국내 연구진이 인공지능(AI) 핵심 기술로 꼽히는 딥러닝(기계학습의 한 종류) 학습 시간을 기존보다 반으로 줄이는데 성공했다.
KAIST는 이재길 전산학부 교수 연구팀이 딥러닝 모델의 예측정확도와 훈련 속도가 대폭 향상된 새로운 모델 학습 기술을 개발했다고 20일 밝혔다. 기존 방법과 비교해 예측정확도는 최대 21프로 상승했고, AI 학습 시간은 최대 59% 단축했다.
딥러닝은 ‘배치(batch)’라는 데이터 단위를 기준으로 훈련에 나선다. 예를 들어 100개의 데이터를 학습하는 AI는 배치의 크기가 50일 때, 최소 2번 훈련한다. 하지만 단순 무작위로 배치를 결정하면 AI모델의 정확도를 보장할 수 없다.
이재길 교수 연구팀은 딥러닝 모델의 학습 진행에 맞는 최적의 배치를 구성하는 기술을 개발했다. 도움이 되는 데이터를 찾기 위해, 데이터의 학습 이력을 살펴봤다. 여러 번 반복된 데이터 학습 과정에서 일관적이지 않은 결과를 내놓는 데이터는 AI가 혼동하고 있다는 뜻이다. 다시 말해, 해당 데이터는 AI가 좋은 학습을 위해 필요한 것이다.
연구팀은 배치 선택 방법을 ‘최신 편향(Recency Bias)'이라고 이름을 붙였다.
이재길 교수는 "해당 기술이 텐서플로우 같은 기존의 딥러닝 라이브러리에 추가되면 기계 학습 및 심층 학습 학계에 큰 파급효과를 낼 수 있다ˮ라고 기대감을 드러냈다.
연구 결과는 데이터 처리 및 분석 분야의 국제 저명학술대회 ‘국제컴퓨터학회 정보지식관리 콘퍼런스’에서 23일 발표 예정이다.
송주상 기자 sjs@chosunbiz.com