기존 대비 계산 비용 최대 80% 절감… 돌발 상황 강한 '강인한 AI' 상용화

윤성환 교수팀, 국내 기관 주도 유일 최고 권위 AI 학회 'ICML 2026' 채택

맑은 날 도로만 배운 자율주행차가 갑자기 폭설을 만나면 어떻게 될까? 아마 미끄러운 도로를 인식하지 못해 큰 사고로 이어질 수 있을 것이다.


이처럼 AI가 예측 못 한 돌발 상황(비·눈·장애물 등)에서도 당황하지 않고 똑똑하게 대처할 수 있도록 훈련하는 기술이 국내 연구진에 의해 개발됐다.

특히 세계적인 양자 컴퓨터 기술을 접목해, AI를 가르치는 데 드는 시간과 비용을 무려 5분의 1 수준(80% 절감)으로 대폭 줄이는 데 성공했다.


UNIST 윤성환 교수와 고려대 김중헌 교수 공동 연구팀은 양자 알고리즘을 활용해 AI의 적응력을 완벽하게 키워주는 새로운 학습 기법인 'QRIM'을 개발했다고 전했다.

연구진, 윤성환 교수(좌측)과 이현규 연구원. UNIST 제공

연구진, 윤성환 교수(좌측)과 이현규 연구원. UNIST 제공

AD
원본보기 아이콘

이 연구는 전 세계 최고의 AI 학회로 꼽히는 'ICML 2026'에 채택됐으며, 올해 이 학회에 통과된 양자 AI 논문 중 한국 연구팀이 주도한 것은 이번이 유일하다.

기존에도 돌발 상황에 강한 AI를 만들기 위한 '강인한 훈련법'이 있었다. AI에게 일부러 '가장 최악의 상황'들을 미리 경험하게 하고 이를 극복하도록 연습시키는 방식이다.


하지만 문제는 '어떤 상황이 최악인지' 찾아내는 과정이 너무 복잡하다는 점이었다. 날씨, 도로 상태, 주변 차량 움직임 등 수만 가지 경우의 수를 하나하나 다 계산해야 해서 컴퓨터가 터지기 직전까지 일을 해야 했고, 비용도 어마어마하게 들었다.


연구팀은 이 문제를 양자 컴퓨팅의 '중첩(여러 경우의 수를 동시에 계산하는 능력)' 기술로 해결했다.


기존 컴퓨터는 1만개의 위험 상황을 분석하려면 1만번 계산해야 했다.


양자 컴퓨터(QRIM)는 여러 상황을 동시에 겹쳐서 보기 때문에 단 100번만 계산해도 가능하다. 결과적으로 기존의 20∼30% 정도의 노력만 들여도 훨씬 더 맷집이 강한 AI를 만들어낼 수 있게 된 것이다.

연구그림, QRIM과 기존 방식의 학습 속도 비교.

연구그림, QRIM과 기존 방식의 학습 속도 비교.

원본보기 아이콘

이번 연구가 더욱 빛나는 이유는 이론에만 그치지 않고, 미국 IBM사의 실제 양자 컴퓨터에 탑재해 완벽하게 작동하는 것을 확인했기 때문이다. 양자 컴퓨터 특유의 기계 소음이나 오류가 있는 환경에서도 AI는 흔들림 없이 학습을 마쳤다.


기존 AI 시스템은 그대로 두고, 가장 고생스럽던 '위험 상황 예측 모듈'만 양자 기술로 쏙 바꾸는 방식이다. 덕분에 자율주행차뿐만 아니라 재난 구조 로봇, 드론 등 움직이는 모든 스마트 기기에 바로 적용할 수 있다.


제1저자인 이현규 연구원은 "강인한 강화학습의 가장 큰 병목인 '최악의 상황 탐색' 과정을 양자 알고리즘으로 가속할 수 있도록 새롭게 설계한 기술"이라며 "기존 강화학습 알고리즘은 그대로 유지하면서 탐색 부분만 양자 모듈로 대체할 수 있어 다양한 강화학습 분야에 폭넓게 적용할 수 있다"고 설명했다.


윤성환 교수는 "이번 연구는 양자컴퓨팅이 기존 AI의 한계를 어떻게 보완할 수 있는지를 구체적으로 보여준 사례"라며 "환경 변화에 대한 적응이 필수적인 자율주행과 로보틱스 등 다양한 분야에서 활용될 것으로 기대한다"고 말했다.

AD

이 혁신적인 연구가 발표되는 'ICML 2026' 학회는 전 세계에서 무려 2만 3000여편의 논문이 제출될 만큼 경쟁이 치열한 곳이다. 올해는 특히 7월 6일부터 서울 코엑스에서 개최돼 전 세계 AI 석학들의 눈길을 사로잡고 있다.


영남취재본부 김수로 기자 relationship6007@asiae.co.kr

<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제. 무단전재 배포금지, AI 학습 및 활용 금지>

함께 보면 좋은 기사

새로보기

내 안의 인사이트 깨우기

취향저격 맞춤뉴스

많이 본 뉴스

당신을 위한 추천 콘텐츠

놓칠 수 없는 이슈