[뉴스스페이스=이종화 기자] 이제는 인공지능 학습을 이용한 동물 행동 분석이 연구현장의 핵심 실험방법으로 활약할 전망이다.
기초과학연구원(IBS, 원장 노도영) 인지 및 사회성 연구단 이창준 단장과 수리 및 계산 과학 연구단 데이터 사이언스 그룹 차미영 CI단장(Chief Investigator·KAIST 전산학부 교수) 공동 연구팀은 동물의 3차원 움직임 정보를 바탕으로, 인공지능 학습을 통해 동물 행동을 분류하고 분석할 수 있는 새로운 분석 도구인 ‘섭틀(Spectrogram-UMAP-Based Temporal-Link Embedding, SUBTLE)’을 개발했다.
동물 행동 분석은 기초 신경과학 연구에서부터 질병의 원인과 치료법에 대한 연구에 이르기까지 다양한 연구의 핵심 도구로 활용된다. 생물학적 연구뿐만 아니라 로보틱스 등 여러 산업분야까지 확대되어 널리 활용되고 있다. 최근에는 인공지능 학습을 활용해 시간에 따라 복잡하게 변화하는 동물 행동을 정확히 이해하고 분석하기 위한 노력이 진행 중이지만, 인간처럼 행동의 유사성을 직관적으로 인식하는 데에는 한계가 있다.
일반적인 동물 행동 연구는 주로 1대의 카메라로 동물을 촬영해 특정 움직임의 시간, 빈도 등 저차원 데이터만을 분석했다. 이 방법은 단순하지만 데이터 구축에 많은 시간과 노동의 투입이 요구되며 분석결과가 실험자의 주관적 판단에 의해 왜곡될 수 있다.
연구진은 최근 각광받고 있는 인공지능 분석 방법인 비지도 학습(Unsupervised learning)으로 3차원 모션캡처 장비를 통해 추출한 3차원 움직임 정보를 분석해 동물 행동을 정확히 분류할 수 있는 분석 프레임워크를 구현하는 데에 성공했다. 비지도 학습은 명시적인 결괏값(해답)이 없는 학습데이터로부터 인공지능이 스스로 데이터의 패턴과 구조, 특성을 찾아 유사성에 따라 클러스터로 묶어 분석한다. 따라서 인간의 개입을 최소화하면서 편향 없이 동물 행동을 분석할 수 있는 장점이 있다.
연구진이 SUBTLE로 생쥐의 움직임을 분석해 검증한 결과, 행동 데이터 슈퍼클러스터에서 뒷발로 서기, 네발로 걷기, 멈추기, 털 고르기 등 다양한 행동 패턴들을 정확하게 구분하는 데 성공했다. 이 결과는 기존 행동 분석 방법 대비 약 2배 이상의 정확도를 보였으며, 인간이 직접 분류한 정밀도와 유사한 정도로 정확도가 향상됐다.
데이터 사이언스 그룹 차미영 CI단장은 “동물 행동 분류의 자동화를 돕는 평가지표와 벤치마크 데이터를 새롭게 제시한 것은 뇌과학과 데이터과학의 협력으로 이뤄낸 결실”이라며, “향후 이 알고리즘이 동물의 움직임을 모방하는 로보틱스 산업을 비롯해 행동 패턴 인식이 필요한 산업 전반에 유용하게 활용될 것으로 기대한다”고 말했다.
이번 연구를 이끈 인지 및 사회성 연구단 이창준 단장은 “인간의 행동 패턴 인식 메커니즘을 적용해 인간의 개입을 최소화하면서도 동물의 복잡한 행동을 이해할 수 있는 효과적인 행동 분석 프레임워크를 개발했다”며, “산업적 응용 가능성이 클 뿐만 아니라, 행동을 인지하는 뇌의 원리를 더 깊게 이해하는 도구로도 활용할 수 있을 것”이라고 전했다.
한편, 연구진은 지난해 4월 AI 기반 임상․비임상 행동 시험 분석 회사 액트노바에 SUBTLE의 기술을 이전했다. 이번 연구에서 연구진은 동물의 3차원 움직임 데이터를 얻기 위해 액트노바의 동물행동 분석 시스템 아바타3D(AVATAR 3D)를 활용한 바 있다. 이번 연구 결과는 세계적인 AI 컴퓨터 비전 학술지인 ‘국제컴퓨터비전학술지(International Journal of Computer Vision, IJCV)’에 5월 20일 온라인 게재됐다.
