-
KAIST-교토-MIT, “AI 시대, 인간은 어떻게 살아갈까” 함께 묻는다
AI가 질문에 답하고 문제를 푸는 것을 넘어, 로봇을 통해 움직이고 사람과 관계를 맺는 시대로 접어들고 있다. 이러한 변화 속에서 인간의 역할과 책임은 어떻게 달라지고, 우리는 무엇을 소중히 여기며 살아가야 할까. 우리 대학이 교토·MIT의 참여기관들과 함께 AI 시대 인간의 삶과 미래를 논의하는 자리를 마련한다.
우리 대학은 AI철학 연구센터가 오는 11월 23일(월)부터 25일(수)까지 사흘간 대전 본원 학술문화관(E9) 2층 양승택 오디토리움에서 공동 심포지엄 ‘지능 너머(Beyond Intelligence): AI 시대, 인간 조건의 재구성과 지혜의 추구’를 개최한다고 13일 밝혔다.
심포지엄은 AI의 문제 해결 능력을 높이는 기술적 논의를 넘어, AI가 인간의 경험과 관계, 삶의 의미에 어떤 변화를 가져오는지 살펴본다. 철학·과학·기술·산업의 관점을 연결해 AI의 기술적 가능성이 인간적 가치와 공동선에 부합하는 방식으로 실현되도록 이끌 지혜를 모색하는 것이 목표다.
배충식 총장은 “AI 기술이 아무리 발전하더라도 그 방향과 목적을 결정하는 주체는 결국 인간이어야 한다”며 “이번 심포지엄이 과학기술과 인문학의 지혜를 모아 인간의 본질과 가치를 깊이 성찰하고, AI가 인간의 삶을 더욱 풍요롭게 하는 방향을 함께 모색하는 자리가 되기를 기대한다”고 말했다.
논의는 문제 해결 능력 중심의 지능과 합리성에 대한 성찰에서 출발한다. 이를 바탕으로 인간 조건의 변화를 ‘신체성·사회성·영성’의 세 차원에서 살피고, 그 방향을 판단할 지혜를 모색한다. 합리성, 신체성, 사회성, 영성, 지혜는 이번 심포지엄을 연결하는 주요 키워드다.
‘신체성’에서는 인간이 보고 듣고 움직이며 세계에 참여하는 경험과 행위에 주목한다. AI가 로봇과 자율 시스템을 통해 현실 세계에서 행동하기 시작하면서, 인간의 몸과 경험이 지닌 의미를 살펴본다.
‘사회성’에서는 AI가 사람과 상호작용하는 과정에서 인간과 AI의 역할·권한·책임을 어떻게 정할지 논의한다. 인간관계뿐 아니라 사회의 규범과 조직, 제도가 AI와 함께 어떻게 달라질지도 주요 관심사다.
‘영성’에서는 삶의 의미와 가치, 목적을 이해하고 추구하는 문제를 다룬다. AI의 능력이 커지는 시대에 인간다운 삶을 위해 필요한 것이 무엇인지, 개인과 공동체가 어떤 미래를 선택할지 탐구한다.
해외에서는 교토철학연구소·교토대학교 인간·사회미래연구원의 야스오 데구치, 같은 연구원의 고니시 겐고와 나카야마 마사타카, MIT Global Humanities (GHI)의 빕케 데네케, 칭화대학교의 안드레 하만, 홍콩침례대학교의 팍항 웡이 참여한다.
국내 소속 연사로는 KAIST의 김정남·박주용·성두현, 중앙대학교 김형주, 부산대학교 노형래, 연세대학교 니콜라이 피더슨, 동국대학교 이영의, 이화여자대학교 신상규가 참여한다. 이들은 철학과 인문학뿐 아니라 문화인류학, 심리학, 복합계·네트워크 과학 등 다양한 연구 관점에서 AI 시대의 인간 조건을 논의한다.
김동우 센터장은 “AI가 일상에 깊이 들어오면서 우리가 직접 경험하고 판단할 일은 무엇인지, 다른 사람과 어떤 관계를 맺으며 살아갈지에 대한 질문도 중요해지고 있다”며 “서로 다른 학문과 문화의 관점을 나누며 AI 시대에도 인간이 삶의 방향을 주도적으로 정하는 데 필요한 지혜를 함께 모색하겠다”고 말했다.
행사는 11월 23일 저녁 환영 만찬을 시작으로, 24일 종일 개회와 연구발표, 25일 오전 연구발표와 폐회 순으로 진행할 예정이다. 24일에는 국내외 여러 분야의 연구자가 함께 주요 쟁점을 논의하는 라운드테이블도 계획하고 있다.
이번 심포지엄은 KAIST AI철학 연구센터가 기획·주관한다. 공동주최기관은 KAIST AI철학 연구센터와 KAIST 디지털인문사회과학센터, 교토철학연구소(Kyoto Institute of Philosophy, KIP)와 교토대학교 인간·사회미래연구원(IFoHS), MIT Global Humanities (GHI)와 MIT Human Insight Collaborative (MITHIC) 등 6개 기관이다.
행사 상세 안내와 일정은 공식 웹사이트(aiphil.kaist.ac.kr/beyond-intelligence-2026/)에서 확인할 수 있다. 문의는 이메일(aiphilosophy@kaist.ac.kr)로 하면 된다.
2026.11.13
조회수 273
-
AI 공부 10시간에서 3시간으로…의료·코딩 AI 더 빨리 만든다
10시간 걸리던 AI 추가 학습을 약 3시간 만에 끝낼 수 있을까? 우리 대학 연구진이 기존 AI에 의료·코딩 등 특정 분야를 가르칠 때, 학습 효과가 비슷한 자료는 추려내고 다양한 자료를 여러 GPU에 고르게 나눠주는 기술을 개발했다. 반복 학습을 줄여 AI 성능은 거의 유지하면서 학습 시간을 최대 69.6% 단축했다. 기업별 고객 상담이나 의료진의 정보 확인을 돕는 AI를 더 빠르고 적은 비용으로 개발하는 데 도움이 될 것으로 기대된다.
우리 대학은 전산학부 이재길 교수 연구팀이 학습에 비슷한 영향을 주는 데이터를 묶어 선별하고, 여러 GPU에 골고루 배분하는 대규모 언어모델 미세조정 기술 ‘CluSTER(클러스터)’를 개발했다고 2일 밝혔다.
대규모 언어모델을 코딩이나 의료 등 특정 분야에 활용하려면 관련 자료를 추가로 학습시켜야 한다. 이를 ‘미세조정’이라고 한다. 폭넓은 지식을 갖춘 AI에게 코딩 문제와 풀이, 의료 분야의 질문과 답변 등을 공부시켜 해당 분야의 일을 더 잘하도록 만드는 과정이다.
이 과정에는 많은 계산이 필요해 여러 GPU가 데이터를 나눠 처리한다. GPU는 AI 학습에 필요한 계산을 빠르게 수행하는 반도체다. 여러 사람이 많은 문제를 나눠 풀듯, 여러 GPU가 학습 자료를 나눠 처리하고 그 결과를 합쳐 하나의 AI 모델을 개선한다.
그러나 자료를 무작위로 나누면 학습 효과가 비슷한 데이터를 여러 GPU가 반복해서 처리할 수 있다. 학생이 이미 풀이를 익힌 문제와 비슷한 문제만 계속 푸는 것처럼, 계산량에 비해 추가로 얻는 학습 효과가 작아질 수 있는 것이다.
연구팀은 ‘얼마나 많은 자료를 공부시키느냐’와 함께 ‘어떤 자료를 골라 어떻게 나눠주느냐’에 주목했다. 반복되는 학습은 줄이면서도 AI가 배워야 할 다양한 정보를 놓치지 않도록 한 것이다.
CluSTER는 먼저 각 데이터가 AI 학습에 미치는 영향을 분석해 비슷한 데이터끼리 묶는다. 단순히 같은 주제를 다루거나 비슷한 단어를 사용하는지를 기준으로 삼는 것은 아니다. 겉으로 다른 문제라도 AI에게 비슷한 풀이 능력을 가르친다면 같은 묶음으로 분류하는 방식이다.
예를 들어 학생에게 덧셈을 가르칠 때 ‘사과 두 개와 세 개를 합치는 문제’와 ‘연필 두 자루와 세 자루를 합치는 문제’는 이야기는 달라도 익히는 계산 방법은 같다. 연구팀은 이처럼 표현이 달라도 학습에 비슷한 영향을 주는 자료를 찾아 묶었다.
이후 각 묶음에서 데이터를 선별하고, 여러 GPU가 다양한 학습 정보를 골고루 처리하도록 배분했다. 문제집에서 비슷한 문제는 줄이되, 꼭 익혀야 할 여러 유형의 문제는 빠짐없이 남겨 나눠 푸는 것과 같다. 데이터의 양을 줄이는 데 그치지 않고, 선택한 데이터를 여러 GPU가 효율적으로 활용하도록 한 것이 특징이다.
연구팀은 코딩·의료 분야의 학습 데이터 3종을 활용해 약 70억 개와 130억 개의 매개변수를 가진 대규모 언어모델을 미세조정했다. 매개변수는 AI가 학습하면서 조정하는 내부 수치로, 학습한 지식을 답변에 반영하는 데 쓰인다. 연구팀은 총 8개의 성능 평가 시험을 통해 기술의 효과를 확인했다.
실험에서는 전체 데이터의 약 31%만 선별해 학습해도 모델 성능을 거의 유지했으며, 학습 시간을 최대 69.6% 단축했다. 최대 단축률을 적용하면 기존에 10시간이 걸리던 학습을 약 3시간 만에 마칠 수 있는 수준이다. 연구팀은 GPU 4개를 사용하는 환경을 중심으로 실험했으며, GPU 8개 환경에서도 기존 방식보다 우수한 성능을 확인했다.
이번 연구는 GPU를 더 많이 투입하지 않아도 학습 자료를 잘 고르고 배분하면 AI 학습의 효율을 높일 수 있음을 보여준다. 향후 기업과 연구 기관이 코딩 지원이나 의료 분야의 질문·답변 등 특정 목적에 맞는 AI를 개발할 때, 추가 학습에 드는 시간과 GPU 사용 비용을 줄이는 데 도움이 될 것으로 기대된다.
이재길 교수는 “AI 학습의 효율을 높이기 위해서는 GPU를 더 많이 사용하는 것뿐 아니라, 어떤 데이터를 학습할지 똑똑하게 선택하는 것도 중요하다”며 “이번 연구는 기존 GPU 자원을 더 효율적으로 활용해 대규모 AI 모델의 학습 부담을 줄일 수 있다는 점에서 의미가 있다”고 말했다.
이번 연구에는 KAIST 전산학부 김현진 박사과정 학생이 제1저자로, 이재길 교수가 교신저자로 참여했다. 토론토대학교 남영은 박사후연구원과 KAIST 데이터사이언스대학원 한재민·최원혁 석사과정 학생이 공동저자로 참여했다. 연구 결과는 자연어처리 분야 주요 국제학술대회인 ‘자연어처리의 경험적 방법론 학술대회(EMNLP 2026, Conference on Empirical Methods in Natural Language Processing)’에서 2026년 10월 발표됐다.
※ 논문명: Clustering-Based Balanced Sampling and Allocation with Data Parallelism for High-Performance Fine-Tuning, 논문 링크: https://arxiv.org/pdf/2609.12584
※ 저자정보: 김현진 박사과정(KAIST 전산학부, 제1저자), 남영은 박사후연구원(KAIST 졸업, 현 토론토대학교, 공동저자), 한재민 석사과정(KAIST 데이터사이언스대학원, 공동저자), 최원혁 석사과정(KAIST 데이터사이언스대학원, 공동저자), 이재길 교수(KAIST 전산학부, 교신저자)
이번 연구는 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 수행됐다. 과제명은 ‘DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발’이다(RS-2020-II200862).
2026.11.02
조회수 1875
-
‘망한 과제’ 자랑하고 AI 시대 실패 미리 살핀다…제4회 실패학회 개최
망한 과제를 자랑하고, AI 시대에 벌어질 실패를 미리 상상해 보는 자리가 우리 대학에서 열린다. 이미 겪은 시행착오부터 아직 오지 않은 위험까지 함께 살펴보며, 실패에서 무엇을 배울 수 있을지 이야기한다.
우리 대학은 오는 11월 4일(수)부터 13일(금)까지 ‘미래와 실패’를 주제로 ‘제4회 KAIST 실패학회’를 개최한다고 30일 밝혔다.
KAIST 실패연구소가 주관하는 이번 행사는 학생들의 실패 경험을 나누는 ‘망한과제 자랑대회’, 실패 에세이 수상자 대담, AI 미래 실패 시나리오 전시 등으로 구성된다. 성공으로 끝난 경험뿐 아니라 여전히 답을 찾는 과정에도 주목하고, 미래의 위험에 대비하기 위해 지금 필요한 선택을 함께 생각한다.
배충식 총장은 “대학은 성공한 결과뿐 아니라 도전하는 과정에서 겪는 시행착오도 존중하고 배울 수 있는 곳이어야 한다”며 “이번 실패학회가 서로의 경험에서 다음 도전의 용기를 얻고, AI 시대에 마주할 문제를 함께 생각하는 자리가 되길 바란다”고 말했다.
행사의 첫 문을 여는 프로그램은 11월 4일(수) 오후 6시 KAIST 학술문화관 5층 존해너홀에서 열리는 ‘망한과제 자랑대회’다.
실패연구소와 학생단체 아이시스츠(ICISTS)가 공동 기획한 이 행사는 KAIST 학생들이 사진과 영상 등으로 직접 부스를 꾸미고, 학업과 연구·일상에서 경험한 좌절과 시행착오를 공유하는 박람회형 교류 행사다. 청중 투표로 ▲최상 ▲하늘을 찌를 위상 ▲화려한 비상 ▲아름다운 잔상 ▲노력이 가상 등 5개 부문의 수상팀을 선정한다. 학생들은 실패 경험을 유쾌하게 나누며 서로의 도전과 노력에 공감하는 시간을 갖는다.
11월 6일(금) KAIST 학술문화관 양승택 오디토리움에서는 실패세미나 ‘현재진행형의 실패, 미래로부터의 질문’이 열린다.
1부 ‘실패의 시제: KAIST 학생들의 현재진행형 실패 이야기’에는 올해 실패 에세이 공모전 수상자인 왕성필(문화기술대학원 박사과정), 김윤정(전기및전자공학부 박사과정), 강원일(기계공학과 석사과정) 학생이 참여한다. 이들은 융합연구의 어려움, 예상과 달라진 연구와 진로, 반복되는 시행착오 등 각자의 경험을 바탕으로 시간에 따라 달라지는 실패의 의미를 이야기한다.
이어지는 2부에서는 서용석 KAIST 문술미래전략대학원 교수가 ‘AI가 똑똑해질수록, 인ㄱ에게 실패가 중요한 이유’를 주제로 강연한다. AI가 정답을 제시하는 시대에 인간에게 필요한 역량은 무엇인지, 기술 발전 속에서 사회와 제도가 어떤 문제를 마주할 수 있는지 살펴보고 미래를 위한 책임 있는 선택을 함께 고민한다.
행사 기간 KAIST 창의학습관 1층 로비에서는 ‘2036 AI 미래 시나리오: 미래에서 온 오답노트’ 전시가 열린다. 전 국민을 대상으로 진행한 AI×실패 아이디어 공모전의 분석 결과를 바탕으로 시민들이 상상한 2036년의 실패 장면을 소개한다. AI가 가져올 수 있는 위험을 정리한 ‘AI 미래 리스크 맵’과 위험을 더 키우는 조건도 함께 살펴볼 수 있다.
이와 함께 KAIST 학생들이 일상의 실패를 사진과 글로 기록한 ‘실패 포토보이스’ 작품도 전시한다. 학생들이 직접 포착한 장면과 이야기를 통해 일상 속 실패를 서로 다른 시선으로 바라보는 기회를 제공한다.
이번 실패학회에서는 학생과 시민의 경험과 상상을 담은 발간물 2종도 선보인다. 에세이 모음집 ‘실패의 시제’에는 ‘미래와 실패’를 주제로 열린 2026 KAIST 실패 에세이 공모전 수상작 16편이 수록됐다. 아직 오지 않은 실패에 대한 두려움, 계획과 달라진 삶의 경로, 실패 이후의 변화 등을 다룬다. 성공적인 극복담뿐 아니라 여전히 답을 찾지 못한 채 시도하는 과정도 담았다.
‘2036 AI 미래 실패 시나리오: 시민의 상상으로 미리 살펴본 AI 시대의 실패’는 시민 732명이 참여한 AI×실패 아이디어 공모전에서 분석 요건을 충족한 시나리오 429건을 분석한 보고서다.
보고서는 AI의 오작동뿐 아니라 AI가 의도대로 작동할 때 생길 수 있는 문제에도 주목한다. AI에 의존하면서 인간의 판단과 학습 기회가 줄어들거나, 문제가 생겼을 때 누가 책임져야 하는지 불분명해질 수 있다는 시민들의 우려를 살펴본다. 이를 바탕으로 미래의 위험에 대비하기 위해 지금 고민해야 할 질문을 제시한다.
조성호 KAIST 실패연구소장은 “이번 실패학회는 학생과 시민이 직접 기록한 경험과 상상을 함께 나누는 자리”라며 “각자의 실패를 개인의 이야기로 남겨두는 데서 나아가, 서로의 선택과 사회의 미래를 돌아보는 배움으로 이어가길 바란다”고 말했다.
한편, 2026 KAIST 실패학회의 모든 프로그램은 관심 있는 누구나 참여할 수 있다. 두 발간물은 실패연구소 홈페이지를 통해 전자책으로 공개할 예정이다. 자세한 일정과 참여 방법은 KAIST 실패연구소 홈페이지(caf.kaist.ac.kr)에서 확인할 수 있다.
2026.10.30
조회수 2151
-
‘2026 KAST-KAIST 국제 심포지엄’ 개최
우리 대학은 한국과학기술한림원(KAST)과 함께 오는 11월 3일 대전 본원 학술문화관(E9) 5층 정근모홀에서 ‘2026 KAST-KAIST 국제 심포지엄(2026 KAST-KAIST International Symposium)’을 개최한다고 밝혔다.
이번 심포지엄은 국내외 주요 대학과 연구기관의 연구자들이 재료과학 분야의 최신 성과를 공유하고 새로운 연구 협력 기회를 모색하기 위해 마련됐다. 지능형 소자, 나노소재, 자율 소재 탐색, 에너지·촉매 분야를 아우르며 기초과학의 성과를 신기술과 미래 응용으로 연결하는 연구 방향을 살펴본다.
행사에는 KAIST, 서울대학교, 성균관대학교, UNIST, 기초과학연구원(IBS) 등 국내 기관과 미국 매사추세츠공과대학(MIT), 존스홉킨스대학교, 캘리포니아대학교 로스앤젤레스(UCLA), 시카고대학교, 노스캐롤라이나주립대학교, 일본 도쿄과학대학교와 물질·재료연구기구(NIMS), 홍콩폴리텍대학교 등 해외 기관의 연구자가 참여한다. 총 14명의 연사가 3개 세션에서 첨단 소재 연구의 주요 성과와 전망을 소개한다.
첫 번째 세션은 ‘지능형 소자를 위한 첨단 소재(Frontier Materials for Intelligent Devices)’를 주제로 진행된다. 이상엽 KAIST 교수가 시스템 대사공학과 바이오제조를, 히데오 호소노(Hideo Hosono) 도쿄과학대학교 명예교수가 반도체 과학을 바탕으로 한 새로운 촉매 연구를 소개한다. 이어 김지환(Jeehwan Kim) MIT 교수는 인공지능·광자공학·확장현실·센싱을 위한 모놀리식 3차원 집적 기술을, 양 차이(Yang Chai) 홍콩폴리텍대학교 교수는 인공 시각을 위한 생체모사 센서 내 지능을, 강기범 KAIST 교수는 2차원 반도체 성장 연구를 발표한다.
두 번째 세션 ‘나노소재에서 자율 탐색으로(From Nanomaterials to Autonomous Discovery)’에서는 나노소재 기초 연구부터 인공지능을 활용한 소재 탐색까지 확장되는 연구 방법을 다룬다. 유난 샤(Younan Xia) 존스홉킨스대학교 교수는 지난 30년간의 나노소재 연구와 응용을 조망하고, 준 첸(Jun Chen) UCLA 교수는 바이오전자공학을 위한 연성 물질의 자기탄성 연구를 소개한다. 지에 쉬(Jie Xu) 시카고대학교 교수는 자율실험실을 통한 고분자 연구 혁신을, 밀라드 아볼하사니(Milad Abolhasani) 노스캐롤라이나주립대학교 교수는 데이터 기반 자율실험실을 활용한 인공지능 소재 탐색을 주제로 강연한다.
세 번째 세션은 ‘인공지능 기반 에너지 소재 및 촉매(AI-Driven Energy Materials and Catalysis)’를 주제로 열린다. 박남규 성균관대학교 교수는 페로브스카이트 태양전지의 발견과 미래를, 현택환 서울대학교 석좌교수(IBS 나노입자연구단장)는 수소 생산과 활용을 위한 단일원자 촉매 및 나노촉매 설계를 소개한다. 이어 서동화 KAIST 교수는 자율실험실을 활용한 배터리 소재 개발을, 김동훈 KAIST 교수는 생성형 설계부터 자율 합성까지 잇는 머신러닝 기반 촉매 개발 연구를 공유한다. 마지막으로 바르토슈 그쥐보프스키(Bartosz A. Grzybowski) UNIST 특훈교수(IBS 인공지능 및 로봇 기반 합성 연구단장)는 알고리즘과 로봇을 활용한 합성 설계와 새로운 화학반응 및 소재 발견의 가능성을 발표한다.
조직위원장을 맡은 김일두 KAIST 신소재공학과 교수는 “나노소재, 인공지능, 자율 연구의 발전이 재료과학의 미래를 어떻게 바꾸고 있는지 살펴보고, 활발한 학술 교류를 통해 새로운 연구 방향을 모색하며 학문과 기관 간 협력을 강화하고자 한다”고 밝혔다.
이번 심포지엄은 소재의 설계와 합성, 소자 구현, 에너지 응용에 이르는 다양한 연구를 함께 논의하며, 국내외 연구자들이 소재 연구의 최신 흐름을 공유하고 협력의 폭을 넓히는 자리가 될 것으로 기대된다.
2026.10.28
조회수 2272
-
사람의 연주에 즉흥적으로 화답하는 ‘재즈 AI 아티스트’ 선보여
재즈 피아니스트가 연주를 멈추자 ‘재즈 AI 아티스트’가 그 흐름을 이어받아 피아노를 연주했다. 연주자의 속도와 리듬이 달라져도 AI는 자연스럽게 자신의 차례를 이어갔다. 피아니스트가 즉흥연주를 시작하자 AI가 베이스와 드럼 반주를 만들어내기도 했다. 우리 대학 연구진이 사람의 연주를 듣고 즉석에서 반응하며 함께 음악을 만들어가는 AI 기술을 실제 재즈 무대에서 선보였다.
우리 대학은 문화기술대학원 남주한 교수 연구팀이 사람의 연주 흐름을 실시간으로 파악해 연주를 이어받거나 즉흥 반주를 생성하는 인간-AI 음악 협업 기술을 지난 10월 9일부터 11일까지 열린 제23회 자라섬재즈페스티벌의 ‘재즈 AI 라운지(Jazz AI Lounge)’ 무대에서 선보였다고 16일 밝혔다. 이번 공연에는 재즈 아티스트 12명이 참여해 총 12개 공연, 26곡에서 AI와 협연했다.
재즈는 연주자가 그 순간의 느낌에 따라 연주 속도를 바꾸거나 새로운 선율을 만들어내는 즉흥성이 특징이다. 같은 곡도 매번 다르게 연주되기 때문에 다른 연주자들은 서로의 소리를 들으며 호흡을 맞춰야 한다. AI가 재즈 연주에 참여하려면 정해진 음악을 재생하는 것을 넘어, 사람의 연주를 듣고 변화에 맞춰 반응할 수 있어야 한다.
연구팀은 이를 위해 사람의 연주를 이어받는 ‘AI 피아니스트’와 즉흥연주에 맞춰 반주를 만드는 ‘AI 반주자’를 실제 무대에 적용했다.
먼저 AI 피아니스트 ‘스콧(Scott)’은 허대욱, 곽정민 피아노 트리오, 문미향X김대호 등 재즈 아티스트들과 9곡을 협연했다. AI는 연주자의 실제 연주와 악보를 실시간으로 비교해 곡이 어디까지 진행됐는지 파악하고, 적절한 순간에 피아노 연주를 이어받았다.
특히 연주자가 속도를 늦추거나 연주 시간을 달리해도 미리 정해진 시간표가 아닌 실제 연주 흐름에 맞춰 자신의 차례를 이어갔다. 일부 무대에서는 앞선 연주자의 선율과 리듬을 반영한 새로운 솔로 연주까지 생성해 사람과 AI가 서로 화답하듯 연주를 주고받았다.
AI가 만든 음악은 야마하의 자동연주 피아노 ‘디스클라비어(Disklavier)’로 전달돼 실제 건반과 페달의 움직임으로 구현됐다. 무대 위 AI 피아니스트 ‘스콧(Scott)’의 모습은 KAIST·서울대학교·야마하가 공동 개발한 피아니스트 손동작 생성 기술 ‘팁피아노(Tipiano)’로 만든 손 움직임 데이터를 바탕으로 스튜디오 메타케이(Studio Meta K)가 캐릭터 영상으로 제작했으며, 스튜디오 메타케이는 증강현실(AR) 기술로 무대 카메라 영상과 캐릭터를 결합해 ‘스콧’이 실제 피아노 앞에서 연주하는 듯한 장면을 연출했다.
또 다른 무대에서는 AI가 사람의 즉흥연주를 듣고 그 자리에서 반주를 만들어냈다.
연구팀이 개발한 AI 반주 시스템 ‘딥포켓(Deepocket)’은 피아노 연주의 음과 리듬, 빠르기를 분석해 베이스와 드럼 반주를 실시간으로 생성한다. 재즈 피아니스트 안현빈, 이지영, 지민도로시와 함께한 8곡에서 사전에 반주를 준비하지 않고도 연주 시작부터 끝까지 호흡을 맞췄다.
기타리스트 정용도, 강지웅, 안재진과 함께한 9곡에서는 또 다른 AI 시스템이 피아노 반주를 맡았다. 기타 연주가 강해지거나 부드러워지면 AI도 반주의 세기와 리듬을 조절하고, 연주자의 의도에 따라 반주 길이도 바꿨다.
이처럼 AI는 사람의 연주를 듣고 반응했으며, 연주자 역시 AI가 만들어낸 반주에 맞춰 새로운 연주를 이어갔다. 미리 준비한 음악을 틀어주는 것이 아니라 사람과 AI가 서로의 소리에 반응하며 하나의 음악을 완성한 것이다.
남주한 교수 연구팀은 2023년 소프라노 조수미와의 공연에서도 사람의 노래 진행에 맞춰 AI 피아노의 반주 시점을 조절하는 기술을 선보인 바 있다. 이번에는 이를 한 단계 확장해, 연주자의 순간적인 선택에 따라 음악이 달라지는 재즈 무대에서 AI가 직접 솔로와 반주를 만들어내는 협연을 구현했다.
이번 성과는 AI가 단순히 음악을 연주하는 도구를 넘어 사람과 함께 음악을 만들어가는 협연 파트너로 발전할 가능성을 보여준다. 향후 공연과 음악 창작은 물론, 혼자 연습하는 연주자에게 실시간으로 반응하는 AI 합주 파트너나 맞춤형 음악교육에도 활용될 것으로 기대된다.
남주한 교수는 “이번 공연은 AI가 정해진 음악을 연주하는 것을 넘어, 사람의 연주를 듣고 그 흐름에 맞춰 함께 음악을 만들어갈 수 있음을 실제 무대에서 보여준 사례”라며 “앞으로 AI가 단순한 연주 도구를 넘어 사람과 음악적 영감을 주고받는 협연 파트너로 발전할 수 있도록 연구를 이어가겠다”고 말했다.
계명국 자라섬재즈페스티벌 감독은 “자라섬재즈는 재즈와 새로운 기술의 만남을 통해 공연의 가능성을 꾸준히 넓혀왔다”며 “이번 공연은 AI가 사람의 연주에 반응하며 함께 음악을 만들어가는 새로운 협연의 가능성을 관객들에게 보여준 뜻깊은 시도였다”고 말했다.
이번 무대는 자라섬재즈페스티벌이 기획하고, KAIST 남주한 교수 연구팀(MACLab)이 AI 협연 기술을, Studio Meta K가 AI 연주의 시각화를 담당했다. 한국콘텐츠진흥원의 ‘2026 신기술융합음악콘텐츠개발지원’ 사업의 일환으로 진행됐다.
2026.10.19
조회수 2796
-
휴머노이드 넘어 ‘피지컬 AI’ 새 판 짠다
육상 등 올림픽 종목의 로봇 경기에서 인간의 기록을 넘어서는 휴머노이드가 등장하고, 일부 제조 현장에서도 시범 적용이 시작됐다. 피지컬 AI에 대한 기대가 커지고 있지만, 우리 대학이 바라보는 무대는 경기장이나 일부 공장에 머물지 않는다. 우리 대학은 피지컬 AI를 다양한 산업과 일상에서 쓰이는 기술로 확장해 대한민국의 미래 산업으로 키우겠다는 비전을 선포했다.
우리 대학은 10월 13일 대전 본원 KI빌딩에서 ‘Physical AI KOREA 2026’을 개최했다. 이 자리에서 제조업은 물론 의료·국방·물류·일상에 적용할 수 있고, 다양한 기업이 활용할 수 있는 피지컬 AI 플랫폼 기술과 연구·교육·창업 전략을 발표했다.
배충식 총장은 “피지컬 AI의 승부는 로봇이 사람을 얼마나 닮았느냐가 아니라, 현실 세계를 이해하고 움직이는 AI를 얼마나 다양한 현장에서 구현하느냐에 달려 있다”며 “KAIST는 탄탄한 기본을 바탕으로 감각과 움직임, 여러 기계의 협력에 필요한 기반 기술을 구축해 다양한 로봇과 산업에서 활용하도록 하겠다. 이를 이끌 인재와 기업도 함께 키우겠다”고 밝혔다.
배 총장은 행사 당일 공경철 교수 연구팀이 개발한 웨어러블 로봇을 직접 착용하고 무대에 올랐다. 로봇이 사람의 움직임을 돕는 데서 나아가, 착용자의 움직임에서 얻은 데이터를 바탕으로 건강정보를 분석해 알려주는 피지컬 AI 활용 사례를 직접 선보였다.
공 교수 연구팀의 웨어러블 로봇은 주로 재활치료와 장애인의 보행을 돕는 기술로 연구돼 왔다. 여기에 피지컬 AI 기술을 더하면 보행 보조장치를 넘어 사람의 움직임과 건강 상태를 살피는 센서 장비로 활용될 수 있다. 배 총장의 시연은 피지컬 AI가 제조·로봇을 넘어 사람의 건강과 일상으로 확장될 수 있다는 우리 대학의 비전을 보여주는 사례다.
행사는 KAIST 로봇 연구의 발전 과정을 담은 영상과 세계 피지컬 AI 기술 동향 소개로 시작했다. 이어 오후 1시 30분부터 플랫폼 기술 발표와 휴머노이드·로봇 파일럿 등의 시연이 진행됐다. 이후 피지컬 AI 산업화의 과제와 KAIST의 역할을 짚고, 배 총장이 오후 2시 15분 대한민국 피지컬 AI 산업 생태계 구축을 위한 비전을 선포했다. 발표자 공동 질의응답과 미디어 인터뷰도 마련됐다.
이번 행사는 ‘어떤 로봇을 만들 것인가’를 넘어 ‘다양한 로봇과 산업에 공통으로 필요한 기술은 무엇인가’에 KAIST의 답을 제시하는 자리다. 우리 대학은 로봇·인공지능·센서·액추에이터·데이터 분야에서 축적한 연구 역량을 연결해 피지컬 AI의 기술 체계와 향후 집중할 분야를 밝혔다.
그 중심에는 현실 세계를 ‘느끼는’ 감각지능, 상황에 맞게 ‘움직이는’ 운동지능, 여러 로봇과 시스템이 ‘함께 판단하고 행동하는’ 군집지능이 있다. 휴머노이드는 이를 구현하는 중요한 형태 가운데 하나지만, 우리 대학은 피지컬 AI의 범위를 휴머노이드에 한정하지 않는다.
감각지능은 힘·움직임·위치 등 물리적 신호를 측정해 AI가 주변 환경과 사람의 상태를 파악하도록 하는 기술이다. 운동지능은 이 정보를 바탕으로 걷거나 물건을 집는 등 상황에 맞는 움직임을 만들어 낸다. 군집지능은 여러 로봇과 센서가 정보를 공유하고 함께 판단·행동하도록 한다.
우리 대학은 특정 로봇 한 대의 완성도에 역량을 집중하기보다 여러 로봇과 산업에 공통으로 쓰일 플랫폼 기술을 확보할 계획이다. 핵심 기술로는 ▲로봇을 정밀하게 움직이는 액추에이터 ▲현실 세계의 물리 데이터를 측정·처리하는 기술 ▲대규모 데이터를 관리·운영하는 데이터센터 기술 ▲스스로 움직임을 만들어 내는 운동지능 ▲주변 환경과 사람을 이해하는 감각지능 등을 제시했다.
행사에는 KAIST 기계공학과와 전기및전자공학부의 다섯 연구팀이 참여했다. 기계공학과 박해원 교수 연구팀은 15kg 이상의 물건을 운반할 수 있는 휴머노이드 로봇을 소개한다. 연구팀은 하운드(HOUND) 등 보행 로봇을 바탕으로 걷기·달리기·점프와 비정형 지형에서의 움직임을 연구해 왔다. 전기및전자공학부 심현철 교수 연구팀은 조종석의 장치를 로봇이 직접 다루고 비행 정보를 바탕으로 조종 임무를 수행하도록 개발 중인 인간형 조종사 로봇 ‘파이봇(PIBOT)’을 시연했다.
전기및전자공학부 명현 교수 연구팀은 카메라와 라이다 등으로 낯선 공간을 인식하고 자신의 위치와 이동 경로를 판단하는 자율 이동 기술을 소개한다. 같은 학부 배현민 교수 연구팀은 모터·센서·제어 기술을 결합해 로봇을 정밀하게 움직이는 기술을 선보였다. 기계공학과 공경철 교수 연구팀은 사용자의 움직임 의도를 파악하고 보행을 돕는 웨어러블 로봇 기술을 소개했다. 다섯 연구팀의 연구는 로봇이 주변을 인식하고, 힘과 움직임을 만들며, 실제 임무를 수행하는 데 필요한 기술이 어떻게 연결되는지 보여줬다.
연구실에서 개발한 기술을 산업으로 연결하는 것도 이번 비전의 한 축이다. 우리 대학 교수진이 창업한 엔젤로보틱스와 라이온로보틱스 등은 관련 기술의 플랫폼화와 현장 적용을 추진하고 있다. 배 총장은 대학의 기반 기술 연구와 교수창업기업의 제품 개발을 연결해 피지컬 AI 플랫폼 기술이 다양한 현장에서 활용되도록 하겠다는 전략을 밝혔다.
우리 대학은 인간의 움직임을 이해하는 피지컬 AI 연구에서도 협력을 이어가고 있다. 인간물리지능연구센터에는 김정·공경철 교수가 공동센터장으로 참여하며, NVIDIA AI 테크놀로지 센터(NVAITC)와의 협력을 통해 관련 연구를 추진하고 있다.
우리 대학은 기술 개발과 함께 인재 양성, 창업, 산업 확산을 잇는 생태계도 구축할 계획이다. 학생과 젊은 연구자의 교육 및 연구실 창업을 지원하고, 산업 현장 인력을 위한 재교육도 확대한다. 연구 성과가 개별 실험에 그치지 않고 기업의 기술 개발과 현장 적용으로 이어지도록 하겠다는 구상이다.
우리 대학은 ‘Physical AI KOREA’를 지속적으로 개최해 기술 개발 성과와 남은 과제를 공유하고, 연구자와 기업이 협력하는 자리로 발전시킬 계획이다.
2026.10.13
조회수 6372
-
“소음 잡고, 로봇 일 시킨다”…KAIST, 산업 바꿀 기술 선보인다
얇고 가벼운 구조로 소음을 줄이고, 무선충전 장치의 무게를 낮추며, 로봇이 스스로 이동하면서 작업하도록 돕는 기술. 우리 대학 연구실에서 개발한 기술을 만나고, 기업의 제품과 공정에 어떻게 활용할지 연구진과 직접 이야기할 수 있는 자리가 열린다.
우리 대학은 서울 코엑스(COEX)에서 열리는 KES 2026(한국전자전)과 연계해 10월 13일 ‘2026 KAIST 테크 페어(Tech Fair)’를 개최한다고 12일 밝혔다. 이번 행사에서는 6개 사업화 유망기술과 교원창업기업 4개사의 제품·서비스를 소개하고, 기술이전과 공동연구를 위한 상담을 진행한다.
배충식 총장은 “KAIST가 지향하는 ‘Beyond Laboratory’는 우수한 연구성과가 연구실에 머물지 않고 산업과 사회의 실질적인 가치로 이어지도록 하는 것”이라며, “이번 Tech Fair가 KAIST의 혁신적인 기술과 산업계의 수요를 연결하고, 기술이전과 공동연구 등 구체적인 협력으로 이어져 새로운 산업적 가치를 창출하는 계기가 되기를 기대한다”고 밝혔다.
우리 대학은 10월 13일부터 16일까지 코엑스 A홀에서 ‘KAIST 특별관’을 운영한다. 기업 관계자와 관람객은 이곳에서 사업화 유망기술과 교원창업기업의 제품·서비스를 살펴보고, KAIST의 기술사업화 지원 프로그램을 안내받을 수 있다.
행사 첫날인 10월 13일 오후 1시 30분부터는 코엑스 B홀 KES 스테이지(Stage)에서 기술이전 설명회를 개최한다. KAIST 연구진이 직접 6개 유망기술을 소개하고, 적용 가능한 산업 분야와 사업화 가능성을 설명한다.
발표 기술은 ▲얇고 가벼운 구조로 소음과 진동을 줄이는 ‘소음 저감 기술’(기계공학과 전원주 교수) ▲이동 경로를 가로막는 장애물을 로봇팔로 직접 밀어내며 주행하는 ‘자율주행 로봇 기술’(전산학부 윤성의 교수) ▲무선충전 장치를 더 가볍고 효율적으로 만드는 ‘무선충전 부품 설계 기술’(조천식모빌리티대학원 장인권 교수실 이창우 박사) ▲빛으로 조직 내부를 더 넓은 깊이 범위에서 선명한 3차원 영상으로 보여주는 ‘정밀 광학 촬영 기술’(기계공학과 유홍기 교수) ▲씻어서 여러 번 사용할 수 있는 ‘항균 금속 필터 기술’(기계공학과 김산하 교수) ▲미세한 돔 모양 구조로 빛을 반사해 다양한 색과 이미지를 표현하는 ‘다색 반사 소재 기술’(생명화학공학과 김신현 교수) 등이다.
각 발표는 기술 소개 15분과 질의응답 5분으로 진행된다. 기업 관계자들은 연구진에게 기술의 원리와 차별성을 직접 묻고, 자사 제품이나 공정에 활용할 가능성을 살펴볼 수 있다.
기술이전 설명회와 함께 코엑스 B홀 KES 라운지(Lounge)에서는 1:1 기술이전 상담회도 운영한다. 사전 신청 기업과 KAIST 연구진을 연결해 기술 도입, 공동연구, 후속 기술개발 및 사업화 방안 등을 논의하도록 지원한다.
KAIST 특별관에는 교원창업기업 4개사가 참여해 주요 제품과 기술을 선보이고, 기업·투자자·산업계 관계자들과 현장 상담을 진행할 예정이다.
다임테크놀로지는 무인공장과 자율제조를 위한 시뮬레이션 및 다수 로봇의 통합제어 기술을 소개한다. 밀리트랙은 산업 현장에서 활용할 수 있는 정밀 위치추적·공간인식 솔루션을 선보인다.
에이투어스는 전기를 이용해 물을 미세하게 분사하는 기술을 바탕으로 개발한 공기·수질 정화 솔루션을 소개한다. 하이퍼그램은 다양한 파장대의 빛을 분석하는 초분광 영상과 AI를 결합해, 일반 카메라나 육안으로 구별하기 어려운 오염과 표면 결함 등을 찾아내는 산업용 검사 솔루션을 선보인다.
특별관에는 교원창업기업존 외에도 사업화 유망기술 소개 공간, 기술가치창출원 홍보공간, 브랜드 KAIST 등을 마련한다. 연구성과 발굴부터 지식재산권 확보, 기술이전, 창업 및 후속 사업화까지 이어지는 KAIST의 기술사업화 체계를 한자리에서 소개한다.
KAIST 특별관은 KES 공식 VIP 투어 동선에도 포함돼 국내외 주요 기관과 산업계 관계자들에게 KAIST의 연구성과와 교원창업기업을 소개할 예정이다.
우리 대학은 기업이 현장에서 관심 기술을 확인하고 연구진과 상담한 뒤 기술이전과 공동연구 등 후속 협력으로 이어갈 수 있도록 지원할 계획이다. 앞으로도 기업 수요에 맞춘 기술마케팅과 기술이전·창업 연계를 강화해 연구성과의 산업적·경제적 가치 창출을 확대해 나갈 방침이다.
한편, 기술이전 설명회 참여 또는 상담을 희망하는 기업은 KAIST TLO 홈페이지를 통해 사전 신청할 수 있으며, 행사 및 참가 관련 문의는 아래 KAIST 기술가치창출원을 통해 확인할 수 있다.
※ KAIST TLO 홈페이지 : https://tlo.kaist.ac.kr/, 기술가치창출원 문의처 T. 042-350-2978, e-mail: iptc@kaist.ac.kr)
2026.10.12
조회수 3252
-
정보는 있는데 AI가 못 찾는다?...데이터 바뀌어도 최신 정보 놓치지 않는다
회사 규정이 바뀌어 새 문서가 올라왔는데도 사내 AI가 예전 규정을 찾아 답한다면 어떨까. 새로운 정보가 계속 추가되고 오래된 정보가 사라지면, AI는 정답이 되는 자료가 있어도 이를 제대로 찾지 못할 수 있다. 우리 대학 연구진이 데이터가 계속 바뀌어도 필요한 정보까지 찾아가는 ‘검색 길’을 유지해, AI가 최신 정보를 더 정확하고 빠르게 찾는 기술을 개발했다.
우리 대학은 전산학부 김민수 교수 연구팀이 데이터가 지속적으로 추가되고 삭제되는 환경에서도 높은 검색 정확도를 안정적으로 유지하는 동적 벡터 검색 기술인 ‘콘다(CONDA, Connectivity-Aware Dynamic Index)’를 개발했다고 5일 밝혔다.
생성형 AI는 학습이 끝난 뒤 새롭게 등장한 정보를 스스로 알지 못한다. 이를 보완하기 위해 최신 뉴스나 기업 내부 문서 등을 검색해 답변에 활용하는 ‘검색증강생성(RAG·Retrieval-Augmented Generation)’ 기술이 널리 쓰이고 있다.
RAG가 제대로 작동하려면 수많은 자료 가운데 질문에 필요한 정보를 빠르고 정확하게 찾아내는 검색 기술이 중요하다. 현재 많은 AI 서비스는 문서나 이미지의 의미를 컴퓨터가 계산할 수 있는 숫자 묶음인 ‘벡터(Vector)’로 바꾼 뒤, 의미가 비슷한 정보들을 서로 연결해 필요한 자료를 찾는다.
문제는 실제 기업이나 인터넷의 데이터는 계속 변한다는 점이다. 새로운 문서와 뉴스, 상품 정보가 들어오는 동시에 오래된 정보는 수정되거나 삭제된다. 이런 변화가 반복되면 데이터 사이에 만들어 놓은 연결망이 조금씩 끊어지는 ‘연결성 붕괴’가 발생할 수 있다. 필요한 정보가 데이터베이스 안에 있는데도 AI가 그곳까지 찾아가지 못하면서 검색 정확도가 떨어지는 것이다.
내비게이션에 비유하면 이해하기 쉽다. 도시에는 목적지가 그대로 있지만 건물이 생기고 사라질 때마다 주변 도로를 수정하다 중요한 길까지 하나씩 끊어진다면 목적지까지 찾아가기 어려워진다. AI 검색에서도 마찬가지로 정보 자체가 사라진 것이 아니라, 그 정보까지 찾아가는 ‘길’이 끊어지는 문제가 발생할 수 있다.
연구팀이 개발한 CONDA는 데이터 사이의 거리뿐만 아니라, 필요한 정보까지 찾아갈 수 있도록 검색 경로가 제대로 연결돼 있는지를 함께 고려한다. 새로운 데이터가 추가되거나 기존 데이터가 삭제돼도 중요한 연결을 유지해 특정 정보가 검색망에서 고립되는 것을 막는 방식이다.
실험 결과, CONDA는 데이터가 쉴 새 없이 추가되고 삭제되는 환경에서도 기존 최신 기술 대비 검색 정확도를 최대 24.5% 높였으며, 데이터 처리 속도도 최대 1.90배 향상시켰다.
특히 연구팀은 1억 개의 데이터가 존재하는 대규모 환경에서 6시간 동안 검색과 데이터 업데이트를 동시에 수행했다. 그 결과 CONDA는 비교 기술 대비 가장 짧은 응답시간과 높은 검색 정확도를 유지해 대규모 AI 서비스에 적용할 수 있는 가능성을 확인했다.
이번 기술은 기업 내부 규정이나 업무 문서처럼 정보가 수시로 바뀌는 지식검색 시스템뿐만 아니라 최신 뉴스 검색, 상품 검색 및 추천 등 데이터가 지속적으로 변하는 다양한 AI 서비스에 활용될 수 있다. 특히 생성형 AI가 외부 정보를 찾아 답변에 활용하는 RAG 환경에서 최신 정보를 오랫동안 안정적으로 검색하는 기반 기술로 활용될 것으로 기대된다.
이번 연구 성과는 실제 제품에도 적용된다. 김민수 교수가 창업한 인공지능 데이터 인프라 기업 그래파이(GraphAI)의 데이터베이스 제품인 ‘아카식DB(AkasicDB)’에 CONDA 기술이 적용돼 올해 4분기 상용화될 예정이다.
김민수 교수는 “검색증강생성(RAG)의 중요한 가치는 대규모언어모델(LLM)이 미처 학습하지 못한 최신 정보를 필요한 순간 즉시 찾아 활용할 수 있다는 점”이라며, “이번 연구는 데이터가 끊임없이 변하는 현실 환경에서도 인공지능이 오랜 시간 정확하게 최신 지식을 활용할 수 있는 데이터 인프라를 제시했다는 점에서 의미가 크다”고 말했다.
이번 연구에는 KAIST 전산학부 이다래 석사과정 졸업생이 제1저자로 참여했으며 김민수 교수가 교신저자를 맡았다. 연구 결과는 지난 9월 2일 데이터베이스 분야 최고 권위 국제학술대회인 VLDB 2026에서 발표됐다.
※ 논문명: CONDA: A Connectivity-Aware Dynamic Index for Approximate Nearest Neighbor Search over Evolving Data, DOI: 10.14778/3836663.3836694
※ 저자정보: 이다래(NAVER Corporation, 제1저자), 김민수(KAIST)
한편, 이번 연구는 한국연구재단 중견연구자지원사업과 정보통신기획평가원 SW스타랩사업의 지원을 받아 수행됐다.
2026.10.06
조회수 3402
-
움직임의 흐름 읽는 AI 반도체 개발…웨어러블 기기 활용 기대
몸에 착용하는 기기가 걷는 동작과 잠깐 팔을 흔드는 동작을 구별하려면 움직임의 흐름을 읽어야 한다. 한국 연구진은 반응 속도가 다른 반도체를 층층이 쌓아 방금 일어난 변화와 앞선 변화를 함께 읽는 기술을 개발했다. 향후 몸에 붙이거나 착용하는 작은 기기가 움직임과 몸의 신호를 분석하는 데 활용될 수 있다.
우리 대학은 AI시스템학과 권지민 교수 연구팀이 UNIST(총장 박종래), POSTECH(총장 김성근) 연구진과 함께 이온을 담은 소재를 단단한 얇은 막으로 만들고, 이를 이용해 반응 속도가 다른 반도체 소자를 여러 층으로 쌓는 데 성공했다고 29일 밝혔다.
이 반도체는 전기를 가하면 소재 안의 ‘이온’이 움직이면서 전류의 흐름이 바뀐다. 전기를 끊어도 이온이 원래 상태로 돌아오는 데는 시간이 걸린다. 종을 친 뒤 소리가 잠깐 남듯, 반도체에도 앞서 들어온 신호의 흔적이 잠시 남는 것이다. 연구팀은 그동안 단점으로 여겨졌던 이온의 느린 움직임을 지난 신호를 알아보는 데 활용했다.
관건은 그 흔적이 남는 시간을 조절하는 것이었다. 기존에는 이온을 담는 물질이 주로 액체나 부드러운 젤이어서 반도체를 정교하게 만들고 여러 층으로 쌓기도 어려웠다.
연구팀은 이온을 담은 물질을 단단한 얇은 막으로 만들고, 막 속 이온의 양과 두께를 조절했다. 그 결과 신호에 빠르게 반응하는 소자와 느리게 반응하는 소자를 만들 수 있었다. 두 소자를 층층이 쌓자 하나는 방금 들어온 신호에, 다른 하나는 조금 전부터 이어진 신호에 반응했다. 짧게 남는 메모와 오래 남는 메모를 함께 읽는 것과 비슷하다.
연구팀은 네 차례 들어오는 신호가 켜지고 꺼지는 순서에 따라 만들어지는 16가지 패턴을 소자가 구별할 수 있음을 확인했다. 또 측정한 소자의 반응을 바탕으로, 움직이는 숫자 영상을 판별하는 시스템을 모델링했다. 그 결과 서로 다른 속도의 영상 신호에 대해 90% 이상의 검증 정확도를 얻었다. 영상 판별 결과는 실제 소자의 측정값을 적용한 모델 검증 결과다.
연구팀은 이 소자를 4인치 웨이퍼 크기로 제작하고 휘어지는 기판에도 구현했다. 소자의 전기적 특성은 제작 후 55개월에 걸친 측정에서도 안정적으로 유지됐다.
이번 연구는 움직임이나 몸에서 나오는 신호처럼 시간에 따라 달라지는 정보를 작은 기기 안에서 처리하는 기술로 이어질 수 있다. 실제 스마트워치에 적용했을 때의 성능과 소비전력 절감 효과는 추가 검증이 필요하다.
권지민 교수는 “이번 소자는 기존의 얇은 반도체 제작 공정으로 넓은 기판에 만들 수 있고, 여러 층으로 쌓을 수도 있다”며 “앞으로 스마트워치처럼 전력을 적게 써야 하는 기기에서 움직임과 몸의 신호를 읽는 AI 반도체로 발전할 수 있을 것”이라고 말했다.
이번 연구에는 KAIST 정학순 연구교수가 제1저자로, POSTECH 노용영 교수와 KAIST 권지민 교수가 교신저자로 참여했다. 연구 결과는 국제 학술지 ‘어드밴스드 머티리얼즈(Advanced Materials)’에 6월 30일 게재됐다.
※ 논문명: Monolithic 3D-Integrated All-Solid Ion-Gated Carbon Nanotube Transistors With Tunable Ionic Conductance for Multi-Timescale Reservoir Computing, DOI: 10.1002/adma.202523703
이번 연구는 과학기술정보통신부·한국연구재단의 국가반도체연구실지원핵심기술개발사업 및 우수신진연구사업과 산업통상자원부·한국산업기술기획평가원의 초격차기술개발사업 지원을 받아 수행됐다.
2026.09.29
조회수 3523
-
KAIST, 국내 최초 범용인공지능(AGI) 연구소 출범
학습한 문제를 잘 푸는 현재의 인공지능을 넘어, 처음 접하는 문제와 환경에서도 스스로 판단하고 적응할 수 있는 범용인공지능(Artificial General Intelligence, AGI) 원천기술 개발을 위해 우리 대학이 AGI 전담 연구소를 출범했다.
우리 대학은 지난 18일 내부 승인 절차를 마치고 AI연구원 산하에 AGI 연구소(AGI Research Institute)를 공식 출범했다고 밝혔다.
전산학부, AI컴퓨팅학과, 김재철AI대학원, 전기및전자공학부 소속 교수 11명이 참여하며, 김태균 전산학부 교수가 초대 소장을 맡았다. 연구진은 향후 참여 범위를 점차 확대할 계획이다.
AGI 연구소는 기초연구를 통해 범용인공지능의 과학과 공학을 발전시키고 그 성과와 혜택을 사회에 환원하는 것을 목표로 한다. 특히 기존에 접하지 않은 과제와 환경, 데이터에서도 학습한 지식을 활용할 수 있는 AI의 ‘일반화(Generalization)’ 능력을 핵심 연구과제로 삼는다.
현재 AI는 방대한 데이터와 연산 자원을 활용하면서 빠르게 발전해 왔지만, 학습한 것과 비슷한 문제에는 강한 반면 조건이나 환경이 달라지면 성능이 떨어지는 한계가 있다.
AGI 연구소는 단순히 데이터와 연산 자원의 규모를 늘리는 방식에서 벗어나, 제한된 자원에서도 기존에 학습하지 않은 문제를 추론하고 새로운 환경에 적응할 수 있는 AI의 원천기술을 개발할 계획이다.
이를 위해 새롭고 효율적인 신경망 구조와 학습 원리, 현실 세계에 대한 이해와 지능의 구현 등 AI의 근본적인 작동 원리를 연구하고, 관련 분야를 이끌 차세대 연구자도 함께 양성한다.
연구소의 주요 연구 분야는 ▲적은 연산으로도 높은 성능을 구현하는 고효율 신경망 ▲스스로 가설을 세우고 새로운 지식을 발견하는 AI 메타과학자 ▲현실 세계의 구조와 변화를 이해하고 미래를 예측하는 월드 모델 ▲로봇과 같이 실제 환경을 인지하고 행동하는 피지컬 AI ▲AI가 인간의 의도에서 벗어나지 않도록 하는 AI 안전성 등이다.
이 가운데 고효율 신경망 분야에서는 기존 트랜스포머(Transformer)를 넘어서는 새로운 신경망 구조와 학습 방식을 개발해 자원이 제한된 환경에서도 AGI를 구현하는 기술을 연구한다. AI 메타과학자 분야에서는 AI가 지식을 탐색하는 수준을 넘어 스스로 가설을 만들고 과학 연구를 수행하며 새로운 지식을 발견할 수 있도록 하는 기술을 개발한다.
연구소는 이처럼 서로 연결된 연구 분야를 하나의 연구 체계로 결집해 KAIST를 세계적인 AGI 연구 거점으로 발전시키는 것을 목표로 한다.
김태균 AGI 연구소장은 “AI 데이터센터를 계속 늘리는 방식만으로는 AI 발전에 한계가 있다”며 “자원이 제한된 환경에서도 새로운 문제에 적응할 수 있는 AI 원천기술을 꾸준히 개발하는 것이 차세대 AI 경쟁에서 중요하다”고 말했다.
연구소는 과학기술정보통신부가 지원하는 국책과제를 기반으로 본격적인 연구에 나선다. 경량·저전력 차세대 신경망 개발에는 5년간 총 100억 원, AI 메타과학자 연구에는 5년간 총 187억5,000만 원이 투입된다. 또한 LG전자가 주관하는 월드 모델·로봇 기반 피지컬 AI 기술개발 사업에도 참여하며, 해당 사업은 2년간 총 340억 원 규모로 추진된다. 이 밖에도 물리적 세계에 기반한 지능 구현을 위한 연구과제를 수행하고 있다.
최성율 연구부총장은 “KAIST의 우수한 AI 연구팀들이 인류의 지속가능한 발전을 선도하는 차세대 AGI 핵심 기술을 개발하는 데 크게 기여할 것으로 기대한다”고 말했다.
정보통신기획평가원(IITP) 홍진배 원장은 “창의적인 아이디어와 도전적인 연구가 AI 기술 혁신의 원동력인 만큼, 새로운 AGI 연구소가 미래 인공지능의 새로운 가능성을 열어가는 혁신의 중심이 되기를 기대한다”고 말했다.
2026.09.22
조회수 7601
-
한 번 배운 풀이 기억…스마트폰 AI가 비슷한 문제 스스로 푼다
어려운 문제를 풀 때마다 전문가에게 다시 묻는 대신, 한 번 배운 풀이를 공책에 적어두고 비슷한 문제에 활용하는 AI 기술이 나왔다. 우리 대학 연구진은 스마트폰 속 소형 AI가 서버의 대형 AI에게서 얻은 지식을 기기에 쌓아두고 재사용하도록 해, 높은 정확도를 유지하면서 서버 호출을 평균 55.61% 줄였다. 비슷한 문제를 만날수록 서버에 덜 의존하고 더 빠르게 판단하는 모바일 AI의 가능성을 제시한 것이다.
우리 대학은 전산학부 이재길 교수 연구팀이 기기의 소형 AI와 서버의 대형 AI를 효율적으로 연결하는 기기-서버 협업 기술 ‘CURE(Cumulative Knowledge Reuse, 누적 지식 재사용)’를 개발했다고 21일 밝혔다.
스마트폰과 같은 기기는 계산 능력과 메모리가 제한돼 가벼운 소형 AI 모델을 주로 사용한다. 소형 모델은 간단한 문제는 빠르게 처리하지만, 복잡하거나 낯선 이미지를 구분할 때는 정확도가 떨어질 수 있다.
반대로 모든 문제를 고성능 서버의 대형 AI에 맡기면 정확도를 높일 수 있지만, 데이터를 보내고 답을 기다리는 시간이 길어진다. 통신량과 서버 연산량도 늘어나 이용자의 대기 시간과 서비스 운영 비용이 커진다.
이를 보완하기 위해 기기의 소형 AI가 먼저 판단하고 어려운 문제만 서버로 보내는 협업 방식이 연구돼 왔다. 그러나 기존 방식은 서버에서 받은 답을 그때만 사용하기 때문에, 비슷한 문제가 다시 들어와도 서버에 같은 도움을 반복해서 요청해야 했다. 마치 학생이 어려운 문제의 답을 듣고도 기록해 두지 않아, 같은 유형의 문제를 만날 때마다 다시 물어보는 것과 같다. 연구팀은 서버가 알려준 답을 일회성으로 사용하지 않고, 기기가 이후에도 활용할 수 있는 지식으로 축적하는 데 주목했다.
CURE는 먼저 기기의 소형 AI가 입력을 스스로 처리할 수 있는지 판단한다. 해결하기 어렵다면 기기에 저장된 서버 지식을 활용하고, 저장된 지식으로도 부족할 때만 서버에 도움을 요청한다. ‘혼자 풀기→배운 내용 찾아보기→전문가에게 묻기’의 3단계로 문제를 처리하는 방식이다.
예를 들어 소형 AI가 사진 속 특정 차종을 구분하지 못하면 서버의 대형 AI에 답을 요청한다. 이때 CURE는 서버의 판단 결과와 이미지의 특징을 기기의 지식 저장소에 반영한다. 이후 비슷한 차종의 사진이 들어오면 앞서 저장한 지식을 참고해 서버에 다시 묻지 않고 기기에서 직접 판단한다.
특히 CURE는 서버가 처리한 사진을 하나씩 그대로 저장하지 않는다. 여러 사진이 공유하는 특징과 서로 다른 점을 요약해 지식으로 보관한다. 자동차 사진을 통째로 외우는 대신 차체 모양이나 전조등처럼 차종을 구분하는 핵심 특징을 정리해 두는 것과 같다. 이를 통해 이전에 본 사진뿐 아니라 처음 접하는 유사한 사진을 판단할 때도 축적된 지식을 활용할 수 있다.
연구팀은 이미지와 글을 함께 이해하는 ‘비전-언어 모델’을 이용해 CURE의 성능을 검증했다. 비전-언어 모델은 사람처럼 이미지를 보고, 그 내용을 언어와 연결해 이해하는 AI다.
기기용 소형 모델로는 MobileCLIP2를, 서버용 대형 모델로는 180억 개의 매개변수를 가진 EVA-CLIP을 사용했다. 매개변수는 AI가 학습 과정에서 익힌 정보를 담고 있는 내부 수치로, 사물을 구분하고 관계를 판단할 때 활용하는 ‘판단 기준’과 같다.
다양한 이미지 분류 데이터셋을 이용한 실험에서 CURE는 모든 입력을 대형 서버 모델로 처리하는 방식에 근접한 정확도를 유지했다. 그러면서 서버의 지식을 축적하지 않는 기존 기기-서버 협업 방식보다 서버 호출 횟수를 평균 55.61% 줄였다.
처리 속도는 기존 기기-서버 협업 방식보다 최대 2.80배 빨랐으며, 모든 입력을 서버로 보내는 방식보다 최대 3.67배 빨랐다. 서버에 묻는 횟수를 줄여 데이터를 주고받고 답을 기다리는 시간을 단축한 결과다.
CURE는 소형 모델과 서버 모델을 별도로 다시 학습시키지 않고도 적용할 수 있다. 기존 AI 모델은 그대로 두고 서버에서 얻은 지식을 담는 별도의 저장소를 붙이는 방식이어서, 다양한 AI 모델과 서비스에 유연하게 적용할 수 있다는 것도 장점이다.
이번 기술은 모바일 사진 인식과 이미지 검색 등에서 반복적인 데이터 전송과 서버 연산을 줄여 이용자의 대기 시간과 서비스 운영 부담을 낮추는 데 활용될 수 있다.
스마트폰뿐 아니라 제한된 기기 자원으로 주변 환경을 인식해야 하는 로봇과 웨어러블 기기에도 응용할 수 있다. 특히 통신이 느리거나 불안정한 환경에서 로봇이 서버의 답을 기다리지 않고, 이전에 얻은 지식을 바탕으로 더 많은 상황을 현장에서 직접 판단하는 데 도움을 줄 수 있다.
다만 실제 적용 효과는 기기의 성능과 저장 공간, 통신 환경, 입력 데이터의 특성 등에 따라 달라질 수 있어 다양한 기기와 환경에서 추가 검증이 필요하다.
이재길 교수는 “CURE는 기기의 소형 AI가 서버에 같은 문제를 반복해서 묻지 않고, 한 번 얻은 지식을 기억해 다시 활용하도록 한 기술”이라며 “높은 정확도를 유지하면서 통신 부담과 응답 시간을 줄여 스마트폰과 로봇, 웨어러블 등 다양한 기기에서 고성능 AI를 효율적으로 활용하는 기반이 될 것으로 기대한다”고 말했다.
이번 연구에는 KAIST 정보전자연구소 이영준 박사후연구원이 제1저자로, 전산학부 이재길 교수가 교신저자로 참여했다. Amazon 김도영 연구원, LG AI연구원 강준혁 연구원, KAIST 산업및시스템공학과 송환준 교수가 공동저자로 참여했다. 연구 결과는 지난 9월 8일부터 12일까지 스웨덴 말뫼에서 열린 컴퓨터 비전 분야 주요 국제학술대회 ‘유럽컴퓨터비전학회(ECCV 2026, European Conference on Computer Vision)’에서 10일 발표됐다.
※ 논문명: CURE: Cumulative Knowledge Reuse for Efficient Device-Server Hybrid Inference in Vision-Language Models, DOI: https://doi.org/10.1007/978-3-032-37627-5_21
※ 저자정보: 이영준 박사후연구원(KAIST 정보전자연구소, 제1저자), 김도영 연구원(KAIST 졸업, 현 Amazon, 공동저자), 강준혁 연구원(KAIST 졸업, 현 LG AI연구원, 공동저자), 송환준 교수(KAIST 산업및시스템공학과, 공동저자), 이재길 교수(KAIST 전산학부, 교신저자)
※ 관련 영상 링크: https://drive.google.com/file/d/1oIn-eYW4IEI_dOFWeTeaDotf1IBDjRLt/view?usp=share_link
한편, 이번 연구는 과학기술정보통신부와 정보통신기획평가원의 ‘사람중심인공지능핵심원천기술개발사업’ 중 ‘AI학습능력개선기술개발’ 과제(과제번호 RS-2022-II220157)의 지원 등을 받아 수행됐다.
2026.09.21
조회수 5942
-
KAIST-POSTECH ‘사이언스 워’…AI가 마리오 카트 몰고, 생성형 AI로 해킹
AI가 직접 ‘마리오 카트’를 몰고, 학생들은 생성형 AI까지 활용해 8시간 동안 해킹 실력을 겨룬다. 대한민국을 대표하는 두 이공계 대학 KAIST와 POSTECH 학생들이 과학기술과 스포츠를 넘나들며 자존심을 건 승부를 펼친다.
우리 대학과 POSTECH(총장 김성근)은 양교 간 정기 교류전인 ‘제23회 KAIST-POSTECH 학생대제전(이하 카포전)’을 오는 18일부터 19일까지 이틀간 POSTECH에서 개최한다고 18일 밝혔다.
2002년 시작된 카포전은 양교 학생들이 과학경기와 운동경기, 공연 등 다양한 프로그램을 통해 경쟁하고 교류하는 학생 축제다. 매년 9월 대전과 포항을 번갈아 개최하며, 원정 대학의 명칭을 앞에 표기하는 원칙에 따라 올해는 ‘카포전’으로 불린다. 이공계 학생들이 과학기술 역량까지 겨룬다는 점에서 ‘사이언스 워(Science War)’라는 별칭으로도 잘 알려져 있다.
올해는 야구·축구·농구·e스포츠 등 운동경기 4종목과 해킹·인공지능(AI) 경연·과학퀴즈 등 과학경기 3종목을 합쳐 총 7개 종목에서 승부를 겨룬다.
특히 올해 과학경기는 생성형 AI와 자율주행 개념 등 최신 기술 흐름을 학생들의 대결에 접목한 것이 특징이다.
첫날 오후 2시부터 오후 10시까지 8시간 동안 진행되는 해킹대회에서는 암호학을 비롯한 정보보안 문제가 라운드별로 출제된다. 참가자들은 제한 시간 안에 문제를 해결해 점수를 획득하며, 생성형 AI 도구 사용도 전면 허용된다. 중계 화면을 통해 실시간 점수와 문제 풀이 과정이 공개돼 관람객들도 승부의 흐름을 함께 지켜볼 수 있다.
같은 날 오후 2시 POSTECH eSports 콜로세움에서는 인공지능 경연대회가 열린다. 양교 학생들이 직접 코딩하고 학습시킨 AI 프로그램이 인기 레이싱 게임 ‘마리오 카트 Wii(Mario Kart Wii)’의 카트를 조종해 맞붙는다. 사람이 직접 조종하지 않고 AI가 스스로 주행한다는 점에서 일종의 ‘AI 자율주행 대결’인 셈이다.
경기는 4개 코스의 주행 결과에 따라 점수를 합산해 라운드 승자를 결정하며, 총 3라운드 가운데 2라운드를 먼저 이긴 팀이 최종 승리한다.
둘째 날 오후 2시부터 포스플렉스(POSPLEX) 앞 무대에서 열리는 과학퀴즈에서는 과학 상식과 최신 연구 동향을 묻는 문제에 더해 전략 체스게임인 ‘가위바위보 체스’가 함께 진행된다. 참가자들은 과학 지식뿐 아니라 전략적 사고와 팀워크까지 겨루게 된다.
운동경기에서는 야구·축구·농구와 e스포츠 ‘리그 오브 레전드(League of Legends)’ 경기가 펼쳐진다. 각 경기에는 현장 이벤트도 마련돼 양교 학생과 관람객들이 함께 참여하는 축제 분위기를 더할 예정이다.
총 7개 종목 가운데 4개 이상에서 승리한 대학이 올해 종합우승을 차지한다. 현재까지 통산 전적에서는 KAIST가 13승 8패로 앞서 있다.
이동혁 카포전 기획단장(KAIST 신소재공학과 24학번)은 “이번 카포전이 단순한 친선 교류를 넘어 대한민국을 대표하는 두 이공계 대학 학생들이 자존심을 걸고 치열하게 경쟁하면서도 함께 웃고 즐기는 특별한 축제의 장이 되길 기대한다”고 말했다.
배충식 KAIST 총장은 “카포전은 KAIST와 POSTECH 학생들이 승패를 넘어 과학과 스포츠를 통해 서로의 열정과 역량을 나누는 특별한 축제”라며 “학생들이 대한민국 과학기술의 미래를 이끌 주역이라는 자부심을 갖고, 경쟁 속에서 서로 배우며 함께 성장하는 소중한 계기가 되길 바란다”고 말했다.
2026.09.18
조회수 4357