적은 정보로 사람의 의도 파악할 수 있는 뇌파분석 기술 개발

디지스트 박상현 교수 연구팀
 신개념 '퓨샷 학습' 딥러닝 모델 개발
 정확도 76%로 64~73%인 기존보다 높아
"다양한 생체신호 분석에 응용 기대"

(왼쪽부터)디지스트 로봇및기계전자공학과 박상현 교수, 안시온 학위연계과정생, 치콘테필립 박사후연수연구원. 대구경북과학기술원 제공

적은 뇌파 정보로도 사람의 의도를 알아낼 수 있는 뇌파분류 딥러닝 모델이 대구경북과학기술원(DGIST, 디지스트) 박상현 로봇및기계전자공학과(인공지능전공 겸직) 교수 연구팀에 의해 개발됐다.

연구팀이 개발한 기술은 적은 양의 정보만으로 대상자의 뇌파를 정확하게 분류하는 ‘퓨샷 학습(Few-shot leanring) 딥러닝 모델’이다. 기존 모델은 특정인의 뇌파를 분류하기 위해서는 분석대상자로부터 수집한 많은 양의 뇌파 데이터셋 구축이 필요했다. 연구팀은 적은 정보만으로도 정확하게 뇌파 분류가 가능하다. 뇌파 관련 연구 분야에 획기적으로 기여할 것으로 보인다.

연구팀에 따르면 뇌파 데이터는 사람마다 편차가 크다. 같은 업무를 해도 사람마다 뇌파의 분포가 달라진다. 이 때문에 대부분의 분류 모델은 개별 수행자로부터 수집한 데이터를 일일이 레이블링 해야 한다. 이 때문에 학습에 참여하지 않은 사람의 뇌파는 정상적으로 분류하지 못하는 문제가 존재했다. 데이터 레이블링은 인공지능 모델의 학습을 위해 데이터에 태그는 지정하는 과정을 뜻한다.

이 같은 한계를 극복하기 위한 다양한 연구가 시도 중이지만, 대부분 다수의 뇌파 정보가 필요해 일반화에는 한계가 많은 실정이다.

이에 박상현 교수팀은 타겟 피험자로부터 얻은 뇌파들 중 소수의 데이터에 대해서만 정답을 주면 타겟 피험자의 뇌파특성에 맞추어 남은 뇌파들을 정확히 분류할 수 있는 딥러닝 모델을 개발하는 데 성공했다. 소수의 데이터들과 남은 뇌파들의 관계를 효과적으로 학습하기 위해, 먼저 임베딩 모듈(Embedding module, 주어진 뇌파로부터 특징을 추출해주는 모델)을 통해 뇌파 데이터로부터 유의미한 특징들을 추출했다. 이어 시간 주의 모듈(Temporal attention module, 임베딩 모듈로부터 추출된 특징에서 중요한 특징을 추출하고 동시에 잡음 특징을 제거해주는 모듈)을 이용해 추출된 특징으로부터 중요한 특징을 강조하면서 분석에 불필요한 잡음 특징을 감소시켰다.

이어 다양한 기술을 접목, 정확하게 뇌파를 분류하는 데 성공했다. 이 모델은 개체 간 분류에서 20개의 뇌파 데이터를 통해 타겟 피험자가 가진 의도를 최대 76%로 맞추는 정확도를 보였다. 기존 기법의 정확도는 64~73%다.

박상현 교수는 “이번에 개발한 뇌파 분류 딥러딩 모델은 피험자로부터 새롭게 학습데이터를 구축하지 않더라도 적은 정보만으로도 정확하게 뇌파 분류가 가능한 게 특징”이라며 “이를 발전시켜 다양한 생체 신호 분석 문제에도 범용적으로 활용할 수 있기를 기대한다”고 말했다.

이번 연구는 경찰청의 ‘경찰관 맞춤형 건강 관리 서비스를 위한 지능형 빅데이터 통합플랫폼 개발 사업’과 디지스트의 ‘몰입형 인간로봇 다중감각 교류기술 상용화 사업’을 통해 수행했다. 그 결과는 인공지능 분야 최상위 국제학술저널인 TNNLS(IEEE Transactions on Neural Networks and Learning Systems)’에 게재됐다.

정광진 기자 kjcheong@hankookilbo.com