일본 ICT 기업 후지쯔(Fujitsu)와 MIT 뇌·마음·기계 센터(Center for Brains, Minds and Machines) 소속 연구원으로 구성된 합동 연구팀이 AI의 이미지 식별 정확도를 높일 수 있는 방법을 입증했다.
영국 테크 매체 테크레이더는 2021년도 NeurIPS 연구 논문을 인용, 합동 연구팀이 인간의 뇌와 닮은 연산 기법을 활용해, AI가 훈련 데이터에 없는 정보(ODD)를 식별하도록 개발했다.
다양한 맥락 파악에 AI를 활용하는 사례는 다양하지만, 현존하는 모델의 성능은 환경에 따라 매우 민감하다. AI의 ODD 식별 능력은 원근법이나 빛의 밝기 차이 등 다른 환경 조건에서도 정확도를 유지하는 것이 매우 중요하다.
후지쯔와 MIT 합동 연구팀은 심층 신경망(DNN, deep neural network)을 여러 모듈에 이용한다. 심층 신경망을 적용한 각각의 모듈은 AI가 이미지를 식별하는 데 영향을 미치는 이미지 모양이나 색상 등 모두 인간의 뇌가 처리하는 시각 정보와 매우 비슷하다.
CLEVR-CoGenT 벤치마크 테스트 결과, 심층 신경망을 적용한 AI 모델의 이미지 식별 정확도가 가장 높은 것으로 확인됐다.
이번 연구에 참여한 후지쯔 펠로 세이시 오카모토(Seishi Okamoto)는 "이번 연구 결과는 다른 상황에서 유연하게 정보를 처리할 미래 AI 기술 개발의 중요한 전환점이 될 것이다. 더 나아가 원본 데이터와는 매우 다른 알 수 없는 데이터도 정확하게 식별한다. 따라서 앞으로 현실 세계에서 심층 신경망 기반 AI 모델 훈련 방법을 다양하게 활용할 수 있으리라 기대한다"라고 말했다.
MIT의 토마소 포지오(Tomaso Poggio) 박사는 이번 연구를 통해 신경과학 분야에서 영향을 받은 연산 원칙이 데이터베이스 편견과 같은 문제를 해결할 잠재력이 있다는 점을 함께 확인했다고 덧붙였다.
포지오 박사는 "ODD 조건 평가 시 DNN과 인간 간의 격차는 매우 크다. 이는 특히 안전성과 공정성 측면에서 AI 애플리케이션에 피해를 줄 수 있다. 지금까지 연구팀이 얻은 연구 결과로 AI의 안전성, 공정성 개선에도 도움이 된다는 사실을 확인했다"라고 전했다.
[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]
