쾌적한 실내 환경을 위한 AI의 새로운 시도: 설명 가능한 AI 기반 공급 공기 온도 예측 시스템


설명 가능한 AI(XAI)를 활용한 공급 공기 온도 예측 시스템 연구는 허버 손실 기반 선형 회귀와 Shapley 값을 통해 예측 모델의 투명성과 이해도를 높였으며, 각 제어 값에 대한 대조적 설명을 제공하여 실제 응용 가능성을 보여주었습니다.

related iamge

쾌적한 실내 환경은 삶의 질 향상에 중요한 요소입니다. 특히, 빌딩이나 공장과 같은 대규모 공간에서는 공기 온도 조절이 매우 중요한데, 이를 자동화하는 시스템에 인공지능(AI)이 활용되고 있습니다. 하지만, 기존의 AI 시스템은 ‘블랙박스’처럼 작동하여 예측 결과에 대한 설명이 부족한 경우가 많았습니다.

Marika Eik, Ahmet Kose, Hossein Nourollahi Hokmabad, Juri Belikov 연구팀은 이러한 문제를 해결하기 위해 설명 가능한 AI(XAI) 기반의 공급 공기 온도 예측 시스템을 개발했습니다. 이 시스템은 공조기(AHU)의 자동 공급 공기 온도(ASAT) 제어에 활용되며, 허버 손실(Huber loss)을 사용하는 선형 회귀 모델을 통해 ASAT를 예측합니다. 단순한 제어 곡선만 제공하는 것이 아니라, 각 요소의 기여도를 명확하게 설명하는 것이 핵심입니다.

이 연구의 핵심은 바로 Shapley 값을 활용한 설명 가능성입니다. Shapley 값은 각 특징이 최종 ASAT 예측에 얼마나 기여했는지를 정량적으로 보여주는 지표입니다. 기존의 다른 XAI 방법들과 달리 Shapley 값은 견고한 수학적 배경을 가지고 있어 해석의 투명성을 보장합니다. 연구팀은 각 ASAT 제어 값에 대해 대조적 설명(slices) 을 제공하여, 시스템의 예측 결과에 대한 객관적인 근거를 제시합니다. 즉, 단순한 예측 결과뿐 아니라, 그 이유까지 명확하게 설명할 수 있다는 것입니다.

이는 단순히 온도를 예측하는 것을 넘어, 시스템의 작동 원리를 이해하고, 필요에 따라 제어 방식을 개선하는 데 도움이 됩니다. 보다 효율적이고, 신뢰할 수 있는 공조 시스템을 구축하는 데 기여할 뿐만 아니라, 에너지 절약에도 효과적일 것으로 기대됩니다. 이 연구는 설명 가능한 AI의 실제 응용 사례를 보여주는 좋은 예시이며, 앞으로 더욱 발전된 XAI 기반 시스템의 개발을 위한 중요한 발걸음이 될 것입니다. 더 나아가, 다양한 분야에서 AI 시스템에 대한 신뢰도를 높이는데 기여할 것으로 기대됩니다.

핵심 내용 요약:

  • 설명 가능한 AI(XAI)를 이용한 공급 공기 온도(ASAT) 예측 시스템 개발
  • 허버 손실 기반 선형 회귀 모델 사용
  • Shapley 값을 이용한 특징 기여도 분석 및 해석적 투명성 확보
  • 각 ASAT 제어 값에 대한 대조적 설명(slices) 제공

이 연구는 단순한 기술적 발전을 넘어, AI에 대한 신뢰도 향상과 더 나은 삶의 질을 위한 중요한 이정표를 제시하고 있습니다.


*이 기사는 AI가 생성한 내용으로, 일부 정보가 실제와 다를 수 있습니다. 정확한 확인을 위해 추가적인 검증을 권장드립니다.

Reference

[arxiv] Explainable AI based System for Supply Air Temperature Forecast

Published:  (Updated: )

Author: Marika Eik, Ahmet Kose, Hossein Nourollahi Hokmabad, Juri Belikov

http://arxiv.org/abs/2501.05163v1