인공지능(AI)이 일반화되면서 다양한 영역에서 AI의 역할이 확대되고 있다. 특히 인간이 분석하기에는 어려운 압도적인 데이터를 기반으로 하는 만큼 ‘예측’ 부분에서 AI의 활용이 두드러진다. 소아청소년의 성장부터 부정맥 위험성, 시험 체감 난이도나 게임의 결과까지 AI가 예측한다.
먼저, 의료 AI를 선도하는 지피(GP)는 데이터로 ‘성장’을 예측하고 최고 수치를 이끌어낼 수 있도록 하는 ‘그로우테크(Grow Tech)’를 주도하고 있다. 지피가 가장 자신있게 선보이는 것은 ‘지피 그로스 맵 AI’다. 지피 그로스 맵 AI는 지피가 확보한 압도적인 코호트 데이터와 지피가 자체적으로 개발한 AI 딥러닝 모델을 결합한 성장검진 모델이다. 피검자의 다양한 생체성분을 측정하고, 성장예측 AI가 체성분이 종합적으로 신체에 미치는 영향을 고려해 성장지도를 통한 성장 경로를 예측한다. 이를 통해 특정 기간 내 성장이나 최종 성장치를 도출해낼 수 있다. 지피 그로스 맵 AI는 국내뿐만 아니라 해외 시장에도 수출돼 그로우테크를 널리 알리고 있다.
지피가 활용하는 성장예측 AI는 아동·청소년 11만2589명의 11년간 연속된 성장기 생체 데이터 약 3300만건을 확보해 이를 토대로 개발한 성장검진 AI 기술이다. 지피는 성장검진 AI 특허를 포함해 특허기술 43건을 확보하고, SCI급 논문 역시 다수 게재한 바 있다.
또 시너지에이아이의 ‘맥케이(Mac’AI)’는 부정맥 의심 환자의 심전도를 분석해 14일 이내 치료가 필요한 부정맥 20여종이 발생할 수 있는 위험도를 제시해준다. 부정맥은 ‘불규칙한 심장박동’을 일으키는 증상을 의미하는데, 평상시에는 정상적인 심장박동을 띠고 있어 정확한 부정맥의 시점을 잡기가 힘들다. 맥케이는 치료가 필요한 부정맥으로 의심되는 환자의 심전도 데이터에서 개별 심장 박동을 추출하고 딥러닝 모델을 접목해 14일 이내 부정맥이 발생할 수 있는 위험도를 보고한다. 불규칙한 심박동 발생 시점을 정확하게 잡아냄으로써 의료진이 뇌졸중 등 심각한 부작용을 예방할 수 있는데 초점을 둔 것으로, 예측 정확도는 92.72%에 달한다.
시험 난이도를 사전에 예측할 수 있는 AI도 있다. 가톨릭대 김강민 교수 연구팀은 학생에게 사전에 문제를 노출하지 않고도 학생 집단의 수준에 따른 체감 난이도를 측정할 수 있는 문제 난이도 예측 시스템(LLaSA)을 개발했다. 초거대언어모델(LLM)에 문항 반응 이론을 적용해 문제 난이도 예측 성능을 높였다. 이를 위해 다양한 분야와 형식의 문제를 풀 수 있는 65개의 초거대 언어모델 중 실제 학생의 능력 정보와 가장 유사한 것으로 선정된 언어모델이 학생을 대신해 시험 문제를 풀도록 했다. 이후 이 풀이 기록을 바탕으로 문항별 난이도에 따라 점수 배점을 달리해, 실제 시험 이전에 효과적으로 문항 배점을 설정할 수 있도록 했다. 해당 시스템은 문제의 내용만을 분석하는 기존 AI기반 방법보다 문제 난이도 예측 성능이 8~23%가량 높다. 또한 학생 집단의 구성 변화에도 언어모델 구성을 조정하여 유연하게 대응이 가능한 만큼 범용성이 월등히 높을 것으로 생각된다.
UNIST 창업 기업 아리닷에이아이(ARI.ai)는 e스포츠 결과를 예측할 수 있는 AI모델 ‘LoLGPT’를 공개했다. 프로선수와 상위 레벨 유저들의 3억개에 달하는 경기 데이터를 학습해 플레이어와 챔피언을 선택하면 과거 모든 경기 이력과 선수, 챔피언 특성, 조합, 숙련도, 패치 정보 등을 분석해 경기 흐름을 예측하고, 최종 승리팀을 예상한다. 아리닷에이아이는 프로구단을 위해 ▲경기 시뮬레이션 ▲챔피언 특성 ▲전락 추천 ▲팀 빌딩 추천 등 맞춤형 기능을 제공하는 한편, 필요에 따라 원하는 기능을 추가 개발할 수 있는 유연성도 갖췄다.
이외에도 기상 예측, 전기요금 과다 예측, 콘크리트 품질관리 예측 등 AI를 활용한 다양한 시스템이 개발돼 일상 속에서 예방적 관리를 가능하게 하고 있다.
이화연 기자 hylee@segye.com
