본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5
최신순
조회순
언제 말 걸지 아는 스마트 스피커 개발 길 열어
우리 대학 전산학부 이의진 교수 연구팀이 스마트 스피커 인공지능 비서가 선제적으로 말 걸기 좋은 최적의 시점을 결정하는 중요한 상황맥락 요인을 찾아냈다고 28일 밝혔다. 기존에 개발되거나 시판 중인 스마트 스피커 인공지능 비서는 사용자가 먼저 요청한 서비스만 제공하는 반면 최근 스마트 스피커의 개발은 사용자의 상황에 맞춰 능동적인 서비스를 제공하는 형태로 진화하는 추세다. 똑똑한 음성비서가 사용자가 처해 있는 상황을 정확히 이해한 후에 선제적으로 일정 및 건강관리를 도와주는 방향으로 개발되고 있는 것이다. 하지만 아무 때나 눈치 없이 말을 건다면 도움은커녕 하는 일에 방해만 될 수 있다. 이의진 교수 연구팀은 스마트 스피커가 선제적으로 음성서비스를 제공하기 좋은 최적의 시점을 찾는 연구를 전산학부 이재길 교수를 비롯해 산업디자인학과 이상수 교수와 함께 다학제 연구팀을 구성해 공동연구를 수행했다. 그 결과 다학제 연구팀은 스마트 홈 환경에서의 최적의 발화(發話) 시점을 결정하는 중요한 사용자 상황맥락 요인을 찾았다. 최적의 발화 시점에 관한 추론은 인공지능 비서가 음성서비스를 시작하거나 중지 또는 재개를 스스로 결정하고 제어하기 위한 필수적인 기술이다. 연구팀이 찾아낸 중요한 상황맥락 요인은 최적의 발화 시점 추론 시 정확성을 높일 것으로 관계자들은 기대하고 있다. 스마트 스피커 인공지능 비서가 선제적으로 말 걸기 좋은 시점을 찾기 위해 연구팀은 실험용 스마트 스피커를 제작했다. 스마트 스피커는 사용자의 움직임이 감지되거나 일정한 시간이 지나면 주기적으로 "지금 대화하기 좋은가요ˮ라는 질문을 했다. 참가자는 대화하기 좋은지 아닌지, "네ˮ 또는 "아니요ˮ로 대답하고 무엇을 하고 있었는지 설명했다. 연구진은 이어 교내 기숙사에 거주하는 학생 40명(2인 1실)의 방에 스마트 스피커를 설치해 1주일간 총 3,500개의 사용자 응답 데이터를 수집했다. 데이터 분석 결과 전체 참가자 응답 중 47%는 대화하기 부적절한 것으로 드러났다. 연구진은 대화하기 좋은 시점을 결정하는 주요 상황 요인을 찾기 위해 19개의 실내 활동 범주를 만들었다. 이를 통해 연구팀은 적절한 시점을 결정하는 상황맥락 요인으로 크게 개인적 요인과 움직임 요인, 사회적 요인을 꼽았다. 개인적 요인은 크게 `활동 집중도', `긴급함과 바쁨 정도', `정신적·육체적 상태' 그리고 `다중 작업수행을 위한 듣기 또는 말하기 가능성' 등 4가지다. 예를 들면 집중해서 공부하고 있거나 드라이로 머리를 말리고 있을 때는 스피커와 대화가 어려웠다. 움직임 요인은 `외출', `귀가' 그리고 `활동 전환' 등 3가지다. 특히 사용자 움직임이 있을 때는 스피커와 대화 가능한 거리가 최적 시점 판단에 큰 영향을 미쳤다. 외출은 스피커와 대화 가능 범위 밖으로 나가는 움직임이고, 귀가는 범위 안으로 들어오는 움직임이다. 범위 안으로 들어오는 귀가(歸家) 상황일 때는 대부분 대화하기 좋은 시점으로 분류됐다. 일반적으로 스마트 스피커는 거실처럼 집 구성원이 함께 생활하는 공간에 설치된다. 수집된 사용자 응답 중 절반은 룸메이트가 함께 있을 때 수집됐다. 연구팀은 전화 대화뿐만 아니라 누군가와 함께 있다는 것 또한 스마트 스피커와 대화하기 좋은 시점에 영향을 끼친다는 현상을 발견했다. 룸메이트가 자고 있거나 어떤 활동에 집중하고 있을 때 스마트 스피커와의 대화로 인한 갈등을 최소화하고 싶기 때문이다. 이번 연구에 제1 저자로 참여한 차나래 학생은 "이번 연구가 미래 스마트 스피커 개발의 중요한 토대가 될 것ˮ이라면서 "앞으로는 센서 데이터로 감지된 상황맥락 정보를 활용해 스마트 스피커가 스스로 대화를 시작·중지, 또는 재개하기 좋은 타이밍을 선제적으로 감지해 지능적인 음성서비스를 제공할 수 있을 것ˮ이라고 밝혔다. 한편, 이 연구는 과학기술정보통신부의 재원으로 한국연구재단-차세대정보 컴퓨팅기술개발사업의 지원을 받아 수행됐고 유비쿼터스 컴퓨팅 분야 국제 최우수 학술지인 `Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies' 9월호에 게재됐다. (논문명 : Hello There! Is Now a Good Time to Talk?: Opportune Moments for Proactive Interactions with Smart Speakers)
2020.10.28
조회수 23613
인공지능을 이용해 숨겨진 소재를 탐색하는 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 인공지능(AI) 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진 새로운 물질을 예측하는 기술을 개발하는 데 성공했다고 27일 밝혔다. 소재 연구의 궁극적인 목표는 원하는 *물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기는 쉽지 않다. 이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다. ☞ 물성(physical properties): 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말 정유성 교수 연구팀이 개발한 *소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 특히, 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다. ☞ 소재 역설계(Materials Inverse Design): 주어진 구조에 대한 물성을 측정하는 방식의 반대 개념으로, 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법 이번 정 교수팀의 연구성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다. 정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다. 정유성 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다ˮ면서 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다ˮ고 말했다. 우리 대학 생명화학공학과 김성원 박사과정과 노주환 박사과정이 공동 제1 저자로, 토론토 대학의 아스푸루-구지크(Aspuru-Guzik) 교수가 공동연구로 참여한 이 연구성과는 미국화학회(ACS)가 발행하는 국제학술지 ACS 센트럴 사이언스(ACS Central Science) 지난 8월호에 실렸다.(논문명: Generative Adversarial Networks for Crystal Structure Prediction) 한편, 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구) 지원을 받아 수행됐다.
2020.10.28
조회수 24920
국내 양자 컴퓨팅 연구 가속화 및 생태계 육성을 위해 IBM Q네트워크 합류
우리 대학 인공지능 양자컴퓨팅 IT 인력양성 연구센터는 비즈니스와 과학 분야에 사용되는 양자 컴퓨팅을 발전시키기 위해 IBM과 협업하는 포춘 500대 기업, 교육기관, 스타트업, 연구소들의 공동체인 IBM Q 네트워크에 합류했다고 29일 발표했다. 우리 대학은 국내 최초의 IBM Q 네트워크 학술 멤버(Academic Member)로서 IBM의 진보된 양자 컴퓨팅 시스템을 활용해 양자 정보 과학의 발전과 초기 애플리케이션 탐구를 위한 연구 프로젝트를 수행할 예정이다. 또한, 과학과 비즈니스 전반에 걸쳐 큰 변화를 가져올 양자 컴퓨팅 시대에 대비해 양자 전문 인력 양성을 위한 인재 교육 및 훈련에 IBM 양자 재원을 활용하게 될 것이다. 이를 통해 4차 산업 혁명을 실현하기 위해 반드시 필요한 실행 기술이 될 것으로 기대되는 양자 컴퓨팅의 생태계 육성에 앞장서게 될 것이다. 이 멤버십 체결을 주도한 인공지능 양자컴퓨팅 IT 인력양성 연구센터장 이준구 교수(전기및전자공학부)는 양자 컴퓨팅을 “수학적 난제에 해당하는 계산 문제를 아주 빠르고 적은 전력으로 계산할 수 있는 새로운 기술, 미래를 바꿀 기술”이라고 설명하며 “한국은 양자 컴퓨팅에 대한 투자를 비교적 늦게 시작해 현재는 기술 격차가 크지만, KAIST의 IBM Q 네트워크 합류는 국가적 경쟁력 확보에 중요한 밑거름이 될 것”이라는 큰 기대감을 표했다. 우리 대학 인공지능 양자컴퓨팅 IT 인력양성 연구센터는 IBM 클라우드를 통해 대중에게 제공되는 IBM 퀀텀 익스피리언스(Quantum Experience)를 양자 인공지능, 양자 화학계산 등의 양자 알고리즘 연구 개발과 양자 컴퓨팅 교육에 이미 사용하고 있었다. 우리 대학은 IBM Q 네트워크에 합류함으로써 양자 인공지능 기반 질병 진단, 양자 전산화학, 양자 기계학습 기술 등 실용화 연구와 실험을 하는데 IBM의 최상급 양자 컴퓨터를 사용할 수 있게 될 것이다. 또한, IBM Q 네트워크 소속 해외 대학 및 기업과의 교류를 통해 양자 컴퓨팅 분야에 있어 국내 기술의 세계적 입지를 견고히 할 수 있을 것으로 예상된다. ※ IBM 퀀텀(Quantum)에 대해 IBM 퀀텀은 비즈니스 및 과학 애플리케이션을 위한 양자 시스템을 구축하고자 하는 업계 최초의 이니셔티브이다. IBM이 양자 컴퓨팅에 쏟고 있는 노력에 대한 자세한 내용은 www.ibm.com/ibmq 에서 제공된다. IBM Q 네트워크에 대한 자세한 정보와 모든 파트너, 회원 및 허브의 전체 목록은 https://www.research.ibm.com/ibm-q/network/ 에서 제공된다.
2020.09.29
조회수 22998
한국인의 자연스러운 감성 인식 인공지능을 위한 공공 DB 구축
기계적 인공지능을 뛰어넘는 감성 지능기술 기반의 미래산업 창출과 효율적인 동영상 요약 서비스 개발을 위한 공공 데이터베이스 구축 사업에 대학이 주도적으로 나선다. 문화기술대학원 박주용 교수 연구팀은 한국인의 감정을 인지할 수 있는 감성 기술과 지능형 영상 요약기술 개발을 위한 인공지능 빅데이터 구축 사업을 통해 코로나 이후 새로운 인공지능산업 창출에 적극적으로 나설 계획이라고 24일 밝혔다. 현재 인공지능은 질병 진단과 자율운전 등 인간의 기계적인 움직임과 판단력을 보완하는 영역에서 활용 폭을 넓히고 있다. 그러나 사람들의 미묘한 감정 표현 인식처럼 기계적으로 판단하기 어려운 문제를 해결하는 '감성 지능' 기술의 국내 수준은 아직 걸음마 단계라고 평가받고 있다. 미국이나 일본과 같은 선진국에서 '험인텔(Humintell)'과 같은 감성 인식 기술기반 서비스가 두각을 보이는 상황에서 이제 우리나라도 사람의 감정을 인지할 수 있는 인공지능 기술 개발을 위해 고품질의 한국인 고유의 감정 표현과 관련된 데이터 수집하고, 또 다양한 응용 서비스 개발에도 더욱 박차를 가해야 한다는 목소리가 커지고 있다. 박주용 교수 연구팀의 '감성 인식 인공지능 공공DB 구축사업'은 COVID-19로 인한 경기침체를 극복하고 코로나19 종식 이후 디지털 시대의 신산업 창출을 위해 과기정통부(장관 최기영)와 한국정보화진흥원(원장 문용식)의 '인공지능 학습용 데이터 구축(2차)' 사업 예산 및 KAIST가 주도하는 컨소시엄의 민간투자금 등 모두 46억 원의 재원으로 운용된다. 이를 위해 일반인과 전문배우 등 약 2,500명의 자발적 참여자로부터 감정 학습을 위한 얼굴 데이터 수집과 함께, K-pop과 K-드라마 등의 세계적 성공으로 수요가 급증하고 있는 환경에서 다양한 동영상 콘텐츠의 효과적인 영상 요약과 맞춤형 마케팅을 가능케 하는 영상 데이터 확보에 나선다. 이 사업은 우리 대학 문화기술대학원이 주관하고 메트릭스리서치(대표 나윤정), 액션파워(공동대표 조홍식/이지화), 소리자바(대표이사 안상현), 데이터헌트(대표이사 김태헌), 아트센터 나비미술관(관장 노소영), 리콘랩스(대표이사 반성훈)가 공동연구기관으로, 그리고 대홍기획(대표이사 홍성현)이 수요기관으로 참여한다. 이밖에 한국 소비자 광고심리학회가 자문하는 이 프로젝트에서 개발되는 데이터베이스, 인공지능 학습모델, 프로그래밍 코드 등 모든 연구결과는 공공재이기 때문에 누구나 연구와 사업에 사용이 가능하다. 특히 문화기술대학원 박주용, 이원재, 남주한 교수팀과 리콘랩스, 아트센터 나비미술관은 사용자의 심리적 건강을 추적할 수 있는 심리 일기장, 음악 영상의 하이라이트 생성을 위한 알고리즘, 서비스 사용자의 반응을 감지할 수 있는 앱 등 이번 사업을 통해 구축예정인 공공 데이터베이스를 활용하는 각종 응용 서비스를 설계하고 실험할 계획이다. 박주용 교수는 "인간을 감정을 이해하는 미래 인공지능 기술발전을 위해서는 고품질의 공공데이터 확보가 필수ˮ라고 전제하면서 "일상 사진을 공유하며 공감대를 찾는 소셜미디어 시대의 문화에 힘입어 새로운 산업을 창출하고 세계적 팬데믹으로 인한 위기 극복에 주도적인 역할을 하는 것은 KAIST의 당연한 책무"라고 강조했다.
2020.09.24
조회수 21983
AI대학원 김기응 교수 연구팀, 인공지능 전력망 운영관리 국제대회 1위 달성
우리 대학 AI대학원 김기응 교수 연구팀(홍성훈, 윤든솔 석사과정, 이병준 박사과정)이 인공지능 기반 전력망 운영관리 기술을 겨루는 국제경진대회인 'L2RPN 챌린지(Learning to Run a Power Network Challenge 2020 WCCI)'에서 최종 1위를 차지했다. 이 대회는 기계학습 연구를 촉진하기 위한 각종 경진대회를 주관하는 비영리단체 ChaLearn, 유럽 최대 전력망을 운영관리하는 프랑스 전력공사의 자회사 RTE(Réseau de Transport d'Électricité)社 및 세계 최대 규모의 전력 회사 SGCC(State Grid of China)의 자회사인 GEIRI North America(Global Energy Interconnection Research Institute)에서 공동주최해, 세계 각국의 약 50팀이 약 40일간 (2020.05.20.~06.30) 온라인으로 참여해 성황리에 마감됐다. 단순한 전력망이 스마트 그리드를 넘어서 에너지 클라우드 및 네트워크로 진화하려면 신재생 에너지의 비율이 30% 이상이 돼야 하고, 신재생 에너지 비율이 높아지면 전력망 운영의 복잡도가 매우 증가한다. 실제로 독일의 경우 신재생 에너지 비율이 30%가 넘어가면서 전력사고가 3,000건 이상 증가할 정도로 심각하며, 미국의 ENRON 사태 직전에도 에너지 발전과 수요 사이의 수급 조절에 문제가 생기면서 잦은 정전 사태가 났던 사례도 있다. 전력망 운영에 인공지능 기술 도입은 아직 초기 단계이며, 현재 사용되고 있는 전력망은 관리자의 개입 없이 1시간 이상 운영되기 힘든 실정이다. 이에 프랑스의 RTE(Réseau de Transport d'Électricité) 社는 전력망 운영에 인공지능 기술을 접목하는 경진대회 'L2RPN'을 2019년 처음 개최했다. 2019년 대회는 IEEE-14라는 14개의 변전소를 포함하는 가상의 전력망에서 단순한 운영을 목표로 열렸다. 2020년 대회는 L2RPN 2020 WCCI 챌린지라는 이름으로 특정 국가 수도 규모의 복잡한 전력망을 72시간 동안 관리자의 개입 없이 스스로 안전하고 효율적으로 운영될 수 있는 인공지능 전력망 관리 에이전트를 개발하는 것을 목표로 열렸다. 시간에 따른 공급-수요의 변화, 시설 유지보수 및 재난에 따른 급작스러운 단전 등 다양한 시나리오에 대해 전력망 운영관리 능력의 평가가 이뤄졌다. 김 교수 연구팀은 이번 2020년 대회에서 전력망 구조를 효과적으로 반영할 수 있는 그래프 신경망 모델 기반의 강화학습 에이전트를 개발해 참가했다. 기존의 에이전트들은 소규모의 전력망에서만 적용 가능하다는 한계가 있었지만, 김 교수 연구팀은 국가 수도 규모의 복잡한 전력망에도 적용 가능한 에이전트를 개발했다. 연구팀이 개발한 인공지능 전력망 운영관리 에이전트는 주어진 모든 테스트 시나리오에 대해 안전하고 효율적으로 전력망을 운영해 최종 1위의 성적을 거뒀다. 우승팀에게는 상금으로 미국 실리콘밸리에 있는 GEIRI North America를 방문할 수 있는 여행경비와 학회참가 비용 3,000달러가 주어진다. 연구진은 앞으로도 기술을 고도화해 국가 규모의 전력망과 다양한 신재생 에너지원을 다룰 수 있도록 확장할 계획이다. 한편 이번 연구는 과기정통부 에너지 클라우드 기술개발 사업의 지원으로 설치된 개방형 에너지 클라우드 플랫폼 연구단과제로 수행됐다. (연구단장 KAIST 전산학부 문수복 교수) ※ 대회 결과 사이트 관련 링크: https://l2rpn.chalearn.org/competitions ※ 개방형 에너지 클라우드 플랫폼 연구단 사이트: https://www.oecp.kaist.ac.kr
2020.07.28
조회수 23831
기존 인공지능 기술을 뛰어넘는 양자 인공지능 알고리즘 개발
우리 대학 전기및전자공학부 및 AI 양자컴퓨팅 IT 인력양성연구센터장 이준구 교수 연구팀이 독일 및 남아공 연구팀과의 협력 연구를 통해 비선형 양자 기계학습 인공지능 알고리즘을 개발했다고 7일 밝혔다. 양자 인공지능은 양자컴퓨터의 발전과 함께 현재의 인공지능을 앞설 것으로 크게 기대되고 있으나 연산 방법이 전혀 달라 새로운 양자 알고리즘의 개발이 절실하다. 특히 양자컴퓨터는 본질적으로 일차방정식을 잘 푸는 선형적 성질을 가지고 있어 복잡한 데이터를 다루는 비선형적 기계학습에 어려움이 존재했다. 하지만 이번 연구를 통해 비선형 커널이 고안되어 복잡한 데이터에 대한 양자 기계학습이 가능하게 됐다. 특히 이준구 교수팀이 개발한 양자 지도학습 알고리즘은 학습에 있어 매우 적은 계산량으로 연산이 가능하다. 따라서 대규모 계산량이 필요한 현재의 인공지능 기술을 추월할 가능성을 제시한 것으로 평가를 받고 있다. 이준구 교수팀은 학습데이터와 테스트데이터를 양자 정보로 생성한 후 양자 정보의 병렬연산을 가능하게 하는 양자포킹 기술과 간단한 양자 측정기술을 조합해 양자 데이터 간의 유사성을 효율적으로 계산하는 비선형 커널 기반의 지도학습을 구현하는 양자 알고리즘 체계를 만들었다. 이후 IBM 클라우드 서비스를 통해 실제 양자컴퓨터에서 양자 지도학습을 실제 시연하는 데 성공했다. KAIST 박경덕 연구교수가 공동 제1 저자로 참여한 이번 연구결과는 국제 학술지 네이처 자매지인 `npj Quantum Information' 誌 2020년 5월 6권에 게재됐다. (논문명: Quantum classifier with tailored quantum kernel). 기계학습에 있어 중요한 문제 중 하나는 주어진 데이터의 특징(feature)을 구분해 분류하는 것이다. 간단한 예로 동물 이미지 학습데이터에서 입, 귀 등의 특징을 바탕으로 분류하기 위한 결정 경계(decision boundary)를 학습하고 새로운 이미지가 입력되었을 때 개 또는 고양이로 분류하는 작업을 생각해볼 수 있다. 데이터의 특징들이 잘 나타나는 경우에는 선형적 결정 경계만으로 분류할 수 있다. 그러나 입과 귀 모양의 특징으로만 개와 고양이를 분류하기 쉽지 않다면 새로운 결정 경계를 찾기 위해 특징에 관한 정보 공간의 차원을 확장해야 하는데 이러한 과정에서 비선형 커널 기술이 필요하다. 양자컴퓨팅은 고전 컴퓨팅과는 달리 큐비트(quantum bit, 양자컴퓨팅 정보처리의 기본 단위)의 개수에 따라 정보 공간의 차원이 기하급수적으로 증가하기 때문에 이론적으로 고차원 정보처리에 있어 기하급수적으로 뛰어난 성능을 낼 수 있다. 연구팀은 이러한 양자컴퓨팅의 장점을 활용해 데이터 특징 대비 기하급수적인 계산 효율성을 달성하는 양자 기계학습 알고리즘을 개발했다. 이 교수 연구팀이 개발한 이 알고리즘은 저차원 입력 공간에 존재하는 데이터들을 큐비트로 표현되는 고차원 데이터 특징 공간(feature space)으로 옮긴 후, 양자화된 모든 학습데이터와 테스트데이터 간의 커널 함수를 양자 중첩을 활용해 동시에 계산하고 테스트데이터의 분류를 효율적으로 결정한다. 이때 사용되는 양자 회로의 계산 복잡도는 학습 데이터양에 대해서는 선형적으로 증가하나, 데이터 특징 개수에 대해서는 불과 로그(log)함수로 매우 천천히 증가하는 장점이 있다. 연구팀은 이와 함께 양자 회로의 체계적 설계를 통해 다양한 양자 커널 구현이 가능함을 이론적으로 증명했다. 커널 기반 기계학습에서는 주어진 입력 데이터에 따라 최적 커널이 달라질 수 있으므로, 다양한 양자 커널을 효율적으로 구현할 수 있게 된 점은 양자 커널 기반 기계학습의 실제 응용에 있어 매우 중요한 성과다. 연구팀은 IBM이 클라우드 서비스로 제공하는 다섯 개의 큐비트로 구성된 초전도 기반 양자 컴퓨터에서 이번에 개발에 성공한 양자 기계학습 알고리즘을 실험적으로 구현해 양자 커널 기반 기계학습의 성능을 실제 시연을 통해 이를 입증하는 데 성공했다. 이 연구에 참여한 박경덕 연구교수는 "연구팀이 개발한 커널 기반 양자 기계학습 알고리즘은 수년 안에 상용화될 것으로 예측되는 수백 큐비트의 NISQ(Noisy Intermediate-Scale Quantum) 컴퓨팅의 시대가 되면 기존의 고전 커널 기반 지도학습을 뛰어넘을 것ˮ이라면서 "복잡한 비선형 데이터의 패턴 인식 등을 위한 양자 기계학습 알고리즘으로 활발히 사용될 것ˮ이라고 말했다. 한편 이번 연구는 각각 한국연구재단의 창의 도전 연구기반 지원 사업과 한국연구재단의 한-아프리카 협력기반 조성 사업, 정보통신기획평가원의 정보통신기술인력 양성사업(ITRC)의 지원을 받아 수행됐다. 관련 논문: https://www.nature.com/articles/s41534-020-0272-6
2020.07.07
조회수 18658
전산학부 오혜연 교수, 인공지능 국제협의체 'GPAI'에 전문가로 참여
우리 대학 전산학부 오혜연 교수가 세계최초 인공지능 협의체 Global Partnership on Artificial Intelligence(GPAI)의 전문가로 참여하게 됐다. 과기정통부는 6월 15일 한국이 캐나다, 프랑스, 미국, 일본 등과 같이 15개의 창립회원국으로 GPAI에 참여한다는 공식선언문을 발표했다. GPAI는 1) Responsible AI, 2) Data Governance, 3) The Future of Work, 4) Innovation & Commercialization 에 대해 각각 위원회를 구성하여 산업계 · 시민사회 · 정부 · 학계 주요 전문가들의 협업으로 책임있고 인간 중심적인 인공지능의 발전을 지원할 예정이다. 오혜연 교수는 이 중 튜링상 수상자인 Yoshua Bengio가 이끄는 Responsible AI 위원회에 참여하게 된다. 관련기사: https://www.yna.co.kr/view/AKR20200615101000017?input=1195mhttp://digitalchosun.dizzo.com/site/data/html_dir/2020/06/16/2020061680044.html
2020.06.16
조회수 18832
세관 통관 속임수 적발하는 알고리즘 개발
우리대학 전산학부 차미영 교수 연구팀이 면세범위 초과 물품, 위장 반입, 원산지 조작 등 세관에서 벌어지는 불법적 행위를 빈틈없이 적발할 수 있는 기술을 개발했다. 차 교수는 기초과학연구원(IBS, 원장 노도영) 수리 및 계산과학 연구단 데이터 사이언스 그룹 CI(Chief Investigator)을 맡아 세계관세기구(WCO‧World Customs Organization)와의 협업을 통해 스마트 관세 행정을 위한 알고리즘 개발을 마쳤다. 데이터 사이언스 그룹은 2019년 9월부터 WCO의 바꾸다(BACUDA) 프로젝트(*한국정부가 WCO에 공여하는 세관협력기금(Customs Cooperation Fund of Korea)로 설립, 운영)에 참여해 알고리즘 개발을 주도해왔다. WCO는 지난 2월 홈페이지 기사를 통해 “세관 데이터 분석(BAnd of CUstoms Data Analysis)의 앞 글자를 따서 바꾸다 프로젝트로 이름 지었다”며 “한글로는 ‘변화’를 뜻하는 것처럼 스마트 관세 체계로의 변화를 추구하는 회원국들을 돕기 위해 데이터과학자들과 협업을 시작했다”고 프로젝트의 취지를 알렸다. IBS가 WCO, 대만 국립성공대(NKCU‧National Cheng Kung University)와 함께 개발한 알고리즘 데이트(DATE DATE : Dual-Attentive Tree-aware Embedding for Customs Fraud Detection의 약자)는 불법적 행위 발생 가능성이 높으면서도 세수 확보에 도움이 되는 물품을 우선적으로 선별해 세관원에게 알린다. 기존 알고리즘은 세관 검사 대상만 추천했으나, 데이트는 검사 대상의 선별 이유까지 설명해줌으로써 사기 적발의 근거를 세관원이 충분히 확보할 수 있다는 특징이 있다. 우리대학 산업및시스템공학과(지식서비스공학대학원)을 졸업한 김선동 IBS 연구위원은 “설명력이 훌륭한 데이트는 인간개입(human-in-the-loop)으로 작동하는 현 세관 시스템에 가장 적합한 알고리즘”이라며 “저위험 물품 검사 에 쓰이는 세관원의 불필요한 노동을 줄이고, 복잡한 통관 프로세스를 효율화하는 데 도움이 될 것으로 기대하고 있다”고 설명했다. 바꾸다 그룹은 지난 3월 나이지리아의 틴캔(Tin Can)과 온네(Onne) 항구에 데이트를 시범 도입했다. 사전 테스트 결과, 데이트 도입으로 인해 기존의 전수 조사 통관 방법에 비해 40배 이상 효율적으로 세관 사기를 적발할 수 있음이 확인됐다. 시범운영을 마치면 알고리즘을 개선하고, 기술이전을 통해 WCO 회원국 대상으로 확대 적용해나갈 계획이다. 데이터 사이언스 그룹은 데이트 개발 성과를 오는 8월 데이터 마이닝 및 인공지능 분야의 최고 학술대회인 ACM SIGKDD(The Association for Computing Machinery’s Special Interest Group on Knowledge Discovery and Data Mining) 2020에서 발표할 예정이다. 차미영 CI는 “데이트는 세관원들의 물품 검사 및 적발된 수입자와의 소통을 도와줌으로써 스마트 세관 행정 정착에 큰 기여를 할 것”이라며 “향후 물품의 X선 이미지를 활용하거나, 전이 학습(Transfer learning)을 통해 여러 국가의 통관 데이터를 함께 활용하는 방법까지 추가해 알고리즘의 정확성을 높여나갈 계획”이라고 말했다.
2020.06.01
조회수 9241
정확성이 획기적으로 향상된 코로나19 영상 진단 기술 개발
우리 대학 바이오및뇌공학과 예종철 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 신종 코로나바이러스 감염증(이하 코로나19) 진단의 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다. 예 교수 연구팀이 개발한 인공지능 기술을 사용해 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17%가 향상된 86%이상의 우수한 정확성을 보였다고 KAIST 관계자는 설명했다. 이 기술을 세계적으로 대유행하는 코로나19 선별 진료(Triage)체계에 도입하면 상시 신속한 진단이 가능할 뿐만 아니라 한정된 의료 자원의 효율적인 사용에 큰 도움을 줄 것으로 기대된다. 오유진 박사과정과 박상준 박사과정이 공동 1저자로 참여한 이 연구 결과는 국제 학술지 `아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)'의 `영상기반 코로나19 진단 인공지능기술' 특집호 5월 8일 字 온라인판에 게재됐다. (논문명 : Deep Learning COVID-19 Features on CXR using Limited Training Data Sets) 현재 전 세계적으로 확진자 500만 명을 넘긴 코로나19 진단검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR, Reverse Transcription Polymerase Chain Reaction)을 이용한 장비가 사용된다. RT-PCR 검사의 정확성은 90% 이상으로 알려져 있으나, 검사 결과가 나오기까지는 많은 시간이 걸리며 모든 환자에게 시행하기에 비용이 많이 든다는 단점이 있다. 컴퓨터 단층촬영(CT, Computed Tomography)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용되기 어렵다. 흉부 단순 방사선 촬영(CXR, Chest X-ray)은 여러 폐 질환에서 표준 선별 검사로 활용되고 있지만 코로나19에는 RT-PCR와 CT 검사에 비해 정확성이 현저하게 떨어진다. 그러나, 최근 팬데믹으로 세계 각국에서 확진자 수가 급증함에 따라 비용이 적게 들어가고 검사방법이 용이한 CXR 검사를 정확성을 높여 활용하자는 요구가 증가하고 있다. 그동안 심층 학습(Deep Learning) 기법을 적용해 CXR 영상을 통해 코로나19를 진단하는 여러 연구사례가 보고되고 있지만 진단 정확성을 높이기 위해서는 많은 양의 데이터 확보가 필수적이며 현재와 같은 비상 상황에서는 일관되게 정제된 대량의 데이터를 수집하기가 극히 어렵다. 예 교수 연구팀은 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 통해 이런 문제점을 해결했다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보했다. 또 국소 패치 기반 방식의 장점을 활용한 새로운 인공지능 기술인 `확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization)' 방식을 활용해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조해주는 특징 지도를 만들었는데 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다. 예종철 교수는 "인공지능 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있고 이를 통해 가능성이 낮은 환자를 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 해줄 것ˮ 이라고 말했다. 한편, 이 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행됐다.
2020.05.25
조회수 12027
스스로 그림 그리는 인공지능 반도체 칩 개발
전기및전자공학부 유회준 교수 연구팀이 생성적 적대 신경망(GAN: Generative Adversarial Network)을 저전력, 효율적으로 처리하는 인공지능(AI: Artificial Intelligent) 반도체를 개발했다. 연구팀이 개발한 인공지능 반도체는 다중-심층 신경망을 처리할 수 있고 이를 저전력의 모바일 기기에서도 학습할 수 있다. 연구팀은 이번 반도체 칩 개발을 통해 이미지 합성, 스타일 변환, 손상 이미지 복원 등의 생성형 인공지능 기술을 모바일 기기에서 구현하는 데 성공했다. 강상훈 박사과정이 1 저자로 참여한 이번 연구결과는 지난 2월 17일 3천여 명 반도체 연구자들이 미국 샌프란시스코에 모여 개최한 국제고체회로설계학회(ISSCC)에서 발표됐다. (논문명 : GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation) 기존에 많이 연구된 인공지능 기술인 분류형 모델(Discriminative Model)은 주어진 질문에 답을 하도록 학습된 인공지능 모델로 물체 인식 및 추적, 음성인식, 얼굴인식 등에 활용된다. 이와 달리 생성적 적대 신경망(GAN)은 새로운 이미지를 생성·재생성할 수 있어 이미지 스타일 변환, 영상 합성, 손상된 이미지 복원 등 광범위한 분야에 활용된다. 또한, 모바일 기기의 다양한 응용 프로그램(영상·이미지 내 사용자의 얼굴 합성)에도 사용돼 학계뿐만 아니라 산업계에서도 주목을 받고 있다. 그러나 생성적 적대 신경망은 기존의 딥러닝 네트워크와는 달리 여러 개의 심층 신경망으로 이루어진 구조로, 개별 심층 신경망마다 다른 요구 조건으로 최적화된 가속을 하는 것이 어렵다. 또한, 고해상도 이미지를 생성하기 위해 기존 심층 신경망 모델보다 수십 배 많은 연산량을 요구한다. 즉, 적대적 생성 신경망은 연산 능력이 제한적이고 사용되는 메모리가 작은 모바일 장치(스마트폰, 태블릿 등)에서는 소프트웨어만으로 구현할 수 없었다. 최근 모바일 기기에서 인공지능을 구현하기 위해 다양한 가속기 개발이 이뤄지고 있지만, 기존 연구들은 추론 단계만 지원하거나 단일-심층 신경망 학습에 한정돼 있다. 연구팀은 단일-심층 신경망뿐만 아니라 생성적 적대 신경망과 같은 다중-심층 신경망을 처리할 수 있으면서 모바일에서 학습도 가능한 인공지능 반도체 GANPU(Generative Adversarial Networks Processing Unit)를 개발해 모바일 장치의 인공지능 활용범위를 넓혔다. 연구팀이 개발한 인공지능 반도체는 서버로 데이터를 보내지 않고 모바일 장치 내에서 생성적 적대 신경망(GAN)을 스스로 학습할 수 있어 사생활을 보호를 가능케 하는 프로세서라는 점에서 그 활용도가 기대된다. 모바일 기기에서 저전력으로 다중-심층 신경망을 가속하기 위해서 다양한 핵심 기술이 필요하다. 연구팀이 개발한 GANPU에 사용된 핵심 기술 중 대표적인 기술 3가지는 ▲적응형 워크로드 할당(ASTM, 처리해야 할 워크로드*를 파악해 칩 상의 다중-심층 신경망의 연산 및 메모리 특성에 맞춰 시간·공간으로 나누어 할당함으로써 효율적으로 가속하는 방법) ▲입출력 희소성 활용 극대화(IOAS, 인공신경망 입력 데이터에서 나타나는 0뿐만 아니라 출력의 0도 예측해 연산에서 제외함으로써 추론 및 학습 과정에서의 속도와 에너지효율 극대화) ▲지수부만을 사용한 0 패턴 추측(EORS, 인공신경망 출력의 0을 예측하기 위한 알고리즘으로 인공신경망 입력과 연결 강도(weight)의 부동소수점 데이터 중 지수 부분만을 사용해 연산을 간단히 수행하는 방법)이다. 위의 기술을 사용함으로써 연구팀의 GANPU는 기존 최고 성능을 보이던 심층 신경망 학습 반도체 대비 4.8배 증가한 에너지효율을 달성했다. 연구팀은 GANPU의 활용 예시로 태블릿 카메라로 찍은 사진을 사용자가 직접 수정할 수 있는 응용 기술을 시연했다. 사진상의 얼굴에서 머리·안경·눈썹 등 17가지 특징에 대해 추가·삭제 및 수정사항을 입력하면 GANPU가 실시간으로 이를 자동으로 완성해 보여 주는 얼굴 수정 시스템을 개발했다.
2020.04.06
조회수 13809
유민수교수, 페이스북 패컬티 리서치 어워드 수상
우리 대학 전기및전자공학부 유민수 교수가 페이스북에서 수여하는 페이스북 패컬티 리서치 어워드(Facebook Faculty Research Award) 수상자로 선정됐다. 페이스북 패컬티 리서치 어워드는 인공지능 기술을 가속화 할 차세대 컴퓨팅 시스템의 개발 및 상용화에 이바지할 연구주제를 발굴하기 위해 제정됐다. 전 세계 26개국, 100개 대학 167명의 교수가 연구 제안요청서를 제출했고, 그중 10명의 수상자가 선정됐다. 유민수 교수는 아시아권에서는 유일하게 수상자 명단에 포함됐다. 유민수 교수는 이번 수상을 통해 5만 달러의 연구비를 지원받게 되며, 시상식은 오는 2020년 가을 페이스북 멘로 파크 본사에서 열릴 ‘AI 시스템 패컬티 서밋(AI Systems Faculty Summit’에서 진행될 예정이다. 유민수 교수는 ‘A Near-Memory Processing Architecture for Training Recommendation Systems’이라는 연구주제로 머신러닝 시스템(Systems for Machine Learning) 분야에서 최종 수상자로 선정됐다. 이번 수상의 기초 연구가 된 ‘메모리 중심의 딥-러닝 시스템 구조’는 유민수 교수가 2017년 삼성 미래 기술 육성 재단으로부터 3년간의 지원 속에 진행한 연구의 성과물로, 지능형 시스템 반도체 시장 진출에 어려움을 겪고 있는 삼성전자 및 SK 하이닉스 등의 국내 기업과 긴밀히 협력해 세계 시장에서 메모리 중심의 지능형 반도체 개발을 주도할 수 있는 초석으로 평가받는다. 유민수 교수는 인공지능 컴퓨팅 기술 기업인 미국 엔비디아 본사에 2014년 입사 후 인공지능 컴퓨팅 가속을 위한 다양한 하드웨어 및 소프트웨어 시스템 연구를 주도해 왔다. 지난 2018년부터는 KAIST 전기 및 전자공학부에서 재직 중이다. 해당 수상에 관한 자세한 소식은 아래 웹사이트에서 확인할 수 있다. https://research.fb.com/blog/2020/02/announcing-the-winners-of-the-systems-for-machine-learning-rfp/
2020.02.19
조회수 10428
김기응 교수 연구, 국제 AI 챗봇 챌린지 우승
우리 대학 AI대학원 김기응 교수 연구팀(이정관, 함동훈 석사과정, 장영수 박사과정)은 인공지능 대화 시스템 분야 대표적 국제 경진대회인 제8회 대화시스템기술챌린지(The Eighth Dialogue System Technology Challenge; DSTC8)의 다중 도메인 태스크 완수(Multi-Domain Task Completion) 부문에서 우승을 차지했다. 마이크로소프트 리서치, IBM 리서치, 아마존 알렉사 AI가 공동주최한 대화시스템기술챌린지는 2019년 6월 데이터셋 공개 이후 약 3개월에 걸쳐 진행됐다. 연구팀은 사람이 직접 평가하는 인적 평가에서 68.32%의 성공률로 1위를 차지했고, 언어 이해 점수와 응답 적절성 점수에서 큰 차이를 보였다(결과 안내 : https://convlab.github.io/ ). 이 대회에서는 호텔, 식당, 명소 등 다양한 주제가 등장할 수 있는 여행 정보 안내 상황에서 사용자와의 대화를 통해 ▲ 사용자 요구사항 이해 ▲ 데이터베이스에서 요청한 정보 검색 ▲ 예약 시스템과의 연동 등의 수 있는 목적지향 대화 챗봇(chat-bot)을 만드는 것을 목표로 한다. 이러한 업무를 위한 기존 대화 시스템은 사용자 발화 이해(Natural Language Understanding; NLU), 대화 상태 추적(Dialogue State Tracking; DST), 대화 정책 결정(Dialogue Policy), 시스템 발화 생성(Natural Language Generation; NLG)의 총 네 단계를 수행하는 특화된 모듈로 구성돼 독립적으로 개발하고 통합한다. 김 교수 연구팀은 언어생성 모델인 GPT-2를 기반으로 위의 네 단계를 모두 수행하는 하나의 심층 신경망 모델을 제안했다. 연구팀이 개발한 대화 시스템은 언어생성 모델의 강력한 성능을 활용하는 창의적인 훈련 기법을 선보임으로써 기존의 방법론에 비해 훈련 과정을 대폭 단순화했다. 김기응 교수는 “최근 딥러닝 언어모델들이 다양한 자연어처리 태스크에 활용되는 추세인데, 복잡한 목적지향 대화처리에도 간결한 훈련 방법을 통해 우월한 성능을 보일 수 있음을 공식적으로 인정받은 것에 의의가 있다”라며, “아직 해결해야 할 연구 이슈가 많지만, 이 연구를 출발점으로 삼은 새로운 개발방법론들이 많이 등장할 것으로 기대한다”라고 말했다. 이번 연구는 2020년도 AAAI 학술대회의 대화시스템기술챌린지 워크숍에서 발표될 예정이다. 이 연구 결과는 산업통상자원부의 산업기술혁신사업 지원의 실내용 음성대화 로봇을 위한 원거리 음성인식 기술 및 멀티 태스크 대화처리 기술 개발 과제 수행을 통해 이뤄졌다.
2020.01.31
조회수 8712
<<
첫번째페이지
<
이전 페이지
1
2
3
4
5
6
7
8
9
10
>
다음 페이지
>>
마지막 페이지 15