AWS, ‘세이지메이커 스튜디오’로 ML 문턱 낮췄다

"학습모델 제작과 관리 더 쉽게 지원"

[라스베이거스(미국)=남혁우 기자] 아마존웹서비스(이하 AWS)가 기계학습(ML) 모델 전문 플랫폼인 세이지메이커의 신규 기능을 대거 공개했다.

새롭게 추가된 기능은 기계학습을 모르는 사람도 쉽게 학습 모델을 만들고 관리하는 것을 목표로 한 것이 특징으로 클릭 몇번 만으로도 자동으로 학습모델이 만들어질 정도로 간단하고 직관적으로 개발됐다.

AWS는 3일(현지시간) 미국 라스베이거스에서 개최한 'AWS 리인벤트 2019'에서 ML 모델 구축 플랫폼 세이지메이커 플랫폼의 신규 기능 6종을 발표했다.

이번 리인벤트 2019에서는 통합 기계학습 개발 환경인 아마존 세이지메이커 스튜디오를 비롯해 사용자가 보다 손쉽게 맞춤형 ML 모델을 구축, 훈련, 설명, 검사, 모니터링, 디버깅, 실행할 수 있게 지원하는 기능들이 포함됐다.

아마존 세이지메이커 스튜디오.

먼저 아마존 세이지메이커 스튜디오는 기계학습에 사용되는 모든 구성 요소를 제공하는 통합 개발 환경을 지원한다. 기계학습 모델 구축, 훈련 및 배포 등 모든 ML 개발 단계를 수행 할 수 있는 단일 웹 기반 비주얼 인터페이스가 제공되며 이날 공개된 다른 세이지 메이커 기능도 바로 실행할 수 있다.

아마존 세이지메이커 노트북은 한번의 클릭만으로 엘라스틱 주피터 노트북을 제공해 개발자들이 노트북에 필요한 컴퓨팅 파워(GPU 가속화 등)의 양을 개발자 업무에 방해되지 않도록 백그라운드에서 자동으로 조절해주는 기능이다.

이 기능에는 기계학습 워크플로를 실행하거나 재생성에 필요한 모든 기능들이 담겨 있어 클릭 한번으로 모델을 구축하거나 다른 엔지니어와 작업을 공유할 수 있다.

아마존 세이지메이커 엑스페리먼트는 개발자가 기계학습 모델을 보다 쉽고 빠르게 연구할 수 있도록 반복 작업을 구성하고 추적할 수 있도록 지원하는 기능이다. 인풋 매개변수, 환경 설정, 결과를 자동 수집하고 이전 실험 결과를 시각적으로 비교할 수 있으며 일련의 실험 과정을 저장해 학습 모델이 초기 의도에서 벗어나기 시작하는 것을 대비할 수도 있다.

아마존 세이지메이커 디버거는 개발자가 만든 기계학습 모델 훈련을 디버깅, 프로파일링해 정확도를 높이고 훈련 시간을 단축하고, 기계학습 모델에 대한 이해도를 높일 수 있도록 지원한다.

현재 기계학습은 AI가 학습하는 과정이 대체적으로 불투명하게 이뤄져 있어 훈련 시간도 길고 최적화가 쉽지 않다. 또한 훈련 과정에서 어떤 오류가 있었는지 찾아내기 어렵다.

아마존 세이지메이커 디버거는 아마존 세이지메이커에서 학습한 모델을 통해 수집한 주요 측정항목을 자동으로 추출하고, 추출된 데이터는 아마존 세이지메이커 디버거 API를 통해 아마존 세이지메이커 스튜디오에서 확인할 수 있다.

이 측정항목은 훈련의 정확도와 학습 성과에 대한 실시간 피드백을 제공한다. 훈련과 관련된 문제가 생길 경우, 아마존 세이지메이커 디버거는 경고와 함께 복원권고 표시를 띄운다. 이와 함께 아마존 세이지메이커 디버거는 모델이 어떻게 작동하고 있는지 해석할 수 있도록 지원하며, 이는 뉴럴 네트워크의 설명 가능성 초기 단계로 볼 수 있다.

아마존 세이지메이커 오토파일럿은 기계 학습 경험이 없는 사람이 모델을 생성하거나 연구 등을 위해 추가 반복 작업이 필요한 과정에서 기준이 되는 학습 모델을 구축하기 위한 기능이다.

이 기능을 사용하면 학습 데이터를 자동으로 검사 후 적합한 알고리즘과 학습방식을 선택해 최대 50개의 학습모델을 자동으로 만들 수 있다. 이후 만들어진 학습 모델을 시뮬레이션 과정을 거치며 정확도가 높은 순서대로 순위가 매겨져 직관적으로 학습모델의 성능을 파악할 수 있도록 돕는다.

마지막으로 개발자는 아마존 세이지메이커 모델 모니터를 통해 ‘개념 변화(Concept drift)’를 감지하고 교정할 수 있다.

개념변화는 기존에 문제 없이 사용하던 AI가 갑작스러운 변화로 인해 환경이 바뀌면서 더 이상 사용할 수 없게 되는 것이다. 하지만 학습모델이 워낙 복잡하기 때문에 개념변화가 일어난 것인 사람이 파악하기 어렵다.

아마존 세이지메이커 모델 모니터는 학습모델의 기준점이 되는 통계자료를 생성하고, 예측에 사용된 데이터를 훈련 기준 자료와 비교한다. 이후 변화가 탐지되면 경보를 발생하고 원인이 무엇인지 확인할 수 있도록 시각적인 도움을 제공할 뿐 아니라 수정 방안도 제시한다.

앤디 재시 AWS CEO는 “우리는 우리의 기술을 누구나 사용할 수 있도록 지원하는 것을 목표로 하고 있다”며 “이번에 새롭게 선보인 새로운 세이지메이커 기술도 같은 철학을 바탕으로 기계학습을 배우지 않는 사람도 다룰 수 있도록 편의성와 직관성을 강화했으니 한번 도전해 보길 바란다”고 말했다.