사회
인하대, AI 시계열 예측 모델의 내부 작동 원리 규명
뉴스보이
2026.10.12. 09:37
뉴스보이
2026.10.12. 09:37
간단 요약
간단 요약
트랜스포머 모델의 시간 패턴 학습 원리가 특정 요소에 고정되지 않음을 밝혀냈습니다.
핵심 장치인 어텐션을 제거해도 학습 능력이 유지된다는 점을 입증했습니다.
이 기사는 3개 언론사의 보도를 교차 검증하여 작성되었습니다.
이 기사는 3개 언론사의 보도를 교차 검증하여 작성되었습니다.
인하대학교 인공지능공학과 김민규 학부생과 김도국 교수 연구팀이 주가나 전력 수요 등 시계열 데이터를 예측하는 인공지능(AI) 모델의 작동 원리를 분석했습니다. 이번 연구는 데이터 간 관계를 학습하는 트랜스포머 계열 모델이 시간에 따른 패턴을 어떻게 파악하는지 규명하는 데 초점을 맞췄습니다.
연구팀은 시간 패턴을 학습하는 역할이 모델 내 특정 구성 요소에 고정돼 있지 않다는 사실을 확인했습니다. 데이터를 작은 단위로 나누는 토큰화 방식과 모델 구조가 결합하는 형태에 따라 각 구성 요소의 역할이 유동적으로 변한다는 것입니다.
특히 연구팀은 트랜스포머의 핵심 장치로 꼽히는 어텐션을 완전히 제거하더라도 특정 조건에서는 시간 패턴 학습 능력이 유지된다는 점을 입증했습니다. 이를 위해 모델 내부의 각 단계가 학습하는 정보를 검증할 수 있는 15종의 진단 과제를 독자적으로 설계했습니다.
이번 성과는 구글 학술 인용 지표 h5 index 371을 기록한 세계 최고 권위의 학회인 'NeurIPS 2026'에서 발표될 예정입니다. 학부생이 연구 전 과정을 주도해 최고 수준의 학회에 논문을 올린 것은 매우 이례적이라는 평가입니다. 향후 금융, 에너지, 제조 등 시계열 예측이 필수적인 산업 현장에서 효율적이고 신뢰성 높은 AI 모델을 설계하는 데 중요한 기준이 될 것으로 기대됩니다.
이 콘텐츠는 뉴스보이의 AI 저널리즘 엔진으로 생성 되었으며, 중립성과 사실성을 준수합니다. AI가 작성한 초안을 바탕으로 뉴스보이 에디터들이 최종검수하였습니다. (오류신고 : support@curved-road.com)
• 이 콘텐츠는 뉴스보이의 AI 저널리즘 엔진으로 생성 되었으며, 중립성과 사실성을 준수합니다.
• AI가 작성한 초안을 바탕으로 뉴스보이 에디터들이 최종검수하였습니다. (오류신고 : support@curved-road.com)
