%EA%B9%80%EC%9E%AC%EC%B2%A0AI%EB%8C%80%ED%95%99%EC%9B%90
-
KAIST, 생성 AI 국가 R&D 사업서 핵심기술 개발 주도
KAIST는 산업체의 실질적 기술 수요에 기반한 연구 주제 도출, 고급 AI 인재 양성, 연구 성과의 산업 현장 실증을 통해 AI 기술의 산업 적용(AX, AI Transformation) 전환을 주도하고 있다. 이러한 가운데, KAIST가 과학기술정보통신부 주관 생성AI 국가R&D 사업에서 AI 핵심기술 개발에 나서며, 국내 AI 기술 경쟁력 강화에 앞장서고 있다고 13일 밝혔다.
우리 대학은 이번 ‘생성AI 선도인재양성사업’에서 산업체 주관 2개 과제와 기관 주관 1개 과제 등 총 3개 과제 모두의 공동연구기관으로 선정됨으로써, 생성형 AI의 핵심 기술 개발과 산학협력 기반 실무형 핵심 인재 양성이라는 이중 과제를 함께 수행하게 됐다.
또한 ‘독자 AI 파운데이션 모델 개발’사업에서는 총 5개 컨소시엄 중 4개에 우리 교수진이 핵심 연구진으로 참여해, 명실상부한 국내 생성 AI 연구의 중심 축 역할을 하고 있다.
생성AI 선도인재양성사업에서 각 과제당 67억 원, 독자 AI 파운데이션 모델 개발 사업에서 각 컨소시엄은 GPU 인프라 등 총 2,000억 원 규모의 정부 지원을 받는다.
2028년 말까지 진행되는 ‘생성AI 선도인재양성사업’의 일환으로, 우리 대학은 LG AI연구원과 협력, 전산학부 박노성 교수가 KAIST 책임연구자로 참여해 피지컬(Physical) AI 분야 연구를 수행한다. 이 사업은 물리 법칙에 기반한 이미지·비디오 생성 기술과 세계 모델(World Model) 개발에 집중한다.
특히 AI가 물리 세계의 실제 규칙을 더 정밀하게 학습하도록 설계된 모델 구조를 제안한 연구를 박노성 교수팀과 윤성의 교수팀이 진행하고 있고, 이는 물리 기반 생성형 AI(피지컬 AI)의 핵심 기술로 평가받고 있다.
또한 이 과제에는 AI 분야에서 세계적으로 주목받는 성과를 내고 있는 전산학부 박노성, 이재길, 황지영, 윤성의, 김현우 교수가 공동 참여한다. 이들은 올해 AI 분야 최고 학회인 ICLR, ICRA, ICCV, ICML에서 ▲물리 법칙 기반 올리비에-리치 플로우(Ollivier-Ricci Flow) 연구(ICLR 2025, 박노성 교수) ▲사족보행 로봇의 내비게이션 효율성 향상 기술(ICRA 2025, 윤성의 교수) ▲텍스트-비디오 검색을 위한 멀티모달 대형언어모델(ICCV 2025, 김현우 교수) ▲지식 생성을 위한 구조적 표현 학습(ICML 2025, 황지영 교수) 등을 발표했다.
NC AI와의 협력 사업에서는 전산학부 김태균 교수가 책임연구자로 참여해 멀티모달 AI 에이전트 기술을 개발한다. 3D 모델링, 애니메이션, 아바타 표정 생성, 캐릭터 AI 등 게임 산업 전반에 적용 가능한 기술을 연구한다. 게임 제작 파이프라인을 효율화하여 산업 현장을 경험함으로써 실무형 AI 인재를 육성하는 데 기여할 전망이다.
가상세계와 게임 산업에서 몰입감 있는 아바타 구현의 핵심 기술을 개발하고 있는 책임연구자인 김태균 교수는 3차원 컴퓨터 비전, 생성 AI의 석학으로, 이번 메타와 공동 연구를 통해 개발한 1인칭 시점 전신 동작 확산 모델을 VR·AR 환경에 적용할 것이다.
NC와의 사업에는 전산학부 김태균, 성민혁, 오태현 교수와 문화기술대학원 이성희, 우운택, 노준용, 임경태 교수가 참여한다. 이들은 CVPR 2025와 ICLR 2025에서 ▲ 1인칭 시점 전신 동작 확산 모델(CVPR 2025, 김태균 교수) ▲ 이미지 생성을 위한 확률적 확산 동기화 기술(ICLR 2025, 성민혁 교수) ▲ 대규모 3차원 얼굴 메시 비디오 데이터셋 구축(ICLR 2025, 오태현 교수) ▲ 사물 적응적 에이전트 동작 생성 기술 InterFaceRays (Eurographics 2025, 이성희 교수) ▲ 3차원 뉴럴 얼굴 편집 기술 (CVPR2025, 노준용 교수) ▲ 다국어 시각-언어 모델의 선택적 검색 증강 기술 연구(COLING2025, 임경태 교수) 등 세계적인 성과를 발표한 바 있다.
한국전자기술연구원(KETI) 주관 사업에는 김재철AI대학원 김승룡 교수가 생성AI 기술 개발 등에 참여한다. 김 교수팀은 최근에 어도비 리서치(Adobe Research), 구글 딥마인드(Google DeepMind) 등과 함께 비디오 데이터에서 강인한 점추적 정보를 추출하는 기술을 개발하여 비디오를 명확히 이해하고 생성하는 핵심 기술을 제시했다.
각 산업체 파트너는 우리 대학과 공동 강의를 개설하고 보유한 생성AI 파운데이션 모델을 교육·연구용으로 제공한다. 선발된 우수 학생들은 산업체에 파견되어 실무 중심의 연구를 수행하며, 우리 교수진은 LG AI연구원이 설립한 자체 AI 대학원에서 겸임교수로도 활동할 예정이다.
한편 과기정통부 '독자 AI 파운데이션 모델 개발' 사업에 우리 대학은 4개 컨소시엄에 참여해 독보적인 존재감을 보였다.
NC AI 컨소시엄에서는 전산학부 김태균, 윤성의, 박노성, 황지영, 성민혁 교수가 참여해, 멀티모달 파운데이션 모델(LMM) 및 로봇 기반 모델 개발에 집중한다. 특히 공간·물리·시간 상식을 학습하는 방식의 LMM 개발에 주력한다. 즉, 글·그림·영상·소리 등 다양한 정보를 동시에 이해하고 처리할 수 있는 '만능 AI 두뇌'를 가지고 물리 세계를 이해하고 상호작용할 수 있는 차세대 멀티모달 AI 모델 개발에 최적화된 연구팀을 구성했다.
업스테이지 컨소시엄에는 데이터 AI, NLP(자연언어) 각 분야 석학인 전산학부 이재길, 오혜연 교수와 LLM 전문가인 문화기술대학원 임경태 교수가 참여해 금융, 법률, 제조 등 산업별 버티컬 모델 개발을 담당한다. 우리 대학 연구진은 산업 현장에서 바로 적용 가능하고 각 산업에 맞는 실용적 AI 모델 개발에 집중한다.
네이버 컨소시엄에는 멀티모달 학습, 조합적 언어시각 모델에 핵심기술을 가진 전산학부 오태현 교수, 언어 모델을 사용하여 비디오 추론, 생성 방법론을 제시한 김현우 교수와, 김재철AI대학원 및 전자과 교수진이 공동 참여한다.
SKT 컨소시엄에는 텍스트-이미지 생성, 인간 선호도 모델링, 시각적 로봇 조작 기술 개발에서 탁월한 성과를 보이는 김재철AI대학원 이기민 교수가 참여한다. 이 기술은 통신사의 개인화 서비스와 맞춤형 AI 솔루션 개발에 핵심적 역할을 할 것으로 전망된다.
이번 성과는 KAIST가 추진해 온 산업 수요 기반 연구와 현장 실증 중심의 AI 기술 개발 전략이 결실을 맺은 것으로 평가된다.
우리 대학 이광형 총장은 "AI 기술이 학문적 성과를 넘어 산업과 연결되고 실용화되기 위해서는 정부의 지속적 지원과 산학협력 중심의 연구·교육이 핵심”이라며 "KAIST는 앞으로도 산업 현장의 문제를 해결하고 AI 생태계 경쟁력을 높이는 실질적 기여에 힘쓸 것”이라고 밝혔다.
또한 이번 독자 파운데이션 모델 개발 사업에서 KAIST 주관기관으로 지원됐던 김재철AI대학원 황성주 교수 주도의 프로젝트는 아쉽게도 최종 선정에는 이르지 못했지만, 독창적인 접근과 과감한 시도가 돋보인 의미 있는 도전으로 평가받고 있다. 이 총장은 “선정 여부와 관계없이 이러한 시도가 축적되며 대한민국 AI 생태계를 더욱 풍요롭게 만들 것”이라고 덧붙였다.
2025.08.13 조회수 539 -
이성주, 신진우 교수팀, 스스로 새로운 환경 적응하는 인공지능 기술 개발
우리 대학 전기및전자공학부 이성주 교수와 AI대학원 신진우 교수 연구팀이 공동연구를 통해 스스로 환경변화에 적응하는 테스트타임 적응 인공지능 기술을 개발했다고 밝혔다.
해당 연구는 “NOTE: Robust Continual Test-time Adaptation Against Temporal Correlation”라는 제목으로 인공지능 분야 최고권위 국제학술대회 ‘신경정보처리시스템학회(NeurIPS) 2022'에서12월 발표될 예정이다.
이성주 교수와 신진우 교수 공동 연구팀이 스스로 새로운 환경에 적응하는 “테스트타임 적응 (Test-Time Adaptation)” 인공지능 기술을 개발하였다. 연구팀이 제안한 알고리즘은 기존의 최고 성능 알고리즘보다 평균 11% 향상된 정확도를 보였다.
기계학습 모델들의 한계점은 학습했던 데이터와 다른 분포의 데이터에 적용되면 성능이 급격히 하락한다는 것이다. 이를 푸는 여러 방법 중에서 데이터를 미리 수집할 필요없이 모델이 스스로 테스트 데이터를 분석하여 변하는 환경에 적응하고 성능을 향상시키는 기술인 테스트타임 도메인 적응 (Test-Time Adaptation) 방법이 최근 산학계에서 크게 각광을 받고 있었다.
연구팀은 기존의 테스트타임 도메인 적응 기술들이 모두 데이터가 이상적인 균일분포를 따른다는 가정을 한다는 문제점에 착안했다. 실제 데이터는 환경 변화나 시간 변화에 따라 데이터 분포가 변하거나 비균일분포의 데이터에 대해서는 기존 기술을 동작하지 않는다. 하지만 연구팀이 제시한 “NOTE” 기술은 비균일분포의 데이터에서도 기존 최대 성능 알고리즘 보다 평균 11%만큼 향상된 정확도를 보였다.
이성주 교수 연구팀과 신진우 교수 연구팀의 공동연구로, 공태식 박사과정이 제1저자로 연구를 이끌었고, 정종헌 박사과정, 김태원 학사과정, 김예원 석사과정이 공동 저자로 기여하였다.
이성주 교수와 신진우 교수는 ”테스트타임 도메인 적응은 인공지능이 스스로 환경 변화에 적응하여 성능을 향상시키는 기술로, 활용도가 무궁무진하다. 이번에 발표될 NOTE 기술은 실제 데이터 분포에서 성능향상을 보인 최초의 기술이고 자율주행, 인공지능 의료, 모바일 헬스케어 등 다양한 분야에 적용이 가능할 것으로 기대된다.” 라고 밝혔다.
이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원 (No. NRF-2020R1A2C1004062)과 방위사업청과 국방과학연구소의 지원(UD190031RD)으로 한국과학기술원 미래 국방 인공지능 특화연구센터에서 수행된 연구이다.
2022.10.21 조회수 11713