AI혁신 허브 출범식 2일 진행...12개 핵심과제와 연구팀 공개
K-Hub 데이터센터 구축 예정...국내 AI 공동연구센터들이 컴퓨팅 지원
메타버스 비전·인터페이스, 하이퍼모달AI, 스스로 학습하는 ML 등 연구
인공지능(AI) 분야 산학연 전문가들이 모여 도전형 난제를 다루는 'AI혁신 허브' 컨소시엄이 주요 과제 12개와 책임 연구자를 공개했다.
차세대 AI 연구주제에 필수적인 데이터와 컴퓨팅 인프라 구축 계획도 발표했다. AI혁신 허브에서는 초거대 AI 연구에 필요한 데이터 수집을 위해 K-Hub 데이터센터를 구축할 예정이다.
컴퓨팅 파워의 경우에는 국내 대표 AI 기업과 대학의 AI 관련 공동연구센터들이 갖춘 인프라를 지원받는다.
과기정통부(장관 임혜숙)는 2일 고려대 미래융합기술관에서 AI혁신 허브 출범식을 진행했다.
AI혁신 허브는 과기정통부가 구성한 국내 최대 규모 AI 컨소시엄이다. 대학교를 중심으로 AI분야 산학연 다수 기관이 모여 고난도 AI 연구과제를 협동 연구한다.
정부와 민간에 축적된 AI 연구 역량을 모으고 컴퓨팅 파워와 같은 인프라를 연계해 세계적인 경쟁력을 지닌 국가 AI 연구체계를 갖추는 것이 목표다.
고려대 중심으로 운영되는 해당 컨소시엄은 국책 AI 대학원을 포함한 국내·외 45개 대학이 참여한다.
국내 기업에서는 삼성전자·LG전자·현대차·SK하이닉스 등 대기업, 네이버·카카오 등 IT선도기업, 통신 3사(SKT·KT·LG U+), 중소·벤처(솔트룩스, 뷰노 등)까지 총 102곳이 함께한다.
구글·페이스북 등 해외 기업 17곳, 독일 프라운호퍼(Fraunhofer)·캐나다 MPI-BC 등 11개 해외 연구소도 협력한다. 이외 국내 주요 출연연 7곳과 함께 서울시와 대전시도 함께 사업을 진행한다.
차세대 AI 연구에 필수적인 데이터와 컴퓨팅 인프라 구축 계획도 공개됐다. 데이터 확보를 위해 컨소시엄에서는 초거대 AI 연구를 위한 K-Hub 데이터센터를 운영한다.
세계적 수준의 연구에 필요한 컴퓨팅 파워를 확보하기 위해서는 공공과 민간이 보유한 컴퓨팅 자원을 연계할 계획이다.
AI혁신 허브에 컴퓨팅 자원을 제공하는 기관은 네이버 AI 공동연구센터, KAIST 초창의적 AI연구센터, 서울대학교 초거대 AI연구센터, 양재 AI R&D지원센터, AI One Team(KT Cloud 인프라) 등이다.
컨소시엄 내에서 대학 중심으로 진행할 12개 핵심 연구 주제와 연구팀도 발표됐다. 각 연구 주제에는 한 명의 연구책임자가 임명됐다. 연구책임자의 소속 대학 외 컨소시엄 내 다른 대학 연구자들도 연구 주제에 맞춰 팀에 포함됐다.
다음은 12개 핵심 연구 주제와 연구 책임자들.
[1세부] 뉴로톡(NeuroTalk) –고려대 이성환 교수팀
장애인 및 노약자들의 의사소통을 위한 뇌파 기반 음성 합성 기술
[2세부] 하이퍼모달(HyperModal) – KAIST 신진우 교수팀
다종 데이터를 동시에 이해하는 초거대 딥러닝 학습기술
[3세부] 메타버스비전(MetaverseVision) – POSTECH 조민수 교수팀
극 사실적인 메타버스를 구축, 조작 재구성하는 시공간 설계지능 기술
[4세부] 하이브리드AI(HybridAI) – 연세대 김선주 교수팀
뉴로심볼릭 추론 기반 System 2 AI 기술
[5세부] 딥폴드(DeepFold) – 한양대 백은옥 교수팀
단백질의 3차우너 구조예측을 위한 AI 기술
[6세부] AI4디스커버리(AI4Discovery) – 경북대 이민호 교수팀
신물질 등 새로운 과학적 발견을 위한 AI 기술
[7세부] 보편적LM(Universal Learning Machine) – 서울대 장병탁 교수팀
능동적으로 학습하고 새로운 데이터 및 새 개념을 학습할 수 있는 기술
[8세부] 자가 진화 하드웨어 지능(Self-Evolving HW Intelligence) – 이화여대 민동보 교수팀
다양한 HW 환경에서 자가 개선하는 AI 기술
[9세부] 협업지능(Collaborative Intelligence) – 경희대 홍충선 교수팀
극한의 학습 환경 극복을 위한 AI 기술
[10세부] 트랜스의료지능(Trans-Medical Intelligence) – 성균관대 박현진 교수팀
기계와 전문가 판단을 모두 고려한 상호작용 AI 기술
[11세부] 우주관측지능(Space Observation Intelligence) – UNIST 심재영 교수팀
우주 관측 빅데이터 보정 및 증강 연구 기술
[12세부] 메타에너지지능(Meta Energy Intelligence) – 전남대 김진술 교수팀
에너지 빅데이터를 활용한 범용적인 에너지 특화 거대 AI 기술
◆메타버스 비전·인터페이스, 하이퍼모달AI, 스스로 학습하는 ML 등 소개
출범식이 열리기 전 AI혁신 허브 연구책임자이자 고려대 AI대학원장인 이성환 교수를 포함한 4명 교수는 각자가 이끌 연구 주제를 소개했다.
고려대 이성환 교수팀의 연구 주제인 뉴로톡은 사람의 생각을 읽는 뇌파 기반 음성 합성 기술이다.
뇌파로부터 사용자가 말하고자 하는 바를 읽어서 사용자가 상상만 하면 목소리를 생성해 차세대 인터페이스에 활용할 수 있다.
뇌와 컴퓨터 인터페이스가 뇌파와 음성 언어 관계성을 분석한 후 자연어처리, 음성합성 기술을 적용하는 식이다. 사용자가 “내일 날씨가 어떨까?”라고 생각만 하면 자동으로 해당 음성이 만들어질 수 있다.
이성환 교수는 “노약자와 장애인은 물론 일반인에게도 유용하다. 기존 인터페이스는 걷거나 운전을 하는 상황에서는 사용이 어렵고, 음성인식만 사용할 경우 노이즈가 많으면 제대로 작동하지 않는다. 우리 기술로 보이스프리, 핸즈프리 의사소통이 가능해질 것”이라며 연구 의의를 설명했다.
이어 “애플, 시리 등 AI 어시스턴트와 결합해 스마트 기기를 제어할 수 있다. 특히 메타버스 환경으로의 적용을 통한 활용 가능성 극대화를 기대한다”고 전했다.
KAIST 신진우 교수팀은 음성, 사진, 영상, 문서 등 서로 다른 종류의 데이터들을 동시에 이해해 하나의 모델로 처리하는 초거대 딥러닝 학습 기술을 개발할 예정이다.
언어 스타일대로 이미지를 편집하거나 상황을 설명하는 문장을 주면 영상을 만드는 기술이 여기에 해당한다. 최근 대표적인 연구 성과로는 오픈AI의 DALL·E가 있다.
[관련기사]오픈AI, 앤드류 응도 놀란 DALL·E 공개...GPT-3 원리로 획기적인 이미지 제작 혁신
신진우 교수는 “하이퍼모달AI는 인간수준AI 실현을 위해 필수라 할 수 있다. 인간이 오감을 통해 판단하는 것과 같다”며 연구 필요성을 강조했다.
그러면서 “해당 기술은 기존에 할 수 없던 일을 가능하게도 하지만 과거에 할 수 있었던 것을 더 잘 하기도 한다. 유튜브 영상과 자막을 함께 학습했더니 각각 학습했을 때보다 더 좋은 성능을 냈다는 연구 결과가 있다”고 설명했다.
메타버스비전 연구를 총괄하는 POSTECH 조민수는 극 사실적인 메타버스를 구축, 조작, 재구성하는 시공간 설계지능을 개발한다.
이를 통해 극사실적으로 복원된 가상세계 내에서 시공간의 구조를 인식, 학습, 진화하며 행동하는 인공지능 에이전트를 만들 계획이다.
기존 메타버스 문제점으로 조민수 교수는 “현재 우리가 접할 수 있는 메타버스는 많은 사람들의 노동이 들어가 일일이 수작업으로 만들어진 결과물이다. 시각적 물리적 공간 한계로 실제와는 다르게 느껴진다”고 말했다.
이어 “지능적 한계로는 내부 에이전트나 서비스가 지능이 떨어지는 것을 꼽을 수 있다. 사용자가 무언가를 요구했을 때 제대로 반영하지 못한다”고 설명했다.
이러한 문제점 개선을 위해 조민수 교수팀은 차세대 3차원 비전 기술과 시공간 프로그래밍 AI 기술을 합쳐 물리적 세계와 상호작용하는 AI를 만들 계획이다.
메타버스비전 연구가 성공적으로 이뤄질 시 자율주행차 상용화도 앞당겨질 수 있을 것으로 기대된다.
조민수 교수는 “무인자동차가 아직 현실화되지 않은 이유가 복잡한 현실에 제대로 대처할 수 있을까에 대한 걱정 때문이라고 생각한다. 예상치 못한 상황들에 대비하려면 미리 겪어보고 대응에 대한 학습을 해야 한다. 이에 대한 효과적인 해결책이 가상세계 이미지 트레이닝”이라고 강조했다.
서울대 장병탁 교수의 연구 주제는 AI가 스스로 환경과 끊임없이 상호작용하면서 데이터를 능동적으로 획득·학습하는 기술을 개발하는 것이다.
장병탁 교수는 “현재 머신러닝(ML)이 하는 일은 상당히 단순하다. 지도학습, 비지도학습, 강화학습으로 나눌 수 있지만 결국 모두 입력을 주면 출력을 주는 맵핑 학습 방식이다. 복잡한 단계를 거쳐 문제를 푸는 추론은 잘 하지 못한다”고 설명했다.
그러면서 “지능이란 정말로 무엇인가 되돌아볼 때가 된 것 같다. 이를 통해 ML이 무슨 일을 할 수 있는지에 대해서도 생각해봐야 한다”고 강조했다.
수많은 데이터를 학습하더라도 현재 AI 기술은 주어진 데이터 내에서만 학습할 수 있다. 매시간 변하는 새로운 환경을 지각하고, 스스로 학습할 데이터를 가려내고, 학습을 진행하는 일은 현재로서는 불가능한 것.
장 교수는 “알파고가 훌륭한 성과를 낸 이유는 닫힌 세계에서만 작동하기 때문이다. 바둑판 내에서만 뛰어난 것이다. 기계학습에서 학습기계로, ML에서 LM으로 가야한다”고 전했다.
AI타임스 박성은 기자 sage@aitimes.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com