【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]"전에 배웠잖아"…스마트폰 AI, 비슷한 문제는 스스로 해결한다?

온카뱅크관리자

2026-09-21 09:37:25

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">보도기사</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="QqsNkIkLUK">
          <p contents-hash="3b509fec8470cbc072d82a1fd5b4ccc023a8ac3c9e20f3a04312d8634fba2326" dmcf-pid="xBOjECEoFb" dmcf-ptype="general">서버 답을 공책처럼 저장…스마트폰 AI가 더 똑똑해졌다<br>배운 건 기기에 저장…서버 의존도 크게 낮춰</p>
          <figure class="figure_frm origin_fig" contents-hash="a3127023bc3844cbb68275f37c54a29743a6d693caf850d7d686979ad8731601" dmcf-pid="yw2pzfztFB" dmcf-ptype="figure">
           <p class="link_figure"><img alt="KAIST의 이번 연구 성과에 대한 설명(AI 생성 이미지)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/21/551724-22lyJQR/20260921093322128zfng.jpg" data-org-width="533" dmcf-mid="848zKPKpUV" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/21/551724-22lyJQR/20260921093322128zfng.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            KAIST의 이번 연구 성과에 대한 설명(AI 생성 이미지)
           </figcaption>
          </figure>
          <p contents-hash="bf5c6f12451f2a9f86f37498af49f0fe149ce2ad0ef30654ed570d322bb98645" dmcf-pid="WrVUq4qF3q" dmcf-ptype="general"><br>스마트폰 속 소형 인공지능(AI)이 서버의 대형 AI에게서 한 번 배운 내용을 기기에 저장해두고 비슷한 상황에서 다시 활용하는 기술이 개발됐습니다.</p>
          <p contents-hash="4b545c83c8ddf16d5092a9165baa382483ff28f90862f8441b80d5ac8251d263" dmcf-pid="YmfuB8B30z" dmcf-ptype="general">KAIST 연구진은 서버에서 얻은 지식을 누적해 재사용하는 방식으로 높은 정확도를 유지하면서도 서버 호출 횟수를 평균 55.61% 줄이는 데 성공했습니다.</p>
          <p contents-hash="c2062d1c1d2551b052b083de42bb8e0a69e02fdcb23bedd571abb3186585a8e6" dmcf-pid="Gs47b6b0z7" dmcf-ptype="general">◆ 소형 AI의 한계, 매번 서버에 물어봐야 했던 기존 방식</p>
          <p contents-hash="d8a125b9b5a9395fbc7805a05bb2ecfcac5ba75e3995f03b1db18b36d5575671" dmcf-pid="HO8zKPKp0u" dmcf-ptype="general">스마트폰이나 웨어러블 기기에서 직접 실행되는 소형 AI 모델은 계산량이 적고 반응 속도가 빠르다는 장점이 있습니다. 하지만 기기의 연산 능력과 메모리가 제한돼 있어 복잡하거나 처음 접하는 입력을 처리할 때는 서버에서 작동하는 대형 AI 모델보다 정확도가 떨어질 수 있습니다.</p>
          <p contents-hash="b4fb18515b7e0abe7169b989e17beb94e752797cfb2574ec13685e8c84ceed78" dmcf-pid="XI6q9Q9U3U" dmcf-ptype="general">이 때문에 기기에서 먼저 문제를 처리하고, 어렵다고 판단되는 입력만 서버의 대형 AI에 보내는 기기-서버 협업 방식이 연구돼 왔습니다.</p>
          <div contents-hash="fff03f4cb488ebf2882cac53df37050bdda8d7e5d20f4e8fdd38ed9ad7c8f07e" dmcf-pid="ZbIADhDgup" dmcf-ptype="general">
           문제는 기존 방식이 서버에서 받은 답을 대부분 일회성으로 사용한다는 점입니다. 비슷한 입력이 다시 들어와도 이전에 받은 지식을 활용하지 못해 서버에 반복적으로 도움을 요청해야 했습니다.
           <div>
            <br>◆ "한 번 배운 풀이를 공책에 적어둔다"
            <br>
            <br>KAIST는 전산학부 이재길 교수 연구팀이 기기의 소형 AI와 서버의 대형 AI를 효율적으로 연결하는 기술인 'CURE(Cumulative Knowledge Reuse·누적 지식 재사용)'를 개발했다고 21일 밝혔습니다. CURE의 핵심은 서버가 알려준 답을 그때만 사용하는 것이 아니라, 이후에도 활용할 수 있도록 기기에 축적해두는 데 있습니다.
            <br>
            <br>어려운 문제를 풀 때마다 전문가에게 같은 질문을 반복하는 대신, 한 번 배운 풀이를 공책에 적어두고 비슷한 문제를 만났을 때 다시 꺼내보는 방식과 비슷합니다.
            <br>
            <br>CURE는 먼저 기기의 소형 AI가 입력을 직접 처리할 수 있는지 판단합니다. 어려운 문제라면 기기에 저장된 기존 지식을 먼저 활용하고, 그 지식으로도 해결되지 않을 때만 서버의 대형 AI에 도움을 요청합니다.
            <br>
            <br>'혼자 풀기→배운 내용 찾아보기→전문가에게 묻기'의 3단계 구조입니다.
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="3d024890dd461816bef78527cb1916c85f5648b984de4708c9cfad0f9e42cd66" dmcf-pid="5KCcwlwaz0" dmcf-ptype="figure">
           <p class="link_figure"><img alt="기존 기기-서버 협업 방식와 CURE 프레임워크의 비교 이미지" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/21/551724-22lyJQR/20260921093322311fqby.png" data-org-width="481" dmcf-mid="6SgxdNd8p2" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/21/551724-22lyJQR/20260921093322311fqby.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            기존 기기-서버 협업 방식와 CURE 프레임워크의 비교 이미지
           </figcaption>
          </figure>
          <div contents-hash="19fc65af27bf0dd2cc88f41f4b06ad3a045a6e3709eb9d212c464f9bd56dc8df" dmcf-pid="19hkrSrNp3" dmcf-ptype="general">
           <div>
            <br>◆ 사진 통째로 저장하지 않고 '핵심 특징'만 축적
            <br>
            <br>예를 들어 스마트폰의 소형 AI가 사진 속 특정 자동차 차종을 구분하지 못하면 서버의 대형 AI에 판단을 요청합니다. 이때 CURE는 서버가 내린 판단과 사진에 담긴 특징을 기기의 지식 저장소에 반영합니다.
            <br>
            <br>이후 비슷한 차종의 사진이 들어오면 서버에 다시 요청하지 않고, 앞서 축적해둔 지식을 활용해 기기 자체적으로 판단할 수 있습니다.
            <br>
            <br>특히 서버가 처리한 사진을 그대로 하나씩 저장하는 방식은 아닙니다. 여러 이미지에서 공통적으로 나타나는 특징과 서로 구분되는 요소를 요약해 지식으로 저장합니다. 
            <br>
            <br>자동차 사진 자체를 외우는 것이 아니라 차체 형태나 전조등처럼 차종을 구별하는 핵심 특징을 정리해두는 방식입니다. 때문에 이전에 본 것과 완전히 같은 사진이 아니더라도 비슷한 특징을 가진 새로운 입력을 판단하는 데 활용할 수 있습니다.
            <br>
            <br>◆ 서버 호출 평균 55.61% 감소…처리 속도 최대 2.8배
            <br>
            <br>연구팀은 이미지와 글을 함께 이해하는 비전-언어 모델을 활용해 CURE의 성능을 검증했습니다. 기기에서 작동하는 소형 모델에는 MobileCLIP2를, 서버용 대형 모델에는 180억 개의 매개변수를 가진 EVA-CLIP을 사용했습니다.
            <br>
            <br>다양한 이미지 분류 데이터셋을 대상으로 실험한 결과, CURE는 모든 입력을 대형 서버 모델에서 처리하는 방식에 가까운 정확도를 유지했습니다. 동시에 서버에서 얻은 지식을 축적하지 않는 기존 기기-서버 협업 방식과 비교해 서버 호출 횟수를 평균 55.61% 줄였습니다.
            <br>
            <br>처리 속도도 빨라졌습니다.
            <br>
            <br>기존 기기-서버 협업 방식보다 최대 2.80배 빨랐고, 모든 입력을 서버에 보내는 방식과 비교해서는 최대 3.67배 빠른 것으로 나타났습니다. 서버에 데이터를 보내고 다시 답을 기다리는 과정을 줄인 결과입니다.
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="dc8a02faf344efe7bec905c930e179c5c0475bbbd52f00592fb1755939393ec9" dmcf-pid="t2lEmvmjpF" dmcf-ptype="figure">
           <p class="link_figure"><img alt="연구진(왼쪽부터 KAIST 정보전자연구소 이영준 박사, 전산학부 이재길 교수, 우측 상단 개별 사진 왼쪽부터 Amazon 김도영 박사, LG AI연구원 강준혁 박사, KAIST 산업및시스템공학과 송환준 교수)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/21/551724-22lyJQR/20260921093322468rimm.jpg" data-org-width="538" dmcf-mid="PucJoEoMp9" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/21/551724-22lyJQR/20260921093322468rimm.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            연구진(왼쪽부터 KAIST 정보전자연구소 이영준 박사, 전산학부 이재길 교수, 우측 상단 개별 사진 왼쪽부터 Amazon 김도영 박사, LG AI연구원 강준혁 박사, KAIST 산업및시스템공학과 송환준 교수)
           </figcaption>
          </figure>
          <div contents-hash="6a8a9e29d20b72a6ff15a39491f869392f26ddd807bf4b7b0f18b32443eed789" dmcf-pid="FVSDsTsAut" dmcf-ptype="general">
           <div>
            <br>◆ 기존 AI 다시 학습할 필요 없어…로봇·웨어러블에도 활용
            <br>
            <br>CURE는 기존 소형 AI 모델이나 서버용 대형 AI 모델을 별도로 다시 학습시키지 않아도 적용할 수 있다는 장점도 있습니다. 기존 모델은 그대로 유지하고, 서버에서 얻은 지식을 저장하는 별도의 공간을 추가하는 방식이어서 다양한 AI 모델과 서비스에 비교적 유연하게 적용할 수 있습니다.
            <br>
            <br>연구팀은 모바일 사진 인식이나 이미지 검색 서비스 등에 CURE를 적용하면 불필요한 데이터 전송과 서버 연산을 줄여 이용자의 대기 시간과 서비스 운영 부담을 낮출 수 있을 것으로 보고 있습니다.
            <br>
            <br>다만 실제 성능은 기기의 연산 능력과 저장 공간, 통신 환경, 입력 데이터의 특성 등에 따라 달라질 수 있어 다양한 환경에서 추가 검증이 필요합니다.
           </div>
          </div>
          <p contents-hash="bb11cf950a8fdc4572f3ba194641bc65af86e3faa1255945b9fb60dc3ff56eb9" dmcf-pid="3fvwOyOc71" dmcf-ptype="general">(사진=KAIST) </p>
          <p contents-hash="60fd5d8845c42dea20fc4ddbf93f51bd817bab7f6ef33c2f333d616f09a37289" dmcf-pid="04TrIWIkp5" dmcf-ptype="general">조형준 취재 기자 | brotherjun@tjb.co.kr</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © TJB </p>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기