본문영역

창의적인 AI
인재 양성의
디딤돌

AI 분야의 창의적인 인재 양성을 위한 UNIST의 AI 챌린저스 프로그램(AICP, AI Challengers Program)이 후반전에 돌입했다. U교육혁신센터 주관으로 지난 3월부터 시작된 장기 연구와 8월부터 진행된 단기 연구 모두 오는 12월에 마무리될 예정이다. 이들 중 장기 연구를 진행하고 있는 세 팀을 만나 지금까지의 연구 성과와 앞으로의 목표에 대해 들어봤다.
  • 글. 편집실   사진. 김현희
AI Challengers
   Program [AICP]
학부생 및 대학원생이 스터디 그룹을 구성하여 AI와 관련된 주제를 자율적으로 연구하는 프로그램
목적
• 인공지능 분야의 ‘창의적 인재’ 양성
• 후속 인공지능 연구 및 창업 연계 기대
연구기간 및 분야
• 기간 - 팀별 1년(2021.02.01~12.31) / 연 1회 운영
• 분야 - AI 및 AI와 연계한 응용분야
지원사항
• 프로젝트 운영비 / 교내 팀별 전용 공간 / GPU 서버 /
학부생 인턴십 학점 인정

01

AI 기반의 구름 탐지
기후 변화 모니터링과
예측을 위한 첫걸음
구름 탐지, 기후 모니터링·예측의 주요 기술

인공위성이 촬영한 영상에서 구름을 탐지하는 것은 기상을 모니터링하고 기후변화를 예측하는 데 필수 과정으로 꼽힌다. 구름과 구름 그림자 아래의 기상이 어떤지를 정확하게 파악해야 하기 때문이다. 도시환경공학과 대학원생 김영준·유철희·이주현· 한대현 4명으로 이루어진 BTC(Beyond the Cloud)가 기후 모니터링과 예측을 위한 주요 기술을 연구하고 있다.
BTC 팀원은 현재 환경원격탐사/인공지능연구실(IRIS Lab)에서 AI 기법을 이용해 자연재해 모니터링 및 예측 연구를 진행하고 있다. AI를 이용해 인공위성 기반 북극 해빙 농도 변화를 예측하거나, 정지궤도 위성 자료를 이용해 실시간 태풍의 이동 경로와 강도를 탐지하고, 일별 최고 및 최저 온도를 모니터링해 폭염을 예측하는 등 팀원별 연구 분야가 다양하다. 그런데 이 가운데 공통분모가 한 가지 있으니 바로 구름 탐지다. “저희 연구실에서는 인공위성 데이터를 활용해 대기, 해양, 극지, 폭염, 미세먼지, 산불, 가뭄 등 여러 환경 분야에서 모델을 만들어 환경 변화를 모니터링하고 예측하는 연구를 진행하고 있어요. 특히 인공위성 영상에 구름이 있으면 그 아래 정보를 가늠하기가 어려워서 원하는 정보를 산출할 때 구름과 구름 그림자 영역을 제거하고 분석해야 하죠. 위성 영상에서 구름과 구름으로 발생한 그림자를 추출하는 게 중요한 게 이 때문이에요. 저희는 이를 자동으로 정확하게 수행할 수 있는 AI 알고리즘을 개발하는 데 뜻을 모았습니다.” 한대현 팀장의 설명이다. 때마침 개최된 AICP가 좋은 계기가 되어 BTC는 지난 3월부터 ‘AI 기반 인공위성 영상의 구름 및 구름 그림자 자동 탐지 기술 개발’을 시작했다.

유의미한 연구성과는 후속 연구로 이어갈 것

IRIS Lab에서 5년 남짓 함께 손발을 맞춰온 데다, 비전공자로서 함께 AI 스터디를 시작하면서 인연이 더 깊어졌다는 BTC는 지난 상반기에 AI에 대한 기본 개념을 이해하고 깊이 있게 공부한 것을 토대로 현재 한국정보화진흥원과 항공우주연구원에서 제공하는 위성 영상 데이터를 활용해 새로운 알고리즘 개발에 속도를 내고 있다. 실제 새로 개발한 알고리즘을 적용한 결과, 물을 그림자로 인지하거나 밝은 색의 대지를 구름으로 인지하는 등 탐지와 분석에 일부 오류가 발생하기도 했지만 기존에 제시된 연구들과 비교해 오류 발생이 적다는 유의미한 성과를 얻었다.
또, BTC가 개발한 모델은 다양한 위성 영상을 처리할 수 있으며 구름의 존재 여부를 학습해 구름 영역을 탐지할 수 있다는 것도 차별화된 지점이다. AICP에서 BTC의 1차 목표는 9월 말에 개최되는 제2회 한국인공지능 학술대회에 참가해 그간의 연구성과를 발표하는 데 있다. 이후 또 다른 위성 데이터를 활용해 테스트하고 모델링의 정확성을 높여, 새로 개발하는 알고리즘과 모델을 오픈할 계획이다. 더불어 연구한 내용을 국내 및 SCI급 국제 학술지에 투고하겠다는 포부도 밝혔다.
이번 연구를 지도하고 있는 도시환경공학과 임정호 교수는 “각자의 연구 분야에서 공통분모를 찾아 팀을 이루고, 차세대 고해상도 위성 영상에서 구름 자동 탐지 알고리즘 개발이라는 유의미한 연구를 시작한 것이 고무적”이라고 밝혔다. 또 “선행연구가 있다고 하더라도 정확성이 높은 새로운 기법을 개발하는 것은 아주 유의미하므로 이벤트나 그저 경험으로 끝내지 말고 다음 단계로 넘어갈 수 있기를, 새로운 AI 분야를 개척할 수 있기를 바란다”라며 BTC의 꾸준한 연구를 응원했다.

02

당신이
‘클릭하게 될 그 뉴스’를
추천합니다!
AI 기반의 사용자 맞춤형 뉴스 추천으로 클릭 유도

“1학년 2학기에 인공지능 과목을 수강했는데 공부하면 할수록 재밌더라고요. 학부생으로서 AI 분야를 좀 더 깊이 있게 이해하고 공부해보자는 생각으로 AICP에 참가하게 됐습니다.” 진상진 학생의 말처럼 AOAO의 시작은 인공지능에 대한 작은 관심이었다. 이들이 도전한 연구 주제는 ‘강화학습 기반의 뉴스 기사 추천시스템 개발’이다. 포털 등 웹서비스에서 콘텐츠나 사용자 정보를 이용해 개별 사용자에게 뉴스 기사 등의 맞춤 서비스를 제공할 때 해결해야 할 난제가 있다. 웹서비스가 기존 협업 필터 방법을 적용하기가 어려울 만큼 동적으로 변하는 콘텐츠 풀(Pool)이라는 것과 이를 학습하고 계산하기 위해서는 고도화된 알고리즘이 필요하다는 것. 이 문제 해결에 AI 알고리즘 스스로 다양한 시도를 통해 최적의 결과를 낼 수 있는 조합을 찾아가는 강화학습이 유용하게 활용된다.
팀장을 맡고 있는 김형민 학생은 “우리는 매일 혹은 매 순간 포털 등 여러 웹서비스를 통해 뉴스를 접하는데, 이 중에서 누가 어떤 뉴스 기사를 클릭하게 되는지 궁금했습니다. 클릭할 가능성이 큰 기사를 추천할 수 있다면 비즈니스 측면에서 큰 도움이 될 것이고요. 그래서 저희는 AI 기반의 알고리즘으로 사용자별로 맞춤형 뉴스 기사를 추천하는 연구를 진행하고 있습니다.”라고 말한다. 연구의 목표가 사용자별 특성을 고려해 가장 적합한 뉴스 기사를 추천, 클릭을 유도하는 데 있는 것이다. 사용자의 성격과 나이, 성별, 취향과 더불어 그동안 사용자가 클릭한 뉴스 기사의 특징을 포함한 복합적인 데이터를 바탕으로 사용자가 클릭할 확률이 가장 높은 뉴스 기사를 추천하는 알고리즘을 개발하는 게 핵심이다.

선행연구 구현에서 새로운 알고리즘 연구까지

AOAO는 지난 1학기에는 주로 논문을 중심으로 기본 개념과 이론을 이해하는 데 주력하고, 현재는 야후(YAHOO)에서 제공하는 오픈 데이터로 컨텍스츄얼 밴딧(Contextual Bandit) 알고리즘을 적용한 연구를 진행 중이다. 장기적으로 사용자 클릭 수 총합을 최대로 만들기 위해 사용자 클릭 피드백을 바탕으로 기사 선택 전략을 수정해 나가는 동시에 사용자와 기사 간 맥락상 정보를 기반으로 사용자에게 추천할 기사를 순차적으로 선택해 나가는 방식이다. 실제로 AOAO는 선행연구에 대한 이해를 바탕으로 알고리즘을 구현, 적용해 무작위로 뉴스 기사를 추천했을 때보다 1.5배가량 높은 누적 클릭율(CTR) 그래프를 도출하는 데 성공했다. 이번 연구를 지도하고 있는 산업공학과 김지수 교수는 “학부생으로서 선행연구를 이해하고 이를 구현하는 게 쉽지 않은데 AOAO가 차근차근 단계를 밟아 성장하고 있다”라면서 “연구성과를 다른 것에 적용해 확장할 수 있으므로 앞으로 목표를 좀 더 크게 잡고 새로운 알고리즘 개발에 도전해보길 바란다”라고 독려했다. AOAO 팀원들도 김지수 교수의 조언을 받아 앞으로 자체 알고리즘을 개발, 적용해 추천한 뉴스 기사와 사용자가 실제 클릭한 기사의 일치 확률을 비교하며, 가장 높은 클릭 수를 유도할 수 있는 알고리즘을 개발하겠다고 목표를 더 높게 수정했다.
“저희는 AICP를 통해 높은 벽을 단숨에 뛰어넘는 게 목표가 아니라 계단을 쌓아 가는 과정에 의미를 두고 있습니다. 실제로 AI를 공부하고 연구하는 과정 자체가 즐겁습니다. 다만 이 연구를 좀 더 발전시켜 자체 알고리즘 개발에 도전해볼 생각입니다.”

03

컴퓨터 비전에
인과 추론 접목,
배움을 연구로 발전시키기까지
단순 패턴 인식 넘어선 인과 추론 패러다임

머신러닝과 딥러닝 기술이 발전하면서 AI는 한때 인간만이 할 수 있다고 여겼던 영역에서 인간을 능가하는 성과를 거두고 있다. 실시간 음성을 번역하거나 얼굴을 인식하는 건 이미 인간의 능력을 넘어섰다. 그런데 한편에서는 자율주행차량이 보행자를 치어 사망에 이르게 하거나 전복된 트럭에 그대로 추돌하는 등의 사고가 연이어 발생하면서 AI를 믿을 수 있는가에 대한 물음표를 뗄 수 없는 것도 사실이다. 단순한 패턴 인식을 넘어 원인과 결과를 설명할 수 있어야 한다는 주장에 힘이 실리는 것이 이런 이유에서다. 데이터를 분석할 때 변수 간의 상관관계에만 집중하는 기존 방법론이 아니라 변수 간의 인과관계에 집중하자는 ‘인과 추론’ 패러다임은 이처럼 더 안전하고 신뢰할 수 있는 AI를 구현하는 것을 목표로 한다.
김인수·박수영·박준성·박준현 등 인공지능대학원 1기생으로 이루어진 CVPR이 이 같은 인과 추론을 컴퓨터 비전에 접목하는 연구를 진행 중이다. 컴퓨터 비전은 컴퓨터공학, 머신러닝 등을 이용해 이미지 및 영상 등의 시각 자료를 식별하고 분석하는 기술이다. 컴퓨터 비전에서는 이미지와 이미지 내부의 텍스트뿐만 아니라 비디오, 3D 비디오까지 포함한다. 가령 과속카메라로 촬영해 얻은 차량 주행 영상에서 차량 번호판을 인식하는 것부터, 자율주행을 가능하게 하는 고도의 기술까지 아우른다.
“데이터를 기반으로 딥러닝, 머신러닝 또는 넓은 범주로 AI를 이용한 컴퓨터 비전 기술이 발전하고 있는데, 저희는 여기에 인과 추론이라는 개념을 적용하려고 합니다. 상관관계에 의존하는 방법론은 데이터를 모은 최초의 환경에서 벗어날수록 오류가 발생하고 신뢰성이 떨어지는 반면에 인과관계를 추론하고 조사하는 방법은 더 스마트하고 효율적이며 믿을 수 있는 이른바 스트롱(Strong) AI가 될 수 있습니다.”

그간의 연구를 의료 분야에 접목해 논문으로 발전시킬 것

인과 추론 강의를 함께 들으며 흥미를 느꼈고, 단순한 호기심에 그치기보다 더 깊이 배우고 탐색해보자며 스터디그룹을 결성했다는 CVPR은 AICP를 통해 매주 정기적으로 온라인 혹은 오프라인으로 모여 ‘컴퓨터 비전에서의 인과 추론’을 더 깊이 있게 파고들었다.
그리고 그간의 스터디와 연구를 토대로 AICP 참가 목표를, 컴퓨터 비전에 인과 추론을 적용한 새로운 알고리즘까지 개발하겠다는 것으로 한 단계 더 높였다. 10월에 열리는 2021 디지털헬스해커톤에 참가하는 것이 목표를 향한 첫 단계가 될 전망이다.
“처음에는 스터디의 연장선으로 AICP에 참가했는데, 시간이 지날수록 더 큰 도전 의식이 생겼습니다. 연구성과를 도출하고 이를 논문으로 발전시키자고 뜻을 모았죠. 인과 추론 개념을 머신 러닝에 접목하는 것이 새로운 분야라 그동안 저희가 공부한 것을 적용하고 테스트하는 기회나 공간이 부족했는데, 때마침 의료데이터로 인과 추론 방식을 적용하는 해커톤이 개최돼 거기에 참가할 계획입니다.”
박준현 팀장은 CVPR은 해커톤 연구 주제를 아직 정하지는 못했지만 단순 참가에 그치지 않고 유의미한 성과를 내겠다는 포부를 내비쳤다. 팀명인 ‘CVPR’은 중의적인 의미를 지니고 있다. Causal과 Vision 분야의 논문 스터디를 진행하는 ‘Causal Vision Paper Reading Group’을 의미하는 동시에, 세계적인 학회인 ‘Computer Vision and Pattern Recognition’의 약자라는 것. 그간의 스터디를 바탕으로 최고 학회에 제출할 만한 연구성과를 내보자는 목표를 반영했다는 이들의 도전에 속도가 붙었다.

Sub Paging