섭틀 프레임워크, IBS 인공지능 기반 동물 행동 분석 도구 개발
기초과학연구원(IBS)은 동물의 복잡한 행동을 인간처럼 구분하는 인공지능 프레임워크 ‘섭틀(SUBTLE)’을 개발했습니다. 이 프레임워크는 3차원 모션캡처 데이터를 비지도 학습을 통해 분석하며, 기존 방법보다 2배 높은 정확도를 자랑합니다.
이번 연구는 생물학 및 로보틱스 등 다양한 산업에서 활용 가능성을 높이며, 행동 패턴 분석의 새로운 가능성을 열었습니다.
[섭틀 프레임워크 개발 주요 연구진 사진] 왼쪽부터 공동 교신저자 차미영 데이터 사이언스 그룹 CI, 이창준 인지 및 사회성 연구단 단장, 공동 제1저자 김선필 인지 및 사회성 연구단 박사후연구원, 권재 인지 및 사회성 연구단 박사후연구원, 김동겸 데이터 사이언스 그룹 박사후연구원
인공지능을 통한 동물 행동 분석의 필요성
동물 행동 분석은 생물학, 신경과학, 로보틱스 등 다양한 분야에서 중요한 역할을 합니다. 그러나 기존의 방법들은 주로 저차원 데이터를 이용해 주관적인 판단에 의존하기 때문에 정확한 분석이 어렵습니다.
기초과학연구원(IBS)은 이러한 문제를 해결하기 위해 인공지능을 활용한 새로운 동물 행동 분석 도구 ‘섭틀(SUBTLE)’을 개발했습니다. SUBTLE은 비지도 학습을 통해 동물의 복잡한 3차원 움직임을 정밀하게 분석할 수 있어, 연구의 정확성과 효율성을 크게 향상시킬 것으로 기대됩니다.
섭틀(SUBTLE) 프레임워크 개발 과정 및 특징
기존 동물 행동 분석의 한계
기존의 동물 행동 분석은 주로 1대의 카메라로 촬영된 저차원 데이터를 바탕으로 진행되었습니다. 이러한 방법은 데이터 구축에 많은 시간과 노력이 필요하며, 결과가 실험자의 주관적 판단에 의해 왜곡될 가능성이 큽니다. 또한, 행동의 유사성을 직관적으로 인식하기 어렵다는 문제점이 있습니다. 이를 극복하기 위해 연구진은 비지도 학습을 활용한 새로운 접근법을 모색하게 되었습니다.
비지도 학습을 활용한 분석 방법
연구진은 비지도 학습을 이용해 동물의 3차원 움직임 정보를 분석하는 프레임워크를 개발했습니다. 이 과정에서 여러 대의 카메라로 동물의 움직임을 촬영하고, 3차원 모션캡처 데이터를 추출했습니다. 이후 데이터를 2차원으로 축소해 임베딩(Embedding) 변환을 거쳤습니다.
이러한 과정을 통해 유사한 행동 상태를 클러스터로 묶고, 다시 이를 정형화된 행동 패턴으로 군집화하여 분석했습니다. 비지도 학습의 장점은 명시적인 결괏값 없이 데이터의 패턴과 구조를 스스로 찾아내어 분석할 수 있다는 점입니다.
TPI 지표와 SUBTLE의 검증
연구진은 행동 데이터 클러스터를 평가하는 지표인 TPI(Temporal Proximity Index)를 새롭게 제안했습니다. TPI는 클러스터가 동일한 행동 상태를 포함하고 시간적 움직임을 효과적으로 나타내는지를 측정합니다.
SUBTLE을 통해 생쥐의 다양한 행동 패턴을 정확히 구분한 결과, 기존 방법 대비 2배 이상의 정확도를 보였으며, 인간의 분류와 유사한 정밀도를 달성했습니다. 또한, SUBTLE은 그룹 비교 등 다양한 분석이 가능해 동물 행동 분석의 새로운 기준을 제시했습니다.
이번 연구 결과는 세계적인 AI 컴퓨터 비전 학술지인 ‘국제컴퓨터비전학술지(International Journal of Computer Vision, IJCV)’에 2024년 5월 20일 온라인 게재됐습니다.
SUBTLE의 활용 가능성과 미래 전망
SUBTLE의 개발은 동물 행동 분석의 정확성을 크게 향상시켰습니다. 이 프레임워크는 생물학적 연구뿐만 아니라 로보틱스 산업에서도 유용하게 활용될 수 있습니다. 특히, 인간의 운동 동작 분석에서도 높은 정확도를 보여 다양한 응용 가능성을 지니고 있습니다.
연구진은 SUBTLE의 오픈소스 코드를 공개하고, 사용자가 편리하게 이용할 수 있는 웹서비스를 제공하고 있습니다. 이러한 노력이 결실을 맺어, 향후 동물 행동 분석뿐만 아니라 여러 산업에서 인공지능의 적용이 확대될 것으로 기대됩니다.
