“데이터 편향 없앴더니”…멀티모달 AI 성능 ‘UP’ 작성일 10-14 41 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">황의종 KAIST 교수팀, 새 학습 데이터 증강기술 개발<br>특정 데이터 의존 않고, 영상 등 다양한 데이터 동시 학습</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="6Wkpz80CvN"> <figure class="figure_frm origin_fig" contents-hash="9f6b531a60cfd17690eba946ff104b03a7574ac0f74ebdb8fb388e9d213d07e9" dmcf-pid="PYEUq6phha" dmcf-ptype="figure"> <p class="link_figure"><img alt="KAIST는 특정 데이터 유형에 의존하지 않고, 모든 데이터 유형을 활용해 모델 정확도를 높이는 새로운 학습 데이터 증강기술을 개발했다. KAIST 제공." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202510/14/dt/20251014164424718kssb.png" data-org-width="640" dmcf-mid="f4mdLDe7lc" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202510/14/dt/20251014164424718kssb.png" width="658"></p> <figcaption class="txt_caption default_figure"> KAIST는 특정 데이터 유형에 의존하지 않고, 모든 데이터 유형을 활용해 모델 정확도를 높이는 새로운 학습 데이터 증강기술을 개발했다. KAIST 제공. </figcaption> </figure> <p contents-hash="48c5955b721ff01df29835a89137a9dc3ff2987b6e527740ef659cd78faf91d5" dmcf-pid="QGDuBPUlvg" dmcf-ptype="general"><br> 최근 생성형 인공지능(AI) 기술의 급격한 발전에 힘입어 영상, 음성, 텍스트 등 서로 다른 정보를 동시에 처리하는 ‘멀티모달 AI’가 주목받고 있다. 멀티모달 AI는 자율주행, 의료 진단, 멀티미디어 검색 등 다양한 분야에서 빠르게 확산되고 있다.<br><br> 하지만 실제 활용 과정에서 특정 유형에 과도하게 의존해 성능이 불안정해지는 사례가 보고되고 있다. 이런 불균형 모델은 특정 정보에 치우쳐 학습하도록 만들어 결과적으로 전체적인 성능 저하를 초래한다.<br><br> 마치 보통 그림과 글자가 함께 있을 때 사람의 시선이 그림에 먼저 가는 것처럼 여러 감각을 동시에 활용하는 멀티모달 AI도 특정 데이터 유형에 더 크게 의존하는 경향이 있는 것이다.<br><br> 이 때문에 멀티모달 환경에서 균형을 잡고 안정적으로 학습을 보장할 수 있는 새로운 기술의 필요성이 커지고 있다.<br><br> KAIST는 황의종 전기및전자공학부 교수 연구팀이 다양한 데이터 유형을 한 번에 처리해야 하는 멀티모달 AI가 모든 데이터를 고르게 활용할 수 있도록 돕는 새로운 학습 데이터 증강 기술을 개발했다고 14일 밝혔다.<br><br> 멀티모달 AI는 텍스트, 영상 등 여러 데이터를 동시에 활용해 판단하는 AI를 말한다. 하지만 여러 정보를 받아들일 때, 한쪽 데이터에 치우쳐 판단하는 경향을 보여 예측 성능이 떨어지는 문제가 있다.<br><br> 연구진은 일부러 서로 어울리지 않는 ‘비정렬 데이터’를 섞어 학습에 사용했다. 이를 통해 AI가 한쪽 데이터에만 의존하지 않고 글과 그림, 소리 등 모든 데이터를 균형 있게 활용하는 방법을 배우게 했다.<br><br> 가령, 고양이 이미지를 개를 설명하는 텍스트와 함께 입력해 모델이 상충하는 신호를 해석하도록 유도해 특정 데이터에 의존하지 않고, 여러 데이터 정보를 균형있게 고려하도록 학습시켰다.<br><br> 아울러, 품질이 낮은 데이터는 보완하고, 어려운 데이터는 더 강조해 훈련하는 방식을 더해 다양한 상황에서도 안정적으로 성능을 높였다. 이 방법은 어떤 종류의 데이터에도 쉽게 적용할 수 있어 확장성과 실용성이 크고 연구팀은 설명했다.<br><br> 황의종 KAIST 교수는 “AI 성능을 높이려면 모델 구조(알고리즘)만 바꾸는 것보다, 어떤 데이터를 어떻게 학습에 쓰느냐가 훨씬 중요하다”며 “이번 연구는 멀티모달 AI가 특정 데이터에 치우치지 않고 균형 있게 정보를 활용할 수 있도록 데이터 자체를 설계하고 가공하는 접근법이 효과적일 수 있음을 제시했다”고 말했다.<br><br> 이 연구결과는 오는 12월 미국 샌디에이고와 멕시코 멕시코시티에서 열리는 AI 분야 국제학술대회 ‘NeurIPS’에서 발표될 예정이다.<br><br> </p> <figure class="figure_frm origin_fig" contents-hash="bbc286b46b9618c1385a3af364c3e5f7c800623b2f258dd68f9fcd5e717631ee" dmcf-pid="xHw7bQuSCo" dmcf-ptype="figure"> <p class="link_figure"><img alt="최소영(왼쪽) 석사과정,생 황성현(오른쪽) 박사과정생, 황의종 교수(오른쪽 위). KAIST 제공." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202510/14/dt/20251014164425968kxjc.jpg" data-org-width="640" dmcf-mid="4WSfPLVZhA" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202510/14/dt/20251014164425968kxjc.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 최소영(왼쪽) 석사과정,생 황성현(오른쪽) 박사과정생, 황의종 교수(오른쪽 위). KAIST 제공. </figcaption> </figure> <p contents-hash="9cfa2706e68d02e7209024b93cb9490f4edbf2b3e2020a741ac9fdd19a63e194" dmcf-pid="ydBkrTc6hL" dmcf-ptype="general"><br> 이준기 기자 bongchu@dt.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털타임스. 무단전재 및 재배포 금지.</p> 관련자료 이전 [르포] “후드티 사러 연차 내고 왔어요”… ‘한정판 굿즈’로 韓 공략 나선 팔란티어 10-14 다음 [현장] 서학개미가 사랑한 그 회사…‘팔란티어 성수 팝업’ 가보니 10-14 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
