기존 인공지능 확산모델은 이미지 생성 등 여러 응용 분야에서 활용되고 있지만 복잡한 문제를 해결할 때는 계산량이 너무 많아 시간이 오래 걸리는 한계가 있었습니다.

KAIST 전산학부 안성진 교수팀은 딥러닝 분야의 세계적 석학인 몬트리올 대학교 요슈아 벤지오 교수팀과 함께 이런 확산 모델의 한계를 넘어 복잡한 문제도 적은 연산으로 빠르고 정확하게 답을 찾아내는 새로운 추론 기법을 만들었습니다.

기술의 핵심은 몬테카를로 트리 탐색의 병렬 추론 구조입니다.

AI가 가능한 경로를 트리처럼 넓게 펼쳐놓고 동시에 여러 경로를 탐색하는 방식으로 제한된 계산 자원으로도 효율적으로 답을 찾을 수 있도록 한 겁니다.

연구진은 이를 통해 기존 모델이 한 번도 풀지못했던 초대형 미로찾기 과제에서 100%의 성공률을 기록했습니다.

이어 트리 탐색을 효율적으로 병렬화해 추론 속도를 기존보다 최대 100배까지 끌어올려 실시간 AI 응용 가능성도 확보했습니다.

이번 성과는 고비용 계산이 요구되던 기존 확산모델의 한계를 극복한 기술로 로봇 제어, 시뮬레이션 기반 의사결정, 실시간 생성 AI 등 계산 효율이 핵심인 다양한 분야에서 활용될 수 있을 것으로 기대됩니다.

이번 연구는 전산학부 윤재식 박사과정이 제 1저자로 최근 캐나다에서 열린 제42회 국제기계학습학회(ICML) 2025에서 전체 채택 논문 가운데 상위 2.6%만 선정되는 스포트라이트 논문으로 발표됐습니다.

TJB 대전방송