개요:

만약 새로운 Task가 발생했다면, 모델을 새로 디자인하고, 재학습하여 다시 배포하는 것이 최선일까요? 이전에 만들어둔 모델을 활용하여, 새로운 Task를 지속적으로 풀어나가는 Continuous AI System을 디자인할 수 있다면, 개발자의 리소스를 최소화하면서도 사람처럼 생각하는 똑똑한 모델을 만들 수 있지 않을까요? 본 세션에서는 쏘카에서 연구 및 비즈니스에 적용한 지속적으로 성장하는 AI System에 소개드리고 서비스에 적용한 경험을 공유하고자 합니다.

현실에서는 학습시킨 모델을 지속적으로 업데이트 해주어야 하는데, 이 과정에서 몇가지 Challenge가 있습니다. 본 세션에서는 이때 발생하는 Challenge를 해결하기 위해 디자인한 AI System 구조와 이를 구성하는 3가지 Component에 대해 소개합니다. 마지막으로, Continuous AI System을 운영 환경에 배포한 Software Architecture, 적용 사례 및 비즈니스 임팩트, 그리고 데모를 소개하면서 현실에 어떻게 도입하였는지 소개합니다.

목차

1. Background and Motivation

• 지속적으로 성장하는 AI 시스템을 도입해야 하는 이유와 challenges
• 일반적인 AI Model의 LifeCycle
• 보다 더 효율적으로 모델을 재학습시킬 수 있는 아이디어 소개

2. Continuous AI System

• 카셰어링 도메인에서의 Continual Learning 도입 필요성과 문제정의
• 지속적으로 성장하는 AI 시스템의 각 Component의 학습방법

3. Continual Learning

• Continual Learning과 관련된 이전 연구들 및 한계점
• Brain-inspired Continual Learning Method: Lightweight Prompt Learning with General Representation (LPG)
• Benchmark Scenario에서의 실험 (Fine-grained, Coarse-grained)
• Ablation Study

4. Bussiness Impact & Deployment

• 서비스 적용 시의 Performance Gain
• Software Architecture for Deployment
• Continuous AI System을 통해 해결한 카셰어링 도메인의 오퍼레이션 문제들

5. Demo6. Lesson Learned