"노박 조코비치의 '다음 수'를 예측"··· 호주 연구팀, 새 머신러닝 모델 개발

"노박 조코비치의 '다음 수'를 예측"··· 호주 연구팀, 새 머신러닝 모델 개발

George Nott | CIO Australia

QUT(Queensland University of Technology) 연구팀이 세계 최정상급 남성 테니스 선수들이 다음 볼을 어디로 칠지 예측하는 머신러닝 모델을 개발했다. 

© Getty Images Bank

이 머신러닝 모델의 이름은 SSGAN(Semi Supervised Generative Adversarial Network) 아키텍처다. 호주 오픈 테니스 대회에서 노박 조코비치와 라파엘 나달, 로저 패더러가 경기에 나섰던 수천 번의 서브와 리시브 등을 학습해 개발했다. 테니스 오스트레일리아(Tennis Australia)가 제공한 2012 호주 테니스 오픈 대회의 데이터를 사용했다.

3400번 이상의 조코비치 동작, 3500번 이상의 나달 동작, 1900번 이상의 패더러 동작 데이터를 입력했다. 연구팀은 동작마다 상대가 받아냈는지, 이겼는지, 실수했는지를 태그로 표시했다. QUT의 연구자 데먼은 "이 모델은 약 1000번의 동작을 분석한 이후부터 앞으로 일어난 동작에 대해 맞추기 시작했다. 세 경기를 분석한 후에는 예측이 매우 안정적으로 작동했다"라고 말했다. 

이 모델은 분당 약 2000번 정도의 동작을 예측한다. 경기에서 포인트가 결정되는 순간은 별도로 고려하는데, 마지막 세트에서 선수의 동작 선택이 서비스 게임이냐 아니냐에 따라 큰 차이가 있을 때 필요하다. 데먼은 "우리는 첫 라운드, 두번째, 세번째의 동작을 따로 분석하도록 이 모델을 학습시켰다. 사람과 같은 경험을 쌓게 한 것이다. 이를 통해 마치 테니스 선수가 머릿속으로 생각하는 것을 흉내 내도록 했다"라고 말했다.

사람과 같은 사고를 흉내내기 위해 연구팀은 2가지 형태의 메모리를 이용했다. 일시적인 메모리(episodic memory)와 의미론적 메모리(semantic memory)다. 데먼은 "일시적인 메모리는 개별 기억의 모음이다. 과거로 돌아가 각 스트로크나 동작을 떠올릴 수 있다. 의미론적 메모리는 훨씬 추상적이다. 수없이 많은 일시적인 메모리에서 추출한 전반적인 학습과 깨달음을 가리킨다"라고 말했다.

이후 이 두가지 메모리는 주어진 특정 상황에서 이후를 예측할 때 함께 작동한다. 그는 "각 메모리에서 관련된 것을 내놓게 되고 이것들은 이후에 벌어질 일을 예측하는데 활용된다. 즉, 일시적인 메모리는 '예전에 여기, 여기, 여기서 비슷한 동작을 봤어, 이것을 참고하면 되겠네'라는 작동하고, 의미론적 메모리는 '코드의 저쪽으로 넘기는 것이 좋겠어. 그게 좋은 전략이야'라고 판단하는 것이다. 이러한 정보가 최종 예측 결과를 만드는 데 활용된다"라고 말했다.

흥미로운 것은 선수에 따라 예측의 난이도가 달랐다는 점이다. 가장 힘든 쪽은 패더러였다. 데먼은 "가장 전형적이지 않은 선수여서 예측하기가 쉽지 않았다. 그는 무엇이든 할 수 있어서 모델이 잘못 예측하는 경우가 많았다. 패더러의 게임이 예측하기 매우 어려운 반면, 스테파노스 치치파스 등 페러더에게 간신히 승리했던 선수는 상대적으로 예측이 쉽다"라고 말했다. 

연구팀에는 박사 과정 학생인 서린두 페르난도, 교수 스리더 스리더랜, 교수 클린턴 푹스 등이 포함돼 있다. 모두 QUT의 시각 및 신호 처리 과정을 밟고 있다. 이들은 이 모델이 10년 내에 세계 최고 수준의 코칭 방식에 적용될 것으로 기대하고 있다. 가상현실에 활용될 수도 있다. 정교한 시뮬레이션을 통해 누구나 세계 정상급 선수와 겨뤄볼 수 있는 것이다.

출처 : CIO코리아
원문보기: 
http://www.ciokorea.com/news/115476#csidxfe859266132a8948e796277934645cb