[디지털투데이 유다정 기자] 네이버가 세계 머신러닝 컨퍼런스 ‘ICML 2019’에 참석해 연구 성과를 공개했다. 

올해로 36회를 맞은 ICML(International Conference on Machine Learning, 기계 학습 국제 학회)은 AI 중에서도 머신러닝 분야에서 최고 권위를 가진 컨퍼런스로, 올해는 지난 9일부터 15일까지 미국 캘리포니아에 위치한 롱비치 컨벤션 센터에서 열렸다.

네이버는 이번 ICML 정규 세션 및 워크샵에서 총 3편의 논문을 발표했다. 

특히 네이버 클로바 인턴들이 진행한 ‘Curiosity-Bottleneck: Exploration by Distilling Task-Specific Novelty(Curiosity-Bottleneck 방법: 임무 특화 참신성 추출을 통한 탐색 전략)’는 정규 Oral 및 Poster 세션에 채택되는 성과를 얻었다. 이 연구는 AI가 새로운 정보를 학습하는 과정에서 불필요한 정보로 인해 성능이 저하되지 않도록, 실제 수행해야 할 과제와 관련 있는 정보만 반영하도록 하는 기술을 담았다.

이 기술은 ‘AI를 만드는 AI’인 AutoML(Automated Machine Learning)에 적용될 수 있으며, 나아가 변화하는 환경 속에서 AI가 사용자에게 정확한 정보를 추천하는데 필요한 기반 기술이다.

이 연구는 클로바AI 인턴이었던 김영진님, 남원태님, 김현우님이 1,2,3저자로 참여한 논문이라는 점에서 더욱 눈길을 끌었다. 이들은 인턴기간 중 서울대 김건희 교수와, 클로바AI 김지훈 박사를 비롯한 클로바의 연구원들과 적극적으로 협업하고 멘토링을 지원받으며 연구를 진행했다. 클로바는 인턴들이 주도적으로 연구 과제를 발굴하고, 유의미한 결과를 도출할 수 있도록 양질의 연구 환경을 제공하고 있으며, 실제로 인턴십을 통해 진행한 연구가 CVPR, ICLR, AAAI, ACL, ICASSP 등 여러 세계적인 AI 컨퍼런스에서 인정받은 바 있다.

또한 클로바팀은 딥러닝 모델에 대한 워크샵에서 이미지 인식 모델의 안정성 관련 연구인 ‘An Empirical Evaluation on Robustness and Uncertainty of Regularization Methods(조절 최적화 기법의 강건성 및 불확실성에 관한 실증 분석)’을 공유했으며, 음원 추천 머신러닝 워크샵에서는 ‘Visualizing and Understanding Self-attention based Music Tagging(셀프 어텐션 기반 음원 태깅의 시각화 및 이해에 관한 연구)’ 논문을 통해 새로운 음원 태깅 모델을 제시했다. 각각의 연구는 네이버와 라인의 이미지 인식 서비스와 음악 추천 서비스의 품질을 고도화하는 데 적용될 예정이다.