KAIST, AI 확산모델의 추론 속도와 성능 모두 잡았다

ICML 2025 스포트라이트 선정… 몬테카를로 트리 기반 추론 방식으로 100배 속도 향상 실현

KAIST가 인공지능 확산모델의 추론 속도와 성능을 동시에 향상시키는 새로운 알고리즘을 개발했다. 이번 성과는 딥러닝계의 대가 요슈아 벤지오 교수와의 공동연구 결과로, 기존 확산모델이 풀지 못한 초대형 미로찾기 문제를 100% 성공률로 해결하며 강력한 추론 능력을 입증했다. 후속 연구에서는 이 기술의 속도마저 100배 가까이 끌어올려, 지능형 로봇, 실시간 생성 AI, 시뮬레이션 기반 의사결정 시스템 등에서의 응용 가능성을 크게 넓혔다.

확산모델은 이미지 생성, 로봇 제어, 영상 합성 등 다양한 AI 응용 분야에서 주목받고 있지만, 추론 단계에서의 계산량 부담이 크고 확장성이 떨어지는 문제가 있었다. 특히 실시간성 요구가 큰 환경에서는 사실상 적용이 불가능하다는 평가도 있었다.

이에 KAIST 전산학부 안성진 교수 연구팀은 캐나다 몬트리올대학교 요슈아 벤지오 교수와 함께, 확산모델에 ‘몬테카를로 트리 탐색(MCTS)’ 기법을 적용한 새로운 추론 방식을 개발했다. 이 방법은 확산 과정 자체를 트리 구조로 설계하고, 다양한 생성 경로를 효율적으로 탐색해 고품질 출력을 빠르게 찾아낼 수 있도록 설계됐다.

실제 실험에서 기존 기법들이 전혀 해결하지 못하던 ‘자이언트 미로찾기’ 태스크를 100% 성공률로 풀어내며 성능을 입증했다.

“빠르게, 더 똑똑하게” – 최대 100배 속도 향상까지 성공

속도라는 실용적 한계를 극복한 후속연구도 이어졌다. 연구진은 트리 탐색 과정을 병렬화하고 연산을 최적화해, 기존보다 최대 100배 빠른 속도로 동등한 또는 더 나은 품질의 결과를 도출해내는 데 성공했다. 이는 단순히 ‘좋은 성능을 낼 수 있다’는 수준을 넘어, 실제 시스템에 적용 가능한 실시간성을 확보했다는 의미다.

안성진 교수는 “이번 기술은 고비용 계산이 필수였던 기존 확산모델의 구조적 한계를 극복한 핵심 기술”이라며, “실시간 대응이 요구되는 지능형 로봇, 생성형 AI, 시뮬레이션 기반 의사결정 시스템 등 다양한 분야에서 널리 활용될 수 있다”고 밝혔다.

이번 성과는 딥러닝 분야 세계 최고 권위 학회인 ICML(International Conference on Machine Learning) 2025에서 전체 논문 중 상위 2.6%만 선정되는 ‘스포트라이트(Spotlight)’ 논문으로 채택되며 기술력을 국제적으로 인정받았다. 공동 제1저자인 KAIST 윤재식 박사과정생은 “AI 추론의 유연성과 효율성 모두를 잡기 위한 첫걸음이 될 것”이라고 말했다.

#KAIST #확산모델 #AI추론속도 #ICML2025 #요슈아벤지오 #트리탐색 #AI스포트라이트논문 #지능형로봇 #생성형AI #실시간AI기술