새로 배우면서도 기존 지식 잊지 않는 AI 기술 개발

(왼쪽부터) GIST AI융합학과 김경중 교수, KAIST 이호준 박사, GIST AI융합학과 한이삭 석박통합과정생, 박상연 석사, 오승원 석박통합과정생, KAIST 김동후 연구원.

인공지능(AI)이 새로운 정보를 학습하는 과정에서 기존 지식을 잊어버리거나 학습 속도가 점차 느려지는 이른바 ‘정체 현상’을 해결할 수 있는 새로운 학습 전략이 국내 연구진에 의해 개발됐다.

광주과학기술원(GIST)은 28일 “AI융합학과 김경중 교수 연구팀이 제안한 새로운 AI 학습 기법 ‘FIRE’가 세계적 권위의 인공지능 학회인 ICLR 2026에서 구두 발표 논문으로 채택됐다”고 밝혔다. 올해 학회에는 약 1만9000편의 논문이 제출됐으며, 이 가운데 223편만이 구두 발표로 선정됐다.

AI는 정보를 수많은 ‘가중치(weight)’로 변환해 학습하며, 이 가중치는 학습 과정에서 오차를 줄이는 방향으로 지속적으로 조정된다. 그러나 학습이 반복될수록 기존 지식이 손실되는 ‘망각 현상’과 함께 새로운 정보를 받아들이는 능력이 떨어지는 ‘정체 현상’이 발생하는 한계가 지적돼 왔다.

연구팀은 이러한 문제를 해결하기 위해 기존 지식 유지 정도와 새로운 학습 수용 능력을 각각 수치화해 두 요소 간 균형을 맞추는 학습 전략 ‘FIRE’를 제안했다. 이 기법은 두 요소의 균형이 가장 잘 유지되는 지점을 찾아 가중치 구조를 재정렬하는 방식으로, 기존 지식을 유지하면서도 새로운 정보를 안정적으로 학습할 수 있도록 돕는다.

특히 FIRE는 가중치 변화 정도를 측정하는 ‘프로베니우스 기준’과 학습 구조의 유지 정도를 나타내는 ‘등거리성’을 동시에 고려해 최적의 균형점을 도출한다. 이를 통해 모델 전체를 초기화하지 않고도 학습 효율을 높일 수 있다는 점이 특징이다.

연구팀은 해당 기법을 이미지·영상 인식, 언어 모델, 강화학습 등 다양한 분야에 적용한 결과, 새로운 데이터를 학습하는 과정에서도 기존 성능을 유지하며 안정적인 결과를 보였다고 설명했다. 강화학습에서도 기존 행동 전략과 보상 체계가 유지되는 등 데이터 손실 없이 학습이 지속되는 것으로 나타났다.

또한 균형 계산에 필요한 추가 연산량이 전체 학습량의 1% 미만에 불과해 학습 속도 저하나 비용 증가 없이 즉시 적용이 가능한 것으로 확인됐다.

김경중 교수는 “AI의 가중치 구조를 균형 있게 재정렬함으로써 기존 지식을 유지하면서도 새로운 정보를 효과적으로 학습할 수 있는 기반을 마련했다”며 “거대언어모델, 자율주행, 로봇 제어 등 지속적인 업데이트가 필요한 다양한 AI 분야에 활용될 수 있을 것”이라고 밝혔다.

이번 연구는 GIST 김경중 교수와 한국과학기술원 이호준 박사가 교신저자로, 한이삭 연구원이 제1저자로 참여했으며, 관련 논문은 지난 2월 사전 공개 사이트에 게재된 데 이어 4월 23일부터 27일까지 브라질 리우데자네이루에서 열린 ICLR 2026에서 발표됐다.