[AI 연구] "라벨링, 다 할 필요 없습니다" - 액티브 러닝(Active Learning)으로 개발 효율 10배 높이기

안녕하세요! AI 연구를 하다 보면 가장 먼저 마주치는 벽이 있죠. 바로 **"데이터는 많은데 라벨링된 게 없다"**는 것입니다. 특히 PCB 기판처럼 부품이 미세하고 종류가 많으면 수천 장을 손으로 따는 것 자체가 고역이죠.

오늘은 제가 연구 중인 주제 중 하나인 **액티브 러닝(Active Learning)**을 소개해 드리려 합니다. 제로샷/퓨샷이 "공부를 조금만 해도 똑똑한 AI"라면, 액티브 러닝은 "모르는 것만 질문하는 효율적인 학생" 같은 AI입니다.

 

 

1. 액티브 러닝이란? (핵심 개념)

보통은 우리가 1만 장의 사진을 다 라벨링해서 AI에게 던져줍니다(지도 학습). 하지만 액티브 러닝은 다릅니다.

1. 일단 조금만 학습: 1만 장 중 대충 100장만 라벨링해서 공부시킵니다.
2. 질문하기: 나머지 9,900장을 AI에게 보여주고 **"네가 가장 판독하기 어려워하는(불확실한) 사진 100장만 골라와"**라고 시킵니다.
3. 전문가 피드백: 사람이 그 100장만 라벨링 해줍니다.
4. 반복: 다시 학습합니다.

이렇게 하면 전체 데이터를 다 라벨링하지 않아도, 중요한 데이터만 골라 학습하기 때문에 훨씬 적은 비용으로 높은 정확도를 얻을 수 있습니다.

 

 

2. 실전 파이썬 코드: 어떤 데이터를 라벨링할지 고르기

가장 대표적인 방식인 'Uncertainty Sampling(불확실성 샘플링)' 로직을 파이썬으로 구현해 보겠습니다. 모델이 예측한 확률값 중 가장 '애매한' 것을 찾는 게 포인트입니다.

import numpy as np

def get_uncertain_samples(model, unlabeled_data, n_instances=10):
    """
    AI가 가장 헷갈려 하는(확률값이 애매한) 데이터의 인덱스를 반환합니다.
    """
    # 1. 미라벨링 데이터에 대해 확률값 예측 (예: [0.51, 0.49] -> 아주 헷갈림)
    probs = model.predict_proba(unlabeled_data)
    
    # 2. '가장 높은 확률'이 가장 낮은 데이터를 찾습니다 (Least Confidence)
    # 확률이 0.99인 것보다 0.51인 것이 더 '불확실'한 데이터입니다.
    max_probs = np.max(probs, axis=1)
    
    # 3. 불확실성이 높은 순서대로 인덱스 정렬
    uncertain_idx = np.argsort(max_probs)[:n_instances]
    
    return uncertain_idx

# [실전 활용 예시]
# 1. 1000장의 PCB 이미지 중 AI가 가장 헷갈려 하는 10장을 뽑아줘
top_10_confused = get_uncertain_samples(yolo_model, pcb_unlabeled_pool, n_instances=10)

print(f"사람이 확인해야 할 데이터 인덱스: {top_10_confused}")

 

3. 연구 인사이트: PCB 분석에 적용한다면?

PCB 기판 연구에서 액티브 러닝이 특히 매력적인 이유는 '희귀 케이스' 때문입니다.

• 정상 기판은 넘쳐납니다. 1,000장을 라벨링해봐야 AI는 "아, 또 정상이네" 하고 더 배울 게 없습니다.
• 반면, 특이한 소자가 박힌 기판이나 아주 미세한 스크래치가 있는 불량 기판은 몇 장 없습니다.
• 액티브 러닝을 쓰면 AI가 수많은 정상 기판 사이에서 "어? 이건 제가 배운 거랑 좀 다르게 생겼는데요?" 하는 특이 케이스만 골라내서 우리에게 가져다줍니다.

결과적으로 우리는 정상 데이터 노가다에서 해방되고, 진짜 중요한 불량 케이스에만 집중할 수 있게 되는 거죠.

 

 

마무리하며

제로샷이 '기술적 한계'를 시험하는 연구라면, 액티브 러닝은 **'개발 리소스를 최적화'**하는 연구입니다. 현업에서 한정된 예산과 시간으로 최고의 AI를 만들어야 한다면, 무조건 고민해 봐야 할 주제죠.

다음 포스팅에서는 액티브 러닝과 찰떡궁합인 **'준지도 학습(Semi-Supervised Learning)'**을 섞어서 라벨링 없이 AI 성능을 올리는 방법도 다뤄볼게요!