‘연속 학습 기술’로 학습 음향 잊는 AI 약점 보완
 |
| 한화비전-광주과학기술원(GIST) 공동연구팀은 ‘연속 학습’ 기술에 기반한 음향 분류 AI 시스템으로 ‘디케이스 2026 챌린지’ 내 ‘도메인 비의존 오디오 분류를 위한 점진 학습’ 부문 1위를 차지했다고 14일 밝혔다. 그림은 ‘디케이스 2026’ 홈페이지 내 수상 결과 페이지 캡처 화면. [한화비전 제공] |
[헤럴드경제=고은결 기자] 한화비전과 광주과학기술원(GIST) 연구팀은 공동 개발한 ‘연속 학습’ 기술을 바탕으로 국제 음향 인공지능(AI) 경진대회 ‘디케이스 2026 챌린지’에서 1위했다고 14일 밝혔다.
한화비전 R&D센터 AI연구소와 김홍국 GIST 전기전자컴퓨터공학과 교수 연구팀이 함께 이룬 성과로, 새로운 소리를 학습하는 과정에서 기존에 익힌 소리를 잊는 AI의 치명적 약점을 보완했다.
세계전기전자공학회가 주관하는 ‘디케이스 챌린지’는 학계와 기업 연구팀이 음향 AI 기술력을 겨루는 국제 최고 권위의 대회로, 올해는 총 135개팀이 참여했다.
공동연구팀은 7개 부문 중 ‘도메인 비의존 오디오 분류를 위한 점진 학습’ 부문에서 21팀 중 1위에 올랐다. 소리 수집 출처를 알 수 없는 환경에서 아기 울음소리, 개 짖는 소리, 화재 경보음 등 10종의 소리를 정확히 구분하는 미션을 성공적으로 수행했다.
공동연구팀은 ‘치명적 망각’ 해결에 집중했다. 기존 오디오 인식 AI는 녹음 장비나 장소, 주변 소음 등 환경이 달라지면 성능에 영향이 갔다. 이는 특정 목적으로 제작된 AI 모델들 규모가 대개 초거대 범용 AI 모델과 비교해 상대적으로 작아서 발생하며, 거대 AI 모델도 빈도가 적을 뿐 같은 현상을 겪는다. 특히 외부 환경이 급변하는 보안, 산업 안전 등 분야에서 이 문제는 핵심 과제로 꼽힌다.
공동연구팀이 개발한 연속 학습 기술에는 과거 학습한 소리 특징을 재현해 활용하는 ‘딥인버전(DeepInversion) 기반 생성형 리플레이’ 기법이 적용됐다. 딥인버전은 추가 데이터 수집 없이, 소리별 분류 모델이 과거 학습한 소리와 유사한 음향 데이터를 스스로 재현하고 역산하게 만드는 기술이다. 이 기법을 통해 각 단계에서 AI가 배운 내용을 보존, 새 학습과정에서 기존 내용이 훼손되는 것을 최소화했다.
아울러 AI 모델 예측 결과를 종합해 최종 판단을 내리는 ‘앙상블 기법’으로 높은 정확도와 안정적 성능도 구현했다. 최종 제출된 시스템은 다른 팀들과 경쟁에서 가장 높은 성적인 평균 정확도 79.62%를 기록해 나머지 20개팀의 정확도 평균(약 68%)과 비교해 높았다.
이번 연구는 한화비전 자체 연구 과제와 산업통상부 과제 지원으로 이뤄졌다. 성과 발표 및 우승팀 시상은 10월 28일부터 이틀간 미국 보스턴에서 개최되는 ‘디케이스 2026 워크숍’에서 진행된다.
임정은 한화비전 AI연구소장은 “이번 수상은 한화비전 연구의 방향성과 기술 수준이 세계 최고임을 증명한 결과”라며 “연속 학습 기술은 외부 환경 속 보안 카메라 적응 능력과 직결된 것으로 새 기술을 미래 솔루션으로 발전시켜 나갈 것”이라고 말했다.
