택배 배송과 공장 생산, 병원 근무표까지 복잡한 계획을 인공지능(AI)이 현실화할 수 있게 됐다. 외부 전문 최적화 프로그램(솔버) 도움 없이 AI가 '실행 가능한 계획'을 만드는 기술을 한국과학기술원(KAIST·총장 배충식)이 개발했다.
KAIST는 김민수 전산학부 교수팀이 이와같은 강화학습 기술, 'RL-SPH'를 개발했다고 3일 밝혔다.
물류 배송과 차량 경로 탐색, 공장 생산 일정, 병원 근무표 작성은 여러 조건을 만족하면서 효율적인 계획을 찾아야 하는 정수선형계획법(ILP) 문제다. 예컨데 택배 배송은 배송 시간을 줄이는 것뿐 아니라 차량 적재량과 기사 근로시간을 지키고 모든 배송지를 빠짐없이 방문해야 한다.
아무리 빠른 경로라도, 어긴 조건이 하나라도 있으면 사용할 수 없다. 이에 솔버가 오류를 수정해야 했다.
반면 RL-SPH는 처음부터 정답을 예측하는 대신, 현재 계획을 단계적으로 수정한다. 또 그 결과를 학습해 더 나은 계획을 만들어간다.
특히 연구팀은 '가장 좋은 계획'보다 '실제로 사용할 수 있는 계획'을 먼저 찾도록 AI를 설계했다. 공장에서 납기일과 설비 용량, 작업 인력 등을 만족하는 생산계획을 만든 뒤, 이를 유지하며 생산비·시간을 줄여가는 식이다.
대표적인 5종 벤치마크에서 RL-SPH를 평가한 결과, 모든 문제에서 100% 실행가능해(모든 제약조건을 만족하는 계획)를 찾았다.
기존 기술과 비교하면 최적해와의 차이를 나타내는 '프라이멀 갭'은 평균 28.6배, 탐색 과정 전체 품질과 속도를 평가하는 '프라이멀 인터그럴'은 2.6배 개선됐다. 또 처음으로 실행 가능한 계획을 찾는 시간도 평균 2.5배 빨라졌다.
PAS, DDIM, DiffILO 등 최신 AI 기술과 비교해도 RL-SPH만이 모든 벤치마크에서 실행 가능한 계획을 100% 찾아냈다. 학습 시간도 기존 기술보다 14.7배, 최근 비지도학습 기반 기술보다 약 34배 빨랐다.
김민수 교수는 “이번 연구는 전문 최적화 프로그램 도움 없이 AI가 스스로 실행 가능한 계획을 만들 수 있음을 보여준 성과로 물류와 제조, 반도체 생산, 인력 운영 등 다양한 산업 현장에서 AI 기반 의사결정을 구현하는 핵심 기술이 될 것으로 기대한다”고 말했다.
이번 연구 결과는 지난달 열린 '국제 기계학습 학회(ICML)'에서 발표됐다.
김영준 기자 kyj85@etnews.com
