[시경신문, 김호진기자] 인하대학교는 최동완 교수 연구팀이 원본 학습 데이터를 사용하지 않고도 인공지능(AI) 모델의 지식을 다른 모델에 효율적으로 전달하는 기술을 개발했다고 8일 밝혔다.
이번 연구는 이미지를 작은 조각으로 나눠 분석하는 ‘비전 트랜스포머(Vision Transformer)’를 대상으로 했다. 이미지의 작은 조각을 ‘패치’라고 부르며, 모델은 각 패치의 정보와 패치 간 관계를 활용해 이미지를 이해한다.
연구팀이 개발한 기술은 학습된 AI 모델의 지식을 합성 이미지로 만들어내는 ‘모델 인버전(Model Inversion)’ 방식에 기반한다. 이렇게 생성한 이미지를 다른 AI 모델의 학습에 활용하면 원본 학습 데이터 없이도 기존 모델의 지식을 전달할 수 있다.
기존 최고 성능의 모델 인버전 방법은 합성 이미지를 만드는 초기에 중요도가 낮다고 판단한 패치를 제거해 계산량을 줄였다. 연구팀은 이 과정에서 처음에는 중요하지 않았던 패치도 최적화가 진행되면 유용한 정보를 담게 될 수 있다는 현상을 발견했다.
연구팀은 이를 ‘재탄생 효과(Re-Birth effect)’로 정의하고, 이 현상을 활용한 ‘Patch Rebirth Inversion(PRI)’을 개발했다. PRI는 중요한 패치를 단계적으로 분리하면서도 나머지 패치를 바로 버리지 않고 계속 최적화하는 방식이다.
이를 통해 한 번의 인버전 과정에서 일부 패치로 구성된 합성 이미지를 여러 개 생성할 수 있도록 했다. 연구팀은 기존 방식보다 적은 계산으로 다른 모델에 지식을 더 효과적으로 전달할 수 있음을 확인했다.
논문 제목은 ‘Patch Rebirth: Fast and Transferable Model Inversion of Vision Transformers’로 최근 인공지능 분야 최우수 국제학술대회인 ‘NeurIPS 2026’에 채택됐다.
제1저자인 허성수 석사 졸업생은 최동완 교수의 지도 아래 석사과정 동안 이번 연구를 수행했다. 하나의 문제를 꾸준히 탐구하며 지도교수와의 지속적인 논의를 통해 연구를 발전시켜 국제적인 성과로 연결했다.
최동완 인하대 컴퓨터공학과 교수는 “좋은 연구는 처음부터 거창한 아이디어에서 시작되기보다, 기존 방식을 분석하는 과정에서 발견한 작은 의문에서 시작되는 경우가 많다”며 “이번 연구는 학생이 석사과정 동안 하나의 문제를 꾸준히 탐구하고 발전시킨 결과가 좋은 결실로 이어졌다는 점에서 뜻깊다”고 말했다.
한편, 이번 연구는 정보통신기획평가원(IITP)의 사람중심인공지능원천기술개발사업, 경량저전력AI한계극복기술개발사업, 생성AI선도인재양성사업, 인공지능혁신인재양성사업(AX대학원)과 한국연구재단의 핵심연구사업 및 4단계 두뇌한국21(BK21) 사업의 지원을 받았다.
[보도자료출처: 인하대학교]
