KAIST, 스스로 업데이트 할 수 있는 AI 기술 개발

한국과학기술원(KAIST)에서 상황에 따라 스스로 업데이트할 수 있는 인공지능(AI) 기술을 개발했다. AI 모델이 꾸준히 정확한 판단을 내리는 것이 중요한 요소인 만큼, 시간이 지나며 성능이 떨어지는 현상을 해결하고 빠른 발전을 가져올 것으로 보인다.

KAIST는 황의종 전기및전자공학부 교수팀이 시간에 따라 데이터의 분포가 변화하는 환경에서도 AI가 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술을 개발했다고 14일 밝혔다.

연구팀은 지난 2월 캐나다 밴쿠버에서 열린 ‘국제 인공지능 학회(Association for the Advancement of Artificial Intelligence, AAAI)’에서 이 같은 내용의 논문을 발표했다.

연구팀은 최근 실생활에 활용되는 AI 모델에서 시간 경과에 따른 성능 저하 현상을 해결하기 위해 AI가 데이터를 학습했을 때의 업데이트 정도와 방향을 나타내는 그래디언트(gradient)를 활용한 개념을 도입하고, 이 개념이 변화하는 데이터 상황에서 학습에 효과적인 데이터를 선택하는 데 도움이 될 수 있음을 이론·실험적으로 분석했다. 이런 분석을 바탕으로 데이터의 분포가 변화해도 AI가 효과적으로 학습할 수 있는 기법을 제안했다.

연구팀이 제안한 기법은 변화하는 데이터에 AI를 맞춰서 적응시키는 기존의 방법과 달리, 데이터 자체에 대한 직접적인 전처리를 통해 학습에 최적화된 데이터로 바꾼다는 점에서 유리하다. 즉 AI 모델 종류에 상관없이 쉽게 확장하고 적용할 수 있다는 것이다.

실제로 본 기법을 통해 시간에 따라 데이터가 변화됐을 때도 AI 모델의 성능을 안정적으로 유지할 수 있음이 확인됐다.

이번 연구 성과는 산업 일선에서 나타나는 드리프트 현상을 해결할 수 있을 것으로 보인다. 드리프트 현상이란 데이터가 지속해서 변화하는 현상이다. 최신 AI가 다양한 분야에서 높은 성능을 보여주고 있으나 이는 데이터가 변하지 않는 정적인 환경에서 얻은 성과로, 반도체 공정 등 산업 일선에서는 센서 데이터의 관측값이 지속적으로 변화하는 현상이 관측되고 있다. 이 경우 과거에 학습된 AI의 판단이 현재 시점엔 정확하지 않게 되고, AI의 성능이 점차 저하될 수 있다는 의미다.

논문의 제1저자인 김민수 박사과정 학생은 "이번 연구를 통해 초기에 AI를 잘 학습시키는 것도 중요하지만, 변화하는 환경에 따라 계속해서 관리하고 성능을 유지하는 것도 중요하다는 사실을 알리고 싶다"고 밝혔다.

연구팀을 이끈 황의종 지도교수는 "AI가 변화하는 데이터 환경에서도 성능이 저하되지 않고 유지하는 데 도움이 되길 기대한다"고 말했다.

본 연구에는 KAIST 전기및전자공학부의 김민수 박사과정생이 제1저자, 황성현 박사과정생이 제2저자, 황의종 교수가 교신 저자로 참여했다. 이번 연구가 발표된 AAAI는 AI 분야에서 최고 권위를 가진 국제학술 대회다.

한편 이 기술은 SK 하이닉스 인공지능협력센터(AICC)와 정보통신기획평가원, 한국연구재단의 지원을 받은 과제 성과로 알려졌다.

구혁 기자