- 개인 데이터 공유 없이 개인 간 연합학습 방식 적용
- 개인과 기업 간 AI 공유를 통한 개인 맞춤형 연합학습으로 AI 성능 입증
하렉스인포텍은 최근 부산 벡스코에서 제25회 한국경영학회 융합학술대회로 개최된 한국경영정보학회 세션에 참석해 이경전 경희대 교수(경영학&빅데이터응용학과)팀과 공동 연구한 ‘개인간 연합학습 방법을 적용한 UCAI 디지털미 서비스 연구개발 성과를 발표했다.
하렉스인포텍 사용자중심인공지능(UCAI) 연구소와 경희대 이경전 교수 연구팀은 건강, 재무, 심리, 지식 등 개인의 상태를 실시간으로 관리하고 개선할 수 있는 인공지능 기반 상품-서비스 결합 시스템인 ‘디지털 미’ 서비스를 연구하고 있으며, 디지털 미의 패러다임을 바탕으로 AMPER(Aim-Measure-Predict-Evaluate-Recommend) 구조를 새롭게 개발한 바 있다.
AMPER는 사용자 중심의 목표 A(Aim)에 따라 사용자의 현재 상태를 측정하는 M(Measure)을 설정하고, 데이터만을 기반으로 한 P(Predict)를 통해 사용자의 미래 상태를 예측하며, E(Evaluate)를 통해 사용자의 미래 상태를 평가하고, 목표 상태에 도달하기 위한 R(Recommend)을 도출하여 바람직한 행동을 추천함으로써 사용자의 상태 향상을 극대화하는 것이다. 다만, 디지털 미 분야에서 헬스케어 서비스의 연구는 민감한 정보를 포함하기 때문에 사용자의 데이터를 합치거나 공유하는 것은 바람직하지 못하다는 것이 연구팀의 주장이다. 이에 사용자의 데이터를 공유하지 않고 인공지능 서비스가 가능한 개인간 연합학습(Personalized Federated Learning) 방법을 적용하여 헬스케어 분야의 혈압 관리 시스템을 개발했다.
UCAI 연구팀은 데이터 통합의 잠재적 이점에도 불구하고, 디지털 미 영역 내 헬스케어 서비스의 민감한 특성으로 인해 사용자 데이터를 결합하거나 공유하는 것은 바람직하지 않다고 판단했다. 따라서 연구팀은 개인간 연합학습을 적용해 헬스케어 분야에 혈압 관리 시스템을 개발했다. 이 혁신적인 방법을 통해 사용자 데이터의 보안을 훼손하지 않으면서도 인공지능 서비스를 제공할 수 있게 됐다.
하렉스인포텍은 다양한 산업분야의 기업 및 소상공인들에게 UCAI 서비스를 확장하고 있다. 이를 통해 기업이 자체적인 AI 개발 없이도 단기간 내에 초개인화 서비스 및 마케팅을 소비자들에게 신속하게 제공할 수 있도록 지원하고 있다. 각 기업이 보유한 데이터를 물리적으로 이동하거나 통합하지 않고 AI 연합학습을 통해 추천, 타겟마케팅, 번들 및 교차 판매, 이벤트 프로모션 등 다양한 초개인화 서비스 마케팅을 제공한다. 이러한 협력적 접근 방식은 보안 및 데이터 주권을 보장하면서 기업 간 협업이 가능하고 소상공인들도 인공지능 서비스가 가능해시너지 효과를 촉진하므로써 소규모 기업도 AI 서비스의 힘을 활용할 수 있다.
개인간 연합학습은 데이터를 중앙 집중화하지 않고 모델의 학습 값만을 사용하여 단일 AI 모델을 학습시키는 기법이다. 이 방법은 데이터가 분산되어 있고 여러 사람이 소유하고 있을 때 특히 효과적이다.
UCAI 연구팀은 9,908명의 혈압 데이터를 통해 혈압 수치를 예측하는 모델을 만들었고, 개인간 연합학습 방법을 적용한 결과, 9,908 명의 개별 모델 평균에 비해 31.36% 향상된 예측 값을 얻었다. 이는 개인간 연합학습 방법을 혈압 예측 분야에 적용한 첫 사례로, 개인 의료(생태) 정보를 보호하면서 데이터를 활용하는데 중요한 이정표가 될 것으로 보여진다.
하렉스인포텍 김수현 연구원은 "건강하지 못한 채 오래 사는 비극을 예방하기 위해서는 헬스케어는 필수적 조건"이라며 "그동안 연구해온 디지털 미 서비스를 헬스케어(혈압) 영역에 적용했으며, 건강 관련 데이터는 민감한 정보인 만큼 연합학습과 같은 기술을 적용해 개인정보 이슈 등의 문제 없이 누구나 쉽게 사용할 수 있는 사용자중심 AI 헬스케어 시스템을 구축하겠다:고 덧붙였다.
또한 연구팀은 개인 간 연합 학습뿐만 아니라 기업 간 연합 학습 성과도 이뤄냈다. 상거래 분야에서 서로 다른 두 개의 데이터를 각각 나누어 4개의 개별 추천 모델을 생성한 후 전체 모델을 연합학습 방법론으로 학습하고 비교한 결과, 연합학습 방식을 적용한 전체 모델이 개별 모델 대비 최대 33.6%의 정확도 향상을 보였다고 설명했다.. 개인과 기업조직 모두 연합학습의 성과를 입증한 것이다. 이번 연구 결과는 데이터를 직접 공유하지 않으려는 개인과 기업도 연합학습을 통해 향상된 성능의 모델을 구축할 수 있다는 것을 입증한 중요한 성과로 평가되고 있다.
