전이학습을 사용해 웹캠에서 나오는 영상을 보고 가위, 바위, 보를 판별해 출력하는 프로그램입니다.

컴퓨터와 가위바위보 대결 또한 가능하며, 사용 플랫폼은 Google Colab이고 사용언어는 Python이다. 분류기를 만들어 내기 위해서는 데이터셋이 필요하며, 비교적 많은 수의 가위 이미지, 바위 이미지, 보 이미지가 필요하다. 가위, 바위, 보 세 가지를 분류하기 위해 3개의 뉴런을 갖도록 설정해 주고, 가위, 바위, 보 이미지들과 그에 맞는 레이블로 모델을 훈련 시켜 사람과 컴퓨터 간 가위바위보 게임 또한 실행 가능한 프로그램이다.

몇 년 전, ‘알파고(Alphago)’라는 이름이 전 세계에 이름을 알렸다. AI에 관심이 없다 할지라도 우리에게 너무나 친숙한 이름의 ‘알파고’는 이세돌 9단과의 경기로 우리에게 AI에 대한 무궁한 가능성을 보여주었다. 더하여 기존 알파고와의 경기에서 100전 100승을 거두었다는 더 뛰어난 인공지능 ‘알파고 제로’의 등장은 더한 파급력을 보여주었다. 기존의 알파고는 많은양의 프로 기사들의 바둑 기보 데이터를 학습해 바둑을 익힌 인공지능이지만, 알파고 제로는 기보 데이터 없이도 바둑을 익힌 인공지능으로, 인간의 지식을 얻지 않고도, 뛰어난 인공지능을 만들 수 있음을 보여주었다. 이러한 알파고 제로의 훈련 방식을 강화 학습(Reinforcement Learning)이라고 한다. 강화 학습을 통해 바둑을 학슴해 상대방을 이기는 경우 보상(승리)을 받으므로 인공지능은 바둑을 이기기 위해 반복 학습해 스스로를 강화시킨다. 인간의 데이터 없이 백지 상태에서 인공지능이 학습할 수 있다는 것은 엄청난 잠재 가능성을 보여준다. 그러나 현 시점의 강화 학습은 보상이 확실한 게임과 같은 분야에서는 강화 학습이 강력한 솔루션이지만, 그렇지 않은 분야에서는 강화 학습을 적용하기 어렵기 때문이다. 이러한 문제점을 풀기 위해 최근 데이터가 부족한 분야에서 두각을 드러내고 있는 방법이 바로 ‘전이 학습(Transfer Learning)’이다.[2]

전이 학습은 방대한 양의 데이터로 이미 학습된 인공지능과 유사하지만 다른 분야에 적용하는 방법이다. 현재 자연어 처리, 컴퓨터 비전 등과 같이 다양한 인공지능 분야에서 최고 성능을 얻으며 주류로 떠오르고 있다. 이의 특성은 마치 특정 분야의 지식에 능통한 사람이 비슷한 분야에도 빠르게 적응할 수 있는 특성과 닮아 있다. 실제 요리사는 새로운 요리도 빠르게 익힐 수 있고, 이미 특정 프로그래밍 언어에 익숙한 개발자는 다른 프로그래밍 언어도 빠르게 학습하고 사용할 수 있는 것과 닮았다. 우리는 그러한 전이학습을 주제로 연구하고, 프로그래밍 하는 것을 통해 직접 딥러닝을 몸소 체험해보기로 결정했다.

3. 과제 선택 동기 전이학습은 자율주행, 게임, 뇌파연구, 의료영상, 스팸필터링 등 다양한 곳에 활용될 수 있습니다. 그렇기에 전이학습을 활용해 간단한 프로그램을 만들어보면서 미래에 전이학습을 활용한 프로그램에 대한 이해도를 높이고 직접 개발할 수 있는 능력을 길러보기 위함이다.

전이 학습을 통한 가위, 바위, 보를 하게 되면 빠른 데이터 처리가 필요하다. 빠른 데이터 처리를 하면서도 정확한 처리도 해야 한다. 그러기 위해서는 다양한 데이터를 최대한 많이 학습시켜야 한다. 또한 추후 다른 데이터들을 학습시켜서 여러 방면에서 활용될 수 있는 분류기를 만드는 것이 우리의 잠재적 목표이다.

전이학습이란 이미지넷과 같이 아주 큰 데이터셋에 훈련된 모델의 가중치를 가지고 와서 우리가 해결하고자 하는 과제에 맞게 재보정해서 사용하는 것을 의미한다. 결과적으로 비교적 적은 수의 데이터를 가지고도 우리가 원하는 과제를 해결할 수 있다. 전이학습을 활용해 가위, 바위, 보를 분류할 수 있는 분류기를 만들었다. 데이터셋으로 다양한 가위, 바위, 보의 이미지가 필요하다. 가위, 바위, 보 세 가지를 분류하기 위해 3개의 뉴런을 갖도록 설정해 주고, 이미지에 맞는 레이블로 모델을 훈련시킨다. 가위, 바위, 보 이미지들을 불러온 후에 이미지들을 한번 섞어주어야한다. 모델의 가중치를 측정하기위함이다.[1]

Youtube Link

컴퓨터와 가위, 바위, 보를 통해 게임 안에서 내기를 할수도 있으며, 그에 대한 보상을 받을 수도 있습니다. 또한 앞으로 AI시대 및 메타버스가 활성화 될 가능성이 농후해 지면서 온라인으로서의 사람들간의 여러 놀이를 하는데 있어 전이학습으로 빠르게 판단하여 현실에서 하듯이 게임을 할 수 있게 만들 수 있습니다..

1. 학습 데이터 생성
2. 모델 학습
3. 모델 테스트
4. 가위바위보 게임 구현
5. 동영상 제작
6. 보고서 작성
7. 발표자료 PPT, 리플릿 제작

• 모델 생성 사이트
• 모델 생성 유튜브
• 전이학습 설명 LG CNS