논문 브리핑
데이터는 살아 움직인다: AI 모델, '낡은 지식'에 갇히지 않으려면
글 · 한경모
인공지능(AI)의 성능은 방대한 양질의 데이터에 달려 있다는 말은 이제 상식이 되었습니다. 그러나 과연 데이터는 한 번 구축하면 끝일까요? 최근 권위 있는 학술지 Nature Machine Intelligence에 게재된 논문 'Thinking and rethinking data AI readiness'는 이 질문에 대한 깊이 있는 통찰을 제공하며, 특히 생물학적 데이터셋의 동적인 특성과 AI 모델의 지속적인 '데이터 준비성' 유지 필요성을 강조했습니다.
우리는 흔히 AI 모델 학습을 위한 데이터셋 구축을 단일하고 정적인 과정으로 생각하지만, 현실은 다릅니다. 특히 생물학, 의학, 기후 변화와 같은 분야에서는 새로운 발견, 측정 기술의 발전, 그리고 세상의 변화에 따라 데이터가 끊임없이 진화합니다. 예를 들어, 특정 질병의 유전자 발현 데이터는 새로운 연구 결과에 따라 특정 유전자 마커의 중요도가 달라지거나, 이전에 알려지지 않았던 요인이 추가될 수 있습니다. AI 모델이 초기에 아무리 훌륭한 데이터로 학습되었다 하더라도, 시간이 흐르면 현실과 동떨어진 '낡은 지식'에 갇히게 되는 것입니다.
논문은 바로 이 지점을 지적하며, 데이터 AI 준비성을 단순히 '양질의 데이터를 준비하는 것'에서 '데이터의 동적인 변화에 발맞춰 모델을 지속적으로 업데이트하고 조정하는 일련의 과정'으로 재정의할 것을 촉구합니다. 이는 한 번 학습된 모델이 영구히 유효하다는 기존의 사고방식에 대한 근본적인 반론입니다. 만약 이러한 데이터의 동적인 특성을 간과한다면, AI 기반의 의료 진단 시스템은 오진을 유발할 수 있고, 신약 개발 과정에서는 잘못된 물질을 예측하거나, 환경 모델은 현실과 다른 예측을 내놓을 위험이 커집니다. 결국 신뢰할 수 없는 AI는 그 효용성을 잃게 됩니다.
이러한 문제를 해결하기 위해 업계와 학계에서는 다음과 같은 다각적인 노력이 필요하다고 전문가들은 입을 모으고 있습니다.
- 데이터 버전 관리 및 추적 시스템: 데이터셋의 변경 이력을 명확히 관리하고, 어떤 변경이 모델 성능에 어떤 영향을 미치는지 추적해야 합니다.
- 연속 학습(Continual Learning) 및 적응형 모델: 데이터의 변화를 실시간으로 반영하여 모델이 스스로 업데이트되거나 최소한의 비용으로 재학습될 수 있는 기술이 필요합니다.
- 데이터 품질 지표의 재정의: 단순히 초기 데이터의 품질뿐만 아니라, 시간에 따른 데이터의 '신선도'와 '유효성'을 측정하는 새로운 지표를 개발해야 합니다.
- 학제 간 협력 강화: 생물학자, 의학 연구자, 데이터 과학자, ML 엔지니어 등 다양한 분야의 전문가들이 협력하여 데이터의 맥락적 이해를 높이고, 모델에 반영해야 합니다.
인사이트
데이터는 정적인 존재가 아니라 끊임없이 변화하는 유기체이므로, AI 모델의 신뢰성을 유지하려면 데이터의 동적인 변화에 맞춰 지속적으로 모델을 업데이트하고 관리하는 '데이터 AI 준비성'이 필수적입니다.
자주 묻는 질문
- 데이터 AI 준비성이 정확히 무엇을 의미하나요? 그냥 데이터를 잘 준비하는 것과 다른가요?
- '데이터 AI 준비성'은 단순히 고품질 데이터를 한 번 준비하는 것을 넘어, 데이터가 시간이 지남에 따라 변하고 진화하는 특성을 인지하고, 이에 맞춰 AI 모델을 지속적으로 업데이트하고 조정할 수 있는 체계를 갖추는 것을 의미합니다. 이는 데이터가 살아 움직이는 존재임을 인정하고, AI 모델도 이 변화에 발맞춰 진화해야 한다는 관점입니다.
- 왜 특히 생물학적 데이터셋이 더 문제라고 하는 건가요? 다른 데이터는 괜찮은 건가요?
- 생물학적 데이터셋은 다른 분야에 비해 복잡성, 이질성, 그리고 빠른 변화율이라는 특성을 가집니다. 새로운 유전자 발견, 질병 메커니즘 해명, 측정 기술 발전 등이 빠르게 이루어지기 때문입니다. 물론 금융 데이터나 소셜 미디어 데이터 등 다른 분야의 데이터도 동적으로 변하지만, 생물학 분야의 AI는 오진이나 잘못된 치료법 제시 등 생명과 직결될 수 있어 그 중요성이 더욱 부각됩니다.
- 데이터가 변할 때마다 AI 모델을 계속 재학습시켜야 하나요? 비용이 너무 많이 들지 않을까요?
- 데이터가 변할 때마다 재학습이 필요할 수 있으며, 이는 컴퓨팅 자원과 시간 면에서 상당한 비용을 발생시킵니다. 그러나 논문은 특히 의료, 자율주행 등 사회적 파급력이 큰 분야에서는 데이터 불일치로 인한 오작동이나 잘못된 예측의 잠재적 피해가 재학습 비용보다 훨씬 크다는 점을 강조합니다. 비용 효율적인 연속 학습(Continual Learning) 기술 개발이 중요하며, 이는 AI 시스템의 장기적인 신뢰성을 위한 필수적인 투자로 간주됩니다.
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.