[이슈] 세계 최초, AI가 수시로 변화하는 환경에 적응... '고내구성 학습' 개발
[이슈] 세계 최초, AI가 수시로 변화하는 환경에 적응... '고내구성 학습' 개발
  • 최창현 기자
  • 승인 2019.10.28 04:30
  • 댓글 0
이 기사를 공유합니다

후지쯔 연구소, 변화하는 데이터에 대한 정답 지정을 통해 AI의 정확도 추정 및 복구 자동화
AI가 수시로 변화하는 환경에 적응하는 '고내구성 학습' 개발 (사진:본지DB)

최근 인공지능(AI) 활용에 의한 업무 효율화 및 생산성 향상 등에 기대가 모아지고 있다. 그러나 학습 데이터로부터 구축한 AI 모델은 실제 업무에서 수시로 변화하는 사회와 시장 환경의 변화 등의 끊임없이 변화하는 입력 데이터에 대해서 AI 모델이 능동적으로 대응하지 못하고, 운용해 나가는 가운데 정밀도가 저하되는 문제가 있다.

이에 후지쯔 연구소(FUJITSU laboratory)가 인공지능(AI) 운용시 입력 데이터의 연결을 자동화함으로써 AI의 정확도 추정과 AI 모델의 자동 복구를 가능하게 하는 AI '고내구성 학습(High Durability Learning)' 기술을 세계 최초로 개발했다고 25일 발표했다. 또 이 기술은 후지쯔의 AI 플랫폼인 '진라이(FUJITSU Human Centric AI Zinrai)에 활용하고 있다.

이번 개발한 AI 학습 기술은 운용중인 AI 모델의 정확도를 추정하면서, 자동으로 정밀도 저하를 억제할 수 있다. 이로 인해 AI 모델을 높은 정밀도로 장기간 유지하고 다양한 업무에서 안정된 AI 운용을 할 수 있다.

예) AI 운용에 있어서 금융 분야에서의 신용 위험 평가(사진:본지편집)
예) AI 운용에 있어서 금융 분야에서의 신용 위험 평가 기존(사진:본지편집)

예를 들어, 금융 분야에서 기업의 신용 위험을 AI로 평가할 때 기업의 재무 데이터를 이용하여 학습한 AI 모델을 사용하고 입력 데이터 값이 학습시에 비해 경제 현황, 구조 등 수시로 변화하는 환경을 반영하지 못한다면 이로 인해 신용 ​​위험도 도출 정밀도가 저하될 수 있다. 따라서 업무에서 AI를 활용하는 경우는 AI의 운영 단계에서 수시로 정확성을 확인하고 AI 모델의 정확도가 저하된 경우에는 최신 데이터를 사용하여 재학습을 실시해 AI 모델의 성능 복구 및 예측 정확도의 회복을 도모 할 필요가 있었다.

또한 AI 모델의 정확도를 확인하려면 최신 입력 데이터(예: 재무 데이터)와 세트가 되는 정답 데이터(예: 등급)가 필요하다. 그러나 정답 데이터를 준비하려면 많은 양의 데이터에 대해 전문가의 엄청난 작업과 비용이 소요된다. 또 인력에 의한 조사로 정밀도 저하가 확인되기 전까지는 다시 학습이 필요한 시기를 확인하는 것은 어렵고 정확도가 크게 떨어졌었다.

개발된 '고내구성 학습(High Durability Learning)' 기술은 AI의 정확성을 수시로 추정할 수 있고, 정밀도 저하시에는 AI 모델의 자동 복구를 실현하는 기술로 AI 모델을 학습할 때 사용하는 학습 데이터의 분포 및 운영시의 입력 데이터의 분포를 형상으로 파악하고 학습시 운용 데이터의 변화 추세를 파악하여 운용시 입력 데이터에 대한 정답 지정을 자동으로 실시한다(아래 사진 참조). 이는 입력 데이터에 대한 원본 AI 모델의 추정 결과와 자동 설정한 정답을 비교하여 그 시점의 AI 모델의 정확도 도출이 가능해지는 것이다.

'고내구성 학습'에 의한 입력 데이터의 자동 정답 넣기(사진:본지편집)

또한 자동 복구에 의한 AI의 정밀도 저하를 억제하고 입력 데이터에 부여한 정답을 기준으로 AI 모델의 분리 경계를 입력 데이터 경향에 따라 조정하여 AI 모델을 새로운 입력 데이터에 적응시킬 수 있다. 따라서 대규모 재학습을 실시하지 않고 AI의 정밀도 저하를 억제하는 것이 가능하다.

특히, 금융 분야에서 신용 위험 평가를 3,800 개사의 재무 데이터를 이용하여 검증한 결과, 본 솔루션은 AI의 정밀도를 오차 3 %로 억제하여 추정한 것을 확인했다고 한다.

한편, 이 기술은 AI의 정확성을 장기간 유지할 수 있기 때문에 AI의 안정적인 운용이 가능하며, 입력 데이터의 종류와 AI의 모델에 의존하지 않고 적용할 수 있기 때문에 다양한 업무에서 신규 도입하는 AI뿐만 아니라 이미 도입된 AI와도 결합할 수 있다. 따라서 금융 분야뿐만 아니라 도·소매 분야에서의 상품 분류 AI 및 유통 분야 등과 문자 인식 AI 등 다양한 업무에서 AI의 운영 효율성을 높일 수 있을 것으로 기대된다.

향후, 후지쯔연구소는 다양한 현장에서의 업무 적용 및 검증을 진행하고 2020 년도 중에 후지쯔의 '목적 지향적 프로세스와 프레임 워크(Design the Trusted Future by Data × AI)'에 통합하는 것 외에도 후지쯔의 AI 플랫폼 '진라이'를 지원하는 새로운 머신러닝 기술로서 실용화를 목표로 한다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.