주어진 문제에 대해서는 좋은 성능을 보이지만 상황 변화에 유동적으로 대처하지 못해 성능이 크게 떨어지는 인공지능(AI)의 오랜 난제에 관한 해답을 국내 연구진이 찾아냈다. 이번 연구 결과는 차세대 AI, 스마트 교육, 인지 행동 치료 등 다양한 분야에 파급력이 큰 원천 기술로 기대를 모으고 있다.
한국과학기술원(KAIST)은 이상완 바이오및뇌공학과 교수 겸 신경과학AI융합연구센터장이 이끄는 연구팀이 AI 최대 난제 중 하나인 과적합·과소적합 상충 문제를 해결하는 원리를 풀어내는 데 성공했다고 5일 밝혔다.
AI는 현재 데이터나 환경을 과하게 학습시키거나 과도하게 복잡한 구조를 적용할 때 주어진 문제에 대해서는 좋은 성능을 보인다. 하지만 문제 환경이 조금만 달라져도 성능이 크게 떨어지는 문제점(과적합의 문제)이 발생한다. 또 이때 사용된 AI 모델은 높은 복잡도로 인해 결과값이 너무 민감해져 출력값의 ‘분산’이 커진다. 이러한 문제를 방지하기 위해 현재 데이터나 환경을 대충 학습시킬 경우 주어진 문제에 대해서는 최대한의 성능을 끌어낼 수 없다는 것(과소적합의 문제)과 데이터를 충실히 학습하지 못해 ‘편향성’이 발생할 수 있다는 단점이 있다. 학계는 그동안 이런 문제를 해결하기 위해 오랜 기간 연구를 진행했지만 실제 세계와 같이 상충 조건이 계속 변하는 상황에서의 명확한 해법은 아직 제안된 바가 없?었다.?
이 교수 연구팀은 인간의 뇌에서 해결책을 찾아냈다. 인간은 ?현재 주어진 ?문제?에 집중하면서도(과소적합 문제 해결), ?당면 문제에 과하게 집착하지 않고?(과적합 문제 해결)? 변하는 상황에? 맞게 유동적으로 대처?한다는 점에 착안한 것이다. 연구팀은 지난 2014년 해당 전두엽 영역이 환경의 불확실성을 바탕으로 강화 학습 전략을 유동적으로 조절하는 데 관여한다는 사실을 발견했고, 이듬해에는 인과관계 추론 과정에도 관여한다는 사실을 발견했다. 2019년에는 해당 뇌 영역이 문제의 복잡도까지 고려할 수 있다는 사실을 발견했다. 이러한 일련의 연구 결과들은 자신의 학습 및 추론 능력을 스스로 평가하는 인간의 메타 인지 능력을 보여주는 증거로 이 능력을 바탕으로 AI가 풀기 어려워하는 현실 세계의 다양한 상충적 상황들을 풀어낼 수 있다는 ‘전두엽 메타 학습 이론’을 정립한 바 있다. 이번 연구는 이 이론에 기반해 AI의 오랜 난제 중 하나인 과소적합·과적합 상충 문제를 실제로 풀어낸 최초의 사례로 평가된다.
이 교수는 “뇌 기반 AI 연구는 인간의 지능을 공학적으로 탐구하는 과정으로 볼 수 있다”며 “인간과 AI가 서로 도우며 함께 성장해 나갈 수 있는 명확한 기준점을 마련할 수 있을 것”이라고 말했다.
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
hit8129@sedaily.com
