약 3개월간의 딥러닝 협업 프로젝트가 얼추 마무리되었다. 그간 느낀 점들을 자세하게 기술한다.
내가 진행항 프로젝트는 '딥러닝 생성모델을 활용한 ASMR 음원 생성 프로젝트' 였다.
프로젝트 중반부까지의 개요는 해당 깃헙 레포 를 통해 확인할 수 있다.
1. 협업은 처음이라
처음은 너무 어렵다. 성인이 되면 스스로 헤쳐나가야 하는 상황이기에 더 어렵다. 또 어릴 때보다 자존심은 늘어서 도움을 요청하기도 더 어려워지는 것 같다(적어도 나에겐). 이전에 3일간 미니 해커톤의 느낌으로 협업을 진행한 적은 있지만, 이렇게 긴 기간동안 내 할일을 챙겨가면서 협업을 한다는 것은 너무도 어려운 일이었다. 협업 자체가 힘든 것이 아니라, 최소한의 시스템과 계획조차 갖춰져 있지 않았기 때문에.
2. 모델 연구자가 괜히 있나!
유명 대학의 석사, 박사학위 소지자가 모델을 연구하고 그 간 수많은 결과물 중 정제된, 가장 유의미하다고 판단되는 것들만 골라서 논문으로 발췌한다. 그 중에서도 사회적으로 임팩트 있는 것들을 우리는 배우게 된다. 이것을 우리는 SOTA(State-of-the-art)라고 부른다. 그렇다면 고작 몇개월 배운 것으로 써먹고자 하는 내가 머릿속으로 생각해서 모델을 수정한다면? 그것은 99% 삽질에 가깝다. 그걸 알면서도 하고 있는 나, 꽤 멍청한 걸지도?
어쨌든 공부하고 코딩을 하는 게 더 낫다. 그것도 아니면 따라하는게 낫다(ex)클론코딩). 모방은 창조의 어머니인 것을. 근데 공부만 할 수 없는 상황이기에 동시에 진행해야 한다. 순간순간 조급함이 숙제인 이런 상황. 조금 더 나을 수 있었고 조금 더 집중할 수 있었는데. 뿌듯함보단 아쉬움이 많이 남는다.
3. 필요한 것이 뭘까..
필요한 것만 해도 끝이 없다. 필요하다고 생각되는 것만 골라서 해야 한다. 잘 모르면 여러 가지 시도해 보는 수밖에 없다. 그러다 보면 진짜 중요한 것만 남는다는 것을 아니까.
4. 그래도 나쁘진 않았다.
- 팀원을 잘만났다. 내가 중간중간 개인적인 일로 빠진다고 해도 이해해 주는 팀장님과 팀원들 덕에 괜찮았다. 최소한의 결과물을 내야 한다는 책임감에 시킨 일은 얼추 해 낸 것 같다.
5. 음성 데이터는 역시 다루기가 더 어렵다.
- 음성 데이터는 더 많은 공부를 필요로 한다. 전처리도 어렵고 새롭다. 텍스트나 이미지보다 더 어려운 것 같다. 하지만 공부할 여지가 남았다는 것은 매력 포인트다.
- 신호처리 과목을 학부 때 들은 적이 있지만, fourier transform이나 mel spectrogram 및 mfcc 등의 음성데이터에 관한 지식을 쌓은 것은 굉장히 좋은 것 같다. 덧붙여 librosa 모듈도 사용해 봤으니 음성 데이터를 어떻게 해야하지? 하고 당황하는 일은 없을 것 같다.
6. 회의 결과를 너무 흘려보내지 말자.
- 회의 결과를 중심으로 나아가야 하는 것은 기본이다. 너무 거기에 얽메이는 것도 문제지만, 기본적으로 그 내용을 기반으로 방향성을 잡고 나가는게 제일 정도라는 것을 기억하자.
7. 딥러닝의 이상과 현실
- 딥러닝을 서비스화 하려면, 모델 설계 및 코딩은 한 20%도 안되는 것 같다. 프론트엔드, 백엔드, 데이터베이스화, 클라우드 서버, 모듈화 등 배보다 배꼽이 더 크다.
8. 생성모델 공부해서 좋았어 그래도
- 생성모델이 AI 공부를 시작하게 된 계기인데, 그것에 대해서 VAE, GAN 등으로 공부할 수 있어서 좋았다. 물론 실무에서 생성모델은 잘 쓰이지 않는다 ㅎ...
epliogue. 다시 한 번 프로젝트를 한다면,
- 내가 비슷한 입장의 교육생 또는 취준생 분들과 다시 한 번 프로젝트를 하게 된다면, 진짜 모든 것을 제쳐 두고 제대로 하고 싶다. 팀장으로 더 큰 책임감 갖고 집중하고 싶다. 예민한 탓이라 많이 스트레스도 받겠지만, 이번 프로젝트는 아쉬움이 많이 남는다.
