작성일 : 18-05-11 13:42
KAIST 예종철 석좌교수 연구팀 , 심층신경망 속, 인공지능 블랙박스를 들여다보다
 글쓴이 : happy
조회 : 3  

심층신경망 속, 인공지능 블랙박스를 들여다보다

2018년 05월 10일 18:00
KAIST 연구진이 인공지능을 이용해 영상처리를 진행했다. 영상에서 80% 화소가 사라진 경우에도 인공신경망을 통해 복원이 가능했다.
KAIST 연구진이 인공지능을 이용해 영상처리를 진행했다. 영상에서 80% 화소가 사라진 경우에도 인공신경망을 통해 복원이 가능했다.

너무도 복잡해져 해석하기 어렵게 된 인공지능의 원리를 국내 연구진이 수학적 원리를 통해 밝혀내는데 성공했다. 기존 인공지능 구조의 단점을 보완해 보다 안정적이고 다양한 응용이 가능해질 전망이다. 

 

KAIST 바이오및뇌공학과 예종철 석좌교수 연구팀인공지능의 기하학적인 구조를 규명하고 이를 통해 의료영상 및 정밀분야에 활용 가능한 고성능 인공신경망 제작의 수학적인 원리를 밝혔다고 10일 밝혔다.

 

인공지능의 특징은 학습이 가능하다는 것. 인공지능 중에서도 최근 주목받는 ‘심층신경망’ 기법은 인간의 신경망 원리를 모방해 자기학습을 통해 신경회로를 구성한다. 이 방법을 이용하면 영상처리, 음성인식 등 다양한 분야에서 인간만이 할 수 있었던 다양한 일을 할 수 있어 4차 산업 혁명의 핵심기술로 불린다.

 

그러나 심층신경망은 대량의 데이터를 학습해 스스로 구조를 만들기 때문에 너무도 복잡해질 경우 연산 성능이 떨어지고, 결국 그 구조를 인간들조차 해석하기 어려워지는 지경에 이르기도 한다. 경우에 따라서는 예상하지 못한 결과가 나오거나 오류가 발생하는 문제도 제기됐다.

 

연구팀의 ‘심층 합성곱 프레임렛(Deep Convolutional Framelets)’이라는 새로운 조화분석학적 기술을 개발, 이를 통해 ‘인공지능의 블랙박스’로 알려진 심층 신경망의 수학적 원리를 밝혀냈다.

 

연구팀은 심층신경망의 구조가 얻어지는 기하학적 구조를 찾기 위해 노력했다. 그 결과 흔히 ‘신호처리’ 분야에서 주로 다루는 고차원 수학 구조인 ‘행켈구조 행렬(Hankel matrix)’을 통해 심층신경망 구조를 해석할 수 있다는 사실을 알아냈다.

 

기존에는 인공지능을 구현하기 위한 심층신경망을 구성할 때 구체적 작동 원리를 모른 채 실험적으로 구현했다면, 연구팀은 신호를 효과적으로 나타내는 이론적인 구조를 제시한 것이다.

 

연구팀은 이 방법으로 효율적인 인공신경망 구조를 만들고, 이를 통해 영상잡음제거, 영상 화소복원 및 의료영상 복원 문제에 적용한 결과 우수한 성능을 보임을 확인했다.

 

이 연구성과는 ‘인간이 통제할 수 있는, 설명 가능한 인공지능(XAI)’만을 수용해야 한다는 사회적 요구에 부응할 수 있으리라 기대된다.

 

예종철 교수 “시행착오를 반복해 설계하는 기존의 심층신경망과는 달리 원하는 응용에 따라 최적화된 심층신경망구조를 수학적 원리로 디자인하고 그 영향을 예측할 수 있다”며 “이 결과를 통해 의료 영상 등 설명 가능한 인공지능이 필요한 다양한 분야에 응용될 수 있다”고 말했다.

 

이 연구는 응용수학 분야 국제 학술지 ‘사이암 저널 온 이매징 사이언스(SIAM Journal on Imaging Sciences)’ 4월 26일자 온라인 판에 게재됐다.

 

  • 전승민 기자 enhanced@donga.com



영상잡음제거 결과 (1열) 잡음영상, (2열-3열) 기존의 인공신경망 결과, (4열) 수학적 원리에 의해 설계된 인공신경망 결과, (5열) 원래 영상. 기존의 방법에서 사라진 영상의 자세한 디테일이 제안한 방식으로 구현 시 살아남을 볼 수 있다.<사진=KAIST 제공 >
영상잡음제거 결과 (1열) 잡음영상, (2열-3열) 기존의 인공신경망 결과, (4열) 수학적 원리에 의해 설계된 인공신경망 결과, (5열) 원래 영상. 기존의 방법에서 사라진 영상의 자세한 디테일이 제안한 방식으로 구현 시 살아남을 볼 수 있다.<사진=KAIST 제공>

국내 연구팀이 심층신경망 제작의 수학적 원리를 규명했다.

KAIST(총장 신성철)
예종철 바이오및뇌공학과 석좌교수 연구팀의료영상·정밀분야에 활용 가능한 고성능 심층신경망의 수학적인 원리를 규명했다고 10일 밝혔다.

심층신경망은 최근 폭발적으로 성장하는 인공지능의 핵심을 이루는 딥러닝의 대표적인 구현 방법이다. 이를 이용한 영상·음성 인식, 영상처리, 바둑, 체스 등은 이미 사람의 능력을 뛰어넘고 있으며 현재 4차 산업혁명의 핵심기술로 알려져 있다.

하지만 심층신경망은 뛰어난 성능에도 불구하고 정확한 동작 원리가 밝혀지지 않아 예상하지 못한 결과가 나오거나 오류가 발생하는 문제가 있었다. 이로 인해 '설명 가능한 인공지능(explainable AI: XAI)'에 대한 사회적·기술적 요구가 커지고 있다.

연구팀은 심층신경망의 구조가 얻어지는 고차원 공간에서의 기하학적 구조를 찾기 위해 노력했다. 그결과 기존의 신호처리 분야에서 집중 연구된 고차원 구조인 행켈구조 행렬(Hankel matrix)을 기저함수로 분해하는 과정에서 심층신경망 구조가 나오는 것을 발견했다.

행켈 행렬이 분해되는 과정에서 기저함수는 국지기저함수(local basis)와 광역기저함수(non-local basis)로 나눠진다. 연구팀은 광역기저함수와 국지기저함수가 각각 인공지능의 풀링(pooling)과 필터링(filtering) 역할을 한다는 것을 밝혔다.

기존에는 인공지능을 구현하기 위한 심층신경망을 구성할 때 구체적인 작동 원리를 모른 채 실험적으로 구현했다면, 연구팀은 신호를 효과적으로 나타내는 고차원 공간인 행켈 행렬를 찾고 이를 분리하는 방식을 통해 필터링, 풀링 구조를 얻는 이론적인 구조를 제시한 것이다.

이러한 성질을 이용하면 입력신호의 복잡성에 따라 기저함수의 개수와 심층신경망의 깊이를 정해 원하는 심층신경망의 구조를 제시할 수 있다.

<iframe name="dableframe-0.047969913143923404" width="100%" height="327" title="관련이슈" src="http://api.dable.io/widgets/id/37JAzaoN/users/94287883.1511873705954?from=http%3A%2F%2Fwww.hellodd.com%2F%3Fmd%3Dnews%26mt%3Dview%26pid%3D64930&url=http%3A%2F%2Fwww.hellodd.com%2F%3Fmd%3Dnews%26mt%3Dview%26pid%3D64930&ref=http%3A%2F%2Fwww.hellodd.com%2F&cid=94287883.1511873705954&uid=94287883.1511873705954&site=hellodd.com&id=dablewidget_37JAzaoN&category1=%EA%B8%B0%EC%88%A0%EC%A0%9C%ED%92%88&category2=%EB%B3%B4%EB%8F%84%EC%9E%90%EB%A3%8C&item_id=64930&pixel_ratio=1.6399949789047241&client_width=687&lang=ko&inarticle_init=1" frameborder="0" scrolling="no" style="border: 0px currentColor; border-image: none;"></iframe>
연구팀은 수학적 원리를 통해 제안된 인공신경망 구조를 영상잡음제거, 영상 화소복원, 의료영상 복원 문제 등에 적용해 우수한 성능이 보임을 확인했다.

예종철 교수"시행착오를 반복해 설계하는 기존의 심층신경망과는 달리 원하는 응용에 따라 최적화된 심층신경망 구조를 수학적 원리로 디자인하고 그 영향을 예측할 수 있다"라며 "의료영상 등 설명 가능한 인공지능이 필요한 다양한 분야에 응용될 수 있다"고 말했다.

한편, 이번 연구는 예종철 교수가 주도하고 한요섭·차은주 박사과정이 참여했으며 응용수학 분야 국제 학술지 '사이암 저널 온 이매징 사이언스(SIAM Journal on Imaging Sciences)'에 지난달 26일자 온라인 판으로 게재됐다.