한국어 특화 AI 서비스 개발 언어모델 등장

구글 배포 모델보다 한국어 처리 4.5% 우수

과학기술정보통신부와 정보통신기획평가원(IITP)의 혁신성장동력 프로젝트로 추진 중인 엑소브레인 사업에서 최첨단 한국어 언어모델이 공개됐다.

인공지능(AI) 비서, AI 질의응답, 지능형 검색 등 한국어를 활용한 AI 서비스 개발이 한층 고도화될 것으로 전망된다.

한국전자통신연구원(ETRI)은 10일 최첨단 한국어 언어모델 ‘코버트(KorBERT)’를 홈페이지에 공개했다.

연구진이 공개한 모델은 두 종류다. 구글의 언어표현 방법을 기반으로 더 많은 한국어 데이터를 넣어 만든 언어모델과 한국어의 ‘교착어’ 특성까지 반영해 만든 언어모델이다.

이 기술은 지난 3월 한컴오피스 지식검색 베타버전에 탑재됐다. 하반기에는 ETRI의 언어모델을 활용한 법령분야 질의응답 API를 추가 공개하고 유사 특허 지능형 분석 기술 출시를 목표하고 있다.

언어처리를 위한 딥러닝 기술을 개발하기 위해서는 텍스트에 기술된 어절을 숫자로 표현해야 한다. 이를 위해 그동안 언어를 활용한 서비스를 개발하는 기관에서는 주로 구글의 다국어 언어모델 ‘버트’(BERT)를 사용했다.

버트는 문장 내 어절을 한 글자씩 나눈 뒤, 앞뒤로 자주 만나는 글자끼리 단어로 인식한다. 이 방식은 지난해 처음 공개됐을 때 언어처리 11개 분야에서 많은 성능 향상을 이뤄 주목을 받았다. 구글은 40여 만 건의 위키백과 문서 데이터를 사용해 한국어 언어모델을 개발했다.

ETRI 연구진은 이와 달리 23GB에 달하는 지난 10년간의 신문기사와 백과사전 정보를 더해 45억개의 형태소를 학습시켜 구글보다 많은 한국어 데이터를 기반으로 언어모델을 개발했다.

하지만 단순히 입력한 데이터 양만을 늘리는 것은 언어모델 고도화에 한계가 있다. 아울러 한글은 다른 언어와 달리 어근에 조사가 붙는 교착어다.

연구진은 이에 따라 한국어의 의미 최소 단위인 형태소까지 고려해 한국어 특성을 최대한 반영한 언어모델을 만들었다.

한국어에 최적화된 언어모델은 ▲전처리 과정에서 형태소를 분석한 언어모델 ▲한국어에 최적화된 학습 파라미터 ▲방대한 데이터 기반 등이 구글과 차별성 있는 특징이다.

또 개발된 언어모델은 성능을 확인하는 5가지 기준에서 구글이 배포한 한국어 모델보다 성능이 평균 4.5% 가량 우수했다.

특히 단락 순위화(Passage Ranking) 기준에서는 7.4%나 높은 수치를 기록했다.

연구진의 언어모델을 활용하면 서비스 성능 및 경쟁력을 높일 수 있어 딥러닝 연구, 교육 등의 목적으로 대학, 기업, 기관의 개발자들의 많은 활용이 이뤄질 전망이다.

개발된 언어모델은 대표적인 딥러닝 프레임워크인 파이토치(PyTorch)와 텐서플로우(Tensorflow) 환경 모두에서 사용 가능하며 공공인공지능 오픈 API, 데이터 서비스 포털에서 쉽게 찾아볼 수 있다.

엑소브레인 사업의 총괄책임자인 ETRI 김현기 박사는 “한국어에 최적화된 언어모델을 통해 한국어 분석, 지식추론, 질의응답 등의 다양한 한국어 딥러닝 기술의 고도화가 가능할 것으로 기대된다”고 말했다.