KAIST, 상황 따라 알아서 업데이트하는 인공지능 기술 개발

알고리즘이 드리프트 환경에서 적절한 학습 데이터를 선택하는 예시.(KAIST 제공)/뉴스1

(대전=뉴스1) 김태진 기자 = 국내 연구진이 상황에 따라 알아서 업데이트하는 인공지능(AI) 기술 개발에 성공했다.

한국과학기술원(KAIST·카이스트)은 황의종 전기 및 전자공학부 교수 연구팀이 시간에 따라 데이터 분포가 변화하는 드리프트 환경에서도 AI가 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술을 개발했다고 14일 밝혔다.

이번 연구 성과는 지난 2월 캐나다 밴쿠버에서 열린 AI 분야 국제학술 대회 '국제 인공지능학회'에서도 발표됐다.

카이스트에 따르면 최근 실생활에 활용되는 AI 모델에선 시간 경과에 따라 성능이 점차 떨어지는 현상이 다수 발견되고 있다. 이 때문에 지속 가능한 AI 학습 기술의 필요성이 커지고 있는 상황이다.

AI 모델이 꾸준히 정확한 판단을 내리는 건 더 안전하고 신뢰할 수 있는 AI를 만드는 데 중요 요소가 된다.

시간이 지남에 따라 데이터와 정답 레이블 간 결정 경계 패턴이 바뀌면 과거 학습에 따른 AI 모델의 판단이 현시점에선 부정확해지면서 모델 성능이 점차 악화할 수 있기 때문이다.

KAIST 전기및전자공학부 황의종 교수

이와 관련 연구팀은 데이터를 학습했을 때 AI 모델의 업데이트 정도와 방향을 나타내는 그래디언트를 활용한 개념을 도입하면 드리프트 상황에서 학습에 효과적인 데이터를 선택하는 데 도움을 줄 수 있다는 걸 이론적·실험적으로 분석하는 데 성공했다.

이들은 또 이런 분석을 바탕으로 효과적인 학습 데이터 선택기법을 제안해 데이터 분포와 결정 경계가 변화해도 모델을 강건하게 학습할 수 있는 지속 가능한 데이터 중심의 AI 학습 프레임워크도 제시했다.

이 같은 학습 프레임워크의 주요 이점은 기존의 변화하는 데이터에 맞춰 모델을 적응시키는 모델 중심 AI 기법과 달리 드리프트의 주요 원인이라고 볼 수 있는 데이터 자체를 직접 전처리를 통해 현재 학습에 최적화된 데이터로 바꿔주기 때문에 기존 AI 모델 종류에 상관없이 쉽게 확장될 수 있다는 것이다.

연구팀은 실제로 이 기법을 통해 시간에 따라 데이터의 분포가 변화했을 때도 AI 모델의 성능, 즉 정확도를 안정적으로 유지할 수 있었다고 설명했다.

황 교수는 "AI가 변화하는 데이터에 대해서도 성능이 저하되지 않고 유지하는 데 도움이 되길 기대한다"고 말했다.

김민수 카이스트 박사과정 학생(제1저자)은 "이번 연구를 통해 AI가 한번 잘 학습하는 것도 중요하지만, 이를 변화하는 환경에 따라 계속 관리하고 성능을 유지하는 것도 중요하다는 사실을 알릴 수 있으면 좋겠다"고 전했다.

memory4444444@news1.kr