새로 배우면서도 기존 지식 잊지 않는 AI… GIST, ‘균형 학습’ 기술 개발

AI 요약

광주과학기술원(GIST) AI융합학과 김경중 교수 연구팀이 기존 지식 손실과 학습 속도 저하(정체 현상)를 해결하는 새로운 학습 기법 FIRE*를 개발했으며 해당 논문이 ICLR 2026에서 구두 발표로 채택되었습니다(약 1만9000편 제출, 구두 발표 223편). FIRE*는 기존 학습 유지 정도와 새로운 학습 수용 정도를 각각 수치로 평가해 균형을 맞추고 그 지점에서 가중치 구조를 재정렬(재초기화)함으로써 기존 지식을 유지하면서 새로운 정보를 안정적으로 수용하도록 하며 이미지·영상 인식, 언어 모델, 강화학습 등 다양한 분야에 적용해 기존 지식을 유지하면서 안정적 성능을 보였고 강화학습에서는 전략과 보상이 안정적으로 유지되었습니다. 추가 연산량은 전체 학습량의 1% 미만으로 매우 적어 학습 속도 저하나 연산 비용 증가가 거의 없으며 논문은 2월 8일 arXiv에 공개되고 4월 23~27일 브라질 리우데자네이루에서 열린 ICLR 2026에서 발표되었고 연구는 GIST 김경중 교수와 KAIST 이호준 박사가 교신저자, 한이삭 석박통합과정생이 제1저자로 수행되었으며 박상연, 오승원, KAIST 김동후 연구원이 공저자로 참여하고 과학기술정보통신부·IITP·NRF·산업통상자원부·KIAT 및 GIST SCENT의 지원을 받았습니다.