기술 대기업 구글의 딥러닝 인공 지능(AI) 연구 프로젝트인 구글 브레인(Google Brain)의 연구진이 스스로 다른 AI를 만들어낼 수 있는 AI인 오토ML(AutoML)을 만들었다. 연구진은 최근 오토ML의 자식인 나스넷(NASNet)이라는 AI를 만들어 오토ML을 향상시켰다.

나스넷은 객체 감지 및 이미지 분류와 같은 다른 응용 프로그램에서 유용하게 사용될 수 있다. 보강 학습을 사용해 AI 모델을 자동화할 수 있다. 오토ML은 특정 작업에 대해 하위 AI 네트워크를 개발하는 컨트롤러 신경 네트워크 역할을 한다.

나스넷의 임무는 인물, 신호등, 자동차, 배낭, 핸드백 등을 포함한 물체를 실시간 비디오를 통해 인식하는 것이다.

일단 나스넷이 객체를 탐지하면 오토ML에 이를 평가하고 그 데이터를 사용해 자식 AI를 더욱 향상시킨다. 이런 프로세스가 계속해서 반복된다.

연구진은 나스넷이 다른 컴퓨터 비전 시스템보다 성능이 뛰어나다고 주장한다. 이들은 컴퓨터 비전 분야에서 가장 존경받는 두 가지 학술 데이터 세트인 COCO 객체 탐지 ​​및 이미지넷(ImageNet) 이미지 분류에서 자식 AI를 이미 테스트했다.

구글 브레인의 연구진에 따르면 나스넷은 이미지넷에 의해 설정된 검증 세트에 대해 82.7의 정확한 예측 결과를 보였다. 이미지넷에 게시된 결과와 비교할 때 자식 AI가 더 뛰어나고 효율적이다.