【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]KAIST, 스스로 원리 깨치는 AI 개발

온카뱅크관리자

2026-07-27 11:27:30

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">안성진 교수팀, ICML 2026 워크숍 최우수논문상 수상</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="tekxd1ZvSu">
          <figure class="figure_frm origin_fig" contents-hash="352e3cc31b9872728acd4aa6a00f3d90e1e9942fe6156aa719b0b6667c169c66" dmcf-pid="FdEMJt5TCU" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/27/552796-pzfp7fF/20260727112210220ybrt.jpg" data-org-width="640" dmcf-mid="2wx8xHYCvR" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/27/552796-pzfp7fF/20260727112210220ybrt.jpg" width="658"></p>
          </figure>
          <p contents-hash="d058991374c53c92672c354ca65aa30a98749e6b2f0414a9221b98669f84efd3" dmcf-pid="37Ppzmwavp" dmcf-ptype="general">[디지털데일리 구아현기자] KAIST 연구팀이 관측 정보만으로 세상이 움직이는 원리를 스스로 찾아내는 인공지능(AI) 월드모델 기술을 개발했다.</p>
          <p contents-hash="302b37ee0a8d3bfe4c031dc3552c3857284b99680dc955d4e3758419ed3de5a7" dmcf-pid="0zQUqsrNC0" dmcf-ptype="general">안성진 KAIST 전산학부 교수 연구팀은 AI가 관측한 정보만으로 세계의 작동 원리를 스스로 이론화하는 학습 방식 ‘이론화 학습(L2T, Learning-to-Theorize)’을 제안하고, 이를 구현한 신경망 기반 모델 ‘네오(NEO, Neural Theorizer)’를 개발했다고 27일 밝혔다.</p>
          <p contents-hash="2b7d250ad4b7b424772724f1094635a96d0141a450a0ff6e2750cdac2919b1ce" dmcf-pid="pqxuBOmjC3" dmcf-ptype="general">이번 연구는 지난 9일 서울에서 열린 국제기계학습학회(ICML 2026)에서 구두발표 논문으로 선정됐다. 전체 투고 논문 2만3918편 가운데 상위 0.7%인 168편에 해당하는 성과다. 같은 학회의 구성적 학습 워크숍에서도 최우수논문상을 받았다.</p>
          <p contents-hash="d06160a4b272c16a4c0b523b9f2da8c0795f3ff4ddbae5fb080cdf414543828f" dmcf-pid="UBM7bIsAWF" dmcf-ptype="general">AI 월드모델은 로봇 제어, 자율주행, 생성형 AI, 자율 에이전트 등 다양한 분야의 핵심 기반기술이다. 기존 월드모델은 다음 장면을 예측하는 데 초점을 맞춰 왔다. 다음 장면을 잘 예측하더라도 왜 그런 변화가 일어났는지, 즉 세상의 작동 원리까지는 이해하지 못한다는 한계가 있었다.</p>
          <p contents-hash="b6a36632784f5f121a1401d038eb53d203510a790586c6c648f49ea03a6a2b11" dmcf-pid="ubRzKCOclt" dmcf-ptype="general">연구팀은 이 한계를 인간의 학습 방식에서 풀어냈다. 사람은 말을 배우기 전부터 세상이 어떻게 움직이는지에 대한 내부 이론을 스스로 만들며 세상을 이해한다. 발달인지과학에서는 어린아이가 언어를 습득하기 전부터 관측을 통해 세계 작동 방식에 대한 내부 이론을 구성한다고 본다. 연구팀은 이 관점을 AI에 적용해 미래를 맞히는 AI가 아니라 원리를 스스로 이해하는 AI를 구현했다.</p>
          <p contents-hash="30c130fffa71a59de35b5fdc4185d9d439eb907183007a7ff891b038059f9e24" dmcf-pid="7Keq9hIkS1" dmcf-ptype="general">L2T는 정답이나 규칙을 미리 알려주지 않는다. 변화 전과 변화 후의 관측 결과만 주어지면 AI가 그 사이에서 작동한 규칙을 스스로 찾아낸다. 기존 AI가 ‘다음을 맞히는 것’에 집중했다면, 이번 AI는 ‘왜 그런 변화가 일어났는지’를 이해하도록 만든 것이 핵심이다.</p>
          <div contents-hash="dab3a4db2b932c25e429a4588e5e3797107eefe6556a29aeaff87a05b9f8b5ca" dmcf-pid="z9dB2lCET5" dmcf-ptype="general">
           이를 구현하기 위해 개발한 네오는 관측된 변화 속에 숨은 규칙을 찾아 실행 가능한 형태로 정리한다. 이렇게 만들어진 규칙은 새로운 상황에서도 자유롭게 조합해 활용할 수 있다. 예를들어 네오는 회전, 이동(좌·하), 색칠 같은 기본 규칙을 각각 독립적으로 학습한 뒤, 학습 과정에서 한 번도 보지 못한 새로운 조합인 ‘아래로 이동한 뒤 색을 칠하고 회전하는’ 작업이 주어져도 기본 규칙을 조합해 상황을 설명하고 해결한다.
          </div>
          <figure class="figure_frm origin_fig" contents-hash="524125e62bc85d1762428a2faa88967d7214a7427797460938148002f37b6dba" dmcf-pid="q2JbVShDhZ" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/27/552796-pzfp7fF/20260727112211482daxz.jpg" data-org-width="640" dmcf-mid="1kiKfvlwy7" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/27/552796-pzfp7fF/20260727112211482daxz.jpg" width="658"></p>
          </figure>
          <p contents-hash="67aa9aaba49efb43b84b3c06e6155ece62047e4968528ad78f6a9ad14aba3180" dmcf-pid="Bxj6MXGhSX" dmcf-ptype="general">반면 기존 AI는 여러 규칙이 섞인 패턴을 통째로 암기하는 방식이어서 새로운 조합이 등장하면 성능이 크게 떨어졌다. 연구팀은 다양한 실험을 통해 이번 기술이 기존에 배운 기본 규칙을 조합해 처음 보는 문제까지 해결하는 능력인 ‘구성적 일반화’에서 기존 방식보다 뛰어난 성능을 보였다는 것을 입증했다.</p>
          <p contents-hash="98b89dee0c23ed0a581b42df042db8a59393d98fd26d9bc6d322016b0d97575a" dmcf-pid="bMAPRZHlhH" dmcf-ptype="general">연구팀은 의미 있고 재사용 가능한 규칙이 학습되도록 두 가지 원리를 도입했다. 동일한 현상을 설명하는 여러 프로그램 중 가능한 한 짧고 간결한 프로그램을 선호하는 ‘최소 설명 길이’ 원리와, 프로그램 실행 과정에서 생성되는 중간 상태가 의미 있는 관측에 대응하도록 하는 ‘상태 접지’ 기법이다. 검증을 위해 격자 공간 물체 이동, 산술 연산, 이미지 편집으로 구성한 ‘관측-이론 귀납 벤치마크(OTIB)’도 구축했다. 그 결과 네오는 학습 과정에서 보지 못한 규칙 조합과 더 긴 프로그램에서도 기존 모델보다 높은 일반화 성능을 보였다.</p>
          <p contents-hash="1fd52f7edcba1bc087d19e388c934a13d4d20c62c73d834410efdfd1b5e03bb7" dmcf-pid="KRcQe5XSyG" dmcf-ptype="general">연구팀은 실험에서 기존 모델들이 주어진 변화 결과는 정확히 재현하면서도 동일한 원리를 새로운 입력에 적용하는 평가에서는 성능이 크게 떨어진다는 점을 확인했다. 결과를 잘 맞히는 것과 원리를 실제로 이해하는 것은 다른 문제라는 의미다. 반면 네오는 복합적인 변화를 하나로 암기하기보다 이동·회전 같은 기본 규칙으로 분해하고 새로운 순서로 재조합하는 모습을 보였다. 일부 기본 규칙은 학습 데이터에 단독으로 제시되지 않았는데도, 여러 복합 현상에 공통으로 나타나는 구조를 바탕으로 독립적인 규칙으로 찾아냈다.</p>
          <p contents-hash="bcb410de40316f7513b8107e52291251ad41f48f4ee643b4474f78e5eafd6b50" dmcf-pid="9ekxd1ZvWY" dmcf-ptype="general">기존 프로그램 합성·귀납 연구는 사람이 미리 정의한 연산이나 기호 체계, 정답 프로그램 같은 감독 정보에 의존하는 경우가 많았다. 이런 정보는 실제 영상이나 로봇 감각 데이터처럼 비정형적인 환경에서는 얻기 어렵다는 한계가 있다. 이번 연구는 언어 설명이나 행동 정보, 정답 프로그램 없이 변화 전후 관측만으로 규칙의 종류와 의미, 조합 방법을 함께 학습했다는 점에서 차별화된다.</p>
          <p contents-hash="5ec3a1540a6d369b736ddfc612818480ad8b9e132fc5d0058baefdb587e9e6ab" dmcf-pid="2dEMJt5TyW" dmcf-ptype="general">연구팀은 "개발 과정에서 변화 전후 관측만으로 올바른 기본 규칙을 찾아내도록 모델을 유도하는 일이 가장 어려웠다"고 설명했다. 하나의 관측된 변화는 여러 방식으로 설명될 수 있어, 모델이 전체 변화를 하나의 규칙으로 암기하거나 지나치게 잘게 쪼개는 방식으로도 같은 결과를 낼 수 있기 때문이다. 최소 설명 길이 원리와 상태 접지 기법은 이 문제를 해결하기 위해 고안됐다.</p>
          <p contents-hash="414ba5367d12fbb5b4d9ed05c7f467f1f76b3e825a47b0bcd79287b7758a8bad" dmcf-pid="VJDRiF1yyy" dmcf-ptype="general">연구팀은 이 기술이 로봇 학습과 자율 에이전트, 과학적 모델링 분야에 응용될 수 있을 것으로 내다봤다. 로봇이 모든 행동과 규칙을 일일이 지정받지 않아도 영상이나 시연을 관찰하며 반복되는 기본 변화를 스스로 찾아내는 데 활용할 수 있고, 이렇게 학습한 변환을 새로운 작업 계획에 재사용하는 방식으로 확장할 수 있다는 설명이다. 다만 현재 연구는 통제된 환경에서 이뤄진 초기 개념검증 단계로, 실제 영상·센서 데이터의 잡음과 연속적 변화, 부분 관측 등을 다루려면 후속 연구가 필요하다고 밝혔다.</p>
          <p contents-hash="f351c7da9dc81f464fe5ec53ad2070f7b8f4dda5eee44c66ae73fa92fd814d9b" dmcf-pid="fiwen3tWCT" dmcf-ptype="general">안성진 KAIST 교수는 “이번 연구는 AI의 세계 이해를 단순한 미래 예측에서 세상의 작동 원리를 스스로 설명하는 단계로 확장한 첫걸음”이라며 “예측 중심의 월드모델을 넘어 ‘월드 시어리 모델(World Theory Model)’이라는 새로운 방향을 제시했다”고 말했다. 이어 “앞으로 지능형 로봇과 자율 에이전트는 물론 과학적 발견을 지원하는 AI 등 다양한 분야의 핵심 기술로 발전할 것으로 기대한다”고 말했다.</p>
          <p contents-hash="652a56c6202e7e98e6bd42b317df9a5b5edf15efb6090551e359f705a36f3123" dmcf-pid="4nrdL0FYWv" dmcf-ptype="general">연구에는 백두진, 이규빈 KAIST 전산학부 석사과정이 공동 제1저자로 참여했다. 연구는 과학기술정보통신부와 한국연구재단의 해외우수과학자유치사업, 해외우수연구기관 협력허브 구축사업 지원을 받았다.</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기