AI를 사용하여 모바일 네트워크를 최적화하는 방법을 연구한다고 들었습니다. 로데슈바르즈에 적합한 AI 적용법의 특별한 점이 있다면 무엇일까요?
로데슈바르즈의 머신 러닝 방법은 모바일 네트워크의 "유도된 최적화"를 목표로 합니다. 테스트 데이터의 시간적 차원을 고려하여 KPI의 갑작스러운 단절 또는 네트워크 성능에 영향을 미치는 사소한 문제 등 네트워크상에서 발생하는 이상 행동을 발견합니다. 다른 표준 통계 방법을 사용했을 때는 이러한 문제점들을 감지하기가 매우 어렵습니다. 그뿐만 아니라 로데슈바르즈에서 사용 중인 방법은 여러 네트워크 환경에서 실행되는 수십만 건의 테스트를 검사하는 학습 과정을 통해 테스트 점수를 산출하고, 이를 기반으로 다른 모바일 네트워크 사업자를 벤치마킹하는 데도 도움이 됩니다. 머신 러닝을 통해 산출한 점수는 기존의 네트워크 환경을 기준으로 테스트 성능을 측정하며, 고유한 방식으로서 테스트 결과를 비교할 수 있는 새로운 방법을 제공합니다.
휴먼 분석과 비교할 때 AI를 사용하는 장점은 무엇인가요?
가장 큰 장점은 바로 비용입니다. 휴먼 분석으로 테스트 점수를 계산하거나 네트워크의 이상 현상을 감지하는 규칙을 도출하려면 수천 시간 이상의 모바일 테스트 데이터를 확인해야 하는데, 바로 이 과정을 절약할 수 있습니다.머신 러닝을 사용하면 이러한 규칙이 데이터에서 자동으로 학습됩니다. 휴먼 분석은 이렇게 확인된 테스트 결과를 바탕으로 추가 분석과 적절한 해결책을 찾는 데 집중할 수 있습니다.
경력과 관련된 질문을 드리고자 합니다. AI 분야에 처음 몸담게 된 계기는 무엇이었나요?
몇 년 전 기존의 소프트웨어로는 절대 할 수 없는 일들을 AI 기반 애플리케이션이 해내는 모습을 보았습니다. 이를 목격하면서 AI에 대해 알지 못한다면 소프트웨어 엔지니어로서 경쟁력을 잃게 될 것이라는 생각하게 되었습니다. 유다시티(Udacity)의 나노디그리 과정에 등록하여 딥 러닝 하계 과정에 참석하였고, 인공지능을 활용한 음악 관련 연구로 박사 과정을 시작했습니다.
AI에서 가장 매력적인 부분은 무엇인가요?
저는 AI의 하위 분야인 딥 러닝에 특히 많은 관심이 있습니다. 딥 러닝을 활용하면 이전에는 생각할 수 없었던 소프트웨어 애플리케이션을 만들 수 있습니다. 또한 딥 러닝은 소프트웨어가 달성할 수 있는 자동화 수준에 있어 큰 도약으로 간주되기도 합니다. 소프트웨어와 데이터가 모든 곳에 존재하기 때문에 딥 러닝은 우리 경제의 모든 부문을 바꿀 수 있는 잠재력을 가지고 있습니다.
아이디어를 현실로 바꿀 수 있는 자유를 직원에게 제공하자는 것이 로데슈바르즈의 기업 철학입니다. 개인적으로 로데슈바르즈에서 가장 좋아하는 부분은 무엇일까요?
저는 직원을 향한 신뢰를 보여주고 그러한 결과로 건전한 근무 환경이 조성되는 로데슈바르즈 기업 문화를 열렬히 지지합니다. 특히 업무 집중도를 높여주는 재택근무 제도와 최신 기술을 습득할 수 있는 기회를 높이 평가하고 있습니다.
마지막으로 AI 방법을 직접 개발하고자 하는 사람들에게 조언을 부탁드립니다. 어떤 기술을 갖춰야 할까요?
신뢰할 수 있으면서 유용한 AI 애플리케이션을 구축하기 위해서는 딥 러닝을 통해 처리할 수 있는 분야와 처리할 수 없는 분야를 숙지해야 합니다.
유익한 정보와 함께 인터뷰에 응해주셔서 정말 감사드립니다!