AI가 학습할 데이터 고르는 과정 최적화
국내 연구진이 인공지능(AI)의 데이터 학습 기술인 딥러닝(심층학습)에 필요한 훈련시간을 최대 59% 단축하는 기술을 개발했다.
카이스트(KAIST)는 이재길 전산학부 교수 연구팀이 딥러닝 모델의 예측 정확도와 훈련속도가 크게 향상된 새로운 학습 기술을 개발했다고 20일 밝혔다.
AI는 주어진 전체 데이터 중 ‘배치(batch)’라 부르는 일부 데이터를 선정해 딥러닝에 이용한다. 배치를 어떻게 선정하는지에 따라 학습된 AI의 성능(예측 정확도)과 훈련시간이 달라진다. 일반적으로 무작위로 배치 선정을 하면 최고의 학습 결과가 얻어지지 않으며, 예측 정확도를 높일수록 필요한 훈련시간도 늘어난다.
연구팀은 AI가 최적의 배치를 선정할 수 있도록 하는 기술을 개발했다. AI가 특정 데이터를 활용해 예측한 결과가 실제 결과와 얼마나 일치하는지를 따져 그 데이터를 배치로 선정할지 말지 결정하는 방식이다.
기존 학습 방식과 비교한 결과, 예측 오류는 최대 21%, 훈련시간은 최대 59% 줄었다. 연구팀은 이 새로운 방법론은 ‘최신 편향’이라고 이름붙였다.
연구팀은 "딥러닝의 핵심 기술"이라며 "다양한 심층 신경망에 폭넓게 적용할 수 있어 딥러닝의 전반적인 성능 개선에 기여할 것ˮ이라고 설명했다.
연구성과는 오는 23일 데이터 분야 국제 학술대회 ‘국제컴퓨터학회 정보지식관리 콘퍼런스(ACM CIKM)’에서 발표될 예정이다.