한국연구재단은 울산과학기술원(UNIST) 최재식 교수 연구팀이 다중 시계열 데이터(시간에 따라 변화하는 다수의 변수의 기록)의 공통적인 변화를 자동으로 추출하는 인공지능 시스템인 ‘관계형 자동 통계학자 시스템’을 개발해 기존 예측 시스템의 성능을 현저하게 향상시켰다고 27일 밝혔다.
일반적으로 주식과 환율 등 시계열 데이터의 분석 및 변화의 예측은 여러 가지 복합적인 요소가 변화에 영향을 미치기 때문에 예측에 영향을 주는 요소를 정확하게 찾는 것은 매우 어렵다.
연구팀은 시계열 데이터 군의 공통적인 변화를 표현하는 원인과 개별적인 시계열 데이터의 변화의 원인을 자동으로 조합할 수 있는 알고리즘인 준-관계형 커널 학습 알고리즘을 개발해 비정형 변화를 보이는 시계열 데이터를 더욱 정확하게 예측하는데 성공했다. 관계형 자동 통계학자 시스템은 다중 시계열 데이터의 공통적인 변화 및 개별적인 변화를 찾아 각 시계열 데이터의 미래 변화를 정확하게 예측할 수 있다. 실제 이 통계시스템은 911공격 후 미국 상위 주식이 공통적인 하락 후 상승을 보인 특징을 찾고, 이를 기반으로 변화를 예측한 결과를 보였다.
연구팀이 개발한 준-관계형 커널 학습 알고리즘은 기존 캠브리지 대학과 MIT에서 개발한 자동 통계학자 시스템에 비하여 향상된 예측 능력을 보였다.
최재식 교수는 “이 연구는 데이터 군에서 추출한 특징 정보와 개별 데이터에서 추출한 정보를 혼합해 시계열 데이터의 자동 분석 정확도를 향상시킨 것이다”며 “시계열 분석이 중요한 주식, 환율 등 금융 산업은 물론 시계열 센서 분석을 통해 주요 부품의 고장을 예측 진단하는 것이 필수적인 원자력 발전소, 중공업, 군사 산업 등 다양한 산업에 적용할 수 있을 것”이라고 연구의 의의를 설명했다. 해외에서 활발하게 개발되고 있는 인공지능 기술을 국내에서 개발해 원천기술을 확보한 것 또한 의의가 있다.
이 연구 성과는 지난 22일 미국 뉴욕에서 개최된 세계적 권위의 국제 기계학습 학술대회(International Conference on Machine Learning)에서 발표됐다.
