우리 대학 정보과학대학 학생들이 지난달 6일 서울 코엑스 컨퍼런스룸에서 열린 ‘2024 SW중심대학 디지털 경진대회’에서 우수상과 후원기업상, 인기상 등을 수상했다. 해당 행사는 학생들의 문제 해결 능력을 향상하고 기술 역량과 협업 능력 강화를 목적으로 개최됐다. SW중심대학에 참여하는 58개교 학생들을 대상으로 열렸으며 두 부문별로 12팀이 본선에 올랐다. 수상의 영광을 안은 3팀의 팀장을 만나 이야기를 들어봤다.

(*A-SW부문 딥노이드 후원기업상 ‘비동기없는 동기처리’팀, B-AI부문 한글과컴퓨터 후원기업상 ‘hallym_19’팀, C-AI부문 우수상ㆍ인기상 ‘코스모스’팀)

▲ 우수상ㆍ인기상을 수상한 ‘코스모스팀’이다. 사진 SW중심대학사업단 제공

Q. 대회에 출품한 작품은?

A - 팬데믹 상황에 대비해 비대면으로 재활 치료 진행을 돕는 통합 의료 웹서비스를 만들었다. 의료진과 환자 간의 WebRTC기반 비대면 진료와 생성형 AI 기반 비대면 진료 요약 서비스, AI 유사도 판정을 도입한 재활치료 운동 프로그램을 개발했다.

B - 주어진 사운드 파일 내에서 실제 음성과 가짜 음성이 각각 존재할 확률을 예측하는 AI 모델을 고안했다. 특히, 다양한 환경에서 녹음된 음성 데이터와 노이즈가 포함된 음성 데이터에서도 높은 정확도를 유지할 수 있도록 모델의 일반화 성능을 향상하려 했다.

C - 이번 AI 대회 주제가 생성형 음성 데이터를 감지하는 알고리즘을 개발하는 것이라 주제에 맞는 출품작을 제작했다. 음성 신호에서 여러 명의 화자가 나오면 각각의 화자가 생성형 데이터인지, 실제 사람의 음성인지 확률로써 제출해야 했다.

▲ 후원기업상을 수상한 ‘비동기없는 동기처리팀’이다. 사진 SW중심대학사업단 제공

Q. 수상 소감은?

A - 작년 대동제 웹사이트 개발ㆍ출시를 시작으로, 꾸준히 팀 프로젝트를 공부하고 개발해 왔다. 그동안의 노력으로 학교를 넘어 전국 대회까지 수상할 수 있었던 것 같아 기쁘고 팀원들에게 고맙다. 서비스 개발과 기획, 디자인까지 전부 직접 제작한 데다 관심 있는 의료 분야 서비스를 개발하고 출시해 상을 받을 수 있어 뿌듯했다. 더불어 유일하게 우리 대학이 SWㆍAI부문에서 3팀이나 수상하는 결과를 얻어 대학의 위상을 높인 것 같아 더 자랑스럽다.

B - 3주 동안 고생한 끝에 상을 받게 돼 영광이다. 함께한 팀원들에게 감사를 전하며, 이번 대회를 통해 얻은 경험과 배움을 바탕으로 앞으로도 더욱 성장하겠다.

C - 팀원 모두에게 생소한 주제였으나 서로 의지하고 협력해 좋은 결과를 거둘 수 있었다고 생각한다. 팀원들의 전문성과 열정으로 문제를 해결하고, 창의적인 아이디어를 바탕으로 수상할 수 있었다. 그저 기술적인 지식뿐만 아니라 서로를 믿고 의지하는 팀워크의 중요성을 다시 한 번 깨닫는 소중한 시간이었다.

▲ 후원기업상을 수상한 ‘hallym_19팀’이다. 사진 SW중심대학사업단 제공

Q. 대회 참여 시 어떤 부분을 중점적으로 차별화해 준비했나?

A - 생성형 AI를 포함해 다양한 AI를 활용했다. SW부문 주제가 ‘생성형 AI를 활용한 서비스’여서, 모든 팀이 생성형 AI를 위주로 기능을 개발할 것이라고 봤다. 따라서 생성형 AI를 활용한 기능과 함께 환자 유사도를 측정하는 AI를 추가 활용해 다양한 AI 기술을 적용한 기능을 만들었다. 그리고 재활치료라는 흔하지 않은 도메인을 대상으로 창의력을 높였다. 비대면 서비스는 많지만, 특히 재활 의학을 대상으로 한 서비스는 흔치 않아 해당 주제를 선택했다.

B - 데이터 처리와 도메인 적응에 중점을 뒀다. 대회에서 제공된 훈련 데이터와 평가 데이터 간의 차이가 매우 컸다. 그 차이를 극복하려 log-spectrogram을 활용한 데이터 처리와 masking을 통한 데이터 증강을 적극 활용했다. 또 DANN(Domain-Adversarial Neural Network) 방법론으로 모델이 두 도메인 간의 차이를 최소화하도록 도메인 적응을 구현했다.
이러한 전략으로 데이터의 복잡성을 효과적으로 다루며 타 팀과 차별화된 경쟁력을 확보할 수 있었다.

C - 메트릭 러닝을 활용했다. Train데이터셋이 단조로워서 Test셋을 일반화하기 어려운 현상이 생겼다. 이에 맞게 Train데이터를 활용해서 알고리즘을 생성했다. 확률로 결과를 뽑아야 한다는 대회 취지에 맞춰 메트릭 러닝을 활용한 게 우승의 열쇠로 작용했다고 본다.

Q. 팀의 추후 계획은?

A - 진료 접수 과정에서부터 생성형 모델과 채팅할 수 있도록 할 뿐만 아니라 재활치료의 새로운 자세 추천, 온디바이스 이용 실시간 자세 정확도 측정 등 서비스를 더 고도화할 예정이다.

B - 팀원들은 각자 타 대회에 참가하거나 인턴십, 부트캠프, 연구실 등에서 다양한 경험을 쌓으려 노력 중이다. 개인적으로는 새로운 프로젝트에 도전하는 것을 목표로 하고 있다.

C - 각자가 일하고 있는 연구실로 돌아가 꿈을 향해 노력하려 한다.