이세돌과 알파고의 대결 이후 전세계는 물론, 국내에서도 인공지능에 대한 관심이 날로 증가하고 있다. 알파고와 같은 인공지능 컴퓨터가 인간을 대신하는 것만이 아닌, 인간의 부족함을 채울 수 있을 것이라는 기대까지 더해져가고 있다. 이와 관련, 최근 금융계를 비롯해 다양한 분야에서 예상하기 어려운 변화를 예측하는 시계열 데이터에 대한 연구에 인공지능을 활용하면서 기존 연구 이상의 발전을 꾀하고 있다.

 

한국연구재단(이사장 정민근)은 최재식 울산과기원 교수(전기전자컴퓨터공학부, 사진) 연구팀이 시계열 데이터 군의 공통적인 변화를 표현하는 원인과 개별적인 시계열 데이터 변화 원인을 자동으로 조합할 수 있는 알고리즘을 개발하는 데 성공했다고 지난달 27일 밝혔다. 시계열 데이터란, 시간에 따라 변화하는 수치 등을 변수를 고려해 분석하고 예측하는 데 활용하는 것으로, 태풍의 이동 경로 예측, 주식분석 등에 사용되는 분석방법이다.

 

주식 환율 등 시계열 데이터 분석은 여러 가지 복합적인 요소가 영향을 미치기 때문에, 예측에 영향을 주는 요소를 정확히 찾는 것이 어렵다. 이에 최 교수 연구팀은 다중 시계열 데이터의 공통적인 변호를 자동으로 추출하는 인공지능 시스템인 ‘관계형 자동 통계학자 시스템’을 개발해 기존 예측시스템의 성능을 향상시켰다.

 

이번 연구논문은 미국 뉴욕에서 지난달 22일 개최된 ‘국제 기계학습 학술대회(International Conference on Machine Learning)’에서 발표됐다. 최재식 교수는 “데이터 군에서 추출한 특징 정보와 개별 데이터에서 추출한 정보를 혼합해 시계열 데이터의 자동 분석 정확도를 향상시킨 것”이라며 “시계열 분석이 중요한 주식, 환율 등 금융산업은 물론, 시계열 센서 분석을 통해 주요 부품의 고장을 예측·진단하는 것이 필수인 원자력 발전소, 중공업, 군사 산업 등에서 적용할 수 있을 것으로 기대한다”고 말했다.

 

△연구를 시작한 계기는?
“최근 인지 컴퓨팅과 딥러닝의 발전으로 인공지능에 대한 관심은 날로 커지고 있다. 경영 컨설팅 기업인 매킨지(McKinsey)는 인공지능의 발전을 통한 지식노동 자동화로, 향후 10년간 세계적으로 연간 5조2천억~6조7천억 달러가 지식노동 산업에 영향을 미칠 것으로 예상했다. 이와 관련해 시계열 데이터 등 빅데이터를 읽고 분석·요약·변화 예측 가능한 인공지능 시스템에 대한 연구는 이미 세계적으로 활발하다. 하지만 현재 사용하는 통계 분석 도구들은 개별 데이터의 특성을 분석하는 데 초점이 맞춰져 있다. 이런 한계점을 극복하고자 연구를 시작했다.

 

△기존연구와 다른 점은?
“캠브리지대와 MIT에서 개발한 자동 통계학자의 알고리즘이 공개됐지만, 방대한 양의 데이터를 처리하기 때문에 한 컴퓨터에서 모델을 학습하면 검증하는 데 너무 많은 시간이 걸린다. 또한 시스템을 여러 대의 컴퓨터에서 실행할 경우 정확한 내용이 세부적으로 공개되지 않는다. 많은 시행착오들을 거쳐 여러 컴퓨터 서버에서 분산 처리된 알고리즘이 정상 수행될 수 있도록 만들었다. 시계열 데이터의 관계를 이용한 것 중 뛰어난 예측 성능을 가진 분석 방법은 매우 드물다. 우리 연구팀은 이 연구가 시계열 데이터의 특징 정보만 아니라, 다른 외부적인정보를 함께 조합해 예측 성능을 높일 수 있도록 했다는 점이 기존 연구와의 가장 큰 차이점이다.”

 

△어떤 분야에 활용되는가?
“선진 금융 기관에서 하는 바와 같은 정확한 금융 거래의 흐름 분석 보고서를 자동으로 작성하는 시스템을 국내에도 도입할 수 있을 것으로 기대한다. 또한 다수의 시계열 데이터의 관계를 학습하고 그 변화를 빠른 시간에 예측해야 하는 중공업 산업의 주요시설 안전을 진단하는 데도 중요한 역할을 할 것이다.”