[인더스트리뉴스 최기창 기자] 한국전자통신연구원(ETRI)이 AI 서비스의 개발을 돕는 한국어 최첨단 언어 모델 ‘코버트(KorBERT)’를 공개했다. 이는 과학기술정보통신부와 정보통신기획평가원(IITP)의 혁신성장동력프로젝트로 추진 중인 ‘엑소브레인’ 사업의 일환이다. 엑소브레인이란 ‘내 몸 바깥에 있는 인공 두뇌’라는 뜻이며, 세계 최고 인공지능 기술 선도라는 비전을 달성하기 위한 과학기술정보통신부 소프트웨어 분야의 국가 혁신기술 개발형 연구개발 과제다.

ETRI는 홈페이지를 통해 ‘코버트’를 선보였다. 이번에 공개한 코버트는 구글의 언어 표현 방법을 기반으로 더 많은 한국어 데이터를 넣어 만든 것과 한국어의 ‘교착어’ 특성까지 반영해 만든 언어 모델 등 두 종류다. 특히 이 기술은 올해 3월 한컴오피스 지식검색 베타버전에 탑재됐다. 하반기에는 ETRI의 언어 모델을 활용한 ‘법령 분야 질의응답 API’를 추가 공개할 예정이며, ‘유사 특허 지능형 분석 기술’ 출시도 목표로 두고 있다. 이로써 인공지능(AI) 비서, AI 질의응답, 지능형 검색 등 한국어를 활용한 인공지능 서비스 개발이 한층 고도화될 것으로 보인다.

언어처리를 위한 딥러닝 기술을 개발하기 위해서는 텍스트에 기술된 어절을 숫자로 표현해야 한다. 이를 위해 그동안 언어를 활용한 서비스를 개발하는 기관에서는 주로 구글의 다국어 언어 모델 ‘버트(BERT)'를 사용했다. 버트는 문장 내 어절을 한 글자씩 나눈 뒤, 앞뒤로 자주 만나는 글자끼리 단어로 인식한다. 본 방식은 지난해 11월 처음 공개되었을 때 언어처리 11개 분야에서 많은 성능 향상을 이뤄 주목을 받았다.

구글은 40여 만 건의 위키백과 문서 데이터를 사용해 한국어 언어 모델을 개발했다. 하지만 ETRI 연구진은 여기에 23기가(GB)에 달하는 지난 10년간의 신문기사와 백과사전 정보를 더해 45억 개의 형태소를 학습시켜 구글보다 많은 한국어 데이터를 기반으로 언어 모델을 개발했다.

하지만 단순히 입력한 데이터를 늘리는 것은 언어 모델 고도화에 한계가 있다. 아울러, 한글은 다른 언어와 달리 어근에 조사가 붙는 교착어다. 이에 연구진은 한국어의 의미 최소 단위인 형태소까지 고려해 한국어만의 특성을 최대한 반영한 언어 모델을 만드는 데 심혈을 기울였다.

연구진은 “이번 한국어에 최적화된 언어 모델이 전처리 과정에서 형태소를 분석한 언어 모델이며, 한국어에 최적화된 학습 파라미터다. 또한 방대한 데이터 기반 등이 구글과 차별성 있는 특징”이라고 설명했다. 이어 “개발된 언어 모델은 성능을 확인하는 5가지 기준에서 구글이 배포한 한국어 모델보다 성능이 평균 4.5% 가량 우수했다. 특히 단락 순위화(Passage Ranking) 기준에서는 7.4%나 높은 수치를 기록했다”고 밝혔다.

연구진의 언어 모델을 활용하면 서비스 성능 및 경쟁력을 높일 수 있어 딥러닝 연구, 교육 등의 목적으로 대학, 기업, 기관의 개발자들의 많은 활용이 이뤄질 것으로 예상된다. 개발된 언어 모델은 대표적인 딥러닝 프레임워크인 파이토치(PyTorch)와 텐서플로우(Tensorflow) 환경 모두에서 사용 가능하며 공공인공지능 오픈 API‧데이터 서비스 포털에서 쉽게 찾아볼 수 있다.

ETRI 엑소브레인 사업 총괄책임자 김현기 박사는 “한국어에 최적화된 언어 모델을 통해 한국어 분석, 지식추론, 질의응답 등의 다양한 한국어 딥러닝 기술의 고도화가 가능할 것으로 기대된다”고 말했다. 과학기술정보통신부 인공지능정책팀 김지원 팀장도 “AI 허브를 통해 정부 R&D를 통해 개발되는 양질의 인공지능 SW API 및 데이터를 공개함으로써 개방형 혁신을 촉진할 수 있도록 노력하겠다”고 밝혔다.

현재 구글과 연구진이 언어 모델 개발에 활용한 BERT 방식은 약 512개 이상의 단어가 들어간 문서를 한 번에 처리하지 못한다. 향후 연구진은 한 번에 더욱 많은 언어 데이터를 처리하고 검증 방법을 고도화한 모델을 개발할 계획이다.

최기창 기자 다른기사 보기