"머신러닝도 노코드" AWS, AI 개발 대중화 노린다

아마존웹서비스(AWS)가 코드 작성 없이 머신러닝(ML) 모델 개발을 할 수 있는 툴을 내놨다. 개발자 품귀 현상에 노코드 및 로우코드 개발 플랫폼이 대안으로 떠오르는 가운데, 노코드 전략을 인공지능(AI) 관련 인력의 개발 진입장벽을 낮추는데도 적용한 것이다.

AWS는 지난 1일 미국 라스베이거스에서 개최한 연례 컨퍼런스 ‘리인벤트2021’에서 아마존 세이지메이커 캔버스를 비롯해 AI 개발의 진입장벽을 낮추는 서비스를 대거 공개했다.

아마존 세이지메이커는 클라우드 환경에서 ML 모델을 생성하고 학습시켜 배포할 수 있게 해주는 서비스다. 아마존 세이지메이커는 현재 아스트라제네카, 오로라, 캐피털원, 서너, 디스커버리, 현대그룹, 인튜이트, 톰슨 로이터, 타이슨, 뱅가드 등에서 사용중이다.

스와미 시바수브라마니안 AWS 머신러닝 부사장

새롭게 공개된 아마존 세이지메이커 캔버스는 데이터를 직관적으로 준비 및 분석할 수 있도록 지원하는 시각적 도구를 제공하고, 자동화된 ML을 활용해 코딩 없이 ML 모델의 구축 및 학습을 수행하게 해준다. 재무, 마케팅, 운영, 인사 등 비즈니스 현업의 직원이 ML 경험이나 코드 작성 없이도 직접 정확한 ML 예측을 생성할 수 있다.

시각적 인터페이스를 이용하기 때문에 코드 관련 지식 없이도 ML을 시도할 수 있다.

이와 함께 아마존 세이지메이커 그라운드 트루스 플러스는 전문가 데이터 레이블링을 자동화하는 도구다. 전문 인력을 활용하여 ML 모델을 기반으로 하는 사전 레이블링, 오류 및 저품질 레이블을 감지하기 위한 인간 레이블링에 대한 기계 검증, 보조 레이블링 기능을 포함하는 다단계 레이블링 워크플로우를 제공한다. 이를 이용해 데이터 세트 레이블링에 필요한 시간을 단축하고 고품질 주석 데이터를 마련하는 비용을 절감하게 해준다.

아마존 세이지메이커 그라운드 트루스 플러스는 ML 모델을 기반으로 하는 사전 레이블링, 오류 및 저품질 레이블을 감지하기 위한 인간 레이블링에 대한 기계 검증, 보조 레이블링 기능(예: 3D 직육면체 스냅, 2D 왜곡 제거, 다음 단계 비디오 레이블링 예측 및 자동 세그먼트 도구)을 포함하는 다단계 레이블링 워크플로우를 제공하여 데이터 세트 레이블링에 필요한 시간을 단축하고 고품질 주석 데이터를 마련하는 비용을 절감한다.

기업 고객은 간편하게 아마존 세이지메이커 그라운드 트루스 플러스를 아마존 S3의 데이터 소스에 지정함으로써 특정 레이블링에 대한 요구 사항을 제공할 수 있다. 예를 들어 의료 전문가가 폐 방사선 영상에서 비정상 레이블을 지정하는 방법에 대한 지침 같은 요구사항을 적용할 수 있는 것이다. 그 다음으로, 아마존 세이지메이커 그라운드 트루스 플러스는 데이터 레이블링 워크플로우를 생성하는 한편 데이터 주석 진행 상황을 추적하고, 완성된 레이블의 샘플 품질을 검사하고 고품질 데이터 생산을 위한 피드백을 제공하는 대시보드를 지원하여 기업 고객이 고도로 정확한 ML 모델을 보다 신속하게 구축, 학습 및 배포할 수 있도록 한다.

아마존 세이지메이커에서 ML 모델링에 사용하는 에디터 도구로 아마존 세이지메이커 스튜디오 범용 노트북도 나왔다. 사용자가 범용 노트북 내에서 다양한 목적을 위한 광범위한 데이터를 유기적으로 액세스, 변환 및 분석할 수 있도록 지원한다. 기업 고객은 아마존 세이지메이커 스튜디오를 활용해 서비스 전환 없이도 범용 노트북의 데이터를 액세스 및 조작할 수 있다

ML 모델을 위한 아마존 세이지메이커 학습 컴파일러는 코드를 자동으로 최적화해 컴퓨팅 리소스를  효과적으로 사용하고 모델을 교육하는 데 걸리는 시간을 최대 50%까지 단축하는 새로운 ML 모델 컴파일러다. 클릭 한 번으로 간편하게 학습 완료된 모델을 자동으로 최적화하고 컴파일해 학습을 최대 50% 더 빠르게 실행한다.

아마존 세이지메이커 추론 추천기(Inference Recommender)는 ML모델 구동에 가장 적합한 컴퓨팅 인스턴스 및 구성(인스턴스 수, 컨테이너 파라미터, 모델 최적화 등)를 자동으로 선택할 수 있도록 지원한다. 모델 실행 위치 결정에 요구되는 추측과 복잡성을 제거하고 이상적인 컴퓨팅 인스턴스 구성을 자동으로 추천함으로써 구축 시간을 수 주에서 수 시간으로 단축해준다.

아마존 세이지메이커에도 서버리스 기능을 넣었다. ML 모델을 위한 아마존 세이지메이커 서버리스 추론은 추론 요청 수에 따라 컴퓨팅 용량을 자동으로 프로비저닝, 확장 및 종료하고, 이에 따라 기업 고객이 ML 모델을 프로덕션에 구축하는 과정에서 아마존 세이지메이커에서 서버리스 배포 옵션을 선택하기만 하면, 아마존 세이지메이커 서버리스 추론이 컴퓨팅 리소스를 관리해 필요한 만큼의 컴퓨팅을 정확하게 제공한다.

AWS는 전세계 AI 및 ML 전문가 양성을 위한 추가 프로그램도 발표했다. AWS AI & ML 장학금은 소외 계층 학생이 ML 분야의 경력을 쌓아나갈 수 있도록 지원하는 글로벌 단위의 신규 교육 및 장학금 프로그램이다. AWS 딥레이서와 새로운 AWS 딥레이서 학생 리그를 기반으로 학생들에게 자율주행 레이싱카에 대한 실습 경험 학습 ML 모델을 제공하고 기본적인 ML 사항에 중점을 두는 교육 콘텐츠 제공한다.

또 학생이나 일반인이 아마존 세이지메이커를 무료로 활용할 수 있도록 아마존 세이지메이커 스튜디오 랩을 공개했다. ML 모델 구축, 학습 및 배포를 위한 아마존 세이지메이커의 무료 버전으로, AWS 계정이나 결제 세부 정보 없이도 AWS에서 ML 서비스를 시작 및 실행할 수 있다. 학생을 위한 무료 학습 환경이나 데이터 과학자를 위한 무료 프로토타이핑 환경의 일환으로, 모든 사람이 재정적 부담이나 장기 약정 없이도 ML 학습 모델을 쉽고 간편하게 구축 및 교육할 수 있는 환경을 지원한다. 아마존 세이지메이커 스튜디오 랩은 프로젝트 저장을 위한 15GB의 영구 스토리지와 기계 학습 모델 교육을 위한 최대 12시간의 CPU 및 4시간의 GPU 컴퓨팅을 포함하는 무제한 사용자 세션을 무료 제공한다.

스와미 시바수브라마니안 AWS 머신러닝 부사장은 "데이터 구조 현대화, 데이터 분석, 머신러닝 혁신 등 데이터를 통해 새로운 혁신이 가능해진다"며 "데이터 중심적인 조직은 오늘의 필요와 미래를 한께 대비하며, 살아남는 기업과 번영을 부가하는 기업의 차이가 될 것"이라고 밝혔다.

그는 "오늘날 데이터를 어디에 두든, ML의 여정을 시작했든지 오늘 필요한 것이 아니라 미래에 무엇이 필요할 지 전략을 세워야 한다"며 "다양한 사례 맞게 유연하게 움직일 수 있는 엔드투엔드 데이터 전략 AI 전략에 필요하다"고 강조했다.