%ea%b9%80%ec%9e%ac%ec%b2%a0%41%49%eb%8c%80%ed%95%99%ec%9b%90
-
‘실리콘밸리 전설’ 제프 딘 초청 특별강연 ·연구 교류
우리 대학은 KAIST와 국가AI연구거점이 공동으로 제프 딘(Jeff Dean) 디스커버리 루프(Discovery Loop) 공동 창업자 겸 CEO를 초청해 13일 서울 AI 허브에서 특별강연을 개최했다고 18일 밝혔다.
제프 딘은 1999년 구글 초기 멤버로 합류해 27년간 검색 인프라의 근간인 맵리듀스(MapReduce)와 빅테이블(Bigtable), AI 시대의 핵심 기반인 텐서플로우(TensorFlow)와 TPU 개발을 이끌었고, 구글 브레인을 공동 설립한 뒤 수석과학자로서 제미나이(Gemini) 개발을 총괄해 '구글의 전설'로 불리는 인물이다.
그는 최근 산제이 게마왓(Sanjay Ghemawat), 쿽 레(Quoc Le), 오리올 비냘스(Oriol Vinyals)와 함께 디스커버리 루프를 창업했다. 가설 수립부터 실험 실행과 결과 분석에 이르는 연구의 반복 과정을 AI로 자동화해, 과학·공학 발견의 속도 자체를 끌어올리겠다는 구상이다.
우리 대학은 이번 행사를 세계적 AI 석학의 연구 경험과 미래 비전을 국내 연구자들과 공유하는 데 그치지 않고, 실질적인 연구 교류로 이어지는 자리로 마련했다. 강연 후 제프 딘은 KAIST 김재철AI대학원 교수 및 석박사급 연구자들과 별도로 만나 대규모 분산학습과 AI 인프라 등 각 연구실의 연구 과제를 논의하고, 연구 방향과 기술적 과제에 대해 직접 조언했다.
제프 딘 디스커버리 루프 CEO는 "인간과 AI가 함께 일할 때, 어느 한쪽만으로 일할 때보다 더 나은 결과에 도달할 수 있다”고 말했다.
배충식 KAIST 총장은 “AI 대전환은 과학과 공학의 연구 방식 자체를 근본적으로 변화시키고 있으며, 이제는 AI를 활용하는 것을 넘어 새로운 연구의 가능성을 주도적으로 만들어 가야 할 때”라며, “KAIST가 세계 최고 연구자들과 새로운 아이디어를 나누고 함께 도전하는 글로벌 연구 협력의 중심이 되어 대한민국의 AI 연구 경쟁력을 한 단계 높이는 데 기여하겠다”고 말했다.
이번 강연은 데이터마이닝·머신러닝 분야의 세계적 권위 국제학술대회인 KDD(Knowledge Discovery and Data Mining) 2026 기조연설을 위해 방한한 것을 계기로 마련됐다. 창업 발표 이후 그의 첫 공개 강연으로, ‘머신러닝의 주요 흐름(Exciting Trends in Machine Learning)'을 주제로 진행됐다.
제프 딘은 지난 15년간 AI가 걸어온 길을 자신이 직접 참여한 연구를 중심으로 짚었다. 1990년대 학부 시절 여러 대의 컴퓨터로 신경망을 학습시키는 연구를 했지만 당시 컴퓨팅 성능의 한계로 성과를 내지 못했고, 20여 년이 지나 충분한 컴퓨팅 자원이 갖춰지자 같은 아이디어가 비로소 작동하기 시작했다는 것이다. 그는 더 많은 연산과 더 많은 데이터, 더 큰 모델이 곧 더 나은 성능으로 이어져 온 것이 지난 15년의 일관된 흐름이었다고 설명했다.
하드웨어의 역할도 강조했다. 음성인식 성능이 크게 개선되던 무렵, 사용자들이 이 기능을 실제로 쓰기 시작하면 기존 방식으로는 데이터센터를 두 배로 늘려야 한다는 계산이 나왔고, 이것이 AI 연산에 특화된 전용 칩인 TPU 개발로 이어졌다는 설명이다. 제프 딘은 이러한 하드웨어와 알고리즘의 발전이 함께 쌓인 결과로 오늘날의 AI 모델이 국제수학올림피아드(IMO)와 국제대학생프로그래밍대회(ICPC)에서 금메달 수준의 성적을 거두게 됐다고 소개했다.
강연에는 KAIST를 비롯해 고려대, 연세대, POSTECH 등 국가AI연구거점 컨소시엄 대학의 교수와 학생, 파트너 기업 관계자 등 150여 명이 현장을 찾았고, 온라인 중계로도 220여 명이 참여했다. 이어진 질의응답에서는 코딩 에이전트 확산에 따른 일자리 변화, 자율적 실험 시스템의 안전성 확보 방안, AI 활용 역량의 형평성 등 학생과 연구자들의 질문이 이어졌다.
김기응 국가AI연구거점 센터장은 "지난 15년간 AI 인프라와 모델 발전을 최전선에서 이끌어 온 전설적 석학 연구자의 시각을 국내 연구자들이 직접 접할 수 있는 자리였다”며 "국가AI연구거점은 앞으로도 세계 최고 수준의 연구자들과의 교류를 확대해 국내 AI 연구 생태계를 세계와 연결하는 역할을 이어가겠다”고 말했다.
디스커버리 루프(Discovery Loop)는 2026년 설립된 AI 스타트업으로, 프론티어 AI 모델과 대규모 연산 인프라를 활용해 수천 건의 실험을 병렬 수행하는 시스템을 개발하고 있다. 머신러닝 연구·개발 자동화를 시작으로 신약 개발과 청정에너지 등 인류적 난제로 영역을 넓혀간다는 목표다.
국가AI연구거점은 KAIST가 주관하고 과학기술정보통신부와 정보통신기획평가원(IITP)의 지원을 받아 2024년 10월 설립된 국내 최대 규모의 AI 산·학·연 협력 연구 플랫폼이다. KAIST를 비롯해 고려대학교, POSTECH, 연세대학교 등 4개 대학과 국내외 기업, 연구기관이 참여하고 있으며, 해외 주요 기관과의 협력을 통해 글로벌 AI 연구 네트워크를 확대하고 있다.
KAIST 김재철AI대학원은 2019년 설립되어 국내 최초로 인공지능 분야 석·박사 학위를 수여하는 AI 전문 대학원으로, 구글 브레인, IBM 왓슨연구소, 마이크로소프트 연구소, 엔비디아 연구소 등 세계 유수 연구기관 출신 교수진을 갖추고 있다.
2026.08.18 조회수 1814 -
KAIST-엔비디아, 아시아 최초 AI 공동연구소 설립…대한민국 AI 혁신 가속
우리 대학과 엔비디아(NVIDIA)가 한국어와 국내 산업에 특화된 차세대 에이전틱 AI(Agentic AI) 연구를 위해 전략적 공동연구 체계를 구축한다.
우리 대학은 글로벌 AI 컴퓨팅 기업 엔비디아와 김재철AI대학원에 ‘NVIDIA-KAIST AI 공동연구소(NVIDIA-KAIST Joint AI Research Lab)'를 아시아 최초로 설립하고 차세대 인공지능 핵심기술 공동연구를 본격화한다고 24일 밝혔다.
배충식 KAIST 총장은 "이번 협력은 세계 최고 수준의 AI 연구역량과 최첨단 AI 인프라를 결합하는 전략적 파트너십의 출발점”이라며 "대한민국을 대표하는 글로벌 AI 연구거점을 구축하고 차세대 AI 원천기술 확보와 세계적 AI 인재 양성에 앞장서겠다”고 말했다.
이번 협력을 통해 KAIST와 엔비디아는 한국어와 국내 산업에 특화된 에이전틱 AI 모델과 AI 에이전트 시스템을 공동 개발하고, 대한민국 AI 원천기술 확보와 글로벌 인재 양성, 산업 경쟁력 강화를 위한 장기적인 연구협력 체계를 구축할 계획이다.
김재철AI대학원에 설립되는 NVIDIA-KAIST AI 공동연구소는 대한민국의 산업과 언어 환경에 특화된 에이전틱 AI(Agentic AI) 모델과 AI 에이전트 시스템을 개발하는 세계적 연구거점으로 운영된다.
양 기관은 엔비디아의 풀스택 AI 기술과 엔비디아 네모트론(NVIDIA Nemotron) 오픈 모델, 국내 엔비디아 클라우드 파트너(NVIDIA Cloud Partner)의 컴퓨팅 인프라를 KAIST의 세계적연구인력과 결합할 계획이다.
이번 협력은 초기 5년간 총 3억 달러 규모로 추진되며, 매년 5천만 달러 상당의 AI 컴퓨팅 자원이 제공된다. 공동연구소 참여 연구자들은 국내 엔비디아 클라우드 파트너를 통해 최신 엔비디아 AI 컴퓨팅 인프라를 활용할 수 있게 된다.
공동연구소는 매년 최소 10명의 KAIST 연구자를 지원하고, 지원 대상 연구자 각각에게 엔비디아 인턴십 기회를 제공한다. 또한 엔비디아는 우수한 한국 AI 연구자를 정규 연구직으로 채용할 계획이다. 이를 통해 한국의 우수 AI 인재들이 도전적인 연구를 수행하고 장기적인 연구 경력을 쌓으며, 학계와 산업계 간 글로벌 협력을 더욱 강화할 수 있는 기반을 마련할 계획이다.
공동연구소는 다음 달 KAIST 김재철AI대학원에 부임하는 엔비디아 김현우 박사가 공동연구소장을 맡을 예정이다. 김 교수는 공동연구소의 연구 방향을 설정하고, KAIST 연구진과 엔비디아 글로벌 연구조직 간 공동연구를 총괄한다.
빌 달리(Bill Dally) 엔비디아 수석과학자 겸 연구부문 수석부사장은 "한국은 세계적인 AI 연구자들과 세계에서 가장 발전된 기술 생태계 중 하나를 보유하고 있다”며 "NVIDIA-KAIST 공동연구소는 한국의 산업과 언어, 미래를 위한 AI 모델과 에이전트 시스템 개발을 가속하고 차세대 AI 연구를 개척하는 기반이 될 것”이라고 말했다.
공동연구소장을 맡게 될 김현우 KAIST 김재철AI대학원 부임 예정 교수는 "AI 연구는 세계적 인재와 대규모 인프라, 학계와 산업계의 긴밀한 협력이 필요한 새로운 시대로 접어들고 있다”며 “한국이 세계적인 AI 과학자를 유치하고 장기적으로 정착시킬 수 있도록 엔비디아와 함께 도전적인 연구를 추진하고 글로벌 연구조직과 지속적인 협력 관계를 구축하겠다”고 말했다.
정송 KAIST 김재철AI대학원장은 "이번 공동연구소는 세계적 연구인재와 AI 인프라, 글로벌 기업의 연구역량을 결합한 새로운 산학협력 모델”이라며 "한국어와 국내 산업에 특화된 에이전틱 AI 원천기술을 개발하고 우수 연구자가 국내에서 세계적인 연구를 수행할 수 있는 생태계를 만들겠다”고 말했다.
2026.07.24 조회수 6279 -
세계 최고 AI 석학·기업 한자리에...'글로벌 AI 프론티어 심포지엄 2026' 개최
우리 대학은 과학기술정보통신부(부총리 겸 장관 배경훈)와 정보통신기획평가원(원장 홍진배)이 주최하고, 국가AI연구거점(센터장 김기응)이 글로벌AI프론티어랩(공동소장 얀 르쿤·조경현)과 공동 주관한 '글로벌 AI 프론티어 심포지엄 2026(Global AI Frontiers Symposium 2026)'이 3일 더 웨스틴 서울 파르나스에서 개최됐다고 밝혔다.
지난해에 이어 두 번째로 열린 이번 심포지엄은 '지능을 넘어 현실 세계로 나아가는 AI(AI Beyond Intelligence: Into the Real World)'를 주제로, 인공지능이 연구 실과 이론적 가능성을 넘어 산업과 과학, 로봇, 일상생활 등 실제 세계에서 어떻게 구현되고 있는지를 조망하는 자리로 마련됐다.
이날 행사에는 류제명 과기정통부 제2차관을 비롯해 국내외 산·학·연 전문가와 정부 관계자 등 1천여 명이 참석했다. 세계적 연구자들과 글로벌 AI 기업 리더들이 연단에 올랐으며, 류 차관이 개회사를 맡았다. 이어 홍진배 정보통신기획평가원(IITP) 원장과 배충식 KAIST 총장이 환영사를 전했다. 이후 김동원 고려대학교 총장, 김성근 포항공과대학교(POSTECH) 총장, 윤동섭 연세대학교 총장은 축사를 통해 국내 AI 연구 생태계의 결집과 글로벌 협력의 의미를 더했다.
특히 이번 심포지엄에는 세계 AI 산업을 선도하는 오픈AI(OpenAI), 앤트로픽(Anthropic), 퍼플렉시티(Perplexity)를 비롯해 프랑스 프레리 연구소(PR[AI]RIE Institute), 캐나다 벡터 연구소(Vector Institute) 등 세계 최고 수준의 AI 연구기관 소속 석학들이 대거 참여했다.
학계 기조연설에서는 레슬리 팩 캘블링(Leslie Pack Kaelbling) 미국 매사추세츠공과대학교(MIT) 파나소닉 석좌교수가 '합리적 로봇(Rational Robots)'을 주제로 AI 연구의 미래 비전을 제시했다. 산업계 기조연설에서는 노엄 브라운(Noam Brown) 오픈AI(OpenAI) 리서치 부문 부사장이 '대규모 추론 단계 연산의 의미와 영향(Implications of Large-Scale Test-Time Compute)'을 주제로 발표했다.
이어진 심층 패널토론에서는 '글로벌 AI 리더십 확보를 위한 산·학·관 협력(Global AI Leadership: Academia-Industry-Government Collaboration)'을 주제로 김기응 국가AI연구거점 센터장이 좌장을 맡았다. 캘블링 교수와 브라운 부사장, 조경현 글로벌AI프론티어랩 공동소장, 에밀리 블랙 뉴욕대학교 교수가 패널로 참여해 글로벌 AI 경쟁력 확보를 위한 국제 공동연구와 산학협력 방안을 논의했다.
오후에는 ▲거대언어모델 및 에이전틱 AI(좌장 옥정슬 POSTECH 교수) ▲멀티모달 AI(좌장 이창희 고려대 교수) ▲과학을 위한 AI(좌장 예종철 KAIST 교수) ▲피지컬 AI 및 체화형 지능(좌장 심현정 KAIST 교수) ▲삶을 위한 AI(좌장 여진영 연세대 교수) ▲신뢰·안전·거버넌스 AI(좌장 노 알버트 연세대 교수) 등 6개 전문 세션이 병렬 운영됐다.
각 세션에는 임우형 LG AI연구원 원장, 멍예 런 뉴욕대 교수, 황성주 KAIST 교수, 조민수 POSTECH 교수, 모리타 준 퍼플렉시티 아시아 대표, 김명주 인공지능안전연구소 소장을 비롯해 앤트로픽, 네이버클라우드, 트웰브랩스, 루닛, LG전자, 포스코홀딩스 등 국내외 AI 연구자와 산업계 리더들이 발표자로 참여해 최신 연구 동향과 산업 적용 사례를 공유했다.
한편, 얀 르쿤 글로벌AI프론티어랩 공동소장, 최예진 스탠퍼드대학교 교수, 푸시미트 콜리 구글 딥마인드 부사장은 영상 축전을 통해 행사를 축하했다.
심포지엄과 함께 'AI 가치사슬의 완성: 연구에서 일상으로 – 대한민국 국가 AI 혁신 연합(Completing the AI Value Chain: From Research to Life – Korea's National AI Innovation Alliance)' 특별 전시도 마련됐다.
이번 전시는 AI 연구 성과가 산업과 일상으로 확산되는 전 과정을 소개하기 위해 The Core(연구), The Backbone(인프라), The Engine(산업), The Experience(일상) 등 4개 존으로 구성됐다. 주관기관인 국가AI연구거점과 글로벌AI프론티어랩을 비롯해 13개 AI 선도기업이 참여했다.
특히 전시의 한편에는 퍼플렉시티(Perplexity)와 함께하는 'AI ART' 특별 섹션이 마련돼 인간의 상상력과 인공지능이 함께 만들어내는 새로운 시각 언어를 선보였으며, AI가 새로운 창작 도구이자 협업 파트너로 활용되는 가능성을 제시했다.
김기응 국가AI연구거점 센터장은 "이번 심포지엄은 AI 연구를 넘어 산업과 일상으로 확산되는 생태계를 함께 만들어가는 국제 협력의 장이 됐다"며 "세계 최고 연구기관과 기업 간 연구 교류와 공동연구를 확대해 글로벌 AI 혁신의 선순환을 이끌어가겠다"고 말했다.
배충식 총장은 "국가AI연구거점은 대한민국 AI 연구역량을 세계와 연결하는 핵심 허브"라며 "KAIST는 앞으로도 국제 공동연구와 인재 교류를 확대해 대한민국이 글로벌 AI 혁신과 거버넌스 논의를 선도하는 데 기여하겠다"고 말했다.
국가AI연구거점(KAIST 주관)은 2024년 10월 과학기술정보통신부와 정보통신기획평가원(IITP)의 지원으로 설립된 국내 최대 규모의 AI 산·학·연 협력 연구 플랫폼이다. KAIST를 비롯해 고려대학교, POSTECH, 연세대학교 등 4개 대학과 국내외 기업, 연구기관, 지자체가 참여하고 있으며, 일본 이화학연구소(RIKEN), 캐나다 이바도(IVADO)·벡터 연구소(Vector Institute), 프랑스 프레리 연구소(PR[AI]RIE Institute) 등 해외 주요 기관과의 협력을 통해 글로벌 AI 연구 네트워크를 확대하고 있다.
2026.07.03 조회수 2131 -
김재철AI대학원, 제조AI 전환 세미나 개최
김재철AI대학원 성남연구센터는 오는 7월 2일 서울 한국과학기술회관에서 ‘AI팩토리 역량 강화 세미나 2026’을 개최한다.
이번 세미나는 제조기업의 AI팩토리 전환에 필요한 데이터 구축 전략과 현장 적용 사례를 공유하고, 제조AI 도입을 준비하는 기업들이 실제 추진 과정에서 마주하는 기술적·운영적 과제를 함께 논의하기 위해 마련됐다.
세미나는 제조 Physical AI, AIOps와 데이터 운영체계, 데이터 기반 AI 도입 전략 등 제조 현장에서 요구되는 핵심 주제를 중심으로 진행될 예정이다.
기조강연에서는 KAIST 장영재 교수가 ‘제조피지컬 AI’를 주제로 제조 현장과 인공지능 기술의 결합 방향을 소개한다. 이어 성민수 아이벡스 대표이사는 ‘제조 Physical AI 기술 및 애플리케이션에 대한 이해’를 주제로 제조 현장에 적용 가능한 피지컬 AI 기술과 활용 사례를 공유한다. 정경순 아하랩스 대표는 ‘지속 가능한 AI를 위한 AIOps와 데이터 운영체계의 중요성’을 주제로 AI 모델을 일회성으로 개발하는 데서 나아가 지속적으로 운영·개선하기 위한 데이터 및 운영 체계의 필요성을 다룬다. 이현동 슈퍼브에이아이 부대표는 ‘AI팩토리, 모델이 아니라 데이터에서 멈춘다 — 도입률 80% vs 양산 10%의 간극을 넘는 3가지 돌파 전략’을 주제로 제조AI 도입 과정에서 데이터 준비와 운영 전략이 갖는 중요성을 실제 사례 중심으로 설명할 예정이다.
특히 이번 행사는 단순 기술 소개를 넘어, 제조 현장의 AI 도입 과정에서 반복적으로 제기되는 데이터 품질, 모델 운영, 현장 적용성, PoC 이후 양산 전환 등의 문제를 집중적으로 다룬다. 이를 통해 제조AI가 단일 모델 개발의 문제가 아니라 데이터 수집·정제·운영·검증·현장 확산이 결합된 종합적 전환 과제라는 점을 공유할 계획이다.
세미나 후반부에는 사전 신청 기업을 대상으로 기술상담 프로그램도 함께 진행된다. KAIST 교수진과 연사들은 참여 기업의 현장 문제와 AI 도입 수준을 바탕으로 적용 가능 기술, 데이터 준비 방향, 후속 협업 가능성 등을 논의할 예정이다.
KAIST 김재철AI대학원 성남연구센터는 앞으로도 제조AI 교육, 기술 세미나, 기업 기술상담을 연계해 제조기업의 AI 도입 장벽을 낮추고, 현장 중심의 AI팩토리 전환을 지원할 계획이다. 이를 통해 제조기업이 단편적인 PoC를 넘어 실제 운영 가능한 AI 적용 역량을 확보할 수 있도록 지속적인 기술 확산 기반을 마련해 나갈 예정이다.
본 행사는 ‘제조AI 솔루션 개발 지원센터’ 사업의 일환으로 산업통상부, 경기도, 성남시의 지원(RS-2025-25458141)을 받아 추진된다. 행사 사전등록은 현재 진행 중이며, 참가를 희망하는 기업 및 관계자는 사전등록 페이지를 통해 신청할 수 있다.
※사전등록: https://forms.gle/99d6cSXUVfg445S76, 행사 홈페이지: https://xai.kaist.ac.kr/AI-Factory-Capability-Seminar/2026/
2026.06.30 조회수 1323 -
인스타그램 광고 성과 미리 예측하는 AI ‘애드바이저’ 개발
소셜미디어 광고는 보통 여러 광고 시안을 실제로 운영해 본 뒤에야 어떤 광고가 효과적인지 확인할 수 있다. 이 때문에 광고를 테스트하는 과정에서 많은 시간과 비용이 필요하다. 더욱이 효과적인 광고의 기준은 브랜드마다 크게 다르다. 어떤 브랜드는 인물 중심 광고를 선호하는 반면, 다른 브랜드는 실제 사용 장면을 강조한 광고에서 더 좋은 반응을 얻기도 한다. 하지만 이러한 브랜드별 효과적인 광고 전략은 현업에서도 명확히 정리돼 있지 않은 경우가 많아, 이를 체계적으로 반영해 광고 성과를 예측하는 기술에도 한계가 있었다.
이러한 문제를 해결하기 위해 KAIST 신기정 교수 연구팀은 인공지능 마케팅 기업 ㈜매드업과의 협력을 통해, 브랜드별 광고 성과를 예측하는 AI 기술인 ‘애드바이저(ADvisor)’를 개발했다.
ADvisor는 이미지와 텍스트를 동시에 이해하는 생성형 시각-언어 모델을 활용하여 브랜드마다 서로 다른 광고 성공 기준을 찾아내고 이를 기반으로 광고 효과를 예측한다. 이를 위해, 브랜드의 특성을 분석할 뿐 아니라, 광고 데이터가 충분하지 않은 신규 브랜드에 대해서는, 비슷한 성향의 다른 브랜드 광고 데이터를 함께 고려해 광고 전략을 도출한다. 이러한 과정을 통해 특정 패션 브랜드에서는 ‘강한 헤드라인 문구’가 중요한 기준으로 분석되는 반면, 다른 브랜드에서는 ‘로고 노출도’가 핵심 요소로 작용하는 등 브랜드마다 서로 다른 광고 성공 기준을 찾아낼 수 있다. 이후 ADvisor는 이렇게 도출한 브랜드별 기준을 바탕으로 광고를 평가한 뒤, 스스로 평가 결과를 다시 검토하고 부족한 부분을 반복적으로 보완하는 과정을 거쳐 최종 예측을 수행한다.
연구팀은 실제 마케팅 캠페인을 통해 수집한 뷰티·패션·플랫폼 분야의 10개 브랜드 데이터를 활용해 기술 성능을 검증했다. 그 결과, ADvisor는 기존 AI 광고 예측 모델 대비 최대 7.2% 높은 성능을 기록했다. 특히 실제 인스타그램 광고 환경에서 진행한 온라인 A/B 테스트에서는 현업 마케팅 전문가가 선택한 광고보다 클릭률(CTR), 클릭당 비용(CPC), 광고비 대비 매출(ROAS) 등 주요 지표에서 평균 27% 더 우수한 성과를 보이며 실제 마케팅 의사결정에 활용될 수 있음을 입증했다.
신기정 교수는 “광고 성과를 사전에 예측하는 것은 효과적인 광고 제작을 위한 첫 단계”라며, “앞으로는 브랜드 특성에 맞는 광고를 AI가 직접 생성하고 최적화하는 방향으로 연구를 발전시켜 나갈 것”이라고 밝혔다.
KAIST 김재철AI대학원의 김경호 석박통합과정과 최연제 석사과정이 제1저자로 참여한 이번 연구는 자연어처리 분야 최고 권위 국제학술대회 중 하나인 ACL 2026의 산업체 부문(Industry Track)에 온라인으로 4월 18일 게재되었으며 구두 발표 논문으로 채택되어 오는 7월 미국에서 발표될 예정이다.
※논문명: Pre-Deployment Advertisement Ranking under Data Scarcity via Context-Aware Criteria Generation with VLMs
※논문 링크: https://openreview.net/forum?id=il84gAzAxx
한편, 이번 연구는 정보통신기획평가원의 지원을 받은 ‘EntireDB2AI: 전체 관계형 데이터베이스를 종합적으로 활용하는 심층 표현 학습 및 예측 원천기술과 소프트웨어 개발’과제의 성과다.
2026.05.29 조회수 1764 -
김재철AI대학원, 제조 AI 실무 인재 양성·산학 협력 본격화
우리 대학 김재철AI대학원은 국내 제조 산업의 인공지능(AI) 확산을 이끌 실무 인재 양성과 산학 네트워킹 활성화에 나서고 있다.
김재철AI대학원 성남연구센터는 제조 기업의 AI 도입 장벽을 낮추고 실질적인 기술 확산을 도모하기 위해 ▲실무자 양성 교육과 ▲기술 네트워킹 행사를 연계한 통합 지원 프로그램을 운영하고 있다.
우선, 지난 1월 27일부터 시작된 AI 팩토리 전환 실무자 양성과정은 제조 현장에 즉시 투입 가능한 AI 전문 인력을 길러내는 것을 목표로 한다. 현재 진행 중인 1단계 기초 AI 과정은 향후 제조 AI로 확장 가능한 핵심 이론과 실습 역량을 체계적으로 다지는 단계로, 실무 적용을 위한 기반 역량을 집중적으로 강화하며 높은 호응을 얻고 있다.
주관 측은 이번 기초 과정을 시작으로, 올해 상반기 중 ▲제조 AI 주요 태스크를 다루는 2단계 제조 AI 응용 과정과 ▲기업 실제 데이터를 기반으로 문제를 해결하는 3단계 기업 맞춤형 프로젝트 과정을 순차적으로 개설할 예정이다. 이를 통해 단발성 교육이 아닌, 기초 역량 확보부터 현장 적용형 심화 프로젝트까지 이어지는 단계별 로드맵을 제공한다는 계획이다.
이와 더불어, KAIST는 제조 AI 분야의 최신 기술 트렌드를 공유하고 현장의 애로사항을 해결하기 위한 ‘AI팩토리 커넥트 데이 2026’를 2월 25일(수) 서울 한국과학기술회관에서 성황리에 개최하였다.
AI팩토리 커넥트 데이 2026는 제조 기업 실무자와 AI 전문가를 연결해 지속적인 기술 협업을 도모하는 네트워킹 행사로 기획되었다. 이번 행사에서는 ▲크라우드웍스 양수열 CTO의 ‘Agentic AI로 가는 길: 산업형 AI 에이전트 전략’ ▲KAIST 이종석 교수의 ‘제조 AI 모델 학습에서의 데이터 한계와 대응 방법’ ▲(주)인이지 유보선 기술이사의 ‘인공지능의 제조 공정 적용’ 등 업계 전문가들의 초청 강연이 진행되었으며, 제조 현장에서의 AI 적용 전략과 단계적 도입 방안에 대한 논의가 이루어졌다.
특히 기술 세미나에 이어 진행된 ‘1:1 기술 상담’ 프로그램에서는 제조 AI 솔루션 개발 지원센터 자문단이 참여해, AI 도입을 고민하는 기업들의 현재 수준을 진단하고 향후 추진 방향과 준비 과제를 함께 모색하는 자리를 마련했다. 이를 통해 참가 기업들이 자사 여건에 맞는 AI 도입 로드맵을 구체화하는 계기를 제공했다.
이번 프로그램은 정부와 민간이 함께 ‘2030 제조 AI 최강’ 도약을 목표로 출범한 AI 팩토리 M.AX 얼라이언스의 생태계 확산을 뒷받침하기 위해 추진되었다. KAIST는 M.AX 얼라이언스의 주요 참여 기관으로서, 체계적인 AI 교육을 통해 산업 수요에 부합하는 전문 인력을 양성하고 이를 현장에 연계·확산하는 역할을 수행하고 있다. 아울러 AI팩토리 커넥트 데이 2026를 통해 AI 도입을 희망하는 수요기업과 기술 역량을 보유한 공급기업 간의 교류를 활성화하며, 제조 AI 확산을 위한 핵심 가교로 자리매김해 나갈 계획이다.
본 성과는 '제조AI 솔루션 개발 지원센터'를 통해 산업통상자원부 및 경기도, 성남시의 지원을 받아 추진되었다.
2026.02.26 조회수 3979 -
다크나잇 속 조커가 ‘내가 되는’ 기술 개발
만약 영화 다크나잇을 보면서 화면 속 조커를 바라보는 것이 아니라, 내가 조커가 되어 고담시를 직접 바라본다면 어떨까. 관객의 시선이 아닌 등장인물의 눈으로 세상을 경험하는 영상 기술이 현실이 되고 있다. 우리 대학 연구진이 일반 영상만으로도 사용자가 직접 보는 시점의 영상을 생성하는 새로운 인공지능 모델을 개발했다.
으리 대학은 김재철AI대학원 주재걸 석좌교수 연구팀이 관찰자 시점의 영상만을 활용해 영상 속 인물이 실제로 보고 있었을 장면을 정밀하게 생성하는 인공지능 모델 ‘에고엑스(EgoX)’를 개발했다고 23일 밝혔다.
최근 증강현실(AR), 가상현실(VR), AI 로봇 기술이 빠르게 발전하면서 ‘내가 직접 보는 장면’을 그대로 담은 1인칭 시점 영상(Egocentric video)의 중요성이 커지고 있다. 그러나 고품질의 1인칭 영상을 얻기 위해서는 사용자가 고가의 액션캠이나 스마트 글래스를 직접 착용해야 하는 한계가 있었다. 또한 이미 촬영된 일반 영상(제3자 시점, Exocentric video)을 1인칭 시점으로 자연스럽게 변환하는 데에도 기술적 제약이 존재했다.
이번 기술은 단순히 화면을 회전시키는 수준을 넘어, 인물의 위치와 자세, 주변 공간의 3차원(3D) 구조를 종합적으로 이해한 뒤 이를 기반으로 1인칭 시점 영상을 재구성한다는 점이 특징이다.
기존 기술은 정지 이미지만 변환하거나 4대 이상의 카메라 영상이 필요한 경우가 많았다. 또한 빛의 방향이나 움직임이 복잡한 동영상에서는 화면이 어색해지는 문제가 있었다.
반면 EgoX는 단 하나의 3인칭 시점 영상만으로도 고품질의 1인칭 영상을 생성할 수 있다. 연구팀은 특히 인물의 머리 움직임과 실제 시야 사이의 상관관계를 정밀하게 모델링함으로써, 고개를 돌릴 때 시야가 자연스럽게 전환되는 모습까지 사실적으로 구현하는 데 성공했다.
이 기술은 특정 환경에 국한되지 않고 요리, 운동, 작업 등 다양한 일상 상황에서도 안정적인 성능을 보였다. 이를 통해 별도의 웨어러블 장치를 착용하지 않고도 기존에 축적된 영상으로부터 고품질의 1인칭 시점 데이터를 확보할 수 있는 새로운 가능성을 열었다는 평가를 받고 있다.
EgoX는 향후 다양한 산업 분야에 상당한 파급력을 미칠 것으로 기대된다. AR·VR 및 메타버스 분야에서는 일반 영상을 사용자가 직접 체험하는 듯한 몰입형 콘텐츠로 전환해 사용자 경험을 극대화할 수 있다.
또한 로봇이 사람의 행동을 보고 학습하는 모방 학습(Imitation Learning)의 핵심 데이터로 활용될 수 있어 로봇과 AI 학습 분야에도 기여할 것으로 전망된다. 스포츠 중계나 브이로그를 선수나 주인공의 시점으로 전환하는 등 새로운 형태의 영상 서비스도 가능해질 것으로 기대된다.
주재걸 석좌교수는 “이번 연구는 단순한 영상 변환 기술을 넘어, 인공지능이 사람의 ‘시야’와 ‘공간 이해’를 학습해 재구성했다는 점에서 의미가 크다”며 “앞으로는 기존에 촬영된 영상만으로도 누구나 몰입형 콘텐츠를 제작하고 경험할 수 있는 환경이 열릴 것으로 기대한다”고 말했다. 이어 “KAIST는 생성형 AI 기반 비디오 기술 분야에서 세계적 경쟁력을 확보해 나갈 것”이라고 덧붙였다.
이번 연구는 강태웅, 김기남 KAIST 박사과정, 김도현 서울대 학부연구생이 제 1저자로 참여했으며, 논문은 2025년 12월 9일 arXiv에 선공개되어 미국 NVIDIA 및 Meta 등의 빅테크들을 비롯한 AI 산업 및 학계의 큰 주목을 받았으며, 2026년 6월 3일 미국 콜로라도에서 열리는 국제 학술대회인 The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)에 공식 발표될 예정이다.
※ 논문명: EgoX: Egocentric Video Generation from a Single Exocentric Video, 논문링크: https://keh0t0.github.io/EgoX/
※ 저자: 강태웅(제1저자, KAIST), 김기남(제1저자, KAIST), 김도현 (제1저자, 서울대학교), 박민호 (공동저자, KAIST), 형준하 (공동저자, KAIST), 주재걸(교신저자, KAIST)
한편, 이번 연구는 과학기술정보통신부 재원으로 한국연구재단의 지원을 받은 개인기초연구사업 ‘생성형 인공지능 기술을 통한 사용자 중심 콘텐츠 생성 및 편집 기술 연구’ 과제와, 슈퍼컴퓨터 5호기 초고성능컴퓨팅 기반 R&D 혁신 지원 사업 ‘디퓨전 모델 기반 비디오 촬영 시점 변환 연구’ 과제의 지원을 받아 수행됐다.
2026.02.23 조회수 2842 -
KAIST-카카오뱅크, '설명 가능한 AI' 속도 11배 높였다. "금융 AI 신뢰도↑"
우리 대학 김재철AI대학원 최재식 교수 연구팀이 ㈜카카오뱅크(대표 윤호영)와 공동으로 인공지능(AI) 모델의 판단 근거를 실시간으로 설명할 수 있는 가속화 설명 기술을 개발했다고 밝혔다.
이번 연구 성과는 AI 모델의 예측 결과에 대한 기존 설명 알고리즘 대비 평균 8.5배, 최대 11배 이상 빠른 처리 속도를 달성해, 금융 서비스 등 실시간 의사결정이 필요한 분야에서 설명가능 인공지능(Explainable Artificial Intelligence, 이하 XAI) 기술의 실용화 가능성을 크게 높였다.
금융 분야에서는 AI 시스템이 내린 결정에 대한 명확한 설명이 필수적이다. 특히 대출 심사나 이상거래 탐지와 같이 고객의 권익과 직결된 서비스에서는 AI 모델의 판단 근거를 투명하게 제시해야 하는 규제 요구가 점차 강화되고 있다. 하지만 기존의 설명가능 인공지능(XAI) 기술은 정확한 설명을 생성하기 위해 수백에서 수천 개의 기준점(Baseline)을 반복 계산해야 하므로 막대한 연산 비용이 발생했다. 이는 실시간 서비스 환경에서 설명가능 인공지능 (XAI) 기술의 적용을 제약하는 주요 요인이었다.
최재식 교수 연구팀은 이러한 문제를 해결하기 위해 'ABSQR(Amortized Baseline Selection via Rank-Revealing QR)'이라는 설명 알고리즘 가속화 프레임워크를 개발했다. ABSQR은 AI 모델 설명 과정에서 생성되는 가치 함수 행렬(value function matrix)이 저차원 구조를 가진다는 점에 착안해, 수백 개의 기준점 중에서 핵심적인 소수만을 선별하는 방식을 도입했다. 기준점 개수에 비례하던 연산량을 선별된 중요 기준점 개수에만 비례하도록 획기적으로 줄여, 설명 정확도는 유지하면서도 계산 효율성을 극대화했다.
구체적으로 ABSQR은 두 단계로 작동한다. 첫 번째 단계에서는 특이값 분해(SVD)와 랭크 판별형 QR 분해(Rank-Revealing QR decomposition) 기법을 활용해 중요한 기준점들을 체계적으로 선별한다. 이는 기존의 무작위 샘플링 방식과 달 정보력 복원 유지를 목적으로 한 결정론적 선택 방법으로, 설명의 정확도를 보장하면서도 계산량을 획기적으로 줄일 수 있다. 두 번째 단계에서는 사전에 계산해둔 기준점의 가중치들을 클러스터 기반 검색을 통해 재사용하는 가속화 추론(amortized inference) 메커니즘을 도입해, 실시간 서비스 환경에서 모델 평가를 반복하지 않고도 모델의 예측 결과에 대한 설명을 제공할 수 있게 했다.
연구팀은 다양한 실제 데이터셋을 대상으로 한 실험을 통해 ABSQR의 우수성을 검증했다. 금융, 마케팅, 인구통계 등 5개 분야의 표준 데이터셋에 대한 테스트 결과, ABSQR은 모든 기준점을 사용하는 기존 설명 알고리즘 대비 평균 8.5배 빠른 처리 속도를 달성했으며, 최대 11배 이상의 속도 향상을 기록했다. 또한, 속도 향상에 따른 설명 정확도 저하를 최소화하여 기준 알고리즘 대비 최대 93.5%의 설명 정확도를 유지했다. 이는 실무 환경에서 요구되는 설명 품질을 충분히 만족하는 수준이다.
카카오뱅크 관계자는 "앞으로도 끊임없는 연구개발을 통해 금융 서비스의 신뢰도와 편의성을 높이고, 고객이 체감할 수 있는 혁신적인 금융 기술을 선보이겠다"고 밝혔다.
공동 제1 저자인 KAIST 이찬우, 박영진 연구원은 "금융 분야에서 실시간 적용을 위해 가장 중요한 과제인 가속화 문제를 해결한 방법론으로, 사용자에게 학습 모델에 대한 의사결정 원인을 실시간으로 제공할 수 있음을 입증했다"라고 연구의 의의를 설명했다. 이어 "이번 연구는 설명 알고리즘에서 불필요한 연산과 중요한 기준점 선택이 무엇인지에 대한 새로운 통찰을 제공하며, 설명 기술의 효율성 향상에 실질적으로 기여할 것"이라고 덧붙였다.
KAIST 김재철AI대학원 이찬우, 박영진 박사 과정 연구원과 카카오뱅크 금융기술연구소 이현근, 유예은 연구원이 공동 제1 저자로 참여한 이번 연구는 정보 및 지식 관리 분야의 세계 최고 권위 학술대회인 'CIKM 2025(ACM International Conference on Information and Knowledge Management)'에서 11월 12일에 발표되었다.
※ 논문명: Amortized Baseline Selection via Rank-Revealing QR for Efficient Model Explanation
※ 저자 정보:
- 공동 제1저자: 이찬우(KAIST 김재철AI대학원), 박영진(KAIST 김재철AI대학원), 이현근(카카오뱅크), 유예은(카카오뱅크)
- 공저자: 한대희(카카오뱅크), 최준호(KAIST 김재철AI대학원), 김건형(KAIST 김재철AI대학원)
- 교신저자: 김나리(KAIST 김재철AI대학원), 최재식(KAIST 김재철AI대학원)
※ DOI: https://doi.org/10.1145/3746252.3761036
한편, 이번 연구성과는 카카오뱅크의 산학 연구과제 ‘금융분야 설명가능 인공지능 알고리즘 고도화 연구’와 과기정통부·정보통신기획평가원(IITP)의 지원 과제 ‘플러그앤플레이 방식으로 설명가능성을 제공하는 인공지능 기술 개발 및 인공지능 시스템에 대한 설명 제공 검증'를 통해 수행됐다.
2025.12.11 조회수 3902 -
AI로 인간 집단행동 예측! 세계 최고 학회에서 1위.. 23년 만의 쾌거
우리 대학은 김재철AI대학원 신기정 교수 연구팀이 개인의 나이, 역할 등 특성이 집단 관계에 미치는 영향을 분석해 복잡한 사회 집단행동을 예측하는 획기적인 AI 기술을 개발했다고 9일 밝혔다.
연구팀은 이 기술로 미국전기전자학회(IEEE) 주관 세계적 데이터마이닝 학술대회 'IEEE ICDM'에서 최우수 논문상(Best Paper Award)을 수상하는 쾌거를 이루었다. 이는 전 세계 785편 중 단 1편에게만 주어지는 최고 권위의 상으로, 한국 대학 연구팀으로서는 23년 만의 수상으로 KAIST가 다시 한 번 세계 연구 무대에서 기술 리더십을 입증했다.
오늘날 온라인 커뮤니티·연구 협업·단체 채팅 등 다수가 동시에 참여하는 집단 상호작용은 사회 곳곳에서 폭발적으로 늘고 있다. 그러나 이러한 집단 행동이 어떤 구조로 형성되고, 개인의 특성이 어떻게 영향을 미치는지를 동시에 정밀하게 설명해 내는 기술은 부족했다.
신기정 교수 연구팀은 이 한계를 뛰어넘기 위해 개인 특성과 집단 구조를 실제처럼 맞물리게 재현하는 AI 모델 ‘NoAH(Node Attribute-based Hypergraph Generator)’를 개발했다.
NoAH는 사람들의 특징이 모이면 어떤 그룹 행동이 만들어지는지를 설명하고 흉내내는 인공지능이다. 예를 들어, 어떤 사람이 어떤 관심사를 갖고 있는지, 어떤 역할을 하는지 등의 정보들이 실제로 어떻게 모여서 그룹 행동을 만들어 내는지를 분석해 그대로 재현할 수 있다.
그래서 NoAH는 사람의 성향과 관계를 동시에 반영해 ‘현실 같은 집단 행동’을 만들어 내는 AI로, 전자상거래에서의 구매 조합, 온라인 토론의 확산 과정, 연구자들의 논문 공저 네트워크 등 다양한 실제 집단 행동을 기존 모델보다 훨씬 더 사실적으로 재현하는 것으로 나타났다.
신기정 교수는 “이번 연구는 집단의 구조뿐 아니라 개인의 특성까지 함께 고려해, 복잡한 상호작용을 입체적으로 이해할 수 있는 새로운 AI 패러다임을 열었다”며 “온라인 커뮤니티, 메신저, 소셜 네트워크 분석 등이 한층 정밀해질 것”이라고 말했다.
이번 연구는 신기정 교수와 KAIST 김재철AI대학원 소속 전재완·윤석범 석사과정, 최민영·이건 박사과정으로 구성된 연구팀이 수행하였으며, IEEE ICDM에서 11월 18일 자 발표하였다.
※논문명: Attributed Hypergraph Generation with Realistic Interplay Between Structure and Attributes
논문원본: https://arxiv.org/abs/2509.21838
한편, 신 교수 연구팀은 이번 수상 논문을 포함해 올해 IEEE ICDM에서 총 네 편의 논문을 발표했다. 또한 2023년에도 같은 학술대회에서 상위 4등인 Best Student Paper Runner-up을 수상한 바 있다.
이 성과는 정보통신기획평가원의 지원을 받은 AI 연구거점 프로젝트, 인공지능 대학원 지원(KAIST), 인공지능 에이전트 협업기반 신경망 변이 및 지능 강화 기술 개발 과제의 지원을 받았다.
2025.12.09 조회수 6579 -
김기응 국가AI연구거점 센터장, 'SW산업인의 날' 근정포장 수훈
우리 대학 김기응 교수(국가 AI 연구거점 센터장, 김재철AI대학원 석좌교수)가 1일 서울 양재동 엘타워에서 열린 ‘제26회 소프트웨어 산업인의 날’ 기념식에서 SW산업발전 유공자 근정포장을 수여받았다.
과학기술정보통신부(장관 배경훈)가 주최하고 정보통신산업진흥원(원장 박윤규)과 한국소프트웨어산업협회(회장 조준희)가 주관한 이번 행사는 대한민국 소프트웨어 및 AI 산업 발전에 기여한 유공자를 포상하고 산업인의 위상을 드높이기 위해 마련됐다. 이날 행사에는 배경훈 부총리 겸 과기정통부 장관이 직접 참석하여 시상했다.
김기응 센터장은 김재철AI대학원 석좌교수로서 강화학습 등 AI 원천 기술 분야를 선도해왔을 뿐만 아니라 국가 AI 연구거점(NAIRL)의 총괄책임자를 맡아 국내 최대 규모의 산·학·연·관 콘소시엄을 이끄는 등 국가 발전에 기여한 공로를 인정받았다.
한편, 국가 AI 연구거점(KAIST 주관)은 2024년 10월 과학기술정보통신부(장관 배경훈)·정보통신평가기획원(원장 홍진배)의 지원을 받아 설립된 이후 KAIST·고려대·연세대·포스텍 4개 대학과 다수의 해외 연구기관이 함께 협력하는 체제로 운영되며 글로벌 AI 연구 생태계를 강화하고 있다.
실제로 거점은 지난 7월 일본 이화학연구소(RIKEN)와의 협력 관계를 수립하고 10월에는 '글로벌 AI 프론티어 심포지엄 2025'를 개최하여 튜링상 수상자인 얀 르쿤 교수 등 세계적 석학들과의 교류를 주도하는 등 '개방형 혁신(Open Innovation)'을 구현한 바 있다.
김기응 센터장은 "(이번 수훈에 대해) 어깨가 무겁고 막중한 책임감을 느낀다"며 "앞으로도 국가 인공지능(AI) 및 소프트웨어(SW) 분야의 발전을 위해 더욱 매진하겠다"고 밝혔다.
2025.12.02 조회수 2771 -
AI가 어떻게 생각하는가?...의사결정 내부 구조 첫 시각화
딥러닝 기반 이미지 인식 기술이 빠르게 고도화되고 있지만, AI가 내부에서 어떤 기준으로 이미지를 보고 판단하는지는 여전히 명확히 설명하기 어려운 영역으로 남아 있다. 특히 대규모 모델이 어떤 개념(예: 고양이 귀, 자동차 바퀴 등)을 어떻게 조합해 결론을 내리는지 분석하는 기술은 오랫동안 해결해야 할 과제로 제기돼 왔다.
우리 대학은 김재철AI대학원 최재식 교수 연구팀이 AI가 어떤 근거로 판단하는지를 인간이 이해할 수 있도록 보여주는‘설명가능성(XAI, Explainable AI)’분야에서, 모델 내부의 개념 형성 과정을 회로(circuit) 단위로 시각화하는 새로운 XAI 기술을 개발했다고 26일 밝혔다.
이번 연구는 ‘AI가 어떻게 생각하는지’를 구조적으로 들여다볼 수 있도록 한 중요한 진전으로 평가된다.
딥러닝 모델 내부에는 인간의 뇌처럼 ‘뉴런(Neuron)’이라는 기본 계산 단위가 존재한다. 뉴런은 이미지 속 작은 특징—예를 들어 귀 모양, 특정 색, 윤곽선 등—을 감지하는 기능을 갖고 있으며, 값(신호)을 계산해 다음 단계로 전달한다.
반면 ‘회로(circuit)’는 이러한 뉴런 여러 개가 서로 연결되어 하나의 의미(개념)를 함께 인식하는 구조를 말한다. 예를 들어 ‘고양이 귀’라는 개념을 인식하기 위해서는 귀의 윤곽을 감지하는 뉴런, 삼각형 형태를 감지하는 뉴런, 털 색 패턴을 감지하는 뉴런 등 여러 뉴런이 순차적으로 작동해야 하며, 이들이 하나의 기능 단위(회로)를 이룬다.
지금까지의 설명 기술은 “특정 뉴런이 특정 개념을 본다”는 단일 뉴런 중심의 접근이 많았다. 그러나 실제 딥러닝 모델은 여러 뉴런이 협력하는 회로 구조로 개념을 형성하며, KAIST 연구팀은 이 점에 착안해 AI의 개념 표현 단위를 '뉴런 → 회로'로 확장해 해석하는 기술을 제시했다.
연구팀이 개발한 ‘세분화된 개념회로(Granular Concept Circuits, GCC)’ 기술은 이미지 분류 모델이 내부에서 개념을 형성하는 과정을 회로 단위로 분석하고 시각화하는 새로운 방식이다.
GCC는 뉴런 민감도(Neuron Sensitivity), 의미 흐름 점수(Semantic Flow)를 계산해 회로를 자동적으로 추적한다. 뉴런 민감도는 특정 뉴런이 어떤 특징에 얼마나 민감하게 반응하는지, 의미 흐름 점수는 그 특징이 다음 개념으로 얼마나 강하게 전달되는지를 보여주는 지표로, 이를 통해 색·질감 같은 기본 특징이 어떻게 상위 개념으로 조립되는지 단계적으로 시각화할 수 있다.
연구팀은 특정 회로를 잠시 비활성화(ablation)하는 실험을 수행했다. 그 결과, 회로가 담당하던 개념이 사라지면서 AI의 예측이 실제로 달라지는 현상이 나타났다.
즉, 해당 회로가 실제로 그 개념을 인식하는 기능을 수행하고 있음을 직접적으로 입증한 것이다.
이번 연구는 복잡한 딥러닝 모델 내부에서 개념이 형성되는 실제 구조를 세밀한 회로 단위로 드러낸 최초의 연구로 평가된다. 이를 통해 AI 판단 근거의 투명성 강화, 오분류 원인 분석, 편향(Bias) 검출, 모델 디버깅 및 구조 개선, 안전성·책임성 향상 등 설명가능성(XAI) 전반에서 실질적인 응용 가능성을 제시한 것이다.
연구팀은 “AI가 내부에서 만드는 개념 구조를 사람이 이해할 수 있는 방식으로 보여주는 기술”이라며 “이번 연구는 AI가 ‘어떻게 생각하는지’를 과학적으로 연구할 수 있는 출발점”이라고 밝혔다.
최재식 교수는 “복잡한 모델을 단순화해 설명하던 기존 방식과 달리, 모델 내부를 세부 회로 단위로 정밀하게 해석한 최초의 접근”이라며 “AI가 학습한 개념을 자동으로 추적·시각화할 수 있음을 입증했다”고 말했다.
KAIST 김재철AI대학원 권다희 박사과정과 이세현 박사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술대회 `국제 컴퓨터 비전 학술대회 (International Conference on Computer Vision, ICCV)’에서 10월 21일 발표되었다.
※ 논문명 : Granular Concept Circuits: Toward a Fine-Grained Circuit Discovery for Concept Representations
※ 논문링크: https://openaccess.thecvf.com/content/ICCV2025/papers/Kwon_Granular_Concept_Circuits_Toward_a_Fine-Grained_Circuit_Discovery_for_Concept_ICCV_2025_paper.pdf
한편 이번 연구는 과학기술정보통신부와 정보통신기획평가원(IITP)이 지원하는 사람중심핵심원천기술개발사업의 일환으로 '플러그앤플레이 방식으로 설명가능성을 제공하는 인공지능 기술 개발 및 인공지능 시스템에 대한 설명 제공 검증' 과제, AI 연구거점 프로젝트 및 한국과학기술원 인공지능 대학원 프로그램과제의 지원을 받고 방위사업청과 국방과학연구소의 지원으로 한국과학기술원 미래 국방 인공지능 특화연구센터에서 수행됐다.
2025.11.26 조회수 4619 -
AI가 잘 작동할지 미리 안다. 그래프 학습으로 예측 속도 43배↑
목표 과업에 좋은 성능을 보이는 신경망 구조를 찾는 것은 큰 비용이 소요되어, 신경망의 성능을 효율적으로 예측하는 방법론이 활발히 연구되었다. 우리 대학 김재철AI대학원 소속 김선우 박사과정, 황현진 석박통합과정(지도교수 신기정)은 그래프 기반 사전학습을 이용하여, 기존의 효과적인 방법론의 성능을 개선하면서, 약 43배 빠른 예측 속도를 보이는 예측 기법을 개발하였다.
인공지능 모델은 최근 다양한 분야에서 괄목할 성과를 거두었지만, 모델의 신경망 구조가 해당 모델의 성능에 영향을 크게 미치는 특징이 있다. 그러나 목표 과업에 적합한 신경망 구조를 알고자 직접적으로 해당 신경망 구조를 학습 및 평가하는 방식은 큰 비용이 소요된다. 이를 해결하기 위해, 다른 인공지능 모델을 사용하여 특정 신경망 구조의 성능을 예측하는 방식이 사용되었다. 경량화된 예측 모델은 예측 속도는 빠르나 예측 성능이 낮다는 한계가 있었고, 최근 개발된 방법론은 예측 정확도는 높으나 예측 속도가 매우 느린 문제가 있었다.
우리 대학 김재철AI대학원 소속 김선우 박사과정, 황현진 석박통합과정(지도교수 신기정)은 경량화된 예측 모델에 특수한 그래프 기반 사전학습 방식을 적용하여, 해당 모델이 최근 방법론만큼의 예측 성능을 보이도록 개선하면서, 빠른 예측 속도를 유지하도록 하는 데 성공하였다.
연구팀이 제안한 FGP라는 그래프 기반 사전학습 기법은, 신경망 모델이 갖는 주요한 특징인 정보 흐름을 예측 모델이 포착할 수 있도록 하는 방식이다. 정보 흐름이란 신경망 내 순전파와 역전파를 의미하는 개념으로, 인공지능 모델의 학습에 핵심적이다. 연구팀은 그래프로 표현된 신경망 구조에서 위상 순서에 따라 벡터를 전파 시켜, 해당 신경망 구조의 정보 흐름을 모사한 표현 벡터를 생성하였다. 이후 신경망 성능 예측 모델은 해당 표현 벡터를 생성하는 사전학습 과정을 거치면서, 신경망의 정보 흐름을 포착하는 방식을 학습하게 된다.
연구팀을 다양한 실험을 통해 경량화된 예측 모델이 최신 모델보다 약 43배 빠르게 예측을 수행하면서, 최신 모델 대비 개선된 예측 성능을 보이는 것을 검증하였으며, 기존 사전학습 방법론과 비교하여도 성능 예측 과업 및 신경망 탐색 과업 등 다양한 응용 분야에서 더 효과적임을 검증하였다.
김선우 연구원은 “그래프의 위상 순서를 적절히 응용한 것이 본 방법론의 핵심”이라고 설명했다. 또한 “이 아이디어가 신경망 구조를 나타내는 그래프뿐만이 아니라, 위상 순서가 존재하는 그래프로 표현될 수 있는 다양한 데이터로 확장될 수 있기에, 더 넓은 분야에서 응용되기를 기대한다”고 덧붙였다.
본 연구는 인공지능 분야에서 권위 있는 국제 학술대회인 제39회 신경망 정보 처리 시스템 학회(39th Conference on Neural Information Processing System, 약칭 NeurIPS 2025)에 “Learning to Flow from Generative Pretext Tasks for Neural Architecture Encoding”이라는 제목으로 출판될 예정이다.
이 성과는 정보통신기획평가원의 지원을 받은 “강건하고 공정하며 확장 가능한 데이터 중심의 연속 학습 과제”과제, “인공지능 자율성장을 위한 멀티에이전트 기반 복합지능 강화 기술 개발”과제, “AI 거점 연구 프로젝트”과제의 성과다.
2025.11.11 조회수 3979