%ec%9d%b8%ea%b3%b5%ec%a7%80%eb%8a%a5
-
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 4074 -
'물리 세계 이해하는 AI' 세계 최고…ICML 2026 국제 AI 챌린지 우승
그림과 글을 함께 이해해 물리 법칙을 적용하고 스스로 추론하는 인공지능(AI)이 항공기와 로봇 등 실제 물리 세계를 설계하는 시대가 한 걸음 가까워졌다. 우리 대학 연구팀이 세계 최고 권위의 인공지능(AI)·기계학습(Machine Learning, 기계학습) 학회인 국제머신러닝학회(ICML) 국제 챌린지에서 세계 정상에 오르며 이 같은 기술력을 입증했다.
우리 대학은 AX학과 문일철 교수 연구팀이 국제머신러닝학회(ICML, International Conference on Machine Learning, 국제머신러닝학회) 2026의 공식 워크숍인 ‘AI4Math Workshop(AI for Mathematics Workshop, AI 기반 수학·과학 추론 워크숍)’이 개최한 ‘시각적으로 정의된 물리 문제 풀기(Visual Grounded Physics Problem Solving)’ 국제 챌린지에서 우승했다고 23일 밝혔다.
이번 챌린지는 지난 5월 1일부터 6월 16일까지 진행됐으며, ETH 취리히(ETH Zurich), 푸단대(Fudan University), 상하이 이노베이션 연구소(Shanghai Innovation Institute) 등 세계 유수 연구기관을 포함한 139개 참가팀이 경쟁했다. 연구팀은 최종 평가에서 가장 높은 성적을 거두며 우승을 차지했으며, 7월 11일 서울에서 열린 ICML 공식 시상식에서 1등상을 수상했다.
이번 대회는 그림과 텍스트로 제시된 물리 문제를 이해한 뒤, 물리 법칙을 적용해 정답뿐 아니라 풀이 과정까지 생성하는 AI의 추론 능력을 평가하는 국제 챌린지다.
참가 AI는 멀티모달(Multimodal, 텍스트·이미지 등 서로 다른 형태의 정보를 동시에 이해하는 기술) 정보를 통합하고, 뉴턴 역학 등 물리 법칙을 적용해 논리적으로 문제를 해결해야 한다. 단순 계산 능력이 아니라 복잡한 물리 현상을 이해하고 추론하는 능력을 평가하는 것이 특징이다.
이는 AI가 시험 문제를 푸는 수준을 넘어 실제 물리 환경을 이해하고 설계·운용을 최적화할 수 있는 가능성을 보여주는 성과다. 향후 항공기와 로봇, 자율주행, 우주 시스템 등 다양한 분야에서 실제 물리 환경을 고려한 설계와 의사결정을 수행하는 차세대 AI 기술로 활용될 것으로 기대된다.
이번 연구에는 산업및시스템공학과 곽지석 박사과정 학생을 비롯한 총 5명의 KAIST 응용인공지능연구실(AAILab) 연구진이 참가했다. 연구팀은 여러 AI 파운데이션 모델(Foundation Model, 대규모 데이터를 학습해 다양한 작업에 활용할 수 있는 범용 AI 모델)을 각각 독립적인 에이전틱 AI(Agentic AI, 스스로 계획을 세우고 여러 단계를 수행하며 문제를 해결하는 AI)로 구성한 뒤, 서로 답을 검증하고 토론하는 멀티에이전트 AI(Multi-Agent AI, 여러 AI 에이전트가 협업하며 문제를 해결하는 방식) 구조를 개발했다.
이를 통해 개별 AI의 오류를 줄이고 추론의 신뢰성을 높여 세계 최고 성능을 달성했으며, 복잡한 물리 현상에 대한 AI 추론과 에이전틱 AI 모델의 새로운 가능성을 제시했다.
문일철 교수는 “AI 파운데이션 모델을 에이전트로 변환시키며, 다양한 에이전트가 토론과 검증을 통해 올바른 답을 찾아내는 과정을 보고, 하나의 AI 파운데이션 모델이 미래를 독점할 수 없다는 점을 깨달았다.”고 우승 소회를 밝혔다. 이어 “이번 대회는 물리 문제를 푸는 시험문제와 같았지만, 사실 보잉(Boeing, 미국 항공우주기업) 등에서 시험하고 있는 AI 기반 항공기 설계 및 운용과 같이 물리적 상황의 최적 설계 및 운용에 쓰이는 인공지능을 만드는 기술이 본질이다.”라고 분석했다.
배충식 총장은 “문일철 교수 연구팀의 ICML 국제 챌린지 우승을 진심으로 축하한다”며 “이번 성과는 AI가 단순히 정보를 생성하는 수준을 넘어 실제 물리 세계를 이해하고 산업과 사회의 난제를 해결하는 기술로 발전하고 있음을 보여준 쾌거”라고 말했다. 이어 “KAIST는 미래 산업을 이끌 차세대 AI 원천기술 개발과 글로벌 AI 인재 양성에 더욱 매진하겠다”고 밝혔다.
이번 연구는 정보통신기획평가원(IITP, 정보통신기획평가원)의 사람중심 인공지능 핵심원천기술개발사업인 '이종 데이터 기반 상식 추출·이해·추론을 위한 인공지능 기술개발'(연구책임자 문일철)과 ITRC 국방군집체계연구센터의 지원을 받아 수행됐다.
2026.07.23 조회수 1223 -
KAIST 인공지능반도체대학원, 제6회 한국인공지능시스템포럼 조찬 강연회 개최
우리 대학 인공지능반도체대학원은 2026년 7월 2일 호텔 오노마 대전 5층 그랜드볼룸홀에서 「제6회 한국인공지능시스템포럼 조찬 강연회」를 개최했다.
이번 강연회는 한국인공지능시스템포럼(KAISF)이 주관하고, 정보통신기획평가원(IITP), 한국전자통신연구원(ETRI), PIM반도체설계연구센터, 우리 대학 인공지능반도체대학원이 공동 주최했다. 행사에는 관련 산학연 연구자 및 종사자, 정부부처와 공공기관 관계자 등이 참석해 인공지능과 모빌리티 산업의 기술 변화 및 발전 방향을 공유했다.
이날 강연은 카카오모빌리티 김진규 부사장이 맡아 Physical AI 시대의 모빌리티 혁신과 자율주행 상용화 방향을 중심으로 진행했다. 김 부사장은 서울 강남구 심야 자율주행 택시 ‘서울자율차’ 운영 사례를 바탕으로, 카카오 T 플랫폼이 시민의 이동 경험을 혁신하고 있는 방식과 자율주행 상용화를 위한 기술적·산업적 과제를 소개했다.
또한 자율주행 상용화가 단일 기업의 기술력만으로 완성되기 어렵다는 점을 강조하며, 이동 데이터, 정밀지도, 실시간 안전관리 시스템 등 첨단 인프라 개방형 생태계의 중요성을 설명했다. 아울러 카카오모빌리티가 한국형 자율주행 상용화를 위해 추진하고 있는 전략과 향후 모빌리티 산업의 발전 가능성을 공유했다.
개회사에서 유회준 한국인공지능시스템포럼 의장 겸 우리 대학 인공지능반도체대학원장은 “AI와 다양한 산업 분야의 융합을 논의하기 위해 이번 강연회를 마련했다”며, “최근 정부 주도의 반도체 산업 육성 논의에서 대전이 다소 소외되고 있다는 우려가 있는 만큼, 산·학·연 협력 기반이 잘 마련된 대전이 이번 조찬 강연회와 같은 포럼을 통해 지속적으로 의견을 모으고 제안해야 한다”고 말했다.
이어 “앞으로도 이러한 포럼을 통해 대전이 AI 기반 산업 혁신을 주도적으로 이끌어갈 수 있도록 적극적으로 의견을 내고 협력해 나가자”고 강조했다.
홍진배 정보통신기획평가원장은 “유회준 원장님과 반도체 K-CLOUD 등 협의체를 만들어보자는 취지에서 시작한 한국인공지능시스템포럼 조찬 강연회가 성황리에 진행되고 있어 기쁘다”고 밝혔다. 또한 “현재 한국은 미국과 중국에 비해 자율주행 기술 경쟁력 측면에서 더 많은 도전이 필요한 상황”이라며, “오늘 강연을 통해 참석자 모두가 의미 있는 논의를 나누고, AI+X 구현을 위한 협력의 계기가 되기를 바란다”고 말했다.
한국인공지능시스템포럼 조찬 강연회는 인공지능 시스템, 반도체, 모빌리티 등 첨단 기술 분야의 산학연 전문가들이 교류하며 주요 산업 현안을 논의하는 자리로 운영되고 있다. KAIST 인공지능반도체대학원은 앞으로도 AI 반도체와 인공지능 시스템 분야의 기술 혁신, 산학연 협력 활성화, 지역 기반 첨단산업 생태계 조성을 위한 소통의 장을 지속적으로 마련할 계획이다.
2026.07.06 조회수 867 -
몸짓도 언어다… 동물 행동의 의미 읽는 AI 개발
생쥐의 몸짓을 단어처럼 읽고 의미를 이해하는 인공지능이 등장했다. 우리 대학 연구진은 행동 데이터를 언어처럼 학습해 자폐 모델 생쥐의 사회적 행동 결함을 스스로 찾아내는 AI 모델 ‘비헤이버트(BehaVERT)’를 개발하며 해석 가능한 뇌과학의 새로운 패러다임을 제시했다.
우리 대학 뇌인지과학과 김대수 교수 연구팀이 동물의 움직임을 언어처럼 읽고 해석하는 인공지능(AI) 모델을 개발했다고 1일 밝혔다.
연구팀은 생쥐의 골격 움직임을 자연어의 단어에 해당하는 ‘토큰(token)’으로 변환해 학습시키는 방식으로 행동의 의미를 이해하는 AI 모델 ‘비헤이버트'를 구현했다. 이 모델은 별도의 사전 지식 없이도 자폐 모델 생쥐의 핵심 사회행동 결함을 스스로 발견할 수 있음을 확인했다.
이번 연구는 동물 행동을 언어처럼 분석하는 새로운 인공지능 접근법을 제시한 것으로 평가된다. 특히 AI가 단순한 행동 분류를 넘어 행동의 의미를 이해하고 생물학적으로 중요한 단서를 찾아낼 수 있음을 보여줌으로써, 향후 신약 개발과 정신질환 연구, 행동유전학 분야를 위한 차세대 '행동 파운데이션 모델(Behavior Foundation Model)'의 가능성을 열었다.
연구팀은 생쥐의 코, 귀, 척추, 사지, 꼬리 등 신체 부위의 골격 좌표를 토큰으로 변환한 뒤 자연어 처리에 널리 사용되는 BERT 기반 트랜스포머 모델에 입력해 학습시켰다. 그 결과 비헤이버트는 단순히 행동을 분류하는 데 그치지 않고, 시간의 흐름 속에서 행동의 의미를 스스로 학습하는 것으로 나타났다.
개발된 모델은 사회적 상호작용, 다개체 행동, 3차원 움직임 분석, 자폐 행동 분석 등 다양한 분야의 국제 표준 벤치마크 5종에서 기존 최고 수준의 성능을 뛰어넘었다. 비헤이버트는 자신이 어떤 행동에 주목해 판단을 내렸는지 연구자에게 알려주는 해석 가능성(interpretability)도 갖추고 있다.
실험 결과, 모델은 자폐 모델 생쥐(Shank3B 유전자 결손)와 정상 생쥐를 구분하는 과정에서 ‘입과 입을 맞대는 접촉(oral-oral contact)’에 집중하는 것으로 나타났다. 이는 자폐 모델 생쥐가 접근 행동은 정상적으로 수행하지만 실제 사회적 상호작용에는 결함을 보인다는 기존 연구 결과와 정확히 일치한다. 즉, AI가 사전에 생물학적 지식을 학습하지 않았음에도 행동 관찰만으로 자폐 행동의 핵심 특징을 스스로 발견한 것이다.
연구팀은 AI가 행동을 단순히 분류하는 것을 넘어 행동의 의미까지 이해하고 있다는 사실도 확인했다. AI 내부에서는 움직임과 주의, 사회성 같은 행동 특성이 체계적으로 정리돼 있었으며, 이는 동물 행동에도 언어와 유사한 의미 구조가 존재할 수 있음을 시사한다.
이번 연구에는 또 하나의 의미 있는 도전이 담겨 있다. 제1저자인 신승재 박사를 비롯한 연구진은 모두 생명과학을 전공한 연구자들로, 인공지능을 직접 익혀 행동 분석에 특화된 모델과 학습 전략을 설계했다. 김대수 교수 연구실은 그동안 동물 행동 데이터를 활용한 AI 연구를 수행해 왔으며, 쥐의 행동을 가상공간에 구현하는 ‘아바타(AVATAR)’ 기술을 개발해 ㈜액트노바를 창업한 바 있다.
제1저자인 신승재 박사는 “동물의 움직임에도 언어와 같은 구조가 존재할 수 있다는 질문에서 연구가 시작됐다”고 말했다. 연구팀은 사람이 정답을 알려주지 않아도 AI가 행동 데이터만으로 스스로 학습하는 방식을 도입했으며, 쥐의 행동으로 학습한 모델이 생쥐의 행동 분석에도 성공적으로 활용되는 것을 확인했다. 이는 향후 여러 동물 종에 적용 가능한 '행동 파운데이션 모델' 개발 가능성을 보여준다.
김대수 교수는 “비헤이버트는 단순히 행동을 분류하는 것을 넘어 행동의 의미까지 이해할 수 있는 새로운 인공지능 모델”이라며 “향후 신약 개발과 정신질환 연구, 행동유전학 등 다양한 생명과학 분야에서 새로운 발견을 이끄는 핵심 연구 도구가 될 것으로 기대한다”고 말했다.
이번 연구 결과는 뇌인지과학과 신승재 박사가 제1저자로 참여했으며, 컴퓨터비전 분야 최고 권위 학술지 중 하나인 International Journal of Computer Vision(IJCV)에 2026년 3월 24일 게재됐다.
※ 논문명: BehaVERT: A Transformer-Based Motion Language Model for Decoding Behavioral Semantics in Mice, DOI: 10.1007/s11263-026-02834-y
※ 관련 동영상:
● BehaVERT — 사회적 행동 분석 시각화 (Investigation & Mount), https://youtu.be/JshCr-ZBQR0
● BehaVERT — 사회적 행동 분석 시각화 (Investigation & Attack), https://youtu.be/p9RPhZM__Js
● BehaVERT — 자폐 모델 생쥐의 핵심 사회행동을 AI가 스스로 발견하다, https://youtu.be/D6zUyDu3t9I
한편, 이번 연구는 과학기술정보통신부가 지원하고 한국연구재단이 주관하는 중견연구자지원사업 및 뇌과학선도융합기술개발사업의 지원을 받아 수행됐다.
2026.07.01 조회수 1349 -
인공지능의 은밀한 연령 편향 규명
챗GPT와 같은 생성형 인공지능의 답변에는 사회적 편견이 반영되어 있을까? 우리 대학 연구진이 생성형 인공지능의 답변에 내재된 연령 관련 고정관념을 정량적으로 분석해 규명했다. 이번 연구는 인공지능의 은밀한 편향이 사회적 인식에 미칠 영향을 조명하고, 향후 포용적 인공지능 개발을 위한 방향성을 제시했다.
우리 대학은 과학기술정책대학원 최문정 교수 연구팀이 생성형 인공지능 모델인 오픈AI(OpenAI)의 챗GPT-4o가 생성하는 문장 속에 노인에 대한 미묘한 고정관념이 내재되어 있음을 정량적으로 분석했다고 28일 밝혔다.
생성형 인공지능은 일상 속 정보 탐색과 의사결정 과정에 폭넓게 활용되고 있지만, 학습 데이터에 포함된 사회적 편견을 재생산할 수 있다는 우려도 제기돼 왔다. 기존 연구들이 주로 성별이나 인종 관련 편향에 집중해 온 반면, 홍완 박사과정 연구원이 제1저자로 수행한 이번 연구는 전 세계적인 인구 고령화 속에서 중요성이 커지고 있는 연령차별(Ageism, 나이를 이유로 특정 집단을 차별하거나 부정적으로 인식하는 현상) 문제를 인공지능의 관점에서 분석했다는 점에서 의미가 있다.
연구팀은 10세부터 90세까지 10세 단위 연령대의 특성을 묘사하도록 하는 중립적 프롬프트를 활용해 GPT-4o가 생성한 텍스트 900개를 수집했다. 이후 사회심리학 분야의 대표 이론인 고정관념 내용 모델(Stereotype Content Model, SCM·사람이나 집단에 대한 인식을 ‘따뜻함’과 ‘역량’ 두 차원으로 설명하는 이론)을 적용해 분석했다.
분석 결과, 고령자 집단(60세 이상)은 ‘따뜻함(Warmth·친절함과 신뢰성, 배려심 등 사회적 호감도를 나타내는 특성)’ 점수는 높게 나타난 반면, ‘역량(Competence·능력과 전문성, 효율성 등을 의미하는 특성)’점수는 젊은 연령층에 비해 상대적으로 낮게 나타나는 경향이 확인됐다.
또한 생성된 응답에서는 인간의 생애 주기가 청년층(10~20대), 중년층(30~50대), 노년층(60대 이상)의 세 집단으로 구분되어 표현되는 경향이 나타났다. 특히 70대 이상 고령층에 대해서는 비교적 획일적인 특성 묘사가 반복적으로 나타났다.
연구팀은 자신감과 주도성을 나타내는 ‘자기주장성(Assertiveness·자신의 의견을 적극적으로 표현하고 주도적으로 행동하는 성향)’에도 주목했다. 분석 결과, 자기주장성을 나타내는 표현의 빈도는 연령이 높아질수록 감소하는 경향을 보였다. 이는 챗GPT-4o가 노인을 지혜롭고 자애로운 인물로 묘사하는 동시에 주체성이나 능동성은 상대적으로 낮게 표현하는 경향이 있음을 시사한다.
이번 연구는 생성형 인공지능에 내재된 미묘한 편향을 사회과학 이론과 전산 분석 기법을 결합해 정량적으로 규명했다는 점에서 의미가 있다. 연구 결과는 생성형 인공지능이 노인을 ‘따뜻하지만 역량은 상대적으로 낮은(warm but less competent)’ 집단으로 묘사하는 경향을 보여주며, 이는 대중매체에서 반복적으로 나타나는 전형적인 노인 고정관념과 유사한 양상이다.
연구팀은 이러한 표현이 대화형 인공지능 서비스를 통해 반복적으로 노출될 경우 고령자에 대한 사회적 편견을 강화할 수 있다고 설명했다. 나아가 이러한 현상이 고령층의 디지털 참여를 저해하는 ‘디지털 연령차별(Digital Ageism·디지털 기술과 서비스 이용 과정에서 발생하는 연령 기반 차별)’로 이어질 가능성도 제기했다.
최문정 교수는 “AI의 편향은 기술의 문제가 아니라 사회의 문제”라며 “포용적 인공지능을 위해 다양한 세대가 개발 과정에 참여해야 한다”고 말했다.
이번 연구는 과학기술정책대학원 박사과정 홍완 학생이 제1저자로 참여했으며, 연구 결과는 노년학 분야의 국제 저명 학술지인 ‘더 제론톨로지스트(The Gerontologist, IF 5.7)’ 2026년 2월호 특별호에 게재됐다.
※ 논문명: An Exploratory Semantic Analysis of Age-Related Stereotypes in OpenAI's GPT-4o Model
※ DOI: https://doi.org/10.1093/geront/gnaf291
한편, 본 연구는 한국연구재단 과학기술-인문사회융합 중견연구사업의 지원을 받아 수행됐다.
2026.07.01 조회수 762 -
세계 로봇 석학들 KAIST로..네이처 첫 자율 로보틱스 컨퍼런스 개최
인공지능(AI)이 디지털 혁신을 이끌었다면, 자율 로보틱스는 그 혁신을 현실 세계로 확장하는 핵심 기술로 주목받고 있다. 이러한 흐름 속에서 자율 로봇의 미래를 조망하는 세계적 학술행사가 우리 대학에서 열린다.
우리 대학은 세계적 학술지 네이처(Nature)와 공동으로 오는 10월 13일부터 15일까지 대전 본원에서 ‘2026 네이처 컨퍼런스: 자율 로보틱스(2026 Nature Conference: Autonomous Robotics)’를 개최한다고 26일 밝혔다.
네이처가 로보틱스를 단독 주제로 컨퍼런스를 개최하는 것은 이번이 처음이다. 그동안 네이처는 프린스턴대, 칭화대 등 세계 유수 연구기관과 함께 인공지능, 바이오, 에너지 등을 주제로 50여 차례 학술행사를 개최해 왔다.
우리 대학은 국내 최초의 로봇 팔 ‘카이젬(KAISEM)’과 초기 지능형 서비스 로봇 ‘아미(AMI)’, 대한민국 휴머노이드 로봇의 상징인 ‘휴보(HUBO)’를 개발하며 국내 로봇공학 발전을 선도해 왔다. 이번 컨퍼런스는 이러한 연구 역량을 바탕으로 세계 연구자들이 자율 로보틱스의 미래를 논의하는 글로벌 협력의 장으로 마련됐다.
컨퍼런스에는 세계적 로봇공학 석학들이 대거 참여한다. 사람의 팔과 같은 유연한 동작을 구현하는 협동로봇 ‘프랑카 에미카 판다(Franka Emika Panda)’ 개발자인 사미 하다딘(Sami Haddadin) 모하메드 빈 자예드 인공지능대학교 부총장과 국내 컴퓨터 비전 및 로봇 지능 연구를 선도해 온 권인소 KIST 피지컬AI연구단장(KAIST 전기및전자공학부 교수)이 기조강연을 맡는다.
또한 로봇 학습 및 제어 분야의 세계적 권위자인 오드 빌라드(Aude Billard) 스위스 로잔연방공과대학(EPFL) 교수와 웨어러블 로보틱스 분야의 석학인 스티븐 H. 콜린스(Steven H. Collins) 미국 스탠퍼드대 교수도 기조연사로 참여한다.
행사 기간에는 최신 로봇 기술 전시와 시연, 세계적 연구자 및 네이처 편집진과의 학술 교류 프로그램도 운영된다.
특히 우리 대학은 공경철 교수의 외골격 로봇 ‘워크온수트(WalkON Suit)’, 박해원 교수의 사족보행 로봇 ‘하운드(Hound)’, 심현철 교수의 인간형 조종사 로봇 ‘파이봇(PIBOT)’, 명현 교수의 시각 기반 사족보행 기술 ‘드림워크(DreamWaQ)’ 등 세계적 연구 성과를 잇달아 선보이며 대한민국 자율 로보틱스 연구를 선도하고 있다.
김정 KAIST 기계항공공학부장은 “이번 컨퍼런스는 세계 최고 연구자들이 모여 자율 로보틱스의 미래를 논의하는 자리”라며 “KAIST가 축적해 온 혁신 기술과 연구 역량을 세계에 선보이는 계기가 될 것”이라고 말했다.
유승협 KAIST 전기및전자공학부장은 “로봇 지능과 자율 운용 기술은 미래 산업과 사회를 바꿀 핵심 기술”이라며 “이번 컨퍼런스가 글로벌 연구 협력을 확대하고 자율 로보틱스 혁신을 앞당기는 출발점이 되길 기대한다”고 말했다.
이광형 KAIST 총장은 “AI의 다음 무대는 물리적 세계이며, 자율 로보틱스는 그 변화를 이끌 핵심 기술”이라며 “KAIST는 이번 컨퍼런스를 통해 세계적 연구자들과 함께 미래 로봇 기술의 방향을 제시하고 글로벌 혁신 생태계 구축에 앞장설 것”이라고 말했다.
이번 컨퍼런스는 영어로 진행되며 자율 로보틱스 분야에 관심 있는 누구나 참가할 수 있다. 조기 등록은 7월 31일까지, 일반 등록은 10월 6일까지 가능하다.
※관련 홈페이지:https://natureconferences.streamgo.live/autonomous-robotics/lobby
2026.06.26 조회수 1378 -
적은 메모리로도 휴머노이드 로봇의 눈 밝힌다
스마트폰의 안면 인식부터 휴머노이드 로봇까지, 인공지능(AI)의 눈 역할을 하는 컴퓨터 비전 기술은 우리 일상에 널리 활용되고 있다. 우리 대학과 국제 공동연구진은 적은 메모리만으로도 AI가 세상을 더욱 선명하게 볼 수 있는 기술을 개발해 GPU(그래픽처리장치) 메모리 효율을 최대 16배 높였다. 이번 성과는 휴머노이드 로봇과 온디바이스 AI 시대를 앞당길 핵심 기술로 평가된다.
우리 대학은 전기및전자공학부 김창익 교수 연구팀이 미국 MIT 및 마이크로소프트 연구진과의 공동 연구를 통해, 제한된 GPU 메모리만으로도 AI의 시각 성능을 높일 수 있는 범용 기술 ‘업샘플 애니띵(Upsample Anything)’을 개발했다고 17일 밝혔다.
이번 성과는 인공지능 및 컴퓨터 비전 분야 세계 최고 권위 학회인 ‘CVPR 2026’ 논문 채택에 이어, 계산 자원의 효율적 활용을 인정받아 전체 1위인‘CVPR 컴퓨트 골드 스타(CVPR Compute Gold Star)’를 수상하고, 연구 과정의 투명성과 재현 가능성 부문 ‘트랜스패런시 챔피언(Transparency Champion)’에 선정됐다. 이는 연구 성능은 물론 사용된 계산 자원, 코드 공개, 실험 재현 가능성 등 책임 있는 인공지능 연구의 핵심 요소를 두루 인정받은 성과다.
최근 휴머노이드 로봇과 자율주행 시스템, 세계모델(World Model·현실 세계의 물리적 환경과 변화를 학습·예측하는 AI 모델) 기반 인공지능은 연산 속도를 높이고 메모리 사용량을 줄이기 위해 입력 영상을 저해상도 특징 정보(Feature·AI가 이미지에서 추출한 핵심 정보)로 압축해 활용하고 있다.
그러나 압축 과정에서 작은 물체나 얇은 구조물, 미세한 결함과 같은 중요한 시각 정보가 손실되는 문제가 발생한다. 반대로 모든 영상을 처음부터 고해상도로 처리하면 막대한 GPU 메모리와 연산 자원이 필요해 실시간 처리가 어려워진다. 이는 스마트폰과 같은 소형 기기나 기동성이 중요한 로봇이 주변 환경을 정밀하게 인식해야 하는 상황에서 오랫동안 해결되지 않은 과제로 남아 있었다.
연구팀은 이러한 한계를 극복하기 위해 입력 이미지의 경계와 구조 정보를 활용해 저해상도 특징 정보를 고해상도로 복원하는 학습 없는(Training-free·추가 데이터 학습이 필요 없는) 업샘플링 기술을 개발했다.
기존 기술은 새로운 환경이나 데이터에 적용하기 위해 별도의 재학습이나 복잡한 최적화 과정을 거쳐야 했다. 반면 연구팀이 개발한 ‘업샘플 애니띵’은 입력 이미지 한 장만으로 최적의 복원 방식을 찾아낼 수 있어 다양한 환경에 즉시 적용할 수 있다.
또한 모든 시각 정보를 고해상도로 저장·처리하지 않고 핵심 정보만 압축해 활용함으로써 GPU 메모리 사용량을 크게 줄였다. 연구팀은 AI 연구에서 널리 활용되는 224×224 크기 이미지(약 5만 개 픽셀) 기준 약 0.4초의 짧은 계산만으로 원본에 가까운 시각 정보를 복원했으며, GPU 메모리 효율을 최대 16배까지 향상시키는 성과를 거뒀다.
이는 제한된 연산 자원만으로도 인공지능이 주변 환경을 더욱 정밀하게 인식할 수 있음을 의미한다. 따라서 이번 기술은 스마트폰과 같은 소형 기기는 물론, 작은 물체를 정확하게 식별하고 조작해야 하는 휴머노이드 로봇, 자율주행 시스템, 온디바이스 AI 등 다양한 차세대 인공지능 분야에 폭넓게 활용될 것으로 기대된다.
김창익 교수는 “이번 기술은 적은 자원으로도 인공지능의 시각 정밀도를 크게 높일 수 있는 알고리즘으로, 휴머노이드 로봇과 온디바이스 AI의 실용화를 앞당길 것으로 기대한다”며 “CVPR에서 성능뿐 아니라 계산 효율성과 연구 투명성까지 인정받았다는 점에서 더욱 의미가 크다”고 말했다.
이번 연구는 KAIST 서민석 박사과정 학생이 제1 저자로 참여했으며, 이번 성과는 인공지능 및 컴퓨터 비전 분야 세계 최고 권위 학회인 ‘CVPR 2026’에서 6월 7일 발표됐다.
※ 논문명: Upsample Anything: A Simple and Hard to Beat Baseline for Feature Upsampling, DOI:10.48550/arXiv.2511.16301
※ 저자 정보: 서민석 (KAIST, 제1 저자), 마크 헤밀턴 (MIT, 마이크로소프트, 제2 저자), 김창익(KAIST, 교신저자)
※ 관련 데모 동영상: https://drive.google.com/file/d/17f9j4tcD0JJfA4xeN4b5qvaOjUxFVS_U/view?usp=sharing
2026.06.17 조회수 8800 -
AI도 ‘모른다’고 말한다... 과신 줄이고 신뢰성 높여
“AI도 스스로‘모른다’고 말할 수 있어야 한다.”
자율주행과 의료 진단 등에서 인공지능(AI)의 가장 큰 위험으로 지적돼 온‘과도한 확신(overconfidence·틀린 예측에 대하여 높은 확신을 보이는 현상)’문제를 해결할 새로운 접근법이 제시됐다. 우리 대학 연구진은 AI가 스스로 모르는 상황을 인식하도록 하는 학습 방법을 개발해, 과신을 줄이고 신뢰성을 높일 수 있는 기반을 마련했다.
우리 대학은 뇌인지과학과 백세범 석좌교수 연구팀이 딥러닝(deep learning·인공신경망을 활용해 데이터를 학습하는 인공지능 기술)에서 널리 사용돼 온 무작위 가중치 초기화(random initialization·신경망 학습 시작 시 가중치를 확률 분포에 따라 무작위로 설정하는 방식)가 인공지능의 과신을 유발하는 근본적인 원인일 수 있음을 규명했다고 27일 밝혔다.
연구팀은 이를 해결하기 위해 실제 데이터를 학습하기 전, 무작위 노이즈(random noise·의미 없는 임의의 입력 데이터)로 신경망을 짧게 학습시키는 ‘예열(warm-up)’ 전략을 제안했다.
연구팀은 AI의 과신 문제가 학습 이후만이 아니라, 학습의 출발점인 초기화 단계에서부터 이미 나타난다는 점에 주목했다.
실제로 무작위로 초기화된 신경망에 임의의 데이터를 입력한 결과, 아직 아무것도 배우지 않은 상태임에도 불구하고 높은 확신도를 보이는 현상이 확인됐다. 이러한 특성은 생성형 AI에서 사실과 다른 내용을 만들어내는 환각(hallucination·존재하지 않는 정보를 그럴듯하게 만들어내는 현상) 문제로 이어질 수 있다.
연구팀은 해결의 실마리를 생물학적 두뇌에서 찾았다. 인간의 두뇌는 태어나기 전부터 외부 자극 없이도 ‘자발적 신경 활동(spontaneous neural activity·외부 입력 없이 스스로 발생하는 뇌 신호)’을 통해 신경회로를 형성한다.
연구팀은 이 개념을 인공신경망에 적용해, 실제 학습에 앞서 무작위 노이즈 입력으로 짧은 사전 학습을 수행하는‘예열 단계’를 도입했다. 이는 인공지능이 본격적으로 학습을 시작하기 전에, 스스로의 불확실성을 먼저 조정하는 과정에 해당한다. 예열 과정을 거친 AI 모델은 초기 확신도가 우연 수준에 가까운 낮은 값으로 정렬되며, 기존 초기화에서 나타나던 과신 편향이 크게 완화됐다.
즉, 실제 데이터를 배우기 전에 ‘나는 아직 아무것도 모른다’는 상태를 먼저 학습하게 되는 것이다. 그 결과, 모델의 정확도(예측이 맞는 비율)와 확신도(모델이 스스로 맞다고 믿는 정도)가 자연스럽게 일치하는 방향으로 개선됐다.
특히 처음 보는 데이터에 대한 반응에서도 차이가 나타났다. 기존 모델은 학습하지 않은 데이터에도 높은 확신을 보이며 잘못된 답을 제시하는 경향이 있었지만, 예열 학습을 적용한 모델은 확신도를 낮춰‘모른다’고 판단하는 능력이 뚜렷하게 향상됐다.
이를 통해 학습 데이터와 다른 분포를 가진 데이터를 구별하는 분포 밖 데이터 탐지(out-of-distribution detection·훈련에 사용되지 않은 새로운 유형의 데이터를 구분하는 기술)에서도 높은 성능을 보였다.
이번 연구는 AI가 단순히 정답을 맞히는 수준을 넘어, ‘무엇을 아는가’와 ‘무엇을 모르는가’를 구분하는 능력, 즉 메타 인지(meta-cognition·자신의 인지 상태를 스스로 인식하는 능력)를 갖출 수 있는 가능성을 제시했다.
백세범 석좌교수는 “이번 연구는 두뇌 발달 과정을 모사함으로써 AI가 인간과 좀 더 유사하게 자신의 지식 상태를 인식할 수 있음을 보여준 사례”라며, “정확도를 높이는 것을 넘어 인공지능이 스스로의 불확실성을 판단하는 원리를 제시했다는 데 의의가 있다”고 설명했다.
이번 기술은 자율주행, 의료 AI, 생성형 AI 등 높은 신뢰성이 요구되는 분야는 물론, 거의 모든 딥러닝 모델의 초기화 방식에 적용될 수 있어 AI 전반의 신뢰성을 높이는 핵심 기술로 활용될 것으로 기대된다.
KAIST 천정환 뇌인지과학과 석사(現 육군 일병)가 제1저자로 참여한 이번 연구는 인공지능 분야 국제 학술지 ‘네이처 머신 인텔리전스(Nature Machine Intelligence)’에 2026년 4월 9일자로 온라인 게재됐으며, 주목할 만한 논문으로 선정되어 ‘뉴스 앤 뷰스(News & Views)’에도 소개되었다.
※ 논문명: Brain-inspired warm-up training with random noise for uncertainty calibration, DOI: 10.1038/s42256-026-01215-x
※ 뉴스 앤 뷰스 소개: Learning to be uncertain before learning from data, DOI: 10.1038/s42256-026-01205-z
한편 이번 연구는 한국연구재단의 이공분야기초연구사업과 KAIST 싱귤래러티 연구사업의 지원을 받아 수행됐다.
2026.04.27 조회수 2755 -
제5회 한국인공지능시스템포럼 조찬 강연회 성료
우리 대학 인공지능반도체대학원은 4월 8일(수) 오전 대전 오노마 호텔에서 '제5회 한국인공지능시스템포럼(KAISF)' 조찬 강연회를 성공적으로 개최하였다.
이번 강연회는 인공지능이 물리 세계와 직접 맞닿으며 산업 현장에 빠르게 스며드는 'Physical AI' 시대를 주제로, 총 63명의 산학 전문가가 참석한 가운데 활발한 논의가 이루어졌다.
초청 강연은 ㈜NC AI 이연수 대표이사와 김민재 CTO가 '물리 내재화 기반의 차세대 피지컬 AI와 전주기 통합 플랫폼 개발 현황'을 주제로 공동 진행하였다. 강연에서는 AI 기술의 발전으로 물리 법칙을 스스로 이해하는 피지컬 AI가 로봇 산업의 판도를 바꾸고 있는 현황을 소개하며, 다음 세 가지 핵심 내용을 중심으로 전개되었다.
▲질량·마찰·탄성 등 역학적 관계를 내재화한 WFM(월드 파운데이션 모델) 핵심 기술 및 로봇 파운데이션 모델(RFM) 기반 작업 지능 최적화 ▲Sim-to-Real 간극을 최소화하는 고정밀 3D 시뮬레이션 및 디지털트윈 기술 ▲모델 학습부터 시뮬레이션 검증, 현장 실증에 이르는 E2E 전주기 피지컬 AI 플랫폼 구조
한국인공지능시스템포럼 유희준 의장(KAIST 인공지능반도체대학원장)은 개회사에서 대전이 피지컬 AI 및 인공지능 분야에서 협업할 수 있는 인프라를 구축하여 해당 분야의 거점으로 발전해 나가길 바란다는 뜻을 밝혔다.
2026.04.10 조회수 1540 -
‘알파폴드 한계’ 넘었다…약물 작동까지 예측한다
우리 몸의 단백질은 스위치처럼 작동한다. 약물이 단백질에 결합하면 결합 부위 구조가 변하고, 그 변화가 단백질 전체로 전달돼 기능이 켜지거나 꺼진다. 구글 딥마인드의 알파폴드3는 약물-단백질 결합 여부와 결합 부위의 3차원 구조를 예측하는 데 성공했지만, 약물이 결합한 뒤 단백질 내부에서 어떻게 신호를 전달하고 단백질 전체 구조를 바꿔서 실제로 단백질의 기능을 활성화하거나 억제하는지까지는 예측하지 못했다. 우리 대학 연구진이 약물이 ‘붙는지’가 아니라 ‘실제로 작동하는지’까지 예측하는 AI를 개발했다.
우리 대학은 바이오및뇌공학과 이관수 교수 연구팀이 대표적인 신약 표적인 G-단백질 결합 수용체(GPCR)에 대해, 후보 물질이 단순히 결합하는지를 넘어 실제로 단백질을 활성화하는지까지 예측하는 인공지능 모델 ‘GPCRact(지피씨알액트)’를 개발했다고 8일 밝혔다.
GPCR(G-Protein Coupled Receptor)은 세포 표면에 있는‘신호 수신기’역할을 한다. 호르몬이나 신경전달물질, 약물이 세포 밖에서 신호를 보내면 이를 받아 세포 안으로 전달하는 문(게이트) 역할을 한다. 인체에는 약 800여 종의 GPCR이 존재하며, 현재 시판 약물의 약 30~40%가 이를 표적으로 한다. 심장 박동, 혈압 조절, 통증 감지, 면역 반응, 감정 조절 등 다양한 생리 기능에 관여하는 핵심 단백질이다.
하지만 약물이 GPCR에 결합했다고 해서 항상 원하는 기능이 작동하는 것은 아니다. 결합 이후 단백질 내부에서 일어나는 구조 변화와 신호 전달 과정이 실제 작용 여부를 결정한다. 이를 ‘알로스테릭 신호 전파’라고 한다.
연구팀은 약물 작용 과정을 ① 약물-표적 결합 단계 ② 단백질 내부 신호 전파 단계로 나누어 AI가 단계적으로 학습하도록 설계했다. 단백질의 3차원 구조를 원자 수준 그래프로 표현하고, 중요한 신호 전파 경로를 학습할 수 있도록‘어텐션 메커니즘’을 적용했다. 이를 통해 AI가 약물 결합 신호와 함께 단백질 내부 신호 전파 경로를 파악하여 단백질의 활성을 예측하도록 했다.
그 결과, 기존 모델이 어려워했던 복잡한 구조의 단백질에서도 약물 활성 예측 성능을 크게 향상시켰다. 이번 모델은 단순히 ‘활성’ 또는 ‘비활성’결과만 제시하지 않는다. 예측의 근거가 되는 단백질 내부 핵심 신호 경로를 제시해, 이른바 ‘블랙박스 AI’의 한계를 극복했다.
이는 연구자가 결과를 해석하고 검증할 수 있게 해 신약 개발의 신뢰성과 효율성을 동시에 높일 수 있는 중요한 진전이다. 앞으로 GPCR을 표적으로 하는 다양한 질병에서, 약물의 결합 여부뿐 아니라 실제 활성 여부까지 예측하는 정밀 신약 개발 AI 플랫폼으로 활용될 전망이다.
이관수 교수는 “알로스테릭 구조 변화는 약물이 단백질의 한 부분에 결합했을 때 그 영향이 내부로 전달돼 다른 부위의 기능까지 바뀌는 현상”이라며 “이 작동 원리를 딥러닝에 반영한 것이 이번 연구의 핵심”이라고 밝혔다. 이어 “앞으로 다양한 단백질로 확장하고, 세포와 인체 반응까지 예측하는 기술로 발전시키겠다”고 말했다.
손효진 박사과정생이 제1 저자로 참여한 이번 논문은 생물정보학 분야 최고 권위의 국제 학술지인 `브리핑스 인 바이오인포매틱스(Briefings in Bioinformatics, JCR 상위 2.2%)'에 1월 15일자 게재됐다.
※ 논문명 : GPCRact: a hierarchical framework for predicting ligand-induced GPCR activity via allosteric communication modeling, DOI: https://doi.org/10.1093/bib/bbaf719
※ 저자 정보 : 손효진 (KAIST, 제1 저자), 이관수 (KAIST, 교신저자)
이 연구는 개인기초연구(과학기술정보통신부, 한국연구재단, RS-2025-24533057)의 지원으로 수행됐다.
2026.03.09 조회수 4094 -
기계공학과 윤국진 교수 연구팀, 세계 최고 권위 ‘CVPR 2026’ 논문 10편 채택,글로벌 AI 연구 선도
우리 대학 기계공학과 윤국진 교수 연구팀이 세계적인 컴퓨터 비전 학술대회인 IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026(CVPR 2026)에서 주저자로 총 10편의 논문을 채택시키며, 연구팀의 압도적인 학술적 역량을 다시금 증명했다.
CVPR은 인공지능과 시각 지능 분야에서 가장 큰 영향력을 가진 국제 학술 대회로, 1983년 시작된 이래 매년 엄격한 심사를 거쳐 우수 논문을 선정한다. 올해 CVPR 2026에는 전 세계에서 총 16,092편의 논문이 제출되었으며, 그중 4,090편이 채택되어 약 25.42%의 낮은 채택률을 기록하였다. 단일 연구실에서 주저자/교신저자로 10편의 논문이 동시에 채택되는 것은 국제적으로 매우 독보적인 성과로 평가받는다.
윤국진 교수 연구팀은 인간 수준의 시각 지능 구현을 목표로 폭넓은 연구를 수행하고 있다. 이번에 채택된 논문들은 이벤트 카메라 기반 기술, 자율주행 인지 기술, 그리고 AI 효율화 및 적응 기술 등 컴퓨터 비전 분야의 최첨단 주제들을 다루고 있다.
연구팀은 이미 지난해 ICCV 2025에서도 주저자/교신저자로 12편의 논문을 발표하여 독보적인 연구 역량을 인정받은 바 있다. 이번 CVPR 2026의 성과는 연구팀이 글로벌 컴퓨터 비전 연구를 선도하는 핵심 거점임을 다시 한번 확고히 하는 계기가 되었다. 연구팀은 앞으로도 기존 기술의 한계를 뛰어넘는 도전적인 연구를 통해 미래 AI 기술 발전에 기여할 계획이다.
한편, 이번 CVPR 2026은 오는 6월 3일부터 7일까지 미국 콜로라도주 덴버에서 개최될 예정이다.
2026.03.06 조회수 3993 -
전 세계 슬럼가 찾아내는 AI 개발..AAAI 2026 최우수논문상
“슬럼(Slum, 빈곤지역)이 어디에 있는지조차 모르는 도시들”
한국 연구진이 위성사진만으로 슬럼 지역을 스스로 찾아내는 인공지능(AI)을 개발했다. 사람이 미리 위치를 표시해 주지 않아도 새로운 도시에서 자동으로 적응해 정확도를 높이는 기술로, 데이터가 부족한 개발도상국의 도시정책 수립과 공공 자원 배분 방식을 근본적으로 바꿀 수 있을 것으로 기대된다.
우리 대학은 전산학부 차미영 교수와 기술경영학부 김지희 교수 공동 연구팀이 전남대학교(총장 이근배) 지리학과 양재석 교수와 함께한 학제 간 융합 연구를 통해 위성사진 기반 범용 슬럼 탐지 AI 기술을 개발했다고 6일 밝혔다.
이번 연구는 세계 최고 권위의 인공지능 학술대회 ‘국제인공지능학회(AAAI) 2026’에서 ‘사회적 임팩트 AI(AI for Social Impact)’ 부문 최우수논문상(Best Paper Award)을 수상했다. 해당 부문에 제출된 693편 중 단 2편만이 선정된 최고 영예로, 한국 연구팀의 혁신적인 AI 기술력이 단순한 기술 진보를 넘어 실질적인 사회적 가치 창출 측면에서도 세계 최정상 수준임을 확인시켜 준 쾌거다.
그동안 위성사진을 활용한 슬럼 탐지 연구는 있었지만, 도시마다 건물 형태와 밀집도가 크게 달라 새로운 지역에서는 정확도가 급격히 떨어지는 한계가 있었다. 특히 많은 개발도상국에서는 슬럼 위치를 일일이 표시한 데이터가 부족해 AI 학습 자체가 어려웠다.
연구팀은 이를 해결하기 위해 여러 개의 AI 모델이 서로 다른 지역 특성을 학습하고, 새로운 도시가 입력되면 가장 적합한 모델을 자동으로 선택하는 ‘전문가 혼합(Mixture-of-Experts, MoE)’ 구조를 도입했다.
이번 연구의 핵심은 ‘테스트 시점 적응(Test-Time Adaptation, TTA)’ 기술이다. 새로운 도시에서 슬럼 위치를 사람이 미리 표시하지 않아도, AI가 여러 모델의 예측 결과를 비교·검증해 공통적으로 일치하는 영역만을 신뢰함으로써 스스로 오류를 줄인다. 이를 통해 데이터가 부족한 지역에서도 안정적인 성능을 확보했다.
연구팀은 해당 기술을 아프리카 캄팔라(Kampala), 마푸토(Maputo) 등 주요 도시에 적용한 결과, 기존 최신 기술보다 더욱 정교하게 슬럼 지역을 구분하는 성과를 확인했다.
이 기술은 △ 개발도상국 도시 인프라 확충 계획 수립 △ 재난·감염병 취약지역 사전 파악 △ 주거환경 개선 사업 대상 선정 △ UN 지속가능발전목표(SDGs) 이행 점검 등 다양한 정책 분야에서 활용될 수 있을 것으로 기대된다.
차미영 교수는 “AI가 단순 분석 도구를 넘어, 데이터가 부족한 지역에서도 실질적인 사회 문제 해결에 기여할 수 있음을 보여준 연구”라고 말했다. 김지희 교수는 “막대한 비용이 드는 현장조사를 보완해, 한정된 자원을 가장 필요한 지역에 효과적으로 배분하는 데 도움이 될 것”이라고 밝혔다.
이번 연구에는 KAIST 전산학부 이수민, 박성원 석박사연구원이 공동 제1저자로 참여했으며, 연구 결과는 1월 25일 싱가포르에서 열린 AAAI 2026에서 발표됐다.
※ 논문명: Generalizable Slum Detection from Satellite Imagery with Mixture-of-Experts, 논문링크 : https://aaai.org/about-aaai/aaai-awards/aaai-conference-paper-awards-and-recognition/
또한, 한국연구재단의 중견연구자지원사업 및 데이터사이언스 융합인재양성사업의 지원을 받아 수행되었다.
2026.03.06 조회수 5091