KAIST

“지난달 취임한 장관이 누구냐”는 질문에 챗GPT가 1년 전 인물을 답한다면 어떨까. 최신 정보를 제대로 반영하지 못하는 AI의 한계를 보여주는 사례다. 우리 대학 연구진이 변화하는 현실 정보를 자동으로 반영하면서도, 겉으로는 맞아 보이는 ‘시간 오류’까지 잡아내는 새로운 평가 기술을 개발했다. AI 신뢰성을 획기적으로 높일 수 있을 것으로 기대된다. 우리 대학은 전기및전자공학부 황의종 교수 연구팀이 마이크로소프트연구소(Microsoft Research)와 공동연구를 통해, 시간 데이터베이스 기술을 활용해 거대언어모델(LLM)의 시간 추론 능력을 자동으로 평가·진단하는 시스템을 개발했다고 14일 밝혔다. 인공지능이 사용자의 신뢰를 얻기 위해서는 시시각각 변화하는 현실 정보를 정확히 이해하는 능력이 필수적이다. 그러나 기존 평가 방식은 정답 일치 여부만을 확인하거나 복잡한 시간 관계를 충분히 반영하지 못해, 실제 환경에서

우리 대학이 단순히 작품을 ‘보는’ 전시를 넘어, 관람객이 직접 공간을 거닐며 ‘느슨한 시간’을 경험하는 자리로 초대한다. ‘느슨한 시간’은 직선적으로 흘러가는 일상의 시간에서 벗어나, 공간을 거닐며 감각과 사유가 천천히 교차하는 또 다른 시간의 결을 의미한다. 우리 대학은 그래픽 디자이너 김영나 작가의 설치 미술 작품 기획전 ‘느슨한 시간(Oblique Time)’을 대전 본원 KAIST 미술관에서 3일 개최한다고 밝혔다. 이번 전시는 새롭게 공개되는 미술관 옥상 공간에서 펼쳐진다. 옥상에 설치된 세 점의 작품은 바람과 빛, 시선과 움직임을 매개로 공간의 감각을 새롭게 일깨운다. 옥상에 들어서면 높이 솟은 기둥들이 관람객을 맞이하고, 기둥 사이를 천천히 걸을수록 바람이 스치고 지나간 흔적이 몸으로 읽힌다. 계단을 오르내리면 같은 공간도 전혀 다른 장면으로 펼쳐지고, 바닥에 놓인 원형 거울

빛과 원자의 상호작용에서 핵심적인 ‘자발 방출(spontaneous emission)’ 현상이 광자 시간결정(Photonic Time Crystal, PTC) 안에서 새로운 양상으로 나타난다는 사실이 규명됐다. KAIST 연구진이 주도한 이번 연구는 기존 이론을 뒤집고, 더 나아가 새로운 ‘자발 방출 여기(spontaneous emission excitation)’ 현상을 예측하였다. 우리 대학은 물리학과 민범기 교수 연구팀은 신소재공학과 신종화 교수, 기계공학과 전원주 교수, 물리학과 조길영 교수 및 IBS 연구단, UC버클리, 홍콩과기대 등과 협력하여, 광자 시간결정에서 자발 방출 붕괴율이 2022년 Science에 실린 논문에서 제기된 ‘소멸’이 아니라, 반대로 향상된 값을 갖는다는 점을 입증했다고 밝혔다. 또한, 원자가 바닥 상태에서 들뜬 상태로 전이하며 동시에 광자를 방출하는 새로운 과정인 ‘자

물방울이 맺힌 유리창 밖을 보면 물체의 형체를 선명하게 알아볼 수 없는 것처럼, 카메라 센서에도 산란에 의해 뒤섞인 빛이 들어오면 흐린 영상이 촬영된다. 우리 연구진은 이러한 손상 영상을 시간의 연속성을 분석하여 선명하게 복원하는 AI 기술을 개발했다. 영상 촬영에선 산란 효과 뿐만 아니라 아지랑이와 같은 수차 효과, 야간에 발생하는 광자 잡음 효과 등 다양한 영상 손상 현상이 일어날 수 있는데, 이번에 개발된 기술은 이러한 다양한 손상 현상에 범용적으로 적용될 수 있어 향후 의료·방산·로봇 비전 분야에서 커다란 전환점을 마련할 것으로 기대된다. 우리 대학 바이오및뇌공학과 장무석 교수와 김재철AI대학원 예종철 교수 공동 연구팀이 움직이는 산란 매질 너머의 숨겨진 영상을 복원할 수 있는 ‘비디오 디퓨전 기반 영상 복원 기술(시간축 정보 정합성을 활용해 흐릿하거나 손상된 영상을 디퓨전 모델로 되살리는 기술)’을 세계 최초로 개발했다고

확산모델(diffusion model)은 많은 AI 응용에 활용되고 있으나, 효율적인 추론-시간 확장성(inference-time scalability)*에 대한 연구가 부족했다. 이에 연구진은 확산모델에서도 고성능 고효율 추론이 가능한 신기술을 개발했다. 이 기술은 기존 모델이 한번도 성공하지 못한 초대형 미로찾기 태스크에서 100%의 성공률을 기록하며 성능을 입증했다. 이번 성과는 향후 지능형 로봇, 실시간 생성 AI 등 실시간 의사결정이 요구되는 다양한 분야에서 핵심 기술로 활용될 수 있을 것으로 기대된다. *추론-시간 확장성(inference-time scalability): AI 모델이 추론 단계에서 사용할 수 있는 계산 자원의 양에 따라 성능을 유연하게 조절할 수 있는 능력을 의미한다. 우리 대학 전산학부 안성진 교수 연구팀이 딥러닝 분야 세계적 석학인 몬트리올 대학교 요슈아 벤지오(Yoshua Bengio) 교수와의 공동연구를 통해, 인공지능 확산 모델의 추