인하대학교가 AI 시계열 예측 모델의 시간 패턴 학습 원리를 규명했다고 밝혔다. 연구는 트랜스포머 모델이 특정 요소에 고정되지 않고 시간 패턴을 학습한다는 점을 보여주는 데 초점을 맞췄다.
이 과정에서 핵심 장치로 알려진 어텐션을 제거해도 학습 능력이 유지된다는 실험 결과를 제시했다. 즉, 모델의 성능이 어텐션에만 의존해 형성되는 것은 아니라는 관찰이 포함됐다.
이번 규명은 시계열 예측에서 모델 설계와 성능 해석의 방향성을 넓힐 수 있다는 의미가 있다. 향후에는 시간 패턴을 학습하는 다른 구성 요소와 학습 경로를 더 구체적으로 확인하는 후속 연구가 이어질 것으로 알려져 있다.