전체기사 최신뉴스 GAM
KYD 디데이
홈 산업 생활경제

속보

더보기

[김정호의 4차혁명 오딧세이] 인공지능을 위한 인공데이터 생산

기사입력 :

최종수정 :

※ 본문 글자 크기 조정

  • 더 작게
  • 작게
  • 보통
  • 크게
  • 더 크게

※ 번역할 언어 선택

[편집자] 4차 산업혁명은 모든 사물과 인간을 연결하여 빅데이터를 모으고, 이를 이용하여 인공지능으로 학습해, 결국 인공지능이 인간을 대체하는 시대를 말한다. 이러한 4차 산업혁명의 물결이 산업뿐만 아니라 경제, 사회, 정치 등 전 분야에 걸쳐서 막대한 변화를 일으키고 있다.

글로벌뉴스통신사 뉴스핌은 '김정호의 4차혁명 오딧세이' 칼럼을 매주 연재하며 4차 산업혁명의 본질과 영향, 그리고 전망을 독자들에게 쉽게 소개하고자 한다. 4차 산업혁명의 핵심은 바로 인공지능, 빅데이터, 클라우드 컴퓨팅으로 표현할 수 있으며 그 핵심 부품이 반도체이다. 이들 핵심 기술의 개념과 원리, 응용을 설명하여 일반 독자들이 4차 산업혁명에 대해서 공감하고 이해하며 더 나아가 개인과 기업, 국가의 미래를 계획하는 것을 돕고자 한다.

김정호 카이스트(KAIST) 전기 및 전자공학과 교수는 서울대 전기공학과를 졸업하고 미국 미시건대에서 박사 학위를 받았다. AI대학원 겸임교수, IEEE펠로우, 카이스트 ICT석좌교수, 한화 국방 인공지능 융합연구 센터장, 삼성전자 산학협력센터장 등을 겸하고 있다.

데이터가 필요한 인공지능 학습

인공지능 중에서 데이터로 학습하는 방식을 기계학습(Machine Learning)이라고 하고, 그 기계학습 중에서 데이터에 이름(Label)을 붙여서 학습하는 방식을 지도학습(Supervised Learning)이라고 한다.

김정호 교수

데이터에 이름을 붙여야 하는 인공지능 학습 방식이다. 대표적으로 이미지를 인식하는 CNN(Convolutional Neural Network) 알고리즘이 이 방식의 인공지능이 된다. 이미지와 이름을 보고 학습해서 물체를 판단해 낸다.

그런데 이러한 지도학습 방법은 많은 비용과 노동력이 필요해서 결국 시간과 자본이 들어간다. CNN 학습을 위해서는 수백만 장, 수천만 장의 사진을 모으고, 그 사진에 이름을 붙여야 한다. 이러한 작업에 개인이 자발적으로 이름을 붙일 수 있으나 그 한계가 있다.

구글과 페이스북은 인터넷과 SNS로부터 수많은 데이터인 사진 이미지를 모은다. 여기에 모두 직접 사람이 이름을 붙이기는 불가능에 가깝다. 그래서 구글과 페이스북은 사진 상황을 보거나, 해시태그를 이용해서 자동으로 그림에 이름을 붙이는 인공지능 알고리즘 연구를 하기도 한다. 이것이 모두 데이터에 이름을 붙이는 데 필요한 노력이다. 인공지능이 학습하는 데 필요한 비용이다. 데이터와 이름은 무료가 아니다.

사람 중에 똑똑한 사람을 '하나를 알려주면 열을 안다'라고 표현하기도 한다. 학생을 지도하다 보면 그런 학생을 종종 만난다. 나중에는 그 학생이 오히려 나에게 스승이 된다. 그런 학생들을 통해서 거꾸로 배운다. 이럴 때 학교에 있는 교수로 최고의 기쁨을 느낀다. 이런 학생은 스스로 학습하고 연구하는 독자적인 학습과 연구 수행능력을 갖추게 된다.

인공지능을 지도할 때도 마찬가지이다. 학습을 줄이고 최대한 인공지능의 지능을 높이고자 연구한다. 그러면 데이터 모집과 이름 붙이기 수고가 줄어들 수 있다. 그럼 척척 알아서 학습하게 된다.

CNN을 이용한 이미지 분류 및 탐지 방법. [출처=KAIST]

최소한의 데이터로 인공지능 학습

이러한 연구 중, 최근에는 인공지능 연구로 전이학습(Transfer Learning)이라고 불리는 학습 방법이 있다. 한번 배운 학습 결과를 다른 곳에 다시 쓴다는 의미이다. 다시 말하면, 여러 번 배울 필요가 없다는 의미이다. 수학에서 기초 원리를 잘 파악하면 다양한 응용문제를 푸는 원리와 같다.

이처럼 한번 학습한 결과를 다른 응용에 적용하려는 시도를 전이학습(Transfer Learning)이라고 부른다. 학습과정에서 얻는 인공지능망의 구성과 변수도 다른 용도의 인공지능망으로 전이될 수 있다. 그럼 이를 전수한 새로운 인공지능 신경망은 학습량이 줄어든다. 아예 이러한 전체 과정을 스스로 할 수도 있다. 이 방법을 자체학습(Self-learning)이라고 부른다.

최근 연구하는 인공지능 학습 방법이다. 모두 학습 부담을 줄이고 데이터 필요 분량을 줄이려는 시도이다.

아예 한번 교육으로 모든 교육이 끝나는 단수학습(One short Learning) 방법에 대한 연구도 시작됐다. 수학에서 문제 하나만 풀어보면, 유사한 모든 문제를 푸는 능력이라 보면 된다. 천재를 키우는 인공지능 학습 방법으로 보면 된다.

예를 들면 어린이를 학습할 때, 공룡 사진 하나만 보여주면, 그 이름을 영원히 기억한다. 지금의 인공지능 학습은 많은 수의 사진을 보여주면서 학습하고 그 결과로 인공지능망이 정해진다. 단 한 번의 이미지 학습으로 인공지능망을 정하려는 시도인 셈이다.

매우 도전적이지만, 언제인가 인공지능이 이 단계에 도달할 것으로 본다. 이 학습 방법은 '하나를 가르쳐 주면 모든 것을 안다'라는 설명으로도 가능하다. 천재 학생 지도 방법이다. 이 방법 역시 데이터를 최소화하면서 인공지능을 학습하는 방법이라고 본다.

인공 데이터(Artificial Data)의 생성

인공지능에는 학습을 위한 데이터가 필요하다. 일반적으로 데이터가 많을수록 지능이 높아진다. 그래서 빅데이터를 모으려고 한다. 그래서 데이터도 인공적으로 만들려고 한다. 이를 필자는 인공 데이터(Artificial Data)라고 부른다. 인공지능(Artificial Intelligence)처럼 인공 데이터(Artificial Data)도 대세가 된다. 아예 사람의 도움을 받지 않고 인공지능 스스로가 인공지능 학습용 데이터를 만들 수 있는 세상이 된다.

데이터를 인공적으로 만드는 방법은 제일 먼저 원본 이미지를 변형하는 방법이다. 글자를 인식하는 CNN을 위한 손글씨 데이터를 만든다고 하면, 기본 데이터 글씨(MNIST)를 기초로 컴퓨터가 그 글씨체를 변형할 수 있다.

아래위로 길게 늘이거나, 글씨체 자체를 기울이게 할 수 있다. 또는 흐리게 만들거나, 가늘게 만들 수 있다. 이미지에 잡음을 넣을 수 있다. 바탕도 바꿀 수 있다. 또는 색깔을 다르게 입힐 수 있다. 또는 글자 크기를 키울 수도 있다. 컴퓨터와 알고리즘을 결합하면 한 장의 기본 글씨 이미지로 수백 장, 수천 장의 파생 데이터를 컴퓨터로 만들 수 있다.

이렇게 기본 데이터를 변형해 빅데이터를 만들 수 있다. 이 빅데이터는 다시 인공지능 학습에 쓰인다. 인공(Artificial)이 돌고 돈다.

처음부터 아예 컴퓨터가 스스로 데이터를 만들 수 있다. 그 데이터로 인공지능이 학습한다. 예를 들어 자율주행자동차를 위한 학습용 사고 장면 영상을 만든다고 가정하자. 자율주행자동차 학습을 위해 영상을 직접 만드는 것은 매우 위험하고 비싸다. 따라서 사고 영상을 컴퓨터로 인공적으로 만들어 이를 이용해서 인공지능이 학습하는 것이 효율적이다.

제목과 주제를 주면 컴퓨터가 3차원 영상과 이미지를 만들어 내는 연구가 진행 중이다. 그렇게 되면 인공지능이 경험하는 세계도 인공적으로 컴퓨터로 만들어진다. 데이터를 만드는 시간과 비용, 수량의 한계를 인공 데이터 생성을 통해서 해결하려고 한다. 이런 방식을 필자는 데이터 증강(Data Augmentation)이라고 부르기도 한다.

그뿐만 아니라 강화학습(Reinforcement Learning)에서도 인공적으로 계산해서 학습한다. 강화학습에서는 게임을 하듯이 학습한다. 알파고가 이세돌 9단과 바둑을 둘 때 사용한 인공지능 학습 방법이다.

이제는 컴퓨터끼리 게임을 하면서 바둑 기보 데이터를 생산한다. 그러니 이 상황에서도 인공지능 학습을 위한 환경을 컴퓨터가 가상으로 만든다.

강화학습을 이용해서 공학 문제의 최적화 설계도 자동화하려는 시도가 시작되었다. 여기서도 컴퓨터 시뮬레이션으로 데이터가 만들어지고 이를 통해서 학습한다. 이렇게 되면 컴퓨터가 다 알아서 한다. 이제 학습에도 인간의 도움이 점점 덜 필요하게 된다. 학습도 컴퓨터가 담당한다.

CNN에서 손글씨 학습을 위해 사용되는 MINST(Modified national Institute of Standards and Technology) 데이터베이스 이미지. [출처=MINIST]

가상 데이터(Virtual Data)인 세상

인공지능 학습을 위한 데이터를 모으는데 개인의 정보보호와 특허 문제가 발생한다. 학습을 위해 모은 데이터의 주인은 누구이고, 그 개인의 정보는 어디까지 보호해야 할 것인가가 사회적, 법률적, 정치적 쟁점이 될 전망이다. 그래서 빅데이터를 모으기가 점점 더 어렵게 되었다.

그래서 인공지능을 위한 빅데이터를 컴퓨터로 인공으로 만드는 방법이 중요해진다. 앞으로 점점 더 그렇게 될 것으로 예측한다.

이렇게 만들어진 인공 데이터로 다시 인공지능망이 학습한다. 그 학습 결과는 다른 응용 분야로 전이된다. 그 인공지능으로 인공지능 데이터를 만든다. 이제 인간이 파고들 틈이 없다. 인공지능이 인공 데이터도 만들고, 학습도 스스로 한다. 미래 인공지능의 모습이다. 모두 컴퓨터의 성능과 메모리 반도체의 성능이 높아져 가능하다. 인공 세상(Artificial World)이다. 데이터도 가상화(Virtualization)된다. 

김정호 카이스트 전기 및 전자공학과 교수 joungho@kaist.ac.kr

[뉴스핌 베스트 기사]

사진
20일 상암서 '마이 케이팝 스타' 결선 생방송 무대 [서울=뉴스핌] 최문선 기자 = 종합뉴스통신사 뉴스핌이 주최·주관하고 문화체육관광부가 후원하는 글로벌 오디션 '마이 케이팝 스타(MY KPOP STAR)'의 결선 진출자 사전투표가 시작됐다. 지난 12일 시작된 이번 사전투표는 결선에 진출한 국내외 참가자 톱10을 대상으로 진행된다. '마이 케이팝 스타'는 국적과 나이에 제한 없이 누구나 참여할 수 있는 글로벌 오디션으로, 총 60개국에서 참가자가 지원해 글로벌 K팝 오디션으로서 관심을 모았다. [서울=뉴스핌] 최문선 기자 = 종합뉴스통신사의 글로벌 오디션 '마이 케이팝 스타(MY KPOP STAR)'의 결선 진출자 10팀 사전 투표가 시작됐다. 앞서 예선 진출자 200팀 가운데 국내 12팀, 해외 18팀 등 총 30팀이 본선 무대에 올랐으며, 치열한 경쟁 끝에 국내 5팀과 해외 5팀이 최종 결선 진출자로 선정됐다. 국내 결선 진출자는 고도아, 박희주, 황승대, 조하음, 윤근아다. 해외에서는 다니 리베라(Dani Rivera·브라질), 샌디 에고(Sandy Ego·이스라엘), 시리나(Shirina·우즈베키스탄), 메이 칫 뗏(Maye Chit Thet·미얀마), 바흐테(Vachte·이란)가 이름을 올렸다. 사전투표 시작과 함께 톱10 참가자들의 홍보 영상도 공개됐다. 영상에는 참가자들의 자기소개와 오디션 참가 소감, 결선 무대에서 보여주고 싶은 모습, 응원해 주는 팬들에게 전하는 메시지 등이 담겼다. 참가자들은 "결선에 진출했을 때 가장 기뻤다", "무대에 설 때가 가장 행복하다", "결선 무대가 기대되면서도 떨린다" 등의 소감을 전했다. 이어 "보내주신 응원에 보답할 수 있도록 최선을 다하겠다", "많은 기대와 응원 부탁드린다"며 팬들에게 감사와 당부의 메시지를 보냈다. [서울=뉴스핌] 최문선 기자 = 종합뉴스통신사의 글로벌 오디션 '마이 케이팝 스타(MY KPOP STAR)'의 결선 진출자 10팀 사전 투표가 시작됐다. 2026.11.13 moonddo00@newspim.com 결선은 오는 20일 서울 마포구 상암동 큐브컨벤션센터에서 오프라인으로 진행된다. 최종 우승자에게는 1억 원의 상금이 수여되며, 국내 참가자는 2위부터 10위까지 각각 200만원의 상금을 받는다. 해외 참가자에게는 결선 진출 시 왕복 항공권과 숙박비 등 체류 비용 전액을 지원한다. 이와 함께 글로벌 쇼케이스 및 공연 참여 기회, 언론 홍보와 인터뷰, 국내 엔터테인먼트사의 현장 캐스팅 기회 등 다양한 혜택도 마련됐다. K팝 보컬·댄스 트레이닝 프로그램과 K팝 안무를 활용한 숏폼 콘텐츠 제작 지원도 제공된다. '마이 케이팝 스타' 결선 진출자 홍보 영상은 유튜브 뉴스핌TV에서 확인할 수 있으며, 사전투표는 투표 사이트(https://vote.mykpopstar.com/)에서 오는 18일 17시까지 참여할 수 있다. moonddo00@newspim.com 2026-11-13 16:15
사진
EBS "수학, 지난해 수능과 비슷한 수준" [서울=뉴스핌] 황혜영 기자 = 19일 치러진 2027학년도 대학수학능력시험(수능) 수학영역은 지난해 수능과 비슷한 수준으로 출제된 것으로 분석됐다. 공통과목은 지난해보다 평이하고 선택과목은 유사한 수준이었으며 종합적인 사고력을 요구하는 문항으로 중상위권 변별력을 확보했다는 평가다. EBS 현장교사단 수학 대표 강사인 남치열 백석고등학교 교사는 이날 정부세종청사에서 열린 2027학년도 수능 출제 경향 브리핑에서 "작년 수능과 올해 모의평가의 출제 기조와 난이도를 유지했다"며 "EBS 수능 연계교재의 개념과 원리를 깊이 있게 학습한 수험생에게 익숙한 중고난도 문항이 다수 연계됐다"고 밝혔다. [서울=뉴스핌] 사진공동취재단 = 2027학년도 대학수학능력시험(수능)이 실시된 19일 오전 서울특별시 광진구 광남고등학교에서 수험생들이 막바지 시험 준비를 하고 있다. 2026.11.19 photo@newspim.com 이번 수능에서는 6월·9월 모의평가와 마찬가지로 출제 범위 내 여러 단원에서 문항이 고르게 출제됐다. 주어진 상황을 논리적으로 추론하거나 수학의 개념·원리·법칙을 종합적으로 적용하는 문항, 함수의 그래프를 추론하고 해석하는 문항 등이 포함됐다. 남 교사는 "13번, 20번 등 중난도 문항은 조건을 차례로 해석해 해결할 수 있는 문항으로 중위권 학생들을 변별할 수 있도록 출제된 것으로 보인다"며 "종합적 사고력이 필요한 고난도 문항들은 다소 까다롭게 느낄 수 있지만 전반적으로는 작년 수능과 비슷한 수준"이라고 분석했다. 공통과목에서는 수학Ⅰ과 수학Ⅱ에서 각각 11문항이 출제됐다. 수학Ⅰ은 지수함수와 로그함수 4문항, 삼각함수 3문항, 수열 4문항으로 구성됐다. 수학Ⅱ는 함수의 극한과 연속 2문항, 미분 5문항, 적분 4문항으로 지나치게 많은 개념을 복합적으로 사용해야 하는 문항은 배제됐다는 설명이다. 비교적 까다로운 문항으로는 공통과목 22번(수학Ⅰ)과 21번(수학Ⅱ), 확률과 통계 30번, 미적분 30번, 기하 30번 등이 꼽혔다. 특히 공통과목 21번은 가장 까다로웠을 것으로 예상됐다. 삼차함수의 그래프를 바탕으로 최댓값과 최솟값의 곱으로 정의된 함수의 미분가능성을 종합적으로 분석하는 문항이다. 22번은 주어진 조건을 만족하는 수열의 항 사이 규칙을 추론하고 수열의 합을 구하는 문제로 상위권 변별력을 갖춘 것으로 평가됐다. 선택과목에서는 확률과 통계 30번이 조건부확률을 구하기 위해 발생할 수 있는 모든 경우를 꼼꼼하게 구분해야 하는 문항으로 분석됐다. 미적분 30번은 주어진 조건에 맞는 구간별 함수를 찾은 뒤 치환적분법으로 정적분을 구하는 문제다. 기하 30번은 좌표공간에서 조건을 만족하는 점과 도형을 찾아 정사영의 넓이를 구하도록 했다. 선택과목 간 유불리에 대해서는 과목별 특성에 맞는 난도로 변별력을 확보했다고 평가했다. 남 교사는 "특정 과목이 쉽다, 어렵다 이렇게 분석하지는 않았다"며 "그 과목 특성에 맞는 난이도를 통해 충분히 변별력을 확보했다"고 말했다.출제본부는 2015 개정 수학과 교육과정의 내용과 수준에 근거해 수학적 사고력을 측정하는 데 중점을 뒀다고 밝혔다. 복잡한 계산이나 반복 훈련으로 익힌 기술·공식을 단순하게 적용하는 문제보다 기본 개념에 대한 충실한 이해와 종합적인 사고력을 요구하는 문항을 출제했다는 설명이다. 남 교사는 "학교 수업에서 학습한 개념을 바탕으로 문제를 이해하고 해결하는 능력을 측정할 수 있는 문항들로 구성됐다"며 "사교육에서 문제풀이 기술을 익히고 반복적으로 훈련한 학생들에게 유리한 문항은 출제되지 않은 것으로 분석했다"고 밝혔다. 이번 수능 수학영역의 EBS 연계율은 50%로 수험생이 응시하는 30문항 가운데 15문항이 연계됐다. 공통과목에서는 수학Ⅰ 6문항과 수학Ⅱ 5문항 등 총 11문항이, 선택과목인 확률과 통계·미적분·기하에서는 각각 4문항이 연계됐다. 남 교사는 "특정 단원에 치우치지 않고 개념을 고르게 익힌 학습으로 대비할 수 있는 시험"이라며 "개념과 원리를 적용한 대표적인 유형뿐 아니라 종합적인 사고능력과 문제해결능력, 추론능력을 평가하는 문항으로 구성됐다"고 평가했다. hyeng0@newspim.com 2026-11-19 14:52
기사 번역
결과물 출력을 준비하고 있어요.
종목 추적기

S&P 500 기업 중 기사 내용이 영향을 줄 종목 추적

결과물 출력을 준비하고 있어요.

긍정 영향 종목

  • Lockheed Martin Corp. Industrials
    우크라이나 안보 지원 강화 기대감으로 방산 수요 증가 직접적. 미·러 긴장 완화 불확실성 속에서도 방위산업 매출 안정성 강화 예상됨.

부정 영향 종목

  • Caterpillar Inc. Industrials
    우크라이나 전쟁 장기화 시 건설 및 중장비 수요 불확실성 직접적. 글로벌 인프라 투자 지연으로 매출 성장 둔화 가능성 있음.
이 내용에 포함된 데이터와 의견은 뉴스핌 AI가 분석한 결과입니다. 정보 제공 목적으로만 작성되었으며, 특정 종목 매매를 권유하지 않습니다. 투자 판단 및 결과에 대한 책임은 투자자 본인에게 있습니다. 주식 투자는 원금 손실 가능성이 있으므로, 투자 전 충분한 조사와 전문가 상담을 권장합니다.
안다쇼핑
Top으로 이동