[청년투데이=장효남 기자] LG AI연구원이 전 세계 AI 연구자를 대상으로 ‘LG 글로벌 AI 챌린지’를 2월 1일부터 4월 말까지 온라인으로 진행한다고 31일 밝혔다.

LG 글로벌 AI 챌린지는 ‘제로샷 이미지 캡셔닝(Zero-Shot Image Captioning)’을 주제로 ‘AI가 처음 본 이미지를 얼마나 정확하게 이해하고 설명하는지 평가’하는 대회다.

제로샷 이미지 캡셔닝은 AI가 처음 본 사물이나, 동물, 풍경 등의 이미지를 봤을 때나 일러스트레이션, 그래픽 등 표현 방식이 다른 이미지를 봤을 때 기존 학습한 데이터를 기반으로 스스로 이해하고 유추한 결과를 텍스트로 설명할 수 있는 기술이다.

해당 기술과 작동구조가 유사한 예를 살펴보면 토끼를 한 번도 본 적이 없는 사람이 토끼 여러 마리와 고양이 한 마리가 함께 있는 것을 봤을 때 ‘토끼도 털은 있지만 고양이와는 다르게 귀가 길고, 뒷다리가 발달했다’라고 설명하는 것이다.

또한 기술이 점차 고도화되면 AI가 자동으로 캡션과 키워드를 생성해 검색의 편의성과 정확도를 향상시킬 수 있다. 의학 전문 데이터를 추가 학습할 경우 의학 영상을 분석하는 ‘의학 전문가 AI’로 활약할 수 있다.

특히, 최근 자연어 검색 분야에서 반향을 일으키고 있는 ChatGPT 처럼 AI가 스스로 이미지를 이해하고 설명하며, 해시태그도 달 수 있는 이미지 캡셔닝 기술은 이미지 검색 분야에 혁신을 가져올 것으로 보인다.

LG AI연구원은 공동연구센터를 설립해 초거대 멀티모달 AI인 ‘엑사원(EXAONE)’을 연구 중인 ‘서울대학교 AI대학원’, 이미지 캡셔닝 AI의 상용화 서비스를 공동으로 준비 중인 ‘셔터스톡’과 함께 이번 경진 대회를 진행한다.  

셔터스톡은 세계 최대 규모의 이미지를 보유한 크리에이티브 플랫폼 기업으로 편향성과 선정성 등에 대한 AI 윤리 검증을 끝낸 고품질의 이미지-텍스트 데이터셋 26,000개를 무료로 제공한다.

해당 데이터셋은 사진 뿐 아니라 일러스트레이션, 그래픽 등 다양한 형태의 이미지를 포함하고 있어 대회 참가자들은 저작권과 비용, 품질에 대한 고민 없이 자신들의 AI 모델 최적화와 성능 평가를 진행할 수 있다.

이경무 서울대 AI대학원 석좌교수는 “이미지 캡셔닝은 영상에 나오는 객체들의 관계부터 상황과 문맥까지 이해해 인간의 언어로 표현하고 설명하게 하는 것으로 AI가 인간의 지능에 얼마나 가까워졌는지 보여주는 하나의 척도”라고 밝혔다.

그는 “학습 데이터 없이도 이러한 작업을 수행하는 제로샷 이미지 캡셔닝은 매우 도전적인 문제이자 세계적으로도 최근에 연구가 시작된 분야로 LG AI연구원과 서울대 AI대학원, 셔터스톡이 세계 최초로 챌린지와 워크샵을 공동 진행하는 것은 우리나라의 AI 역량이 이미 세계적인 수준에 도달했다는 것을 의미한다”고 말했다.

LG AI연구원은 오는 6월 AI 국제 학회인 ‘CVPR 2023’에서 세계적인 전문가들과 ‘제로샷 이미지 캡셔닝’을 주제로 워크샵도 개최한다.

이 자리에서 LG AI연구원은 구글, 마이크로소프트 등에서 AI 연구를 진행하고 있는 산업계 전문가들을 비롯해 글로벌 석학들과 함께 이미지 캡셔닝 기술 연구을 논의하며 ‘LG 글로벌 AI 챌린지’ 최종 수상팀이 이날 워크샵에서 성과를 발표할 예정이다.

김승환 LG AI연구원 비전랩장은 “LG AI연구원은 현재 생성형 AI 뿐 아니라, 객체를 인식하는 기술 수준을 넘어 인간 수준으로 영상까지 이해하는 AI로 퀀텀 점프할 수 있는 가능성을 확인했다”고 말했다.

이어 “세계적인 학회에서 영상 이해의 핵심 기술이자 기반 기술인 이미지 캡셔닝을 주제로 대회를 개최한 것은 LG가 컴퓨터 비전 분야의 글로벌 입지를 보여준 계기이며, 이번 대회를 통해 전 세계 AI 연구자들과 함께 연구의 의의와 필요성, 그리고 확장 가능성에 관해 함께 논의하는 장을 만들고자 한다”고 말했다.