%ec%9d%b8%ea%b3%b5%ec%a7%80%eb%8a%a5
-
'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 1388 -
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 1443 -
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 831 -
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 8902 -
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 2819 -
‘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 4167 -
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 4077 -
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 5205 -
다크나잇 속 조커가 ‘내가 되는’ 기술 개발
만약 영화 다크나잇을 보면서 화면 속 조커를 바라보는 것이 아니라, 내가 조커가 되어 고담시를 직접 바라본다면 어떨까. 관객의 시선이 아닌 등장인물의 눈으로 세상을 경험하는 영상 기술이 현실이 되고 있다. 우리 대학 연구진이 일반 영상만으로도 사용자가 직접 보는 시점의 영상을 생성하는 새로운 인공지능 모델을 개발했다.
으리 대학은 김재철AI대학원 주재걸 석좌교수 연구팀이 관찰자 시점의 영상만을 활용해 영상 속 인물이 실제로 보고 있었을 장면을 정밀하게 생성하는 인공지능 모델 ‘에고엑스(EgoX)’를 개발했다고 23일 밝혔다.
최근 증강현실(AR), 가상현실(VR), AI 로봇 기술이 빠르게 발전하면서 ‘내가 직접 보는 장면’을 그대로 담은 1인칭 시점 영상(Egocentric video)의 중요성이 커지고 있다. 그러나 고품질의 1인칭 영상을 얻기 위해서는 사용자가 고가의 액션캠이나 스마트 글래스를 직접 착용해야 하는 한계가 있었다. 또한 이미 촬영된 일반 영상(제3자 시점, Exocentric video)을 1인칭 시점으로 자연스럽게 변환하는 데에도 기술적 제약이 존재했다.
이번 기술은 단순히 화면을 회전시키는 수준을 넘어, 인물의 위치와 자세, 주변 공간의 3차원(3D) 구조를 종합적으로 이해한 뒤 이를 기반으로 1인칭 시점 영상을 재구성한다는 점이 특징이다.
기존 기술은 정지 이미지만 변환하거나 4대 이상의 카메라 영상이 필요한 경우가 많았다. 또한 빛의 방향이나 움직임이 복잡한 동영상에서는 화면이 어색해지는 문제가 있었다.
반면 EgoX는 단 하나의 3인칭 시점 영상만으로도 고품질의 1인칭 영상을 생성할 수 있다. 연구팀은 특히 인물의 머리 움직임과 실제 시야 사이의 상관관계를 정밀하게 모델링함으로써, 고개를 돌릴 때 시야가 자연스럽게 전환되는 모습까지 사실적으로 구현하는 데 성공했다.
이 기술은 특정 환경에 국한되지 않고 요리, 운동, 작업 등 다양한 일상 상황에서도 안정적인 성능을 보였다. 이를 통해 별도의 웨어러블 장치를 착용하지 않고도 기존에 축적된 영상으로부터 고품질의 1인칭 시점 데이터를 확보할 수 있는 새로운 가능성을 열었다는 평가를 받고 있다.
EgoX는 향후 다양한 산업 분야에 상당한 파급력을 미칠 것으로 기대된다. AR·VR 및 메타버스 분야에서는 일반 영상을 사용자가 직접 체험하는 듯한 몰입형 콘텐츠로 전환해 사용자 경험을 극대화할 수 있다.
또한 로봇이 사람의 행동을 보고 학습하는 모방 학습(Imitation Learning)의 핵심 데이터로 활용될 수 있어 로봇과 AI 학습 분야에도 기여할 것으로 전망된다. 스포츠 중계나 브이로그를 선수나 주인공의 시점으로 전환하는 등 새로운 형태의 영상 서비스도 가능해질 것으로 기대된다.
주재걸 석좌교수는 “이번 연구는 단순한 영상 변환 기술을 넘어, 인공지능이 사람의 ‘시야’와 ‘공간 이해’를 학습해 재구성했다는 점에서 의미가 크다”며 “앞으로는 기존에 촬영된 영상만으로도 누구나 몰입형 콘텐츠를 제작하고 경험할 수 있는 환경이 열릴 것으로 기대한다”고 말했다. 이어 “KAIST는 생성형 AI 기반 비디오 기술 분야에서 세계적 경쟁력을 확보해 나갈 것”이라고 덧붙였다.
이번 연구는 강태웅, 김기남 KAIST 박사과정, 김도현 서울대 학부연구생이 제 1저자로 참여했으며, 논문은 2025년 12월 9일 arXiv에 선공개되어 미국 NVIDIA 및 Meta 등의 빅테크들을 비롯한 AI 산업 및 학계의 큰 주목을 받았으며, 2026년 6월 3일 미국 콜로라도에서 열리는 국제 학술대회인 The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)에 공식 발표될 예정이다.
※ 논문명: EgoX: Egocentric Video Generation from a Single Exocentric Video, 논문링크: https://keh0t0.github.io/EgoX/
※ 저자: 강태웅(제1저자, KAIST), 김기남(제1저자, KAIST), 김도현 (제1저자, 서울대학교), 박민호 (공동저자, KAIST), 형준하 (공동저자, KAIST), 주재걸(교신저자, KAIST)
한편, 이번 연구는 과학기술정보통신부 재원으로 한국연구재단의 지원을 받은 개인기초연구사업 ‘생성형 인공지능 기술을 통한 사용자 중심 콘텐츠 생성 및 편집 기술 연구’ 과제와, 슈퍼컴퓨터 5호기 초고성능컴퓨팅 기반 R&D 혁신 지원 사업 ‘디퓨전 모델 기반 비디오 촬영 시점 변환 연구’ 과제의 지원을 받아 수행됐다.
2026.02.23 조회수 2452 -
KAIST-카카오뱅크, '설명 가능한 AI' 속도 11배 높였다. "금융 AI 신뢰도↑"
우리 대학 김재철AI대학원 최재식 교수 연구팀이 ㈜카카오뱅크(대표 윤호영)와 공동으로 인공지능(AI) 모델의 판단 근거를 실시간으로 설명할 수 있는 가속화 설명 기술을 개발했다고 밝혔다.
이번 연구 성과는 AI 모델의 예측 결과에 대한 기존 설명 알고리즘 대비 평균 8.5배, 최대 11배 이상 빠른 처리 속도를 달성해, 금융 서비스 등 실시간 의사결정이 필요한 분야에서 설명가능 인공지능(Explainable Artificial Intelligence, 이하 XAI) 기술의 실용화 가능성을 크게 높였다.
금융 분야에서는 AI 시스템이 내린 결정에 대한 명확한 설명이 필수적이다. 특히 대출 심사나 이상거래 탐지와 같이 고객의 권익과 직결된 서비스에서는 AI 모델의 판단 근거를 투명하게 제시해야 하는 규제 요구가 점차 강화되고 있다. 하지만 기존의 설명가능 인공지능(XAI) 기술은 정확한 설명을 생성하기 위해 수백에서 수천 개의 기준점(Baseline)을 반복 계산해야 하므로 막대한 연산 비용이 발생했다. 이는 실시간 서비스 환경에서 설명가능 인공지능 (XAI) 기술의 적용을 제약하는 주요 요인이었다.
최재식 교수 연구팀은 이러한 문제를 해결하기 위해 'ABSQR(Amortized Baseline Selection via Rank-Revealing QR)'이라는 설명 알고리즘 가속화 프레임워크를 개발했다. ABSQR은 AI 모델 설명 과정에서 생성되는 가치 함수 행렬(value function matrix)이 저차원 구조를 가진다는 점에 착안해, 수백 개의 기준점 중에서 핵심적인 소수만을 선별하는 방식을 도입했다. 기준점 개수에 비례하던 연산량을 선별된 중요 기준점 개수에만 비례하도록 획기적으로 줄여, 설명 정확도는 유지하면서도 계산 효율성을 극대화했다.
구체적으로 ABSQR은 두 단계로 작동한다. 첫 번째 단계에서는 특이값 분해(SVD)와 랭크 판별형 QR 분해(Rank-Revealing QR decomposition) 기법을 활용해 중요한 기준점들을 체계적으로 선별한다. 이는 기존의 무작위 샘플링 방식과 달 정보력 복원 유지를 목적으로 한 결정론적 선택 방법으로, 설명의 정확도를 보장하면서도 계산량을 획기적으로 줄일 수 있다. 두 번째 단계에서는 사전에 계산해둔 기준점의 가중치들을 클러스터 기반 검색을 통해 재사용하는 가속화 추론(amortized inference) 메커니즘을 도입해, 실시간 서비스 환경에서 모델 평가를 반복하지 않고도 모델의 예측 결과에 대한 설명을 제공할 수 있게 했다.
연구팀은 다양한 실제 데이터셋을 대상으로 한 실험을 통해 ABSQR의 우수성을 검증했다. 금융, 마케팅, 인구통계 등 5개 분야의 표준 데이터셋에 대한 테스트 결과, ABSQR은 모든 기준점을 사용하는 기존 설명 알고리즘 대비 평균 8.5배 빠른 처리 속도를 달성했으며, 최대 11배 이상의 속도 향상을 기록했다. 또한, 속도 향상에 따른 설명 정확도 저하를 최소화하여 기준 알고리즘 대비 최대 93.5%의 설명 정확도를 유지했다. 이는 실무 환경에서 요구되는 설명 품질을 충분히 만족하는 수준이다.
카카오뱅크 관계자는 "앞으로도 끊임없는 연구개발을 통해 금융 서비스의 신뢰도와 편의성을 높이고, 고객이 체감할 수 있는 혁신적인 금융 기술을 선보이겠다"고 밝혔다.
공동 제1 저자인 KAIST 이찬우, 박영진 연구원은 "금융 분야에서 실시간 적용을 위해 가장 중요한 과제인 가속화 문제를 해결한 방법론으로, 사용자에게 학습 모델에 대한 의사결정 원인을 실시간으로 제공할 수 있음을 입증했다"라고 연구의 의의를 설명했다. 이어 "이번 연구는 설명 알고리즘에서 불필요한 연산과 중요한 기준점 선택이 무엇인지에 대한 새로운 통찰을 제공하며, 설명 기술의 효율성 향상에 실질적으로 기여할 것"이라고 덧붙였다.
KAIST 김재철AI대학원 이찬우, 박영진 박사 과정 연구원과 카카오뱅크 금융기술연구소 이현근, 유예은 연구원이 공동 제1 저자로 참여한 이번 연구는 정보 및 지식 관리 분야의 세계 최고 권위 학술대회인 'CIKM 2025(ACM International Conference on Information and Knowledge Management)'에서 11월 12일에 발표되었다.
※ 논문명: Amortized Baseline Selection via Rank-Revealing QR for Efficient Model Explanation
※ 저자 정보:
- 공동 제1저자: 이찬우(KAIST 김재철AI대학원), 박영진(KAIST 김재철AI대학원), 이현근(카카오뱅크), 유예은(카카오뱅크)
- 공저자: 한대희(카카오뱅크), 최준호(KAIST 김재철AI대학원), 김건형(KAIST 김재철AI대학원)
- 교신저자: 김나리(KAIST 김재철AI대학원), 최재식(KAIST 김재철AI대학원)
※ DOI: https://doi.org/10.1145/3746252.3761036
한편, 이번 연구성과는 카카오뱅크의 산학 연구과제 ‘금융분야 설명가능 인공지능 알고리즘 고도화 연구’와 과기정통부·정보통신기획평가원(IITP)의 지원 과제 ‘플러그앤플레이 방식으로 설명가능성을 제공하는 인공지능 기술 개발 및 인공지능 시스템에 대한 설명 제공 검증'를 통해 수행됐다.
2025.12.11 조회수 3479 -
‘2025 AI 챔피언’등극.. AI가 이제 택시도 스스로 부른다
이제는 단순히 대화만 하는 음성비서를 넘어, AI가 직접 화면을 보고 판단해 택시를 호출하고 SRT 티켓을 예매하는 시대가 열렸다.
우리 대학은 전산학부 신인식 교수(㈜플루이즈 대표)가 이끄는 AutoPhone 팀(플루이즈·KAIST·고려대·성균관대)이 과학기술정보통신부가 주최한 ‘2025 인공지능 챔피언(AI Champion) 경진대회’에서 초대 AI 챔피언(1위)에 선정됐다고 6일 밝혔다.
이번 대회는 AI 기술의 혁신성, 사회적 파급력, 사업화 가능성을 종합 평가하는 국내 최대 규모의 AI 기술 경진대회로, 전국 630개 팀이 참가한 가운데 AutoPhone 팀이 최고 영예를 차지하며 연구개발비 30억 원을 지원받는다.
AutoPhone 팀이 개발한 ‘FluidGPT’는 사용자의 음성 명령을 이해해 스마트폰이 스스로 앱을 실행하고 클릭·입력·결제까지 완료하는 완전 자율형 AI 에이전트 기술이다.
예를 들어, 사용자가 “서울역에서 부산 가는 SRT 예매해줘” 또는 “택시 불러줘”라고 말하면, FluidGPT는 실제 앱을 열고 필요한 단계를 순차적으로 수행해 결과를 완성한다.
이 기술의 핵심은 ‘비침습형(API-Free)’ 구조다. 기존에는 택시 앱(API) 을 이용해 직접 호출 기능을 실행해서 앱 내부 시스템에 연결(API 통신) 해야 했다. 반면 이 기술은 기존 앱의 코드를 수정하거나 앱(API)을 연동하지 않고, AI가 화면(UI)을 직접 인식하고 조작함으로써 사람처럼 스마트폰을 다룰 수 있는 능력을 갖췄다.
이로써 FluidGPT는 “사람처럼 보고, 판단하고, 손을 대신 움직이는 AI”라는 새로운 패러다임을 제시하며, ‘AI폰 시대’를 여는 핵심 기술로 평가받고 있다.
FluidGPT는 기존의 단순 음성비서를 넘어, AI가 직접 화면을 보고 판단하여 행동하는 ‘Agentic AI’(행동형 인공지능) 개념을 구현했다. AI가 앱 버튼을 클릭하고 입력 필드를 채우며 데이터를 참조해 사용자의 목적을 스스로 달성하는 완전 행동형 시스템으로, 스마트폰 사용 방식의 혁신을 예고하고 있다.
전산학부 신인식 교수는 “AI가 이제 대화에서 행동으로 진화하고 있다. FluidGPT는 사용자의 말을 이해하고 실제 앱을 스스로 실행하는 기술로, ‘AI폰 시대’의 출발점이 될 것이다. AutoPhone 팀은 세계적 수준의 연구 역량을 갖추고 있으며, 앞으로 모두가 쉽게 사용할 수 있는 AI 서비스 확산에 기여하겠다”고 소감을 밝혔다.
이광형 KAIST 총장은 “이번 성과는 KAIST의 AI 융합 비전을 보여주는 대표적인 사례”라며 “AI 기술이 국민 생활 속으로 들어와 새로운 혁신의 변화를 이끌고 있다”고 말했다.
이어 “KAIST는 앞으로도 AI와 반도체 등 미래 핵심기술 연구를 선도해 국가 경쟁력에 힘을 보태겠다”고 덧붙였다.
2025.11.06 조회수 7004 -
AI로 기후리스크에 강한 도시 상권 찾아낸다
우리 대학은 도시인공지능연구소(소장 건설및 환경공학과 윤윤진 지정석좌교수)가 미국 MIT 센서블 시티 랩(Senseable City Lab, 소장 Carlo Ratti 교수)과 함께 ‘도시와 인공지능(Urban AI)’분야의 공동연구를 진행하고, 그 성과를 서울 코엑스에서 열린 9월 말 ‘스마트라이프위크 2025(Smart Life Week 2025)’ 전시를 통해 공개했다고 10월 29일 밝혔다.
KAIST와 MIT는 도시의 주요 문제를 인공지능으로 해석하는‘Urban AI 공동연구 프로그램’을 추진해 왔으며, 이번 전시에서는 ▲도시 기후 변화 ▲녹지 환경 ▲데이터 포용성 등 세 가지 주제를 중심으로 연구 성과를 시민이 직접 체험할 수 있는 형태로 선보였다.
양 기관은 이번 협력을 통해 AI 기술이 도시의 문제를 계산하는 도구를 넘어, 사회적 이해와 공감을 이끄는 새로운 지능으로 확장될 수 있음을 보여주며 ▲도시의 열과 매출 ▲치유하는 자연, 서울 ▲데이터 소니피케이션 등 세 가지 프로젝트를 진행했다.
첫 번째 프로젝트인 ‘도시의 열과 매출’은 기후 변화가 도시 상권과 소상공인 생태계에 미치는 영향을 인공지능으로 분석한 연구다. 서울시 426개 행정동별 96개 업종에 대한 매출과 날씨 등 3억 개 이상의 데이터를 학습한 인공지능 모델을 통해, 기온과 습도 등의 기후 요인이 업종별 매출에 미치는 영향을 정량화했다.
그 결과는 각 지역·업종별로 기후 변화에 얼마나 잘 적응하고 회복할 수 있는지를 점수화한 ‘도시의 회복력(Urban Heat Resilience)’지표 40,896개로 시각화되어 어느 지역이 기온 리스크에 강한 상권인지 등 지역별 상권의 회복력 수준을 한눈에 파악할 수 있도록 구성되었다.
연구에 따르면 편의점 업종의 경우, 총 426개 행정동 중 64.7%는 기후 변화에 비교적 안정적인 ‘기후 중립 지역’이며 나머지 35.3%는 기후 변화에 영향을 크게 받는 ‘기후 민감 지역’에 속하는 것으로 분석되었다. 이는 편의점 업종의 영업 환경은 지역별로 기후 영향 편차가 존재하며, 도시 회복력 관점에서 향후 입지 전략 수립 시 참고할 수 있는 데이터로 활용 가능하다.
관람객은 실제 서울 지도를 기반으로 지역과 업종을 선택해, AI가 미래 기온 상승 시나리오에 따른 매출 변화를 실시간으로 예측하는 시스템을 체험할 수 있었다.
해당 예측 모델은 KAIST가 자체 개발한 기술로, 향후 보스턴·런던 등 세계 주요 도시와의 협력 확장도 추진될 예정이다. 이 연구는 향후 소상공인의 개업 전략 수립과 도시 기후 리스크 대응 정책 수립에 새로운 방향을 제시할 것으로 기대된다.
두 번째 프로젝트 ‘치유하는 자연, 서울’은 MIT의 글로벌 프로젝트 ‘Feeling Nature’의 서울 확장판으로, 스트리트뷰·지도·위성 이미지 등 도시 환경 데이터와 시민 설문 데이터를 결합해 AI가 ‘서울 시민이 실제로 느끼는 녹지의 심리적 경험(psychological green)’을 추정하도록 학습시켰다.
이를 통해 단순히 나무나 공원의 면적을 계산하는 수준을 넘어, 시민이 느끼는 정서적 회복력(emotional resilience)과 웰빙(well-being)을 반영한 새로운 도시 설계 방향을 제시했다. 해당 연구는 향후 서울시 녹지 정책 및 지역 맞춤형 도시 디자인에 활용될 과학적 근거를 제공할 것으로 기대된다.
마지막 프로젝트인 ‘데이터 소니피케이션’은 3억 건이 넘는 데이터를 음악처럼 해석해 들을 수 있게 만든 세계 최초의 인공지능 기술이다. AI는 온도·습도·매출 등 데이터를 활용해 기온이 오르면 음이 높아지고, 매출이 줄면 소리가 낮아지는 식으로 정보를 소리로 표현한다. 이를 통해 시각 대신 청각으로 도시 데이터를 ‘듣는’ 새로운 감각적 경험을 제공한다.
이 기술은 시각장애인이나 어린이 등 시각 정보 접근이 어려운 사람도 데이터를 직관적으로 이해할 수 있도록 돕는 포용적 AI 기술로, ‘모두를 위한 인공지능(Barrier-Free AI)’의 대표 사례다.
이번 연구를 후원한 서울AI재단 김만기 이사장은 “KAIST와 MIT 등 세계적 연구기관과의 협업을 통해 도시 환경과 시민 삶을 인공지능으로 분석한 뜻깊은 성과를 거뒀다”며 “이번 연구가 시민의 관점에서 도시 변화를 이해하고 이를 정책과 생활로 연결하는 기반을 마련했다”고 말했다.
윤윤진 소장은 “이번 전시는 인공지능이 도시를 계산하는 기술을 넘어, 사람과 도시를 이해하고 공감하는 지능으로 발전할 수 있음을 보여줬다”며 “시민이 함께 데이터를 만들고 경험하며, 세계 여러 도시와 협력해 더 포용적이고 지속 가능한 도시 미래를 열어가겠다”고 밝혔다.
이번 성과는 KAIST 도시인공지능연구소과 미국 MIT 센서블 시티 랩(MIT Senseable City Lab)이 참여한 AI 분야 글로벌 협력 연구사업 과제로, 서울AI재단의 후원을 받아 수행되었다.
※연구성과 이미지/동영상: https://05970c0c.slw-6vy.pages.dev/
2025.10.29 조회수 6110