KAIST, ‘추론 속도-성능’ 개선 AI 확산모델 개발

캐나다 ‘딥러닝’ 석학과 공동연구

KAIST 전산학부 안성진 교수팀이 딥러닝 분야의 세계적 석학인 요슈아 벤지오 캐나다 몬트리올대 교수와의 공동연구를 통해 인공지능(AI) 확산 모델의 ‘추론-시간 확장성’을 개선하는 새로운 기술을 개발했다. ‘추론-시간 확장성’이란 AI 모델이 추론 단계에서 사용할 수 있는 계산 자원의 양에 따라 성능을 유연하게 조절할 수 있는 능력을 의미한다.

20일 KAIST에 따르면 이번에 새롭게 개발한 기술은 AI 학습 이후 추론 단계에서 더 많은 계산 자원을 효율적으로 활용할 수 있게 해준다. 이로써 단순히 데이터나 모델 크기를 키우는 것으로는 해결할 수 없는 고난도 문제를 풀 수 있도록 돕는다.

이번 기술을 개발하기 위해 안 교수팀은 벤지오 교수와 협력해 ‘몬테 카를로 트리 탐색’ 기반의 새로운 확산 모델 추론 기법을 제안했다. 이 방법은 다양한 생성 경로를 트리 구조로 탐색하며 제한된 계산 자원으로도 높은 품질의 출력을 효율적으로 찾아낼 수 있도록 설계됐다. 그 결과 기존 모델이 한 번도 성공하지 못했던 자이언트-스케일(초대형) 미로 찾기 과제에서 100%의 성공률을 기록했다.

나아가 후속 연구에서는 주요 단점이었던 느린 속도 문제를 대폭 개선하는 방법을 개발했다. 트리 탐색을 효율적으로 병렬화해 기존 방식보다 최대 100배 빠른 속도로 결과를 얻는 데 성공한 것이다.