"동료 AI가 멈춰도 임무는 계속된다"... UNIST, 협력 깨져도 스스로 재편하는 AI 학습기술 개발

AI 요약

UNIST 인공지능대학원 한승열 교수 연구팀은 AI 간 협력 관계가 무너지는 상황을 의도적으로 반복 학습시키는 멀티에이전트 강화학습 기법 '상호작용 차단 적대 학습(IBAL)'을 개발했으며, 연구 결과는 국제머신러닝학회(ICML 2026)에 채택돼 7월 6일부터 11일까지 서울 코엑스에서 발표될 예정입니다. SMAC 벤치마크 실험에서 팀원 일부가 이탈하는 상황에서 기존 모델은 승률이 13.3%까지 떨어진 반면 IBAL로 학습한 AI는 전술을 실시간으로 재편해 87.0%의 승률을 기록했습니다. 연구팀은 IBAL이 남은 AI들이 스스로 역할을 재분배하고 새로운 협력 구조를 형성해 자율드론·군집로봇·스마트팩토리·자율주행 등 다중 AI 시스템의 안전성과 신뢰성을 높일 수 있을 것으로 기대한다고 밝혔습니다.