KAIST

우리 대학이 28일 오후 대전 본원 정보전자공학동에서 '인공지능반도체대학원 개원식'을 열었다. 인공지능반도체대학원(책임교수 유회준)은 지난 5월 과학기술정보통신부의 인공지능반도체 분야 석·박사 고급인재 양성사업에 선정돼 설립됐다. 과기부로부터 연 30억 원, 대전광역시에서 연 9억 원을 지원 받는다. 올 가을학기부터 학사 운영을 시작해 12명의 석·박사 과정 학생이 재학 중이며, 향후 5년간 150명의 인재를 배출할 계획이다. 이날 열린 개원식에는 이광형 총장, 이장우 대전광역시장, 더불어민주당 조승래 의원(대전 유성구 갑), 강도현 과기정통부 정책실장, 전성배 정보통신기획평가원장, 방승찬 ETRI 원장과 산학 협력기업 관계자 등이 함께 참석해 현판 제막식을 진행했다. 유회준 책임교수는 "KAIST는 반도체 공정과 설계 등 전 분야에 걸쳐 세계적인 경쟁력을 갖춘 교육과 연구 여건이 완비되었다"라고 전했다.2008년부터 인공지능반도체 기술 개

유엔기구(UN)의 지속가능발전목표(SDGs)에 따르면 하루 2달러 이하로 생활하는 절대빈곤 인구가 7억 명에 달하지만 그 빈곤의 현황을 제대로 파악하기는 쉽지 않다. 전 세계 중 53개국은 지난 15년 동안 농업 관련 현황 조사를 하지 못했으며, 17개국은 인구 센서스(인구주택 총조사)조차 진행하지 못했다. 이러한 데이터 부족을 극복하려는 시도로, 누구나 웹에서 받아볼 수 있는 인공위성 영상을 활용해 경제 지표를 추정하는 기술이 주목받고 있다. 우리 대학 차미영-김지희 교수 연구팀이 기초과학연구원, 서강대, 홍콩과기대(HKUST), 싱가포르국립대(NUS)와 국제공동연구를 통해 주간 위성영상을 활용해 경제 상황을 분석하는 새로운 인공지능(AI) 기법을 개발했다고 21일 밝혔다. 연구팀이 주목한 것은 기존 통계자료를 기반으로 학습하는 일반적인 환경이 아닌, 기초 통계도 미비한 최빈국(最貧國)까지 모니터링할 수 있는 범용적인 모델이다. 연구팀은 유럽우주국(ESA)이 운용하며 무료로

의생명공학 연구에 일반적으로 사용되는 현미경 기술들은 염색이나 유전자 조작을 해야만 관찰할 수 있다는 한계가 있다. 하지만 염색이 된 세포들은 치료 목적으로 활용할 수 없어 세포나 조직을 살아있는 상태 그대로 관찰할 수 있는 홀로그래픽 현미경과 이를 체계적으로 분석할 수 있는 인공지능을 결합한 의생명공학 연구의 활용 방안 및 문제점에 대한 분석이 필요하다. 우리 대학 물리학과 박용근 교수 연구팀이 국제 학술지 `네이처 메소드(Nature Methods)'에 홀로그래픽 현미경과 인공지능 융합 연구 방법론을 조망한 견해 (perspective)를 게재했다고 14일 전했다. 연구팀은 기존 현미경 기술 대비 홀로그래픽 현미경의 이미지 복원 기술이 시간을 많이 필요하고 전처리 없이 세포나 조직을 찍을 수 있다는 장점이 있지만, 대신에 그만큼 결과물 분석에 많은 시간과 노력을 들여야 한다고도 분석했다. 박용근 교수 연구팀은 이런 문제점을 홀로그래픽 현미경과 인공지능과의 통합을 통해

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 성능

인공지능 기술이 사회 전반에 걸쳐 광범위하게 활용되며 인간의 삶에 많은 영향을 미치고 있다. 최근 인공지능의 긍정적인 효과 이면에 범죄자의 재범 예측을 위해 머신러닝 학습에 사용되는 콤파스(COMPAS) 시스템을 기반으로 학습된 모델이 인종 별로 서로 다른 재범 확률을 부여할 수 있다는 심각한 편향성이 관찰되었다. 이 밖에도 채용, 대출 시스템 등 사회의 중요 영역에서 인공지능의 다양한 편향성 문제가 밝혀지며, 공정성(fairness)을 고려한 머신러닝 학습의 필요성이 커지고 있다. 우리 대학 전기및전자공학부 황의종 교수 연구팀이 학습 상황과 달라진 새로운 분포의 테스트 데이터에 대해서도 편향되지 않은 판단을 내리도록 돕는 새로운 모델 훈련 기술을 개발했다고 30일 밝혔다. 최근 전 세계의 연구자들이 인공지능의 공정성을 높이기 위한 다양한 학습 방법론을 제안하고 있지만, 대부분의 연구는 인공지능 모델을 훈련시킬 때 사용되는 데이터와 실제 테스트 상황에서 사용될 데이터가 같