
< (왼쪽부터) KAIST 김현우 교수, 이상혁 박사후연구원, 송태훈 석사과정, 고려대학교 박지환 박사과정 >
새 스마트폰을 바꿀 때마다 연락처와 사진을 처음부터 다시 옮겨야 한다면 얼마나 불편할까. 지금의 인공지능(AI) 모델들도 이와 비슷한 상황에 놓여 있다. 성능이 더 좋은 새로운 ChatGPT 같은 AI 모델이 등장할 때마다, 특정 분야의 지식을 갖추기 위해 막대한 데이터와 비용을 들여 다시 학습해야 했기 때문이다. 한국 연구진이 이러한 비효율을 해결할 수 있는 AI 모델 간 ‘지식 이식’ 기술을 개발했다.
우리 대학은 전산학부 김현우 교수 연구팀이 고려대학교(총장 김동원) 연구팀과 공동연구를 통해, 서로 다른 인공지능 모델 사이에서 학습된 지식을 효과적으로 ‘이식’할 수 있는 새로운 기술을 개발했다고 27일 밝혔다.
최근 인공지능 분야에서는 사진과 글을 함께 이해하는 시각–언어 모델(Vision-Language Model, VLM)이 빠르게 발전하고 있다. 이는 사용자가 사진을 보여주며 질문하면 설명을 해주는 ChatGPT와 같은 멀티모달 AI를 떠올리면 이해하기 쉽다. 이러한 모델들은 대규모 이미지와 언어 데이터를 사전 학습해, 적은 양의 데이터만으로도 새로운 분야에 비교적 빠르게 적응할 수 있다는 장점을 지닌다.
그러나 새로운 AI 모델이 나올 때마다 이러한 ‘적응 과정’을 처음부터 다시 수행해야 한다는 점이 큰 비효율로 지적돼 왔다. 기존의 적응 기법들 역시 모델 구조가 조금만 달라져도 그대로 활용하기 어렵거나, 여러 모델을 동시에 사용해야 해 메모리와 연산 비용이 크게 증가하는 한계를 안고 있었다.
연구팀은 이러한 문제를 해결하기 위해 모델의 구조나 크기에 상관없이 학습된 지식을 재사용할 수 있는 전이 가능한 적응 기법(Transferable adaptation)인 ‘TransMiter’를 제안했다. 이 기술의 핵심은 한 AI가 학습하며 쌓은 ‘적응 경험’을 다른 AI 모델로 직접 옮기는 것이다.

< TransMiter: 모델 구조, 크기 등에 관계 없이 재사용 가능한 적응지식 전이 기법 >
연구진 기술은 AI의 복잡한 내부 구조를 뜯어고치지 않고, 예측 결과(output)만 보고 배운 요령을 다른 AI에게 전해주는 방식이다. 서로 생김새가 다른 AI 모델이라도 같은 질문에 내놓은 답변을 기준으로 정리해 주면, 한 AI가 익힌 노하우를 다른 AI도 바로 활용할 수 있다. 그래서 복잡하고 시간이 많이 드는 학습 과정을 다시 거칠 필요가 없고, 속도도 거의 느려지지 않는다.
이번 연구는 그동안 모델 구조나 크기가 다르면 재사용이 거의 불가능하다고 여겨졌던 AI의 적응 지식을 모델 종류에 상관없이 정밀하게 이식할 수 있음을 처음으로 입증했다는 점에서 의미가 크다. 이를 통해 반복적인 학습 비용을 줄일 수 있을 뿐 아니라, 필요한 분야에 맞춰 거대언어모델을 실시간으로 업데이트하는 이른바 ‘지식 패치(patch)’ 기술로의 활용도 기대된다.
김현우 교수는 “이번 연구를 확장하면, 빠르게 발전하는 초거대언어모델이 등장할 때마다 반복적으로 수행해야 했던 후학습(post-training)의 비용을 크게 줄일 수 있다”며, “특정 분야의 전문 지식을 손쉽게 추가하는 ‘모델 패치’가 가능해질 것”이라고 설명했다.
이번 연구에는 KAIST 전산학부 송태훈 석사과정 학생, 이상혁 박사후연구원, 고려대학교 박지환 박사과정 학생이 공동 저자로 참여했으며, 김현우 교수가 교신저자를 맡았다. 연구 결과는 인공지능 분야 최고 권위의 국제 학술대회인 AAAI 2026(Association for the Advancement of Artificial Intelligence)에 구두 발표(25년 기준 채택률 4.6%)로 채택돼, 1월 25일 발표됐다.
※ 논문명: Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization. DOI : https://doi.org/10.48550/arXiv.2508.08604
한편, 김현우 교수 연구실은 이번 논문을 포함해 구글 클라우드 AI와 공동 진행한 문서내의 테이블 이해를 고도화한 기술인 TabFlash 포함하여 해당 학회에 총 3편의 논문을 발표했다.
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,
2026-11-02망한 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 서
2026-10-30우리 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), 홍콩폴리텍대학
2026-10-28재즈 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
2026-10-19육상 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
2026-10-13