KAIST는 전산학부 이재길 연구팀이 심층 학습 모델의 예측정확도와 훈련 속도가 대폭 향상된 새로운 모델 학습 기술을 개발했다고 20일 밝혔다.
최근 들어 인공지능 기술의 눈부신 발전과 빅데이터 양의 증가로 인해 심층학습(딥러닝)이 다양한 데이터 분석 응용에서 활용되고 있다. 심층 학습의 핵심 기술은 주어진 훈련 데이터로부터 예측정확도를 최대화한 모델을 빠르게 구축하는 것이다.
연구진이 개발한 기술은 심층 학습 모델의 학습 진행 상황에 맞게 최적의 배치를 구성하도록 하는 기술이다. KAIST 지식서비스공학대학원에 재학 중인 송환준 박사과정 학생이 제1 저자로, 김민석 박사과정 학생과 김선동 박사가 각각 제2, 제3 저자로 각각 참여했다.
배치 선택에서는 현재 모델 학습 단계에 가장 도움이 되는 데이터를 효과적으로 선택해야 한다. 도움이 될지를 판단하기 위해 이재길 교수팀이 개발한 방법은 해당 데이터에 대한 이전 추론 결과를 활용한다.
단계별 추론단계에서 결과가 매우 일관적일 경우 해당 데이터가 너무 쉬어 계속 맞추거나 반대로 너무 어려워 전혀 맞추지 못한다고 볼 수 있다. 다시 말하자면 이러한 데이터는 결코 도움이 되지 않는 데이터라 할 수 있다.
연구진은 새로 개발한 배치 선택 방법론을 최신 편향이라고 이름을 붙이고 이미지 데이터에 널리 활용되는 다양한 합성 곱 신경망의 학습에 적용했다. 결과 기존 방법론 대비, 예측정확도에서 최대 21% 오류를 감소시키는 한편 훈련 속도에서는 최대 59% 시간을 단축했다.
[전국매일신문] 대전/ 정은모기자
J-em@jeonmae.co.kr
