인공지능모델

4 Contents

ETRI 문장 입력하면 2초만에 뚝딱 이미지 만든다_코알라KOALA, 코라바Ko LLaVA

최근 인공지능 기술의 발전은 놀라울 정도로 정교해지고 있습니다. 특히 1.7B 파라미터를 가진 고성능 모델들은 인체의 전신뿐만 아니라 얼굴의 미세한 디테일까지 정밀하게 묘사해냅니다. 과거에는 구현하기 어려웠던 반사 광택이나 복잡한 질감을 실시간에 가까운 1.7초 내외의 빠른 속도로 처리하는 성능은 인상적입니다. 이러한 기술은 단순히 이미지를 생성하는 수준을 넘어, 시각적 정보를 분석하고 이를 풍부한 설명으로 풀어내는 단계에 도달했습니다. 시각 데이터의 뛰어난 구현력은 창작과 공학의 영역에서 새로운 혁신의 가능성을 열어주고 있습니다. 생성형 AI 모델을 운용할 때 기술적으로 가장 까다로운 부분 중 하나는 결과물의 일관성을 유지하는 것입니다. 특히 데이터 생성의 시작점이 되는 시드(Seed) 값이 달라질 경우 결과물의 색상이나 형태가 무작위로 변하는 문제가 발생하곤 합니다. 따라서 전문적인 작업에서는 이를 고정하여 안정적인 결과물을 얻는 과정이 매우 중요합니다. 이는 정지 화면뿐만 아니라 프레임 간의 연속성이 중요한 동영상 생성 분야에서 더욱 도드라지는 과제입니다. 최근의 기술들은 이러한 변동성을 최소화하여 사용자가 의도한 디자인과 색감을 흐트러짐 없이 유지하도록 설계되어 신뢰도를 높여가고 있습니다. 최신 인공지능 인터페이스는 이미지를 해석하고 이를 다시 상세한 언어로 설명하는 멀티모달(Multimodal) 기능을 강화하는 추세입니다. 시각 정보를 실시간으로 파악하여 풍부한 문장으로 출력하는 기능은 마치 기계와 소통하는 듯한 감각을 선사합니다. 비록 연산 과정에서 때로는 다소 긴 설명이 이어지기도 하지만, 이는 인공지능이 데이터의 세부 요소를 얼마나 밀도 있게 분석하고 있는지를 보여주는 증거이기도 합니다. 시각 정보와 언어를 자유자재로 넘나드는 고도화된 처리 기술은 앞으로의 사용자 경험을 획기적으로 변화시킬 것이며, 기술적 성숙도가 높아짐에 따라 활용 범위는 더욱 넓어질 전망입니다.

ETRI 문장 입력하면 2초만에 뚝딱 이미지 만든다_코알라KOALA, 코라바Ko LLaVA
한국전자통신연구원ETRI 기술적 대화
  • 융합
  • 공학·기술

지금은 AI 시대! 과학기술 특화 언어모델 등장

최근 인공지능 기술이 급격히 발전하면서 챗GPT와 같은 거대 언어 모델이 큰 화제가 되고 있습니다. 하지만 일반적인 범용 언어 모델은 과학기술과 같은 전문 분야의 지식을 정교하게 다루기에는 한계가 있습니다. 이에 한국과학기술정보연구원(KISTI)은 방대한 과학기술 데이터셋을 기반으로 전문 영역에 특화된 언어 모델을 개발하고 있습니다. 과학기술 문서의 복잡한 구조와 전문 용어를 정확하게 처리하기 위해서는 학술적인 맥락을 깊이 있게 이해하는 별도의 엔진이 필요하기 때문입니다. 이러한 배경 속에서 탄생한 것이 바로 과학에 강한 딥러닝 모델인 사이데버타(SciDeBERTa)입니다. 사이데버타(SciDeBERTa)는 복잡한 과학기술 논문에서 핵심 정보를 자동으로 추출하는 데 탁월한 성능을 보입니다. 연구의 주제나 방법론, 사용된 데이터와 평가 지표 등 논문의 핵심 개체들을 스스로 찾아내며, 각 개체들 간의 상관관계까지 파악합니다. 예를 들어 특정 기술 용어 사이의 포함 관계나 특정 데이터가 어떤 연구 주제에 활용되었는지에 대한 사용 관계를 정교하게 분석해냅니다. 이러한 기능은 단순히 문장을 읽는 수준을 넘어 과학적 논리를 구조화하는 과정이라 할 수 있습니다. 현재는 영문 논문 중심이나, 곧 한글 논문을 지원하는 코사이데버타(KoSciDeBERTa)도 완성될 예정입니다. 이번 연구 성과의 가장 놀라운 점은 사이데버타(SciDeBERTa)가 과학기술 개체명 인식(NER) 분야에서 전 세계 1위를 달성했다는 사실입니다. 한국과학기술정보연구원(KISTI)은 미국의 앨런 연구소와 협력하여 방대한 영문 과학기술 논문 데이터셋을 확보하였고, 국가슈퍼컴퓨팅센터의 강력한 GPU 자원과 병렬화 기술을 투입하여 모델을 완성했습니다. 그 결과 세계 공인 지표인 '페이퍼스 위드 코드(Papers with Code)'에서 최첨단 성능을 의미하는 소타(SOTA) 모델로 당당히 이름을 올렸습니다. 이는 대한민국의 과학기술 인공지능 역량이 세계 최고 수준에 도달했음을 입증하는 상징적인 지표이며, 글로벌 기술 주도권 확보의 초석이 되었습니다. 인공지능 모델이 제공하는 실제적인 이점은 연구 현장에서 가장 빛을 발합니다. 현대 과학은 매일 수많은 논문과 보고서가 쏟아져 나오는 정보 과잉의 시대를 맞이하고 있습니다. 연구자들은 자신의 주제와 관련된 최신 동향을 파악하는 데 막대한 시간을 소모하지만, 늘 시간이 부족한 상황입니다. 이때 이해형 언어 모델인 사이데버타(SciDeBERTa)를 활용하면 수많은 문헌을 대신 분석하고 요약하여 연구자들에게 핵심 정보만을 제공할 수 있습니다. 결과적으로 연구 생산성을 비약적으로 높여주며, 연구자들이 보다 창의적인 탐구에만 집중할 수 있는 환경을 조성해 주는 역할을 수행합니다. 앞으로의 계획은 더욱 원대합니다. 한국과학기술정보연구원(KISTI) 연구팀은 모델의 크기를 대형화하는 것은 물론, 데이터를 더욱 정교하게 가공하여 모델을 똑똑하게 만드는 데 주력하고 있습니다. 특히 학습 과정에서 단순히 빈칸을 맞추는 방식을 넘어 더욱 효율적이고 영리한 문제 해결 능력을 갖추도록 딥러닝의 내부 구조를 혁신하는 연구를 병행하고 있습니다. 이러한 독자적인 기술력과 슈퍼컴퓨터 자원을 결합하여 대한민국만의 거대 언어 모델을 완성해 나갈 것입니다. 이는 단순한 기술 개발을 넘어 인공지능 시대에 국가적 기술 자립과 주도권을 지키는 중요한 사명이 될 것입니다.

지금은 AI 시대! 과학기술 특화 언어모델 등장
한국과학기술정보연구원세계가 인정함! ✅우수 연구성과✅ 인터뷰
  • 융합
  • 공학·기술

영상 데이터 자동 레이블링 시스템

현대 인공지능 기술의 핵심인 영상 학습 데이터 구축을 획기적으로 개선하기 위해 '달달'이라는 이름의 자동 레이블링 저작 도구가 개발되었습니다. 이 시스템은 단순한 저작 도구를 넘어 AI 기반의 자동 레이블링 기술과 순환형 학습 구조가 결합된 통합 솔루션입니다. 과거에는 작업자가 영상 내 객체를 일일이 찾아 테두리를 그리는 고된 수동 작업이 필수적이었으나, 이제는 시각지능 모델이 사전에 객체를 인식하여 레이블을 자동 생성합니다. 작업자는 생성된 결과물을 확인하고 검수하는 역할만 수행하면 되기에 작업의 편의성이 대폭 향상되었습니다. 이 시스템의 가장 큰 강점은 사용자의 추가 데이터를 바탕으로 끊임없이 진화하는 순환형 학습 구조에 있습니다. 일반적인 객체 인식 모델은 사전에 학습된 데이터 외의 새로운 객체를 인식하는 데 한계가 있지만, 본 시스템은 재훈련 기술을 통해 인식 성능을 지속적으로 보정합니다. 현재 약 80여 종의 사물을 사각형이나 다각형 형태로 정밀하게 인식하며, 도메인의 특성에 맞춰 모델을 유연하게 변경할 수도 있습니다. 이러한 방식은 작업자의 숙련도와 상관없이 일정한 품질의 데이터를 대량으로 확보할 수 있는 안정적인 기술적 기반을 제공합니다. 연구진은 실제 도로 영상 데이터 구축 과정에서 겪은 수동 작업의 번거로움을 해결하고자 이 기술을 고안하게 되었습니다. 단순히 편리한 도구를 만드는 것에 그치지 않고, AI 모델의 개발과 운영을 유기적으로 연결하는 데브옵스 개념을 접목한 것이 개발의 시작점이었습니다. 특히 모델의 성능을 스스로 개선할 수 있는 순환형 학습 구조를 구상하여 지식재산권으로 출원하는 성과도 거두었습니다. 이는 연구 현장에서의 실제적인 필요성이 창의적인 기술적 아이디어와 결합하여 현장의 문제를 해결하는 혁신적인 시스템으로 탄생한 좋은 사례라 할 수 있습니다. 기술 구현 과정에서는 모델 학습을 위한 자원 확보와 연산 시간 지연이라는 현실적인 장벽에 부딪히기도 했습니다. 실시간에 가까운 속도로 대용량 영상을 처리하기 위해 연구팀은 도커 기반의 컨테이너 구조를 채택하여 서비스와 훈련 과정을 효율적으로 연동했습니다. 이러한 구조적 개선을 통해 데이터 전송 시간을 제외하면 영상당 1초에서 2초 내외로 처리가 가능해질 만큼 속도를 끌어올렸습니다. 시행착오를 통해 완성된 이 기술은 현재 중소기업이나 연구 기관이 보유한 원천 데이터를 가치 있는 학습 데이터셋으로 변환하는 핵심 동력이 되고 있습니다. 현재 이 기술은 KISTI의 기계 학습 데이터 공유 플랫폼인 'AIDA(AI다)'를 통해 더욱 고도화되고 있습니다. 사용자들은 단순히 제공된 데이터셋을 내려받는 것에 그치지 않고, 워크벤치를 통해 자신에게 필요한 맞춤형 데이터를 직접 취합하고 레이블링할 수 있는 환경을 제공받습니다. '데이터로 세상을 바꾸다'라는 비전 아래, 누구나 고품질의 영상 데이터를 손쉽게 다루고 활용할 수 있는 기술적 토대를 마련하는 것이 연구의 최종 목표입니다. 앞으로 이 시스템이 대용량 데이터 생태계의 중심에서 더 많은 연구자와 기업에 큰 도움이 되기를 기대해 봅니다.

영상 데이터 자동 레이블링 시스템
한국과학기술정보연구원세계가 인정함! ✅우수 연구성과✅ 인터뷰
  • 융합
  • 공학·기술

설명가능한 의료인공지능과 질병고위험군 조기예측을 위한 도전|보건의료빅데이터실험실ㅣ변해원교수(인제대학교) [연구현장속으로/토요과학강연]

현대 의학에서 치매 고위험군을 조기에 예측하는 것은 매우 중요한 과제입니다. 기존에는 주로 MRI나 CT와 같은 영상 자료를 활용해 치매를 진단하려는 시도가 많았지만, 사실 치매는 아주 경미한 단계에서부터 행동 패턴, 인지 능력, 기억력과 같은 신경 심리학적 지표에서 변화가 나타나기 시작합니다. 보건의료 빅데이터 연구팀은 이러한 지표와 개인의 구체적인 행동 데이터를 수집하여, 인공지능(AI) 및 머신러닝 기술을 기반으로 치매 고위험군을 더욱 명확하게 판별하는 연구를 수행하고 있습니다. 보건의료 빅데이터의 활용은 단순히 수치화된 기록에 머무르지 않고, 우리 일상의 다양한 정보 분석으로 확장되고 있습니다. 질병뿐만 아니라 개인의 전반적인 건강 상태와 사회적 기능을 종합적으로 파악하기 위해 국제적인 분류 체계를 연구에 도입하고 있습니다. 이러한 다각적인 데이터 융합은 현대 사회의 복합적인 보건 문제를 해결하고 개인 맞춤형 헬스케어 서비스를 실현하는 데 매우 중요한 역할을 수행하게 될 것입니다. 인공지능(AI) 기술이 고도화됨에 따라 단순한 결과 도출을 넘어 그 과정이 왜 그렇게 나타났는지를 설명하는 '설명 가능한 인공지능(XAI)'의 중요성이 커지고 있습니다. 머신러닝 모델이 예측한 결과가 의료 현장에서 신뢰를 얻기 위해서는 그 판단 근거를 인간이 이해할 수 있는 방식으로 제시해야 하기 때문입니다. 이러한 기술 도입 과정에는 여러 도전과 쟁점이 존재하지만, 이를 통해 인공지능(AI)은 의료 서비스의 투명성을 높이고 전문가와 환자 사이의 신뢰를 구축하는 도구로 자리매김할 것입니다.

설명가능한 의료인공지능과 질병고위험군 조기예측을 위한 도전|보건의료빅데이터실험실ㅣ변해원교수(인제대학교) [연구현장속으로/토요과학강연]
서울시립과학관[과학강연] 2022 토요과학강연
  • 뇌인지과학
  • 융합