기계 학습 및 인공지능은 제 4차 산업혁명의 핵심 기술이다. 하지만 프로그래밍 능력을 요구하는 기계 학습 플랫폼의 특성 상 일반 사용자들의 접근이 힘들기 때문에 인공지능이나 기계학습의 대중화는 제한을 받고 있다. 본 연구에서는 그래픽 사용자 인터페이스(Graphic User Interface, GUI)를 도입하여 이러한 한계를 극복하고 인공지능 활용에 대한 일반인의 접근성을 향상시키고자 하였다. 기본 기계 학습 플랫폼으로는 Tensorflow를 채택하였고 GUI는 마이크로 소프트 사의 .Net 환경을 활용하여 작성하였다. 새로운 사용자 인터페이스를 이용하면 일반 사용자도 파이썬 프로그래밍에 대한 부담없이 직관적으로 데이터를 관리하고, 알고리즘을 적용하고, 기계 학습을 실행할 수 있다. 우리는 이 개발이 다양한 분야에서의 인공지능 개발에 기초가 되는 자료로 활용되었으면 한다.
기계 학습 및 인공지능은 제 4차 산업혁명의 핵심 기술이다. 하지만 프로그래밍 능력을 요구하는 기계 학습 플랫폼의 특성 상 일반 사용자들의 접근이 힘들기 때문에 인공지능이나 기계학습의 대중화는 제한을 받고 있다. 본 연구에서는 그래픽 사용자 인터페이스(Graphic User Interface, GUI)를 도입하여 이러한 한계를 극복하고 인공지능 활용에 대한 일반인의 접근성을 향상시키고자 하였다. 기본 기계 학습 플랫폼으로는 Tensorflow를 채택하였고 GUI는 마이크로 소프트 사의 .Net 환경을 활용하여 작성하였다. 새로운 사용자 인터페이스를 이용하면 일반 사용자도 파이썬 프로그래밍에 대한 부담없이 직관적으로 데이터를 관리하고, 알고리즘을 적용하고, 기계 학습을 실행할 수 있다. 우리는 이 개발이 다양한 분야에서의 인공지능 개발에 기초가 되는 자료로 활용되었으면 한다.
Machine learning and artificial intelligence are core technologies for the 4th industrial revolution. However, it is difficult for the general public to get familiar with those technologies because most people lack programming ability. Thus, we developed a Graphic User Interface(GUI) to overcome thi...
Machine learning and artificial intelligence are core technologies for the 4th industrial revolution. However, it is difficult for the general public to get familiar with those technologies because most people lack programming ability. Thus, we developed a Graphic User Interface(GUI) to overcome this obstacle. We adopted TensorFlow and used .Net of Microsoft for the develop. With this new GUI, users can manage data, apply algorithms, and run machine learning without coding ability. We hope that this development will be used as a basis for developing artificial intelligence in various fields.
Machine learning and artificial intelligence are core technologies for the 4th industrial revolution. However, it is difficult for the general public to get familiar with those technologies because most people lack programming ability. Thus, we developed a Graphic User Interface(GUI) to overcome this obstacle. We adopted TensorFlow and used .Net of Microsoft for the develop. With this new GUI, users can manage data, apply algorithms, and run machine learning without coding ability. We hope that this development will be used as a basis for developing artificial intelligence in various fields.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 TensorFlow를 기반으로 한 새로운 GUI를 개발하고, 이를 통해 개발된 프로그램의 장점을 소개하였다. 그리고 일반 사용자들이 프로그래밍 코드를 직접 다루지 않고도 데이터를 입력, 편집하고 알고리즘 선택할 수 있어 오픈소스를 이용한 플랫폼 사용의 진입장벽을 낮추었다는데서 기존의 연구들과 차별성을 가진다.
본 연구는 Tensorflow를 이용할 수 있는 그래픽 사용자 환경을 제작하여 일반 사용자들이 쉽게 인공지능을 활용할 수 있도록 하기 위해서 수행되었다. 현재 많은 인공지능 관련 소프트웨어가 소개되고 있다.
본 연구는 사용자 요구도 분석을 통해 PC 기반 운영체제를 개발하고자 하였다. 그리고 PC 기반 프로그램에 필요한 환경을 정의하였다.
본 연구는 인공지능 오픈소스 TensorFlow UI 개발을 위하여 윈도우 환경에서 작동하는 프로그램 방식으로 진행되었다. 그리고 시스템 흐름도, 시스템 정의, UI 플랫폼설계, UI 알고리즘 설계 단계를 따랐다.
본 연구에서는 사용자들이 직접 기계학습을 수행하고 결과를 얻을 수 있는 플랫폼에 주목하여 이를 구현하기 위해 연구가 수행되었다. TensorFlow 플랫폼을 위한 그래픽 사용자 환경에 대한 선행 연구가 알려진 바가 없기 때문에 본 논문은 독창성을 가진다고 하겠다.
2016년 세계경제포럼의 주제는 “제 4차 산업혁명의 이해(Mastering the 4th Industrial Revolution)”였다. 여기서 제4차 산업혁명을 정보통신기술의 발달과 함께 디지털, 바이오 등의 각종 기술들의 융합을 통해 새로운 부가가치의 창출로 보았다[1]. 그리고 본 포럼에서 가장 중요한 10대 기술 중 하나로 “인공지능 생태계(open AI ecosystem)”을 선정하였다[2].
다시 말해 기본적인 프로그래밍 능력이 있어야만 인공지능의 활용할 수 있기 때문에 일반인들이 사용하기에는 진입장벽이 높은 것이다. 이러한 맥락에서 본 연구는 프로그래밍 능력을 필요로 하지 않는 일반 사용자들이 인공지능을 활용할 수 있는 프로그램을 개발하고자 한다. 즉 그래픽 사용자 환경(Graphic User Interface, GUI)를 제작을 통해 쉬운 마우스 조작만으로도 텐선플로우를 사용할 수 있게 하는 것이 본 연구의 목적이다.
키보드를 통한 명령어로 작업을 수행시키는 기존의 텍스트 사용자 인터페이스(Text-based User Interface, TUI)와 달리 마우스 등을 이용하여 화면의 메뉴 중 원하는 것을 선택하여 작업을 지시할 수 있다. 이러한 인터페이스의 목적은 사용자에게 사용의 편의성과 학습의 용이성, 작업의 정확성을 제공하는 것이다. GUI의 이러한 특성은 일반인의 인공지능이용의 한계를 극복하는 데 도움이 될 수 있다.
이러한 맥락에서 본 연구는 프로그래밍 능력을 필요로 하지 않는 일반 사용자들이 인공지능을 활용할 수 있는 프로그램을 개발하고자 한다. 즉 그래픽 사용자 환경(Graphic User Interface, GUI)를 제작을 통해 쉬운 마우스 조작만으로도 텐선플로우를 사용할 수 있게 하는 것이 본 연구의 목적이다.
제안 방법
그리고 PC 기반 프로그램에 필요한 환경을 정의하였다. 구체적으로는 운영 체제, 애플리케이션 환경, 프로그램의 플랫폼, 개발언어를 정의하였다. 이상의 내용은 Table 1과 같다.
또한 구글은 인공지능 플랫폼을 이용하여 이용자들의 기본 정보 및 일상생활의 행태를 수집한다. 그러면서 이용자들의 정보(사진, 위치, 건강 정보 등)와 일상생활행태를 수집한다. 특히, 구글 포토는 인공지능을 이용해 자동으로 사진을 분류해주고 구글 핏을 통해 건강 트래킹 시스템을 제공한다[4].
본 연구는 인공지능 오픈소스 TensorFlow UI 개발을 위하여 윈도우 환경에서 작동하는 프로그램 방식으로 진행되었다. 그리고 시스템 흐름도, 시스템 정의, UI 플랫폼설계, UI 알고리즘 설계 단계를 따랐다.
먼저 UI 시스템에서 마이크로소프트(Microsoft)사의 엑셀(Excel)과 같은 파일의 데이터를 받아 온다. 둘째, 데이터와 라벨의 지정하고, 셋째, 알고리즘 속성 값 지정하고, 넷째, 자료 및 속성의 검증을 한다. 끝으로 오류 검증을 통해 TensorFlow 프로그램밍 소스 언어로 변환 한다(Fig.
따라서 본 연구에서는 프로그래밍 능력이 필요하지 않은 인공지능의 구현을 위해 TensorFlow 그래픽 사용자 환경을 도입하였다. 개발된 GUI에서 사용자는 라디오버튼, 체크박스, 콤보 박스 등을 이용하여 인공지능의 구현에 필요한 옵션을 수행할 수 있다.
본 연구에서 작동 프로그램의 화면은 선형회귀분석(Linear Regression), 로지스틱 회귀분석(Logistic Regression), K-means, k-Nearest Neighbor(KNN), 다중회귀분석(Multiple Regression), Convolutional Neural Network(CNN) 등 총 6개의 알고리즘 화면으로 설계하였다. 먼저 주 화면에서는 사용자가 적절한 알고리즘을 선정하여 프로그램을 수행할 수 있다.
셋째, TensorFlow module은 작성된 Python 파일을 실행하는 역할을 한다. 이 파일은 TensorFlow와 matplotlib, numpy 등을 라이브러리로 불러와서 실제 기계학습을 수행한다. 이들 3개의 분리된 계층을 가지고 작성이 되었기 때문에 UI를 Winform에서 Window presentation foundation(WPF)을 이용하게 할 수 있다.
이들에 대해서 구체적으로 살펴보면, 첫째, GUI module은 그래픽 유저 인터페이스를 지칭하는 것으로 사용자가 직접 조작할 수 있는 윈도우 화면으로 설계되었다. 이 화면은 다수의 버튼과 콤보 박스, 라디오 버튼, 체크 버튼, 데이터 그리드를 가지고 있어서 사용자가 준비한 데이터 파일을 읽고 정보를 처리할 수 있는 상태이다.
대상 데이터
그리고 본 포럼에서 가장 중요한 10대 기술 중 하나로 “인공지능 생태계(open AI ecosystem)”을 선정하였다[2].
본 연구는 UI 플랫폼 설계에서 UI는 디자인 설계가 유연한 마이크로소프트사의 Visual Studio C# 을 활용하여 제작하였다.
이론/모형
한편 만들어진 Python 파일은 UI에서 바로 실행을 할 수 있다. 실행시킨 파일은 TensorFlow 모듈을 이용하여 실행된다. 이는 Fig.
성능/효과
따라서 본 연구에서는 프로그래밍 능력이 필요하지 않은 인공지능의 구현을 위해 TensorFlow 그래픽 사용자 환경을 도입하였다. 개발된 GUI에서 사용자는 라디오버튼, 체크박스, 콤보 박스 등을 이용하여 인공지능의 구현에 필요한 옵션을 수행할 수 있다. 또한 학습자는 보다 편리하게 TensorFlow를 학습하고 교수자(Instructor)는 편리하게 교육을 제공할 수 있다.
셋째, TensorFlow module은 작성된 Python 파일을 실행하는 역할을 한다. 이 파일은 TensorFlow와 matplotlib, numpy 등을 라이브러리로 불러와서 실제 기계학습을 수행한다.
후속연구
연구의 한계점으로 첫째, 기계 학습을 이용한 응용 분야에 따라서 필요한 프로그래밍이 모두 다른데 이런 부분은 고려하지 않고 단순히 GUI만 제공하고 있다. 둘째, 본 연구에서 제시하는 결과는 다양한 분야에서 인공지능 개발에 핵심적인 역할을 하기 보다는 인공지능 개발에 초석이 되는 자료로만 활용할 수 있다고 하겠다.
연구의 한계점으로 첫째, 기계 학습을 이용한 응용 분야에 따라서 필요한 프로그래밍이 모두 다른데 이런 부분은 고려하지 않고 단순히 GUI만 제공하고 있다. 둘째, 본 연구에서 제시하는 결과는 다양한 분야에서 인공지능 개발에 핵심적인 역할을 하기 보다는 인공지능 개발에 초석이 되는 자료로만 활용할 수 있다고 하겠다.
질의응답
핵심어
질문
논문에서 추출한 답변
인공지능의 기계학습을 기반한 소프트웨어가 일반인에게 보편화 되지 못하는 사유가 무엇인가?
하지만 이 같은 인공지능은 다양한분야에서 활용되고 적용될 수 있음에도 불구하고, 프로그램의 사용이 어렵기 때문에 일반인에게는 보편화되지 못하는 실정이다. 다시 말해 기본적인 프로그래밍 능력이 있어야만 인공지능의 활용할 수 있기 때문에 일반인들이 사용하기에는 진입장벽이 높은 것이다. 이러한 맥락에서 본 연구는 프로그래밍 능력을 필요로 하지 않는일반 사용자들이 인공지능을 활용할 수 있는 프로그램을 개발하고자 한다.
기계학습이란 무엇인가?
인공지능의 한 분야로서 기계학습(Machine Learning)이 있다. 이는 1959년 아서 사무엘이 “컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야” 라고 정의했다[6]. 기계학습은 유전체 연구에서도 많은역할을 하고 있는데, RNA splicing이 일어나는 위치나 프로모터(promoter)의 위치, 유전체 증강인자(enhancer)의 위치를 찾는데 활용이 되고 있다[7-9].
2016년 세계경제포럼에서 제4차 산업혁명을 무엇으로 보았는가?
2016년 세계경제포럼의 주제는 “제 4차 산업혁명의 이해(Mastering the 4th Industrial Revolution)” 였다. 여기서 제4차 산업혁명을 정보통신기술의 발달과 함께 디지털, 바이오 등의 각종 기술들의 융합을 통해 새로운 부가가치의 창출로 보았다[1]. 그리고 본 포럼에서 가장 중요한 10대 기술 중 하나로 “인공지능 생태계(open AI ecosystem)”을 선정하였다[2].
참고문헌 (16)
J. W. Kim, B. K. Park, Y. W. Noh & S. H. Lim (2016). 2016 Dabos Report; 4th industrial revolution spurred by artificial intelligence. Seoul : Maeil Business Newspaper.
O. Cann. (2016). These are the top 10 emerging technologies of 2016. World economic forum. https://www.weforum.org/agenda/2016/06/top-10-emerging-technologies-2016. accessed on 23 January 2018.
H. S. Cho. (2016). Artificial Intelligence Plantform Trend. Software Policy Research Center.
D. J. Kim, H. Y. Kwon & J. I. Im. (2017). Measures to minimize the side effects of the increased use of Artificial Intelligence Robo-Advisor. Joornal of the Korea Convergence Society, 8(10), 67-73.
P. Bucher. (1990). Weight matrix descriptions of four eukaryotic RNA polymerase II promoter elements derived from 502 unrelated promoter sequences. Journal of molecular biology, 212(4), 563-578.
N. D. Heintzman et al. (2007). Distinct and predictive chromatin signatures of transcriptional promoters and enhancers in the human genome. Nature genetics, 39(3), 311-318.
B. K. Choi et al. (2017). Tensorflow Programming Basics. Seoul: Cheong-Gu cultual conpany.
M. Abadi, P. Barham, J. Chen, Z. Chen, A. Davis, J. Dean, & M. Kudlur (2016). TensorFlow: A System for Large-Scale Machine Learning. In OSDI. 16, 265-283.
Tom M. Mitchel.l (1997). Machine Learning, McGraw-Hill Science.
J. H. Ku. (2018). A study on Adaptive Learning Model for P erformance Improvement of Stream Analytics. Journal of Convergence for Information Technology, 8(1), 201-206.
L. Rampasek & A. Goldenber. (2016). Tensorflow: Biology's gateway to deep learning?, Cell systems, 2(1), 12-14.
IBM. (2017). Watson for Oncology. https://www.ibm.com/watson/health/oncology-and-genomics/oncology/, accessed on 15 September 2017.
J. O. Park & D. H. Choi. (2015). Security tendency analysis techniques through machine learning algorithms applications in big da\ta environments. Journal of Digital Convergence, 13(9), 269-276.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.