UNIST는 인공지능대학원 윤성환 교수팀이 AI 학습의 필수 단계인 데이터 증강이 모델의 강건성을 높이는 조건을 수학적으로 증명했다고 19일 밝혔다.

딥러닝 모델은 학습한 데이터와 조금만 다른 환경에 노출되면 성능이 급격히 저하되는 약점이 있다. 원본 데이터에 인위적으로 변형을 가해 학습량을 늘리는 데이터 증강이 필수적인 이유다.

연구에 따르면, 근접 지지 증강(PSA)이라는 조건을 만족하는 증강일수록 원하는 효과를 거둘 수 있다.

PSA는 원본 데이터에 미세한 변형을 가해 원본 데이터 주변을 촘촘히 채우는 증강 방식이다.

연구팀은 먼저 데이터 공간과 파라미터 공간에서 변화가 서로 대응된다는 점을 증명한 뒤, PSA 조건을 만족하는 데이터 공간에서의 변화가 파라미터 공간의 손실함수 지형도 평평하게 다져준다는 사실을 입증함으로써 이 같은 사실을 밝혀냈다.

이다예기자 ties@ksilbo.co.kr