한화비전·GIST, 국제 음향 AI 대회 '1위'…AI '치명적 망각' 극복

'연속 학습 기술'로 난제 해법 제시
차세대 AI 보안 솔루션 개발 가속도

[파이낸셜뉴스] 한화비전과 광주과학기술원(GIST) 연구팀은 공동 개발한 '연속 학습(Continual Learning)' 기술로 국제 음향 인공지능(AI) 경진대회 '디케이스 2026 챌린지'에서 1위를 차지했다.

14일 업계에 따르면 세계전기전자공학회가 주관하는 '디케이스 챌린지'에서 한화비전 R&D센터 AI연구소와 김홍국 GIST 전기전자컴퓨터공학과 교수 연구팀이 7개 부문 중 '도메인 비의존 오디오 분류를 위한 점진 학습' 부문에서 21팀 가운데 1위에 올랐다. 이들은 새로운 소리를 학습하는 과정에서 기존에 익힌 소리를 잊는 AI의 치명적 약점을 보완했다. 소리 수집 출처를 알 수 없는 환경에서 아기 울음소리, 개 짖는 소리, 화재 경보음 등 10종의 소리를 정확하게 구분하는 미션을 성공적으로 수행했다.

특히 '치명적 망각' 해결에 집중했다. 기존 오디오 인식 AI는 녹음 장비나 장소, 주변 소음 등 환경이 달라지면 성능에 영향을 끼치는 약점이 있었다. 새로운 데이터 학습 과정에서 과거 학습한 내용을 잊어버려 데이터 축적에 큰 걸림돌이 됐다. 예를 들어 도시 소음을 잘 구분하던 AI가 공항 환경 음향을 새로 학습하면, 도시에서 발생하는 음향 인식에 다시금 어려움을 겪는 식이다.

이는 특정 목적으로 제작된 AI 모델들 규모가 대개 초거대 범용 AI 모델과 비교해 상대적으로 작아서 발생하는 문제다. 거대 AI 모델도 빈도가 적을 뿐 본질적으로 같은 현상을 겪는다. 특히 외부 환경이 시시각각 변하는 보안, 산업 안전 등 분야에서 이 문제는 AI 기술 발전을 좌우하는 핵심 과제로 꼽힌다.

공동연구팀이 개발한 연속 학습 기술에는 과거 학습한 소리 특징을 재현해 활용하는 '딥인버전 기반 생성형 리플레이' 기법이 적용됐다. 딥인버전은 추가 데이터 수집 없이, 소리별 분류 모델이 과거 학습한 소리와 유사한 음향 데이터를 스스로 재현하고 역산하도록 만드는 기술이다. 가령 실내 감시 시스템에 설치된 AI가 도로 소음을 새로 배우더라도, 과거 실내 특정 소리들의 데시벨과 진폭 등 음향 특징들을 역추적하여 분류 능력을 잃지 않도록 한다. 이 기법을 통해 각 단계에서 AI가 배운 내용을 보존해 새 학습 과정에서 기존 내용이 훼손되는 것을 최소화하는 데 성공했다.

여러 AI 모델 예측 결과를 종합해 최종 판단을 내리는 '앙상블 기법'으로 높은 정확도와 안정적 성능을 구현했다는 점도 주목할 만하다. 최종 제출된 시스템은 다른 팀들과 경쟁에서 가장 높은 성적인 평균 정확도 79.62%를 기록했다. 나머지 20개팀의 정확도 평균은 약 68%로 10%가량 높은 성적이다. 여기에 최종 앙상블 시스템과 공동연구팀이 추가로 제출한 3개의 단일 시스템 모두 부문 내 공식 시스템 랭킹 1~4위를 차지하며 기술적 완성도를 입증했다. 다양한 환경에서 안정적으로 음향 정보를 쌓아가는 이번 기술은 한화비전의 차세대 AI 보안 솔루션 개발에도 적극 활용될 전망이다.
임정은 한화비전 AI연구소장은 "이번 수상은 한화비전 연구의 방향성과 기술 수준이 세계 최고임을 증명한 결과"라며 "'연속 학습' 기술은 외부 환경 속 보안 카메라 적응 능력과 직결된 것으로 새 기술을 미래 솔루션으로 발전시켜 나갈 것"이라고 말했다.

오는 10월 28일부터 이틀간 미국 보스턴에서 개최되는 '디케이스 2026 워크숍'에서 연구 성과 발표 및 우승팀에 대한 시상이 이뤄질 예정이다.

산학협력으로 진행된 이번 연구는 한화비전 자체 연구 과제와 산업통상자원부 과제 지원으로 이뤄졌다.

ggg@fnnews.com 강구귀 기자