KAIST, 추론 속도·성능 모두 잡은 AI 확산모델 신기술 개발

(대전=뉴스1) 김종서 기자 = 한국과학기술원(KAIST)은 전산학부 안성진 교수 연구팀이 캐나다 몬트리올 대학교 요슈아 벤지오 교수와의 공동연구를 통해 인공지능(AI) 확산 모델의 추론-시간 확장성을 크게 개선하는 신기술을 개발했다고 20일 밝혔다.

AI 학습 모델은 단순히 데이터나 모델 크기를 키워 해결할 수 없는 고난도 문제를 풀도록 돕는 핵심 AI 기술로 주목받고 있다.

하지만 현재 다양한 응용 분야에서 활용되고 있는 확산 모델에서는 이러한 스케일링을 효과적으로 구현하는 방법론이 부족하다는 한계가 있었다.

이에 연구팀은 '몬테카를로 트리 탐색' 기반의 새로운 확산 모델 추론 기법을 제안했다. 이 방법은 제한된 계산 자원으로도 높은 품질의 출력을 효율적으로 찾아낼 수 있다. 이를 통해 기존 0%의 성공률을 보이던 테스트에서 100%의 성공률을 달성했다.

후속 연구에서는 제안한 방법론의 주요 단점인 느린 속도 문제를 대폭 개선하는 방법을 개발하는데 성공했다. 트리 탐색을 효율적으로 병렬화해 비용을 최적화하고 이전 방식 대비 최대 100배 빠른 속도로도 동등하거나 더 우수한 품질의 결과를 얻었다.

안 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 말했다.

연구 결과는 '제42회 국제기계학습학회(ICML 2025)'에서 스포트라이트 논문으로 발표됐다.

jongseo12@news1.kr

사회