인하대학교(총장 조명우)는 최동완 전기컴퓨터공학과 교수 연구팀이 시간에 따라 변화하는 지식그래프를 지속적으로 학습할 수 있는 인공지능(AI) 기술을 개발했다고 23일 밝혔다.
지식그래프 임베딩은 검색·추천 시스템과 질의응답, 생성형 AI의 검색증강(RAG) 등 다양한 AI 서비스의 핵심 기술로 활용되고 있다. 그러나 기존 방식은 새로운 지식이 추가되거나 그래프 구조가 변할 경우 전체 모델을 다시 학습해야 해, 학습 비용이 크고 실시간 서비스 적용에 한계가 있다는 지적이 이어져 왔다.
연구팀은 이런 한계를 극복하기 위해 지식그래프의 구조 변화를 반영하면서도 전체 재학습 없이 학습을 이어갈 수 있는 지속학습 방식을 설계했다. 이를 프레임워크 형태로 구현한 것이 'STARK'다.
STARK는 그래프 내 구조적 중요도를 고려해 학습 자원을 선택적으로 배분하고, 구조 변화에 적응하는 손실 함수 기반 학습 기법을 결합한 것이 특징이다. 이를 통해 지식그래프가 확장·변형되는 상황에서도 전체 재학습 없이 업데이트가 가능하며, 그래프 구조의 일관성을 유지하면서도 성능과 학습 효율 간 균형을 동시에 달성할 수 있음을 실험적으로 입증했다.
연구팀은 이 방식이 기존 기법 대비 정확도 저하를 최소화하면서 학습 비용을 크게 줄일 수 있다고 설명했다. 지속적으로 지식이 추가·변경되는 환경에서도 AI의 학습 효율과 성능을 함께 개선할 수 있는 방법을 제시했다는 점에서 학문적·실용적 의의가 크다는 평가다. 대규모 지식 기반 AI 시스템은 물론, 생성형 AI 응용 분야 전반으로 활용 범위가 확대될 것으로 기대된다.
이번 연구에는 이경환 인하대 전기컴퓨터공학과 석사과정 학생이 주도적으로 참여했다.
최동완 인하대 전기컴퓨터공학과 교수는 “지속적으로 변화하는 지식 환경에서 AI가 어떻게 효율적으로 학습할 수 있는지를 다룬 의미 있는 성과”라며 “학생의 꾸준한 성실성과 노력이 좋은 결과로 이어져 더욱 뜻깊다”고 말했다.
연구 성과는 'STARK: 지속적으로 변화하는 지식그래프를 위한 구조 인식 기반 적응형 표현 학습 기법(STARK: Structure-Aware and Adaptive Representation Learning for Continual Knowledge Graph Embedding)'이라는 제목으로 세계 최고 권위의 웹·데이터마이닝 학술대회인 'WWW 2026'에 게재 승인됐다.
인천=김동성 기자 estar@etnews.com
