[더팩트ㅣ부산=손연우 기자] 여러 인공지능(AI)이 협력하는 과정에서 필요한 통신 규칙을 대형언어모델(LLM)이 스스로 설계하고 개선하는 기술이 개발됐다.
자율드론과 협동로봇, 자율주행차 등 여러 AI가 제한된 정보를 공유하며 협업하는 환경의 효율을 높일 수 있을 것으로 기대된다.
13일 울산과학기술원(UNIST)에 따르면 UNIST 인공지능대학원 한승열 교수 연구팀은 대형언어모델의 추론 능력을 활용해 다중 에이전트 강화학습의 통신 방식을 설계·개선하는 'LMAC(LLM-driven Multi-Agent Communication)' 기술을 개발했다. 이번 연구 결과는 기계학습 분야 최고 권위 학술대회인 국제기계학습학회(ICML 2026)에 채택됐다.
LMAC은 드론 군집과 협동 로봇, 자율주행차처럼 각 AI가 전체 상황의 일부만 파악할 수 있는 환경에서 수집한 정보 가운데 무엇을 어느 팀원에게 전달해야 하는지를 자동으로 설계하는 기술이다.
연구팀은 임무 목표와 각 AI의 역할, 관측 가능한 정보를 자연어로 입력하면 대형언어모델이 이를 분석해 협력에 필요한 정보만 전달하는 통신 함수를 코드 형태로 생성하도록 했다.
생성된 통신 규칙은 강화학습 데이터를 기반으로 지속적으로 보완된다. 평가 프로그램이 AI 간 정보 전달의 부족한 부분을 분석하면 대형언어모델이 이를 반영해 통신 코드를 자동으로 수정하는 방식이다.
예를 들어 정찰 역할의 AI만 목표물 위치를 확인할 수 있는데 다른 AI들이 정찰 AI의 위치를 알지 못하면 목표물의 정확한 위치를 파악하기 어렵다. 이 경우 대형언어모델은 정찰 AI의 위치와 이동 정보, 팀원 식별 정보, 공통 좌표 기준 등을 추가하도록 통신 규칙을 개선한다.
연구팀은 전달받은 정보를 강화학습에 효과적으로 활용하는 학습 구조도 함께 설계했다. 각 AI는 받은 정보를 그대로 사용하는 대신 협력에 필요한 핵심 정보만 압축하고 정보의 신뢰도까지 함께 학습하도록 구현했다.
또 실제 임무 수행 과정에서는 대형언어모델을 반복 호출하지 않고 미리 생성된 통신 코드가 각 AI의 관측값을 바탕으로 필요한 메시지를 생성하도록 설계해 연산 비용과 처리 부담을 줄였다.
성능 검증에서는 스타크래프트Ⅱ 환경에서 적을 탐지하는 정찰 유닛인 오버시어 1기와 적을 볼 수 없는 공격 유닛인 베인링 10기가 협력하는 과제를 수행한 결과 96.2%의 승률을 기록했다. 같은 학습 구조에 기존 통신 기법인 SMS와 TarMAC을 적용했을 때의 승률은 각각 59.0%, 25.2%였다.
한승열 교수는 "이번 기술은 자율 드론과 로봇 군집, 스마트팩토리, 자율주행 협력 시스템처럼 여러 AI가 제한된 정보 속에서 함께 판단해야 하는 실제 환경의 핵심 기반기술이 될 것으로 기대한다"고 말했다.
- 발로 뛰는 <더팩트>는 24시간 여러분의 제보를 기다립니다.
- · 카카오톡: '더팩트제보' 검색
- · 이메일: jebo@tf.co.kr
- · 뉴스 홈페이지: https://talk.tf.co.kr/bbs/report/write
- · 네이버 메인 더팩트 구독하고 [특종보자→]
- · 그곳이 알고싶냐? [영상보기→]