인공지능도 ‘양치기’로는 성적 안오른다…AI 학습효율 높이는 기술 개발 작성일 11-02 12 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="pt2MudtWTa"> <p contents-hash="0803ffdc298c849c1d1c40a440730e1098b22b5f7ef83eb612395b08869effdf" dmcf-pid="UFVR7JFYWg" dmcf-ptype="general">대입을 준비하는 학생들이 공부를 할 때 개념을 깊이 파고들고 이해하기보다 기출문제를 닥치는 대로 풀면서 패턴을 익히겠다는 것을 ‘양치기 한다’고 말한다. 그렇지만 양치기 공부법으로는 성적 향상에 한계가 있다.</p> <figure class="figure_frm origin_fig" contents-hash="520744bd0257325b90142d83137c6781da22a52469bb5ee87374893b9ccc37f8" dmcf-pid="u3fezi3Gho" dmcf-ptype="figure"> <p class="link_figure"><img alt="국내 연구진이 인공지능을 학습시킬 때 시간은 단축하면서 이전과 똑같은 효율을 낼 수 있는 일종의 ‘AI 공부법’을 개발해 눈길을 끈다. 챗GPT 생성 이미지" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/02/seoul/20261102134525060qwsr.png" data-org-width="660" dmcf-mid="F2CGEZaelA" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/02/seoul/20261102134525060qwsr.png" width="658"></p> <figcaption class="txt_caption default_figure"> 국내 연구진이 인공지능을 학습시킬 때 시간은 단축하면서 이전과 똑같은 효율을 낼 수 있는 일종의 ‘AI 공부법’을 개발해 눈길을 끈다. 챗GPT 생성 이미지 </figcaption> </figure> <p contents-hash="1ff3698e648a01ae557b5f870ceb630d83e42354bd7b47fbc0d45afaa0ad023d" dmcf-pid="704dqn0HyL" dmcf-ptype="general">인공지능(AI)도 마찬가지다. 특정 분야 업무를 처리하기 위해서는 별도의 공부가 필요하다. 챗GPT 같은 대규모 언어모델(LLM)을 의료나 코딩 분야에 활용하려면 관련 자료를 추가로 학습시켜야 한다. 그런데 비슷한 내용을 반복해서 학습시키면 시간 대비 효율이 낮다. 국내 연구진이 AI가 배워야 할 자료를 똑똑하게 분류해 학습 시간을 획기적으로 줄일 수 있는 방법을 개발했다.</p> <p contents-hash="752b1b222fa7e71d3b24bf9806744482ecd283d66495e91428e841081a874a18" dmcf-pid="zp8JBLpXSn" dmcf-ptype="general">카이스트 전산학부 연구팀은 AI가 학습할 자료를 효과적으로 선별하고 여러 그래픽처리장치(GPU)에 골고루 나눠주는 ‘클러스터’라는 기술을 개발했다고 2일 밝혔다. 이 연구 결과는 자연어처리 분야 국제 학술대회인 ‘EMNLP 2026’에서 발표됐다.</p> <p contents-hash="c503df6fbce53d838ed322d5fb26989e1a9de1e37a937010a108ca63a488bf12" dmcf-pid="qU6iboUZSi" dmcf-ptype="general">기존 AI 학습 방식은 여러 학생이 문제집을 나눠 풀듯 여러 GPU가 학습 자료를 분담해 처리하는 구조다. 문제는 학습 자료를 무작위로 나누면 여러 GPU가 비슷한 유형의 문제를 반복해서 학습할 수 있다는 점이다. 계산은 많이 하지만 새로운 정보를 얻는 효과는 크지 않을 수 있다.</p> <p contents-hash="b4473192cd72528c13c493b1fe4a8fee86dc9b2efb84052e1d12e4a862656655" dmcf-pid="BGz4tPGhyJ" dmcf-ptype="general">연구팀은 이 같은 비효율을 줄이기 위해 AI가 학습할 때 얻는 효과가 비슷한 자료끼리 먼저 묶었다. 예를 들어 학생에게 덧셈을 가르칠 때 사과 두 개와 세 개를 합치는 문제, 연필 두 자루와 세 자루를 합치는 문제는 표현만 다를 뿐 익히는 계산 방법은 같다. 이런 문제를 모두 반복해서 풀게 할 필요는 없는 것처럼 연구팀은 겉으로는 다른 내용이라도 AI에 비슷한 학습 효과를 주는 자료를 찾아 같은 그룹으로 분류했다. 이후 각 그룹에서 다양한 유형의 자료를 골라내고 여러 GPU가 서로 다른 정보를 나눠 학습하도록 배분했다. 비슷한 문제는 줄이되 AI가 익혀야 할 다양한 내용은 빠뜨리지 않도록 했다.</p> <figure class="figure_frm origin_fig" contents-hash="8af76ab533981913e224a5a5e6f954a79d3f75ed9bc7bd0a642e7c5468ed6755" dmcf-pid="bHq8FQHlld" dmcf-ptype="figure"> <p class="link_figure"><img alt="카이스트 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/02/seoul/20261102134526377zjde.png" data-org-width="660" dmcf-mid="023bG2SrSN" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/02/seoul/20261102134526377zjde.png" width="658"></p> <figcaption class="txt_caption default_figure"> 카이스트 제공 </figcaption> </figure> <p contents-hash="37fb70509706b496932cb76e210277eaa1e07d5e7a9cdfd17b9dfd918207f9b8" dmcf-pid="KXB63xXSle" dmcf-ptype="general">연구팀은 코딩과 의료 분야의 학습 자료 3종을 활용해 AI 학습 효율 성능을 검증했다. 약 70억 개와 130억 개의 매개변수를 가진 AI 모델을 대상으로 8가지 성능 평가를 진행한 결과 전체 학습 자료의 약 31%만 사용하고도 기존 방식과 비교해 성능을 거의 유지했다. 학습 시간은 최대 69.6% 단축됐다. 기존에 10시간 걸리던 추가 학습을 약 3시간 만에 끝낼 수 있는 수준이다.</p> <p contents-hash="395ab131ca7be7b60d7044e3eb999068cba1d55c34dc02468996238476da46a7" dmcf-pid="9ZbP0MZvWR" dmcf-ptype="general">연구를 이끈 이재길 교수는 “이번 연구는 AI를 더 효율적으로 학습시키려면 무조건 많은 데이터와 GPU를 투입하는 것보다 어떤 자료를 선택하고 어떻게 배분하는지가 중요하다는 점을 제시한다”며 “이 기술을 실제 산업 현장에 적용하면 기업의 고객 상담이나 문서 검색, 의료진의 정보 확인을 돕는 전문 AI를 개발하는 데 필요한 시간과 비용을 줄일 수 있을 것으로 기대된다”고 말했다.</p> <p contents-hash="058bbe8e2917604b4332b526ebd86678f3668ae54f5ce8bd0eac9bbad9ae5bd0" dmcf-pid="25KQpR5TSM" dmcf-ptype="general">유용하 과학전문기자</p> </section> </div> <p class="" data-translation="true">Copyright © 서울신문. 무단전재, 재배포, AI 학습 및 활용 금지.</p> 관련자료 이전 20% 급감에도 "아이폰 땡큐"…'세계 1위' 지킨 삼성 조용히 웃는다 11-02 다음 전세계 사고팔리는 생물 10만여종… 기존 추정보다 두 배나 많다 11-02 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
