얼굴인식 연구실에서 석사 중에 고민이 많습니다.

오랜만에 kldp에 들어왔는데 재미있는 질문이 있어서 답변을 달아봅니다.

위의 두분께서는 조금 어렵다고 말씀하신 것 같은데 제 생각은 조금 다릅니다.
옛말에 이런말이 있습니다. '모든 길은 연결되어있다.'
이 말뜻을 가만히 생각해보면 전혀 연관관계가 없을 것 같은 일들도 어떻게든 연관이
되어있다는 뜻이 아닐까합니다.

제가 인공지능에 대한 것은 잘 모르지만 예전 잠시 비슷한 주제의 프로그램을 해봤던
기억으로는 인간세상 모든 일들이 전부 연관이 있다는 것입니다.
페르마의 마지막 정리를 해결한 앤드류 와일즈라는 사람이 사용한 수학공식(모듈러)은 제가
볼 때는 증명에 사용하기에는 터무니 없어보였습니다. 하지만 와일즈는 그 공식을 이용해서
페라마의 마지막 정리를 증명하였고 많은 수학자들이 몇 개월의 연구끝에 인정을 했습니다.
연관성이 전혀 없어보이는 두가지가 있을 때 두가지 모두 아는 사람이 보면 연관관계를 만들
수 있을 거라는 생각입니다.

현재 한가지 연구 분야를 선택해서 공부하신다면 그 공부를 마무리 지어보시는게 중요합니다.
시작만해놓고 아닌것 같다는 생각보다는 이왕시작했으니 마무리 지어보자는 마음가짐이
중요하다고 말하고 싶습니다.

마지막으로 인식분야를 자동화시키고 보편화시키는것도 인공지능의 한분야가 아닐까 생각합니다.
어찌보면 인식은 인공지능중에서 기본중의 기본이 아닐까 생각됩니다.

얼굴을 정확히 구별하는것 부터 시작해서...
어떤 표정인지 구별하는 연구라던가,
나이, 피로도 등등의 상태를 추정해본다던가,
이걸 실시간 촬영 영상에서 상태변화로 (눈알 돌아가는거, 식은땀, 입가의 떨림...) 측정해서 좀더 심리적으로 정확한(?) 데이터를 추출한다던가...
입모양을 감지해서 독순술 알고리즘을 만든다던가...

연구실을 바꾼다는게 회의감에 대한 만족을 주긴 어려울 것 같아요

인공지능을 공부하는 많은 사람들의 시작이 글쓴이와 같지않을까 생각합니다.

추구하는바를 연구실내에서 실현하는게 어려울진 몰라도, 한학기로 회의감을 가지기보다는 더 적극적으로 적응해보는것을 추천합니다.

생각하고 학습하는 기계라는 것인 지능로봇의 최종 종착점이긴 합니다만...

대부분의 인공지능을 하는 연구하는 연구실들을 보면....
영상처리를 하여 거기서 의미를 찾아 내거나...
액션처리를 하여 거기서 의미르 찾아 내거나...
아니면 이종간의 의미에서 또 다른 의미를 찾아 내는 것들을 하죠.

그런데 이런것들을 하려면 모델링도 모델링이지만...
필터링 기술이 좋아야 합니다.

인식 자체가 안되는데 이를 바탕으로 하는 계획을 어떻게 할 것인가가 될리가 없죠.

대부분 지능로봇 연구를 보면...

인식 자체, 계획 자체, 동작 자체만을 다룹니다.
즉 인식하는 사람은 계획이나 동작은 당연히 되는거 아냐?
계획을 하는 분들은 인식이나 동작은 당영히 되는거 아냐?
동작을 하시는 분들은 인식이나 계획은 당연히 되는거 아냐?
이럽니다.

제가 있던 되는 이걸 전부 다 다루는 곳이라서...
볼수 있엇는데...
맨날 각 분야 연구하는 사람들은 그게 중요한게 아니지하면서...
자기가 연구하는게 더 중요하다고 주장하죠.(뭐 당연한 것이지만요)

아무튼 근데 재미있는건...
이 분야 전부 이론적으로 쓰는 수식들은 비슷비슷 하다는 것입니다.

그러다 보니 서로 연구발표를 보면서 다른 사람 세미나를 참고하기도 하고요.
대표적으로 pca나 lda를 언급하셨는데요.
이게 인식분야에만 쓰이는 것이 아니라 계획이나 동작에도 쓰입니다.

제 동기가 기계학습쪽 연구를 할 때 PCA사용했습니다.
그런데 또 재미있는 것은 이걸 이미지 프로세싱하는 후배도 사용하고...
메뉴플레이터 제어하는 동기도 사용했다는 거죠.

지금 공부하시는 것이 머신런닝의 기본이라고 봅니다.
나중에 가서는 칼만이며 번들이며 HMM이며 다양하게 사용하실텐데...
이 모든게 어느 한쪽에서만 사용하는게 아니라...

지능로봇 전반에 걸쳐서 거의 솔루션처럼 사용되고 있는것 같습니다.

그러니 지금 석사시면 영상처리, 아니 얼굴인식 자체를 일단 열심히 잘 하시는 것이 중요하다고 봅니다.
그걸 바탕으로 나중에 플레닝쪽으로 넘어 가신다고 하더라도(제가 보기엔 하고 싶으신게 플레닝에 가깝다고 봅니다만)...
지금 공부하신게 도움이 되리라 생각됩니다.

그런데 정 아니다 싶으시면 교수님과 대화를 해서 연구 주제를 바꾸시던지...
아니면 지금 교수님께 말씀 드리고 연구실 옮기는 것이 좋을 것 같습니다.

하지만 제가 보기엔 지금 공부하시는 것이 나중에 학습하는 쪽으로 간다고 해도 전부 쓸모없는 지식은 아니라고 봅니다.

덧. 생각해보니 영상처리 자체가 사실상 학습을 가미하고 있군요;;;
(영상처리 자체가 워낙에 넓다 보니...
아무튼 대표적으로 표정인식이나 얼굴인식 같은 경우는 학습이 없으면 불가능 한 것으로 알고 있습니다..
지금 쓰시는 PCA나 LDA도 학습을 위한 도구일 뿐이죠.)

인공지능하는 지인들 말로는 AI는 시작과 끝은 패턴인식이다.뭐 이러더군요.
패턴인식이 AI의 전부인 줄은 모르겠지만, 대부분은 인공지능 관련 연구실에서는
패턴인식을 참 많이 하더군요. 아마 다른 관련 연구실들도 상황은 비슷하지 않을까 하네요.