[데이터넷] 김종수 한양대학교 소프트웨어융합원 산학협력중점교수는 30여 년 간 세계적으로 널리 사용되고 있는 역전파(back-propagation) 방식보다 효율적인 딥러닝 학습 알고리즘인 ‘킴-몬테칼로(Kim-Monte Carlo)’을 독자 아이디어로 개발해 국제전기전자기술자협회(IEEE)가 발행하는 저명한 학술지인 ‘IEEE 액세스’에 연구논문을 게재했다고 밝혔다.
심층 인공신경망에 대한 지도 학습에 일반적으로 사용되고 있는 역전파 방법은 학습 시간이 매우 오래 걸린다는 비효율성과 함께 다중 계층을 가진 인공신경망 구조를 제대로 지원하지 못한다는 근본적인 단점을 가지고 있다.
따라서 인공신경망 경험이 많은 숙련된 시스템 개발자가 학습 데이터의 성격에 따라 적당한 환경 수치들을 입력하고 적절한 근사적인 해결 기법을 선택, 적용하지 않는다면 학습 데이터로부터 고급 수준의 지식을 제대로 추출해내지 못한다고 알려져 있다.
그러나 김종수 교수가 국내에서 자체 개발한 킴-몬테칼로 알고리즘은 생물이 주어진 환경에서 적자생존 원칙에 따라 수많은 세대를 거치며 진화하는 과정을 심층 인공신경망 학습 방법에 응용한 것으로, 머신러닝 속도를 획기적으로 개선해 학습 데이터의 양에 따라 역전파 방법 대비 수십 배에서 수백 배까지 빠른 학습 속도를 낼 수 있다.
뿐만 아니라 학습 데이터의 성격에 따라 적당한 환경 수치들을 경험에 입각해 입력하거나 근사적인 해결 기법을 선택해 적용할 필요가 없기 때문에 역전파 방법 적용 인공지능 사례들에 비해 높은 학습 성과와 탁월한 검증 및 예측 결과를 얻을 수 있다.
킴-몬테칼로 알고리즘 개발자인 김종수 교수는 1990년대 미국 국립보건원(NIH) 산하 컴퓨터기술연구소(DCRT)에서 연구원으로 근무하면서 인공신경망 시스템을 개발해 단백질 1차 구조로부터 단백질 2차 구조를 예측하는 인공지능 연구를 수행한 바 있다.
김종수 교수는 이 학습 알고리즘을 컴퓨터 프로그래밍해 독자 개발한 인공지능 시스템으로, 연구논문의 공동저자인 한양대학교 의과대학 응급의학교실 임태호 교수와 협력해 응급환자의 기관 삽관 시 비디오후두경에 보여지는 후두부 영상에서 정확한 성문 위치를 인공지능으로 예측하는 연구를 공동으로 수행했다.
비디오 후두경으로 촬영한 여러 환자의 후두부 사진 이미지에 성문 위치를 표시하고 수십 가지 인공신경망 모델로 지도 학습을 시켰고, 그 모델 중 학습 성공률이 가장 높은 인공신경망 모델을 선택해 기존 학습 데이터와 다른 후두부 사진 이미지로 성문 위치를 검증 목적으로 예측한 결과, 정확한 성문 위치 예측 74.5%, 성문 주위부 예측 21.5%로 좋은 예측 성공률을 얻었다고 이 연구논문에서 발표했다.
임태호 교수는 “이 인공지능에 의한 성문 위치 예측 모듈을 내부에 탑재한 비디오 후두경의 개발이 완료되면 응급상황에서 환자에게 산소를 공급하기 위해 시행되는 의료술기인 기관삽관 삽입술의 신속성과 정확성을 크게 향상 시킬 수 있을 것”이라고 말했다.
김종수 교수는 “앞으로 킴-몬테칼로 알고리즘이 주된 딥러닝 학습 알고리즘으로 기존 역전파 방법을 대체해 전 세계 인공지능 개발 분야에서 일반적으로 널리 사용될 수 있을 것”이라고 전망했다.
