인하대, 기존 데이터 없이 활용 가능한 퓨샷 학습 기법 개발

인하대학교가 전기컴퓨터공학과 빅데이터연구실 연구팀이 인공지능 분야 세계 최고 권위 학술대회인 전미인공지능학회(Association for the Advancement of Artificial Intel ligence: 이하 AAAI) 2023에서 발표할 예정이라고 9일 밝혔다.

빅데이터연구실 소속 김성웅 학생과 지도교수인 최동완 교수는 오는 2월 미국 워싱턴DC에서 열릴 예정인 AAAI에서 김성웅 학생의 석사졸업논문(영문제목: Better Generalized Few-Shot Learning Even Without Base Data)을 발표한다. 연구팀은 일반화된 퓨샷 학습(Few-Shot Learning)에서 기존 클래스의 데이터를 전혀 사용하지 않고 새로운 클래스의 데이터를 소량만 이용해 기존보다 더 나은 결과를 도출하는 제로-베이스 GFSL(Zero-Base GFSL) 방법을 개발했다. 퓨샷 학습은 사람이 한 장의 사진만으로 물체를 식별하듯이 적은 데이터로 학습이 가능한 방식이다.

기존 일반화된 퓨샷 학습은 이전 데이터가 필요하지만 개인정보 보호 및 윤리적인 문제로 이를 활용하지 못하는 상황이 발생할 수 있다. 연구팀은 퓨샷 학습이 이루어지는 모델의 가중치를 분석해 기존 클래스 가중치 분포와 새로운 클래스의 가중치 분포가 평균과 분산에 대해 제대로 설정되지 않았다는 사실을 발견하고 이를 간단하고 효과적으로 제어할 수 있는 방법을 제안해 그 성과를 인정받았다.

이번 연구결과는 소량의 데이터만 추가되는 온라인 추론형 신경망에 적용해 인공지능이 새로운 지식을 보다 효과적으로 학습하는 데 기여할 수 있을 것으로 기대된다.

연구책임자인 최동완 인하대학교 컴퓨터공학과 교수는 “인간의 뇌가 비교적 적은 경험만으로 일반화된 지식을 학습해나갈 수 있는 것처럼, 인공 신경망에서도 이를 가능하게 만드는 데 한 발 더 다가갈 수 있게 된 연구결과로 생각된다”라고 말했다.

한편, 이번 연구는 정보통신기획평가원의 사람중심 인공지능 핵심원천기술개발사업 및 인공지능융합대학원의 지원과 한국연구재단의 기초연구실 및 4단계 BK21 사업의 지원으로 수행됐다.