인공지능 모델 성능 저하 막을 학습기술 개발했다

UNIST 연구팀, 데이터 드리프트, 시계열 학습 기술 개발
이론적·실험적 검증 완료…ICLR Spotlight 논문 선정돼

인공지능(AI) 모델의 성능을 저하시키는 현상에 효과적으로 대응할 수 있는 학습 기술이 개발됐다.

UNIST (울산과학기술원) 산업공학과 인공지능대학원 김성일, 임동영 교수팀은 '데이터 드리프트에 강건한 시계열 학습 기술'을 개발했다고 25일 밝혔다.

시계열 데이터는 시간 순서에 따라 일정 주기를 가지고 연속적으로 수집된 데이터를 말한다.

금융과 경제, 교통, 농업, 제조, 헬스케어 등 각종 산업에서 사용되는 수많은 데이터가 시계열 형태를 가지고 있다.

시계열 데이터는 데이터 발생에 영향을 주는 외부 요인들이 변함에 따라 '데이터 드리프트'라는 현상이 발생한다.

데이터 드리프트는 인공지능 모델이 훈련에 사용한 데이터 실제 운영 환경의 데이터가 달라지는 것을 말한다.

김성일 교수는 "데이터 드리프트가 발생할 경우 시계열 학습 인공지능 모델의 성능이 저하된다"며 "각종 산업 등에서 시계열 데이터 활용을 어렵게 만드는 고질적 문제다"고 했다.

연구팀은 이런 문제를 효과적으로 대응할 수 있게 하는 Neural SDEs (Stochastic Differential Equations) 기반의 강건한 신경망 구조 설계에 대한 방법론을 개발했다.

데이터 드리프트 현상에서도 강건함을 유지할 수 있는 시계열 Neural SDEs 모델 설계 방법론에 대한 이론적 근거를 제시했다.

연구팀은 방법론에 따라 설계한 세 가지 Neural SDEs 모델 Langevin-type SDE, Linear Noise SDE, Geometric SDE을 선보였다.

제안된 모델들은 데이터 드리프트 현상이 일어난 데이터셋에서 보간, 예측, 분류 등 다양한 작업을 수행할 때 안정적이며 우수한 성능을 보였다.

데이터 드리프트 현상이 발생했을 때, 이를 빠르게 포착하고 데이터를 재구성해 재학습하는 일련의 엔지니어링 과정은 큰 시간과 비용이 수반됐다.

연구팀은 인공지능을 처음부터 데이터 드리프트 현상에 강건할 수 있도록 만드는데 필요한 기술을 이론적, 실험적으로 모두 검증한 것이다.

임동영 교수는 "이번 연구는 처음부터 드리프트에 강건하도록 인공지능을 훈련시킬 수 있도록 하는 방법론을 개발, 이의 성능을 이론적, 실험적으로 검증했다는 데에 의의가 있다"고 했다.

제 1저자 오용경 연구원은 "앞으로 개발된 기술과 연계된 시계열 데이터 드리프트 감시 기술, 학습 데이터 재구성 기술 등을 지속적으로 개발해 국내 다양한 기업들이 활용할 수 있도록 할 계획이다"고 했다.

이번 연구는 세계적인 권위의 국제 학회인 ICLR(International Conference on Learning Representations)에 상위 5%에 해당하는 spotlight 논문으로 선정돼 오는 5월 오스트리아 빈에서 발표될 예정이다.

※CBS노컷뉴스는 여러분의 제보로 함께 세상을 바꿉니다. 각종 비리와 부당대우, 사건사고와 미담 등 모든 얘깃거리를 알려주세요.

울산CBS 반웅규 기자 bangija@cbs.co.kr

▶ 기자와 카톡 채팅하기▶ 노컷뉴스 영상 구독하기

사회