[금강일보 곽진성 기자] 최근 들어 인공지능 기술의 눈부신 발전과 빅데이터 양의 증가로 인해 심층 학습이 다양한 데이터 분석 응용에서 활용되고 있어 주목된다. KAIST(총장 신성철)는 전산학부 이재길 교수 연구팀이 심층 학습 모델의 예측정확도와 훈련 속도가 대폭 향상된 새로운 모델 학습 기술을 개발했다고 20일 밝혔다.

KAIST에 따르면 이 교수 연구팀이 개발한 기술은 심층 학습 모델의 학습 진행 상황에 맞게 최적의 배치를 구성하도록 하는 기술이다. 연구팀은 새로 개발한 배치 선택 방법론을 ‘최신 편향(Recency Bias)’이라고 이름 붙이고 이미지 데이터에 널리 활용되는 다양한 합성 곱 신경망(CNN)의 학습에 적용했다.

그 결과 기존 방법론 대비, 예측정확도(이미지 분류 문제)에서 최대 21% 오류를 감소시키는 한편 훈련 속도(심층 신경망 미세 조정 문제)에서는 최대 59% 시간을 단축했다.

해당 연구는 KAIST 지식서비스공학대학원에 재학 중인 송환준 박사과정 학생이 제1 저자로, 김민석 박사과정 학생과 김선동 박사가 각각 제2, 제3 저자로 참여했다. 연구 결과는 데이터 처리 및 분석 분야의 국제 저명학술대회인 ‘국제컴퓨터학회 정보지식관리 콘퍼런스 2020’에 23일 발표될 예정이다.

이 교수는 “이 기술이 텐서플로우(TensorFlow) 혹은 파이토치(PyTorch)와 같은 기존의 심층 학습 라이브러리에 추가되면 기계 학습 및 심층 학습 학계에 큰 파급효과를 낼 수 있다”고 설명했다.

곽진성 기자 pen@ggilbo.com