이규빈 (앞줄 오른쪽부터 시계방향으로) 교수, 유연국·신성호·백승혁·고민환·노상준 박사과정생.[GIST 제공]

[헤럴드경제=구본혁 기자] 인공지능(AI) 모델은 하나의 학습 환경에 최적화된 내부의 매개변수가 고정되어 있기 때문에 종전의 학습 환경과 다른 운용 환경에서 AI 모델을 사용하면 성능이 저하되는 문제가 발생한다.

광주과학기술원(GIST)은 융합기술학제학부 이규빈 교수 연구팀이 AI 모델의 ‘실시간 환경 적응(Test-time adaptation)’ 기술을 개발했다고 밝혔다.

이번 연구 성과는 학습 환경과 다른 운용 환경에서 얻어진 이미지가 입력될 때 성능이 저하되는 기존 AI 모델의 한계를 극복하여 향후 자율주행차 등에 활용될 수 있을 것으로 기대된다.

‘실시간 환경 적응 기술’은 AI 모델의 매개변수를 학습이 끝난 후에도 운용 환경에 맞게 적응시켜 성능을 향상시키는 기술로서 AI 모델이 새로운 환경이나 조건에서도 잘 작동하도록 실시간으로 AI 모델의 매개변수를 미세 조정할 수 있다.

연구팀은 기존 연구와 다르게 환경 변화에 민감한 블록을 선택하는 방법을 통해 날씨, 조명 등 다양한 변화 요소에 민감한 AI 모델을 실시간으로 주어진 환경에 적응시키는 기술을 개발했다.

AI 모델의 학습을 위해서는 입력 이미지에 대한 정답 라벨이 필요하지만 실제로 운용 중인 AI 모델은 입력 이미지에 대한 정답 라벨이 없어 학습하는 것이 어렵다.

이러한 문제를 해결하기 위해 실시간 적응 연구에서는 AI 모델 스스로 입력된 이미지에 대한 정답 라벨을 생성하고, 이를 학습하는 방법이 사용된다. 즉, 실시간 적응 연구에서는 정확한 정답 라벨 생성 방법에 대한 연구가 진행되어 왔다.

기존 연구는 환경에 민감한 블록을 선택하는 기술을 사용하지 않아 환경 특성을 보지 않는 블록까지 변경되어 성능이 낮아지는 경우가 있었다. 또한, 정답 생성에 효율적이지 않은 방법을 사용하여 정답의 품질이 비교적 떨어졌다.

이규빈 (앞줄 오른쪽부터 시계방향으로) 교수, 유연국·신성호·백승혁·고민환·노상준 박사과정생.[GIST 제공] 입력된 이미지(강아지)에 대해서 확률 값이 계산되는 딥러닝 모델 구조 도식.[GIST 제공]

반면 연구팀은 실시간 환경 적응에 적합한 블록 선택 기술과 정답 생성 기술을 이용하여 적응 기술의 성능 평가 벤치마크에서 세계 최고 수준을 달성했다.

연구팀은 두 가지 방법을 사용하여 AI 모델의 실시간 적응을 수행하였다. 첫 번째 방법은 ‘환경 민감 블록 선택 기술’로서 AI 모델이 이미지를 볼 때 어떤 블록들은 환경에 따라서 달라지는 특성을 보지만, 어떤 블록들은 환경에 민감하지 않다. 따라서 환경 변화에 달라지는 블록만을 찾아내어 그 부분만 새로운 환경에 맞게 조정했다.

두 번째 방법은 ‘좌우쌍 기반 정답 생성’이다. AI 모델을 대상으로 같은 이미지를 좌우 반전을 통해 두 번 보여주고, 좌우 반전된 이미지 모두에서 높은 신뢰도로 같은 결과를 출력할 수 있도록 AI 모델을 운용 환경에서 학습시켜 정확성을 높였다.

벤치마크에서 기존 연구와 비교한 결과, 에러율을 26.3%에서 23.9%로 낮추는 데 성공했으며, 이는 정확도가 9.1% 개선된 것이다.

이규빈 교수는 “이번 연구를 통해 인공지능 시스템이 다양한 환경과 조건에서 지속적으로 성장하며 안정적으로 작동할 수 있다는 것을 확인했다”며 “향후 날씨, 조명 조건, 지리적 특성 등에 따른 환경 변화에도 흔들림 없이 물체를 정확히 인지하여 자율주행차 등에 활용될 수 있을 것으로 기대한다”고 말했다.

과학기술정보통신부와 LG전자 지원을 받아 수행된 이번 연구결과는 컴퓨터 비전 분야 세계 최고 권위의 학회 ‘CVPR(Computer Vision and Pattern Recognition)’에서 6월 19일 발표될 예정이다.