ICML 공식 챌린지서 139개 팀 경쟁…그림·문장 해석해 물리 법칙과 풀이 생성
여러 AI가 답변 토론·교차검증해 오류 줄여…항공기·로봇 설계 활용 가능성

그림과 문장을 함께 읽고 물리 법칙을 적용해 풀이 과정을 만드는 KAIST의 인공지능이 국제 머신러닝 챌린지에서 우승했습니다. 여러 AI가 각자 문제를 푼 뒤 토론과 검증을 거쳐 최종 답을 도출하는 방식으로 추론의 정확도를 높였습니다.

KAIST는 AX학과 문일철 교수 연구팀이 세계 최고 권위의 인공지능(AI)·기계학습(Machine Learning, 기계학습) 학회인 국제머신러닝학회(ICML) 2026의 공식 워크숍에서 열린 ‘시각적으로 정의된 물리 문제 풀기’ 챌린지에서 1위를 차지했다고 23일 밝혔습니다.

이번 대회는 지난 5월 1일부터 6월 16일까지 진행됐습니다. 스위스 취리히연방공과대학교와 중국 푸단대학교, 상하이 이노베이션 연구소 등 세계 각국의 대학과 연구기관을 포함한 139개 팀이 참가했습니다.

KAIST 연구팀은 최종 평가에서 가장 높은 점수를 기록했습니다. 지난 11일 서울에서 열린 ICML 공식 시상식에서 1등상을 받았습니다.

대회 참가 AI에는 그림과 글로 제시된 물리 문제를 이해한 뒤 정답과 풀이 과정을 함께 작성하는 과제가 주어졌습니다.

텍스트와 이미지를 동시에 해석하는 멀티모달 능력뿐 아니라 뉴턴 역학을 비롯한 물리 법칙을 상황에 맞게 선택하고 적용해야 했습니다. 단순히 공식을 계산하는 수준을 넘어 그림 속 물체와 힘의 관계를 파악하고 논리적인 해법을 제시하는 능력을 평가했습니다.

연구팀은 하나의 AI 모델에 모든 판단을 맡기지 않았습니다. 서로 다른 파운데이션 모델을 독립적으로 계획하고 문제를 해결하는 에이전트형 AI로 구성했습니다.

각 AI가 먼저 문제를 분석하고 답안을 만든 뒤 다른 AI들이 풀이의 논리와 계산 결과를 교차 검증하도록 했습니다. 서로 다른 의견이 나오면 토론을 거쳐 오류를 수정하고 최종 답을 결정하는 멀티에이전트 구조입니다.

이 방식은 하나의 모델이 잘못된 전제나 계산을 끝까지 유지하는 문제를 줄였습니다. 여러 모델의 서로 다른 강점을 결합해 복잡한 물리 문제에서도 추론의 정확성과 신뢰성을 높였습니다.

문일철 교수는 "여러 AI 에이전트가 토론하고 검증하며 정답을 찾아가는 과정에서 하나의 파운데이션 모델이 모든 영역을 독점하기 어렵다는 점을 확인했다"며 우승 소회를 밝혔습니다. 이어 "이번 기술은 물리 시험 문제를 푸는 데서 나아가 항공기와 로봇, 자율주행차, 우주시스템처럼 다양한 힘과 운동 조건을 고려해야 하는 분야에서 설계와 운용 방안을 비교하는 데 적용 가능할 것"으로 전망했습니다.

이번 연구에는 KAIST 산업및시스템공학과 곽지석 박사과정 학생을 비롯해 응용인공지능연구실 소속 연구진 5명이 참여했습니다.