다수 모바일 기기 위에서 인공지능(AI) 모델을 학습할 수 있는 '연합학습' 기술 학습 속도를 4.5배 가속하는 방법론이 국내에서 개발됐다.
한국과학기술원(KAIST·총장 이광형)은 이성주 전기 및 전자공학부 교수팀이 국제 공동연구를 통해 이 같은 성과를 냈다고 2일 밝혔다.
연합학습은 구글이 제안한 새로운 기계학습 기술이다. 개인정보 유출 없이 방대한 사용자 기기 위 데이터를 활용, 의료 AI 기술 등을 개발할 수 있다. 구글을 비롯해 애플, 타오바오 등 세계적 빅테크 기업들이 널리 도입하고 있다.
그런데 AI 모델 학습이 사용자 스마트폰 위에 이뤄지는 탓에 기기 과부하를 일으키고 배터리 소모 및 성능 저하가 발생할 우려를 안고 있다.
연구팀은 연합학습 참여 사용자 기기 위 데이터 샘플 각각의 학습 기여도를 측정, 최적의 샘플을 선택하게 해 학습 속도 향상을 이뤘다. 이런 성능 향상에 대응한 최적화로 모델 정확도 저하 없이 학습 속도를 무려 4.5배 높였다. 이를 통해 사용자 스마트폰 과부하 문제를 최소화할 수 있을 것으로 기대된다.
이성주 교수는 “연합학습은 많은 세계 기업이 사용하는 중요한 기술”이라며 “이번 연구 결과는 연합학습 학습 속도를 향상하고 활용도를 높여 의미가 있다”고 말했다. 이어 “컴퓨터 비전, 자연어 처리, 모바일 센서 데이터 등 다양한 응용에서 모두 좋은 성능을 보여 빠른 파급효과를 기대한다”고 밝혔다.
한편 이 연구는 과학기술정보통신부 재원으로 한국연구재단과 정보통신기술진흥센터(IITP) 지원을 받아 수행됐다.
이성주 교수팀은 지난 6월 27일부터 7월 1일에 열린 세계컴퓨터연합회(ACM)의 제20회 모바일 시스템, 애플리케이션, 및 서비스 국제학술대회(MobiSys, International Conference on Mobile Systems, Applications, and Services)에서 연합학습 속도 향상을 위한 데이터 샘플 최적 선택 및 데드라인 조절 방법론을 발표했다.
이번 논문은 신재민 KAIST 전산학부 박사과정이 제1 저자로 참여했으며, 중국 칭화대학과 국제협력으로 이뤄진 성과다 위안춘 리, 윤신 리우 교수가 참여했다.
김영준기자 kyj85@etnews.com
