[충청뉴스 이성현 기자] 국내 연구진이 미래 장면을 예측하는 데 그치지 않고, 관측된 변화만으로 세상의 작동 원리를 스스로 찾아내 설명하는 차세대 월드모델 AI 기술을 세계 최초로 구현했다.
한국과학기술원(KAIST)은 전산학부 안성진 교수 연구팀이 AI가 관측한 정보만으로 세계의 작동 원리를 스스로 이론화하는 새로운 학습 패러다임인 '이론화 학습(L2T)'을 제안하고, 이를 구현한 신경망 기반 이론 생성 모델 'NEO(Neural Theorizer)'를 개발했다고 27일 밝혔다.
이번 연구는 지난 9일 서울에서 개최된 세계 최고 권위의 인공지능 학회인 제43회 국제기계학습학회(ICML 2026)에서 전체 2만3918편의 투고 논문 중 상위 0.7%(168편)에 해당하는 구두발표(Oral) 논문으로 선정된 데 이어 '구성적 학습 워크숍'에서 최우수논문상을 수상했다.
기존의 월드모델은 현재 상태를 바탕으로 다음에 일어날 장면을 정확히 예측하는 데 집중해 왔다.
그러나 이는 데이터 내의 단순 패턴을 통째로 암기하는 경향이 있어 학습하지 않은 새로운 규칙이나 환경이 주어지면 성능이 크게 떨어지는 한계가 있었다.
또 기존의 프로그램 합성 기술은 사람이 사전에 기호 체계나 프로그램 정답, 언어 설명 등의 감독 정보를 주어야만 구동할 수 있었다.
연구팀은 아이가 말을 배우기 전부터 세상을 관찰하며 내부적인 작동 규칙을 정립한다는 발달인지과학적 관점에 착안했다.
별도의 정답이나 프로그램 감독 정보 없이 '변화 전'과 '변화 후'의 관측 데이터만 입력하면, AI가 그 사이에 작용한 기본 규칙(이동, 회전, 색칠 등)과 실행 순서를 스스로 추출하도록 설계했다.
이를 위해 연구팀은 동일한 현상을 설명하는 수많은 가설 중 가장 간결한 프로그램을 선택하도록 유도하는 '최소 설명 길이(MDL)' 원리와, 각 실행 단계가 실제 유효한 관측과 일치하도록 가이드하는 '상태 접지(State Grounding)' 기법을 적용했다.
그 결과 NEO는 이동, 회전 등 단일 원시 요소를 독립적으로 학습한 뒤, 이를 자유롭게 조합해 '아래로 이동 후 색을 칠하고 회전하는' 등의 한 번도 접하지 못한 복합 과제까지 해결하는 구성적 일반화 성능을 뛰어나게 입증했다.
이러한 성능 검증을 위해 격자 공간 이동, 산술 연산, 이미지 편집으로 구성된 '관측-이론 귀납 벤치마크(OTIB)'를 자체 구축하여 기존 모델 대비 압도적인 추론 및 전이 능력을 증명했다.
이번 연구는 AI가 특정 사례의 결과를 단순히 복원·재현하는 능력을 넘어, 현상을 설명하는 재사용 가능한 원리를 독립적으로 분리·학습했는지를 최초로 구분하여 평가했다는 점에서 중요한 학술적 의미를 갖는다.
이 기술이 상용화되면 지능형 로봇이 행동 정보가 없는 시연 영상만을 관찰하고도 물체 조작의 기본 동작을 이해하고 조합해 복잡한 작업을 수행할 수 있게 된다.
아울러 제조 공정 및 자연현상 등 다단계 변화 과정 추론, 과학적 가설 생성 보조 도구로 폭넓게 활용될 전망이다.
안성진 교수는 “이번 연구는 AI의 세계 이해를 단순한 미래 예측에서 세상의 작동 원리를 스스로 설명하는 단계로 확장한 첫걸음”이라며 “예측 중심의 월드모델을 넘어 '세계 이론 모델'이라는 새로운 방향을 제시한 만큼, 향후 실세계의 연속적이고 잡음이 있는 데이터 환경 및 장기 추론 문제로 확장해 지능형 로봇과 자율 에이전트의 핵심 엔진으로 발전시키겠다”고 설명했다.
