-
내 PC·모바일도 AI 인프라로...챗GPT 비용 낮춘다
대규모 언어모델(LLM) 기반 AI 서비스는 지금까지 대부분 고가의 데이터센터 GPU에 의존해 왔다. 이로 인해 서비스 운영 비용이 높고, AI 기술 활용의 진입장벽도 컸다. 우리 대학 연구진이 비싼 데이터센터 GPU를 덜 쓰고, 주변에 있는 저렴한 GPU를 활용해 AI 서비스를 더 싸게 제공할 수 있는 기술을 개발했다.
우리 대학은 전기및전자공학부 한동수 교수 연구팀이 데이터센터 밖에 널리 보급된 저렴한 소비자급 GPU를 활용해 LLM 인프라 비용을 크게 낮출 수 있는 새로운 기술 ‘스펙엣지(SpecEdge)’를 개발했다고 28일 밝혔다.
SpecEdge는 데이터센터 GPU와 개인 PC나 소형 서버 등에 탑재된 ‘엣지 GPU’가 역할을 나눠 LLM 추론 인프라를 함께 구성하는 방식이다. 이 기술을 적용한 결과, 기존 데이터센터 GPU만 사용하는 방식에 비해 토큰(AI가 문장을 만들어내는 최소 단위)당 비용을 약 67.6% 절감할 수 있었다.
연구팀은 이를 위해 ‘추측적 디코딩(Speculative Decoding)’이라는 방법을 활용했다. 엣지 GPU에 배치된 소형 언어모델이 확률이 높은 토큰 시퀀스(단어 또는 단어 일부가 순서대로 이어진 형태)를 빠르게 생성하면, 데이터센터의 대규모 언어모델이 이를 일괄 검증하는 방식이다. 이 과정에서 엣지 GPU는 서버의 응답을 기다리지 않고 계속 단어를 만들어, LLM 추론 속도와 인프라 효율을 동시에 높였다.
데이터센터 GPU에서만 추측적 디코딩을 수행하는 방식과 비교해 비용 효율성은 1.91배, 서버 처리량은 2.22배 향상됐다. 특히 일반적인 인터넷 속도에서도 문제없이 작동해, 별도의 특수한 네트워크 환경 없이도 실제 서비스에 바로 적용할 수 있는 기술임을 확인했다.
또한 서버는 여러 엣지 GPU의 검증 요청을 효율적으로 처리하도록 설계돼, GPU 유휴 시간 없이 더 많은 요청을 동시에 처리할 수 있다. 이를 통해 데이터센터 자원을 보다 효율적으로 활용할 수 있는 LLM 서빙 인프라 구조를 구현했다.
이번 연구는 데이터센터에 집중돼 있던 LLM 연산을 엣지로 분산시켜, AI 서비스의 기반이 되는 인프라 비용은 줄이고 접근성은 높일 수 있는 새로운 가능성을 제시했다. 향후 스마트폰, 개인용 컴퓨터, 신경망 처리장치(NPU) 등 다양한 엣지 기기로 확장될 경우, 고품질 AI 서비스가 보다 많은 사용자에게 제공될 수 있을 것으로 기대된다.
연구를 이끈 한동수 교수는 “데이터센터를 넘어 사용자의 주변에 있는 엣지 자원까지 LLM 인프라로 활용하는 것이 목표”라며 “이를 통해 AI 서비스 제공 비용을 낮추고, 누구나 고품질 AI를 활용할 수 있는 환경을 만들고자 한다”고 말했다.
이번 연구에는 KAIST 박진우 박사와 조승근 석사과정이 참여했으며, 연구 결과는 12월 2일부터 7일까지 미국 샌디에이고에서 열린 인공지능 분야 최고 권위 국제 학회인 신경정보처리시스템 학회(NeurIPS)에서 스포트라이트(Spotlight)로 (상위 3.2% 논문, 채택률 24.52%) 발표됐다.
※논문명: SpecEdge: Scalable Edge-Assisted Serving Framework for Interactive LLMs,
논문링크: https://neurips.cc/virtual/2025/loc/san-diego/poster/119940, https://arxiv.org/pdf/2505.17052
한편, 이 연구는 정보통신기획평가원 (IITP) ‘AI-Native 응용 서비스 지원 6G 시스템 기술개발’ 과제의 지원을 받아 수행됐다.
2025.12.29
조회수 2640
-
구글 Gemini 구조 악용한 ‘악성 전문가 AI’ 보안 위협 세계 최초 규명
구글 Gemini 등 대부분의 주요 상용 거대언어모델(LLM)은 효율성을 높이기 위해 여러 개의 ‘작은 AI 모델(전문가 AI)’를 상황에 따라 선택해 사용하는 전문가 혼합(Mixture-of-Experts, MoE) 구조를 활용하고 있다. 그러나 이 구조가 오히려 새로운 보안 위협이 될 수 있다는 사실이 KAIST 연구진에 의해 세계 최초로 밝혀졌다.
우리 대학 전기및전자공학부 신승원 교수와 전산학부 손수엘 교수 공동연구팀이 전문가 혼합 구조를 악용해 거대언어모델의 안전성을 심각하게 훼손할 수 있는 공격 기법을 세계 최초로 규명하고, 해당 연구로 정보보안 분야 최고 권위 국제 학회인 ACSAC 2025에서 최우수논문상(Distinguished Paper Award)을 수상했다고 26일 밝혔다.
ACSAC(Annual Computer Security Applications Conference)는 정보보안 분야에서 가장 영향력 있는 국제 학술대회 중 하나로, 올해 전체 논문 가운데 단 2편만이 최우수논문으로 선정됐다. 국내 연구진이 인공지능 보안 분야에서 이 같은 성과를 거둔 것은 매우 이례적이다.
연구팀은 이번 연구에서 전문가 혼합 구조의 근본적인 보안 취약성을 체계적으로 분석했다. 특히 공격자가 상용 거대언어모델의 내부 구조에 직접 접근하지 않더라도, 악의적으로 조작된 ‘전문가 모델’ 하나만 오픈소스로 유통될 경우, 이를 활용한 전체 거대언어모델이 위험한 응답을 생성하도록 유도될 수 있음을 입증했다.
쉽게 말해, 정상적인 AI 전문가들 사이에 단 하나의 ‘악성 전문가’만 섞여 있어도, 특정 상황에서 그 전문가가 반복적으로 선택되며 전체 AI의 안전성이 무너질 수 있다는 것이다. 이 과정에서도 모델의 성능 저하는 거의 나타나지 않아, 문제를 사전에 발견하기 어렵다는 점이 특히 위험한 요소로 지적됐다.
실험 결과, 연구팀이 제안한 공격 기법은 유해 응답 발생률을 기존 0%에서 최대 80%까지 증가시킬 수 있었으며, 다수의 전문가 중 단 하나만 감염돼도 전체 모델의 안전성이 크게 저하됨을 확인했다.
이번 연구는 전 세계적으로 확산되고 있는 오픈소스 기반 거대언어모델 개발 환경에서 발생할 수 있는 새로운 보안 위협을 최초로 제시했다는 점에서 큰 의미를 갖는다. 동시에, 앞으로 AI 모델 개발 과정에서 성능뿐 아니라 ‘전문가 모델의 출처와 안전성 검증’이 필수적임을 시사한다.
신승원·손수엘 교수는 “효율성을 위해 빠르게 확산 중인 전문가 혼합 구조가 새로운 보안 위협이 될 수 있음을 이번 연구를 통해 실증적으로 확인했다”며, “이번 수상은 인공지능 보안의 중요성을 국제적으로 인정받은 의미 있는 성과”라고 말했다.
이번 연구에는 전기및전자공학부 김재한·송민규 박사과정, 나승호 박사 (현 삼성전자), 전기및전자공학부 신승원 교수, 전산학부 손수엘 교수가 참여했으며, 연구 결과는 2025년 12월 12일 미국 하와이에서 열린 ACSAC에서 발표됐다.
※ 논문명: MoEvil: Poisoning Experts to Compromise the Safety of Mixture-of-Experts LLMs, 논문 파일: https://jaehanwork.github.io/files/moevil.pdf, GitHub(기술 오픈소스): https://github.com/jaehanwork/MoEvil
한편 이 연구는 과학기술정보통신부의 한국인터넷진흥원(KISA) 및 정보통신기획평가원(IITP)의 지원을 받았다.
2025.12.26
조회수 4525
-
KAIST IDEC, 전국 단위 시스템반도체 설계 챌린지대회 첫 개최
우리 대학 반도체설계교육센터(IDEC, 소장 박인철)가 주최한 ‘제1회 시스템반도체 설계 챌린지 대회’가 지난 23일 KAIST 학술문화관 정근모 홀에서 성황리에 개최됐다.
이번 대회는 IDEC이 전국 단위로 처음 개최한 반도체 설계 경진대회로, 전국 6개 지역 캠퍼스(경북대, 광운대, 부산대, 전남대, 충북대, 한양대)에서 진행된 예선을 통과한 17개 팀이 본선에 진출해 실력을 겨뤘다.
IDEC은 그동안 지역 캠퍼스를 중심으로 시스템반도체 및 SoC(System on Chip) 설계 전문 인력 양성과 지역 교육 인프라 구축에 핵심적인 역할을 수행해 왔다.
이번 대회는 6개 지역 캠퍼스에서 개별적으로 운영되던 경진대회를 하나의 전국 대회로 통합 개최했다는 점에서 의미가 크다. 특히 지역 교육 활성화는 물론, 전국 단위의 잠재 인재 발굴을 위한 국가적 플랫폼으로서 IDEC의 역할을 강화하는 계기가 됐다.
올해 9월부터 11월까지 약 3개월간 진행된 예선 경진대회에는 전국 6개 지역 캠퍼스에서 총 84개 팀, 학부생 208명이 참가했으며, 캠퍼스별 상위 팀이 선발돼 총 17개 팀이 본선 무대에 올랐다.
이번 대회의 운영위원장은 고려대학교 전상근 교수가 맡았으며, KAIST를 포함한 전국 대학의 교수 10여 명이 평가위원으로 참여해 심사의 공정성과 전문성을 높였다.
박인철 KAIST IDEC 소장은 “이번 대회는 그동안 지역에 국한돼 있던 반도체 설계 경진대회를 전국 단위로 통합·확산했다는 점에서 큰 의미가 있다”며, “IDEC은 앞으로도 지역 거점 캠퍼스를 중심으로 한 교육 플랫폼 역할을 강화해, 반도체 산업을 이끌 잠재적 인재를 조기에 발굴하고 체계적으로 육성해 나가겠다”고 말했다.
본선에서 가장 우수한 성과를 거둔 대상 ‘Avant(아방)’팀과 금상 ‘부산의 인재’팀, 2개 팀에게는 산업통상부 장관상이 수여됐으며, 박인철 KAIST IDEC 소장이 직접 시상해 수상팀의 노력을 격려했다.
대상을 차지한 한양대 ERICA 이건호 학생은 “회로를 공부하며 진로에 대한 고민이 많았는데, 이번 수상을 통해 그간의 노력이 헛되지 않았다는 확신을 얻었다”며 “팀명인 ‘Avant(아방)’의 의미처럼 앞으로는 스스로를 믿고 학업에 더욱 정진해 나가겠다”고 소감을 전했다.
KAIST 반도체설계교육센터(IDEC)는 1995년 설립 이후 국내 반도체 설계 인력 양성의 핵심 기관으로서 역할을 수행해 왔다.
한편 IDEC은 내년에도 제2회 시스템반도체 설계 챌린지 대회를 더욱 발전된 형태로 개최할 예정이며, 지역 거점 교육 플랫폼으로서의 역할을 지속 강화해 대한민국 반도체 산업의 미래를 이끌 우수 인재 발굴과 육성에 기여할 계획이다.
2025.12.24
조회수 2691
-
숙련자의 감 · 언어 장벽 넘어 AI가 제조를 판단한다
우리가 쓰는 플라스틱 제품 대부분은 녹인 플라스틱을 틀에 넣어 같은 제품을 대량으로 찍어내는‘사출성형’공정으로 만든다. 하지만 조건이 조금만 달라도 불량이 생겨, 그동안은 숙련자의 감에 의존해 왔다. 이제 우리 대학 연구진이 고숙련자 은퇴와 외국인 인력 증가로 제조 지식이 단절될 수 있다는 우려에 대해 AI로 공정을 스스로 최적화하고 지식을 전수하는 해법을 내놨다.
우리 대학은 기계공학과 유승화 교수 연구팀(기계공학과·이노코어 PRISM-AI 센터)이 사출 공정을 스스로 최적화하는 생성형 AI 기술과, 현장 지식을 누구나 활용할 수 있는 LLM 기반 지식 전이 시스템을 세계 최초로 개발하고, 그 성과를 세계 최고 수준의 국제학술지에 연속 게재했다고 22일 밝혔다.
첫 번째 성과는 환경 변화나 품질 조건에 따라 자동으로 최적 공정 조건을 추론하는 생성형 AI 기반 공정추론 기술이다. 기존에는 온도나 습도, 원하는 품질 수준이 바뀔 때마다 숙련자가 시행착오를 거쳐 조건을 다시 맞춰야 했다.
연구팀은 실제 사출 공장에서 수개월간 수집한 환경 데이터와 공정 파라미터를 활용해, 확산 모델(Diffusion Model) 기반으로 목표 품질을 만족하는 공정 조건을 역설계하는 기술을 구현했다.
여기에 실제 생산을 대신하는 대리모델(Surrogate Model)을 함께 구축해, 공정을 돌리지 않고도 품질을 미리 예측할 수 있도록 했다. 그 결과 기존 공정 예측에 활용되던 기존 대표기술인 GAN*·VAE** 기반 모델의 오류율(23~44%)을 크게 낮춘 1.63%의 오류율을 달성했으며, 실제 공정 적용 실험에서도 AI가 제시한 조건대로 양품 생산이 확인돼 현장 활용 가능성을 입증했다.
*GAN(Generative Adversarial Network, 생성적 적대 신경망): 두 개의 AI가 서로 경쟁하면서 데이터를 만들어내는 방식, **VAE(Variational Autoencoder, 변분 오토인코더): 데이터의 공통된 패턴을 압축해 이해한 뒤 다시 만들어내는 방식
두 번째 성과는 고숙련자 은퇴와 다국어 작업 환경에 대응하는 LLM 기반 지식 전이 시스템 ‘IM-Chat’이다. IM-Chat은 거대언어모델(LLM)과 검색 증강 생성(RAG)을 결합한 멀티에이전트 AI 시스템으로, 초급 작업자 또는 외국인 작업자가 제조 현장에서 겪는 문제에 대해 적절한 해결책을 제공하는 제조 현장용 AI 도우미다.
작업자가 자연어로 질문하면, AI가 이를 이해해 필요에 따라 생성형 공정추론 AI를 자동으로 호출하고, 최적 공정 조건 계산과 함께 관련 기준과 배경 설명까지 동시에 제공한다.
예를 들어 “현재 공장 습도가 43.5%일 때 적정 사출 압력은?”이라는 질문에 AI는 최적 조건을 계산하고, 관련 매뉴얼 근거까지 함께 제시한다. 다국어 인터페이스를 지원해 외국인 작업자도 동일한 수준의 의사결정 지원을 받을 수 있다.
이번 연구는 사출 공정을 넘어 금형, 프레스, 압출, 3D 프린팅, 배터리, 바이오 제조 등 다양한 산업으로 확장 가능한 제조 AI 전환(AX) 핵심 기술로 평가된다.
특히 생성형 AI와 LLM 에이전트를 툴 콜링(Tool-Calling) 방식*으로 통합해, AI가 스스로 판단하고 필요한 기능을 호출하는 자율 제조 AI 패러다임을 제시했다는 점에서 의미가 크다.
*툴 콜링 방식: AI가 상황에 맞게 필요한 기능이나 프로그램을 스스로 불러 사용하는 방식
유승화 교수는 “공정을 스스로 최적화하는 AI와, 현장 지식을 누구나 활용할 수 있는 LLM을 결합해 제조업의 본질적 문제를 데이터 기반으로 해결한 사례”라며 “앞으로 다양한 제조 공정으로 확장해 산업 전반의 지능화와 자율화를 가속하겠다”고 말했다.
이번 연구는 기계공학과 김준영·김희규·이준형 박사과정이 공동 제1저자로 참여하고, 유승화 교수가 교신저자로 참여했으며, 공학·산업 분야 세계 1위 국제학술지인 ‘저널 오브 매뉴팩처링 시스템즈(Journal of Manufacturing Systems, JCR 1/69, IF 14.2)’4월호와 12월호에 연속 게재됐다.
※ 논문명1: Development of an Injection Molding Production Condition Inference System Based on Diffusion Model, DOI: https://doi.org/10.1016/j.jmsy.2025.01.008
※논문명2: IM-Chat: A multi-agent LLM framework integrating tool-calling and diffusion modeling for knowledge transfer in injection molding industry, DOI: https://doi.org/10.1016/j.jmsy.2025.11.007
한편, 이번 연구는 과학기술정보통신부·중소벤처기업부·산업통상자원부의 지원을 받았다.
2025.12.22
조회수 4118
-
KAIST–캄보디아 파스퇴르 연구소, 뎅기바이러스 진단 연구협력 MOU 체결
우리 대학은 최근 캄보디아 파스퇴르 연구소(Institut Pasteur du Cambodge, IPC)와 뎅기바이러스(DENV) 현장진단 기술 개발을 위한 양해각서(MOU)를 체결했다. 뎅기바이러스는 동남아시아를 중심으로 꾸준히 유행하며 지카(ZIKV), 치쿤군니야(CHIKV) 등 다른 아보바이러스 감염과 임상 증상이 유사해 혼동되기 쉽기 때문에, 감염 초기 단계에서 정확한 구분 진단이 매우 중요하다. 특히 혈청형이 네 가지로 나뉘는 뎅기바이러스는 감염 이력에 따라 증상 중증도가 달라질 수 있어, 감염된 바이러스의 혈청형까지 빠르게 파악하는 기술이 필수적이다.
이번 협약의 파트너인 캄보디아 파스퇴르 연구소는 동남아 지역의 대표적인 공중보건·바이러스 감시 연구기관으로, 장기간 축적된 뎅기바이러스 임상 샘플과 감시 네트워크를 보유하고 있어 진단기술의 현장 검증에 최적의 환경을 제공한다. 우리 대학에서는 바이오및뇌공학과 손성민 교수 연구팀이 참여해, CRISPR 기반 차세대 분자진단 기술을 실제 환자 샘플에 적용하여 그 성능과 활용성을 검증할 예정이다.
손성민 교수는 이번 협력을 “현장에서 실제로 사용 가능한 CRISPR 기반 진단 기술을 완성하는 데 매우 중요한 전환점”이라고 설명했다. 그는 “동남아 지역에서는 신속하고 정확한 뎅기 진단이 곧 치료 결정과 감염 차단으로 이어진다. KAIST에서 개발한 기술을 가장 필요한 지역에서 시험하고 개선할 수 있다는 점에서 이번 협력의 의미가 크다”고 강조했다.
한편, 이번 연구는 한국보건산업진흥원의 보건의료기술 연구개발사업(과제고유번호: RS-2025-02263583)의 지원을 받아 수행된다.
2025.12.18
조회수 1350
-
해리 포터의 ‘움직이는 투명 망토’ 기술 나왔다
영화 해리 포터의 투명 망토와 레이더에 잡히지 않는 스텔스 전투기의 공통점은 무엇일까? 바로 물체가 있어도 보이지 않는다는 점이다. 우리 연구진은 이러한 개념을 한 걸음 더 나아가, 늘어나고 움직일수록 전파를 더 잘 숨길 수 있는 ‘똑똑한 투명 망토’와 같은 기술을 개발했다. 이 기술은 움직이는 로봇과 몸에 붙이는 웨어러블 기기, 차세대 스텔스 기술의 새로운 가능성을 열 것으로 기대된다.
우리 대학 기계공학과 김형수 교수와 원자력및양자공학과 박상후 교수 연구팀이 액체금속 복합 잉크(LMCP, Liquid Metal Composite Ink)를 기반으로, 전자기파를 흡수·조절·차폐할 수 있는 차세대 신축성 클로킹(cloaking)* 기술의 핵심 원천기술을 개발했다고 16일 밝혔다.
* 클로킹: 물체가 있어도 레이더나 센서 같은 탐지 장비에는 없는 것처럼 보이게 만드는 기술
클로킹 기술을 구현하려면 물체의 표면에서 빛이나 전파를 자유롭게 조절할 수 있어야 한다. 그러나 기존 금속 재료는 딱딱하고 잘 늘어나지 않아, 억지로 늘리면 쉽게 끊어지는 한계가 있었다. 이 때문에 몸에 밀착되는 전자기기나 자유롭게 형태가 변하는 로봇에 적용하는 데 어려움이 컸다.
연구팀이 개발한 액체금속 복합 잉크는 원래 길이의 최대 12배(1200%)까지 늘려도 전기가 끊어지지 않으며, 공기 중에 1년 가까이 두어도 녹슬거나 성능이 거의 떨어지지 않는 높은 안정성을 보였다. 기존 금속과 달리, 이 잉크는 고무처럼 말랑하면서도 금속의 기능을 그대로 유지한다.
이러한 특성은 잉크가 마르는 과정에서 내부의 액체금속 입자들이 서로 연결돼 그물망 같은 금속 네트워크 구조를 스스로 형성하기 때문에 가능하다. 이 구조는 ‘메타물질’로, 잉크로 아주 작은 무늬를 반복해 인쇄함으로써 전파가 해당 구조를 만났을 때 설계된 방식대로 반응하도록 만든 인공 구조물이다. 그 결과 액체처럼 유연하면서도 금속처럼 튼튼한 성질을 동시에 갖게 된다.
제작 방법도 간단하다. 고온으로 굽거나 레이저로 가공하는 복잡한 공정 없이, 프린터로 인쇄하거나 붓으로 칠한 뒤 말리기만 하면 된다. 또한 액체를 말릴 때 흔히 발생하는 얼룩이나 갈라짐 현상이 없어, 매끄럽고 균일한 금속 패턴을 구현할 수 있다.
연구팀은 이 잉크의 성능을 입증하기 위해, 늘어나는 정도에 따라 전파를 흡수하는 성질이 달라지는 ‘신축성 메타물질 흡수체’를 세계 최초로 제작했다.
잉크로 무늬를 찍은 뒤 고무줄처럼 늘리기만 하면, 흡수하는 전파의 종류(주파수 대역)가 달라진다. 이는 상황에 따라 레이더나 통신 신호로부터 물체를 더 잘 숨길 수 있는 클로킹 기술로 이어질 수 있음을 보여준다.
이번 기술은 신축성, 전도성, 장기 안정성, 공정 단순성, 전자기파 제어 기능을 동시에 만족하는 획기적인 전자소재 기술로 평가된다.
김형수 교수는 “복잡한 장비 없이 프린팅 공정만으로도 전자기파 기능을 구현할 수 있게 됐다”며 “이 기술은 앞으로 로봇의 피부, 몸에 붙이는 웨어러블 기기, 국방 분야의 레이더 스텔스 기술 등 다양한 미래 기술에 활용될 것으로 기대된다”고 말했다.
이번 연구는 차세대 전자소재 분야에서 중요한 원천기술로 인정받아 윌리(Wiley) 국제 학술지‘스몰(Small)’에 2025년 10월호에 10월 16일자로 게재됐으며, 표지논문으로 선정되는 성과를 거두었다.
※ 논문명: J. Pyeon H. Lee, W. Choe, S. Park, H. Kim, "Versatile Liquid Metal Composite Inks for Printable, Durable, and Ultra-Stretchable Electronics," Small 2501829 (2025)
DOI: https://doi.org/10.1002/smll.202501829
※ 주저자 정보: 제1저자 편정수 박사, 공동저자 이현승 박사과정, 최원호 교수, 교신저자 김형수 교수, 박상후 교수
이 성과는 한국연구재단 개인기초 중견 연구 (MSIT: 2021R1A2C2007835)와 KAIST UP Program의 받아 수행되었다.
2025.12.16
조회수 5708
-
전산학부 윤성의 교수, 미국 컴퓨터학회(ACM) 특훈회원 선정
우리 대학 전산학부 윤성의 교수가 세계 최대 컴퓨터 과학 분야 학술 단체인 미국 컴퓨터학회(ACM, Association for Computing Machinery)의 ‘특훈회원(Distinguished Member)’으로 선정됐다.
ACM 특훈회원은 컴퓨터 및 정보기술 분야에서 15년 이상의 경력을 보유하고, 탁월한 연구 업적과 기술적 리더십을 통해 해당 분야 발전에 크게 기여한 연구자에게 주어지는 고위 회원 등급이다.
전 세계 약 11만 명의 ACM 회원 중 상위 10% 이내에 해당하는 인원만이 이 자격을 얻을 수 있으며, 매년 약 50~60명만이 엄선되는 매우 영예로운 자리다.
윤성의 교수는 ‘피지컬 AI(Physical AI)’ 분야의 권위자로, ▲대용량 3D 모델을 초고속으로 처리하는 스케일러블 렌더링(Scalable Rendering) ▲물리 기반 시뮬레이션 및 데이터 생성 ▲AI·컴퓨터 비전 학습 기법 등에서 독창적인 연구 성과를 인정받아 이번 영예를 안았다.
윤 교수가 개발한 기술들은 현재 3D 그래픽스를 넘어 로보틱스, 자율주행, 시뮬레이션 기반 AI 등 미래 산업 전반의 핵심 기반 기술로 폭넓게 활용되고 있다.
윤 교수는 2007년 KAIST 부임 이후, 로봇 경로 계획 및 강화학습, 대규모 검색 기술 등 다양한 융합 연구를 주도해왔다. 이러한 연구 결과는 ACM SIGGRAPH, IEEE CVPR, ICRA 등 세계 최고 수준의 학회에서 꾸준히 발표되었으며, ‘Test-of-Time Award’와 ‘Best Paper Award’ 수상, 다수의 저널 초청 논문 선정 등을 통해 국제적 영향력을 입증해왔다.
윤 교수는 서울대학교에서 전산학 학·석사를 마치고 미국 노스캐롤라이나 대학교 채플힐(UNC–Chapel Hill)에서 박사학위를 받았다. 이후 미국 로렌스 리버모어 국립연구소(LLNL)에서 박사후연구원으로 재직하며 대규모 데이터 처리 기술을 연구한 바 있다.
2025.12.12
조회수 1785
-
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 5010
-
조천식모빌리티대학원, AfCFTA와 손잡고 아프리카 교통·교역 인재 양성 나선다
우리 대학 조천식모빌리티대학원이 아프리카대륙자유무역협정(African Continental Free Trade Area, AfCFTA) 사무국과 손잡고 아프리카 대륙의 교통 및 교역 인프라 개선을 위한 전문 인재 양성에 나선다.
조천식모빌리티대학원은 11월 13일 AfCFTA 사무국과 “아프리카대륙자유무역(AfCFTA) 성공을 위한 교통 및 교역 인프라 전문가 양성 사업”의 이행약정을 체결했다고 밝혔다. AfCFTA는 13억 인구와 54개국을 아우르는 세계 최대 규모의 무역지대 중 하나이며, 2019년 5월 공식적으로 출범하였다.
이번 협약은 아프리카 대륙 전역의 교통·교역 인프라 부족으로 발생하는 국가간 교류 단절과 높은 역내 교역 비용 문제를 해소하기 위한 조치다. AfCFTA는 상품·서비스·자본·인력의 자유로운 이동을 목표로 하지만, 취약한 교통 인프라로 인해 자유무역의 실질적 효과가 제한되어 있다는 지적이 꾸준히 제기돼 왔다.
조천식모빌리티대학원과 AfCFTA 사무국은 이러한 상황을 개선하기 위해 역내 국가의 교통·교역 정책을 담당하는 정부 공무원을 대상으로 석사과정의 전문 교육을 제공하기로 했다. 특히 이번 사업은 스마트 인프라 분야 협력을 강조한 “2024 한-아프리카 정상회의 공동선언문”과 아프리카연합(AU)의 중장기 전략인“Agenda 2063”, “High 5s”와도 맞닿아 있어 의미가 크다고 할 수 있다.
이번 사업은 ▲교육 프로그램 개발 ▲정책 협력 포럼 개최 ▲지속 가능한 협력 네트워크 구축의 세 가지 축으로 추진된다. KAIST조천식모빌리티대학원은 AfCFTA의 정책·환경을 반영한 맞춤형 석사 프로그램을 개발하고, 참가국 정부 관계자와 한국·아프리카 기업이 함께 교류하는 포럼도 신설한다. 이를 통해 아프리카의 교통 인프라 정책 수립 역량을 높이는 한편, 한국의 ODA 사업 수행과 국내 기업의 대륙 진출 기반도 강화할 계획이다.
첫회 교육 과정(2026~2028년)은 AfCFTA 회원국 54개국이 각 회원국별 정부관계자 1명을 추천하면, KAIST에서 최종 10명을 선발할 계획이며, 사업비는 미화 100만 달러(약 14억5천만 원) 규모다. 프로그램은 2026년 가을학기 개강을 목표로 준비되고 있으며, 이를 위한 보조합의서는 지난 10월 31일 AfCFTA 사무국과 한국 외교부가 이미 체결했다.
이번 협약을 주도한 KAIST 조천식모빌리티대학원 이창주 교수는 “아프리카의 경제적 통합과 지속 가능한 발전을 위한 핵심 요소는 결국 사람”이라며 “이번 사업이 역내 교통·교역 인프라 혁신의 기반을 마련하는 동시에 한국과 아프리카 간 협력의 모범 사례가 될 것”이라고 말했다.
한편, 이창주 교수는 한국인 최초이자 유일한 교통 분야 UN 사무국 (UN Secretariat) 정규직 전문직원 (Professional Staff)으로 2015년부터 UN 사무국에 근무하였으며, 올해 3월부터 KAIST 조천식모빌리티대학원에 부임하여 재직 중이다. UN 재직 시절에는 아시아태평양 지역 62개 (준)회원국의 스마트 모빌리티 업무를 한 바 있다.
2025.12.05
조회수 1661
-
C-band 세계 최고 성능 ‘양자 인터넷 핵심 광원’ 개발
C-band(씨밴드)는 광섬유를 통해 인터넷 신호가 가장 멀리, 가장 적게 손실되며 전달되는 ‘최적의 빛 파장대(약 1550 nm)’를 말한다. 즉, 인터넷이 가장 잘 달리는 고속도로의 색깔이라고 생각하면 된다. 이 파장에서 원하는 시점에 발생되는 확정적 양자 광원을 안정적으로 만들어내는 기술은 전 세계가 해결하지 못한 큰 난제였다. 그런데 한국 연구진이 C-band에서 세계 최고 품질(동일성 72%, 순도 97%)의 단일 광자원을 만드는 데 성공했다.
우리 대학은 물리학과 조용훈 교수 연구팀이 올해 상온에서도 작동되는 광통신 대역의 위치 제어된 단일 광자원을 실험적으로 구현한데 이어서, 세계 최고 수준의 ‘구별불가능한 동일 광자’를 만드는 C-band 대역의 양자 광원을 잇달아 개발했다고 30일 밝혔다.
일반적인 손전등은 빛을 ‘우르르’ 쏟아내지만, 단일 광자원은 빛을 한 번에 딱 하나씩 꺼내는 장치다. 이 빛은 복사가 불가능하기에 도청이 거의 불가능한 양자 통신의 핵심 요소다.
또한, 만들어낸 광자들이 서로 완전히 똑같아 보일 정도로 동일하면 두 광자를 합쳤을 때 특이한 양자 효과(홍–오–만델 간섭, Hong-Ou-Mandel)가 나타나고, 이 효과는 양자 중계기, 양자 순간이동, 양자 네트워크 구축 등과 같은 미래 양자 인터넷의 필수 기술을 구현하는 바탕이 된다. 즉, ‘빛을 원하는 시점에 하나씩 만들고 (순도), 그 빛들을 완전히 똑같게 만드는 능력(동일성)’이 양자 인터넷을 위한 양자 광원의 핵심 성능이다.
■ 연구성과 1) 상온에서도 잘 작동하는 광통신 대역의 위치 조절된 단일 광자원 개발
연구팀은 상온에서도 잘 작동하는 단일 광자원을 개발하기 위해 질화갈륨(GaN)이라는 재료의 결함에서 나오는 단일 광자에 주목했다. 하지만 이 기술은 결함이 아무 곳에서나 생기고 빛이 박막 안에서 갇혀 빠져나오기 어렵고 효율이 낮다는 문제가 있었다.
연구팀은 미세 패턴을 새긴 사파이어 기판(PSS)을 만들고 그 위에 GaN 박막을 성장시켜 빛이 나오는 결함의 위치를 원하는 대로 조절하고, 빛이 완전히 갇히지 않고 밖으로 잘 나오도록 만드는 데 성공했다. 그 결과, 상온에서도 통신용 파장대(1.1–1.35 µm)에서 단일 광자의 위치와 밀도를 제어하면서 보다 안정적으로 만들 수 있게 됐다. 이 연구는 김혜민 박사과정이 제 1저자로 참여했으며, 양자 기술 분야 국제 학술지인 ‘Advanced Quantum Technologies’ 게재되었고 2월호 표지 논문으로 선정됐다. (논문명: Spatial Distribution Control of Room-Temperature Single Photon Emitters in the Telecom Range from GaN Thin Films Grown on Patterned Sapphire Substrates, DOI: 10.1002/qute.202400177)
한국연구재단의 중견연구자지원사업, 정보통신기획평가원의 양자암호통신집적화 및 전송기술 고도화 사업, 그리고 삼성미래기술육성사업의 지원을 받아 수행됐다.
■ 연구성과 2) 광섬유 인터넷과 바로 연결되는 C-band 대역의 고동일성 양자 광원 개발
전 세계 인터넷은 (1550 nm 부근의) C-band 대역의 빛을 표준으로 사용한다. 왜냐하면 이 파장은 광섬유 속에서 가장 적게 약해지고, 가장 멀리 전달되기 때문이다.
따라서 이 파장에서 양자 광원을 만들어내면 기존 인터넷망과 그대로 연결되는 양자 인터넷이 가능하다. 문제는 이 파장에서 높은 품질의 확정적 단일 광자를 만드는 것이 세계적으로 가장 어려운 기술 중 하나라는 점이다.
양자점은 ‘아주 작은 빛 공장’처럼 크기에 따라 낼 수 있는 빛의 색이 달라지는데, 기존 재료(GaAs 위에 InAs)로는 양자점이 너무 작게 형성되어 주로 900 nm 부근의 양자 광원을 성능 좋게 잘 만들 수 있었다.
연구팀은 먼저 장파장의 빛을 내는, 더 큰 양자점을 만들 수 있도록 ‘재료 조합’을 새로 설계했다. 이에 InP 기판과 InAlGaAs 장벽 조합을 도입해 더 큰 InAs 양자점을 성장시키는 데 성공했고, 이 양자점이 드디어 1550 nm (C-band), 즉 광섬유 통신에서 사용하는 파장에서 단일 광자를 효과적으로 만들어내도록 했다. 결국, 재료 조합을 바꿔 더 큰 ‘빛 공장’을 지어 C-band 빛을 구현한 셈이다.
다음으로 연구팀은 광자 품질을 높이기 위한 구조적 개선을 적용했다. 성장된 양자점을 중심에 두고 초정밀 원형 브래그 격자(CBG) 구조를 제작함으로써 빛 알갱이인 광자가 더 빠르고 깨끗하게 방출하도록 하였다. 쉽게 말해 빛 공장에 특수 배광 장치를 달아 보다 많은 빛이 빠르게 빠져나오도록 한 것이다.
또한 양자점을 켜는 방식(여기 방식)도 개선했다. 기존 방식은 잡음이 섞이거나 시간이 지날수록 빛의 색이 흔들려 광자들이 서로 완전히 같아지지 않는 문제가 있었다. 연구팀은 이를 해결하기 위해 준공명 p-shell 여기 방식을 사용했다. 이는 빛이 나오는 에너지(s-shell) 보다 위 단계(p-shell)를 살짝 건드려 양자점을 부드럽고 안정적으로 켜는 방식이다. 이렇게 하면 원하는 빛 만을 잘 선택할 수 있고 잡음과 시간 흔들림이 크게 줄어든다.
이러한 두 가지 기술(구조 개선 + 준공명 p-shell 여기)을 결합한 결과, 연구팀은 동일성 72%와 순도 97%라는 C-band 최고 품질 기록을 달성했다.
물리학과 김재원 박사과정이 제 1저자로 참여한 이번 연구 결과는 양자 기술 분야 국제 학술지인 ‘Advanced Quantum Technologies’ 게재되었고 10월호 표지 논문으로 선정됐다. (논문명: Two-Photon Interference from an InAs Quantum Dot Emitting in the Telecom C-Band, DOI: 10.1002/qute.202500069)
한국연구재단 양자기술 국제협력 강화사업 “칩 스케일 다수 확장 양자광원 및 광집적회로 기술개발”등의 지원을 받아 독일 뷔르쯔부르크 대학과 공동연구로 수행되었다.
조용훈 교수는 “기존 광섬유 통신망과 바로 연결될 수 있는 파장에서 사용될 수 있는 확정적 양자 광원을 세계 최고 수준으로 얻은 결과”라고 밝혔다.
이어 “최근 선정된 양자과학기술 플래그십 프로젝트를 통해 이러한 확정적 양자 광원의 동일성을 95% 이상으로 더욱 고도화하여, 양자컴퓨터·양자통신·초정밀 센싱 등 차세대 양자기술의 성능을 결정짓는 핵심 기반 기술인 다중 광자 얽힘 기술을 개발할 계획”이라고 말했다.
2025.12.01
조회수 2699
-
영상 속 1등이 어디죠? ‘딱 그 순간’을 찾아내는 AI 기술 세계 1위
‘카메라가 다른 곳을 비추는 사이 사라진 물체는 무엇 인가요?’라는 복잡한 질문이 나오면 AI는 많은 경우 영상 속 실제 상황을 보고 판단하는 것이 아니라, 언어 패턴에 의존해 ‘그럴듯한 답’을 추측하는 문제가 있다. 우리 대학 연구진은 이 한계를 해결하기 위해 영상 속 ‘딱 중요한 순간(Trigger moment)’을 AI가 스스로 찾아내도록 하는 기술을 개발했고, 이 기술로 국제 AI 대회에서 우수성을 입증했다.
우리 대학은 전산학부 윤성의 교수 연구팀이 이화여대 노준혁 교수 연구팀과 공동 연구를 통해, 세계적 권위의 컴퓨터 비전 학회 ICCV 2025에서 열린 Perception Test Challenge의 영상 근거 기반 질의응답(Grounded Video Question Answering) 트랙에서 1위를 차지했다고 28일 밝혔다.
이번 ICCV 2025에서 열린 인지 테스트 대회(Perception Test Challenge)는 구글 딥마인드(Google DeepMind)가 주관하여 총 상금 50,000 유로(한화 약 8,300만원)가 걸린 대회로, 영상·음성·텍스트 등 다양한 데이터를 종합적으로 이해하는 멀티모달 AI의 인지 및 추론 능력을 평가한다. 특히 언어 중심 편향을 벗어나 실제 영상 근거를 바탕으로 판단하는 능력이 핵심 평가 요소다.
우리 대학 연구팀은 영상 전체를 무작정 분석하는 기존 방식과 달리, AI가 정답을 위해 꼭 필요한 핵심 장면(Trigger moment)을 먼저 찾아내도록 만드는 새로운 기술을 개발했다. 쉽게 말하면, “이 질문에 답하려면 이 장면이 결정적이야!”를 AI가 스스로 찾아내도록 설계한 기술이다.
이 프레임워크를 연구팀은 CORTEX(Chain-of-Reasoning for Trigger Moment Extraction)라고 부른다.
연구팀의 시스템은 서로 다른 기능을 수행하는 세 모델이 순차적으로 작동하는 3단계 구조로 구성된다. 먼저 추론 AI(Gemini 2.5 Pro)가 질문에 답하기 위해 어느 순간을 봐야 하는지 사고하고 딱 그 순간(Trigger moment) 후보를 찾는다. 다음으로 객체 위치 찾기 모델(Grounding 모델, Molmo-7B)이 해당 순간 화면 속 사람·차·사물의 정확한 위치(좌표)를 파악한다. 마지막으로 추적 모델(Tracking 모델, SAM2)이 선택된 한 장면을 기준으로 앞뒤 시간대의 객체 움직임을 정밀하게 추적해 오류를 줄인다.
즉, ‘핵심 장면 한 컷을 정확히 찍고, 그 장면을 중심으로 정답 근거를 추적하는 방식’덕분에 영상 초반 오판이나 가려짐 같은 문제도 크게 줄었다.
총 23개 팀이 참여한 영상 근거 기반 질의응답(Grounded VideoQA) 트랙에서 KAIST팀 SGVR Lab(Scalable Graphics, Vision & Robotics Lab)은 ‘고차 추적 정확도(HOTA, Higher Order Tracking Accuracy)’지표에서 0.4968점을 기록하며 2등 미국 콜럼비아대의 0.4304점을 압도적인 점수 차로 상회하며 1위를 차지했다. 이는 전년도 우승 기록 0.2704점보다도 약 두 배에 가까운 성과다.
이 기술은 실생활에서도 넓게 쓰일 수 있다. 자율주행차는 사고 위험이 있는 순간을 정확히 보고, 로봇은 주변 상황을 더 똑똑하게 이해한다. 또 보안·감시 시스템은 중요한 장면을 빠르게 찾아내고, 미디어 분석에서는 사람이나 사물의 행동을 시간 순서대로 정확히 추적할 수 있다.
즉, AI가 “영상 속 실제 근거”를 보고 판단할 수 있도록 만드는 핵심 기술이다. 특히 영상 속 객체가 시간에 따라 어떻게 행동하는지 정확히 짚어내는 능력은 향후 AI의 실제 현장 적용을 크게 확장할 것으로 기대된다.
이번 연구는 ICCV 2025, the 3rd Perception Test Challenge 학회에서 10월 19일자 발표하였다.
이 성과는 과학기술정보통신부 기초연구사업 중견연구와 SW스타랩 사업 ‘오픈 월드 로봇 서비스를 위한 불특정 환경 인지·행동·상호작용 알고리즘 개발’ 및 AGI 사업 ‘체화형 AGI를 위한 현실 세계 구축과 인지 에이전트 기반 이원 역량 접근법’ 과제의 지원을 받아 수행되었다.
2025.11.28
조회수 3720
-
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 3494