DGIST, 실행 속도 향상 '다중 태스크 딥러닝 기술' 개발

임성훈 교수팀, 작업 관계성 학습으로 최적화된 신경망 탐색 소형 장치·자율주행 기술 개발 등 다양한 AI 분야 활용 기대

탐색된 신경망 구조의 예시 *재판매 및 DB 금지

[대구=뉴시스] 나호용 기자 = DGIST(대구경북과학기술원)은 이 기술원 전기전자컴퓨터공학과 임성훈 교수팀이 신경망 구조 탐색 기술을 통해 다중 태스크 딥러닝 기술을 개발했다고 12일 밝혔다.

이 기술은 성능의 저하 없이도 여러 작업을 동시에 수행 할수 있게 해 향후 여러 작업을 효율적으로 수행해야 하는 소형 장치나 자율주행 기술 개발 등 다양한 분야에서 활용될 것으로 기대된다.

최근 다중 태스크 학습 연구에서는 관련성이 적은 작업들을 통합된 신경망에 같이 학습할 때 전체적인 성능이 저하된다는 문제가 있었다.

이를 해결하기 위해 기존 연구에서는 동적 신경망 기술을 이용해 신경망 구조를 변경하려 시도했으나, 이는 다양한 신경망 구조를 탐색하기 어렵다는 단점이 있었다.

이에 임 교수팀은 기존과 다른 관점에서 접근했다.

기존 연구가 제한된 선형적인 탐색공간에서 신경망의 탐색을 진행했다면, 임 교수팀은 기존의 선형적인 탐색공간을 확장하고, 기존의 작업들 사이의 관계성을 학습하면서 동시에 각 작업에 최적화된 신경망을 찾는 방법을 제안했다.

또 연구팀은 탐색한 신경망 구조의 연산 자원을 효율적으로 사용하면서 성능을 최대한 유지할 수 있는 기술을 제안했다.

이러한 연산 자원을 절감함으로써 알고리즘의 실행 속도를 효과적으로 향상시킬 수 있게 되었다.

빠른 속도로 다수의 작업을 수행해야 하는 자율주행, 로봇공학 등 향후 AI 분야의 실용적이고 광범위한 활용이 기대된다.

임성훈 교수는 “이번 연구를 통해 개발한 신경망 탐색 기법은 기존의 좁은 인공지능의 틀을 깨고 범용 인공지능에 한 발짝 다가서게 하는 기술”이라며 “향후 관련 기술을 좀 더 개선한다면 많은 분야들에 적용돼 일반화된 인공지능 기술 발전에 긍정적인 영향을 줄 것으로 기대된다”고 했다.