선린대학 물리치료과

본문 내용으로 바로가기
좌측메뉴로 바로가기

로그인
|
회원가입
|
ID/PW찾기
|
사이트맵

Home > 학술자료실 > 과학소식

사람의 감각을 닮은 알고리즘

게시일 2015-07-27 11:06

최근 몇 달 동안 인공지능 연구원들은 모든 종류의 작업에서 사람들의 행동을 매칭시키려는 대단한 작업을 만들어가고 있다. 왜냐하면 최근까지 얼굴과 사물에 대한 인식을 하는 것들에서 컴퓨터가 사람처럼 행동하는 것이 거의 불가능하다고 생각해왔기 때문이다.

현재 기계가 물건을 쥐는 것은 여전히 어려운 부분으로 남아있으며, 유머에 대한 것도 그러한 부분 중 하나이다. 유머 감각을 가지는 것을 독특한 사람의 특징으로서 정의하는 것이 어려운 것이다. 한 사람을 웃게 만들거나 또다른 사람을 찡그리게 만드는 것을 예측하는 것이 거의 불가능하다. 특히 사람들의 유머는 매우 여러 가지 변수에 달려있기 때문에, 그것들 중 많은 것들은 내면적인 것이 되거나 한순간에서 다음 순간이 되었을 때 변화하게 될 수 있다. 그러므로 현재 재미있는 것들이 나중이나 내일이 되면 재미없는 것이 될 수 있다.

그럼에도 불구하고, 다양한 언어학자와 심리학자들은 좋은 농담이 일반적인 특징들을 모두 공유하기 때문에 체계적인 분석을 밝혀야 한다고 주장하였다. 이러한 질문은 이러한 기본적인 유머를 알게 되는 방법과 기계학습이 도울 수 있는 방법에 대한 것이다.

현재 앤아버(Ann Arbor)에 있는 미시건대학교(University of Michigan)의 Dragomir Radev와 야후연구소(Yahoo Labs), 컬럼비아대학교(Columbia University)의 연구원들은 이러한 것에 대한 해결방법을 찾게 되었다. 그래서 그들은 만화와 관련된 캡션을 연구하고 있는 중이다.

그들은 매주 캡션이 달리지 않은 만화를 발행하여 독자들에게 자신들만의 캡션을 달도록 요청하였다. 편집자들은 최고의 세 가지를 선택하여 독자들이 가장 최고를 선택하도록 하였다.

그래서 그들은 방대한 캡션 데이터베이스를 만들게 되었다. 현재 Radev와 동료 연구원들은 2005년 이후로 50개의 만화를 위해 작성된 30만 개의 캡션에 대한 연구결과를 발표하였다.

이러한 방법은 간단한 것이다. 그들은 먼저 여러 가지 표준 언어적 기술을 사용하여 각 만화를 위한 캡션 셋을 분석하였다. 기준에는 긍정적이거나 부정적인 감정 수준을 포함하였다. 그리고 캡션이 사람을 중심으로 했는지, 얼마나 명확하게 만화에서 물체를 언급했는지 등을 포함하고 있다.

Radev와 동료 연구원들은 캡션을 연구하기 위해서 네트워크 이론을 사용하였다. 그들은 각 캡션에서 언급한 주제들을 목록화하였으며, 동일한 주제에서 언급했던 캡션과 연결시킴으로써 네트워크를 만들게 되었다. 이것은 중심성으로 알려진 가치를 네트워크의 가장 중요한 노드에서 찾기 위해서 표준 네트워크 분석 툴을 사용한 것이었다.

이러한 방법들은 캡션에 대한 순위를 만들게 되었다. Radev와 동료 연구원들은 가장 높은 순위를 나타낸 캡션을 가지고 독자들이 가장 재미있는 것으로 선택한 캡션들을 골드 스탠더드(gold standard)와 비교하게 되었다. 그들은 아마존 미케니컬 터크(Amazon’s Mechanical Turk)를 사용하여 크라우드 소싱되어진 의견을 사용하였다. 즉, 7명의 터커들에게 두 가지 캡션에서 더 재미있는 것을 선택하도록 하거나 동일한 순위를 주도록 요청하였다. Radev와 동료 연구원들은 이 연구결과가 재미있는 캡션에 대한 본질을 알려주는 몇 가지 식견을 제공해줄 수 있다고 말했다. “우리는 더 재미있는 캡션들을 계속 선택하는 방법이 부정적인 감정, 인간 중심 및 어휘적인 중심성이라는 것을 발견하게 되었다”고 그들이 말했다.

이것을 평가하기 어려운 매우 특이한 연구이다. 연구원들은 부정적인 감정이 재미있는 것과 관련이 있다는 것을 찾아내는 것은 어려운 연구가 아니라는 것을 인정하였다. 즉, 사람을 중심으로 한 것이 또한 유머의 예측된 특징이라는 것이다. 어휘의 중심에 대한 중요성은 명확한 것이 아니다.

이 연구에는 이러한 종류에 대한 문제점이 존재하고 있는 것이다. 이러한 종류의 연구에 대한 한 가지 목표는 각 주마다 수천 개의 캡션들이 경쟁을 통해서 선택된 최고의 캡션을 자동으로 선택할 수 있는 기계를 만들 수 있도록 하는 것이다. 그러나 연구팀은 이것을 성공하는 것이 아직 먼 일이라고 생각하고 있다. 어떤 자동화된 방법이 독자들이 선택한 캡션을 확실하게 선택할 수 있을까? Radev와 동료연구원들은 아마도 대답하지 않을 것이다.

더 큰 목표는 아마도 자동으로 만화를 위한 더 좋은 캡션을 작성하는 방법을 찾는 것이다. 이 연구에 대한 결론은 아마도 오랜 시간이 걸릴 것이다. 이 연구는 현재 기계학습 기술을 뛰어넘는 사람의 특징 중 하나에 대한 것이다. Radev와 동료 연구원들은 만화를 위한 말뭉치를 만들고 있으며, 다른 연구원들이 이용할 수 있는 캡션을 만들고 있는 중이다. 그래서 더 나은 생각을 할 수 있는 사람이 있다면, 그들과 함께 시도하려고 할 것이다.