성균관대, AI 모델 합칠수록 성능 높이는 ‘시머지’ 개발

[이데일리 김응열 기자] 성균관대 연구팀이 서로 다른 인공지능(AI) 모델을 결합할 때 발생하는 지식 충돌을 방지할 뿐 아니라 모델 간 시너지를 끌어내는 기술을 개발했다.

(왼쪽부터)성균관대의 홍성은 교수, 정애천, 이승환 연구원, 네이버 AI 랩 한동윤 박사. (사진=성균관대)

성균관대는 홍성은 소프트웨어융합대학 교수 연구팀이 여러 AI 모델을 하나로 융합할 때 성능을 올릴 수 있는 결합 프레임워크 ‘SyMerge(시머지)’ 기술을 개발했다고 14일 밝혔다. 이번 연구는 네이버 AI 랩과의 공동으로 수행했다.

기존의 AI 모델 결합 기술은 여러 가지 작업을 동시에 수행하는 AI를 만들 때 기술적인 한계에 부딪혔다. 서로 다른 지식을 가진 모델들을 무작정 합치면 지식들이 충돌해 성능이 떨어지는 ‘작업 간 간섭(Task Interference)’ 현상이 발생했기 때문이다. 지금까지 학계에서는 이 충돌을 줄이고 방해하지 않도록 하는 데만 집중해 왔다.

성균관대 연구팀은 단순히 방해를 피하는 것을 넘어 모델들이 서로 도움을 주는 ‘시너지 효과’에 주목했다. 연구팀은 AI 모델 내부의 수많은 계층(레이어) 중 단 한 개의 특정 레이어(Task-specific layer)만 조율하고 결합 비율을 최적화하면 모델 간의 호환성이 극대화된다는 사실을 최초로 규명했다.

특히 이번에 개발된 시머지 기술은 기존 모델들의 예측 능력을 참고해 학습하는 ‘전문가 가이드 셀프 라벨링’ 방식을 도입했다. 이를 통해 데이터가 오염되거나 변형된 악조건 속에서도 AI가 안정적인 성능을 유지할 수 있다. 아울러 사전학습모델이 전혀 달라 융합이 불가능하다고 여겨졌던 모델들까지 성공적으로 융합했다.

홍성은 교수는 “이번 연구를 계기로 AI 모델 결합의 목표를 ‘충돌 방지’에서 ‘상호 시너지 창출’로 바꿨다”며 “막대한 비용이 드는 AI 재학습 과정을 획기적으로 줄여 향후 가벼우면서도 다재다능한 멀티태스킹 AI를 효율적으로 구축하는 데 기여할 수 있을 것”이라고 말했다.