검증된 피드 11개에서 자동 수집하고, AI 요약이 코드 게이트를 통과한 것만 게시합니다. 게이트는 카탈로그에 없는 모델명·원문에 없는 수치·상대 시점 표현을 막습니다.
MIT News (AI) 18건 · 필터 해제
MIT PKG센터의 Code.Tulsa 프로그램에 참여한 학부생 10명이 오클라호마 털사에서 머스코지 크리크 네이션, 체로키 네이션, 지역 비영리단체(Black Tech Street, Urban Coders Guild)와 여름 인턴십을 진행했다. 학생들은 AI·데이터 과학 프로젝트를 수행하며 데이터 주권, 부족 역사 등 인문학적 맥락도 함께 배웠다. 체로키 네이션 소속 EECS 학생 잭 카슨이 제안해 시작된 이 프로그램은 원주민 고교생을 위한 STEM 캠프 TASC도 운영하며, 160건의 지원 중 25개 부족 출신 학생 25명이 선발됐다. 체로키 네이션 최고 추장 척 호스킨 주니어는 캠프에서 학생들에게 기술을 선한 방향으로 이끌 책임을 강조했다.
MIT 맥거번 뇌연구소의 Daniel Low와 Satra Ghosh 연구팀이 49개 자살 위험 요인과 연결된 단어·구문 목록(렉시콘)을 활용해 텍스트에서 자살 위험을 평가하는 도구를 개발했다. Crisis Text Line과 협력해 약 1만6000건의 위기 상담 대화를 비자살·자살 사고(임박하지 않음)·임박한 위험 3단계로 분류해 분석했다. 연구진은 이 모델이 새로운 대화에서도 위험 수준을 정확히 예측했다고 밝혔으며, 결과는 치사 수단이나 약물 사용 언급이 우울한 기분·피로보다 임박한 위험과 더 강하게 연관됐다고 나타났다. 연구는 저널 Journal of Psychopathology and Clinical Science에 게재됐다.
MIT 센서블시티랩 연구진이 컴퓨터 비전으로 도시를 분석하는 방법론을 다룬 신간 'How AI Sees the City: Urban Visual Intelligence'를 이달 라우틀리지 출판사에서 펴냈다. 저자들은 앞서 뉴욕시 교통카메라 331대의 영상을 머신러닝으로 분석해 차량 종류를 식별하고 배출가스를 추정한 연구도 소개했다. 책은 교통 흐름 파악, 교차로 위험도 분석, 녹지 접근성 측정 등 시각 AI의 도시계획 활용 사례를 다루는 한편, 감시 카메라 확산에 따른 사생활 침해와 AI 편향 가능성 등 문제점도 짚는다. 저자들에 따르면 런던은 평방마일당 약 210대, 상하이는 5000대가 넘는 CCTV를 운용하며, 카메라 밀집도 세계 상위 10개 도시 중 8곳이 중국에 있다.
MIT 도서관이 운영해온 캠퍼스 독서 프로그램 'MIT Reads'가 출범 10주년을 맞아 소설과 회고록 중심으로 방향을 재정비한다. MIT의 AI 활용에 관한 특별위원회 보고서는 사회적 연결과 공동체 규범 논의를 위해 이 프로그램을 활용할 것을 제안했다. 새 시대를 상징해 총장 샐리 콘블루스는 2026년 가을 도서로 테드 창의 단편집 '숨'을 선정했으며, 저자 강연과 패널 토론, 소그룹 대화가 함께 진행된다. 1학년 세미나 21.A01 수강생들도 이번 학기 같은 책을 읽을 예정이다.
MIT CSAIL 연구진이 수술 중 촬영한 X선 영상을 수술 전 3D 의료 영상(CT·MRI)과 자동으로 정합하는 AI 기술 'xvr'을 개발했다. 환자의 3D 스캔으로 물리 시뮬레이션 기반의 합성 X선 수천 장을 생성해 환자별 모델을 약 5분 만에 학습시키고, 이후 실제 X선을 초 단위로 정밀하게 정합한다. 연구진에 따르면 기존 AI 방식보다 정확도가 크게 앞섰으며, 카테터나 내시경 등 수술 도구의 위치를 파악하기 어려운 최소침습 수술의 안전성과 정밀도를 높일 수 있다. 해당 연구는 Nature에 게재됐다.
MIT 정치학과 부교수 나오키 에가미는 사회과학 연구 방법론을 전공하며, 특정 연구 결과가 다른 상황에도 적용되는지를 뜻하는 '외적 타당성' 문제를 주로 분석한다. 그는 챗GPT가 널리 알려지기 전부터 AI 도구가 연구에 도입될 때 발생하는 오류를 체계적으로 식별하고 이를 보정하는 방법을 연구해왔다. 프린스턴대에서 고스케 이마이 등과 함께 방법론 논문을 여러 편 발표했으며, 2020년 박사학위 취득 후 컬럼비아대를 거쳐 2025년 MIT 정치학과에 종신교수로 합류했다.
MIT 연구진이 확산모델·플로우매칭 모델 같은 생성AI가 로봇 경로 계획 등 안전이 필수적인 문제에서 반드시 지켜야 하는 '하드 제약'을 만족시키도록 돕는 HardFlow 기법을 개발했다. 기존 방식은 생성 과정의 모든 중간 단계에서 제약을 강제해 최종 해의 품질을 떨어뜨렸지만, HardFlow는 최종 출력에서만 제약을 강제해 모델이 더 자유롭게 탐색하도록 한다. 로봇 조작, 미로 탐색, 텍스트 기반 이미지 편집 실험에서 제약을 완벽히 만족하면서 기존 방법보다 나은 해를 찾았다고 연구진은 밝혔다. 이 방법은 사전학습된 생성모델을 재학습 없이 배포 단계에서 바로 적용할 수 있다. 연구는 IEEE Transactions on Pattern Analysis and Machine Intelligence에 게재됐다.
MIT 링컨연구소와 매사추세츠 종합병원(MGH)이 개발한 AI-GUIDE가 연방연구소협의체(FLC)의 2026년 기술이전 우수상을 수상했다. 미 육군 전투부상자치료연구프로그램(CCC) 지원으로 개발된 이 장치는 상용 휴대용 초음파 기술에 맞춤형 AI 소프트웨어를 결합해, 사용자가 환자 혈관에 가이드와이어와 카테터를 삽입하도록 돕는다. 병원용 초음파와 달리 소형·휴대용이어서 병원 전 단계, 특히 야전 의무병이 최소한의 전문 훈련만으로 처치를 수행할 수 있게 한다. 개발 3년 만에 시제품이 완성돼 MGH 임상시험을 거쳤으며, 스타트업 AutonomUS Medical Technologies로 이전이 진행 중이고 미 식품의약국(FDA) 혁신의료기기 지정을 받았다.
MIT 슈워츠먼 컴퓨팅대학이 여러 대학 교원을 대상으로 'AI 교육자 파일럿' 워크숍을 열고 AI·머신러닝 교육법 확산에 나섰다. 이번 워크숍은 MIT의 '머신러닝을 활용한 모델링' 강좌를 바탕으로, 7월 앨런대, 뱁슨칼리지, 브랜다이스대, 마셜대, 매사추세츠대 로웰캠퍼스, 노스텍사스대, 웬트워스공과대 등에서 온 참가자 19명이 참여했다. 참가자들은 시연과 실습을 통해 자신의 학과에 맞게 AI 강의 자료와 교수법을 응용하는 방법을 익혔다. 주최 측은 학생들이 AI를 단순 사용자가 아닌 비판적 사고자로 다루도록 교육 역량을 키우는 것이 목표라고 밝혔다.
MIT-IBM Computing Research Lab(구 MIT-IBM Watson AI Lab) 출신인 스리니바산 아루나찰람, 장웨이 홍(MIT 박사 25년), 아이린 코(MIT 박사 24년)가 현재 IBM에서 각각 양자머신러닝, 강화학습·AI 에이전트, 신뢰가능하고 공정한 AI 연구를 이어가고 있다. 홍은 게임 및 대규모언어모델(LLM)에 적용할 호기심 기반 탐색과 강화학습 연구를 확장해 IBM의 에이전트형 프레임워크 개발에 활용하고 있다. 코는 vLLM 추론 엔진에서 모델 내부 신호에 접근해 프롬프트 인젝션이나 환각 가능성을 분석하는 경량 플러그인 프레임워크 'vLLM Hook'을 개발했다. 아루나찰람은 MIT 박사후연구원으로서 양자 알고리즘과 회로에서 속도 향상 가능성을 탐구한 이력을 소개했다.
MIT와 자율주행 기술기업 Motional 연구진이 자율주행차의 딥러닝 판단 과정을 사람이 이해할 수 있는 개념으로 설명해주는 'Concept-Wrapper Network(CW-Net)'을 개발했다. CW-Net은 '정지 차량에 접근 중', '자전거 이용자 근접' 같은 개념으로 차량의 주행 결정을 설명하며, 원래 모델의 주행 성능은 바꾸지 않는다. 실제 도로 테스트와 비전문가 대상 시뮬레이션 실험에서 CW-Net 설명이 안전 운전자가 차량 행동을 더 정확히 예측하는 데 도움을 준 것으로 나타났다. 연구진은 이 방식이 엔지니어의 시스템 디버깅과 자율주행차에 대한 신뢰 형성에도 활용될 수 있다고 밝혔으며, 관련 논문은 Nature에 게재됐다.
MIT 미디어랩 라이프롱 킨더가튼 그�upo 소속 박사과정 연구자 일라 쿠마르는 아동복지 시스템을 경험한 청소년들과 함께 기술을 설계하는 지역사회 기반 연구를 진행하고 있다. 스테핑 포워드 LA와 협력해 텍스트 대신 시각적 콜라주로 감정을 표현하는 앱을 만들었고, 저스티스 리소스 인스티튜트와는 청소년이 치료 계획에 직접 참여하도록 돕는 모바일 앱을 개발 중이다. 트라우마를 겪은 청소년들이 이미 중요한 삶의 결정에 AI를 활용하고 있다는 점을 파악한 뒤에는 보호자와 돌봄 제공자를 위한 AI 관련 교육 워크숍도 진행하고 있다. 그는 청소년과 임상가, 사회복지 기관이 설계 초기 단계부터 함께 참여해야 지속 가능한 기술이 나온다고 강조한다.
MIT 생물학과 연구진이 새로운 머신러닝 프레임워크 'PottsMPNN'을 개발했다. 기존 단백질 설계 모델들이 진화가 선택한 천연 서열을 재현하는 데 초점을 맞춘 것과 달리, 이 모델은 단백질 구조와 안정성을 지배하는 물리적 원리를 반영해 서열-에너지 관계를 더 잘 이해하도록 설계됐다. 이를 통해 천연 단백질과 닮지 않은 서열로도 구조적으로 실현 가능한 새로운 단백질을 설계할 수 있으며, 돌연변이가 단백질 안정성에 미치는 영향 예측 능력도 향상됐다. 연구 결과는 PNAS에 게재됐다.
MIT 연구진이 AI로 생성한 신소재의 화학적 안정성 문제를 해결하는 프레임워크 'CrysVCD'를 발표했다. 기존 확산 모델이나 언어모델은 재료 구조를 빠르게 생성하지만 안정성 검증에 막대한 계산 비용이 들어 실제 사용 가능한 소재 비율이 낮았다. CrysVCD는 언어모델로 화학적으로 타당한 화학식을 먼저 만든 뒤 확산 모델로 원자 구조를 생성하는 2단계 방식을 통해, 생성 초기 단계에서 원자가 규칙을 만족하도록 제약을 건다. 연구진에 따르면 이 방법으로 격자역학 안정성 테스트를 통과하는 비율이 약 70%에 달했으며, 열전도율이나 유전율 등 특정 물성을 지닌 소재 설계도 지원한다. 해당 연구는 Nature Computational Science에 게재됐다.
MIT 연구진이 과거 극한 사건 데이터 없이도 아직 발생하지 않은 극한 기후 시나리오를 생성하는 머신러닝 알고리즘 'Extreme Event Aware(η-learning)'를 개발했다. 이 알고리즘은 저해상도·고해상도 공간 지도 데이터의 통계적 관계를 학습해 폭풍의 지속시간, 강도, 영향 범위 등을 지도 형태로 예측한다. 연구진은 미국 본토의 25년치 시간별 강수량 데이터를 활용해 극한 강수 이벤트 지도를 생성하는 방식으로 이 방법을 검증했다. 해당 연구는 2026년 8월 20일 국제학술지 Nature Communications에 공개됐으며, 로봇 내비게이션이나 금융시장 붕괴 분석 등 다른 분야에도 적용 가능하다고 연구진은 밝혔다.
MIT 연구진이 화석연료 의존도가 높은 하버-보슈 공정 대신 전기화학적 방식으로 암모니아를 생산할 때 쓸 촉매 후보를 예측하는 방법을 개발했다. 수백만 개 합금 조합을 일일이 시험하는 대신, 밀도범함수이론을 활용해 질소 환원 반응의 촉매 활성을 좌우하는 핵심 물리적 성질을 먼저 규명하는 방식이다. 특히 전이금속 질화물 계열이 유망한 촉매 물질로 지목됐다. 이 연구 결과는 Royal Society of Chemistry의 EES Catalysis 저널에 8월 11일 게재됐다.
MIT CSAIL 연구팀이 확산 모델 생성 이미지와 학습 데이터 간 연결을 분석해 '귀속 붕괴(attribution decay)' 현상을 발견했다. 학습 데이터가 많아질수록 개별 이미지 하나를 제거해도 생성 결과가 달라지지 않아, 특정 출력물을 특정 학습 데이터에 책임 지우기 어려워진다는 것이다. 연구진은 재학습 없이 특정 데이터의 영향만 정확히 제거할 수 있는 '확산 앙상블' 구조를 직접 설계해 이를 검증했다. 이는 AI 생성물의 저작권 귀속, 공정 이용, 창작물 여부 등 법적 논쟁에 직접적인 영향을 준다고 연구진은 설명했다. 해당 연구는 국제학술지 Nature Communications에 게재됐다.
MIT 재료공학과 유진 피츠제럴드 교수가 신간 ‘The Invisible Engine’을 통해 혁신이 실제로 어떻게 일어나는지, 사회는 이를 어떻게 지원해야 하는지를 다룬다. 그는 AT&T 벨연구소 시절 스트레인드 실리콘을 공동 발명해 무어의 법칙 연장에 기여한 경험과, 이후 MIT·스타트업·산업계를 거치며 인텔과의 특허 분쟁 합의로 이어진 과정을 사례로 든다. 그는 연구 투자를 이타적 과학, 전략적 연구, 근본적 혁신이라는 세 범주로 구분하며 각각 목적이 다르다고 설명한다. 이 인터뷰는 인공지능이 지식과 연구 방식을 재편하는 시점에서 혁신 과정에 대한 통념을 재검토한다.