카이스트 "高비용 AI 확산모델, 추론 속도·성능 높이는 기술 개발"

"지능형 로봇·AI 에이전트 등 다양한 분야 적용 기대"

안성진 KAIST 전산학부 교수, 윤재식 박사과정, 조현서 석사과정, 백두진 석사과정, 요슈아 벤지오 몬트리올대 MILA 교수/사진=카이스트

국내 연구진이 인공지능(AI) 확산(diffusion) 모델에서 고성능 고효율 추론이 가능한 신기술을 개발했다. 이번 기술은 기존 모델이 한번도 성공하지 못한 초대형 미로찾기 태스크에서 100% 성공률을 기록했다. 향후 지능형 로봇, AI 에이전트 등 실시간 의사결정이 필요한 다양한 분야에서 핵심 기술로 활용될 전망이다.

20일 카이스트(KAIST)는 안성진 전산학부 교수 연구팀이 딥러닝 분야 세계적 석학인 요슈아 벤지오 몬트리올대 교수와의 공동연구해 AI 확산 모델의 추론-시간 확장성을 크게 개선하는 신기술을 개발했다고 밝혔다. 이번 연구는 KAIST-MILA(몬트리올 학습 알고리즘 연구소) 프리프론탈 AI 공동연구센터 협력 일환으로 진행됐다.

추론-시간 확장성이란 AI 학습 이후 추론 단계에서 더 많은 계산 자원을 효율적으로 활용해 단순히 데이터나 모델 크기를 키우는 것으로는 해결할 수 없는 고난도 문제를 풀 수 있도록 돕는다. 그러나 확산 모델에선 이런 스케일링을 효과적으로 구현하는 방법론이 부족했다.

연구팀의 인공지능 확산 모델의 추론-시간 확장 실현 개요. /사진=카이스트

이에 안 교수 연구팀은 몬테카를로 트리 탐색(Monte Carlo Tree Search) 기반 새로운 확산 모델 추론 기법을 제안했다. 확산 과정 중 다양한 생성 경로를 트리 구조로 탐색하며, 제한된 계산 자원으로도 높은 품질의 출력을 효율적으로 찾아내는 방법이다. 이를 통해 기존 방법으론 0%던 '자이언트-스케일의 미로 찾기' 태스크 성공률을 100%로 끌어올렸다.

다만 느린 속도가 주요 단점이었는데, 후속연구에서 이를 대폭 개선할 방법도 개발했다. 트리 탐색을 효율적으로 병렬화해 비용을 최적화하고, 이전 방식 대비 최대 100배 빠른 속도로도 동등하거나 더 우수한 품질의 결과를 얻는 데 성공했다. 이는 추론 능력과 실시간 적용 가능성을 동시에 확보했다는 점에서 의미가 크다.

안성진 교수는 "이번 연구는 고비용 계산이 요구되던 기존 확산 모델의 한계를 근본적으로 극복한 기술"이라며 "지능형 로봇, 시뮬레이션 기반 의사결정, 실시간 생성 AI 등 다양한 분야에서 핵심 기술로 활용될 수 있을 것"이라고 밝혔다.

한편, 연구 결과는 윤재식 전산학부 박사과정이 제 1저자로 지난 13~19일캐나다 벤쿠버에서 열린 제42회 국제기계학습학회(ICML 2025)에서 스포트라이트(Spotlight) 논문(전체 채택 논문 중 상위 2.6%)으로 발표됐다.

윤지혜 기자 yoonjie@mt.co.kr