[더테크=조명의 기자] 업스테이지는 자사가 작성한 논문 2편이 자연어처리 분야의 권위 있는 학회 ‘EMNLP 2023’에 채택됐다고 23일 밝혔다.

EMNLP 2023은 AI 번역과 챗봇, 기계 독해 등 언어 데이터 기반 자연어처리 접근법과 관련된 연구를 다루는 세계 최고 수준의 학회다. 지난해 총 3242편의 논문이 제출됐고, 이 중 715편만 통과되어 22%의 채택률을 기록했다. EMNLP 2023은 오는 12월 6일부터 10일까지 싱가폴에서 개최된다. 

이번에 채택된 논문 2편은 한국어 관련 NLP 연구 성과로 업스테이지의 박찬준 테크 리드 주도로 고려대 임희석 교수 연구팀과 협업을 통해 진행됐다.

첫 번째 논문 ‘KEBAP: Korean Error Explainable Benchmark Dataset for ASR and Post-processing’은 한국어 음성인식 후처리기와 관련한 새로운 벤치마크 데이터셋을 구축한 논문으로, 음성인식 모델의 약점을 평가하고 식별하기 위한 새로운 평가 방법론을 제안한다. 

음성 및 텍스트 레벨 두 가지 측면을 고려해 음성인식 모델의 약점에 대한 정확한 정보를 제공하지 못하는 전통적인 평가 방법의 문제점을 지적하며 음성 및 텍스트 수준 오류를 통합적으로 고려, 모델의 설명 가능성을 향상시킨 연구다. 

배경 소음 및 발화자 특성을 고려한 37개의 음성 레벨 유형 및 13가지 텍스트 레벨 오류 유형을 세분화했으며, 제안된 평가 방법을 Google 클라우드 음성인식 및 CLOVA와 같이 상용화 음성인식 시스템에 적용해 분석했다.

두 번째 논문 ‘CHEF in the Language Kitchen: A Generative Data Augmentation Leveraging Korean Morpheme Ingredients’은 한국어의 특성을 살린 새로운 데이터 증강 기법을 제안한 논문이다.

한국어는 영어와 달리 형태소라는 작은 단위로 구성되어 있으며, 형태소의 조합에 따라 문장의 의미가 달라진다. 예를 들어 ‘밥’과 ‘먹’이라는 형태소를 조합하면 ‘밥을 먹다’ ‘밥을 먹었다’ ‘밥을 먹고 싶다’ 등 다양한 문장을 만들 수 있는데, 특징을 고려하지 않고 임의로 데이터를 증강하면 문장의 의미가 바뀌거나 자연스럽지 않은 문장이 생성되는 맹점이 있다.

논문은 한국어의 특성을 기반한 새로운 데이터 증강 방법론 CHEF를 통해 같은 재료로도 한국어의 특징을 반영, 자연스러운 문장을 생성하고 생성형 언어 모델이 한국어 형태소 조합을 다양하게 변형해 데이터를 증강하는 방법론을 제안한다.

앞서 업스테이지는 지난 6월 Data-Centric AI 분야에서 가장 권위 있는 워크숍인 ICML 2023-DMLR에서 논문 7편을 발표하며 국내 기업 최다 연구 성과를 달성한 바 있다. 또한 창립 3년 만에 국내외 AI 논문 100편 발표 및 구글 스콜라 랭킹 기준 NLP 분야 컨퍼런스 톱 7에서 모두 논문 채택을 달성했다.

김성훈 업스테이지 대표는 “이번 EMNLP 2023을 비롯해 다양한 글로벌 학회에서 연구성과를 낼 수 있어 무척 기쁘다”며 “지속적인 R&D 투자를 통한 연구성과를 바탕으로 누구나 최고 성능의 AI를 더 편리하게 이용하실 수 있도록 최선을 다하겠다”고 밝혔다.