이번 서밋은 18일부터 19일까지 양일간 진행되었지만 여건 상 하루밖에 참석할 수 없다보니 개인적으로 더 관심이 가는 분야인 인공지능 주제를 다루는 19일에 참석했습니다.
미리 사전 등록할 때 사진을 제출했더니 인공지능 등록대에서 바로 인식이 되어 몇 초만에 등록이 가능했습니다.
사진을 1장만 제출했을 뿐인데 생각보다 빠르게 인식이 잘 되서 놀랐지만, AWS Summit에 사전 등록한 사람들만 대상으로 하는 것이니 충분히 가능한 일이라는 생각이 들었습니다.
19일은 기조연설부터 아마존의 인공지능 총책임자가 진행했을만큼 메인 주제가 인공지능이었습니다. 메인 세션이 진행되는 B1홀에서 인공 지능 세션을 들을 수 있었는데요, 각 연설은 아래와 같습니다.
09:00 - 09:40
AWS와 Alexa 음성 인식 플랫폼을 통한 비즈니스 기회 윤석찬 테크 에반젤리스트, AWS
아마존 에코를 비롯한 알렉사 지원 기기를 위한 인공 지능 음성 비서 플랫폼인 Alexa Voice Service, Alexa
Skill Kit 등을 제공하고 있습니다. 본 세션에서는 AWS Lambda 등의 서비스와 연동하는 방법과 음성 기반 게임 개발
등 비즈니스 사례 및 이번 re:Invent에서 소개된 Alexa for Business 신규 서비스를 통해 음성 기반 서비스의
현황과 미래에 대해 살펴 봅니다.
09:40 - 10:00
휴식 시간
10:00 - 11:30
기조 연설 Swami Sivasubramanian, AWS 인공지능 총 책임자
11:30 - 12:30
점심 시간
12:30 - 13:10
AWS 기반 인공 지능 비디오 분석 서비스 소개 Ranju Das, GM of Amazon Rekognition, AWS
Amazon Rekognition을 이용한 이미지 분석 서비스에 이어 Amazon Rekognition Video는 실시간 및
저장된 동영상에서 객체 추출과 정보를 분석하여 서비스에 바로 적용이 가능합니다. 단순 객체 정보 외에 환경에 대한 정보와 개인
트래킹 정보를 제공하며 새로운 비디오 분석 서비스를 소개합니다.
13:10 - 13:30
휴식 시간
13:30 - 14:10
AWS의 새로운 언어, 음성, 텍스트 처리 인공지능 서비스 Vikram Anbazhagan, Sr. Mgr., Product Management , Lex
AWS에서 새롭게 발표한 음성, 언어 처리를 위한 서비스를 소개합니다. Amazon Transcribe는 다양한 음성 파일에서
높은 정확성의 텍스트를 추출하며 API통해 쉽게 서비스에 연동합니다. Amazon Translate는 자동 언어 감지를 통한
실시간 번역 서비스로 다양한 언어를 지원합니다. Amazon Comprehend 서비스는 텍스트에서 자연어 처리를 통해 핵심
문장, 주요 단어, 감정 등을 추출해 서비스에 연동할 수 있습니다.
14:10 - 14:30
휴식 시간
14:30 - 15:00
AWS의 새로운 통합 딥러닝 서비스, Amazon SageMaker Sunil Mallya, Deep Learning Solutions Architect, AWS
기계 학습 모델을 만들기 위한 여러 단계의 과정을 구성하는 시간을 줄이기 위해 출시된. Amazon Sagemaker는 쉽고
빠르게 머신 러닝 모델을 만들어 학습시키고 배포하는 통합 서비스입니다. 본 세션에서는 바로 Notebook 환경에서 모델을
구현하고 Docker container를 통해 학습하며, API Endpoint를 배포하는 새로운 서비스 Sagemaker를
소개합니다.
15:00 - 15:20
휴식 시간
15:20 - 15:50
AWS DeepLens와 컴퓨터 비전 딥러닝 어플리케이션 활용 Sunil Mallya, Deep Learning Solutions Architect, AWS
세계 최초로 딥러닝이 가능한 비디오 카메라 툴킷인 AWS DeepLens와 Amazon SageMaker 및 AWS
Greengrass 서비스를 이용해서 딥러닝 기반의 컴퓨터 비전 어플리케이션을 쉽고 빠르게 개발하고 배포하는 방법을 소개합니다.
다양한 분야에서 좋은 성능을 보여주는 기계 학습의 종류인 딥 러닝에 대한 기본적인 개념과 이미지 분석에 많이 적용되는
Convolutional Neural Network(CNN)을 소개하고, 이를 구현하기 위해 딥러닝 프레임워크인 Apache
MXNet에 대한 소개와 기본 사용법을 익혀보고, Fashion MNIST 데이터를 분류하는 CNN 모델을 SageMaker로
구현하는 방법을 설명합니다.
16:50 - 17:10
휴식 시간
17:10 - 17:50
눈으로 보는 AWS 기반 인공지능 서비스 아키텍처 활용 데모 Olivier Klein, Head of Emerging Technologies, AWS 아시아태평양
비즈니스 현장에서 나오는 다양한 문제를 인공 지능 및 기계 학습으로 풀 수 있는지 살펴보기 위해 AWS가 제공하는 다양한 기계
학습 서비스와 기존의 클라우드 서비스를 연계하여, 다양한 데모를 통해 알아봅니다. 현장에서 진행되는 데모 세션을 통해 클라우드와
인공 지능 기술의 미래에 대해 알아볼 수 있습니다.
17:50 - 18:00
폐회 및 경품추첨
처음 세션은 아마존의 대표적인 인공지능 서비스라고 할 수 있는 Alexa(알렉사)에 관한 내용이었습니다.
아마존 에코로 대중화가 된 인공지능 스피커죠. Amazon Alexa로 인해 인공지능 스피커 시장이 열렸다고 해도 과언이 아닙니다.
인식율도 굉장히 뛰어나고 아마존 온라인몰 등 연계되는 서비스들이 늘어나면서 기존의 터치 스크린 기반의 사용자 UI를 음성 기반으로 빠르게 대체하고 있습니다.
개인적으로 집에서 카카오 미니 스피커와 라인 스피커(샐리)를 모두 사용중인데 아직까지 아마존 에코를 따라가기는 멀은 것 같습니다.
이어서 이미지 및 동영상을 분석할 수 있는 AWS Rekognition 서비스와 언어, 음성, 텍스트기반의 인공지능 서비스를 제공하는 AWS Transcribe, AWS Translate, AWS Comprehend 서비스에 대한 세션이 이어졌습니다.
인공지능에 대한 전문적인 지식이 없더라도 AWS에서 제공하는 서비스들을 이용하면 인공지능 서비스를 개발할 수 있습니다.
관련 장비를 별도로 구매할 필요도 없습니다. Cloud에 다 있으니까요.
예전에는 기반기술과 요소기술 연구에 많은 비용과 시간을 투자해야 되었다면, 이제는 AWS같은 플랫폼을 이용하여 서비스를 쉽게 런칭할 수 있으니 좀 더 비즈니스 로직과 컨텐츠에 집중할 수 있게 된 것 같습니다.
이어진 세션은 AWS SageMaker에 대한 내용이었는데, 딥러닝 학습을 이용한 서비스를 효과적으로 관리할 수 있는 통합 관리툴의 성격이 강했습니다.
준비된 데이터를 학습하고, 학습된 데이터로 서비스를 하고, 서비스를 하면서 수집된 데이터를 다시 반영하는 전반적인 순환 구조를 좀 더 쉽게 관리할 수 있게 만들어줍니다.
Apache MXNet, Gluon 세션에서는 딥러닝 프레임워크에 대해 다뤘는데, 둘 다 제가 아직 다뤄보지 않은 프레임워크였습니다. (점유율로 봤을 때 아직 많은 사람들이 이용하는 것 같지는 않더군요)
성능과 편의성 측면에서 기존 Tensorflow나 Caffe2, Pytorch 등과 비교해서 개선되었다고 하니 한번 검토해봐야겠습니다.
AWS Expo 에서는 등급별로 스폰서 업체들의 부스들을 돌아 볼 수 있었습니다. 등급별 2개의 Stamp를 받으면 기념품도 챙겨주더군요. (AWS 티셔츠)
주로 AWS 에서 비즈니스를 할 수 있도록 컨설팅을 해주는 업체들이 많았던 것 같습니다.
대부분의 사람들이 증점품 사냥을 하기 바빠서 차분하게 서비스에 대해 설명을 들을 수 있는 분위기는 아니었습니다.
저도 LG 모니터나 다이슨 청소기 등을 응모해봤지만 역시나 예상대로 꽝이었습니다 (이런 거 당첨 되본 역사가 없어요ㅠㅠ)
우리 회사 부스도 있어서 잠깐 구경해봤습니다 ㅎㅎ (뭔가를 나눠줬던 것 같은데 이미 품절되었더군요)
전체적으로 세션도 만족스러웠고 관심있는 분야에 대한 인사이트를 키울 수 있는 기회가 되었던 것 같습니다. 부가적으로 여러가지 기념품들을 받을 수 있어서 내년 서밋도 기대가 되는군요!
