인하대학교는 전기컴퓨터공학과 최동완 교수 연구팀이 변화하는 지식그래프를 지속 학습하는 인공지능(AI) 기술을 개발했다고 22일 밝혔다.

지식그래프 임베딩은 검색, 추천, 질의응답, 생성형 AI의 검색증강(RAG) 등 다양한 인공지능 서비스의 핵심기술로 활용되고 있다. 하지만 기존 방식은 새로운 지식이 추가될 때마다 전체 모델을 다시 학습해야 하거나 구조 변화에 충분히 대응하지 못하는 한계가 있다.

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’(지속적으로 변화하는 지식그래프를 위한 구조 인식 기반 적응형 표현 학습 기법) 프레임워크를 통해 전체 재학습 없이도 효율적인 업데이트가 가능하다. 구조적 일관성을 유지하면서도 성능과 효율의 균형을 동시에 달성할 수 있다는 점을 실험적으로 입증한 것이다.

이번 연구는 지속적으로 확장되는 지식그래프 환경에서 정확도와 학습 효율을 동시에 개선했다는 점에서 학문적·실용적 의의가 크다는 평가를 받고 있다. 앞으로 대규모 지식 기반 AI 시스템과 생성형 AI 응용 분야에서 폭넓게 활용될 것으로 기대된다.

연구 결과가 담긴 논문은 세계 최고 권위의 웹·데이터마이닝 학술대회인 ‘WWW 2026’에 최근 게재 승인됐다.

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

최동완 교수는 “이번 연구는 지속적으로 변화하는 지식 환경에서 인공지능이 어떻게 효율적으로 학습할 수 있는지를 다룬 의미 있는 성과”라고 말했다.

강남주 기자