울산과학기술원, AI 강건성 높이는 데이터 증강 조건 규명

울산과학기술원(UNIST)은 AI 모델의 강건성을 향상시키는 데이터 증강 조건을 수학적으로 밝혀냈다고 19일 밝혔다.

윤성환 인공지능대학원 교수 연구팀은 근접 지지 증강(PSA, Proximal-Support Augmentation)이라는 조건을 만족하는 증강이 모델 강건성 향상에 효과적임을 증명했다. PSA는 원본 데이터에 미세한 변형을 가해 원본 주변을 촘촘히 채우는 방식이다.

딥러닝 모델은 학습 데이터와 조금만 달라진 환경에서 성능이 급격히 떨어지는 한계가 있다. 이 때문에 원본 데이터를 인위적으로 변형해 학습량을 늘리는 데이터 증강이 필수적이지만, 어떤 변형 방식이 효과적인지 명확히 밝혀지지 않아 수많은 시행착오를 거쳐야 했다.

연구팀은 데이터 공간과 파라미터 공간에서 변화가 서로 대응된다는 점을 증명했다. 이어 PSA 조건을 만족하는 데이터 공간의 변화가 파라미터 공간의 손실함수 지형을 평평하게 만든다는 사실을 입증했다.

입력 데이터 주변을 촘촘히 채우면 모델 내부 파라미터 공간도 평탄해져 AI가 강건성을 갖추게 되는 원리다. 실제 실험에서도 PSA 조건을 충족한 증강 기법이 우수한 강건성을 보였다.

연구팀은 "데이터 증강 설계를 더 체계적인 과학으로 만든 연구"라며 "자율 주행, 의료 영상, 제조 검사처럼 분포가 자주 바뀌는 실제 환경에서 신뢰할 수 있는 AI 모델을 만드는 데 중요한 이론적 기반이 될 것"이라고 밝혔다.

이번 연구는 전미인공지능학회(AAAI) 2026 정식 논문으로 채택됐다. 학회는 오는 20일부터 27일까지 싱가포르에서 열린다.

연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 지역 지능화 혁신인재 양성 사업, 인공지능대학원 사업, AI 스타 펠로우십 사업, 인간지향적 차세대 도전형 AI기술 개발 사업 그리고 한국연구재단 지원 개인기초연구 중견연구를 통해 수행됐다.