[서울=뉴시스]박시은 인턴 기자 = 성균관대학교는 네이버 AI LAB과 공동 연구를 통해 여러 인공지능(AI) 모델들을 하나로 합칠 때 시너지를 극대화하는 결합 프레임워크 ‘SyMerge(시머지)’ 기술을 개발했다고 14일 밝혔다.
기존에는 서로 다른 지식을 가진 AI 모델들을 합치면, 지식이 충돌하며 오히려 원래보다 성능이 크게 떨어지는 ‘작업 간 간섭(Task Interference)’ 현상이 발생해 기술적인 한계에 부딪혔다. 이에 따라 학계에서는 충돌을 줄이고 방해하지 않도록 하는 데 집중해 왔다.
성균관대 소프트웨어융합대학 홍성은 교수 연구팀은 관점을 바꿔 모델들이 서로 적극적으로 도움을 주는 ‘시너지 효과’에 주목했다. 연구팀은 AI 모델 내부의 수많은 층(레이어) 중 단 한 개의 특정 레이어(Task-specific layer)만을 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 AI가 안정적인 성능을 유지할 수 있도록 만들었다.
나아가 그동안 사전학습모델(pre-trained model)이 전혀 달라 합치기 불가능하다고 여겨졌던 모델들까지 융합해 내는 성과를 거뒀다.
홍 교수는 “이번 연구는 AI 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 이바지할 것”이라고 연구의 의의를 밝혔다.
한편 이번 연구 성과는 세계 최고 권위의 인공지능 및 머신러닝 국제학술대회인 ‘ICML 2026’에 채택 및 발표되며 전 세계 연구자들의 관심을 받고 있다.
◎공감언론 뉴시스 xieunpark@newsis.com