KAIST, 최적의 인공지능 딥러닝 데이터 선택 기술 개발

예측 오류와 훈련 시간 각각 21%, 59% 줄여

한국과학기술원(KAIST)은 전산학부 이재길 교수 연구팀이 인공지능(AI) 딥러닝(심층학습) 기술에 필요한 최적 데이터를 선택하는 기술을 개발했다고 20일 밝혔다.

딥러닝은 훈련 데이터로부터 반복적으로 일부 데이터 샘플을 선정해 최적화하는 과정으로 이뤄진다.

이때 선정된 데이터 샘플을 '배치'(batch)라고 부른다.

배치를 무작위로 선택할 경우 정확도가 떨어지기 때문에 학습에 적합한 데이터를 골라내기 위한 연구가 활발히 진행되고 있다.

연구팀은 데이터 추론 결과를 활용해 현재 모델 학습 단계에 가장 도움이 되는 데이터를 효과적으로 선택할 수 있는 기술을 개발했다.

단계별 추론 단계에서 데이터가 너무 쉬우면 답을 계속 맞히거나, 반대로 너무 어려우면 계속해서 틀리게 되는 일관적인 결과가 나타난다.

이 같은 데이터는 예측 정확도를 높이는 데 도움이 되지 않는다.

반대로 몇 단계에서의 추론 결과가 일관적이지 않다면 데이터 추론이 혼동되고 있다는 뜻으로, 현재 시점에서 난도가 적절한 데이터라고 볼 수 있다.

연구팀은 이 같은 방법론을 '최신 편향'(Recency Bias)이라 이름 붙이고 이를 시각적 이미지를 분석하는 데 사용되는 인공신경망의 한 종류인 '합성 곱 신경망'(Convolutional Neural Network) 학습에 적용했다.

이번에 개발한 기술을 이용해 기존 방법론보다 오류는 21% 줄이고 훈련 시간은 최대 59% 줄이는 데 성공했다.

이번 연구 결과는 데이터 처리 분야 국제 학술대회 '국제컴퓨터학회 정보지식관리 콘퍼런스 2020'(ACM CIKM)에서 23일 발표된다.

/연합뉴스