급변하는 이용자 취향과 변화 내용을 기존 지식에 효과적으로 더하는 인공지능(AI) 연속학습 기술이 나왔다. 이용자에게 맞춤형 제품이나 서비스를 알려주는 '추천시스템' 발전을 이끌 전망이다.
한국과학기술원(KAIST·총장 이광형)은 이재길 전산학부 교수팀이 다양한 데이터 변화에 적응하며 새 지식을 학습하고, 기존 지식을 망각하지 않는 새로운 연속 학습 기술을 개발했다고 5일 밝혔다.
기존 접근방식과 다르게 작업 간 다양한 변화 정도에 적응할 수 있는 '적응적 프롬프팅'에 기반한 연속 학습 기술을 제안했다.
기존 프롬프트 방식은 각 작업에 특화된 지식을 프롬프트에 저장하고, 적절한 프롬프트를 입력 데이터에 추가해 심층신경망에 전달해 과거 지식을 활용한다.
개발 방법론은 여기에 더해, 학습하려는 작업이 기존 작업과 유사하면 새로운 '프롬프트'를 생성하지 않고 할당된 프롬프트에 지식을 축적한다. 새로운 작업이 입력될 때만 프롬프트를 생성한다.
이 방법론을 검증한 결과 연구팀은 작업 간 변화 정도가 큰 환경에서 기존 프롬프트 기반 연속 학습 방법론 대비 최대 14% 정확도 향상을 달성했다. 작업 간 변화가 클 수도, 작을 수도 있는 환경에서는 최대 8% 정확도 향상을 달성했다.
이 경우 온라인 클러스터링(그룹화) 수행 비용도 매우 적어 대용량 데이터에도 쉽게 적용할 수 있다.
이재길 교수는 “연속 학습 분야의 새로운 지평을 열 만한 획기적인 방법”이라며 “실용화 및 기술 이전이 이뤄지면 심층 학습 학계 및 산업계에 큰 파급효과를 낼 수 있을 것”이라고 말했다.
한편 KAIST 전산학부의 김도영 박사과정이 제1 저자, 이영준·방지환 박사과정이 각각 4, 6 저자로 참여한 이번 연구는 '국제머신러닝학회(ICML) 2024'에서 지난달 발표됐다.
이 기술은 과학기술정보통신부 재원, 정보통신기획평가원(IITP) 지원을 받아 '사람 중심 인공지능 핵심 원천기술 개발사업 AI학습능력 개선 기술개발 과제'로 수행한 연구성과 결과물이다.
김영준 기자 kyj85@etnews.com
