본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%EC%8B%A0%EB%A2%B0%EC%84%B1
최신순
조회순
차세대 뉴로모픽 컴퓨팅 신뢰성 문제를 풀다
최근 인간의 뇌를 모방해 하드웨어 기반으로 인공지능 연산을 구현하는 뉴로모픽 컴퓨팅 기술이 최근 주목받고 있다. 뉴로모픽 컴퓨팅의 단위 소자로 활용되는 멤리스터(전도성 변화 소자)는 저전력, 고집적, 고효율 등의 장점이 있지만 멤리스터로 대용량 뉴로모픽 컴퓨팅 시스템을 구현하는데 불규칙한 소자 특성으로 인한 신뢰성 문제가 발견되었다. 우리 연구진이 뉴로모픽 컴퓨팅의 상용화를 앞당길 신뢰성 향상 기술을 개발하여 화제다. 우리 대학 전기및전자공학부 최신현 교수 연구팀이 한양대학교 연구진과의 공동 연구를 통해 차세대 메모리 소자의 신뢰성과 성능을 높일 수 있는 이종원자가 이온* 도핑 방법을 개발했다고 21일 밝혔다. * 이종원자가 이온(Aliovalent ion): 원래 존재하던 원자와 다른 원자가(공유 결합의 척도, valance)를 갖는 이온을 말함 공동연구팀은 기존 차세대 메모리 소자의 가장 큰 문제인 불규칙한 소자 특성 변화 문제를 개선하기 위해, 이종원자가 이온을 도핑하는 방식으로 소자의 균일성과 성능을 향상할 수 있다는 사실을 실험과 원자 수준의 시뮬레이션을 통해 원리를 규명했다. 공동 연구팀은 이러한 불규칙한 소자 신뢰성 문제를 해결하기 위해 이종원자가 할라이드(halide) 이온을 산화물 층 내에 적절히 주입하는 방법이 소자의 신뢰성과 성능을 향상할 수 있음을 보고했다. 연구팀은 이러한 방법으로 소자 동작의 균일성, 동작 속도, 그리고 성능이 증대됨을 실험적으로 확인했다. 연구팀은 또한, 원자 단위 시뮬레이션 분석을 통해 결정질과 비결정질 환경에서 모두 실험적으로 확인한 결과와 일치하는 소자 성능 개선 효과가 나타남을 보고했다. 그 과정에서 도핑된 이종원자가 이온이 근처 산소 빈자리(oxygen vacancy)를 끌어당겨 안정적인 소자 동작을 가능하게 하고, 이온 근처 공간을 넓혀 빠른 소자 동작을 가능하게 하는 원리를 밝혀냈다. 최신현 교수는 "이번에 개발한 이종원자가 이온 도핑 방법은 뉴로모픽 소자의 신뢰성과 성능을 획기적으로 높이는 방법으로서, 차세대 멤리스터 기반 뉴로모픽 컴퓨팅의 상용화에 기여할 수 있고, 밝혀낸 성능 향상 원리를 다양한 반도체 소자들에 응용할 수 있을 것이다ˮ 고 밝혔다. 전기및전자공학부 배종민 석사과정, 한양대학교 권초아 박사후연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 어드밴시스(Science Advances)' 6월호에 출판됐다. (논문명 : Tunable ion energy barrier modulation through aliovalent halide doping for reliable and dynamic memristive neuromorphic systems) 한편 이번 연구는 한국연구재단 신소자원천기술개발사업, 신재료PIM소자사업, 우수신진연구사업, 나노종합기술원 반도체공정기반 나노메디컬 디바이스개발 사업, 그리고 국가슈퍼컴퓨팅센터 혁신지원프로그램의 지원을 받아 수행됐다.
2024.06.21
조회수 1944
KAIST-현대자동차, 0.6초 이내 초고속 수소 누출 감지
최근 친환경 수소 자동차 보급이 증가함에 따라 안전과 직결된 필수 요소인 수소 센서의 중요성이 더욱 높아지고 있다. 특히 빠른 수소 누출 감지를 위한 핵심 성능 지표인 센서 감지 속도의 경우 1초 이내로 감지하는 기술이 도전적인 과제로 남아있다. 이에 세계 최초 미국 에너지청(U.S. Department of Energy) 기준 성능을 충족하는 수소 센서가 개발되어 화제다. 우리 대학 조민승 박사(전기및전자공학부 윤준보 교수팀)가 현대자동차 기초소재연구센터 전자기에너지소재 연구팀, 부산대학교 서민호 교수와의 협업을 통해 모든 성능 지표가 세계적인 공인 기준을 충족하면서 감지 속도 0.6초 이내의 기존보다 빠른 수소 센서를 세계 최초로 개발했다고 10일 밝혔다. 기존 상용화된 수소 센서보다 빠르고 안정적인 수소 감지 기술 확보를 위해 우리 대학은 현대자동차와 함께 2021년부터 차세대 수소 센서 개발에 착수했고, 2년여의 개발 끝에 성공하였다. 기존의 수소 센서 연구들은 수소 센서에 많이 활용되는 팔라듐(palladium, Pd) 소재에 촉매 처리를 하거나 합금을 만드는 등 주로 감지 소재에만 집중하여 연구됐다. 이러한 연구들은 특정 성능 지표에선 매우 뛰어난 성능을 보이지만 모든 성능 지표를 충족하지는 못했으며, 일괄 공정이 어려워 상용화에 한계가 있었다. 이를 극복하기 위해 해당 연구진은 순수한 팔라듐 물질 기반으로 독자적인 마이크로/나노 구조 설계 및 공정 기술을 접목해 모든 성능 지표를 만족하는 센서를 개발했다. 또한 향후 양산을 고려해 합성 소재가 아닌 물질적 제약이 적은 순수 금속 소재들을 활용했으며, 반도체 일괄 공정 기반으로 대량 생산이 가능한 차세대 수소 센서를 개발했다. 개발한 소자는 히터-절연층-감지물질이 수직으로 적층 되어 있는 구조의 기존 가스 센서가 가지는 불균일한 온도 분포를 극복하기 위해 히터와 감지물질이 동일 평면상에 나란히 집적되어 있는 차별적인 공면(Coplanar) 구조가 적용됐다. 감지 물질인 팔라듐 나노 소재는 완전히 공중 부유 된 구조로 하단부까지 공기 중에 노출되어 있으며, 가스와의 반응 면적을 극대화해 빠른 반응 속도를 확보했다. 또한 팔라듐 감지 물질은 전 영역이 균일한 온도로 동작하며, 이를 통해 온도에 민감한 감지 성능들을 정확히 조절해 빠른 동작 속도, 폭넓은 감지 농도, 온도/습도 둔감성을 연구팀은 확보했다. 연구팀은 제작된 소자를 블루투스 모듈과 패키징 하여 무선으로 1초 이내로 수소 누출을 감지하는 통합 모듈을 제작한 후 성능을 검증했으며, 이는 기존 고성능 광학식 수소 센서와 달리 휴대성이 높아 수소 에너지가 보급되는 다양한 곳에 적용될 수 있을 것으로 기대된다. 연구를 주도한 조민승 박사는 “이번 연구 결과는 기존 수소 센서 성능 한계를 뛰어넘어 고속 동작할 뿐만 아니라 실사용에 필요한 신뢰성, 안정성까지 확보했기에 중요한 가치를 가지며, 자동차, 수소 충전소, 가정 등 다양한 곳에 활용될 수 있을 것”이라고 말했다. 또한 “이번 수소 센서 기술의 상용화를 통해 안전한 친환경 수소 에너지 세상을 앞당기는 데 기여하고 싶다” 라며 앞으로의 계획을 밝혔다. 연구팀은 개발된 소자를 현재 현대자동차와 함께 소자를 웨이퍼 스케일로 제작한 후 차량용 모듈에 탑재해 감지 및 내구 성능을 추가로 검증하는 중이다. 조민승 박사가 제1 저자로 수행한 이번 연구는 미국, 한국 등에 3건의 특허가 출원돼 있으며, 저명 국제 학술지 `ACS 나노(Nano)'에 출판됐다. (논문명: Ultrafast (∼0.6 s), Robust, and Highly Linear Hydrogen Detection up to 10% Using Fully Suspended Pure Pd Nanowire). (Impact Factor: 18.087). (https://pubs.acs.org/doi/10.1021/acsnano.3c06806?fig=fig1&ref=pdf) 한편 이번 연구는 한국연구재단의 나노및소재기술개발사업 지원과 현대자동차 기초소재연구센터의 지원 및 공동 개발을 통해 수행됐다.
2024.01.10
조회수 3428
세계 최고 수준의 딥러닝 의사결정 설명기술 개발
우리 대학 김재철AI대학원 최재식 교수(㈜인이지 대표이사) 연구팀이 인공지능 딥러닝의 의사결정에 큰 영향을 미치는 입력 변수의 기여도를 계산하는 세계 최고 수준의 기술을 개발했다고 23일 밝혔다. 최근 딥러닝 모델은 문서 자동 번역이나 자율 주행 등 실생활에 널리 보급되고 활용되는 추세 및 발전에도 불구하고 비선형적이고 복잡한 모델의 구조와 고차원의 입력 데이터로 인해 정확한 모델 예측의 근거를 제시하기 어렵다. 이처럼 부족한 설명성은 딥러닝이 국방, 의료, 금융과 같이 의사결정에 대한 근거가 필요한 중요한 작업에 대한 적용을 어렵게 한다. 따라서 적용 분야의 확장을 위해 딥러닝의 부족한 설명성은 반드시 해결해야 할 문제다. 최교수 연구팀은 딥러닝 모델이 국소적인 입력 공간에서 보이는 입력 데이터와 예측 사이의 관계를 기반으로, 입력 데이터의 특징 중 모델 예측의 기여도가 높은 특징만을 점진적으로 추출해나가는 알고리즘과 그 과정에서의 입력과 예측 사이의 관계를 종합하는 방법을 고안해 모델의 예측 과정에 기여하는 입력 특징의 정확한 기여도를 계산했다. 해당 기술은 모델 구조에 대한 의존성이 없어 다양한 기존 학습 모델에서도 적용이 가능하며, 딥러닝 예측 모델의 판단 근거를 제공함으로써 신뢰도를 높여 딥러닝 모델의 활용성에도 크게 기여할 것으로 기대된다. ㈜인이지의 전기영 연구원, 우리 대학 김재철AI대학원의 정해동 연구원이 공동 제1 저자로 참여한 이번 연구는 오는 12월 1일, 국제 학술대회 `신경정보처리학회(Neural Information Processing Systems, NeurIPS) 2022'에서 발표될 예정이다. 모델의 예측에 대한 입력 특징의 기여도를 계산하는 문제는 해석이 불가능한 딥러닝 모델의 작동 방식을 설명하는 직관적인 방법 중 하나다. 특히, 이미지 데이터를 다루는 문제에서는 모델의 예측 과정에 많이 기여한 부분을 강조하는 방식으로 시각화해 설명을 제공한다. 딥러닝 예측 모델의 입력 기여도를 정확하게 계산하기 위해서 모델의 경사도를 이용하거나, 입력 섭동(행동을 다스림)을 이용하는 등의 연구가 활발히 진행되고 있다. 그러나 경사도를 이용한 방식의 경우 결과물에 잡음이 많아 신뢰성을 확보하기 어렵고, 입력 섭동을 이용하는 경우 모든 경우의 섭동을 시도해야 하지만 너무 많은 연산을 요구하기 때문에, 근사치를 추정한 결과만을 얻을 수 있다. 연구팀은 이러한 문제 해결을 위해 입력 데이터의 특징 중에서 모델의 예측과 연관성이 적은 특징을 점진적으로 제거해나가는 증류 알고리즘을 개발했다. 증류 알고리즘은 딥러닝 모델이 국소적으로 보이는 입력 데이터와 예측 사이의 관계에 기반해 상대적으로 예측에 기여도가 적은 특징을 선별 및 제거하며, 이러한 과정의 반복을 통해 증류된 입력 데이터에는 기여도가 높은 특징만 남게 된다. 또한, 해당 과정을 통해 얻게 되는 변형된 데이터에 대한 국소적 입력 기여도를 종합해 신뢰도 높은 최종 입력 기여도를 산출한다. 연구팀의 이러한 입력 기여도 측정 기술은 산업공정 최적화 프로젝트에 적용해 딥러닝 모델이 예측 결과를 도출하기 위해서 어떤 입력 특징에 주목하는지 찾을 수 있었다. 또한 딥러닝 모델의 구조에 상관없이 적용할 수 있는 이 기술을 바탕으로 복잡한 공정 내부의 다양한 예측변수 간 상관관계를 정확하게 분석하고 예측함으로써 공정 최적화(에너지 절감, 품질향상, 생산량 증가)의 효과를 도출할 수 있었다. 연구팀은 잘 알려진 이미지 분류 모델인 VGG-16, ResNet-18, Inception-v3 모델에서 개발 기술이 입력 기여도를 계산하는 데에 효과가 있음을 확인했다. 해당 기술은 구글(Google)이 보유하고 텐서플로우 설명가능 인공지능(TensorFlow Explainable AI) 툴 키트에 적용된 것으로 알려진 입력 기여도 측정 기술(Guided Integrated Gradient) 대비 LeRF/MoRF 점수가 각각 최대 0.436/0.020 개선됨을 보였다. 특히, 입력 기여도의 시각화를 비교했을 때, 기존 방식 대비 잡음이 적고, 주요 객체와 잘 정렬됐으며, 선명한 결과를 보였다. 연구팀은 여러 가지 모델 구조에 대해 신뢰도 높은 입력 기여도 계산 성능을 보임으로써, 개발 기술의 유효성과 확장성을 보였다. 연구팀이 개발한 딥러닝 모델의 입력 기여도 측정 기술은 이미지 외에도 다양한 예측 모델에 적용돼 모델의 예측에 대한 신뢰성을 높일 것으로 기대된다. 전기영 연구원은 "딥러닝 모델의 국소 지역에서 계산된 입력 기여도를 기반으로 상대적인 중요도가 낮은 입력을 점진적으로 제거하며, 이러한 과정에서 축적된 입력 기여도를 종합해 더욱 정확한 설명을 제공할 수 있음을 보였다ˮ라며 "딥러닝 모델에 대해 신뢰도 높은 설명을 제공하기 위해서는 입력 데이터를 적절히 변형한 상황에서도 모델 예측과 관련도가 높은 입력 특성에 주목해야 한다ˮ라고 말했다. 이번 연구는 2022년도 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받은 사람 중심 AI강국 실현을 위한 차세대 인공지능 핵심원천기술개발 사용자 맞춤형 플로그앤플레이 방식의 설명가능성 제공, 한국과학기술원 인공지능 대학원 프로그램, 인공지능 공정성 AIDEP 및 국방과학연구소의 지원을 받은 설명 가능 인공지능 프로젝트 및 인이지의 지원으로 수행됐다.
2022.11.23
조회수 6360
차세대 대용량 데이터 처리용 컴퓨팅 구현을 위한 고신뢰성 인공 시냅스 트랜지스터 개발
우리 대학 전기및전자공학부 최신현 교수 연구팀이 부가적인 회로 없이 소자의 특성을 이용해 인공지능(AI)의 학습 정확도를 높이면서, 높은 내구성을 바탕으로 신뢰성 높은 반복 동작이 가능하도록 설계된, 인간 뇌의 신경전달물질을 모사한 고신뢰성 인공 *시냅스 트랜지스터를 개발했다고 16일 밝혔다. ☞ 시냅스 트랜지스터(Synapse Transistor): 신경 세포간 연결부인 시냅스를 모사하는 트랜지스터 소자로, 연결 강도를 의미하는 가중치(Weight)를 채널의 저항(또는 컨덕턴스)값으로 나타내 이전 단에서 다음 단으로 흐르는 전류의 양을 조절한다. 최 교수 연구팀은 기존 낸드 플래시 메모리에 사용되는 구조를 이용하면서도, 기존 낸드 플래시의 단점인 낮은 내구성을 개선하는 방법을 차용해, 안정적인 시냅스 역할을 할 수 있는 트랜지스터를 개발했다. 낸드 플래시 메모리는 높은 전압을 이용해, 소자의 구성 물질을 손상시키는 방법(FN 터널링)으로 데이터를 저장하는 반면, 연구팀이 개발한 소자는 낮은 전압으로도 동작해, 기존 플래시 메모리에 비해 높은 내구성과 신뢰성을 확보했다. 최 교수 연구팀이 개발한 소자는 많은 데이터를 하나의 소자에 넣을 뿐 아니라 안정적으로 저장이 가능해, 부가적인 회로 없이도, AI의 학습 정확도를 획기적으로 높일 수 있다. 이를 통하여, 뉴로모픽 반도체 칩의 소형화 및 전력 소모 감소의 기반이 될 것으로 기대된다. 또한, 높은 학습 정확도와 더불어, 높은 내구성을 바탕으로 뉴로모픽 시스템에서, 실시간 온라인 데이터 학습에 적합한 시냅스 소자로 활발히 응용될 수 있을 것으로 기대된다. 전기및전자공학부 서석호, 김범진, 김동훈, 박승우 석사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)' 10월호에 출판됐다. (논문명 : The gate injection-based field-effect synapse transistor with linear conductance update for online training) 인공지능의 발전과 빅데이터 처리의 중요성이 대두되면서, 데이터 병목현상과 많은 에너지를 소모하는 현대의 폰 노이만 컴퓨팅 구조를 탈피하려는 연구가 활발히 진행되고 있다. 이 중 '뉴로모픽 컴퓨팅'을 위한 하드웨어 기술은 우리 뇌의 계산 알고리즘을 모사해 대용량의 데이터를 낮은 전력으로 효율적으로 처리할 수 있어 차세대 지능형 하드웨어 시스템으로서 각광받고 있다. 기존 상용화된 구조의 메모리 소자뿐만 아니라, 멤리스터(Memristor)를 비롯해 다양한 차세대 메모리 소자들이 뉴로모픽 컴퓨팅 구현을 위해 끊임없이 연구되고 있다. 이 중 3단자(게이트, 소스, 드레인 전극) 형태의 시냅스 트랜지스터는 기존 상용화된 반도체 공정을 적용하기 쉽고, 데이터를 정밀하게 제어할 수 있는 장점이 있다. 그러나 지금까지 주로 연구된 플래시 메모리 소자를 이용한 CTF(Charge Trap Flash) 구조의 시냅스 트랜지스터는 가중치를 변경하기 위해 높은 전압이 필요하며, 이로 인한 낮은 내구성, 비선형적인 가중치 변화라는 단점을 지닌다. 이는 전자가 이동할 때, 소자 구조상 존재하는 높은 에너지 장벽을 뚫고 지나가야 하는 것에서 기인한다. 이러한 낮은 내구성 및 비선형적 가중치 변화에 의한 낮은 학습 정확도 때문에 기존의 소자는 수천만 번 이상의 데이터를 쓰고 지우는 동작을 수행하기에 부적합해 실시간 온라인 학습에 적용하기에 어려움이 존재해왔다. 최신현 교수 연구팀은 이러한 한계점을 해결하기 위해 FN 터널링이 아닌, 열전자 방출 현상을 이용해, 전자를 게이트 전극에서 전하 저장층으로 이동시키는 방법으로 동작하는 소자를 고안했다. 이 방법은 전자가 높은 에너지 장벽을 뚫고 지나가는 것이 아닌, 낮은 에너지 장벽 위로 넘어서 이동하는 방법이므로, 낮은 전압을 이용하면서 이상적인 선형적 형태로 가중치를 업데이트할 수 있다. 또한, 장벽층을 손상시키지 않기 때문에 높은 내구성을 지니며, 2억 번 이상의 시냅스 업데이트 동작을 증명했다. 추가적으로, 연구팀은 제작한 열전자 방출 기반 시냅스 트랜지스터를 이용해 손글씨 숫자 이미지 데이터(MNIST, Modified National Institute of Standards and Technology database)를 학습한 후, 이를 바탕으로 무작위의 손글씨 이미지를 분류한 결과 약 93.17%의 높은 정확도를 달성했다. 제1 저자인 전기및전자공학부 서석호 석사과정은 "이번에 개발한 고신뢰성 인공 시냅스 트랜지스터는 선형적인 가중치 업데이트와 높은 내구성을 바탕으로 기존 시냅스 트랜지스터가 지닌 온라인 학습 한계에 대한 솔루션이 될 수 있음을 기대한다. 특히, 기존 CMOS 공정과 호환을 할 수 있고 가장 일반적인 트랜지스터인 금속 산화막 반도체 전계효과 트랜지스터(MOSFET, Metal-Oxide-Semiconductor Field Effect Transistor)과 구조 및 동작이 유사하므로 뉴로모픽 하드웨어 시스템에 적용하는데 다른 차세대 메모리 소자에 비해 실현 가능성이 보다 높을 것으로 생각된다ˮ며 "이 연구를 바탕으로 계속해서 뉴로모픽 컴퓨팅을 위한 신소자 기술 개발에 힘쓰고 싶다ˮ라고 말했다. 공동 제1 저자인 전기및전자공학부 박승우 석사과정은 “뉴로모픽의 관점뿐만 아니라, 기존 낸드 플래시의 낮은 내구성이라는 한계점을 개선하는 연구의 발판이 될 수 있을 것으로 기대된다”며 이 연구의 또 다른 의의를 제시했다. 한편 이번 연구는 한국연구재단, 한국산업기술평가관리원, 나노종합기술원, 삼성미래육성사업의 지원을 받아 수행됐다.
2022.11.16
조회수 5565
KPC4IR, 보건의료 분야 인공지능 활용 가이드 개발
우리 대학이 ʻ사회를 위한 보건의료 분야 인공지능 활용 가이드(Using Artificial Intelligence to Support Healthcare Decisions: A Guide for Society)ʼ를 국제 공동연구를 통해 개발했다. 코로나 19의 세계적인 대유행은 인공지능 기술의 빠른 상용화를 촉진했다. 일례로, 영국의 인공지능 스타트업인 베네볼런트AI(BenevolentAI)는 신종 질병 치료약물을 식별하기 위해 통상적으로 8년이 걸리던 기간을 인공지능 기술을 활용해 단 1주일로 단축시켰다. 이처럼 인공지능 기술은 경제·산업·사회·문화 등 전방위로 확산되면서 엄청난 부가가치와 생활의 편익을 창출하고 있다. 하지만, 급속한 기술 도입이 데이터의 편향이나 오·남용 등의 맹점을 함께 가져왔다는 우려도 중요하게 대두되고 있다. 특히, 보건의료 분야는 인공지능을 뒷받침하는 데이터의 품질과 검증 여부가 생명과 직결되기 때문에 인공지능 기술의 타당성과 안전성이 무엇보다도 우선시 되어야 한다. KAIST 한국4차산업혁명정책센터(센터장 김소영, 이하 KPC4IR)는 보건의료 분야에 적용되고 있는 인공지능 기술의 신뢰성을 확보하기 위해 보다 많은 사람이 인공지능 기술의 책임성에 관한 질문을 던져야 한다는 문제의식을 바탕으로 이번 가이드를 제작했다. 연구진이 말하는 책임성이란 인공지능 기술이 데이터의 편향성으로 현존하는 불평등을 악화시키지 않도록 주의하고 데이터의 정확성을 확보해 결과의 오류를 최소화하는 등의 노력이다. KPC4IR은 이번 가이드 개발을 위해 싱가포르국립대학교의 리스크공공이해연구소(National University of Singapore Lloyd’s Register Foundation Institute for the Public Understanding of Risk), 영국의 대표적인 과학 기술 비영리 기관인 센스 어바웃 사이언스(Sense about Science)와 함께 지난 1년 간 국제 공동연구를 수행했다. 연구진은 의료영상 분석 및 진단의 효과성 제고와 빅데이터를 활용한 질병 예측 및 임상적 의사결정, 신약 개발 분야 시간 단축 등 의료 분야에 인공지능 기술을 적용한 국내·외 사례를 이번 가이드에 담았다. 또한, 학습 데이터에 누락되거나 제외된 정보가 있다면 인공지능이 편향성을 나타낼 수 있으며, 원래와는 다른 용도로 사용할 경우 변수 간의 연관 관계나 심지어는 결과까지도 잘못 판단할 수 있다는 점도 강조했다. 독일에서는 피부의 병변을 감지해 암 발생 가능성을 진단하는 인공지능을 개발해 실제 의사들의 진단 소견과 비교하는 실험을 진행했다. 동일한 병변 이미지를 인공지능과 다양한 국적을 가진 피부과 전문의 58명에게 보여준 결과 인공지능은 87%의 정확도로 병변 의심 사례를 식별해냈다. 79%의 정확도를 보인 의사들의 정확도를 앞지른 것이다. 인공지능이 의사가 환자를 치료하며 결정을 내리는 과정에서 도움이 될 수 있다는 것을 보여준 사례다. 그러나 인공지능이 옅은 피부색을 가진 사람들로부터 수집한 데이터를 주로 활용해 학습한다면 짙은 피부색을 가진 환자들의 병변은 제대로 진단하지 못할 가능성이 커진다. 인공지능을 ʻ지능적ʼ이라고 하는 이유는 데이터를 단순히 검색하는 수준에 머무는 것이 아니라 데이터에 숨어 있는 특정 패턴을 분석해 유의미한 자료로 추출하기 때문이다. 그래서 사람들은 인공지능의 의사결정이 냉철하고 객관적일 것이라고 생각하지만, 인공지능은 현실에 존재하는 데이터들 바탕으로 학습한다. 우리가 가진 사회적 편견과 편향, 위험한 가정들을 그대로 내재한 결과가 도출될 수도 있다는 뜻이다.연구진은 인공지능 기술을 보건의료 분야에 활용하는 데 있어 가장 중요한 요소 중 하나인 신뢰성(reliability)을 중심으로 데이터의 품질·변수 등과 관련된 공정성 문제를 파악하고 기술의 정확성을 점검할 수 있는 다섯 가지 기준을 이번 가이드에 담았다. ▴출처가 정확한 데이터 사용 ▴사용 목적에 맞는 데이터의 수집 또는 선택 ▴제한 사항과 가정의 정확한 언급 ▴데이터의 편향성 명시 ▴실제 환경에서의 적절한 테스트 등이 이행되었는지 점검하기 위해 우리 사회가 이와 관련한 적극적인 질문을 던져야 한다고 강조했다. 연구를 총괄한 김소영 KPC4IR 센터장은 "보건의료 분야의 인공지능 기술이 충분히 견고한지를 검증하는 질문들이 우리 사회에서 활발하게 논의된다면, 궁극적으로 인공지능 기술의 역량을 끌어올리는 것과 동시에 신뢰할 수 있는 기준을 마련할 수 있을 것ˮ이라고 말했다. 이어, 김 센터장은 "인공지능 기술에 대한 국민의 이해도를 높여 한계점과 개선 사항을 인식해나가는 과정에서 이번 가이드가 중요한 역할을 해 줄 것으로 기대하고 있다ˮ라고 덧붙였다. KPC4IR의 이번 연구는 유럽과 아시아를 아우르는 국제 공동 연구자들이 보건의료라는 특정 분야에서 인공지능 기술의 가이드를 제시한 세계 최초의 사례다. 이를 위해 싱가포르국립대학교·테크놀로지기업 어피니디(Affinidi), 스페인 마드리드 카를로스 3세 대학교, 영국 로이드 선급 재단·가이 앤드 세인트 토마스 국가보건서비스 재단 등에 소속된 전문가들이 자문과 인터뷰, 워크숍 등의 방식으로 참여했다. 국내에서는 서울아산병원, 분당서울대병원 등을 비롯한 의료계와 KAIST AI대학원·바이오및뇌공학과, 과학기술정책연구원, 정보통신정책연구원, 인공지능 솔루션 기업 뷰노 등 다수의 산·학·연 관계자들이 함께했다. KPC4IR은 이번 성과를 국제적으로 공유하기 위해 8월 15일 오전 10시부터 온라인으로 열린 ʻ2021 KDD 국제 워크숍ʼ에서 연구 내용을 발표했다. ʻ사회를 위한 보건의료 분야 인공지능 활용 가이드ʼ의 전체 내용은 KAIST 한국4차산업혁명정책센터 (https://kpc4ir.kaist.ac.kr/)와 싱가포르국립대 리스크공공이해연구소(https://ipur.nus.edu.sg/)의 홈페이지에서 확인할 수 있다.
2021.08.17
조회수 9414
<<
첫번째페이지
<
이전 페이지
1
>
다음 페이지
>>
마지막 페이지 1