KAIST

지난 8월 8일부터 11일(현지 시각) 미국 라스베이거스에서 사이버 보안 분야 최고 학회 중 하나인 데프콘(DEF CON)에서 미국 고등연구계획국(이하 DARPA)의 주도하에 AI 사이버챌린지(AI Cyber Challenge, AIxCC)의 예선 대회가 진행됐다. 이는 AI를 활용한 차세대 해킹 시스템 경연 대회다. 우리 대학 전기및전자공학부 윤인수 교수 연구실이 속한 연합팀, 팀 애틀랜타(Team Atlanta)가 국내 대학이 포함된 팀으로서는 유일하게 톱(TOP) 7에 포함돼 내년 8월 개최 예정인 AI 사이버 챌린지 결승 진출팀으로 선정됐다고 21일 밝혔다. 팀 애틀랜타는 KAIST, 삼성 리서치, POSTECH, 조지아 공대의 연합팀으로, 현재 삼성 리서치 상무로 재직 중인 조지아 공대 김태수 교수의 연구실 출신 인원들이 주축이 되어 구성된 팀이다. 팀 이름은 조지아 공대가 있는 미국의 도시, 애틀랜타에서 유래했다. 팀 애틀랜타의 윤인수 교수는 세계적인 화이

인공지능 심층신경망 모델의 추천시스템에서 시간이 지남에 따라 사용자의 관심이 변하더라도 변화한 관심 또한 효과적으로 학습할 수 있는 인공지능 훈련 기술 개발이 요구되고 있다. 사용자의 관심이 급변하더라도 기존의 지식을 유지하며 새로운 지식을 축적하는 인공지능 연속 학습을 가능하게 하는 기술이 KAIST 연구진에 의해 개발됐다. 우리 대학 전산학부 이재길 교수 연구팀이 다양한 데이터 변화에 적응하며 새로운 지식을 학습함과 동시에 기존의 지식을 망각하지 않는 새로운 연속 학습(continual learning) 기술을 개발했다고 5일 밝혔다. 최근 연속 학습은 훈련 비용을 줄일 수 있도록 프롬프트(prompt) 기반 방식이 대세를 이루고 있다. 각 작업에 특화된 지식을 프롬프트에 저장하고, 적절한 프롬프트를 입력 데이터에 추가해 심층신경망에 전달함으로써 과거 지식을 효과적으로 활용한다. 이재길 교수팀은 기존 접근방식과 다르게 작업 간의 다양한 변화 정도에 적응할 수 있는

우리 대학이 전 구성원을 대상으로 하는 음악 경연대회인 '2024 교가·애국가 챌린지'를 개최한다. '2024 교가·애국가 챌린지'는 우리 대학의 가치와 교육이념에 대한 공감도를 높이고 애국심과 애교심을 고취하는 계기를 마련하기 위해 기획된 행사다. 애국가나 교가 혹은 조수미 문화기술대학원 초빙석학교수가 기존의 교가를 새롭게 불러 헌정한 'I`m a KAIST'를 가창하는 경연대회다. 공모는 지난 4월 시작돼 출전팀이 직접 가창한 경연곡 영상을 제출하는 방식으로 예선이 진행됐다. 28일 저녁 대전 본원 대강당에서 열리는 결선 무대에는 총 8개 팀이 진출한다. 이광형 총장은 학부생 힙합동아리 구토스와 함께 무대에 오른다. 이 총장은 이번 경연을 위해 교가를 개사해 직접 가사를 쓴 랩을 선보일 예정이다. 인도네시아 유학생인 생명화학공학과 트리아 아스리 위도와티 석사과정, 스테파니 탄 박사과정 학생은 'I`m a KAIST'를 한국어로 가창

우리 대학 기계공학과 이정철 교수 연구팀(이정철 교수, 고주희 박사과정)이 지난 11월 1일~4일 인천 송도 컨벤시아에서 성황리에 개최된 2023년 대한기계학회 추계학술대회 KSME-SEMES 오픈이노베이션 챌린지 대회에서 전문가그룹 금상을 수상했다. 발표 주제는 “가열 유동채널 공진기 기반 하이퍼 멀티모달 측정과 머신 러닝을 활용한 초미량 미확인 액체 인식 기술”로서 가열전극과 유동채널이 통합된 기계공진기를 이용하여 다양한 작동 온도에서 약 100 밀리초에 1번씩 액상 시료의 밀도, 역학점도, 열전도도, 비열, 열확산도, 동점도 그리고 무차원 수인 프란틀 (Prandtl) 수, 총 7개 물성을 동시에 획득할 수 있는 하이퍼 멀티모달 측정이 가능함을 최초로 소개하였다. 또한 개발한 하이퍼 멀티모달 측정을 머신러닝과 결합하여 액상 다원 혼합물을 분리하지 않고 분석할 수 있는 아이디어를 제안하고 가능성을 소개하였다. 이는 기존의 혼합물 분석의 gold st

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