[로이슈 전여송 기자] KAIST 연구진이 외부 최적화 프로그램의 도움 없이 인공지능(AI)이 현실의 제약조건을 반영한 실행 가능한 계획을 스스로 생성하는 강화학습 기술을 개발했다고 3일 밝혔다.

이번 연구는 물류 배송, 생산 일정, 인력 배치 등 다양한 산업 분야에서 활용되는 정수선형계획법(ILP) 문제를 대상으로, AI가 제약조건을 만족하는 계획을 직접 생성하도록 하는 기술 개발을 목표로 추진됐다.

KAIST 전산학부 김민수 교수 연구팀은 강화학습 기반 기술인 'RL-SPH(Reinforcement Learning-based Start Primal Heuristic)'를 개발했다. 연구팀에 따르면 이 기술은 외부 ILP 솔버 없이도 실행 가능한 계획을 생성하도록 학습하는 방식이다.

연구팀은 AI가 먼저 제약조건을 모두 만족하는 실행 가능한 계획을 찾은 뒤 비용과 시간을 줄이는 방향으로 개선하는 2단계 탐색 전략을 적용했다. 또한 변수와 제약조건의 관계를 학습하는 그래프 기반 AI 모델과 우선순위 탐색 기법을 도입해 계산 효율을 높였다.

대표적인 5개 벤치마크에서 성능을 평가한 결과 RL-SPH는 모든 문제에서 실행 가능한 계획을 도출했다. 연구팀은 기존 기법 대비 최적해와의 차이를 나타내는 프라이멀 갭은 평균 28.6배, 프라이멀 인터그럴은 2.6배 개선됐으며, 첫 실행 가능한 계획을 찾는 시간은 평균 2.5배 단축됐다고 설명했다.

또 학습 시간은 평균 30분으로 기존 기법보다 최대 14.7배, 일부 최신 비지도학습 기반 기법보다 약 34배 빨랐으며, 학습하지 않은 새로운 유형의 문제와 더 큰 규모의 문제에서도 적용 가능성을 확인했다고 덧붙였다.

이번 연구는 KAIST 전산학부 이태훈 박사과정이 제1저자, 김민수 교수가 교신저자로 참여했으며, 지난달 열린 국제기계학습학회(ICML)에서 발표됐다.

김민수 KAIST 전산학부 교수는 "이번 연구는 외부 최적화 프로그램의 도움 없이 AI가 실행 가능한 계획을 스스로 만들 수 있음을 보여준 성과"라며 "향후 물류와 제조, 반도체 생산, 인력 운영 등 다양한 산업 분야의 AI 기반 의사결정 기술로 활용될 것으로 기대한다"고 말했다.

전여송 로이슈(lawissue) 기자 arrive71@lawissue.co.kr