"딥러닝보다 빠른 꿈의 AI…초차원연산 세계 최초 실용화"

국내 연구진이 딥러닝 방식 대신 '초차원 연산(HDC)'을 활용한 새로운 인공지능(AI) 학습법을 선보였다.

코가로보틱스는 이 같은 내용의 논문을 세계 최대 로봇학회인 '국제 로봇자동화 학술대회(ICRA)' 검증을 거쳐 일본 요코하마에서 열리는 ICRA 연례 컨퍼런스에서 이날 공식 발표한다고 14일 밝혔다.

논문 제목은 '인간 두뇌에서 영감을 얻은 초차원 컴퓨팅: 바퀴 달린 로봇의 감각 운동 제어를 위한 경량 기호 학습'이다. 한양대 명예교수인 서일홍 대표 등 4명의 코가로보틱스 연구진과 대구경북과학기술원(DGIST) 김예성 교수 등 총 12명의 연구진이 공동 집필했다.

코가로보틱스 측은 "초차원 연산은 그동안 해외에서도 이론적으로는 차세대 AI 학습 방식으로 각광받으면서 일부 연구가 진행되고 있다"며 "이를 실용화해 로봇 자율주행에 적용하고 세계적인 학술대회에서 논문 발표까지 한 사례는 이번이 세계 최초"라고 설명했다.

서일홍 한양대 명예교수 겸 코가로보틱스 대표(오른쪽)와 김예성 디지스트 전기전자컴퓨터공학과 교수(왼쪽)가 14일 일본 요코하마에서 열린 세계 최대 로봇학회 ICRA에 논문 발표를 위해 연례 컨퍼런스에 참석했다. (사진=코가로보틱스)

HDC는 인간 뇌의 연산 방식을 모방하는 것이 특징이다. 초차원 벡터에 모든 사물과 개념 등을 대응시키고, 이 벡터들을 서로 결합해 원하는 추론 결과를 도출하는 방식이다. 두뇌가 정보를 특정 뉴런에 저장하지 않고 다수 뉴런에 분산해 저장하는 방식과 유사하게 설계됐다.

딥러닝 방식에서는 인공신경망에 입력된 값들이 다층 구조 노드들 간 수많은 시냅스를 거쳐가면서 연산된다. 여기에는 매우 많은 행렬 연산이 수반된다. AI 성능 향상을 위해 신경망 규모를 키울수록 연산량도 기하급수적으로 증가하기 때문에 고가의 GPU 등 AI 시스템 구축 비용이 증가하고 전력 소모량도 많아진다.

반면 HDC를 통한 인공지능 학습 방법을 활용하면 딥러닝과는 달리 적은 메모리와 계산만을 필요로 한다. 경량 AI나 온디바이스 AI를 구현하는 데 있어 핵심적인 학습방법으로 꼽히는 이유다.

연구진은 360도 방향 거리를 측정하는 라이다 데이터를 읽어 모터를 제어하는 지각-행동 관계를 HDC로 모방해 모델을 학습하는 기술과, 학습 과정 중 보상을 하는 강화 학습 기술을 개발했다.

논문에서는 HDC 학습 방법을 실내자율주행 로봇에 실제 적용한 결과, 딥러닝 대비 30분의 1 가격의 컴퓨터를 써서 동일한 학습·추론 결과를 도출했다고 밝혔다. 속도는 15배 빨라졌고, 전력 소모도 20분의 1로 줄었다.

최현택 로봇학회회장은 "대한민국 과학기술계의 AI·로봇 기술 수준을 알릴 수 있는 쾌거이자, HDC 기술이 앞으로 현장 학습이 필요한 다양한 분야에 적용이 가능하다는 점을 보여주는 시금석"이라고 말했다.

서일홍 교수는 "기존 딥러닝 기반의 인공지능 알고리즘 모델의 크기가 기하급수적으로 커지고 있어 이를 훈련하는 데에는 고가의 GPU가 필수적으로 활용되는 등 비용 부담이 높아지고 있다"며 "경량 인공지능 기술을 활용하여 온디바이스 로봇 환경에서 훈련 및 추론 과정을 모두 수행하는 기술을 개발했다는 의의가 있다"고 밝혔다.

한편 코가로보틱스는 이 새로운 학습 방식을 자율주행 로봇 뿐만 아니라 현관문 자동 개폐 등 다양한 분야로 확대 적용하고 있다고 밝혔다. 코가로보틱스는 지난달 현대산업개발에서 건설하는 아이파크 아파트의 도어 개폐 시스템에 HDC 기반 인식 기술을 공급하는 계약을 체결했다.