인터뷰x하커야 AI Lab ML

Hi! AI Lab!
하이퍼커넥트®가 중요하게 생각하는 7가지 일하는 방식 중에는 ‘Proactive(적극적인, 주도적인)’가 있습니다. 누군가의 지시에 따라 해야만 하는 일을 수동적으로 하는 것이 아니라 자신이 해야 할 일과 역할을 스스로 찾고 정의하며 능동적으로 일한다는 것인데요. 특히 AI Lab은 하이퍼커넥트®의 Proactive를 가장 잘 실천하고 있는 조직 중 하나로 손꼽히고 있습니다.

글로벌 시장을 주도할 뛰어난 기술력으로 하이퍼커넥트®의 2021년을 더 빛내줄 AI Lab. ML Platform팀에 이어 오늘은 ML팀 Buru, Justin, Zerry를 만나봤습니다!

• 본 인터뷰는 안전을 위해 비대면으로 진행되었으며 방역방침을 준수하여 제작했습니다.

Hi, Hyperconnectors!
(Justin) 안녕하세요. 저는 2018년부터 ML팀에서 근무하고 있는 Justin입니다. 하이퍼커넥트®에서 머신러닝(ML)기술을 필요로 하는 각 프로젝트에 맞게 다양한 업무를 해왔는데요. 최근에는 AI휴먼 프로젝트에 집중하고 있습니다.
(Zerry) 안녕하세요, ML팀 Machine Learning Engineer(MLE) Zerry 입니다. 저는 석사 과정을 마치고 입사해 Slide, 자회사 무브패스트컴퍼니의 Hakuna Live에 들어가는 ML기술을 개발하고 있어요.
(Buru) 저는 ML팀 Machine Learning Research Scientist(MLRS) Buru입니다. AI Lab의 연구 결과를 논문 형태로 예쁘게 포장해서 발표하는 역할을 맡고 있습니다.

Q.ML팀이 하는 일?
(Justin) AI Lab은 하이퍼커넥트®의 서비스에 직접적으로 기여할 수 있는 ML기술을 개발하고 운영하는 것을 목표로 하는 조직입니다. 그 중에서도 ML팀은 하이퍼커넥트®의 서비스를 사용하는 유저들의 경험을 기술을 통해 더 좋게 만들 수 있는 방법에 대해 고민하고 개발하는 일을 맡고 있는데요. 대표적으로 온디바이스AI를 기반으로 다양한 도메인의 데이터들이 실시간으로 동작할 수 있게하는 모델을 만들고 있고요. 사람과 사람을 연결해주는 하이퍼커넥트®의 미션을 AI휴먼으로 확장하는 관련 기술도 개발하고 있습니다.
(Buru) 특히 온디바이스 ML은 서버로 데이터를 전송하지 않고도 지연없이 실시간으로 실행할 수 있는 핵심 기술이에요. 하이퍼커넥트®가 초창기부터 주력해온 분야이기도 한데요. 특히 영상 속 사람과 배경을 분리하거나 음성 인식으로 키워드를 빠르게 검출해내는 관련 기술은 권위있는 국제 학술대회에서 논문 형태로 발표하기도 했어요.
(Zerry) 실제 서비스되고 있는 프로덕트로를 예로 들자면 사용자들이 좋아할 만한 방송을 추천해 주거나 가상 이상형을 만들어주는 기술을 제공하고 있습니다.

Q.ML팀의 장점?
(Justin) 기술적인 리서치와 동시에 내가 만든 모델을 서비스에 적용시켜볼 수 있다는 점입니다. 모델을 실제 서비스에 적용하다 보면 연구 과정에서는 보이지 않았지만 성능에는 영향을 주는 중요한 요소들을 발견하게 될 때가 있는데요. 이런 부분들을 리서치하고 개선해나가면 실제 서비스에 도움이 될 뿐 아니라 선행 연구도 할 수 있어요. 이런 환경 덕분에 리서치 팀을 따로 두지 않고도 매년 한 두 편 이상의 논문을 탑티어 학회에 제출할 수 있는 것 같습니다.
(Buru) 하이퍼커넥트®가 중요하게 생각하는 7가지 일하는 방식 중에 ‘One Team’이 있어요. 내가 하고 있는 일이 팀 혹은 회사 전체에 어떤 영향을 주는 지 고민하며 일하는 것인데요. 저희 팀 모두가 하이퍼커넥트®의 ‘One Team’을 잘 이해하고 있다는 느낌이 들어요. 자기가 맡은 프로젝트가 아니더라도 적극적으로 아이디어를 제안해주고, 팀원 개개인의 목소리에 귀 기울여 주는 문화 덕분가 있어서 더 좋은 선택을 하게 되고, 보다 나은 결과를 낳게 되는 것 같습니다.
(Zerry) 성장에 대한 자극을 얻을 수 있다는 것도 장점 중 하나에요. 저희 팀은 매주 팀 세미나를 열고 일주일에 4시간 정도 각자가 희망하는 분야를 자유롭게 공부하는 러닝데이를 운영하고 있는데요. 똑똑한 동료들과 토론하고 협업하다 보면 개인적으로도 발전하고 성장한다는 느낌을 받게 돼요. 당장 필요한 실무 노하우뿐만 아니라 최신 연구동향이나 기술 같은 정보를 팀원들과 공유하면서 나도 더 성장해야겠다는 자극을 받고 있습니다.

Q.건강한 조직 문화가 자리잡은 배경?
(Justin) 내부적으로는 proactive한 팀원들이 모여있다는 게 가장 큰 요인일 것 같아요. AI lab 특성상 여러 프로젝트를 동시에 해야 할 때가 많은데 주도적으로 일하는 팀원들에 대한 신뢰가 있었기 때문에 ‘스쿼드’와 같은 운영 방식을 도입할 수 있었고요. 외부적으로는 AI Lab과 ML팀이 회사와 함께 빠르게 성장하고 있는 조직이다보니 변화의 속도에 유연하게 대처하기 위해서 더 적극적으로 일하게 되는 것 같습니다.

Q.ML에 관심을 갖게 된 계기?
(Zerry) 2013년 학부 시절의 인턴 경험이 ML 연구의 첫 시작이었는데요. 당시만 해도 머신러닝이라는 단어 자체가 생소할 때였어요. 교수님 설명을 듣다 보니 재미있을 것 같긴 한데 막상 들어가려고보니 뭘 연구하는 건지는 잘 모르겠더라고요(웃음). 인턴 첫날 교수님께서 ML이 뭔지부터 설명해 주셨던 기억이 나고요. 인턴을 해보니 수식을 기반으로 실제 데이터에서 유의미한 정보들을 추출하고 그 정보를 통해 숫자를 예측해내는 과정이 흥미롭게 느껴져서 ML의 세계에 더 깊이 빠져들게 됐습니다.
(Justin) 저도 학부 수업을 통해 처음 접했는데요. 특히 기말고사 과제가 기억에 남아요. 웹개발을 하거나 다른 수업 과제를 할 때는 그래도 어느 정도 이해를 하고 문제를 풀었는데 ‘Color 이미지에 있는 물체를 분류하는 모델을 만들라’는 과제는 받자마자 앞이 막막해 지더라고요. 그때부터 ML을 제대로 공부해 보고 싶다는 생각을 하게 됐고 대학원 진학 전 연구실 인턴 생활을 하면서 본격적인 공부를 시작했습니다.
(Buru) 저는 학부 4학년 때 기계학습 전공 강의에서 ‘Netflix Prize’를 알게 됐어요. 개인의 취향을 파악하고 퀄리티 높은 서비스를 제공할 수 있다는 게 매력적으로 느껴졌고요. 그러던 어느 날 눈을 떠보니 대학원에 입학해 추천 시스템을 연구하고 있는 저를 발견할 수 있었습니다(웃음).

Q.가장 기억에 남는 순간?
(Justin) 2018년, 실시간 영상에서 사람만 남기고 배경을 제거하는 기술을 Azar에 적용시키는 프로젝트를 한 적이 있어요. 요즘은 줌이나 구글 행아웃에서도 쉽게 볼 수 있는 기능이지만 당시만 해도 앱에서 잘 볼 수 없는 기능이었거든요. 당시 저희가 가지고 있는 모델을 Azar에서 활용하려면 속도가 3배 이상 더 빨라야 했어요. 처음엔 ‘이게 될까?’하는 의구심이 들었는데 포기하지 않고 하니까 되더라고요. Azar에 들어가는 것은 물론 논문의 형태로 외부에서도 인정받았던 그 순간이 뿌듯하고 행복하게 기억에 남아있습니다.
(Zerry) 저는 자회사 무브컴퍼니패스트의 Hakuna Live에 들어가는 추천 모델을 만드는 일을 첫 프로젝트로 맡았는데요. 모델을 다 만들고 나서 제가 만든 모델과 기존의 알고리즘을 비교하는 A/B Testing을 진행했던 때가 가장 기억에 남아요. 제가 만든 모델이 기존 알고리즘보다 성능이 떨어지면 어쩌나 하는 걱정이 컸는데 다행히 결과가 잘 나와서 너무 기뻤고요. 성과가 숫자로 나오니까 동기부여가 더 되더라고요. 이후 다른 업무를 할 때도 꼭 숫자로 성과를 확인하고 있습니다(웃음).
(Buru) 입사 후 지금까지 총 두편의 논문을 작업했는데요. 논문 제출 마감이 다가올수록 논문에 대한 자신감이 뚝 떨어지는 시기가 찾아와요. 그럴 때마다 팀원분들이 응원하고 격려해주셨던 게 가장 기억에 남습니다.

Q.요즘 최대 관심사?
(Zerry) Hakuna Live와 Slide에 들어가는 AI기술을 담당하게 되면서 어떤 AI 기술이 저희 서비스에 가장 강력한 임팩트를 줄 수 있을지 고민하고 있고요. 연구적으로는 어떻게 하면 Table data를 학습하는 좋은 모델을 만들 수 있을지 틈틈히 고민하고 있습니다.
(Justin) 저도 AI 기술을 통해 Business 혹은 Social impact를 가져다 줄 수 있는 일이 어떤것이 있을지 고민 중이에요.
(Buru) 저는 요즘 재택근무로 집에 있는 시간이 늘다보니까 방을 꾸며야겠다는 생각이 들더라고요. 그래서 최근에 방에 있는 가구를 제 취향대로 다 바꿨어요! 하지만 방 꾸미기는 더하는 것이 아닌 빼는 것으로 완성된다는 것을 배웠습니다.

(+익명의 하커) “Buru만 사람 냄새가 나네요! 연구밖에 모르는 사람들…”

Q.2021년 목표?
(Buru) 작년에도 AI Lab에서 훌륭한 연구들을 많이 발표했는데요. 올해는 작년보다 좀 더 임팩트 있는 연구를 많이 발표하고 싶습니다. 저 혼자서는 이룰 수 없는 목표라 팀원들을 더 많이 괴롭힐 예정이에요!
(Justin) 곧 입사한지 3년이 되는데요. 3년 근속을 하면 리프레시 휴가 10일을 주는 제도가 있어요. 코로나19가 종식되면 길게 여행을 다녀오고 싶어요.
(Zerry) 재택 근무를 하면서 몸무게가 많이 불었어요. 새해에는 몸무게를 원상복귀 시킬 계획입니다.

Q.함께 하고 싶은 동료?
(Justin) ML은 끊임없이 학습하지 않고서는 결코 좋은 결과를 내기 어려운 분야인 것 같습니다. 모델을 지속적으로 배포하고 복잡도가 높은 서비스를 만들다 보면 소프트웨어 엔지니어링 학습에 대한 필요성을 느끼게 되는데요. 새로운 것을 배우는 것에 흥미를 느끼고 팀과 함께 성장하는 것을 즐거워하는 분과 함께 일하고 싶어요. 그런 팀원들이 기다리고 있고요.
(Buru) 저는 하이퍼커넥트®의 프로덕트를 재미있어 하는 분과 함께 일하고 싶습니다. 아무래도 서비스에 대한 애정이 있어야 더 다양한 아이디어를 떠올릴 수 있잖아요. 그렇게 떠오른 아이디어를 팀원들에게 적극적으로 제시하고 함께 고민하는 분이라면 더 좋겠습니다.

Q.ML팀원이 되기 위해 갖춰야 할 역량?
(Justin) 실제 서비스에 기여하는 ML 기술을 만드는 것에 대한 관심이 필요해요. 보통 ML 모델링이라고 하면 Kaggle 문제와 같이 데이터셋, 평가지표 모두 주어진 상황에서 모델을 만들어 내는 것으로 생각할 때가 많아요. 그런데 실제 서비스에 ML기술을 적용하려면 ML엔지니어가 정의해야 것 들이 정말 많거든요. 이 서비스에 맞는 지표는 무엇인지, 학습 데이터는 어떻게 구성해야 할 지, 평가는 어떻게 하고 배포와 모니터링은 어떻게 할지 등 문제를 풀기 위한 다양한 요소들을 고려해야해요. 평소 이런 고민을 해본 분들이라면 저희 팀에서 행복하게 일하실 수 있을 겁니다.
(Zerry) 저희 팀은 ML과 엔지니어링, 이 두 가지 역량 모두를 요구하는 조직이에요. 저자의 코드나 공개된 코드를 읽지 않고 ML논문만으로 스크래치부터 구현해서 논문에 제시된 성능, 혹은 그 보다 높은 성능을 재생산 할 수 있는 ML 역량을 필요로 하고요. 모델을 만들기만 하는 것이 아니라 글로벌 유저들이 사용하고 있는 실제 서비스에 디플로이하고 있기 때문에 엔지니어링의 역량도 중요하게 생각하고 있습니다.
(Buru) 개발과 연구 역량은 Justin과 Zerry가 충분히 설명해 주신 것 같고요. 저는 팀원들과의 커뮤니케이션 능력을 강조하고 싶어요. AI Lab 내부는 물론 타팀과도 협업할 일이 많거든요. 제가 하고 있는 일만 돌이켜 봐도 각 프로젝트를 논문 레벨로 발전시키기 위해서 프로젝트를 담당하고 있는 팀원들과 자주 소통하는 편이에요.

Q.예비 하이퍼커넥터에게 알려주고 싶은 Tip?
(Zerry) 개발했던 모델을 남들이 쓸 수 있게 공개해보는 경험을 추천드립니다. Flask, Django나 torchscript를 이용해 microservice를 띄워볼 수도 있고, tf-lite 나 tf-js 등을 이용해서 누구나 모델을 이용해 볼 수 있게 하는 데모 페이지를 만들어볼 수 있어요. 저는 이런 작업을 통해서 ML로 문제를 풀 때 어떤 점들을 고려해야 하는지 조금 더 명확하게 알게 됐던 것 같아요.
(Justin) 저희가 면접을 볼때 가장 많이 하게 되는 질문 중 하나가 ‘왜?’ 입니다. ML로 문제를 풀 때 가장 많이 하는 일은 풀어야할 문제에 대해 가설을 세우고 검증하는 일인데요. 요즘 워낙 많은 논문들이 발표되다 보니 가장 근래에 출판된 논문의 연구 방법이 가장 우수할 것이라고 생각하고 그냥 가져와서 쓰는 경우가 많아요. 그런데 이런 방법으로 ML문제를 풀다 보면 가설이 명확하지 않고 가설을 검증하기가 더 어려워집니다. 어떠한 방법을 도입했다면 ‘왜 그 방법을 도입했는지’에 대한 논리를 정리해보실 것을 권합니다.
(Buru) 입사를 하기 전에는 ‘회사에서 진짜 연구를 할까?’ 라는 생각을 했어요. 입사 7개월 차인 현 시점에서 자신있게 드릴 수 있는 있는 건 진짜 연구를 한다는 것입니다. AI Lab의 디렉터인 Shurain 뿐만 아니라 팀원 모두가 연구의 중요성과 필요성에 대해 깊이 이해하고 있어요. 진짜 연구를 하고 연구의 기회가 누구에게나 열려있다는 점을 염두에 두신다면 더 좋은 결과를 얻을 수 있을 거예요!

훌륭한 동료들과 함께
매일매일 성장하는 즐거움을 경험해보세요!
ML Platform팀에 이어 ML팀까지 2회에 걸쳐 AI lab 하커들을 만나봤습니다. 5명의 하커 모두 ‘동료와 함께하는 성장의 즐거움’을 입을 모아 강조했는데요. 연구와 프로덕트, 개인의 발전과 팀의 성장 중 어느 것 하나 포기하지 않는 욕심많은 동료들이 기다리고 있는 AI Lab. 이들과 함께 하는 성장의 즐거움을 경험해보세요!

인터뷰x하커야는 계속됩니다 🔜

🔗 채용 보기 (링크)
💌 채용 문의 (career@hpcnt.com)