인하대, 시간 따른 '시계열 데이터' 예측 AI 학습 원리 분석

[인천=뉴시스] 전예준 기자 = 인하대학교는 주가, 전력 수요, 기상 관측값처럼 시간의 흐름에 따라 쌓이는 '시계열 데이터'를 예측하는 인공지능(AI) 모델의 내부 작동 원리를 분석했다고 12일 밝혔다.

인공지능공학과 김민규 학부생과 김도국 교수로 구성된 연구팀은 데이터 사이의 관계를 학습하는 '트랜스포머(Transformer)' 계열 모델이 시간에 따른 패턴을 어떻게 학습하는지 살펴봤다.

연구팀은 모델 내부의 각 단계가 어떤 정보를 학습하는지 확인할 수 있는 15종의 진단 과제를 설계했다. 이를 대표적인 시계열 예측 모델과 데이터셋에 적용해 내부 구성 요소의 역할을 비교·분석했다.

이 결과 시간 패턴을 학습하는 역할이 특정 구성 요소에 고정돼 있지 않다는 사실을 확인했다. 데이터를 작은 단위로 나눠 입력하는 방식인 '토큰화'와 모델의 구조가 결합하는 방식에 따라 각 구성 요소의 역할이 달라졌다.

특히 데이터 사이의 관련성을 파악하는 트랜스포머의 핵심 장치인 '어텐션'을 완전히 제거하더라도, 일부 조건에서는 시간 패턴을 학습하는 능력이 유지됐다.

이번 연구는 시계열 예측이 중요한 산업 분야에서 모델을 구성하는 요소의 역할을 이해하고, 효율적이고 신뢰할 수 있는 AI 모델을 설계하는 데 참고 기준을 제시할 것으로 기대된다.

해당 연구 논문은 김민규 학생이 제1저자, 김도국 교수가 교신저자로 참여했으며, 엔지니어링과 컴퓨터 과학 분야 중 2위, 인공지능 분야 중 1위 학회 'NeurIPS 2026'에서 발표될 예정이다.

김도국 인하대 인공지능공학과 교수는 "앞으로도 학생들이 학부 과정부터 세계 무대에서 경쟁할 수 있는 연구 경험을 쌓도록 적극 지원하겠다"고 말했다.


◎공감언론 뉴시스 [email protected]