구글, AI학습모델 코드 자동작성 도구 개발

구글이 자연어로 원하는 학습모델 목표를 제시하면 자동으로 코드를 작성하는 도구를 공개했다.

구글은 AI연구부서 중 하나인 구글브레인이 텐서플로 기반 학습모델 개발을 자동화하는 TF코더를 소개하는 출판 전 논문을 발표했다고 3일(현지시간) 밝혔다.

TF코더는 AI가 발전할수록 점차 복잡하고 어려워지는 학습모델 프로그래밍 코드 작성을 돕기 위해 개발됐다.

구글이 학습모델용 프로그래밍 코드를 자동으로 작성하는 도구 공개했다(표=구글)

자연어처리, 음성 및 화면 인식 등을 위해 데이터를 분석하고 AI를 학습시키는 학습모델은 텐서플로, 파이토치, MX넷 등 기계학습 프레임워크를 통해 만들어진다.

개발자는 개발한 학습모델과 이를 통해 얻은 데이터를 기반으로 다시 새로운 학습모델을 만드는 반복 작업을 통해 AI의 성능을 개선하거나 다른 용도의 학습모델을 개발한다.

하지만 학습모델 개발은 작업이 반복될 뿐 아니라 반복될수록 데이터의 종류와 양이 기하급수적으로 증가하고 알고리즘도 점점 복잡해지면서 코드 작성을 위해 필요한 학습곡선이 가파르게 상승한다.

이로 인해 시간이 지날수록 AI개발 전문가가 아니면 다루기 어려워질 뿐 아니라 작업속도가 느려지는 것이 문제로 지적된다.

TF코더는 개발자가 자연어로 목표를 지정하면 입력 및 출력 예제를 바탕으로 자동으로 목표에 맞춰 텐서플로용 프로그래밍 코드를 작성한다. 옵션을 통해 증가하는 복잡성을 조절하거나 새로 추가하는 데이터 값도 필터링할 수 있다.

구글 브레인 연구원은 재구성, 필더, 집계, 맵, 인덱싱, 슬라이싱, 그룹화, 정렬 및 수학연산 등 텐서플로가 지원하는 기능 중 134개의 기능을 활용할 수 있다고 밝혔다.

또한 4~5개의 서로 다른 연산으로 구성된 문제와 10개 이상의 구성요소로 구성된 데이터 구조와 관련된 문제를 처리할 수 있으며 모양과 데이터 유형을 호환해 오류가 발생할 여지도 거의 없다고 설명했다.

구글 브레인 연구원은 스택오버플로에 올라온 다양한 실전문제를 기반으로 테스트한 결과 TF코더가 사람을 뛰어넘는 성과를 기록했다고 밝혔다.

연구원이 공개한 논문에 따르면 TF코더는 5분 안에 주어진 70개의 작업 중 63개를 완료하며 17초에 한 문제를 해결했다. 작성한 코드의 품질 역시 AI 전문가가 작성한 것보다 더 간단하고 직관적이었다.

구글 브레인 연구원은 “우리는 TF코더가 까다로운 학습모델을 개발하는 과정에서 기계학습 전문가와 초보자를 모두 도울 수 있을 것으로 믿는다”고 전했다.