인하대, 지식그래프 지속 학습 한계 극복 AI 기술 개발

[이병훈 기자]

이경환 학생, 인하대 전기컴퓨터공학과 석사과정

(인천=국제뉴스) 이병훈 기자 = 인하대 최동완 전기컴퓨터공학과 교수 연구팀이 변화하는 지식그래프를 지속 학습하는 AI 기술을 개발해 학계 주목을 받고 있다.

지식그래프 임베딩은 다양한 인공지능 서비스의 핵심기술로 활용되고 있다. 그러나 기존 방식은 새로운 지식이 추가될 때마다 전체 모델을 다시 학습해야 하거나 구조 변화에 충분히 대응하지 못하는 한계가 있다.

최동완 교수 연구팀은 시간이 지나면서 지속적으로 변화하는 지식그래프를 임베딩 형태로 효율적으로 학습할 수 있는 새로운 지속학습 프레임워크를 제안했다.

구조적 중요도에 기반한 학습 자원 배분과 그래프 구조 변화에 적응하는 손실 함수 기반 학습 기법을 결합한 'STARK' 프레임워크를 통해 업데이트가 가능하며, 구조적 일관성을 유지하면서도 성능과 효율의 균형을 동시에 달성할 수 있다는 점을 입증했다.

이번 연구는 지속적으로 확장되는 지식그래프 환경에서 정확도와 학습 효율을 동시에 개선했다. 앞으로 대규모 지식 기반 AI 시스템과 생성형 AI 응용 분야에서 폭넓게 활용될 것으로 기대된다.

연구 결과가 담긴 'STARK: 지속적으로 변화하는 지식그래프를 위한 구조 인식 기반 적응형 표현 학습 기법'(STARK: Structure-Aware and Adaptive Representation Learning for Continual Knowledge Graph Embedding) 제목의 논문은 세계 최고 권위의 웹·데이터마이닝 학술대회인 WWW 2026에 최근 게재 승인됐다.

연구는 이경환 인하대 전기컴퓨터공학과 석사과정 학생이 주도적으로 참여했으며, 최동완 교수가 지도했다.

최동완 인하대 전기컴퓨터공학과 교수는 "지속적으로 변화하는 지식 환경에서 인공지능이 어떻게 효율적으로 학습할 수 있는지를 다룬 의미 있는 성과"라며 "학생의 꾸준한 노력이 좋은 결과로 이어져 더욱 뜻깊다"고 말했다.

한편 이번 연구결과는 정보통신기획평가원의 사람중심인공지능핵심원천기술개발사업의 지원과 4단계 BK21 사업의 지원으로 수행됐다.

<저작권자 Copyright ⓒ 국제뉴스 무단전재 및 재배포 금지>