포스텍, 원본 데이터 공유 없이 라벨 오류 찾아내는 분산 AI 기술 개발 작성일 08-06 38 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="UTixfOIkro"> <p contents-hash="70e62740c91e5f08d7fd0fa184e66bdbe6493b6f17bb72e860828e5e7abf8c09" dmcf-pid="uynM4ICEDL" dmcf-ptype="general">포스텍(POSTECH)은 김광인 인공지능대학원·전자전기공학과 교수 연구팀이 원본 데이터를 열어보지 않고도 문제 있는 데이터를 콕 집어내, 적은 비용으로 인공지능(AI) 성능을 끌어올리는 기술을 개발했다고 6일 밝혔다. 이번 연구는 최근 AI 분야 국제학회 중 하나인 'AAAI 2026(The Fortieth AAAI Conference on Artificial Intelligence)'에 메인 테크니컬 트랙 논문으로 게재됐다.</p> <p contents-hash="e66ffe6b9f69f629f804040028e63cbf1aa504ed202821989ecacf0a11f345fe" dmcf-pid="7WLR8ChDEn" dmcf-ptype="general">AI를 잘 학습시키려면 데이터마다 '고양이', '강아지'라고 알려주는 '라벨(label)'이 필요하다. 라벨이 잘못 붙으면 AI는 엉뚱한 규칙을 배워 성능이 떨어진다. 하지만 수많은 라벨을 사람이 일일이 확인하기엔 시간과 비용이 많이 들어, 고쳤을 때 효과가 클 데이터만 골라 재검수하는 '능동 오류 정정(Active Error Correction)' 기술이 최근 주목받고 있다.</p> <p contents-hash="d28f304cd148915a5b782a384d78c24d04400c3437ca51833854f86cf944460f" dmcf-pid="zYoe6hlwDi" dmcf-ptype="general">문제는 요즘처럼 데이터를 한곳에 모을 수 없는 환경이다. 병원이나 기업, 개인 기기는 개인정보 때문에 데이터를 밖으로 내보내지 못한 채 각자 가진 상태로 AI 학습에 참여한다.<br></p> <figure class="figure_frm origin_fig" contents-hash="37fecfd9bf035082d928a667656de46cb2cf8265bb04870f39e2c037a26516bb" dmcf-pid="qGgdPlSrwJ" dmcf-ptype="figure"> <p class="link_figure"><img alt="김광인 인공지능대학원·전자전기공학과 교수" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/06/etimesi/20260806082611968fxwe.jpg" data-org-width="375" dmcf-mid="pPXTI92usg" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/06/etimesi/20260806082611968fxwe.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 김광인 인공지능대학원·전자전기공학과 교수 </figcaption> </figure> <p contents-hash="8469963f30de8dc2f4a18daf0593ae862d5b4e5de4a38eab2e3652b2ee8baf46" dmcf-pid="BHaJQSvmOd" dmcf-ptype="general">연구팀은 데이터를 직접 보는 대신, 이 요약본 속 '가중치 기울기'라는 신호에 주목했다. 이 기울기는 각 데이터가 AI를 어느 방향으로 바꾸려 하는지 보여주는 지문 같은 정보로, 서버는 이것만 비교해도 원본 없이 학습 패턴을 읽어낼 수 있다.</p> <p contents-hash="4a04e3f9f4994ca8453150e246c0996aa1d84f284023c2bf2551a728a4b1604a" dmcf-pid="bXNixvTswe" dmcf-ptype="general">연구팀은 여기에 '가우시안 프로세스'라는 통계 기법을 적용한 '가우시안 프로세스 능동 오류 정정(GPAEC) 알고리즘'을 설계했다. 다른 데이터들과 견주어 봤을 때 유독 동떨어진 곳을 '수상한 데이터'로 지목하는 것이다. 반 전체가 비슷한 답을 냈는데 혼자만 엉뚱한 방향으로 간 학생의 답안부터 확인하는 것과 같은 이치다. 실제로 이 '튀는 정도'와 라벨 오류 확률의 상관관계는 0.86으로 잘 들어맞았다.<span></span></p> <p contents-hash="230fb1eff722c2f4c55b25474a931e5a65c94ca0a4f8deb32b87b2225cbc0a03" dmcf-pid="KZjnMTyODR" dmcf-ptype="general"><span> GPAEC 알고리즘은 비슷한 오류끼리 겹쳐 뽑지 않도록 서로 다른 유형을 고르게 선택하고, 각 기관이 보고한 성적이 실제 기울기와 어긋나면, 믿기 어려운 보고로 판단해 걸러낸다. </span></p> <p contents-hash="dab60c46b90d5d4615cd0abce2176239d00a5bbb293caf56a67bbe513b3c9d81" dmcf-pid="95ALRyWIwM" dmcf-ptype="general">이 기술의 가치는 '데이터를 보지 않고 문제를 찾는다'라는 데 있다. 병원들이 환자 정보를 공유하지 않고도 함께 진단 AI를 키우거나, 개인 정보 유출 없이 스마트폰으로 AI를 학습시키는 사례가 늘수록 이 기술의 활용 가치는 더욱 커질 전망이다. 개인정보는 지키면서 더 믿을 수 있는 AI를 만드는 열쇠가 될 것으로 기대된다.</p> <p contents-hash="d273452bcdea8eb30bccfd61ad4b1fc752dac5a1f3cdc6506e945cb513f5b0f7" dmcf-pid="21coeWYCrx" dmcf-ptype="general">김광인 교수는 “개인정보 보호가 더욱 중요해지는 의료·금융 등 여러 분야에서 신뢰 가능한 AI를 만드는 데 보탬이 되길 바란다”라고 전했다.</p> <p contents-hash="3c610b47832d0dfd6e6b1c13a57473dff7d94896a5b6248ca0732c62ecafe263" dmcf-pid="VHhrA0pXsQ" dmcf-ptype="general">한편, 이 연구는 과학기술정보통신부 재원의 한국연구재단 사업과 정보통신기획평가원의 지원을 받아 수행됐다.</p> <p contents-hash="f4d622ae14b82c35c858a5b92d9576693ed4509fc89c62131a6429b5737d3d65" dmcf-pid="fXlmcpUZIP" dmcf-ptype="general">포항=정재훈 기자 jhoon@etnews.com</p> </section> </div> <p class="" data-translation="true">Copyright © 전자신문. 무단전재 및 재배포 금지.</p> 관련자료 이전 제이크 폴 복귀 설득에도…하빕은 ‘냉담’ 08-06 다음 '손목 부상' 알카라스, 신시내티오픈 불참…US오픈 2연패 도전 흔들 08-06 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
