여러 대의 모바일 기기 위에서 인공지능(AI) 모델의 학습을 진행할 수 있는 ‘연합학습’의 기술력을 크게 향상 시킬 수 있는 방법을 국내 연구진들이 개발하는데 성공했다.
한국과학기술원(KAIST)은 2일 전기및전자공학부 이성주 교수 연구팀이 중국 칭화대학교와의 국제공동연구를 통해 다수의 모바일 기기 위에서 인공지능(AI) 모델을 학습할 수 있는 연합학습 기술의 학습 속도를 획기적으로 가속할 수 있는 방법론을 개발했다고 밝혔다.
연합학습이란 모바일 기기 등 여러 위치에 분산 저장된 데이터를 직접 공유하지 않으면서, 서로 협력하며 AI 모델을 학습할 수 있는 분산형 머신러닝 기법이다. AI를 이용한 데이터 활용 사례가 많아지고 있는 가운데 기존 법적 규제와 충돌하지 않으면서 이를 해결하고자 하는 방안으로 연합학습이 급부상하고 있다.
특히 최근 구글에 의해 제안된 연합학습은 새로운 기계학습 기술로 개인정보의 유출 없이 방대한 사용자 기기 위 데이터를 활용할 수 있도록 한다. 때문에 의료 AI기술 등 새로운 AI서비스에 이용 가능성이 높다고 평가 받는다. 하지만 연합학습은 AI모델 학습이 사용자의 스마트폰 위에서 이뤄지는 만큼, 기기에 과부하를 일으켜 배터리 소모, 성능 저하 등이 발생할 수 있는 우려도 존재한다.
해당 문제를 해결하기 위해 이성주 교수 연구팀은 연합학습에 참여하는 사용자 기기 위 데이터 샘플 각각의 학습 기여도 측정을 기반으로 최적의 샘플을 선택하도록 해 연합학습 속도 향상을 달성했다. 또한 샘플 선택으로 줄어든 학습 시간에 대응해, 연합학습 라운드의 데드라인 또한 최적으로 조절하는 기법을 제안해 모델 정확도의 저하 없이 학습 속도를 4.5배 높였다.
이성주 교수는 “연합학습은 많은 세계적 기업들이 사용하는 중요한 기술로, 이번 연구 결과는 연합학습의 학습 속도를 향상하고 활용도를 높여 의미가 있다”며 “컴퓨터 비전, 자연어 처리, 모바일 센서 데이터 등 다양한 응용에서 모두 좋은 성능을 보여 빠른 파급효과를 기대한다ˮ고 밝혔다.
한편 이 연구는 과학기술정보통신부의 재원으로 한국연구재단과 정보통신기술진흥센터의 지원을 받아 수행됐다.