동국대학교 산업시스템공학과 손영두 교수 연구팀의 논문 '준비도 인식 기반 샘플 선택 방법'이 세계 최고 권위의 인공지능(AI) 학회인 NeurIPS에 최종 채택됐다.
연구는 경상국립대학교 산업시스템공학부 이상호 교수, 뉴욕대학교 그로스만 의과대학 인구보건학과 도형록 교수와의 공동연구를 통해 이뤄졌다. 데이터 수가 불균형한 상황에서 레이블 오류에 강건한 새로운 학습 방법을 제시했다.
AI 학습에 활용되는 데이터에는 잘못된 레이블이 할당되는 경우가 많으며, 이는 AI 모델의 성능을 저하하는 주요 원인 중 하나로 지목되고 있다. 기존 연구에서는 이러한 문제를 해결하기 위해 레이블이 올바르게 할당된 데이터를 선택하여 학습에 활용하는 방법을 주로 사용해 왔다. 그러나 클래스별 데이터 수가 불균형한 경우, 데이터가 부족한 클래스에서는 학습이 상대적으로 느리게 진행되어 잘못된 레이블이 할당된 데이터를 올바른 데이터로 판단하는 문제가 있다.
연구팀은 이를 해결하기 위해 '데이터를 어떻게 선별할 것인가'에 집중한 기존 연구와 달리 '데이터를 언제 선별할 것인가'라는 새로운 관점을 제시했다. 클래스의 준비도 개념을 도입하여 학습이 충분히 진행된 클래스에서는 데이터를 선별하고, 나머지 클래스에서는 충분한 학습이 진행될 때까지 데이터 선별을 유보하는 방법을 제안했다. 연구팀은 제안한 방법을 통해 데이터가 부족한 클래스에서 데이터 선별 정확도를 높여 뛰어난 성능의 AI 모델을 구축했다. 레이블 오류와 클래스 불균형 문제가 함께 존재하는 다양한 응용 분야에서 AI 모델의 활용 가능성을 크게 높였다.
NeurIPS는 매년 전 세계에서 수만 편의 논문이 투고되는 AI 분야 최상위권 학회로, 이번 성과는 한국 연구진이 해당 분야에서 국제적인 경쟁력을 확보했음을 보여주는 사례로 평가된다.
본 연구의 제1저자인 최치현 박사과정은 “이번 연구는 레이블 품질이 보장되지 않은 상황에서도 AI 모델의 성능을 향상할 수 있는 새로운 관점을 제시했다는 점에서 의미가 크다”며 “레이블링 난이도가 높고 클래스별로 균형된 데이터 확보가 어려운 여러 분야에서 AI 모델의 성능을 높이는 핵심적인 기술로 활용될 수 있을 것”이라고 밝혔다.
손 교수가 이끄는 동국대학교 데이터과학연구실은 최신 AI 기법 연구를 바탕으로 지능형 로봇 작업 계획, 기상 위성 영상 분석, 공정 자동화, 설비 고장 진단 등 다양한 산업 응용 프로젝트를 수행하고 있다. 연구팀은 이번 성과를 발판 삼아 실제 산업 현장에 적용할 수 있는 AI 모델 개발 연구를 이어갈 계획이다.
김신영 기자 spicyzero@etnews.com
