html?idxno=15824&fbclid=IwAR2jinAYBW1z_jKFfGiSP-oF6ogCYAdRBhG9-TkE85WPU43AlHvrpZDfBYM
• 총 60억원 규모의 시리즈B
투자 유치
• 자체 개발한 머신러닝 기반의
이미지 인식, 분석, 검색 기술
• 3년간 상용 서비스하면서
확보한 사용자 데이터와 상품
데이터, 코디 정보 등 수십억
단위의 트렌드 데이터 학습
• 국내를 비롯해 싱가포르, 일본,
인도네시아, 태국 등 APAC
시장 내 100여 개 이커머스
파트너들에게 제공. 서비스
이용 고객사의 월간 순
이용자는 900만 명 이상

7. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
COVID 19 도메인에 특화된 기계번역기, 고려대학교 Human-inspired AI 연구소
6
SOURCES:
http://nlplab.iptime.org:32250/
• 언어쌍: 확진자수가 가장 많은 미국(영어),
발원지인 중국(중국어) 번역기 우선 제공.
추후 프랑스어, 스페인어, 독일어,
이탈리아어 추가 예정
• 학습 데이터: TAUS Corona Crisis
Corpus
• 모델: 고려대학교 기계번역기 모델

8. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
MRC, 고려대학교 Human-inspired AI 연구소
7
SOURCES:
https://youtu.be/eViGGf_L8GY
http://hiai.co.kr/wp-content/uploads/2020/04/200331_%EC%97%B0%EA%B5%AC%EC%84%BC%ED%84%B0-%ED%99%8D%EB%B3%B4-
%EC%9E%90%EB%A3%8C%EC%A7%91_%EC%9D%B8%EC%87%84%EB%B3%B8.pdf
• MRC(Machine Reading
Comprehension)와 음성기술(STT,
TTS)을 활용하여 NAO robot을 가지고
구현
• 한국어 데이터를 BERT 기반의
MRC모델을 학습한 결과
• Context 정보와 그에 관련 있는 질문을
하면, 알맞은 정답을 예측해내는 시스템

9. MEDICAL AI

10. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
소아중환자실 위험도 예측을 위한 딥러닝 모델 개발, AITRICS
9
SOURCES:
https://ccforum.biomedcentral.com/articles/10.1186/s13054-019-2561-z
https://blog.aitrics.com/47?category=827701
• 기존 소아중환자실에서는 환자 사망률 예측에 Pediatric
Index of Mortality (PIM) 또는 Pediatric Risk of
Mortality (PRISM) 등을 주로 사용, 해당 알고리즘은
소아중환자실 입실 초기의 단편적인 정보만으로 사망 위험
예측하기 때문에 변화하는 환자의 상태 반영하지 못하여
정확도가 떨어진다는 한계
• 환자의 활력 징후, 나이, 체중을 딥러닝으로 분석하여
6시간부터 60 시간 후의 사망 위험도 예측하는
알고리즘으로, 컨볼루셔널 딥네트워크(Convolutional
Deep Network)를 통해 활력 징후의 시계열적 속성을
파악하여 예측 정확도를 대폭 향상
• 80억 원 규모의 시리즈A 투자 유치; 병원 내 응급상황
예측 솔루션과 만성질환 예측 솔루션 개발
• XAI(eXplainable AI) 결합

11. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
흉부 CT AI 식약처 허가 획득, 뷰노
10
SOURCES:
https://www.vuno.co/news_detail/85
http://www.aitimes.kr/news/articleView.html?idxno=16209&fbclid=IwAR10usRTczN93CU-CztBXvBLlOSkZyFHPSOraln_flxchvRgnFDYkAZ0RLk
• 국내 최초 CT 영상 기반 폐결절 검출 인공지능 솔루션
• 폐결절: 폐 내부에 있는 지름 3cm 이하의 둥근 폐음영
• 측정이 까다로운 지름, 부피 등 정량적인 폐결절 정보를 1분 내
제시
• 폐암 진단 보조 도구 역
• 결절, 경화, 기흉, 삼출, 간질성 음영 등 주요 흉부 엑스레이
영상 이상소견을 높은 성능으로 탐지하고, 병변 부위를 정확히
제시. 5가지 흉부 이상 소견에 대한 99%의 정상/비정상 분류
성능과 우수한 민감도와 특이도를 입증

12. NEW AI PARADIGM

13. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
새로운 인공지능(AI) 챗봇 ‘블렌더(Blender)’, 페이스북
12
SOURCES:
http://www.aitimes.kr/news/articleView.html?idxno=16237&fbclid=IwAR30FRBxrxQTgk1icu1BSNGNTGVQwbCmLmNtPdnZ06v8srM4fdHgpMeasno
https://arxiv.org/pdf/2004.08449.pdf
https://arxiv.org/pdf/2004.13637.pdf
https://parl.ai/projects/recipes/
http://aidev.co.kr/chatbotdeeplearning/9114
https://littlefoxdiary.tistory.com/39
• 오픈 도메인 챗봇 추구
• 첫째, 성격입니다. Persona 문장들이 미리 주어지면
거기에 맞게 대화합니다. 둘째, 공감입니다. 감정적으로 같이
기뻐하거나 슬퍼해주는 대답을 합니다. 셋째, 지식입니다.
위키피디아에서 검색을 하여 세부적인 정보를 알려줍니다.
• 추출된 대화에 대한 15억 개의 교육 예제를 포함하여 챗봇을
만들기 위한 대규모 학습 수행

14. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
빅데이터 없이 만드는 AI '제로샷 러닝(zero-shot learning)'
13
SOURCES:
http://www.opinionnews.co.kr/news/articleView.html?idxno=33461&fbclid=IwA
R1OYm6WfqvlQQgkg90U5JJDsSTiM2QRtu1qbczgZwOATW-atL7zD5W2fiA
https://m.blog.naver.com/with_msip/221886769247
• 구글의 '인공신경망 기계번역(GNMT)'은 시스템이 한 번도
해보지 않았던 언어 간 번역을 다른 언어 사이의 번역 데이터
활용해 유추
• 대량의 데이터 없이도 AI를 가능케 하는 '포스트 딥 러닝’
• 제로샷 학습은 전이학습(Transfer learning)에서 발전된
기계학습의 한 종류
• 마이크로소프트, 우버, 바이두(Baidu), 알리바바 등의 AI
기반 기업에서 개발 중인 제로샷 러닝은 딥 러닝과 완전 반대.
별다른 데이터가 없어도 유용한 패턴이나 결과를 도출. 이를
통해 AI는 겪어보았거나 혹은 익숙하지 않은
상황에서도 패턴이나 행동을 만듦
• 어떤 문제에 대한 힌트들이 있을 때 딥 러닝은 모든 데이터를
분석한다면, 제로샷 러닝은 공통점을 이용해 정답 발견

15. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
스스로 진화하는 AI 오토 머신러닝 제로(AutoML-Zero)’, 구글
14
SOURCES:
https://arxiv.org/pdf/2004.02967.pdf
https://arxiv.org/abs/2004.02967
https://github.com/google-research/google-
research/tree/master/automl_zero
• 인간의 입력이 거의 없는 AI 프로그램
• 신경망 설계를 0부터 시작. NAS(Neural Architecture
Search)는 컨볼루션이나 맥스풀링 같은 최소단위를 사람이 미리
구현했지만 AutoML-Zero는 기초적인 수학 연산자만 가지고
진화를 시켰기 때문에 확장 가능성이 매우 높음
• 진화의 느슨한 근사(loose approximation of evolution)를
이용해 알고리즘 구축. 먼저 수학 연산을 무작위로 조합해 100개
후보 알고리즘 생성. 그런 다음 이미지가 고양이인지 트럭인지를
결정하는 간단한 테스트로 후보 알고리즘 중에서 최고 성능
알고리즘 선택 등
• 최적의 알고리즘을 찾을 때까지 초당 수만 개의 알고리즘을
작성하고 테스트
• AutoML-Zero가 신경망 등 고전적인 머신러닝 알고리즘 생성.
현재는 간단한 AI 시스템밖에 만들 수 없음

16. © 2020 Billy All rights reserved.인공지능 마이크로 트렌드 및 통찰
Neural Symbolic AI, 고려대학교 Human-inspired AI 연구소
15
SOURCES:
http://nlplab.iptime.org:32245/
• 미분가능한 종단간 학습으로
생성된 뉴럴-심볼릭 모델
기반의 지식 추론 데모
프로그램
• 본 모델은 결론 도출의
근거와 과정을 사람이 이해할
수 있는 형식으로 설명하여
질의에 따른 알맞은 답변을
제공
• 본 모델의 학습과 추론에
사용된 Knowledge Base는
WN18RR

17. 경청해주셔서
고맙습니다!