"협동 AI 중 하나 고장 나도 임무 이어가는 강화학습법 개발"

울산과학기술원(UNIST) 인공지능대학원 한승열 교수팀은 AI 에이전트 간 협력 고리를 일부러 끊으면서 훈련하는 다중 에이전트 강화 학습 기술인 '상호작용 차단 적대 학습'(IBAL·Interaction-Breaking Adversarial Learning)을 개발했다고 24일 밝혔다.

제1저자인 이선우 연구원은 "기존 다중 에이전트 강화 학습에서는 주로 센서 정보에 의도적으로 잡음을 넣거나 AI가 임무 수행에 불리한 행동을 하도록 만들어 훈련했지만 IBAL은 개별 AI 판단을 방해하는 데 그치지 않고 AI들 협력 관계 자체를 흔든다"며 "이를 통해 일부 AI가 고장 나거나 통신이 끊겨도 남은 AI들이 새로운 협력 방식을 찾아 임무를 이어가도록 훈련할 수 있다"고 설명했다.

연구는 과학기술정보통신부와 정보통신기획평가원의 '자율 드론 실용화를 위한 목적 지향 강화 학습 핵심 기술 개발', '지역 지능화 혁신 인재 양성', '인공지능대학원 지원' 사업과 한국연구재단의 'End-to-end 대규모 자율 군집 제어를 위한 LLM 기반 다중 에이전트 강화 학습 기술 개발' 과제 지원을 받았다.