최근 인지 컴퓨팅 및 딥러닝의 발전으로 인공지능에 대한 관심이 증대하고 있는 가운데 세계적 경영 컨설팅 기업인 매킨지(McKinsey)는 인공지능의 발전을 통한 지식노동 자동화로 향후 10년간 세계적으로 연간 5조 2000억∼6조 7000억 달러의 지식노동 산업에 영향을 줄 것으로 예상하였다.
한국연구재단(이사장 정민근)은 울산과학기술원(총장 정무용, UNIST) 최재식 교수 연구팀이 다중 시계열 데이터의 공통적인 변화를 자동으로 추출하는 인공지능 시스템인 관계형 자동 통계학자 시스템을 개발하여 기존 예측 시스템의 성능을 현저하게 향상시켰다고 오늘(28일) 밝혔다.
참고) 다중 시계열 데이터 : 시간에 따라 변화하는 다수의 변수의 기록. (시간별 다수 주식 가격, 시간별 다수 환율의 변화 등) 관계형 자동 통계학자 시스템 : 다중 시계열 데이터의 관계를 분석하여 시계열 데이터가 공통적으로 변화하는 요인을 추출하고 자동으로 보고해 주는 시스템
인공지능시스템으로 주식, 환율, 집값 등 시계열 데이터 변화를 분석하여 자동으로 보고서를 작성할 수 있게 된다. 주식 환율 등 시계열 데이터의 분석은 여러 가지 복합적인 요소가 영향을 미치기 때문에 예측에 영향을 주는 요소를 정확히 찾는 것은 매우 어렵다. 연구팀은 기존의 가우시안 과정기반 인공지능 데이터 분석법에 다중 시계열 데이터의 변화를 고려하면 시계열 데이터의 보다 정확한 예측이 가능함을 보였다.
참고) 가우시안과정: 연속 시계열 공간의 변수 중 유한한 변수를 선택하였을 경우 가우시안 분포로 표현할 수 있다고 가정하는 비모수 가우시안 모델
연구팀은 시계열 데이터 군의 공통적인 변화를 표현하는 원인과 개별적인 시계열 데이터의 변화의 원인을 자동으로 조합할 수 있는 알고리즘인 준-관계형 커널 학습 알고리즘을 개발하여 비정형 변화를 보이는 시계열 데이터를 더욱 정확하게 예측하는데 성공하였다.
참고) 준-관계형 커널 학습 알고리즘 : 다중 시계열 데이터의 변화를 공통적으로 표현하는 관게형 커널 및 개별적인 데이터의 변화를 표현하는 개별적인 커널을 함께 학습하는 알고리즘
관계형 자동 통계학자 시스템은 다중 시계열 데이터의 공통적인 변화 및 개별적인 변화를 찾아 각 시계열 데이터의 미래 변화를 정확하게 예측할 수 있다. 실제 이 통계시스템은 911공격 후 미국 상위 주식이 공통적인 하락 후 상승을 보인 특징을 찾고, 이를 기반으로 변화를 예측한 결과를 보였다.
특히 원자력 발전소에서 특정 부품의 이상 징후가 발견되는 경우 특정 부품의 변화가 고장인지, 정상 범위의 변화인지 판별하는 것은 매우 중요하다. 이 연구에서 개발한 자동 통계학자 시스템은 원자력발전소를 포함한 발전소 센서 및 미래의 변화를 예측함으로써 발전소 시설의 진단 정확도를 높이는데도 적용할 수 있다.
최재식 교수는 “이 연구는 데이터 군에서 추출한 특징 정보와 개별 데이터에서 추출한 정보를 혼합하여 시계열 데이터의 자동 분석 정확도를 향상시킨 것이다. 시계열 분석이 중요한 주식, 환율 등 금융 산업은 물론 시계열 센서 분석을 통하여 주요 부품의 고장을 예측 진단하는 것이 필수적인 원자력 발전소, 중공업, 군사 산업 등 다양한 산업에 적용할 수 있을 것이다.”라고 연구의 의의를 설명했다.
한편 이번 연구결과는 지난 6월 22일 미국 뉴욕에서 개최된 세계적 권위의 국제 기계학습 학술대회(International Conference on Machine Learning)에서 발표되었다. 컴퓨터 분야는 빠르게 변화하는 해당 분야 특성을 반영하여 최고 권위의 학술대회 발표 논문을 최고 권위의 학술지 논문 게재와 동등하게 인정받고 있다.
또한 이번 인공지능 시스템 '관계형 자동 통계학자 시스템' 개발 기대 효과로는 해외에서 활발하게 개발되고 있는 인공지능 기술을 국내에서 개발하여 원천기술을 확보한 의의가 있으며, 향후 중요한 시계열 데이터의 변화(예, 원유가격 변화)를 정확하게 예측하여 국가 및 기업의 정책적 결정에 도움을 줄 것으로 예상한다. 더불어, 국내에서 관련기술의 개발 및 산업화를 촉진할 것으로 기대한다.
관련하여 선진 금융 기관에서 하는 바와 같은 정확한 금융의 거래의 흐름을 정확하게 분석하는 보고서를 자동으로 작성하는 시스템을 국내에도 도입할 수 있을 것으로 기대된다. 또한 다수의 시계열 데이터의 관계를 학습하고 그 변화를 빠른 시간에 예측해야 하는 중공업 산업의 주요 시설의 안전을 진단하는데도 활용될 수 있을 것으로 기대된다.
참고) 용어해설
국제 기계학습 학술대회(International Conference on Machine Learning, ICML) : 인공지능중 기계학습 분야의 최고 권위의 국제 학술대회
확률 관계형 모델(Statisticial Relational Model) : 변수의 군 사이에 공통적인 관계를 확률적으로 표현하는 모델하여 학습하고 추론하는 모델
커널(Kernel) : 시간적으로 분리되어 있는 변수의 관계를 분산으로 표현하는 함수
스펙트럴 혼합 커널(Spectral Mixture Kernel) : 가우시안 과정의 공분산을 다른 주기를 갖는 스펙트럼의 혼합으로 표현하는 커널
