다양한 문제 풀이 궤적과 의도 사례 (출처 : GIST)
(왼쪽부터)GIST AI융합학부 김선동 교수, 김세진 박사후연구원, 황산하 석사과정 졸업생, 이승필 석사과정생, 전기전자컴퓨터공학과 이호성 학사 졸업생 (출처 : GIST)
광주과학기술원(GIST) 김선동 교수 연구팀이 사람의 문제 풀이 과정 속 ‘의도’를 추정·정렬하는 학습 알고리즘과 생성모델을 결합해 사람처럼 다양한 풀이 과정을 만들어내는 데이터 증강 기법을 제안했다. 연구팀은 이를 통해 단순 정답 산출을 넘어 인간과 유사한 추론 능력을 갖춘 인공지능을 구현했다고 25일 밝혔다.
기존 인공지능은 주어진 문제의 정답 도출에는 강점을 보였지만, 인간처럼 단계적 사고 과정을 거치는 추론 능력은 부족했다. 연구팀은 인간이 문제 해결 과정에서 겪는 시행착오와 다양한 풀이 전략에 주목했다. 특히 풀이 과정에는 단순한 행동의 나열이 아닌 목표와 전략, 즉 ‘의도’가 담겨 있다는 점에서 착안했다.
연구팀은 문제 풀이 과정을 세분화해 각 단계의 의도를 추정하고 이를 정렬하는 알고리즘을 개발했다. 이어 생성모델 중 하나인 지플로우넷(GFlowNet)을 활용해 다양한 풀이 경로를 생성하는 데이터 증강 기법을 적용했다. 두 접근법을 결합함으로써 AI는 특정 풀이 방식에 치우치지 않고 다양한 전략을 학습할 수 있었다.
사람의 풀이 데이터를 기반으로 하되 부족한 부분은 지플로우넷이 생성한 풀이 과정으로 보충했다. 이를 학습에 적용한 결과, 기존 모델 대비 정확도가 83.59%에서 89.44%로 약 5.85%포인트 향상됐다. 이는 AI가 사람과 유사한 사고 과정을 모방해 성능을 높일 수 있음을 보여주는 성과다.
김선동 교수는 “인간은 정석적인 방법 대신 익숙한 방식을 통해 해답을 찾기도 하지만 AI 학습에서는 이런 데이터 특성이 충분히 반영되지 않는다”며 “이번 연구에서 제시한 의도 정렬과 데이터 생성 기법은 데이터 한계를 극복해 더 바람직한 행동을 구현하는 AI로 이어질 수 있다”고 말했다. 김세진 박사후연구원은 “사람의 의도를 이해하고 다양한 풀이 과정을 학습하는 AI는 창의적 문제 해결형, 교육 협력형, 환경 적응형 AI로 확장될 가능성이 크다”고 설명했다.
이번 연구는 과학기술정보통신부 산하 정보통신기획평가원(IITP), 한국연구재단, GIST 지원을 받아 수행됐다. 연구 결과는 데이터 과학 분야 최고 수준 학술대회인 ‘ACM SIGKDD 2025’에서 구두 발표됐으며, 국제학술지 ‘트랜잭션 온 머신 러닝 리서치(TMLR)’ 9월호에도 게재됐다.
헬로티 이창현 기자 |
