새 업무를 가르쳐도 앞서 배운 것을 잊지 않습니다
일반적인 방식으로 AI에 새 업무를 가르치면 앞서 배운 판단이 무너집니다. 뉴로메트리의 지속학습 어댑터는 기반 모델이 쓰지 않는 공간에 새 지식을 넣습니다. 그래서 제품과 규칙이 늘어나도 기존 능력이 유지됩니다.
일반 방식 (QLoRA)28문항을 잊음
뉴로메트리 어댑터잊은 문항 없음
가르치기 전 가르친 후
의족 소켓 과제에서 관행 읽기를 먼저, 맞춤 설계를 나중에 가르친 뒤 관행 읽기의 핵심 판단 항목을 같은 150문항으로 다시 쟀습니다. 합성 데이터 조건이며 2026 AI 챔피언 결선 시연 기준입니다.
- 지속학습 어댑터
- 새 지식을 더해도 기존 능력을 지킵니다. 어댑터 6개를 차례로 쌓은 뒤에도 앞서 배운 과제의 정답률에 통계적으로 의미 있는 변화가 없었습니다.
- 장기기억
- 전문가가 만든 도면과 설계를 반복해 읽으며 판단의 구조를 지식그래프로 정리합니다. 문서로 남지 않은 관행을 몇 건의 산출물에서 배웁니다.
- 계산 엔진과 자동 검증
- 판단은 AI가, 수치는 엔진이 맡습니다. 결과는 항목별로 자동 검증하고 통과하지 못하면 사람에게 넘깁니다.
읽고, 설계하고, 검증하고, 다듬습니다
세 제품이 같은 순서로 움직입니다. 분야가 달라도 엔진은 하나이고, 분야마다 어댑터와 검증기를 더합니다.
- 읽기도면, 3D 모델, 스캔에서 형상과 표기를 읽습니다. 전문가가 남긴 산출물에서 회사의 관행을 추출합니다.
- 설계배운 관행에 따라 무엇을 어떻게 그릴지 정합니다. 수치는 계산 엔진이 구합니다.
- 검증결과를 항목별로 자동 검사합니다. 통과하지 못한 것은 사람에게 넘깁니다.
- 다듬기검증 점수를 기준으로 결과를 한 번 더 최적화하고, 말로 받은 수정 지시를 반영합니다.
회사 안에서 돌아갑니다
사내 서버의 GPU 한 장에서 학습과 추론을 모두 합니다. 설계 데이터를 외부 클라우드로 보낼 필요가 없습니다.
실측 기준 필요 메모리는 학습 22~29GB, 추론 약 26GB입니다.
근거
- 출원 4건 (지속학습 어댑터, 장기기억, 설계 자동화 방법 2건)
- NeurIPS 2026 채택, IEEE Access 게재
- AI 챔피언 TTA 회장상 (2025, 2026 수상 확정)
기술이 우리 업무에 맞는지 확인해 보세요
숙련자의 판단이 도면이나 설계 결과로 남는 업무라면 상담해 주세요.