-인공지능 결합 시 고질적 문제였던 '서로 방해하는 현상' 해결

-이미지 인식부터 자연어 처리까지 세계 최고 수준 성능 달성하며 학계 주목

본교 소프트웨어융합대학의 홍성은 교수 연구팀이 네이버 AI Lab과의 공동 연구를 통해 독립적으로 학습된 여러 인공지능(AI) 모델들을 하나로 합칠 때 서로 능력을 주고받으며 성능을 끌어올리는 혁신적인 결합 프레임워크 ‘SyMerge(시머지)’ 기술을 개발했다.

▲ (왼쪽부터) 홍성은 교수, 정애천, 이승환 연구원, 네이버 AI Lab 한동윤 박사

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

본교 연구팀은 관점을 완전히 바꿔 단순히 방해를 피하는 것을 넘어, 모델들이 서로 적극적으로 도움을 주는 ‘시너지 효과’에 주목했다. 연구팀은 AI 모델 내부의 수많은 계층(레이어) 중 단 한 개의 특정 레이어(Task-specific layer)만을 똑똑하게 조율하고 결합 비율을 최적화하면 모델 간의 호환성이 극대화된다는 사실을 최초로 밝혀냈다.

특히 이번에 개발된 ‘SyMerge’ 기술은 정답지가 없는 새로운 데이터를 만났을 때도 모델 스스로 전문가 역할을 하는 기존 모델들의 예측 능력을 참고해 학습하는 ‘전문가 가이드 셀프 라벨링’ 방식을 도입했다. 이를 통해 데이터가 오염되거나 변형된 악조건 속에서도 인공지능이 길을 잃지 않고 안정적으로 높은 성능을 유지할 수 있도록 만들었다.

나아가 그동안의 결합 기술들이 완전히 같은 사전학습된 모델(pre-trained model)에서 태어난 인공지능에만 적용 가능했던 것과 달리, 사전학습모델이 전혀 달라 합치기 불가능하다고 여겨졌던 모델들까지 성공적으로 융합해 내는 놀라운 성과를 거두었다.

연구팀의 실험 결과, ‘SyMerge’ 기술은 이미지 분류, 컴퓨터 비전 기반의 영상 정밀 분석(Dense Prediction), 그리고 인간의 언어를 이해하는 자연어 처리(NLP) 등 인공지능 핵심 3대 분야 전반에서 세계 최고 수준(State-of-the-Art)의 성능을 기록하며 기술의 범용성과 압도적인 우수성을 입증했다.

홍성은 교수는 “이번 연구는 인공지능 모델 결합의 목표를 ‘충돌 방지’에서 ‘상호 시너지 창출’로 패러다임을 바꾼 중요한 이정표”라며 “막대한 비용이 드는 AI 재학습 과정을 획기적으로 줄여, 향후 가벼우면서도 다재다능한 멀티태스킹 AI를 효율적으로 구축하는 데 큰 기여를 할 것”이라고 연구의 의의를 밝혔다.

이번 연구 성과는 세계 최고 권위의 인공지능 및 머신러닝 국제학술대회인 ‘국제 머신러닝 학회(ICML, International Conference on Machine Learning) 2026’에 채택 및 발표되어 전 세계 연구자들의 뜨거운 관심을 받고 있다.

※ 논문명: SyMerge: From Non-Interference to Synergistic Merging via Single-Layer Adaptation

※ 학술지: Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)

※ 논문링크: https://aim-skku.github.io/SyMerge  

▲ 홍성은 교수 연구팀이 개발한 AI 모델 결합 기술(SyMerge)의 원리 및 효과(왼쪽) AI 지식 결합 및 호환성 측정 과정, (오른쪽) 핵심 레이어 하나만 바꾼 효과

출처 : 에스프레스(S-PRESS)(https://www.spressnews.com)