인하대, 기존 데이터 없이 활용 가능한 퓨샷 학습 기법 개발

입력 2023년01월09일 09시34분 민일녀
트위터로 보내기카카오톡 네이버 밴드 공유

인하대, 기존 데이터 없이 활용 가능한 퓨샷 학습 기법 개발인하대, 기존 데이터 없이 활용 가능한 퓨샷 학습 기법 개발

최동완 인하대학교 컴퓨터공학과 교수, 김성웅 석사과정학생(사진제공-인하대)

[여성종합뉴스]인하대학교(총장 조명우)는 전기컴퓨터공학과 빅데이터연구실 연구팀이 인공지능 분야 세계 최고 권위 학술대회인 전미인공지능학회(Association for the Advancement of Artificial Intelligence: 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.

무통장입금 정보입력
입금할 금액은 입니다. (입금하실 입금자명 + 입금예정일자를 입력하세요)

연예가 화제

동영상뉴스

포토뉴스

독자기고

손준혁
민일녀
백수현
조용형