딥마인드, GNN 기술로 구글지도 도착 시간 정확도 개선

구글지도 '도착 예정 시간', 최대 50% 정확도 개선
그래프 신경망(GNN) 구조를 사용해 다양한 도로 학습
인접한 도로를 연결ㆍ확장해 예측 정확도 높여

딥마인드와 구글이 인공지능(AI)기술로 구글 지도(Google Maps)의 '도착 예정 시간' 정확도를 크게 개선했다.

딥마인드가 머신러닝과 그래프 신경망(GNN)을 활용해 구글 지도 플랫폼 API의 실시간 주행 운행기록분석시스템(ETAs) 정확도를 최대 50%까지 향상시켰다고 3일(현지시간) 벤처비트는 보도했다.

구글 지도는 머신러닝으로 실시간 교통 상황과 전 세계 도로의 과거 패턴을 반영한다. 각 국가별 교통 규정과 도로 구조가 달라, 단순 머신러닝 기법으로는 오차가 발생했다.

이를 개선하기 위해 딥마인드는 시공간적 추론을 수행하는 그래프 신경망(GNN) 구조를 사용했다. 기존의 데이터 포인트(점)들을 연결하고 그래프로 변환해, 데이터와의 연관성을 보였다. 신경망은 각 도로의 그래프를 통해 도로별 특성을 학습했다.

교통 데이터를 슈퍼세그먼트(미세단위)로 나눴다. 그리고 각 슈퍼 세그먼트를 연결해 이동 시간을 예측하는 GNN 모델로 구성했다. 두 세그먼트 경로에서 수백개의 노드는 GNN 모델의 중첩된 부분으로 표현한다. 길이와 복잡성은 다양할 수 있다.

딥마인드는 인접한 도로를 연결ㆍ확장해 예측 정확도를 높였다. 예를 들어 여러 교차로를 확장해 자동차가 회전, 합류, 정차 후 이동 등의 지연을 예측할 수 있다.

메타 그레디언트는 시스템이 학습 중에 GNN의 학습 속도를 조정해 자체적으로 최적의 학습 속도를 유지할 수 있도록 해준다.

구글을 전담하는 딥마인드 내부 부서 '구글 협력팀(DMG)'이 이번 프로젝트를 이끌었다. DMG는 2017년 구글의 AI 비서 서비스 개발에 이용한 AI 모델 ‘웨이브넷’을 공급했으며, 2016년엔 구글 데이터 센터의 냉각 비용을 절감하는 프로젝트에 참여했다. 또 구글 플레이에서 개인 성향을 분석한 앱 추천 서비스에 도움을 줬다. 지난해 구글의 계열사 웨이모에 인구기반 학습(PBT) 기술도 공급했다.

[AI & Tech] 일론 머스크 "딥마인드가 내 최고 관심사"

[AI & Tech] 딥마인드 AI, 수작업 의존하던 강화학습 생성 자동화