서울대-카네기멜론대 공동연구팀, 미래의 나와 대화하며 진로 탐색할 수 있는 AI 기술 개발

서울대-카네기멜론대 공동연구팀, 미래의 나와 대화하며 진로 탐색할 수 있는 AI 기술 개발 - 인간-컴퓨터 상호작용 분야 최고 권위 학술대회 ‘CHI 2025’ 최우수논문상 수상 - 대규모 언어모델로 사용자의 가치관·정체성 반영한 ‘미래 자아 에이전트’ 구현 ▲ (좌측부터) 서울대 협동과정 인공지능 전공 전하연 박사과정생(제1저자), 서울대 언론정보학과 임하진 교수(교신저자), 김은미 교수(교신저자), 카네기멜론대학교 인간-컴퓨터 상호작용 연구소 존 짐머만 교수(공동저자), 로라 대비시 교수(공동저자)서울대학교 공과대학은 서울대학교와 카네기멜론대학교(Carnegie Mellon University)의 공동연구팀이 ‘미래의 나’와 대화하거나 편지를 주고받는 방식으로 청년들이 진로를 탐색할 수 있는 인간 중심 인공지능(AI) 기술을 개발했다고 밝혔다. 연구팀은 AI가 단순히 진로 정보를 제공하는 수준을 넘어, 사용자의 가치관과 정체성을 반영한 맞춤형 피드백을 제공함으로써 자기 이해에 기반한 진로 결정을 돕는 혁신적인 기술을 구현했다. 올해 2월 서울대와 카네기멜론대가 공동 설립한 ‘인간 중심 인공지능 연구센터(SNU-CMU Human-Centered AI Research Center)’가 진행한 이번 연구의 결과는 AI 기술의 사회적 응용 가능성을 성공적으로 입증한 초기 성과라는 평가를 받고 있다. 서울대에서는 언론정보학과 임하진 교수와 김은미 교수, 협동과정 인공지능 전공 전하연 박사과정생이, 그리고 카네기멜론대에서는 인간-컴퓨터 상호작용 연구소(HCII) 소속 존 짐머만(John Zimmerman) 교수와 로라 대비시(Laura Dabbish) 교수가 연구에 참여했다. 이번 연구 논문은 오는 4월 26일부터 엿새간 일본 요코하마에서 열릴 HCI(인간-컴퓨터 상호작용) 분야의 최고 권위 국제 학술대회 ‘CHI 2025(ACM Conference on Human Factors in Computing Systems)’에 채택, 공식 발표될 예정이다. ‘Letters from Future Self: Augmenting the Letter-Exchange Exercise with LLM-based Agents to Enhance Young Adults' Career Exploration’ 제하의 해당 논문은 제출된 논문 중 상위 1%에게만 수여되는 최우수논문상(Best Paper Award)을 받았다. ■ 연구 배경전 세계적으로 학교의 진로 설계 수업에서 자주 활용되는 ‘미래 자아에게 편지 쓰기(Future Self Letter)’는 학생이 미래의 나에게 편지를 쓰거나, 반대로 미래의 자신이 되어 현재의 나에게 편지를 보내는 방식의 자기 성찰 활동이다. 학생이 미래 자아를 보다 구체적으로 상상하고 진로 계획을 수립하는 데 유용한 이 기법은 심리학과 교육학 분야의 상담 및 멘토링에서 폭넓게 쓰이고 있다. 그러나 스스로 미래를 상상해야 하는 학생의 인지적 부담이 크고, 미래 자아의 현실감과 생동감이 부족해 학생이 진로 탐색에 깊이 몰입하기 힘들다는 한계가 있었다.  ■ 연구 과정 이 문제의 해결에 나선 공동연구팀은 청년들이 AI 기술로 미래의 나와 편지나 대화를 주고받는 새로운 사용자 경험(UX)을 설계해 진로 탐색을 지원하는 실험을 수행했다. 대규모 언어 모델(이하 LLM)에 기반해 개개인의 특성을 반영한 ‘미래 자아 에이전트(future-self agent)’를 구현한 뒤, 이를 기존의 ‘미래 자아에게 편지 쓰기’ 과정에 접목한 것이다. 총 36명의 청년을 대상으로 1주일간 진행된 실험의 참가자들은 먼저 3년 후의 자신에게 보낼 편지를 작성했다. 이후 무작위로 세 그룹 중 하나에 배정되어, 서로 다른 방식으로 미래 자아와의 상호 작용을 경험했다. 대조군인 첫 번째 그룹은 기존 방식대로 스스로 미래 자아의 답장을 작성했다. 나머지 두 실험군은 각각 AI 기반 미래 자아 에이전트가 생성한 편지를 읽거나, 에이전트와의 실시간 채팅을 통해 대화를 나눴다.     그 결과, 미래 자아 에이전트의 편지를 읽은 참가자들이 활동에 대한 몰입도와 전반적인 진로 탐색 만족도가 가장 높았으며, 구체화된 미래상을 그리는 데 실질적인 도움을 받은 것으로 나타났다. 또한 빠른 피드백과 유연한 대화가 가능했던 채팅 기반 상호작용은 참가자의 적극적인 진로 탐색과 실용적인 정보 교환에 효과적인 방식으로 확인됐다.  ▲ AI 기반 '미래의 나'와의 편지 교환 : 참가자(왼쪽)가 미래의 자신에게 편지를 보내면, AI로 3년 뒤 자신의 모습을 구현한 '미래 자아 에이전트'(오른쪽)가 편지 또는 채팅 형식으로 답장을 제공한다. 이러한 사용자 경험을 통해 진로 탐색 과정에서 겪는 고민, 불확실성에 대한 불안을 해소할 수 있다. ■ 연구 성과이번 연구는 ‘미래 자아와의 소통’이라는 새로운 형태의 자기 성찰 경험을 AI 기술을 통해 실현한 기술적 접근, 상호작용 방식에 따른 효과를 정교하게 비교 분석한 경험적 접근 모두에서 그 독창성을 인정받고 있다. 연구진은 AI 기술로 참가자의 성격, 가치관, 현재 상황을 반영한 맞춤형 에이전트를 구현하기 위해 자체 개발한 ‘SPeCtrum’ 프레임워크를 적용했다. 개개인의 다차원적인 정체성과 진로 맥락을 LLM에 통합시킨 이 프레임워크는 고유한 자아상과 감정 경험을 반영한 에이전트의 설계를 가능케 했다. 해당 프레임워크의 개발 논문은 자연어 처리 분야 최고 권위의 학술대회 ‘NAACL 2025(북미전산언어학회)’에 채택되어 학문적 가치를 인정받은 바 있다.또한 이번 연구는 편지와 채팅이라는 두 가지 상호작용 방식이 각각 진로 탐색에 미치는 영향을 비교한 결과를 통해, 인간 중심 AI 설계에 있어 중요한 시사점을 제공했다. 실험에 따르면 편지 방식은 참가자의 느긋한 읽기와 반복적 숙고를 가능케 하여 깊이 있는 정서적 성찰을 유도했고, 채팅 방식은 실시간 피드백과 유연한 대화를 통해 보다 적극적인 정보 탐색과 진로 조정에 효과적인 것으로 나타났다. 이는 상호작용의 방식이 자기 성찰의 질과 방향에 실질적 영향을 줄 수 있음을 보여준다.■ 기대 효과이번 연구에서 구현한 LLM 기반 미래 자아 에이전트는 향후 청년층의 자기주도적 진로 탐색 뿐 아니라, 삶의 여러 영역에서 활용될 것으로 기대된다. 예를 들어 학업 계획 수립, 생활 습관 개선, 감정 조절 및 정신 건강 관리 등 자기 성찰이 요구되는 과제를 수행할 때 미래 자아와의 대화는 유용한 도구로 쓰일 수 있다. 특히 진로 상담 인프라에 접근하기 어려운 환경에 있는 청년들에게는, 미래 자아 에이전트를 통한 개인화된 대화 경험이 진로 탐색을 넘어 정서적 지지와 동기 부여의 수단이 될 수 있다. 나아가, 연구를 통해 구축한 프레임워크와 상호작용 설계 방식은 미래 자아를 포함한 다양한 사회적 에이전트 설계에도 적용될 것으로 전망된다. 아울러 인간 중심 AI 시스템 개발의 새 가능성과 기준을 제시하는 기초 자료로도 활용될 수 있다. ■ 연구진 의견 논문의 제1저자인 전하연 박사과정생은 “이번 연구는 AI가 인간의 판단을 대신해주는 존재가 아니라, 자신과 더 깊은 대화를 나누도록 돕는 동반자가 되어야 한다는 생각에서 시작됐다. 따라서 ‘정답 제공자’가 아니라 사용자 내면의 대화를 이끌어내 진로 탐색을 돕는 AI 기술을 설계하는 데 주안점을 뒀다”고 연구 방향을 설명하며 “앞으로 청년들이 미래 자아 에이전트와의 상호 작용을 통해 불안을 다루고 미래의 가능성을 구체화하는 소중한 경험을 갖길 바란다”고 기대를 드러냈다. 한편 미래 자아 에이전트의 몰입감과 설득력이 갖는 영향력에 주목한 연구 책임자 임하진 교수는 “AI가 생성한 조언이 너무 현실감 있게 전달되다 보니, 일부 참가자들은 이를 ‘이미 결정된 미래’처럼 받아들이는 경향을 보였다. 사용자의 자율성을 보장하고 해석의 여지를 남길 수 있도록, 에이전트의 표현 방식과 개입 강도를 조절하는 정교한 설계가 필요하다”고 AI 상호작용의 윤리적 설계가 중요함을 강조했다.■ 향후 계획 미래 자아 에이전트와의 상호작용이 사용자에게 미치는 강력한 심리적 영향력이 연구에서 실제로 확인되면서, 조언의 해석 방식과 정보 활용 수준에 따라 AI에 대한 과의존이나 자기결정권 약화로 이어질 수 있다는 우려도 함께 드러났다. 그리고 사용자의 정체성과 가치관을 에이전트에 반영하는 과정에서 다양한 개인 정보가 수집되므로, 향후 기술 상용화 시 프라이버시 보호와 데이터 사용의 투명성 등 윤리적 고려가 반드시 필요하다는 의견도 제시됐다. 이에 따라 공동연구팀은 향후 더욱 다양한 사용자를 대상으로 한 후속 연구에서 자기 성찰을 유도하고 자율성을 보장하며, 사용자에게 신뢰를 얻을 수 있는 AI 상호작용 방식을 구체화할 계획이다. 아울러 개인의 성장과 삶의 방향 설정에 실질적 도움을 줄 수 있는 정교한 인간 중심 AI 기술 개발에 매진할 예정이다. [참고자료]- 논문명/학회 : “Letters from Future Self: Augmenting the Letter-Exchange Exercise with LLM-based Agents to Enhance Young Adults' Career Exploration”, CHI 2025- 논문 링크 : https://arxiv.org/pdf/2502.18881[문의]서울대학교 협동과정 인공지능 전공 전하연 박사과정생 / jhy94520@snu.ac.kr

서울공대 컴퓨터공학부 강유 교수팀, 학습 데이터 없이도 고성능 경량 딥러닝 모델 구현하는 AI 기술 개발

서울공대 컴퓨터공학부 강유 교수팀, 학습 데이터 없이도 고성능 경량 딥러닝 모델 구현하는 AI 기술 개발 - 세계 최고 권위 AI 학술대회 ‘ICLR 2025’ 논문 게재 - 고성능 AI 접근성 높여 인공지능 기술 대중화 기여 예상 ▲ 강유 서울대학교 컴퓨터공학부 교수 서울대학교 공과대학은 컴퓨터공학부 강유 교수팀이 개인정보 보호나 보안 등의 이유로 학습 데이터 사용이 어려운 상황에서도 딥러닝 모델의 성능 저하를 최소화하며 경량화할 수 있는 혁신적인 인공지능(AI) 기술을 개발했다고 밝혔다.  이번 연구 논문은 오는 4월 24일부터 닷새간 싱가포르에서 열리는 세계적 AI 학술대회 ‘ICLR 2025’에 채택된 바 있다. 올해로 13회를 맞는 ‘ICLR(International Conference on Learning Representations)’은 기계 학습 및 딥러닝 분야에서 세계 최고 권위를 자랑하는 학회다. 프라이버시 보호나 보안 문제로 학습 데이터 접근이 어려운 상황은 현실에서 딥러닝 모델을 훈련시킬 때 겪는 큰 어려움 중 하나다. 이를 해결하기 위해 개발된 ‘제로샷 양자화(Zero-shot Quantization, 이하 ZSQ)’는 훈련 데이터 없이 모델을 양자화할 수 있는 기술이다. 그러나 기존의 ZSQ 기술들은 합성 데이터의 노이즈, 부정확한 특징에 기반한 예측, 어려운 데이터의 잘못된 하드 레이블(Hard Lavel, 한 가지 정답만 있는 레이블)이 야기하는 오차 발생 등으로 인해 모델 성능 저하를 불러오는 치명적 한계를 보였다. 이에 강 교수팀은 훈련 데이터를 사용하지 않고도 딥러닝 모델의 성능을 유지하며 효과적으로 경량화시킬 수 있는 ZSQ 기술인 ‘SynQ(Synthesis-aware Fine-tuning for Zero-shot Quantization)’ 기법을 제안했다. 이는 실제 학습 데이터셋이 없는 환경에서도 종전의 ZSQ 기술에 쉽게 적용할 수 있는 중요한 기법으로 평가받고 있다. 연구진은 SynQ의 세 가지 핵심 기술로 딥러닝 모델의 성능을 향상시켜 기존 ZSQ의 약점을 극복하는 성과를 거뒀다. 먼저 저역 통과 필터(low-pass filter)를 적용해 데이터의 고주파 노이즈를 제거했다. 그리고 사전 학습된 모델과 양자화된 모델 사이의 클래스 활성화 맵(Class Activation Map, 이하 CAM)을 정렬하여 딥러닝 모델의 예측 정확도를 높였다. 아울러 사전 학습된 모델이 어려운 샘플에 대해 오류를 일으킬 수 있는 점을 고려하여, 이러한 샘플에는 하드 레이블 대신 소프트 레이블(Soft Rabel, 확률로 표현된 정답)만을 사용함으로써 잘못된 학습을 방지했다. 즉, SynQ는 사전 학습된 모델이 생성한 합성 데이터를 저역 통과 필터로 정제한 뒤, CAM 정렬과 난이도 기반 손실 함수 적용을 통해 양자화된 모델을 미세 조정함으로써, 실제 데이터 없이도 모델 성능을 유지하며 경량화를 달성하는 원리를 지닌다.  향후 SynQ 기법은 고성능의 경량 딥러닝 모델을 구현할 수 있는 AI 산업의 핵심 기술로 자리잡을 전망이다. 특히 학습 데이터 없이도 모델의 정확도를 유지한 채 압축할 수 있는 SynQ를 활용하면 스마트폰, IoT(사물인터넷) 기기, 자율주행 센서 등 자원이 제한된 엣지 디바이스 환경에서도 고성능 AI를 안정적으로 운용할 수 있을 것으로 예상된다.  연구 책임자인 강유 교수는 “SynQ 기술은 개인 데이터 유출 없이 모델을 경량화할 수 있는 강점 덕분에 보안 및 프라이버시 침해 문제를 줄이는 데 기여할 수 있다”고 강조하며 “나아가 이 기법을 적용하면 그간 대량의 학습 데이터에 접근하기 어려웠던 소규모 기업 및 기관도 고성능 AI를 손쉽게 활용할 수 있기 때문에, 다양한 분야에서 AI 기술 확산 및 대중화가 가속할 것으로 기대된다”고 밝혔다. ▲ SynQ의 원리 : Idea 1) 저역 통과 필터(low-pass filter), Idea 2) 클래스 활성화 맵(CAM) 정렬, Idea 3) 어려운 샘플에 대한 소프트 레이블(Soft Label)[참고자료]- 논문명 : "SynQ: Accurate Zero-shot Quantization by Synthesis-aware Fine-tuning"- URL : https://openreview.net/pdf?id=2rnOgyFQgb[문의]서울대학교 인공지능협동과정/컴퓨터공학부 강유 교수 / 02-880-7254 / ukang@snu.ac.kr

서울공대, 우리금융그룹과 기술 기반 금융 혁신 위한 산학협력 업무협약 체결

서울공대, 우리금융그룹과 기술 기반 금융 혁신 위한 산학협력 업무협약 체결 기술기업 성장 지원, 금융기술 공동연구, AI 전문가 육성 예정 ▲ (왼쪽부터) 우리금융그룹 옥일진 부사장, 서울대학교 공과대학 김영오 학장  서울대학교 공과대학(이하 서울공대)은 금융과 기술의 융합을 통한 미래 혁신을 선도하기 위해 우리금융그룹과 지난 3일 산학협력 업무협약을 체결했다고 밝혔다.양 기관은 이번 협약을 계기로 ▲기술 기반 스타트업 발굴 및 성장 지원 ▲디지털·IT 맞춤형 전문 교육 프로그램 운영 ▲금융-기술 융합 공동 연구를 함께 추진한다. 금융산업과 첨단 기술 간 시너지를 극대화해 금융·기술 생태계 발전에 기여할 것으로 기대된다.특히 서울대 공학교육혁신센터는 IT 기술과 금융을 접목한 기술 연구를 위한 협력기반을 다지고, 실무형 인공지능(AI)·빅데이터 전문가를 양성하는 맞춤형 심화 교육 과정을 운영할 예정이다. 또한 서울공대의 산학협력전문기관인 SNU공학컨설팅센터는 우리금융그룹의 스타트업 협력 프로그램 '디노랩(DinnoLab)'과 연계하여 기술 중심 스타트업의 성장 지원을 강화할 계획이다. 서울공대 김영오 학장은 "이번 협약은 기술과 금융이 결합된 미래 신사업을 발굴해 혁신 생태계를 조성하기 위한 새로운 출발점이라는 점에서 그 의미가 깊다"면서 "앞으로 우리금융그룹과 지속적으로 협력해 실질적인 성과를 창출하는 모범적 산학협력 모델을 구축해나가겠다"고 밝혔다. 우리금융그룹 옥일진 부사장은 "이번 협약을 통해 기술 기반 금융 혁신을 가속화하고, 스타트업 및 금융산업 발전에 기여할 수 있도록 지속적인 협력을 추진할 것"이라며 "서울공대와의 협력을 통해 금융업의 미래 경쟁력을 더욱 강화해 나가겠다"고 전했다.[문의]서울대학교 공학교육혁신센터 양연주 팀장 / 02-880-7227 / didsua29@snu.ac.kr