처음 보는 규칙도 스스로 조합…KAIST ‘이론화 AI’ 개발

변화 전후만 보고 숨은 규칙 찾아 실행 가능한 프로그램으로 구성

ICML 본 학회 상위 0.7% 구두발표

별도 워크숍 최우수논문상

ICML 2026 워크숍 포스터 세션에서 연구팀. 왼쪽부터 이규빈 석사과정, 백두진 석사과정, 백준엽 박사과정, 이호성 석사과정 ⓒKAIST

‘다음에 무엇이 일어날지’를 예측하는 데 머물던 인공지능(AI)이 관측된 변화에서 작동 원리를 찾아내도록 하는 기술이 개발됐다. 정답이나 규칙을 알려주지 않아도 변화 전후만 보고 기본 원리를 익힌 뒤 처음 접하는 조합까지 해결하는 방식이다.

KAIST는 전산학부 안성진 교수 연구팀이 새로운 학습 체계인 ‘이론화 학습(L2T·Learning-to-Theorize)’을 제안하고, 이를 구현한 신경망 기반 이론 생성 모델 ‘네오(NEO·Neural Theorizer)’를 개발했다고 27일 밝혔다.

월드모델은 AI가 세상을 이해하고 미래를 예측하기 위해 내부에 만드는 모형이다. 로봇 제어와 자율주행, 생성형 AI, 자율 에이전트 등에 활용되지만 기존 기술은 다음 장면을 정확히 예측하더라도 변화가 일어난 원리까지 설명하기 어렵다는 한계가 있었다.

L2T는 규칙이나 언어 설명 없이 변화 전과 변화 후의 관측 결과만 제시한다. NEO는 두 관측 사이에서 작동한 규칙을 찾아 실행할 수 있는 프로그램 형태로 구성한다.

예컨대 회전과 왼쪽·아래 이동, 색칠 같은 기본 규칙을 각각 익힌다. 학습 과정에서 접하지 않은 ‘아래로 이동한 뒤 색칠하고 회전하기’가 주어지면 기존 규칙을 순서에 맞게 조합해 결과를 도출한다.

연구팀은 격자 공간과 산술 추론, 이미지 편집 실험을 통해 NEO가 학습하지 않은 규칙의 조합과 더 긴 작업에서도 기존 방식보다 높은 일반화 성능을 보였다고 설명했다. 실제 로봇이나 자율주행처럼 변수가 많은 환경에 적용하려면 후속 검증이 필요하다.

논문은 제43회 국제기계학습학회(ICML 2026)에서 전체 투고 논문 2만3918편 가운데 상위 0.7%인 구두발표 논문 168편에 선정됐다. 본 학회 전체 최우수논문상이 아니라 별도로 열린 ‘구성적 학습 워크숍’에서 최우수논문상을 받았다. 백두진·이규빈 석사과정이 공동 제1저자로 참여했다.

안 교수는 “이번 연구는 인공지능(AI)의 세계 이해를 단순한 미래 예측에서 세상의 작동 원리를 스스로 설명하는 단계로 확장한 첫걸음”이라며 “예측 중심의 월드모델을 넘어 ‘월드 시어리 모델(World Theory Model)’이라는 새로운 방향을 제시했다. 앞으로 지능형 로봇과 자율 에이전트는 물론 과학적 발견을 지원하는 AI 등 다양한 분야의 핵심 기술로 발전할 것으로 기대한다”고 말했다.