-
구글딥마인드와 공동연구를 통해 인공지능으로 시각을 상상하다
‘노란 포도'나 `보라색 바나나'와 같이 본 적 없는 시각 개념을 이해하고 상상하는 인공지능 능력 구현이 가능해졌다.
우리 대학 전산학부 안성진 교수 연구팀이 구글 딥마인드 및 미국 럿거스 대학교와의 국제 공동 연구를 통해 시각적 지식을 체계적으로 조합해 새로운 개념을 이해하는 인공지능 새로운 모델과 프로그램을 수행하는 벤치마크를 개발했다고 30일 밝혔다.
인간은 `보라색 포도'와 `노란 바나나' 같은 개념을 학습하고, 이를 분리한 뒤 재조합해 `노란 포도'나 `보라색 바나나'와 같이 본 적 없는 개념을 상상하는 능력이 있다. 이런 능력은 체계적 일반화 혹은 조합적 일반화라고 불리며, 범용 인공지능을 구현하는 데 있어 핵심적인 요소로 여겨진다.
체계적 일반화 문제는 1988년 미국의 저명한 인지과학자 제리 포더(Jerry Fodor)와 제논 필리쉰(Zenon Pylyshyn)이 인공신경망이 이 문제를 해결할 수 없다고 주장한 이후, 35년 동안 인공지능 딥러닝 분야에서 큰 도전 과제로 남아 있다. 이 문제는 언어뿐만 아니라 시각 정보에서도 발생하지만, 지금까지는 주로 언어의 체계적 일반화에만 초점이 맞춰져 있었고, 시각 정보에 관한 연구는 상대적으로 부족했다.
안성진 교수가 이끄는 국제 공동 연구팀은 이러한 공백을 메우고자 시각 정보에 대한 체계적 일반화를 연구할 수 있는 벤치마크를 개발했다. 시각 정보는 언어와는 달리 명확한 `단어'나 `토큰'의 구조가 없어, 이 구조를 학습하고 체계적 일반화를 달성하는 것이 큰 도전이다.
연구를 주도한 안성진 교수는 “시각 정보의 체계적 일반화가 범용 인공지능을 달성하기 위해 필수적인 능력이며 이 연구를 통해 인공지능의 추론능력과 상상능력 관련 분야의 발전을 가속할 것으로 기대한다”고 말했다.
또한, 딥마인드의 책임 연구원으로 연구에 참여한 연구원이자 현재 스위스 로잔연방공과대학교(EPFL)의 찰라 걸셔(Caglar Gulcehre) 교수는 “체계적 일반화가 가능해지면 현재보다 훨씬 적은 데이터로 더 높은 성능을 낼 수 있게 될 것이다”라고 전했다.
이번 연구는 12월 10일부터 16일까지 미국 뉴올리언스에서 열리는 제37회 신경정보처리학회(NeurIPS)에서 발표될 예정이다.
관련논문: “Imagine the Unseen World: A Benchmark for Systematic Generalization in Visual World Models”, Yeongbin Kim, Gautam Singh, Junyeong Park, Caglar Gulcehre, Sungjin Ahn, NeurIPS 23
2023.11.30
조회수 1559
-
문화기술대학원, 제4회 디지털유산 국제심포지엄 개최
우리 대학이 23일(목)부터 이틀간 '제4회 디지털유산 국제심포지엄 개최(The 4th International Symposium on Digital Heritage; ISDH)'을 학술문화관 양승택 오디토리움에서 개최한다.'데이터로서의 문화유산: 유산 보존 관리 및 활용을 위한 디지털 방법론 개발을 선도하는 데이터 중심의 접근 전략'을 주제로 열리는 이번 심포지엄은 문화재청이 주최하고 우리 대학 문화기술대학원이 주관해 디지털헤리티지랩(안재홍, 심혜승)에서 총괄을 맡았다. 특히 이번 행사는 2025년 CIPA 심포지엄*을 우리 대학이 문화재청과 함께 한국에 유치한 것을 기념하기 위해 기획됐다. *CIPA(International Committee of Architectural Photogrammetry) 심포지엄: 1971년 시작되어 현재 2년마다 개최되는 학술대회로, 고고학, 건축학, 보존과학, 디지털 유산 등에서 최신 연구와 기술을 공유하기 위해 다양한 국가와 전문가들이 참여한다. 이를 위해, 디지털유산 분야에서 활발하게 활동하고 있는 국내외 석학 12명이 강연자로 참여한다. 행사 첫날에는 '비전과 미래: 데이터와 문화유산 보존 관리와 활용'을 주제로 한 플레너리 세션과 '데이터로서의 문화유산'을 주제로 한 전문가 토론, 특별 세션이 진행된다.
유럽 타임머신 프로젝트 독일 대사인 샌더 뮨스터(Sander Munster) 독일 프리드리히 실러 예나 대학교 디지털인문학과 교수, 이원재 문화기술대학원 교수, 첸양(Chen Yang) 중국 통지대학교 건축도시계획대학 부교수 겸 호주 퀸즐랜드대학교 건축학부 명예 선임연구원, 유정민 한국전통문화대학교 문화유산산업학과 교수 등 4명의 석학이 강연을 진행한다. 데이터가 중심이 되는 시대를 맞아 국내 디지털유산 분야의 나아갈 방향을 논의하는 두 번째 세션에서는 이코모스* CIPA 명예 위원장이자 이코모스 인터내셔널 사무총장을 역임한 마리오 산타나 퀸테로(Mario Santana Quintero) 캐나다 칼튼대학교 건설환경공학부 교수가 세션 1의 발제자들과 함께 토론을 진행한다. *이코모스(International Council on Monuments and Sites, ICOMOS): 국제기념물유적협의회
이어지는 특별 세션에서는 안재홍 문화기술대학원 교수가 '디지털유산 워킹그룹 설립: 조직 구성 및 운영 방향'을 제안한다. 유정민 한국전통문화대학교 문화유산산업학과 교수, 조영훈 공주대학교 문화재보존과학과 교수, 강동석 동국대학교 고고미술사학과 교수, 강현 국립문화재연구원 건축문화재연구실 연구관이 참여해 국내 디지털유산 분야의 발전을 촉진하기 위한 전문가 네트워킹에 대한 의견과 계획을 공유한다. 둘째 날인 24일은 2025년 CIPA 심포지엄을 위한 교육 프로그램을 중심으로 운영된다. '디지털유산과의 만남'을 주제로 열리는 세션 1에서는 마리오 산타나 퀸테로(Mario Santana Quintero) 교수, 토마스 리고트(Thomas Rigauts) 유네스코 세계유산센터 파리본부 사업운영전문관, 조 칼라스(Joe Kallas) 유네스코 컨설턴트, 미셀 두엉(Michelle Duong) ICOMOS CIPA 집행이사회 이사가 강연한다. 이어, '문화유산과 데이터 및 AI 기술'을 주제로 문화유산 데이터 기반의 AI 음성 도슨트 개발 실습 워크숍이 진행된다. 사전 등록으로 참여한 학부생들이 디지털유산 분야에 대한 이해도를 높일 수 있도록 기획되었으며, 인공지능 교육 전문업체인 스코프랩스(Scopelabs)에서 실습을 맡는다. 다학제적 분야인 디지털유산을 체험할 수 있도록 역사, 문화유산, 공학 등 다양한 전공의 학생들이 팀을 이뤄 수행한다.
이동만 교학부총장은 환영사를 통해 "문화유산 보존을 통해 정체성을 확립하고 후세에 전하기 위한 인류 공동의 미션을 디지털 시대에 부합하게 발전시킬 수 있도록 문화재청과의 협력을 지속해서 강화할 것"이라고 전했다.
이번 심포지엄의 영상은 추후 문화재청을 통해 공개될 예정이며, 심포지엄 웹사이트( https://isdh2023.org/ )에서 관련 자료를 내려받을 수 있다.
2023.11.23
조회수 1543
-
트랜스포머 대체할 차세대 월드모델 기술 세계 최초 개발
우리 대학 전산학부 안성진 교수 연구팀이 미국 럿거스 대학교와 협력하여 트랜스포머 및 재귀신경망 기반의 월드모델을 대체할 차세대 에이전트 월드모델 기술을 세계 최초로 개발했다.
월드모델은 인간의 뇌가 현실 세계의 경험을 바탕으로 환경 모델을 구축하는 과정과 유사하다. 이러한 월드모델을 활용하는 인공지능은 특정 행동의 결과를 미리 시뮬레이션해보고 다양한 가설을 검증할 수 있어, 범용 인공지능의 핵심 구성 요소로 여겨진다.
특히, 로봇이나 자율주행 차량과 같은 인공지능 에이전트는 학습을 위해 여러 가지 행동을 시도해 보아야하는데, 이는 위험성과 고장 가능성을 높인다는 단점을 갖는다. 이에 반해, 월드모델을 갖춘 인공지능은 실세계 상호작용 없이도 상상모델 속에서 학습을 가능케 해 큰 이점을 제공한다.
그러나 월드모델은 자연어처리 등에서 큰 발전을 가능하게 한 트랜스포머와 S4와 같은 새로운 시퀀스 모델링 아키텍처의 적용에 한계가 있었다. 이로 인해, 대부분의 월드모델이 성능과 효율성 면에서 제약이 있는 고전적인 재귀적 신경망에 의존하고 있었고 안성진 교수팀은 작년 세계최초로 트랜스포머 기반의 월드모델을 개발하였으나 추론 계산속도나 메모리능력에서 여전히 개선할 문제를 갖고 있었다.
이러한 문제를 해결하기 위해, 안성진 교수가 이끄는 KAIST와 럿거스 대학교 공동연구팀은 재귀적 신경망과 트랜스포머 기반 월드모델의 단점을 극복한 새로운 월드모델의 개발에 성공했다. 연구팀은 S4 시퀀스 모델에 기반한 S4 World Model (S4WM)을 개발하여, 재귀적 신경망의 최대 단점인 병렬처리가 가능한 시퀀스 학습이 불가능하다는 문제를 해결하였다. 또한, 재귀적 신경망의 장점인 빠른 추론시간을 유지하도록 하여 느린 추론 시간을 제공하는 트랜스포머 기반 월드모델의 단점을 극복했다.
연구를 주도한 안성진 교수는 "병렬 학습과 빠른 추론이 가능한 에이전트 월드모델을 세계 최초로 개발했다ˮ며, 이는 "모델기반 강화학습 능력을 획기적으로 개선해 지능형 로봇, 자율주행 차량, 그리고 자율형 인공지능 에이전트 기술 전반에 비용절감과 성능 향상이 예상된다ˮ고 밝혔다.
이번 연구는 12월 10일부터 16일까지 미국 뉴올리언스에서 열리는 세계 최고 수준의 인공지능 학회인 제37회 신경정보처리학회(NeurIPS)에서 발표될 예정이다.
관련논문: “Facing off World Model Backbones: RNNs, Transformers, and S4”Fei Deng, Junyeong Park, Sungjin Ahn, NeurIPS 23, https://arxiv.org/abs/2307.02064
2023.11.09
조회수 1862
-
인공지능 챗봇 이미지 데이터 훈련 비용 최소화하다
최근 다양한 분야에서 인공지능 심층 학습(딥러닝) 기술을 활용한 서비스가 급속히 증가하고 있다. GPT와 같은 거대 언어 모델을 훈련하기 위해서는 수백 대의 GPU와 몇 주 이상의 시간이 필요하다고 알려져 있다. 따라서, 심층신경망 훈련 비용을 최소화하는 방법 개발이 요구되고 있다.
우리 대학 전산학부 이재길 교수 연구팀이 심층신경망 훈련 비용을 최소화할 수 있도록 훈련 데이터의 양을 줄이는 새로운 데이터 선택 기술을 개발했다고 2일 밝혔다.
일반적으로 대용량의 심층 학습용 훈련 데이터는 레이블 오류(예를 들어, 강아지 사진이 `고양이'라고 잘못 표기되어 있음)를 포함한다. 최신 인공지능 방법론인 재(再)레이블링(Re-labeling) 학습법은 훈련 도중 레이블 오류를 스스로 수정하면서 높은 심층신경망 성능을 달성하는데, 레이블 오류를 수정하기 위한 추가적인 과정들로 인해 훈련에 필요한 시간이 더욱 증가한다는 단점이 있다. 한편 막대한 훈련 시간을 줄이려는 방법으로 중복되거나 성능 향상에 도움이 되지 않는 데이터를 제거해 훈련 데이터의 크기를 줄이는 핵심 집합 선별(coreset selection) 방식이 큰 주목을 받고 있다. 그러나 기존 핵심 집합 선별 방식은 훈련 데이터에 레이블 오류가 없다고 가정한 표준 학습법을 위해 개발됐고, 재레이블링 학습법을 위한 핵심 집합 선별 방식에 관한 연구는 부족한 실정이다.
이재길 교수팀이 개발한 기술은 레이블 오류를 스스로 수정하는 최신 재레이블링 학습법을 위해 핵심 집합 선별을 수행하여 심층 학습 훈련 비용을 최소화할 수 있도록 해준다. 따라서, 레이블 오류가 포함된 현실적인 훈련 데이터를 지원하므로 실용성이 매우 높다.
또한 이 교수팀은 특정 데이터의 레이블 오류 수정 정확도가 해당 데이터의 이웃 데이터의 신뢰도와 높은 상관관계가 있음을 발견했다. 즉, 이웃 데이터의 신뢰도가 높으면 레이블 오류 수정 정확도가 커지는 경향이 있다. 이웃 데이터의 신뢰도는 심층신경망의 충분한 훈련 전에도 측정할 수 있으므로, 각 데이터의 레이블 수정 가능 여부를 예측할 수 있게 된다. 연구팀은 이러한 발견을 기반으로 전체 훈련 데이터의 총합 이웃 신뢰도를 최대화하는 데이터 부분 집합을 선별해 레이블 수정 정확도와 일반화 성능을 최대화하는 `재레이블링을 위한 핵심 집합 선별'을 제안했다. 총합 이웃 신뢰도를 최대화하는 부분 집합을 찾는 조합 최적화 문제의 효율적인 해법을 위해 총합 이웃 신뢰도를 가장 증가시키는 데이터를 차례차례 선택하는 탐욕 알고리즘(greedy algorithm)을 도입했다.
연구팀은 이미지 분류 문제에 대해 다양한 실세계의 훈련 데이터를 사용해 방법론을 검증했다. 그 결과, 레이블 오류가 없다는 가정에 따른 표준 학습법에서는 최대 9%, 재레이블링 학습법에서는 최대 21% 최종 예측 정확도가 기존 방법론에 비해 향상되었고, 모든 범위의 데이터 선별 비율에서 일관되게 최고 성능을 달성했다. 또한, 총합 이웃 신뢰도를 최대화한 효율적 탐욕 알고리즘을 통해 기존 방법론에 비해 획기적으로 시간을 줄이고 수백만 장의 이미지를 포함하는 초대용량 훈련 데이터에도 쉽게 확장될 수 있음을 확인했다.
제1 저자인 박동민 박사과정 학생은 "이번 기술은 오류를 포함한 데이터에 대한 최신 인공지능 방법론의 훈련 가속화를 위한 획기적인 방법ˮ 이라면서 "다양한 데이터 상황에서의 강건성이 검증됐기 때문에, 실생활의 기계 학습 문제에 폭넓게 적용될 수 있어 전반적인 심층 학습의 훈련 데이터 준비 비용 절감에 기여할 것ˮ 이라고 밝혔다.
연구팀을 지도한 이재길 교수도 "이 기술이 파이토치(PyTorch) 혹은 텐서플로우(TensorFlow)와 같은 기존의 심층 학습 라이브러리에 추가되면 기계 학습 및 심층 학습 학계에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
우리 대학 데이터사이언스대학원에 재학 중인 박동민 박사과정 학생이 제1 저자, 최설아 석사과정, 김도영 박사과정 학생이 제2, 제3 저자로 각각 참여한 이번 연구는 최고권위 국제학술대회 `신경정보처리시스템학회(NeurIPS) 2023'에서 올 12월 발표될 예정이다. (논문명 : Robust Data Pruning under Label Noise via Maximizing Re-labeling Accuracy)
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(2020-0-00862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다.
2023.11.02
조회수 1904
-
박성필 문술미래전략대학원장, 국무총리 표창 수상
“지적재산(IP)이 핵심인 무형자산의 가치가 코로나19 팬데믹(세계적 감염병)을 거치면서 글로벌 기업 자산가치의 90%를 넘어섰습니다. 한국과학기술원(KAIST)이 IP 인재양성에 나서야만 했던 가장 중요한 이유입니다.”
박성필 우리 대학 미래전략대학원장은 3일 서울경제신문과 가진 인터뷰에서 “4차산업혁명과 인공지능(AI) 시대에 적합한 IP 전문인재 양성이 시급하다”며 이렇게 밝혔다. 그는 4일 열리는 ‘제6회 지식재산의 날 기념식’에서 국내 IP 경쟁력 강화에 기여한 공로로 국무총리 표창을 받는다.
박 교수는 KAIST 지식재산대학원 프로그램(MIP) 책임교수로서 글로벌 IP 인재양성을 위한 교육기반을 조성하고, 학술연구와 교육, 학교의 법률자문역으로 IP 가치창출에 기여했으며, 국회 ‘세계특허허브국가추진위원회’의 민간위원으로 활동하며 법개정연구위원장을 맡아 IP 입법정책에도 기여한 공로를 인정받았다.
그는 “2010년 특허청 후원으로 KAIST에 설립된 MIP는 기업, 법조계, 정부, 대학 등에서 활약 중인 600명 이상의 인재를 양성해 국내 최고의 IP 교육기관으로 자리매김했다”며 “KAIST는 이를 기반으로 이공계 학부생을 위한 지식재산 부전공, 특허청, 중소벤처기업부, 특허법원과 공동으로 중소기업인을 위한 지식재산최고위과정(AIP)도 설립해 운영해 왔다”고 말했다. 특히 그는 교과과정 설계, 법조계와 기업 네트워크 구축, 강의와 논문 지도 등 활동으로 MIP와 AIP 모델을 성공적으로 정착시키는 데 기여했다.
박 원장은 MIP와 AIP 모델을 정부 차원에서 확산할 필요가 있다고 강조했다. 그는 “디지털전환 시대에 기술혁신과 규제의 조화, 급증하는 AI 창작물을 둘러싼 소유권, 창작자, 침해기준을 비롯, 기존 IP 법체계의 재정립을 위한 노력이 중요한 시점이 왔다”며 “정부의 IP 인력양성에 대한 지속적 지원이 필요하며 결국 IP 인재들이 디지털전환과 본격적인 AI 시대 세계시장에서 우리 기업들의 다양한 IP 가치를 지키는 든든한 인적 자산이 될 것이다”고 내다봤다.
2023.09.04
조회수 2059
-
인공지능으로 파킨슨병 맞춤형 치료 가능
파킨슨병 같은 만성 퇴행성 뇌 질환의 경우, 생존 환자의 뇌세포에 직접 접근이 제한적이기 때문에, 뇌 질환 환자의 세포 데이터를 토대로 환자 질병의 메커니즘 하위 유형을 인공지능으로 예측하는 것은 시도된 바가 없다.
우리 대학 뇌인지과학과 최민이 교수 연구팀이 영국 프랜시스 크릭 연구소(Francis Crick Institute)와의 공동 연구로 파킨슨병 환자의 개인별 질병 하위 유형을 예측하는 인공지능 기반의 플랫폼을 개발했다고 15일 밝혔다.
최민이 교수 연구팀이 개발한 플랫폼은 파킨슨병 환자의 역분화 만능 줄기세포(hiPSC)에서 분화된 신경 세포의 핵, 미토콘드리아, 리보솜 이미지 정보만 학습해 파킨슨 환자의 병리적 하위 유형을 정확하게 예측한다.
이 기술을 활용하면 환자별로 다르게 나타나는 파킨슨병 양상을 겉으로 보이는 발현형이 아닌 생물학적 메커니즘별로 분류할 수 있다. 이를 통해 원인 미상의 파킨슨병 환자가 속한 분자 세포적 하위 유형별로 진단이 가능해져 환자 맞춤형 치료의 길을 열 수 있다. 또 이 플랫폼은 고속의 대량 스크리닝 시스템을 사용하기 때문에 병리적 하위 유형에 적합한 맞춤형 약물 개발 파이프라인으로도 활용될 수 있다.
지금까지 파킨슨병의 치료는 환자 개별의 병리 상태를 고려하지 않고 확률에 기댄 ‘일률적 접근’ 방식을 사용해 왔다. 이러한 접근 방식은 병리적 원인과 치료 방법 사이의 불일치로 인해 치료 효과를 향상하기 어려웠다.
최민이 교수 연구팀이 개발한 플랫폼을 사용하면 개별 환자 뇌세포의 분자 및 세포 정보를 정밀하게 프로파일링할 수 있다. 이를 토대로 환자들의 질병 하위 유형을 정확히 진단할 수 있어서 궁극적으로 ‘정밀 의학 (Precise medicine)’이 가능해진다. 이는 각 개인에게 맞춤화된 치료 (Personalized medicine)로 이어져 치료 효과를 크게 향상할 수 있을 것으로 기대된다.
이 플랫폼은 2012년 노벨의학상 수상 기술인 유도만능줄기세포(iPSC: 성인 피부세포나 혈액에서 얻은 체세포를 태아기의 미분화 상태로 리프로그래밍한 세포. 어떤 장기 세포로도 분화가 가능)를 분화시켜 얻은 뇌세포를 사용하는 ‘접시 속 질병(disease in a dish)’ 패러다임이다. 이는 퇴행성 뇌 질환처럼 병변을 직접 얻을 수 없거나, 인간의 뇌를 정확하게 모사할 수 없는 동물 모델의 한계점을 극복할 수 있는 기술 중 하나로 주목받고 있다. 특히, 접시 속에 배양한 자신의 표적 질병 세포를 순차적으로 이미징하면 일련의 병리적 사건을 추적할 수 있어 질병 진행에 따른 약물 반응 결과를 예측할 수 있다는 이점이 있다.
교신 저자인 최민이 교수는 "이번 연구는 실험실에서 얻은 생물학적 데이터를 인공지능에 효과적으로 학습시켜, 정확도가 높은 질병 하위 유형 분류 모델을 생성하는 방법을 구체적으로 소개했다”며, "이 플랫폼은 자폐 스펙트럼과 같이 환자 개인별 증상이 뚜렷하게 다른 뇌 질환의 하위 유형을 분류하는 데에도 유용할 것이며, 이를 통해 효과적인 치료법 개발도 가능해질 것이다”라고 연구의 의의를 설명했다.
이번 논문은 영국 Medical Research Council (MRC)와 대교-KAIST 인지 향상 연구센터의 지원으로 수행됐으며, 국제 학술지 ‘네이처 머신 인텔리젼스 (Nature Machine Intelligence, IF = 25.8) 8월호에 출판됐다 (논문명: Prediction of mechanistic subtypes of Parkinson’s using patient-derived stem cell model)
2023.08.16
조회수 2747
-
인공지능으로 정확한 세포 이미지 분석..세계 AI 생명과학 분야 대회 우승
우리 대학 김재철AI대학원 윤세영 교수 연구팀이 세계 최고 수준의 인공지능(AI) 학회인 `뉴립스(NeurIPS, 신경정보처리시스템학회) 2022'에서 개최된 `세포 인식기술 경진대회'에서 취리히 리서치센터, 베이징대, 칭화대, 미시간대 등 다수의 세계 연구팀을 모두 제치고 1위로 우승을 달성했다고 28일 밝혔다.
뉴립스는 국제머신러닝학회(ICML), 표현학습국제학회(ICLR)와 함께 세계적인 권위의 기계학습 및 인공지능 분야 학회로 꼽힌다. 뛰어난 연구자들이 제출하는 논문들도 승인될 확률이 25%에 불과할 정도로 학회의 심사를 통과하기 어려운 것으로 알려져 있다.
윤세영 교수 연구팀은 이번 학회에서 `세포 인식기술 경진대회(Cell Segmentation Challenge)'에 참가했다. 이기훈(박사과정), 김상묵(박사과정), 김준기(석사과정)의 3명의 연구원으로 구성된 OSILAB 팀은 초고해상도의 현미경 이미지에서 인공지능이 자동으로 세포를 인식하는 MEDIAR(메디아) 기술을 개발해 2위 팀과 큰 성능 격차로 1위를 달성했다.
세포 인식은 생명 및 의료 분야의 시작이 되는 중요한 기반 기술이지만, 현미경의 측정 기술과 세포의 종류 등에 따라 다양한 형태로 관찰될 수 있어 인공지능이 학습하기 어려운 분야로 알려져 있다. 세포 인식기술 경진대회는 이러한 한계를 극복하기 위해 초고해상도의 현미경 이미지에서 제한된 시간 안에 세포를 인식하는 기술을 주제로 개최됐다.
연구팀은 기계학습에서 소수의 학습 데이터를 더 효과적으로 활용해 성능을 높이는 데이터 기반(Data-Centric) 접근법과 인공신경망의 구조를 개선하는 모델 기반(Model-Centric) 접근법을 종합적으로 활용해 MEDIAR(메디아) 기술을 개발했다. 개발된 인공지능 기술을 통해 정확하게 세포를 인식하고 고해상도 이미지를 빠르게 연산함으로써 대회에서 좋은 성과를 얻을 수 있었다. 지도교수인 KAIST 김재철AI대학원 윤세영 교수는 “MEDIAR는 세포 인식기술 경진대회를 통해 개발됐지만 기상 예측이나 자율주행과 같이 이미지 속 다양한 형태의 개체 인식을 통해 정확한 예측이 필요한 많은 분야에 적용할 수 있다”라고 향후 다양한 활용을 기대했다.
팀을 이끌었던 이기훈 박사과정은 "처음 접하는 분야에서도 성과를 낼 수 있었던 것은 평소 기본기를 중요시하는 교수님의 가르침 덕분ˮ이라며 "새로운 문제에 끊임없이 도전하자는 것이 연구팀의 기본 정신ˮ이라고 강조했다. 이어 같은 연구실 김상묵 박사과정은 "연구 과정에서 많은 실패가 있었지만, 세상에 꼭 필요한 기술이라는 생각으로 끝까지 노력했다ˮ라며 "혼자서라면 절대 해내지 못했던 결과인 만큼 팀원들에게 정말 감사하다ˮ라고 수상 소감을 전했다. 같은 연구실 김준기 석사과정은 "팀원들과 이룬 성과가 의료 분야 인공지능이 겪는 현실의 문제를 해결하는 데 도움이 될 수 있기를 바란다”라고 밝혔다.
연구팀은 생명과학 분야 연구의 발전을 돕기 위해 개발된 기술을 전면 오픈소스로 공개한다고 밝혔다. 학습된 인공지능 모델과 인공지능을 구현하기 위한 프로그램의 소스 코드는 개발자 플랫폼인 깃허브 (GitHub)를 통해 이용할 수 있다.
2022.12.28
조회수 4093
-
창업원, 2022 스타트업 페스티벌 개최
우리 대학이 13일부터 이틀간 2022 스타트업 페스티벌을 개최했다. 올해로 9회째를 맞는 이번 행사는 KAIST 창업원의 연간 성과를 공유하고 앞으로의 방향성을 모색하기 위해 마련된 자리다. 행사 첫날인 13일에는 한 해 동안의 창업 성과를 소개하는 행사들로 꾸려졌다. 오전에는 교원창업 워크숍을 열어 창업원 초빙교수인 최호숙 변호사가 창업을 시작하는 기업의 주요 법률상담 사례를 공유했다. 이와 함께, 창업을 희망하는 교원들을 위한 기술 실시 계약서 작성 요령을 알아보고 창업에 앞서 개인별 역량과 준비 상태를 점검하고 초기 창업자가 직면하는 위험에 대처할 수 있도록 돕는 '창업역량 자가 진단 프로그램 개발' 내용 발표도 이어졌다. 오후에는 2022년을 대표하는 KAIST의 창업기업과 '룬샷(Loonshots)' 프로그램을 통한 학생창업 성과를 소개하는 시간이 마련됐다. 올해는 ▴나니아랩스(제조 분야 인공지능 솔루션) ▴임팩트 AI(인공지능·빅데이터 솔루션) ▴Plume.D(3D 아바타 렌더링 솔루션) ▴심투리얼(디지털 트윈 가상환경 서비스) ▴셀리아즈(망막질환 치료제 개발) ▴스파이더코어(인공지능 기반 RNA 치료제 개발) ▴트루밸류(진로 교육 솔루션 서비스) 등 7개 기업이 창업 지원 프로그램의 기업 소개 대상으로 선정됐다.이 중, 나니아랩스는 조천식모빌리티 대학원 강남우 교수가 대기업 수요 기반 매칭 프로그램(KAIST Entrepreneurial Partnership, 이하 KEP)을 통해 올해 4월 창업한 기업이다. 엔지니어링 설계에 필요한 데이터를 자동으로 생성·평가·최적화 추천하는 통합 제조 플랫폼을 이용해 제품 개발에 필요한 시간과 비용을 획기적으로 단축하는 서비스를 제공하고 있다. 또한, 인간 개발자가 아닌 인공지능이 프로그램 코드를 스스로 설계하는 '노코드 서비스형 소프트웨어(No-code AI SaaS)'도 함께 제공한다.
이런 기술력을 바탕으로 창업 4개월 만에 현대자동차그룹(제로원)으로부터 투자를 받았으며, 지난 10월 열린 그린비즈니스위크 2022 K-테크 스타트업 왕중왕전에서 교원 부분 대상을 차지했다. 현재, 현대자동차, 현대모비스와 LG전자 등이 나니아랩스의 기술을 개발에 활용하고 있다. 또한, 학생창업 기업으로는 KAIST가 올해 새로 도입한 '룬샷 스타트 챌린지'에 선정된 ▴Plan IT(블록체인 기반 AI 아트 크리에이터 플랫폼) ▴Kiddle(작업전시 및 판매공간) ▴Bookend(클라우드& 인공지능 도서편집기 기반 출판사)가 소개된다. '룬샷' 은 창업 이전 단계의 참신한 아이디어를 가진 학생들을 대상으로 아이디어를 검증할 비용 및 창업 코칭을 지원하는 창업지원 프로그램이다. 우리 대학은 올해 17개의 교원창업 기업을 배출해 투자 유치는 물론 매출 및 고용 창출 등 실질적인 성과를 창출하고 있다. 또한, 6개 학생창업 기업과 44개 예비 학생창업팀을 지원하고 있다. 행사 둘째 날에는 대전지역 창업생태계 활성화를 위해 노력하는 KAIST 동문 기업 CEO, 벤처캐피털, 창업기획사, 창업기업가 등이 참석하는 토크 콘서트와 세미나 등이 열렸다. 산·학·연 관계자들이 한자리에 모여 스타트업의 주요 현안과 지속 가능한 발전을 위한 방향성을 논의했다.
또한, 부대행사로 창업기업 제품 전시 체험 부스가 열린다. 남주한 문화기술 대학원 교수의 창업기업인 뉴튠(Neutune)은 사용자가 아티스트의 음악을 자유롭게 조합하여 소장하고 공유할 수 있는 '믹스 오디오' 서비스를 선보였다. 이와 함께, 토브데이터(TOVDATA)의 기업의 개인정보 관리 서비스 프로그램인 '플립(Plip)'과 인공지능 솔루션을 기반으로 가상 얼굴을 제작해 저작권과 초상권에서 자유로운 마케팅 솔루션을 제공하는 플립션(Fliption)의 서비스도 체험 기회도 현장에서 제공됐다.
김영태 KAIST 창업원장은 "올 한해는 '1랩 1창업'이란 비전 아래 다방면의 창업 지원 정책을 추진한 결과 교원창업이 특히 활성화된 한 해였다"라고 말했다. 이어, 김 원장은 "KAIST 스타트업 페스티벌은 창업 기업들의 성과를 돌아보고 서로 격려하며, 경제 침체의 위기 속에서 스타트업의 생존과 성장을 위한 지원방안을 모색하는 화합과 협력의 장으로 열렸다"라고 전했다.이번 행사는 우리 대학 대전 본원의 창업원 K-Space와 KI빌딩 퓨전홀 등에서 현장 진행되고 온라인(zoom)에서도 중계됐다.
2022.12.14
조회수 3988
-
KAIST, 세계적 권위의 AI 학회에서 연구 역량 입증
우리 대학 연구진이 인공지능 분야에서 세계 최고의 권위를 자랑하는 신경정보처리시스템학회(이하, NeurIPS)에서 왕성한 연구 역량과 위상을 입증했다. NeurIPS는 산업계와 학계에서 최신 인공지능 연구를 발표하는 권위 있는 국제학회다. 우리 대학은 2020년에 20편, 2021년에 45편의 논문을 발표했고, 올해도 작년 수준과 비슷한 37편을 게재해 인공지능 분야에서의 왕성한 연구 능력을 학계에 선보였다. 특히, 예종철 김재철AI대학원 교수의 논문(Energy-Based Contrastive Learning of Visual Representations)이 상위 6%만을 선정하는 구두 발표 논문으로 선정되어 질적으로도 우수한 연구 수준을 인정받았다. 이뿐만이 아니라 지난달 28일부터 미국 루이지애나주 뉴올리언스에서 열린 NeurIPS 2022 학회에서 우리 대학 교수진과 동문이 눈에 띄게 활약했다. 오혜연 전산학부 교수(KAIST 인공지능연구원 부원장)와 조경현 동문(KAIST 전산학부 학사 졸업)은 학술위원장 (Program chair)을, 안성진 전산학부 교수는 워크숍위원장(Workshop chair)을 맡았다. 김주호 전산학부 교수는 기조 강연자로 초청되어 ‘인터렉션 센트릭 AI(Interaction-Centric AI)’를 주제로 발표했다. 오혜연 교수는 “다수의 KAIST 연구진이 국제학회 조직위원 및 기조 강연자로 선정되었다는 것은 인공지능 연구 분야에서 KAIST의 위상이 세계적으로 높아졌음을 시사한다”라고 설명했다.
2022.12.11
조회수 3764
-
세계 최초로 사람처럼 사물의 개념을 스스로 학습하는 장면 인식 기술 개발
우리 대학 전산학부 안성진 교수 연구팀이 미국 럿거스(Rutgers) 대학교와 공동연구를 통해 사람의 라벨링 없이 스스로 영상 속 객체를 식별할 수 있는 인공지능 기술을 개발했다고 1일 밝혔다. 이 모델은 복잡한 영상에서 각 장면의 객체들에 대한 명시적인 라벨링 없이도 객체를 식별하는 최초의 인공지능 모델이다.
기계가 주변 환경을 지능적으로 인지하고 추론하기 위해서는 시각적 장면을 구성하는 객체들과 그들의 관계를 파악하는 능력이 필수적이다. 하지만 이 분야의 연구는 대부분 영상의 각 픽셀에 대응하는 객체의 라벨을 사람이 일일이 표시해야 하는 지도적 학습 방식을 사용했다. 이 같은 수작업은 오류가 발생하기 쉽고 많은 시간과 비용을 요구한다는 단점이 있다.
이에 반해 이번에 연구팀이 개발한 기술은 인간과 유사하게 환경에 대한 관측만으로 객체의 개념을 스스로 자가 학습하는 방식을 취한다. 이렇게 인간의 지도 없이 스스로 객체의 개념을 학습할 수 있는 인공지능은 차세대 인지 기술의 핵심으로 기대돼왔다.
비지도 학습을 이용한 이전 연구들은 단순한 객체 형태와 배경이 명확히 구분될 수 있는 단순한 장면에서만 객체를 식별하는 단점이 있었다. 이와 달리 이번에 안성진 교수 연구팀이 개발한 기술은 복잡한 형태의 많은 객체가 존재하는 사실적인 장면에도 적용될 수 있는 최초의 모델이다.
이 연구는 그림 인공지능 소프트웨어인 DALL-E와 같이 텍스트 입력을 통해 사실적인 이미지를 생성할 수 있는 이미지 생성 연구에서 영감을 얻었다. 연구팀은 텍스트를 입력하는 대신, 모델이 장면에서 객체를 감지하고 그 객체의 표상(representation)으로부터 이미지를 생성하는 방식으로 모델을 학습시켰다. 또한, 모델에 DALL-E와 유사한 트랜스포머 디코더를 사용하는 것이 사실적이고 복잡한 영상을 처리할 수 있게 한 주요 요인이라고 밝혔다.
연구팀은 복잡하고 정제되지 않은 영상뿐만 아니라, 많은 물고기가 있는 수족관과 교통이 혼잡한 도로의 상황을 담은 유튜브 영상과 같이 복잡한 실제 영상에서도 모델의 성능을 측정했다. 그 결과, 제시된 모델이 기존 모델보다 객체를 훨씬 더 정확하게 분할하고 일반화하는 것을 확인할 수 있었다.
연구팀을 이끈 안성진 교수는 "인간과 유사한 자가 학습 방식으로 상황을 인지하고 해석하는 혁신적인 기술ˮ이라며 "시각적 상황인지 능력을 획기적으로 개선해 지능형 로봇 분야, 자율 주행 분야뿐만 아니라 시각적 인공지능 기술 전반에 비용 절감과 성능향상을 가져올 수 있다ˮ고 말했다.
이번 연구는 미국 뉴올리언스에서 지난 11월 28일부터 개최되어 12월 9일까지 진행 예정인 세계 최고 수준의 기계학습(머신러닝) 학회인 제36회 신경정보처리학회(NeurIPS)에서 발표됐다.
2022.12.02
조회수 3592
-
2022 글로벌 스타트업 인턴십 박람회 개최
우리 대학 국제협력처 글로벌사업기획센터가 11월 30일(수)부터 이틀간 '2022 글로벌스타트업 인턴십 박람회(Global Startup Internship Fair: GSIF)'를 개최했다.
'2022 KAIST GSIF' 박람회는 미국 스타트업과 연계된 인턴십 박람회다. 양자 분야 유니콘 기업인 싸이퀀텀(PsiQuantum)을 포함해 임프리메드(Imprimed), 베슬 에이아이(Vessl AI), 진에딧(Genedit), 메딕 라이프사이언스(Medic Life Sciences), 브링코(Bringko) 등 동문 기업이 참여했다. 또한, 몰로코(Moloco), 브레이브 터틀(Brave Turtles), 네오집(Neozips), 루크몬(Luckmon), 큐픽스(CUPIX) 등의 기업들도 함께 참여했다. 인공지능(AI), 바이오, 양자, 물류, 게임, 광고, 부동산, 이커머스 (e-commerce) 등 다양한 분야에서 활약하는 11개 스타트업이 초청되었으며, 100여명 의 KAIST 학생이 사전 신청을 통해 행사에 참여했다.
이번 박람회에서는 참여 기업들이 사전 신청한 우리 대학 재학생을 대상으로 회사 소개 및 채용·진로 상담을 진행했다. 연사로 초청된 임성원 임프리메드 대표는 "모교 후배 학생들에게 미국에서 스타트업을 개척하고 운영하면서 깨달았던 많은 경험을 공유하고 그 경험을 토대로 운영 중인 회사를 소개할 수 있게 되어 매우 뜻깊다"고 참여 소감을 밝혔다.
이번 박람회에서는 미국 인턴십을 준비하는 학생들을 위해 미국 인턴십 지원 이력서 및 이메일 작성법, 실리콘밸리 정착 및 인턴십 체험 관련 세션과 함께 J1 비자 설명회도 진행됐다.임만성 국제협력처장은 "미국 스타트업에서의 인턴십을 통해 글로벌 기업가로 성장하고자 하는 학생들이 점점 많아지고 있다"라고 강조하며, "이번 박람회는 KAIST 학생들이 글로벌 무대에서 활약하고 있는 기업가들을 만나 글로벌 시장에서 경쟁력을 갖춘 예비 창업가로 성장하는 기회가 될 것"이라고 말했다.
▶문의: 글로벌사업기획센터 이수아 연구조교수 (slee900@kaist.ac.kr) / 김예선 행정원 (yeseon@kaist.ac.kr)
2022.12.01
조회수 3726
-
세계 최고 수준의 딥러닝 의사결정 설명기술 개발
우리 대학 김재철AI대학원 최재식 교수(㈜인이지 대표이사) 연구팀이 인공지능 딥러닝의 의사결정에 큰 영향을 미치는 입력 변수의 기여도를 계산하는 세계 최고 수준의 기술을 개발했다고 23일 밝혔다.
최근 딥러닝 모델은 문서 자동 번역이나 자율 주행 등 실생활에 널리 보급되고 활용되는 추세 및 발전에도 불구하고 비선형적이고 복잡한 모델의 구조와 고차원의 입력 데이터로 인해 정확한 모델 예측의 근거를 제시하기 어렵다. 이처럼 부족한 설명성은 딥러닝이 국방, 의료, 금융과 같이 의사결정에 대한 근거가 필요한 중요한 작업에 대한 적용을 어렵게 한다. 따라서 적용 분야의 확장을 위해 딥러닝의 부족한 설명성은 반드시 해결해야 할 문제다.
최교수 연구팀은 딥러닝 모델이 국소적인 입력 공간에서 보이는 입력 데이터와 예측 사이의 관계를 기반으로, 입력 데이터의 특징 중 모델 예측의 기여도가 높은 특징만을 점진적으로 추출해나가는 알고리즘과 그 과정에서의 입력과 예측 사이의 관계를 종합하는 방법을 고안해 모델의 예측 과정에 기여하는 입력 특징의 정확한 기여도를 계산했다. 해당 기술은 모델 구조에 대한 의존성이 없어 다양한 기존 학습 모델에서도 적용이 가능하며, 딥러닝 예측 모델의 판단 근거를 제공함으로써 신뢰도를 높여 딥러닝 모델의 활용성에도 크게 기여할 것으로 기대된다.
㈜인이지의 전기영 연구원, 우리 대학 김재철AI대학원의 정해동 연구원이 공동 제1 저자로 참여한 이번 연구는 오는 12월 1일, 국제 학술대회 `신경정보처리학회(Neural Information Processing Systems, NeurIPS) 2022'에서 발표될 예정이다.
모델의 예측에 대한 입력 특징의 기여도를 계산하는 문제는 해석이 불가능한 딥러닝 모델의 작동 방식을 설명하는 직관적인 방법 중 하나다. 특히, 이미지 데이터를 다루는 문제에서는 모델의 예측 과정에 많이 기여한 부분을 강조하는 방식으로 시각화해 설명을 제공한다.
딥러닝 예측 모델의 입력 기여도를 정확하게 계산하기 위해서 모델의 경사도를 이용하거나, 입력 섭동(행동을 다스림)을 이용하는 등의 연구가 활발히 진행되고 있다. 그러나 경사도를 이용한 방식의 경우 결과물에 잡음이 많아 신뢰성을 확보하기 어렵고, 입력 섭동을 이용하는 경우 모든 경우의 섭동을 시도해야 하지만 너무 많은 연산을 요구하기 때문에, 근사치를 추정한 결과만을 얻을 수 있다.
연구팀은 이러한 문제 해결을 위해 입력 데이터의 특징 중에서 모델의 예측과 연관성이 적은 특징을 점진적으로 제거해나가는 증류 알고리즘을 개발했다. 증류 알고리즘은 딥러닝 모델이 국소적으로 보이는 입력 데이터와 예측 사이의 관계에 기반해 상대적으로 예측에 기여도가 적은 특징을 선별 및 제거하며, 이러한 과정의 반복을 통해 증류된 입력 데이터에는 기여도가 높은 특징만 남게 된다. 또한, 해당 과정을 통해 얻게 되는 변형된 데이터에 대한 국소적 입력 기여도를 종합해 신뢰도 높은 최종 입력 기여도를 산출한다.
연구팀의 이러한 입력 기여도 측정 기술은 산업공정 최적화 프로젝트에 적용해 딥러닝 모델이 예측 결과를 도출하기 위해서 어떤 입력 특징에 주목하는지 찾을 수 있었다. 또한 딥러닝 모델의 구조에 상관없이 적용할 수 있는 이 기술을 바탕으로 복잡한 공정 내부의 다양한 예측변수 간 상관관계를 정확하게 분석하고 예측함으로써 공정 최적화(에너지 절감, 품질향상, 생산량 증가)의 효과를 도출할 수 있었다.
연구팀은 잘 알려진 이미지 분류 모델인 VGG-16, ResNet-18, Inception-v3 모델에서 개발 기술이 입력 기여도를 계산하는 데에 효과가 있음을 확인했다. 해당 기술은 구글(Google)이 보유하고 텐서플로우 설명가능 인공지능(TensorFlow Explainable AI) 툴 키트에 적용된 것으로 알려진 입력 기여도 측정 기술(Guided Integrated Gradient) 대비 LeRF/MoRF 점수가 각각 최대 0.436/0.020 개선됨을 보였다. 특히, 입력 기여도의 시각화를 비교했을 때, 기존 방식 대비 잡음이 적고, 주요 객체와 잘 정렬됐으며, 선명한 결과를 보였다. 연구팀은 여러 가지 모델 구조에 대해 신뢰도 높은 입력 기여도 계산 성능을 보임으로써, 개발 기술의 유효성과 확장성을 보였다.
연구팀이 개발한 딥러닝 모델의 입력 기여도 측정 기술은 이미지 외에도 다양한 예측 모델에 적용돼 모델의 예측에 대한 신뢰성을 높일 것으로 기대된다.
전기영 연구원은 "딥러닝 모델의 국소 지역에서 계산된 입력 기여도를 기반으로 상대적인 중요도가 낮은 입력을 점진적으로 제거하며, 이러한 과정에서 축적된 입력 기여도를 종합해 더욱 정확한 설명을 제공할 수 있음을 보였다ˮ라며 "딥러닝 모델에 대해 신뢰도 높은 설명을 제공하기 위해서는 입력 데이터를 적절히 변형한 상황에서도 모델 예측과 관련도가 높은 입력 특성에 주목해야 한다ˮ라고 말했다.
이번 연구는 2022년도 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받은 사람 중심 AI강국 실현을 위한 차세대 인공지능 핵심원천기술개발 사용자 맞춤형 플로그앤플레이 방식의 설명가능성 제공, 한국과학기술원 인공지능 대학원 프로그램, 인공지능 공정성 AIDEP 및 국방과학연구소의 지원을 받은 설명 가능 인공지능 프로젝트 및 인이지의 지원으로 수행됐다.
2022.11.23
조회수 5358