KAIST, ICML서 최우수논문상…‘세상 원리 이론화’하는 AI 선보여

한국과학기술원(KAIST, 총장 배충식)은 안성진 전산학부 교수 연구팀이 AI 관측 정보만으로 세계의 작동 원리를 스스로 이론화하도록 하는 새로운 학습 패러다임 ‘이론화 학습(L2T)’을 제안하고, 이를 구현한 신경망 이론 생성 모델 ‘네오(NEO)’를 개발했다고 27일 밝혔다. 이번 연구는 지난 7월9일 서울에서 열린 ‘제43회 국제기계학습학회(ICML 2026)’에서 구두발표 논문으로 선정됐다. 전체 투고 논문 2만3918편 가운데 상위 0.7%(168편)에 해당하는 성과다. ‘구성적 학습 워크숍’에서도 최우수 논문상을 수상했다. 연구팀은 다음 답변을 예측할 수는 있어도 세상의 작동 원리까지는 이해하지 못하는 AI의 한계점에 집중했다. 이에, 인간의 학습 방식에서 해결책을 찾고자 했다. 사람은 말을 배우기 전 어린 시절부터, 세상이 어떻게 움직이는지에 대한 ‘내부 이론’을 스스로 구축하며 세상을 이해한다. 연구팀은 이러한 발달인지과학의 관점을 AI에 적용해, 미래를 예측하는 AI가 아니라 세상의 원리를 스스로 이해하는 AI에 초점을 맞춘 것이다. 새로운 학습 방법론인 ‘L2T’는 정답이나 규칙을 미리 알려주지 않는 것이 핵심이다. AI 모델에 변화 전과 변화 후 관측 결과만 제시해, 그 사이에서 어떤 규칙이 작동했는지를 스스로 찾아내도록 유도하는 것이다. 연구팀은 이를 구현하기 위한 신경망 기반 이론 생성 모델 ‘네오’도 동시에 선보였다. 관측된 변화 속에 숨어 있는 규칙을 스스로 찾아, 이를 실행 가능한 형태의 규칙으로 정리할 수 있다는 설명이다. 생성된 규칙은 새로운 상황에서도 자유로운 조합 및 응용이 가능하다. 기술적으로는 두 가지 학습 원리를 도입했다. 먼저, 동일 현상을 설명할 수 있는 여러 가지 프로그램 가운데, 가능한 짧고 간결한 프로그램을 선호하는 ‘최소 설명 길이’ 원리를 적용했다. 두 번째로는, 프로그램 실행 과정에서 생성되는 각각의 중간 상태가 의미 있는 관측에 대응하도록 하는 ‘상태 접지’ 기법을 제안했다. 각각의 기본 규칙이 독립적으로 유효한 변환을 수행하는 것은 물론, 다른 현상을 설명하는 데에도 재사용될 수 있도록 유도했다. 예를 들면, 네오는 회전과 이동, 색칠 등과 같은 기본 행동 규칙을 각각 독립적으로 학습할 수 있다. 이후 ‘아래로 이동한 뒤 색을 칠하고 회전하는 작업’과 같은 새로운 작업을 지시하면, 기존에 배운 기본 규칙을 조합해 해당 작업을 설명하고 해결할 수 있다. 이는 패턴 자체를 통째로 암기했던 기존의 AI와는 차별화된 방식이라고 설명했다. 기존에 배운 기본 규칙을 조합해 처음 보는 문제까지 해결하는 능력인 구성적 일반화 측면에서도 기존 방식보다 뛰어난 성능을 보였다고 전했다. 연구진은 지능형 로봇과 자율 에이전트를 비롯해 과학적 발견을 지원하는 AI 등의 핵심 기술이 될 것으로 전망했다. 안성진 KAIST 교수는 “AI가 세계를 이해하는 방식이 기존에는 단순 미래 예측 수준이었다면, 이제는 스스로 설명하는 단계까지 확대한 것”이라며 “예측 중심의 월드 모델을 넘어 ‘월드 시어리(Theory) 모델’의 방향을 제시했음을 의미한다”라고 말했다. 장세민 기자 semim99@aitimes.com