SNS 사용자들 어떻게 상호작용하나…다자 관계 파악하는 AI

왼쪽부터 신기정 KAIST 김재철AI대학원 교수, 이규한 석박통합과정생, 이건 석박통합과정생. KAIST 제공

소셜네트워크(SNS)에서 활동하는 사람들이나 뉴런(신경세포)들 사이의 상호작용을 이해하려면 여러 물체 사이의 복잡한 관계를 복원해 전체 맥락을 파악해야 한다. 국내 연구팀이 단편적인 상호작용 정보만으로 고차원 상호작용 정보를 복원할 수 있는 인공지능(AI) 기술을 개발했다.
 

KAIST는 신기정 김재철AI대학원 교수팀이 개별적인 저차원 상호작용 정보만으로 고차원 상호작용 구조를 높은 정확도로 복원하는 AI 기술 '마리오(MARIOH)'를 개발했다고 5일 밝혔다. 연구결과는 5월 빅데이터 분야 국제학술대회 'IEEE ICDE'에서 발표됐다.

회의실에서 여러 사람이 함께 회의하는 것처럼 다수의 객체가 동시에 상호작용하는 고차원 상호작용은 군중, 뇌과학 등 다양한 실제 세계의 복잡한 관계를 담고 있다. 현재 기술적 한계로 개별적인 저차원 상호작용 정보만 수집돼 전체 맥락이 손실되고 활용에 제약이 있다. 고차원 상호작용의 명확한 파악이 어려운 이유는 저차원 상호작용으로부터 파생되는 고차원 상호작용 경우의 수가 매우 많기 때문이다.

연구팀이 개발한 MARIOH는 저차원 상호작용의 '다중도(multiplicity)' 정보를 활용해 해당 구조에서 파생될 수 있는 고차원 상호작용의 후보 수를 획기적으로 줄였다. 다중도는 수학에서 어떤 항목이 특정 집합에서 반복되는 횟수를 말한다.

MARIOH 기술을 활용해 고차원 관계를 복원하는 과정의 예시. KAIST 제공

MARIOH는 효율적인 탐색 기법으로 고차원 상호작용 후보를 빠르게 식별하고 각 후보가 실제 고차원 상호작용일 가능성을 정확하게 예측한다.

10개의 다양한 실세계 데이터 세트를 대상으로 테스트한 결과 MARIOH는 기존 기술 대비 최대 74% 높은 정확도로 고차원 상호작용을 파악해 복원했다. 예를 들어 논문 공동저자 사이의 관계를 나타낸 데이터세트에서는 98% 이상의 복원 정확도를 달성했다. 기존 기술은 약 86% 수준에 그친다.

MARIOH로 복원한 고차원 상호작용 정보를 활용하면 예측이나 분류 등 데이터를 활용한 다양한 작업의 성능이 향상되는 것으로 나타났다.

신 교수는 "MARIOH는 단순화된 연결 정보 정보에만 의존하던 기존 접근에서 벗어나 실제 세계의 복잡한 연결 관계를 정밀하게 활용할 가능성을 열어 준다"며 "단체 대화나 협업 네트워크를 다루는 소셜 네트워크 분석, 단백질 복합체나 유전자 간 상호작용을 분석하는 생명과학, 다중 뇌 영역 간 동시 활동을 추적하는 뇌과학 등 다양한 분야에서 폭넓게 활용될 수 있을 것"이라고 말했다.

<참고 자료>
- doi.ieeecomputersociety.org/10.1109/ICDE65448.2025.00233

KAIST 연구팀이 개발한 마리오(MARIOH) 기술을 활용해 저차원 논문 공저 관계(왼쪽)로부터 고차원 관계(오른쪽)를 100% 정확도로 복원한 예시. KAIST 제공

[이병구 기자 2bottle9@donga.com]