[Daily IT News] 분리발주, 옵트포머

오랜만에 IT News 관련하여 리뷰 업로드 합니다. 요 몇달 간 업로드 하지 않은 동안에 IT 시장은 또 상당한 환경변화가 있었던 것 같습니다. IT 와 관련해서 정보를 얻으실 분들을 위해 꾸준히 업로드 하도록 하겠습니다.

금일(2022.09.16. 금) 신문리뷰 입니다

---

● 전자신문

구분	헤드라인	설명
(SW) 분리발주	상용SW 직접구매 제외 비율 낮아진다.	정부가 상용소프트웨어(SW) 직접구매(분리발주) 제외 비율을 낮추기 위한 논의를 시작한다. 제도 개정 시점은 11월로 직접구매 비율을 50% 이상으로 높이는 게 목표다. 과학기술정보통신부와 조달청은 '100분의 50 미만'인 상용SW 직접구매 제외 비율 하향을 위한 논의에 착수한다. 2020년 12월 소프트웨어진흥법과 더불어 시행된 '소프트웨어 사업 계약 및 관리에 관한 지침' 제8조 제3항은 직접구매 제외 적용 품목 비율이 100분의 50 미만인 경우 서식으로 대체할 수 있다고 규정했다. 상용SW 100개를 구매할 때 직접구매 제외 품목이 49개라면 엄격한 심의(검토)를 받는 대신에 사실상 통합구매를 할 수 있도록 발주처 대상 인센티브 조항을 마련한 것이다. 직접구매가 늘어날수록 발주처 업무도 늘고 책임도 커지는 현실을 반영했다. 과학기술정보통신부는 해당 조항은 조달청을 통하지 않고 자체 발주를 하는 지방자치단체 등 공공기관이 서식으로라도 직접구매에 대한 생각을 갖게 하도록 하는 목적도 있다고 설명했다. 상용SW 기업은 해당 조항 때문에 직접구매 비율이 낮아졌다며 제도 개선을 지속 건의했다. 조달청 자체 집계에 따르면 2020년 12월 이전 75.1%이던 직접구매 비율이 지난해 59.7%로 15.4%P 감소했다는 집계도 나왔다. 과학기술정보통신부는 이는 조달청과 과기정통부의 집계 방식의 차이이며, 공공분야 상용SW 직접구매 비율은 44.8%로 점차 개선되고 있다고 밝혔다. 다만, 이를 50% 이상으로 높이기 위해 직접구매 제외 비율 하향 논의를 하겠다는 입장이다. 관건은 하향 비율이다. '100분의 50 미만' 조항을 아예 폐지한다면 발주처 부담이 커질 수 있다는 게 정부 판단이다. 비율 하향 폭에 따라 산업계와 발주처의 희비가 엇갈릴 수 있다. 조달청은 7월 열린 한국상용SW협회 조찬에서 50% 미만 조항을 40% 또는 30% 미만으로 조정하는 방안을 협의하겠다고 밝힌 바 있어 이 수준에서 결정될 가능성이 높다. 조달청은 이와 함께 '품목' 기준인 현행 제도에 '금액' 조건을 추가, 직접구매 활성화를 검토하겠다고 밝혔다. 조풍연 한국SW·ICT총연합회 회장은 “기존 직접구매 제외 사유에 품목 기준 제외 조항까지 추가돼 상용SW 기업 어려움이 커진다”며 “비율은 보는 기준에 따라 달라질 수 있는 만큼 해당 조항을 폐지하는 게 바람직하다”고 말했다. '소프트웨어 사업 계약 및 관리에 관한 지침' 개정은 과기정통부와 조달청 협의를 거쳐 행정예고, 규제개혁위원회 비규제 확인증 발급, 과기정통부 내부 결제, 관보게재를 통해 시행된다. 한달여가 걸리는 만큼 목표대로 11월 시행이 가능할 전망이다.

 

● 인공지능신문

구분	헤드라인	설명
(AI) 트랜스포머 하이퍼 파라미터	딥마인드-구글AI 공동연구팀, 트랜스포머 사용한 범용 하이퍼파라미터 최적화 프레임워크 '옵트포머(OptFormer)' 공개	인공지능(AI) 머신러닝에서 가장 중요한 측면 중 하나는 '초매개변수 최적화(Hyperparameter optimization)'를 꼽는다. 머신러닝 작업에 적합한 하이퍼파라미터를 찾는 것은 모델의 성능을 높이거나 낮출 수 있기 때문이다. 구글에서는 구글 비지어(Google Vizier)를 초매개변수 최적화를 위한 기본 플랫폼으로 사용하고 있으며, 지난 5년 동안 Google Vizier는 비전 , 강화학습 및 언어 등의 기계 학습 응용 프로그램 뿐만 아니라 단백질 발견 및 하드웨어 가속과 같은 광범위한 응용 프로그램에서 천만 번 이상 사용되었다고 한다. 이처럼 Google Vizier는 데이터베이스에서 사용 패턴을 추적할 수 있기 때문에 최적화 궤적으로 구성된 데이터에는 현실적인 초매개변수 조정 목표에 대한 중요한 사전 정보가 포함되어 있으므로 더 나은 알고리즘을 개발하는 데 매우 매력적이다. 이러한 데이터에 대한 메타 학습을 위한 이전의 많은 방법이 있었지만 방법에서 한 가지 주요 공통 단점을 공유한다는 것이다. 메타 학습 절차는 하이퍼파라미터 수 및 값 범위와 같은 수치적 제약 조건에 크게 의존하므로 모든 작업이 정확히 동일한 하이퍼파라미터 검색 공간(즉, 튜닝 사양)을 사용해야 한다는 것이다. 설명 및 매개 변수 이름과 같은 연구의 추가 텍스트 정보도 거의 사용되지 않지만 최적화되는 작업 유형에 대한 의미있는 정보를 보유할 수 있다. 그러한 단점은 종종 의미 있는 정보의 상당한 양을 포함하는 더 큰 데이터 세트에 대해 문제는 더욱 악화된다. 여기에, 딥마인드(Deepmind)와 구글 AI(Google Research, Brain Team) 공동 연구팀이 트랜스포머를 사용하여 범용 하이퍼매개변수 최적화 도구를 학습하는 방법(Towards Learning Universal Hyperparameter Optimizers with Transformers-다운)인 세계 최초의 텍스트 기반 트랜스포머 HPO(hyperparameter optimization) 프레임워크 '옵트포머(OptFormer)'를 지난 18일 공개했다. 연구팀에 따르면 옵트포머는 광범위한 튜닝 데이터를 학습할 때 정책과 함수 예측을 공동으로 학습할 수 있는 범용 엔드 투 엔드 인터페이스를 제공한다. 또, 적어도 7개의 다른 HPO 알고리즘을 모방할 수 있다는 것을 보여주며, 이는 함수 불확실성 추정을 통해 더욱 개선될 수 있다. 아울러, 가우스(Gaussian Process)와 비교하여 OptFormer는 하이퍼매개변수 응답 함수에 대한 강력한 사전 분포를 학습하므로 보다 정확하고 보정된 예측을 제공할 수 있다.  한편, 연구팀은 이 프레임워크는 트랜스포머 기반 모델을 일반적인 HPO 최적화 도구로 훈련하기 위한 보다 진보적인 가는 길을 열어 줄 것이라고 밝혔다. 관련 코드는 곧 공개할 예정이며, 사용된 데이터 세트 등 더 자세한 내용은 해당 홈페이지(보기)를 참고하면 된다.

---

금일 주목할 기사는 분리발주관련 기사입니다.

SW 산업의 활성화를 위한 제도 개선은 끊임없이 이루어지고 있는 것 같습니다. 발주처의 직접구매에 대한 부담을 줄어 주기 위해서 개선하고자 하는데 그와 관련하여 다른 파생 문제는 없을지에 대한 부분도 고려되어야 할 것 같습니다.