'FIRE' 전략 제안…새 학습·기존 지식 유지 균형 구현
가중치 재정렬 기반 재초기화 기법 'FIRE' 모식도. (이미지=GIST 제공) [email protected] *재판매 및 DB 금지
[광주=뉴시스]이창우 기자 = 광주과학기술원(GIST) 연구진이 인공지능(AI)이 새로운 정보를 학습하는 과정에서 기존 지식을 잊거나 학습 효율이 떨어지는 문제를 개선할 수 있는 새로운 학습 전략을 개발했다.
GIST는 AI융합학과 김경중 교수 연구팀의 관련 연구가 세계 3대 인공지능 학회 중 하나로 꼽히는 국제학회 ICLR 2026에서 구두 발표(Oral Presentation) 논문으로 채택했다고 28일 밝혔다.
올해 제출한 약 1만9000편 논문 가운데 구두 발표 선정은 223편에 그쳤다.
연구팀은 AI 학습 과정에서 발생하는 '가소성 저하(plasticity degradation)' 문제에 주목했다. 이는 학습이 반복될수록 모델이 새로운 데이터나 작업에 유연하게 적응하지 못하고 기존 지식을 유지하는 과정에서는 새 학습 성능이 둔화하는 현상을 말한다.
연구팀은 문제 해결을 위해 기존 지식 유지와 새로운 학습 수용 능력 간 균형을 맞추는 학습 전략 'FIRE'를 제안했다.
AI 가중치가 기존 지식을 얼마나 유지하는지와 새 학습을 얼마나 받아들일 수 있는지를 각각 평가한 뒤 최적 균형점에서 가중치 구조를 재정렬하는 방식이다.
연구팀에 따르면 이 기법은 기존 지식을 유지하면서도 새로운 정보를 안정적으로 학습하도록 돕는 것이 특징이다.
추가 연산량도 전체 학습량의 1% 미만 수준으로 적어 계산 비용 부담이 크지 않다고 연구팀은 설명했다.
연구팀은 이 기술을 컴퓨터 비전, 언어모델, 강화학습 등에 적용한 결과 새 데이터를 학습하는 과정에서도 기존 지식 유지와 안정적 성능 향상을 확인했다고 밝혔다.
(왼쪽부터) GIST AI융합학과 김경중 교수, KAIST 이호준 박사, GIST AI융합학과 한이삭 석박통합과정생, 박상연 석사, 오승원 석박통합과정생, KAIST 김동후 연구원. (사진=GIST 제공) [email protected] *재판매 및 DB 금지
이번 연구는 대규모언어모델(LLM), 자율주행, 로봇 제어처럼 지속적인 업데이트가 필요한 AI 시스템 전반에 활용 가능성이 있을 것으로 기대된다.
김경중 교수는 "AI가 기존 지식을 유지하면서도 새로운 정보를 효율적으로 학습할 수 있는 기반을 제시한 연구"라며 "다양한 AI 플랫폼으로 확장 적용이 가능할 것"이라고 말했다.
이번 연구는 GIST 김경중 교수와 한국과학기술원(KAIST) 이호준 박사가 교신저자로 참여했다.
연구 결과는 최근 브라질 리우데자네이루에서 열린 ICLR 2026에서 발표했으며 논문은 사전 공개 사이트 '아카이브(arXiv)'에 지난 2월8일 게재했다.
◎공감언론 뉴시스 [email protected]
