Please select your location and preferred language where available.
Kioxia, ECCV 2022에서 대용량 스토리지를 활용한 Memory-Centric AI에 의한 이미지 분류 시스템 발표
- 2022년 11월 2일
- Kioxia Corporation
Tokyo - 메모리 솔루션 분야의 세계적인 선도 기업인 Kioxia Corporation은 대용량 스토리지를 활용하는 AI 기술인 Memory-Centric AI를 기반으로 하는 이미지 분류 시스템을 개발했습니다. 시스템은 외부 대용량 스토리지에 저장된 지식을 참조하는 신경망을 사용하여 이미지를 분류합니다. 이는 신경망의 주요 과제 중 하나인 "치명적인 망각"을 방지하고 현재 지식을 잃지 않고 지식을 추가하거나 업데이트할 수 있습니다. 이 기술은 10월 25일 Tel Aviv에서 열린 European Conference on Computer Vision 2022(ECCV 2022)의 구두 세션에서 발표되었으며, 이는 컴퓨터 비전 분야의 최고 컨퍼런스 중 하나입니다*1.
종래의 AI 기술에서, 신경망은 “가중치”이라는 매개변수를 업데이트함으로써 지식을 획득하도록 훈련되었습니다. 완전히 학습된 후에는 새로운 지식을 얻기 위해 신경망을 처음부터 다시 훈련하거나 새 데이터로 미세 조정해야 합니다. 전자는 엄청난 시간을 필요로 하고 상당한 에너지 비용을 소비하는 반면, 후자는 매개변수를 업데이트해야 하고 과거에 습득한 지식을 잃어버려 분류 정확도가 저하되는 치명적인 망각 문제에 직면합니다.
신경망 기반 이미지 분류 시스템의 비용 및 정확성 문제를 해결하기 위해 새로운 솔루션은 대용량 스토리지에 많은 양의 이미지 데이터, 라벨 및 이미지 기능 맵*2을 지식으로 저장합니다. 그런 다음 신경망은 저장된 지식을 참조하여 이미지를 분류합니다(그림 1). 이 방법을 사용하면 새로 획득한 이미지 레이블과 기능 맵을 저장된 데이터에 추가하여 지식을 추가하거나 업데이트할 수 있습니다. "치명적 망각"을 야기할 수 있는 가중치를 재교육하거나 업데이트할 필요가 없으므로, 이미지 분류를 보다 정확하게 유지할 수 있습니다.
또한, 신경망이 이미지를 분류할 때 스토리지에서 참조된 데이터를 사용함으로써, 분류 결과에 대한 근거를 시각화할 수 있으며, 이는 AI*3의 설명성을 개선하고 블랙박스 문제*4를 완화시켜 결과적으로 지식 소스의 선택적 수정을 가능하게 할 것으로 예상됩니다. 또한 참조된 데이터를 분석하여 참조 빈도에 따라 저장된 각 데이터의 기여도를 평가할 수 있습니다.
"‘메모리’와 함께 세상을 즐겁게"라는 사명에 따라, Kioxia는 Memory-Centric AI를 이미지 분류를 넘어 다른 영역으로 확장하고 대용량 스토리지를 활용한 AI 기술의 연구 개발을 촉진함으로써 AI 및 스토리지 기술 개발에 지속적으로 기여할 것입니다.
그림 1 - 대용량 스토리지를 활용한 이미지 분류
Memory-Centric AI 소개
- 소개 동영상: https://youtu.be/lw8XKhviGJc
- Memory-Centric AI, 파트 I: Kioxia의 최고 엔지니어들이 메모리에 기반을 둔AI를 개발하는 방법
https://brand.kioxia.com/en-jp/articles/article25.html - Memory-Centric AI, 파트 II: An Internet of Memories: Memory-Centric AI를 위한 브레인스토밍 사용
https://brand.kioxia.com/en-jp/articles/article26.html
ECCV 소개
ECCV(European Conference on Computer Vision)는 컴퓨터 비전 분야에서 최고의 컨퍼런스 중 하나입니다. 최근 몇 년 동안 ECCV는 이미지 분류, 물체 감지 및 딥 러닝을 사용하는 기타 기술을 포함한 AI 연구 논문을 발표하기 위한 주요 장소로 자리매김했습니다. 올해 구두 발표 합격률은 2.7%였습니다.
- 논문 제목: K. Nakata et. al., “Revisiting a kNN-based Image Classification System with High-capacity Storage”, European Conference on Computer Vision 2022 (ECCV 2022)
- 이미지 특징 맵: 신경망 연산을 통해 얻은 다차원(예: 1,024차원) 수치 데이터
- AI의 설명 가능성: AI가 예측한 결과의 근거와 이유를 인간이 해석할 수 있는 방식으로 설명할 수 있습니다.
- 블랙박스 문제: AI가 예측한 결과로 이어지는 과정을 인간이 해석할 수 없으므로 블랙박스 문제가 됩니다.
- 여기에서 언급된 다른 모든 회사 이름, 제품 및 서비스 이름은 해당 회사의 상표일 수 있습니다.
Information in this document, including product prices and specifications, content of services and contact information, is correct on the date of the announcement but is subject to change without prior notice.