광주과학기술원(GIST)은 이규빈 융합기술학제학부 교수팀이 날씨와 조명, 지형 등에 대응할 수 있는 인공지능(AI) 모델의 '실시간 환경 적응' 기술을 개발, 자율주행차 등에 활용할 수 있을 전망이라고 17일 밝혔다.
'실시간 환경 적응'은 AI 모델의 매개변수를 학습이 끝난 후에도 운용 환경에 맞게 적응시켜 성능을 향상시키는 기술이다. AI 모델이 새로운 환경이나 조건에서도 잘 작동하도록 실시간으로 AI 모델의 매개변수를 미세 조정한다.
AI 모델은 하나의 학습 환경에 최적화된 내부의 매개변수가 고정되어 있기 때문에 종전의 학습 환경과 다른 운용 환경에서 AI 모델을 사용하면 성능이 저하되는 문제가 발생한다. 예를 들어 화창한 날씨에 찍은 사진만으로 학습한 AI 모델은 이에 최적화돼 있어 비가 오는 날에는 이미지 인식 성능이 낮아지게 된다. 따라서 AI 모델이 학습이 끝난 후에도 이미지 인식 성능을 유지하려면 AI 모델을 새로운 운용 환경에 맞춰 조정하는 기술이 필요하다.
AI 모델의 학습을 위해서는 입력 이미지에 대한 정답 라벨이 필요하지만 실제로 운용 중인 AI 모델은 입력 이미지에 대한 정답 라벨이 없어 학습하는 것이 어렵다. 이 문제를 해결하기 위해 실시간 적응 연구에서는 AI 모델 스스로 입력된 이미지에 대한 정답 라벨을 생성하고 이를 학습하는 방법을 사용한다. 실시간 적응 연구에서는 정확한 정답 라벨 생성 방법에 대한 연구가 진행돼 왔다.
특히 환경에 민감한 블록을 선택하는 기술을 사용하지 않아 환경 특성을 보지 않는 블록까지 변경돼 성능이 낮아지는 경우가 있었다. 정답 생성에 효율적이지 않은 방법을 사용해 정답의 품질이 비교적 떨어졌다.
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. 이를 위해 두 가지 방법을 사용해 AI 모델의 실시간 적응을 수행했다.
첫 번째는 '환경 민감 블록 선택 기술'로 AI 모델이 이미지를 볼 때 어떤 블록들은 환경에 따라서 달라지는 특성을 보이지만 어떤 블록들은 환경에 민감하지 않다. 환경 변화에 달라지는 블록만을 찾아내 그 부분만 새로운 환경에 맞게 조정했다.
두 번째는 '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.
그 결과 벤치마크에서 기존 연구와 비교한 결과, 에러율을 26.3%에서 23.9%로 낮추는 데 성공했다. 이는 정확도가 9.1% 개선된 것이다. 실시간 환경 적응에 적합한 블록 선택 기술과 정답 생성 기술을 이용해 적응 기술의 성능 평가 벤치마크에서 세계 최고 수준을 달성한 것이다.
이규빈 교수는 “이번 연구로 AI 시스템이 다양한 환경과 조건에서 지속적으로 성장하며 안정적으로 작동할 수 있다는 것을 확인했다”며 “향후 날씨와 조명 조건, 지리적 특성 등에 따른 환경 변화에도 흔들림 없이 물체를 정확히 인지해 자율주행차 등에 활용될 수 있을 것으로 기대한다”고 말했다.
이번 연구는 이 교수가 지도하고 유연국 박사과정생이 수행한 이번 연구는 과학기술정보통신부와 LG전자의 지원을 받아 이뤄졌다. 컴퓨터 비전 분야 세계 최고 권위의 학회 '컴퓨터 비전 및 패턴 인식(CVPR)'에 6월 19일 발표할 예정이다.
광주=김한식 기자 hskim@etnews.com
