데이터셋

4 Contents

[카오스 짧강] 2026 카오스 콘서트 예습하기: 헬로 딥러닝: 직관적이고 명확하게 딥러닝을 이해하기_PART 2

인공지능 기술의 정점이라 불리는 알파고나 테슬라의 자율주행 엔진, 그리고 병원에서 활용되는 암 판별기의 내부는 의외로 단순한 원리로 구성되어 있습니다. 이들은 모두 입력된 데이터를 숫자로 변환한 뒤, 복잡한 수식 대신 곱셈과 덧셈이라는 기초적인 연산을 반복하여 최종적인 결과를 도출합니다. 자율주행차는 카메라 영상을 숫자로 인식해 가속이나 제동을 결정하고, 바둑 인공지능은 판 위를 숫자로 읽어 최적의 수를 찾아냅니다. 이처럼 현대 문명을 바꾸고 있는 고도화된 기술들의 핵심은 결국 입력값에 따른 산술 연산의 나열에 불과하다는 사실이 매우 흥미롭습니다. 인공신경망 학습의 대표적인 방식인 지도 학습은 사람이 기계에게 직접 정답을 가르쳐주는 과정이라고 할 수 있습니다. 예를 들어 특정 배경색 위에서 흰색 글씨와 검은색 글씨 중 어느 것이 더 잘 보이는지 사람이 직접 선택하면, 기계는 이를 바탕으로 정답 데이터셋을 구축하게 됩니다. 여기서 배경색은 입력값인 X가 되고, 사람이 선택한 더 잘 보이는 글씨색은 출력값인 Y가 되어 하나의 정답 쌍을 이룹니다. 마치 아이에게 사진을 보여주며 이름이 무엇인지 알려주는 것과 같은 원리이며, 이러한 양질의 데이터를 충분히 확보하는 것이 기계 학습의 가장 필수적인 전제 조건이 됩니다. 전통적 프로그래밍과 딥러닝의 가장 결정적인 차이점은 알고리즘 내의 핵심 수치인 가중치를 누가 결정하느냐에 있습니다. 과거에는 생물학적 연구 결과 등을 토대로 사람이 직접 RGB 값에 특정 숫자를 곱해 회색조로 변환하는 등의 세부적인 규칙을 코드로 작성했습니다. 즉, 문제 해결을 위한 논리 구조를 인간이 직접 설계한 셈입니다. 반면 딥러닝은 인공신경망 내부의 수많은 가중치 값을 기계가 스스로 찾아내도록 유도합니다. 사람이 일일이 계산 규칙을 정의하지 않아도, 기계는 반복적인 학습을 통해 어떤 수치를 적용해야 최선의 결과를 낼 수 있는지 스스로 터득하며 인간의 역할을 보완합니다. 인공신경망의 구조를 자세히 들여다보면 수많은 레이어와 노드가 복잡한 그물망처럼 얽혀 있는 것을 볼 수 있습니다. 기계 내부에서는 입력된 정보가 각 레이어를 거치고, 그 안에 포함된 노드를 지나며, 다시 각 노드에 연결된 수많은 연결선의 가중치와 계산되는 삼중 루프 구조의 연산이 수행됩니다. 이 과정의 핵심은 각각의 연결선에 부여된 가중치입니다. 알파고의 경우 수천만 개에서 수억 개의 가중치를 가지고 있으며, 기계는 학습을 반복할 때마다 이 숫자들을 미세하게 조정합니다. 인간이 이 방대한 숫자들의 개별적인 의미를 전부 파악할 수는 없지만, 결과적으로 기계는 정교한 판단을 내리게 됩니다. 딥러닝의 놀라운 점은 아주 적은 양의 정답 데이터만으로도 전체 영역에 대한 정확한 판단이 가능하다는 일반화 능력에 있습니다. 예를 들어 1,600만 가지가 넘는 전체 색상 중 단 20~30개에 대한 정답만 알려주었음에도 불구하고, 인공신경망은 학습하지 않은 나머지 수많은 색상에 대해서도 적절한 글씨색을 정확히 판별해냅니다. 이러한 원리는 의료 분야의 암 판별이나 사물 인식 기술에도 동일하게 적용됩니다. 수천 장의 사진을 학습한 인공지능이 한 번도 본 적 없는 환자의 영상에서 병변을 찾아내는 것처럼, 기계는 데이터의 파편 속에서 보편적인 규칙을 스스로 찾아내며 인간의 한계를 뛰어넘고 있습니다.

[카오스 짧강] 2026 카오스 콘서트 예습하기: 헬로 딥러닝: 직관적이고 명확하게 딥러닝을 이해하기_PART 2
카오스재단카오스 짧강(짧은 강연)
  • 뇌인지과학
  • 수학
  • 융합

[인터뷰] 바이오인공지능연구센터 ABC #008 | 신현우 의과대학 교수

의학의 길을 걷는 이들에게 임상과 연구는 떼려야 뗄 수 없는 관계입니다. 신현우 교수는 이비인후과 레지던트 시절 코폴립과 수면무호흡증이라는 두 질환에 깊은 관심을 갖게 되었습니다. 환자를 진료하는 것에서 나아가 질병의 근본적인 원인을 파악하고자 전일제 박사 과정을 거치며 저산소증 연구에 매진했습니다. 이러한 학문적 여정은 그를 단순한 임상의를 넘어 상부 기도의 건강을 책임지는 연구자로 성장시켰으며, 현재는 10년 넘게 연구 중심의 의사로서 호흡의 질을 높이는 다양한 탐구를 이어가고 있습니다. 상부 기도는 코에서 후두까지 이어지는 통로로, 우리가 생명을 유지하기 위해 산소를 받아들이는 첫 관문입니다. 수면무호흡증은 낮에는 멀쩡하던 이 통로가 밤에 잠들 때만 반복적으로 막히는 독특한 질환입니다. 기도가 막히면 체내 산소 공급이 중단되어 뇌가 강제로 잠을 깨우게 되는데, 이 과정이 밤새 반복되면서 심각한 피로와 건강 악화를 초래합니다. 심한 경우 수면 중 돌연사로 이어질 만큼 위험하지만, 많은 이들이 이를 단순한 잠버릇으로 치부하며 방치하는 경우가 많아 각별한 주의가 필요합니다. 과거에는 수면무호흡증의 심각성을 단순히 시간당 호흡이 멈추는 횟수로만 판단했습니다. 하지만 10초간의 가벼운 잽과 같은 무호흡과 몸에 큰 충격을 주는 카운터펀치 같은 무호흡을 동일하게 평가하는 것은 한계가 있습니다. 우리 몸의 반응은 뇌파, 심전도, 근전도 등 복잡한 생체 신호로 나타나며, 이를 사람이 일일이 분석하기에는 데이터의 양이 방대합니다. 이를 해결하기 위해 인공지능 기술이 도입되었으며, 수만 건의 데이터를 학습한 인공지능은 이제 환자 개개인의 수면 상태를 더욱 정밀하고 정량적으로 예측하는 핵심 도구가 되었습니다. 수면에 대한 흔한 오해 중 하나는 주중에 부족했던 잠을 주말에 몰아서 자면 회복될 것이라는 생각입니다. 하지만 한 번 손상된 수면 리듬과 그로 인한 신체적 타격은 나중에 더 많이 잔다고 해서 완전히 보상되지 않습니다. 또한 코골이를 단순히 체격이 좋은 사람의 특징으로 가볍게 여기는 것도 위험합니다. 코골이 환자의 상당수는 이미 수면무호흡증을 동반하고 있으며, 이를 방치할 경우 뇌졸중이나 심근경색 같은 치명적인 합병증으로 이어질 확률이 매우 높습니다. 따라서 매일 규칙적인 수면 시간을 확보하는 것이 무엇보다 중요합니다. 인공지능이 의료 현장에 깊숙이 들어오면서 의사의 역할을 대체할 것인가에 대한 논의가 활발합니다. 기술적으로 인공지능은 방대한 정보를 처리하며 의료진의 판단을 보조하는 훌륭한 파트너가 될 수 있습니다. 다만 최종적인 결정에 따른 법적 책임과 사회적 합의는 여전히 해결해야 할 과제로 남아 있습니다. 결국 미래의 의료는 인공지능을 통한 정밀한 진단과 인간 의사의 책임감이 조화를 이루는 방향으로 나아갈 것입니다. 건강한 삶을 위해 수면과 운동, 식사의 균형을 맞추는 개인의 노력 또한 기술의 발전만큼이나 필수적인 요소입니다.

[인터뷰] 바이오인공지능연구센터 ABC #008 | 신현우 의과대학 교수
카오스재단카오스크로스

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기 | 8강 ②

인공지능 학습의 핵심은 최적의 해를 찾는 과정이며, 이를 위해 확률적 경사하강법(SGD)이라는 기법이 널리 사용됩니다. 기존의 경사하강법이 단순히 가장 가파른 내리막길만을 따라갔다면, 확률적 경사하강법(SGD)은 약간의 무작위성을 부여하여 탐험을 시도합니다. 이러한 무작위성은 학습 과정에서 마주치는 지역 최소해라는 웅덩이에서 벗어날 수 있는 기회를 제공합니다. 때로는 조금 돌아가거나 오르막을 오르는 선택이 결국 더 깊고 낮은 최적점을 찾는 열쇠가 되기도 하며, 이는 복잡한 함수 구조를 가진 인공지능 모델에서 필수적인 전략입니다. 방대한 데이터를 다루는 현대 인공지능에게 효율성은 필수적인 요소입니다. 모든 데이터를 한꺼번에 계산하여 미분하는 방식은 시간과 자원 면에서 불가능에 가깝기 때문입니다. 확률적 경사하강법(SGD)은 데이터를 작은 단위로 쪼개어 학습시키는 방식을 통해 이 문제를 해결합니다. 예를 들어 백만 개의 데이터가 있다면 이를 만 개씩 나누어 순차적으로 학습하며 모델을 업데이트합니다. 이러한 방식의 학습은 연산 속도를 획기적으로 높일 뿐만 아니라, 실제 성능 면에서도 매우 우수한 결과를 보여준다는 것이 여러 사례를 통해 증명되었습니다. 생성형 인공지능의 비약적인 발전 뒤에는 적대적 생성 신경망(GAN)과 같은 정교한 구조가 자리 잡고 있습니다. 이는 생성자와 판별자라는 두 개의 네트워크가 서로 경쟁하며 발전하는 방식입니다. 생성자가 실제와 유사한 이미지를 만들어내면, 판별자는 그것이 진짜인지 가짜인지 구분하려 노력합니다. 이 과정에서 생성자는 판별자를 속이기 위해 더욱 정교한 결과물을 만들어내고, 판별자는 이를 더 잘 잡아내기 위해 날카로워집니다. 이러한 상호 작용은 결국 인공지능이 실사에 가까운 고품질의 데이터를 생성할 수 있게 만드는 강력한 원동력이 됩니다. 수학적 관점에서 생성 모델의 목표는 실제 데이터의 확률 분포와 모델이 생성한 분포 사이의 차이를 최소화하는 것입니다. 이를 위해 최적 운송 이론에서 유래한 '와서스타인 거리'라는 개념이 활용됩니다. 이는 진흙을 구멍에 채우는 택배 문제처럼, 한 분포를 다른 분포로 옮기는 데 드는 최소 비용을 계산하는 방식입니다. 2017년경 정립된 이 이론적 토대는 인공지능이 단순히 데이터를 흉내 내는 수준을 넘어, 수학적으로 정교하게 최적화된 상태에 도달할 수 있도록 돕는 중요한 이정표가 되었으며 대학원생의 연구가 혁신을 일으킨 사례로도 유명합니다. 최근에는 노이즈 상태에서 단계적으로 이미지를 복원해 나가는 확산 모델(Diffusion Model)이 생성형 인공지능의 대세로 떠오르고 있습니다. 이는 한 번에 결과를 내기보다 시간을 쪼개어 미세하게 조정해 나가는 방식으로, 더욱 정밀한 제어가 가능하다는 장점이 있습니다. 인공지능은 이제 아기가 세상을 배우듯 비지도 학습에서 언어 학습으로, 그리고 더 복잡한 추론의 단계로 진화하고 있습니다. 이러한 발전은 인간의 고유 영역이라 여겨졌던 창작과 전문 지식의 영역까지 확장되며 우리 삶의 패러다임을 근본적으로 바꾸고 있으며, 로보틱스와 같은 물리적 영역으로의 확장도 기대되고 있습니다.

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기

권도현

카오스재단카오스강연
  • 수학

2020년 ETRI 대표성과 대상(지능로보틱스 AI 핵심기술)

한국전자통신연구원(ETRI)은 도로와 사물, 사람을 깊이 있게 이해하는 지능로보틱스 AI 핵심 기술을 통해 미래 사회의 청사진을 제시하고 있습니다. 특히 복잡한 도심 환경에서 수집한 고품질의 자율주행 AI 학습 데이터는 국내 도로 상황에 최적화되어 있어 그 가치가 매우 높습니다. 낮과 밤은 물론 비가 내리는 기상 악화 상황까지 포함된 이 데이터는 정밀한 자율주행 생태계를 조성하는 든든한 밑거름이 됩니다. 스마트폰 하나로 자동차를 호출하고, 보행자와 장애물을 세계적 수준의 정확도로 감지하는 기술력은 이미 우리 일상 곁에 성큼 다가와 있습니다. 자율주행의 안전성을 확보하기 위해서는 시각 정보를 담당하는 카메라와 거리 정보를 측정하는 라이다 센서 간의 유기적인 소통이 필수적입니다. 연구진은 두 센서의 데이터를 융합하는 센서 퓨전 기술을 통해 주변 형상을 실시간 3차원 지도로 구현하는 기술을 확보했습니다. 이를 통해 차량은 단순히 앞을 보는 수준을 넘어, 도로 주변 상황을 인지하고 미래의 움직임을 예측하여 스스로 판단하는 고도의 지능을 갖추게 되었습니다. 이러한 센서 퓨전 기술은 복잡한 도로 위에서 예기치 못한 돌발 상황에 대응할 수 있는 가장 강력한 기술적 무기가 되어줍니다. 인공지능 기술은 도로 위를 넘어 우리 삶의 가장 밀접한 공간으로도 확장되고 있습니다. 세계 최초로 공개된 대규모 휴먼케어 로봇 데이터셋은 실제 생활 환경에서 로봇의 시점으로 촬영된 3D 행동 인식 데이터를 담고 있습니다. 이 기술은 로봇이 사람의 외형과 행동 특성은 물론, 정서와 건강 상태, 생활 패턴까지 이해하도록 돕는 역할을 합니다. 단순한 가사 보조를 넘어 사람과 정서적으로 교감하며 개인 맞춤형 서비스를 제공하는 이 로봇들은, 향후 고령자나 영유아 등 돌봄이 필요한 현장에서 핵심적인 역할을 수행할 것으로 기대됩니다. 기술의 진보와 함께 반드시 해결해야 할 과제는 보안과 사회적 합의입니다. 자율주행 시스템이 상용화될 때 우려되는 해킹이나 프로그램 오류에 대비하기 위해, 연구진은 강력한 통신 보안 기술과 예외 상황에 대응하는 시뮬레이션 연구에 박차를 가하고 있습니다. 또한 기계가 운전하는 차와 사람이 운전하는 차가 공존하는 환경에서는 '사용자 수용성'이 중요한 화두가 됩니다. 기술적 완성도뿐만 아니라 도로교통법 개정과 사고 책임 소재에 대한 법 제도 마련 등 사회 전반의 인프라 구축이 병행되어야 진정한 완전 자율주행 시대가 열릴 것입니다. 2027년은 운전면허 없이도 누구나 안전하게 목적지까지 독립적으로 이동할 수 있는 서비스가 본격적으로 구현되는 기점이 될 전망입니다. 세계적인 연구 기관들과의 속도 경쟁 속에서도 우리 연구진은 장기적인 마일스톤을 바탕으로 꾸준히 성과를 쌓아올리고 있습니다. 연구 과정에서 마주하는 한계와 좌절 앞에서도 긍정적인 마음가짐으로 동료들과 소통하며 대안을 찾아가는 과정이 바로 대한민국 AI 경쟁력의 원동력입니다. 기술이 인간을 이해하고 돕는 따뜻한 로봇 시대를 향한 여정은 지금 이 순간에도 멈추지 않고 계속되고 있습니다.

2020년 ETRI 대표성과 대상(지능로보틱스 AI 핵심기술)
한국전자통신연구원ETRI 아카이브
  • 뇌인지과학
  • 융합
  • 공학·기술