(주)지오비전(연구원 김민규), 세명대학교 컴퓨터학부(교수 이수안), 강원대학교 컴퓨터공학과(명예교수 김진호)로 구성된 연구팀의 논문이 세계 최고 권위의 인공지능 학술대회 'AAAI 2026' (Association for the Advancement of Artificial Intelligence)에 채택되었다.

이번에 채택된 논문은 "Transparent Networks for Multivariate Time Series" (다변량 시계열을 위한 투명한 네트워크)로, AI의 고질적인 '블랙박스' 문제를 해결하는 새로운 투명 신경망 모델 'GATSM' (Generalized Additive Time Series Model)을 제안하고 있다.

연구팀의 1저자인 (주)지오비전 김민규 연구원, 2저자인 세명대학교 컴퓨터학부 이수안 학부장, 3저자인 강원대학교 컴퓨터공학과 김진호 명예교수((주)한국정보기술단 AI연구센터 센터장)은 “이번 연구가 AI의 신뢰성을 한층 높이는 중요한 계기가 될 것”이라고 밝혔다.

🚀 AI의 '블랙박스' 한계를 넘다

기존의 딥러닝 모델(신경망)은 복잡한 문제에서 뛰어난 예측 성능을 보여주지만, 그 결정 과정을 사람이 이해하기 어려운 '블랙박스' 모델이라는 한계가 있었다. 이는 의료, 금융 사기 탐지, 자율주행 등 예측의 근거가 반드시 필요한 고신뢰성(high-stakes) 분야에서 AI 도입을 가로막는 큰 장벽이었다. 특히 환자의 생체 신호, 주가 변동, 공장 설비 센서 데이터 등 현실 세계의 많은 데이터는 '시계열(time series)' 형태로, 기존의 투명한 모델(GAM)들은 이러한 복잡한 시계열 데이터의 시간적 패턴을 효과적으로 학습하는 데 한계가 있었다.

💡 투명성과 성능, 두 마리 토끼를 잡은 'GATSM'

연구팀이 제안한 GATSM은 모델의 투명성(transparency)을 완벽하게 유지하면서도 시계열 데이터의 복잡한 패턴을 학습할 수 있도록 설계되었다. GATSM은 ▲각 입력 변수의 특징을 학습하는 '독립적인 특징 네트워크'와 ▲시간의 흐름에 따른 패턴을 학습하는 '투명한 시간 모듈'을 결합한 구조이다. 실험 결과, GATSM은 기존의 다른 투명 모델들보다 월등히 뛰어난 성능을 보였으며, 동시에 RNN이나 트랜스포머(Transformer)와 같은 복잡한 블랙박스 모델들과 대등한 수준의 예측 정확도를 달성했다. 이는 AI가 왜 그런 예측을 했는지 명확히 설명할 수 있으면서도 최고의 성능을 낼 수 있음을 입증한 것이다.

📈 산업 전반에 걸친 높은 활용 가능성

GATSM은 모델의 예측 결과를 시간 단계별 중요도, 특징별 기여도(시간 독립/종속) 등 다양한 형태로 시각화하여 직관적인 해석을 제공하며, 이러한 특징은 산업 현장에서 즉각적인 활용이 가능하다. 의료 분야에서는 환자의 사망률이나 패혈증 예측시 어떤 시점의 어떤 생체 신호가 위험 요인이었는지 의료진에게 투명하게 제시할 수 있다. 제조/에너지 분야에선 공장 설비의 고장 징후나 에너지 사용량 예측 시 어떤 센서 값이 주요 원인이었는지 파악해 선제적 대응이 가능하다. 금융 분야에서도 주가 예측이나 사기 탐지 시스템에서 이상 징후의 근거를 명확히 밝혀 신뢰도를 높일 수 있다.

김민규 (주)지오비전 연구원은 "GATSM은 AI의 성능과 투명성이라는 두 마리 토끼를 모두 잡은 모델"이라며 "특히 시계열 데이터가 중요한 의료, 금융, 제조 분야에서 신뢰할 수 있는 AI 솔루션을 제공할 것"이라고 밝혔다. 이수안 세명대학교 컴퓨터학부 교수·학부장은 "고위험 의사결정 분야에서는 AI가 '왜 그런 판단을 내렸는지' 설명할 수 있어야 한다"며 "GATSM은 이러한 요구를 충족하면서도 최신 딥러닝 모델에 필적하는 성능을 보여준다는 점에서 학술적·실용적 가치가 크다"고 강조했다. 김진호 강원대학교 명예교수도 "시계열 데이터는 IoT, 스마트팩토리, 헬스케어 등 4차 산업혁명의 핵심 데이터"라며 "GATSM은 이러한 시계열 데이터를 안전하고 신뢰할 수 있게 분석하는 기반 기술로서, 국내 AI 산업 경쟁력 강화에 크게 기여할 것"이라고 말했다.