%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5
-
실제 약물로 개발되는 단백질-리간드 상호작용 예측 인공지능 모델 개발
우리 대학 연구진이 물리화학적 아이디어를 인공지능 딥러닝에 접목해 기존의 방법보다 일반화 성능이 높은 단백질-리간드 상호작용 예측 모델을 개발했다. 리간드란 수용체와 같은 큰 생체 분자에 특이적으로 결합하는 물질을 말하며, 생체 내의 중요한 요소이자 의약품의 개발 등에 큰 역할을 한다.
화학과 김우연 교수 연구팀이 교원창업 인공지능 신약 개발 스타트업 HITS 연구진과 함께 물리 기반 삼차원 그래프 심층 신경망을 이용해 일반화 성능을 높인 단백질-리간드 상호작용 예측 모델을 개발했다고 17일 밝혔다.
약물 후보 분자를 발굴하기 위해서 타깃 단백질과 강하게 결합하는 리간드를 찾는 것이 중요하다. 하지만 유효 물질을 찾기 위해 수백만에서 수천만 개의 무작위 리간드 라이브러리를 대상으로 실험 전수 조사를 수행하는 것은 천문학적인 시간과 비용이 필요하다. 이러한 시간과 비용을 절감하기 위해 최근 단백질-리간드 상호작용 예측에 기반한 가상탐색(virtual screening) 기술이 주목받고 있다.
기존의 상호작용 예측 인공지능 모델들은 학습에 사용한 구조에 대해서는 높은 예측 성능을 보여주지만, 새로운 단백질 구조에 대해서는 낮은 성능을 보이는 과적합(over-fitting)이 문제가 됐다. 과적합 문제는 일반적으로 모델의 복잡도에 비해 데이터가 적을 때 발생한다. 이번 연구는 이러한 과적합 문제를 해결함으로써 다양한 단백질에 대해 고른 성능을 보여주는 예측 모델을 개발하는데 주안점을 뒀다.
연구진은 물리화학적 아이디어들을 딥러닝 모델에 적용해 모델의 복잡도를 줄임과 동시에 물리 시뮬레이션을 통해 부족한 데이터를 보강함으로써 과적합 문제를 해결하고자 하였다. 단백질 원자와 리간드 원자 사이의 거리에 따른 반데르발스 힘, 수소 결합력 등을 물리화학적 방정식으로 모델링하고, 매개변수를 딥러닝으로 예측함으로써 물리 법칙을 만족하는 예측을 가능하게 했다.
또한, 학습에 사용한 단백질-리간드 결정 구조가 실험적으로 판명된 가장 안정한 구조임에 착안했다. 부족한 실험 데이터를 보강하기 위해 불안정한 단백질-리간드 구조로 이루어진 수십만 개의 인공 데이터를 생성해 학습에 활용했고, 그 결과 생성된 구조에 비해 실제 구조를 안정하게 예측하도록 모델을 학습할 수 있었다.
연구진은 개발된 모델의 성능을 검증하기 위해 대조군으로 `CASF-2016 벤치마크'를 활용했다. 이 벤치마크는 다양한 단백질-리간드 구조들 사이에서 실험적으로 판명된 결정 구조에 근접한 구조를 찾는 도킹과 상대적으로 결합력이 큰 단백질-리간드 쌍을 찾는 스크리닝 등 실제 약물을 개발하는 과정에 필수적인 과제를 포함하고 있다. 검증 테스트 결과 기존에 보고된 기술에 비해 높은 도킹 및 스크리닝 성공률을 보여줬으며, 특히 스크리닝 성능은 기존에 보고된 최고 성능 대비 약 두 배 높은 수치를 보였다.
연구진이 개발한 물리 기반 딥러닝 방법론의 또 다른 장점은 예측의 결과를 물리적으로 해석 가능하다는 것이다. 이는 딥러닝으로 최적화된 물리화학 식을 통해 최종 상호작용 값을 예측하기 때문이다. 리간드 분자 내 원자별 상호작용 에너지의 기여도를 분석함으로써 어떤 작용기가 단백질-리간드 결합에 있어서 중요한 역할을 했는지 파악할 수 있으며, 이와 같은 정보는 추후 약물 설계를 통해 성능을 높이는 데 직접 활용할 수 있다.
공동 제1 저자로 참여한 화학과 문석현, 정원호, 양수정(현재 MIT 박사과정) 박사과정 학생들은 "데이터가 적은 화학 및 바이오 분야에서 일반화 문제는 항상 중요한 문제로 강조돼왔다ˮ며 "이번 연구에서 사용한 물리 기반 딥러닝 방법론은 단백질-리간드 간 상호작용 예측 뿐 아니라 다양한 물리 문제에 적용될 수 있을 것ˮ이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 `Chemical Science(IF=9.825)' 2022년 4월 13호에 표지 논문 및 `금주의 논문(Pick of the Week)'으로 선정됐다. (논문명 : PIGNet: a physics-informed deep learning model toward generalized drug–target interaction predictions, 논문 링크 : https://doi.org/10.1039/D1SC06946B)
2022.05.17 조회수 704 -
두뇌 신경 조율 활동을 모방한 저전력 인공지능 하드웨어 핵심기술 개발
우리 대학 신소재공학과 김경민 교수 연구팀이 두뇌에서 일어나는 신경 조율 활동을 구현한 인공지능용 하드웨어와 관련 알고리즘의 개발에 성공했다고 19일 밝혔다.
4차 산업 혁명 시대를 맞아 인공지능 기술(Artificial Intelligence; AI)의 연구가 활발해지고 이에 따라 인공지능 기반 전자기기들의 개발 및 제품 출시가 가속화되고 있다. 인공지능을 전자기기에서 구현하기 위해서 맞춤형 하드웨어의 개발 또한 뒷받침돼야 하는데, 현재 대부분의 인공 지능용 전자기기들은 많은 연산량을 수행하기 위해 높은 전력 소모와 고도로 집적된 메모리 배열을 사용하고 있다.
인공 지능의 능력 향상을 위해 이러한 전력 소모 및 집적화 한계의 문제를 해결하는 것은 인공 지능 기술 분야의 커다란 과제이며, 인간의 뇌 활동에서 문제 해결의 단서를 찾고자 하는 노력이 계속돼왔다.
김경민 교수 연구팀은 인간의 두뇌 신경망이 신경 조율(Neuromodulation) 기능을 통해 연결 구조를 상황에 따라 지속적으로 변화시키는 것을 모방, 인공 지능을 위한 수학적 연산을 효율적으로 처리할 수 있는 기술을 개발했다. 두뇌에서는 학습하는 과정에서 실시간으로 신경망의 연결도를 변경해 필요에 따라 기억을 저장하거나 불러내는데, 이러한 신경 조율 기능을 하드웨어에서 직접 구현하는 새로운 방식의 인공 지능 학습 방식을 제시한 것이다.
연구팀은 개발된 기술의 효율성을 증명하기 위해 독자적인 전자 시냅스 소자가 탑재된 인공 신경망 하드웨어를 제작했으며, 여기에 개발한 알고리즘을 적용해 실제 인공지능 학습을 진행했고, 그 결과 인공지능 학습에 필요한 에너지를 37% 절약할 수 있었다.
공동 제1 저자인 신소재공학과 정운형 박사과정과 전재범 박사과정은 "인간의 두뇌는 생존을 위해 에너지 소모를 최소화하는 방향으로 진화해왔다. 이번 연구에서는 간단한 회로의 구성만으로 인간 두뇌의 학습 방식을 구현하였으며, 이를 통해 40%에 가까운 에너지를 줄일 수 있었다, 이는 범용성 있게 모든 SNN(스파이킹 뉴럴 네트워크) 인공 신경망에서 사용 가능한 장점을 가진다ˮ며 "뇌 활동을 모방해 개발한 새로운 학습 방식의 착안은 앞으로 인공 지능 분야의 소프트웨어·하드웨어 분야가 나아가야 할 길의 이정표가 될 것이다ˮ라고 말했다.
이러한 두뇌 신경 활동을 모방한 학습 알고리즘은 기존 전자기기 및 상용화된 반도체 하드웨어에 적용 및 호환을 할 수 있으며 차세대 인공 지능용 반도체 칩의 설계에 사용할 수 있을 것으로 기대된다.
이번 연구는 국제 학술지 `어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials)'에 지난 3월 31일 자에 게재됐으며 한국연구재단, ㈜SK Hynix, 나노종합기술원(NNFC) 및 KAIST의 지원을 받아 수행됐다. (논문명: Demonstration of Neuromodulation-inspired Stashing System for Energy-efficient Learning of Spiking Neural Network using a Self-Rectifying Memristor Array)
2022.04.19 조회수 914 -
한국뇌연구원과 혁신적 뇌연구를 위한 업무협약 체결
우리 대학이 한국뇌연구원(서판길 원장)과 18일(월) ‘혁신적 뇌연구를 위한 업무협약’을 체결했다. 이번 협약은 KAIST 신경과학-인공지능 융합연구센터(센터장 이상완 교수)와 한국뇌연구원 윤종혁 그룹장(퇴행성뇌질환 연구그룹)이 협력하며 성사됐다. 양 기관은 유기적인 업무협력 체계를 구축함과 더불어 공동연구 협력 및 인재 양성을 통한 뇌연구 분야 역량 강화를 위해 한 뜻을 모았다.
이번 협약을 통해 양 기관은 혁신적 뇌연구(뇌공학, 뇌질환, 뇌영상, 데이터과학 등)와 관련 주제를 함께 발굴하여 연구하고, 최신 뇌연구 인프라를 공동 활용할 예정이다. 또한 전문인력을 교류하고 양성하는 등 다각적인 노력을 해 나갈 것을 약속했다.
18일(월) 오후 5시 우리 대학 본원 제1회의실에서 개최되는 협약식에는 이광형 KAIST 총장, 이상완 신경과학-인공지능 융합 연구센터장, 정용 헬스사이언스 연구소장, 김재경 수리과학과/IBS 수리및계산과학연구단 교수등 KAIST 관계자들과 한국뇌연구원 서판길 원장, 김형준 연구본부장, 윤종혁 그룹장, 하창만 대외협력센터장 등의 관계자가 참석했다.
이광형 KAIST 총장은 “특성화 대학과 정부출연연구기관 간 상호 긴밀한 협력 체제를 구축하게 되어 기쁘다. 우수한 뇌연구 성과를 통해 국민 삶의 질 향상, 국가 경쟁력 강화, 국제적 위상 정립에 이바지할 것”이라고 소감을 전했다.
한국뇌연구원 서판길 원장은 “인공지능을 기반으로 한 뇌 빅데이터 분석 및 검증 플랫폼 공동 개발을 추진할 계획이다. 적극적인 연구 및 전문 인재 공유와 협업을 통해 뇌연구 고도화의 초석을 함께 다지겠다”라고 밝혔다.
2022.04.18 조회수 638 -
강화학습을 활용한 인공지능으로 자유구조 메타표면 최적화 성공
우리 대학 전기및전자공학부 장민석 교수 연구팀이 KC ML2(반도체 제조 솔루션 기업 KC에서 설립한 연구조직) 박찬연 박사와 공동연구를 통해 강화학습에 기반한 자유 구조의 메타 표면 구조 설계 방법을 제안했다고 25일 밝혔다.
메타 표면은 빛의 파장보다 훨씬 작은 크기의 구조를 이용해 이전에 없던 빛의 성질을 달성하는 나노광학 소자를 뜻한다. 나노광학 소자는 빛의 특성을 미시 단위에서 제어하여, 자율주행에 쓰이는 라이다(LiDAR) 빔조향 장치, 초고해상도 이미징 기술, 디스플레이에 활용되는 발광소자의 광특성 제어, 홀로그램 생성 등에 활용될 수 있다. 최근 나노광학 소자에 대한 기대 성능이 높아지면서, 이전에 있던 소자구조를 훨씬 뛰어넘는 성능을 달성하기 위해 자유 구조를 가지는 소자의 최적화에 관한 관심이 증가하고 있다. 자유 구조와 같이 넓은 설계공간을 가진 문제에 대해 강화학습을 적용해 해결한 사례는 이번이 최초다.
우리 대학 서동진 연구원 및 ML2 남원태 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `ACS 포토닉스(ACS Photonics)' 2022년 2월호 전면 표지논문으로 게재됐다. (논문명 : Structural Optimization of a One-Dimensional Freeform Metagrating Deflector via Deep Reinforcement Learning)
강화학습은 동물이 학습하는 방법을 모방한 인공지능 방법론이다. 동물 행동 심리학에서 `스키너의 상자'라고 알려진 실험이 그 모티브가 되었는데, 해당 실험은 상자 내부에 쥐를 넣고 누르면 먹이가 나오는 지렛대를 함께 두는 방식으로 진행된다. 처음에 무작위 행동을 하던 쥐는 지렛대를 누르면 먹이가 나오는 것을 확인한다. 시간이 지날수록 더 높은 빈도수로 지렛대를 누르게 되는데, 이렇게 어떠한 보상(먹이)이 행동(지렛대를 누르는 행위)을 `강화'하는 것을 관찰할 수 있다. 해당 실험과 매우 유사한 구조를 갖는 강화학습은 행동 주체가 자기를 둘러싼 `환경'으로부터 `보상'을 받으면서 환경에 대해 배워나가는 인공지능 방법론이다.
2016년 이세돌 9단과의 대국에서 승리한 구글 딥마인드의 `알파고(AlphaGo)'가 그 대표적 사례다. 알파고는 바둑판으로 표현되는 환경과의 상호작용을 통해 바둑의 복잡한 규칙을 학습했고, 우주에 있는 원자보다 많다고 알려진 경우의 수 중 최적에 가까운 선택을 할 수 있었다. 최근 인공지능 학계에서 강화학습은 인간의 지능과 가장 유사한 형태의 인공지능 방법론으로 크게 주목받고 있다.
연구팀은 복잡한 환경을 쉽게 학습할 수 있는 강화학습의 특징을 메타 표면 자유 구조의 최적화에 활용하는 아이디어를 제안했다. 이전에 메타 표면 자유 구조 최적화 기술은 너무 많은 경우의 수로 인해 해결하기 어려운 것으로 여겨졌다. 따라서 기존 연구 방향은 주로 간단한 기본도형 등으로 구조를 단순화한 방식을 활용했다. 하지만 해당 방식은 기하학적 구조가 제한된다는 한계가 있었고, 더욱 복잡한 구조에 대한 최적화 기술은 달성하기 어려운 것으로 여겨졌다.
연구팀이 제안한 알고리즘은 아주 간단한 아이디어에서 출발한다. 강화학습의 `행동'을 구조의 구성요소를 하나씩 `뒤집는' 것으로 정의하는 것이다. 이것은 기존에 구조를 전체적으로 생성하는 방식으로만 생각되었던 자유 구조의 최적화에 대한 발상을 뒤집는 것이었다. 연구팀은 해당 방법을 이용해 메타 표면에 대한 특별한 사전지식 없이도 가능한 구조를 넓게 탐색하고 최적 구조를 발견할 수 있음을 보였다. 또한, 많은 입사 조건에서 최신 성능과 비슷하거나 앞서며 특정 조건에서는 100%에 가까운 효율을 달성했다.
이번 연구를 통해 자유 구조 최적화 분야의 새로운 돌파구를 찾을 것으로 기대되며, 광소자뿐 아니라 많은 분야의 소자 구조 최적화에도 활용될 수 있을 것으로 기대된다.
제1 저자인 서동진 연구원은 "강화학습은 복잡한 환경에서 최적의 경우를 찾는 데에 효과적인 알고리즘이다. 이번 연구에서 해당 방법으로 자유 구조의 최적화를 수행하는 것에 성공하는 사례를 남겨 기쁘다ˮ고 말했다.
장민석 교수는 "광공학에 인공지능 기술을 적용하는 분야에서 좋은 결과가 나와 과학의 위상을 높이는 데 기여하기를 희망한다ˮ고 말했다.
한편 이번 연구는 한국연구재단의 중견연구자지원사업(전략연구), 한-스위스 이노베이션프로그램, 그리고 미래소재디스커버리 사업의 지원을 받아 수행됐다.
2022.02.25 조회수 1803 -
세계 최초 그래프 기반 인공지능 추론 가능한 SSD 개발
우리 대학 전기및전자공학부 정명수 교수 연구팀(컴퓨터 아키텍처 및 메모리 시스템 연구실)이 세계 최초로 그래프 기계학습 추론의 그래프처리, 그래프 샘플링 그리고 신경망 가속을 스토리지/SSD 장치 근처에서 수행하는 `전체론적 그래프 기반 신경망 기계학습 기술(이하 홀리스틱 GNN)'을 개발하는데 성공했다고 10일 밝혔다.
연구팀은 자체 제작한 프로그래밍 가능 반도체(FPGA)를 동반한 새로운 형태의 계산형 스토리지/SSD 시스템에 기계학습 전용 신경망 가속 하드웨어와 그래프 전용 처리 컨트롤러/소프트웨어를 시제작했다. 이는 이상적 상황에서 최신 고성능 엔비디아 GPU를 이용한 기계학습 가속 컴퓨팅 대비 7배의 속도 향상과 33배의 에너지 절약을 가져올 수 있다고 밝혔다.
그래프 자료구조가 적용된 새로운 기계학습 모델은 기존 신경망 기반 기계학습 기법들과 달리, 데이터 사이의 연관 관계를 표현할 수 있어 페이스북, 구글, 링크드인, 우버 등, 대규모 소셜 네트워크 서비스(SNS)부터, 내비게이션, 신약개발 등 광범위한 분야와 응용에서 사용된다. 예를 들면 그래프 구조로 저장된 사용자 네트워크를 분석하는 경우 일반적인 기계학습으로는 불가능했던 현실적인 상품 및 아이템 추천, 사람이 추론한 것 같은 친구 추천 등이 가능하다. 이러한 신흥 그래프 기반 신경망 기계학습은 그간 GPU와 같은 일반 기계학습의 가속 시스템을 재이용해 연산 되어왔는데, 이는 그래프 데이터를 스토리지로부터 메모리로 적재하고 샘플링하는 등의 데이터 전처리 과정에서 심각한 성능 병목현상과 함께 장치 메모리 부족 현상으로 실제 시스템 적용에 한계를 보여 왔다.
정명수 교수 연구팀이 개발한 홀리스틱 GNN 기술은 그래프 데이터 자체가 저장된 스토리지 근처에서 사용자 요청에 따른 추론의 모든 과정을 직접 가속한다. 구체적으로는 프로그래밍 가능한 반도체를 스토리지 근처에 배치한 새로운 계산형 스토리지(Computational SSD) 구조를 활용해 대규모 그래프 데이터의 이동을 제거하고 데이터 근처(Near Storage)에서 그래프처리 및 그래프 샘플링 등을 가속해 그래프 기계학습 전처리 과정에서의 병목현상을 해결했다.
일반적인 계산형 스토리지는 장치 내 고정된 펌웨어와 하드웨어 구성을 통해서 데이터를 처리해야 했기 때문에 그 사용에 제한이 있었다. 그래프처리 및 그래프샘플링 외에도, 연구팀의 홀리스틱 GNN 기술은 인공지능 추론 가속에 필요한 다양한 하드웨어 구조, 그리고 소프트웨어를 후원할 수 있도록 다수 그래프 기계학습 모델을 프로그래밍할 수 있는 장치수준의 소프트웨어와 사용자가 자유롭게 변경할 수 있는 신경망 가속 하드웨어 프레임워크 구조를 제공한다.
연구팀은 홀리스틱 GNN 기술의 실효성을 검증하기 위해 계산형 스토리지의 프로토타입을 자체 제작한 후, 그 위에 개발된 그래프 기계학습용 하드웨어 *RTL과 소프트웨어 프레임워크를 구현해 탑재했다. 그래프 기계학습 추론 성능을 제작된 계산형 스토리지 가속기 프로토타입과 최신 고성능 엔비디아 GPU 가속 시스템(RTX 3090)에서 평가한 결과, 홀리스틱 GNN 기술이 이상적인 상황에서 기존 엔비디아 GPU를 이용해 그래프 기계학습을 가속하는 시스템의 경우에 비해 평균 7배 빠르고 33배 에너지를 감소시킴을 확인했다. 특히, 그래프 규모가 점차 커질수록 전처리 병목현상 완화 효과가 증가해 기존 GPU 대비 최대 201배 향상된 속도와 453배 에너지를 감소할 수 있었다.
☞ RTL (Registor Transistor Logic): 저항과 트랜지스터로 구성한 컴퓨터에 사용되는 회로
정명수 교수는 "대규모 그래프에 대해 스토리지 근처에서 그래프 기계학습을 고속으로 추론할 뿐만 아니라 에너지 절약에 최적화된 계산형 스토리지 가속 시스템을 확보했다ˮ며 "기존 고성능 가속 시스템을 대체해 초대형 추천시스템, 교통 예측 시스템, 신약 개발 등의 광범위한 실제 응용에 적용될 수 있을 것ˮ이라고 말했다.
한편 이번 연구는 미국 산호세에서 오는 2월에 열릴 스토리지 시스템 분야 최우수 학술대회인 `유즈닉스 패스트(USENIX Conference on File and Storage Technologies, FAST), 2022'에 관련 논문(논문명: Hardware/Software Co-Programmable Framework for Computational SSDs to Accelerate Deep Learning Service on Large-Scale Graphs)으로 발표될 예정이다.
해당 연구는 삼성미래기술육성사업 지원을 받아 진행됐고 자세한 내용은 연구실 웹사이트(http://camelab.org)에서 확인할 수 있다.
2022.01.10 조회수 2434 -
3차원 표정인식용 인공지능 라이트필드 카메라 개발
우리 대학 바이오및뇌공학과 정기훈, 이도헌 교수 공동연구팀이 근적외선 기반 라이트필드 카메라와 인공지능기술을 융합하여 얼굴의 감정표현을 구분하는 기술을 개발했다고 7일 밝혔다.
라이트필드 카메라는 일반적인 카메라와 다르게 미세렌즈 배열(Microlens arrays)을 이미지센서 앞에 삽입해 손에 들 수 있을 정도로 작은 크기이지만 한 번의 촬영으로 빛의 공간 및 방향 정보를 획득한다. 이를 통해 다시점 영상, 디지털 재초점, 3차원 영상 획득 등 다양한 영상 재구성이 가능하고 많은 활용 가능성으로 주목받고 있는 촬영 기술이다.
그러나 기존의 라이트필드 카메라는 실내조명에 의한 그림자와 미세렌즈 사이의 광학 크로스토크(Optical crosstalk)에 의해 이미지의 대비도 및 3차원 재구성의 정확도가 낮아지는 한계점이 있다.
연구팀은 라이트필드 카메라에 근적외선 영역의 수직 공진형 표면 발광 레이저(VCSEL) 광원과 근적외선 대역필터를 적용해 기존 라이트필드 카메라가 갖는 조명 환경에 따라 3차원 재구성의 정확도가 낮아지는 문제를 해결했다. 이를 통해 얼굴 정면 기준 0도, 30도, 60도 각도의 외부 조명에 대해, 근적외선 대역필터를 사용한 경우 최대 54%까지 영상 재구성 오류를 줄일 수 있었다. 또한, 가시광선 및 근적외선 영역을 흡수하는 광 흡수층을 미세렌즈 사이에 제작하면서 광학 크로스토크를 최소화해 원시 영상의 대비도를 기존 대비 약 2.1배 정도로 획기적으로 향상하는 데 성공했다.
이를 통해 기존 라이트필드 카메라의 한계를 극복하고 3차원 표정 영상 재구성에 최적화된 근적외선 기반 라이트필드 카메라(NIR-LFC, NIR-based light-field camera) 개발에 성공했다. 연구팀은 개발한 카메라를 통해 피험자의 다양한 감정표정을 가진 얼굴의 3차원 재구성 이미지를 조명 환경과 관계없이 고품질로 획득할 수 있었다.
획득한 3차원 얼굴 이미지로부터 기계 학습을 통해 성공적으로 표정을 구분할 수 있었고, 분류 결과의 정확도는 평균 85% 정도로 2차원 이미지를 이용했을 때보다 통계적으로 유의미하게 높은 정확도를 보였다. 이뿐만 아니라, 연구팀은 표정에 따른 얼굴의 3차원 거리 정보의 상호의존성을 계산한 결과를 통해, 라이트필드 카메라가 인간이나 기계가 표정을 판독할 때 어떤 정보를 활용하는지에 대한 단서를 제공할 수 있음을 확인했다.
정기훈 교수는 "연구팀이 개발한 초소형 라이트필드 카메라는 정량적으로 인간의 표정과 감정을 분석하기 위한 새로운 플랫폼으로 활용될 수 있을 것으로 기대된다ˮ며 "모바일 헬스케어, 현장 진단, 사회 인지, 인간-기계 상호작용 등의 분야에서 활용될 것ˮ이라고 연구의 의미를 설명했다.
우리 대학 바이오및뇌공학과 배상인 박사과정 졸업생이 주도한 이번 연구 결과는 국제저명학술지 `어드밴스드 인텔리전트 시스템즈(Advanced Intelligent Systems)'에 2021년 12월 16일 온라인 게재됐다. (논문명: Machine-Learned Light-Field Camera that Reads Facial Expression from High-Contrast and Illumination Invariant 3D Facial Images).
한편 이번 연구는 과학기술정보통신부 및 산업통상자원부의 지원을 받아 수행됐다.
2022.01.07 조회수 1448 -
인공지능의 오랜 난제를 뇌 기반 인공지능으로 풀다
우리 대학 바이오및뇌공학과 이상완 교수(신경과학 인공지능 융합연구센터장) 연구팀이 뇌 기반 인공지능 기술을 이용해 인공지능의 난제 중 하나인 과적합-과소적합 상충 문제를 해결하는 원리를 풀어내는 데 성공했다고 5일 밝혔다.
이상완 교수와 김동재 박사(現 뉴욕대학교 박사후 연구원)가 주도하고 우리 대학 정재승 교수가 참여한 이번 연구는 `강화학습 중 편향-분산 상충 문제에 대한 전두엽의 해법'이라는 제목으로 국제 학술지 셀(Cell)의 오픈 액세스 저널인 `셀 리포트(Cell Reports)'에 지난해 12월 28일 字 온라인판에 게재됐다. (논문명: Prefrontal solution to the bias-variance tradeoff during reinforcement learning)
최근 인공지능 모델들은 다양한 실제 문제들에 대해 최적의 해법을 제시하지만, 상황 변화에 유동적으로 대응하는 부분에 있어서는 여전히 어려움을 겪고 있다. 기계학습에서는 이를 과소적합-과적합의 위험성 (underfitting-overfitting risk) 또는 편향-분산 상충 문제(bias-variance tradeoff)라 하며 오랫동안 연구됐지만, 실제 세계와 같이 상충 조건이 계속 변하는 상황에서의 명확한 해법은 아직 제안된 바가 없다.
반면 인간은 현재 주어진 문제에 집중하면서도(과소적합 문제 해결), 당면 문제에 과하게 집착하지 않고(과적합 문제 해결) 변하는 상황에 맞게 유동적으로 대처한다. 연구팀은 뇌 데이터, 확률과정 추론 모형, 강화학습 알고리즘을 이용해 인간의 뇌가 이 문제를 어떻게 해결하는지에 대한 이론적 틀을 마련하고 이로부터 유동적인 메타 강화학습 모델을 도출해냈다.
놀랍게도 인간의 뇌는 중뇌 도파민 회로와 전두엽에서 처리되는 `예측 오차'의 하한선(prediction error lower bound)이라는 단 한 가지 정보를 이용해 이 문제를 해결한다. 우리의 전두엽, 특히 복외측전전두피질은 현재 내가 사용하고 있는 문제 해결 방식으로 주어진 문제를 얼마나 잘 풀 수 있을지에 대한 기대치의 한계를 추정하고(예: `이렇게 풀면 90점까지는 받을 수 있어'), 변화하는 상황에 맞춰 최적인 문제 해결전략을 유동적으로 선택하는 과정 (예: `이렇게 풀면 기껏해야 70점이니 다르게 풀어보자')을 통해 과소적합-과적합의 위험을 최소화하게 된다.
이상완 교수 연구팀은 2014년 해당 전두엽 영역이 환경의 불확실성을 바탕으로 강화학습전략을 유동적으로 조절하는 데 관여한다는 사실을 처음 발견했고(`뉴런(Neuron)' 학술지에 발표), 2015년에는 인과관계 추론 과정에도 관여한다는 사실을 발견했다(`PLOS Biology' 학술지에 발표). 이어 2019년에는 해당 뇌 영역이 문제의 복잡도까지 고려할 수 있다는 사실을 발견했다(`네이처 커뮤니케이션즈(Nature Communications)' 학술지에 발표).
이러한 일련의 연구 결과들은 자신의 학습 및 추론 능력을 스스로 평가하는 인간의 메타 인지 능력을 보여주는 증거로, 이 능력을 바탕으로 인공지능이 풀기 어려워하는 현실 세계의 다양한 상충적 상황들을 풀어낼 수 있다는 `전두엽 메타 학습 이론'을 정립한 바 있다(`사이언스 로보틱스(Science Robotics)' 학술지에 발표). 이번 연구는 이 이론에 기반해 인공지능의 오랜 난제 중 하나인 과소적합-과적합 상충 문제를 실제로 풀어낸 최초의 사례로 평가된다.
연구를 통해 개발된 메타 강화학습 모델을 이용하면 간단한 게임을 통해 인간의 유동적 문제 해결 능력을 간접적으로 측정할 수 있다. 더 나아가 스마트 교육이나 중독과 관련된 인지 행동치료에 적용할 경우 상황 변화에 유동적으로 대처하는 인간의 문제 해결 능력 자체를 향상할 수 있을 것으로 기대된다. 차세대 인공지능, 스마트 교육, 인지 행동치료 등 다양한 분야에 파급력이 큰 원천 기술로 최근 국내 및 해외 특허 출원이 완료된 상태다.
연구를 주도한 제1 저자 김동재 박사는 "인간 지능의 특장점에 대한 이해가 얼마나 중요한지 보여주는 연구 중 하나ˮ라고 말했다. 연구 책임자인 이상완 교수는 "인공지능이 우리보다 잘 푸는 문제가 많지만, 반대로 인공지능으로 풀기 어려운 문제들이 우리에게는 정말 쉽게 느껴지는 경우들이 많다. 인간의 다양한 고위 수준 능력을 인공지능 이론 관점에서 형식화하는 연구를 통해 인간 지능의 비밀을 하나씩 풀어나갈 수 있을 것으로 기대된다ˮ라며 "이러한 뇌 기반 인공지능 연구는 인간의 지능을 공학적으로 탐구하는 과정으로 볼 수 있으며, 인간과 인공지능이 서로 도우며 함께 성장해 나갈 수 있는 명확한 기준점을 마련할 수 있을 것ˮ이라고 말했다. 이상완 교수는 뇌 기반 인공지능 연구의 독창성과 도전성을 인정받아 구글 교수 연구상과 IBM 학술상을 받은 바 있다.
연구팀은 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받아 설립한 KAIST 신경과학-인공지능 융합연구센터에서 기반 기술을 활용해 인간 지능을 모사한 차세대 인공지능 모델을 개발하고, 아울러 딥마인드, IBM 인공지능 연구소, MIT, 옥스퍼드 대학 등 국제 공동연구 협약 기관과 공동연구를 통해 기술의 파급력을 높여나갈 계획이라고 말했다.
한편 이번 연구는 삼성전자 미래기술육성센터, 과학기술정보통신부 정보통신기획평가원 및 한국연구재단의 지원을 받아 수행됐다.
2022.01.05 조회수 2053 -
형광 염색 없이 분자 정보를 보는 AI 현미경 개발
우리 대학 물리학과 박용근 석좌교수 연구팀이 형광 염색 없이 세포의 분자 정보를 볼 수 있는 인공지능 현미경 기술을 개발했다고 20일 밝혔다.
광학 현미경은 수백 년 전부터 현재에 이르기까지 생물학 및 의학에서 가장 중요하게 쓰이는 기술 중 하나로, 이미지 형성 원리에 따라 여러 형태로 발전해왔다. 최근 수십 년간 분자생물학이 눈부시게 발전하면서 세포 내의 특정 구조를 형광(fluorescence) 으로 표지하는 것이 가능해졌고, 이처럼 높은 생화학적 특이성(biochemical specificity) 덕분에 형광 현미경은 현재 가장 폭넓게 쓰이는 광학 현미경 기술이 됐다.
그러나 형광 현미경은 형광 표지 자체가 세포를 변형하는 것이기 때문에 세포에 부담을 주게 되고, 밝기와 세포독성, 안정성 문제 때문에 초고속 또는 장기간 측정이 힘들며, 제한된 색깔로 인해 다양한 구조를 동시에 보는 것이 어려운 근본적인 한계가 있다.
이와는 대조적으로, 각 물질과 빛의 상호작용을 결정하는 근본적인 특성인 굴절률(refractive index)을 이용해 아무런 염색을 하지 않아도 되는 현미경 기술 또한 꾸준히 발전해왔다. 굴절률로부터 파생되는 빛의 흡수, 위상차 등을 이용한 전통적인 현미경은 물론, 최근에는 굴절률 자체를 3차원 상에서 정량적으로 측정하는 다양한 홀로그래픽 현미경(holographic microscopy) 기술이 박용근 교수 연구팀에서 개발돼 상용화된 바 있다. 이러한 비표지(label-free) 현미경 기술은 형광 현미경과 비교해 여러 가지 장점을 갖고 있지만, 굴절률과 세포 내 구조들의 관계가 명확하지 않아 분자 특이성이 떨어진다는 단점이 있었다.
박용근 교수 연구팀에서는 2012년 초부터 조영주 졸업생(제1 저자, 물리학과·수리과학과 학사 11학번·KAIST 총장 장학생, 現 스탠퍼드대학교 응용물리학과 박사과정) 주도로 홀로그래픽 현미경 분야에 인공지능을 도입해 특이성 문제를 해결하려는 일련의 연구가 시작됐다.
우선 형태적으로는 비슷하나 생화학적인 구성에 차이가 있는 시료(여러 종의 박테리아, 다양한 분류의 백혈구 등)의 굴절률 영상은 사람 눈에는 비슷하게 보이는데, 흥미롭게도 인공지능은 이를 높은 정확도로 분류할 수 있음을 보였다(2013-2014년 KAIST 학부연구프로그램(URP) 이후, 2015년 Optics Express, 2017년 Science Advances, 2020년 ACS Nano 등 게재). 이러한 결과는 매우 다양한 생체 시료에서 일관되게 관찰됐고, 따라서 연구팀은 생화학적 특이성이 높은 정보가 굴절률의 공간 분포에 숨겨져 있다는 가설을 세웠다.
세포생물학 분야 최고 권위지인 `네이처 셀 바이올로지(Nature Cell Biology, IF 28.82)'에 12월 7일 발표된 이번 연구(논문명: Label-free multiplexed microtomography of endogenous subcellular dynamics using generalizable deep learning)에서, 연구팀은 홀로그래픽 현미경 영상으로부터 형광 현미경 영상을 직접 예측할 수 있음을 보임으로써 이 가설을 증명했다. 인공지능이 찾아낸 굴절률 공간 분포와 세포 내 주요 구조 간의 정량적인 관계를 이용해 굴절률의 공간 분포 해독이 가능해졌고, 놀랍게도 이러한 관계는 세포 종류와 관계없이 보존돼 있음을 확인했다.
이 과정에서 만들어진 `인공지능 현미경'은 홀로그래픽 현미경과 형광 현미경의 장점만을 갖는다. 즉, 형광 표지 없이 형광 현미경의 특이적인 영상을 얻을 수 있다. 따라서 자연 상태 그대로의 세포에서 동시에 수많은 종류의 구조를 3차원으로 볼 수 있으며, 밀리초(ms) 수준의 초고속 측정과 수십 일 수준의 장기간 측정이 가능해졌다. 더욱이 기존 데이터에 포함되지 않은 새로운 종류의 세포에도 즉시 적용이 가능하기에, 다양한 생물학 및 의학 연구에 응용이 가능할 것으로 기대된다.
이번 연구는 조영주 박사과정과 박용근 교수가 지난 10여 년간 발전시켜온 광학 및 인공지능 기술력 이외에도, 다학제적 접근과 KAIST 기술을 바탕으로 한 창업 덕분에 가능했다. 생명과학과 허원도 교수(공동 교신저자)와 박외선 박사(공동 제1 저자)가 오랜 기간 발전시켜온 분자생물학 및 형광 현미경 기술 덕분에 인공지능 학습에 필요한 데이터를 얻을 수 있었으며, 조영주 박사과정이 허원도 교수 연구팀에서 2015년 1년간 연구했던 경험 덕분에 구체적인 아이디어가 나오게 됐다.
또한 박용근 교수 연구팀 홀로그래픽 현미경 기술로 창업한 ㈜토모큐브를 통해 현미경 및 데이터 형식이 규격화돼 대규모 인공지능 학습이 용이했고, 이를 바탕으로 ㈜토모큐브 조형주 연구원(공동 제1 저자) 및 민현석 연구원(공동 교신저자) 등 인공지능 전문 인력이 합류하면서 최신 인공지능 기법들의 빠른 도입이 가능했다.
한편 이번 연구는 한국연구재단의 창의연구사업, 과학기술정보통신부의 정보통신방송 기술개발사업 (홀로그램핵심기술), 일자리진흥원의 연구장비개발 및 고도화지원사업, 한국보건산업진흥원의 보건의료기술 연구개발사업의 지원을 받아 수행됐다.
2021.12.20 조회수 2402 -
제1회 K-인공지능 제조데이터 분석 경진대회 개최
KAIST(총장 이광형)는 중소제조기업의 애로사항을 창의적인 인공지능(AI) 아이디어로 해결하는 ‘제1회 K-인공지능 제조데이터 분석 경진대회’를 개최했다.
중소벤처기업부(장관 권칠승, 이하 중기부), 스마트제조혁신추진단(단장 박한구, 이하 추진단)과 공동 주최한 이번 경진대회는 우수한 제조 인공지능 분석 인재를 발굴 및 육성하기 위해 올해 처음으로 개최됐다.제조데이터 인공지능 분석에 관심 있는 19세 이상의 국민을 대상으로 지난 10월 말부터 참가자를 모집한 결과 3인 이내로 자유롭게 구성된 153개 팀 355명이 신청을 완료했다. 각 팀은 지난달 23일 KAMP*의 사출성형 제조AI데이터셋**을 활용해 뿌리기업 현장 개선 아이디어를 제시하고 알고리즘으로 구현하는 과제를 부여받아 본격적인 대회 일정에 돌입했다. ☞ KAMF: 인공지능(AI) 중소벤처 제조 플랫폼(Korea AI Manufacturing Platform) ☞ 사출성형 제조AI데이터셋: 사출성형 현장에서 수집한 제조데이터를 인공지능 학습용으로 가공한 47개 변수, 4천2백만 개의 제조데이터
5일간 진행된 1단계 서면평가에는 총 52개 팀이 보고서·발표 자료·소스 코드 등의 결과물을 제출했다. 주최 측은 각 팀의 인공지능 분석 모델을 바탕으로 제조현장의 문제 이해도 및 문제 정의, 분석 모델의 독창성, 결과 해석의 우수성, 인공지능 성능 정확도 등을 심사해 8개의 최종 진출팀을 선발했다.
16일 열린 최종 평가는 메타버스 플랫폼에서 진행됐으며, 각 팀이 아이디어를 발표하는 방식으로 진행됐다. RK3 팀(고진욱, 이진욱, 김태훈/서울대)은 인공지능 모델의 창의성, 제조 현장 적용 가능성, 파급효과 등의 심사 항목에서 가장 높은 점수를 받아 대상(중기부 장관상)을 차지했다. Rk3 팀은 인공지능을 기반으로 사출물의 품질 이상을 진단하고 공정 최적화를 지원하는 제조 인공지능 분석 모델을 개발했다. 아이디어의 독창성은 물론 개발기술의 완성도 및 확장성 측면에서 심사위원단의 호평을 받았다.
대상을 받은 Rk3 팀의 김태훈(26/서울대 기계공학과) 씨는 "KAMP가 제공하는 사출성형기 데이터를 분석해본 이번 대회는 제조 현장의 지식을 배우는 좋은 기회였다“라고 말했다. 이어, ”앞으로도 뿌리기업에 실질적으로 도움이 될 수 있는 연구를 진행하고 싶다“라고 수상 소감을 밝혔다.이외에도 소프트컴퓨팅 팀(부석준, 문형준, 박경원/연세대), Ensembler 팀(이원석, 전소현/㈜브릭) 등 2개 팀은 최우수상(KAIST 총장상)을 수상했다. 또한, Team-Hybrid 팀(김원곤, 채민석/서울대), NaeBIS 팀(박인창, 박지훈, 이헌득/한양대) 등 2개 팀과 Cube J 팀(김수지, 박종민, 김성종/서울대), Shango 팀(문성민, 이호민, 윤병관/이상고㈜), ELSSA 팀(이예원, 이태형, 김다해/㈜엘렉시) 등 3개 팀은 각각 우수상과 장려상을 받았다.
심사위원장인 신민수 한양대학교 경영학부 교수는 "8개 참가팀이 제시한 좋은 방법들이 중소 제조기업의 품질 향상과 생산성 향상에 실제로 적용되어 우리나라 중소기업의 발전에 기여할 수 있기를 기대한다“라고 심사평을 전했다.
이광형 KAIST 총장은 "대한민국이 제조 인공지능 강국으로 도약하기 위해서는 제조업 분야의 인공지능 인력양성이 필수 과제”라고 강조했다. 이어, 이 총장은 "이번 경진대회 수상자들처럼 훌륭한 인재를 발굴해 지원하는 일에 최선의 노력을 기울이겠다“라고 수상자들을 격려했다. 한편, `제1회 K-인공지능 제조데이터 분석 경진대회' 대상팀에는 상장 및 상금 1,000만 원이 수여됐다. 최우수상 2개 팀과 우수상 2개 팀에게 각각 300만 원과 200만 원의 상금이, 장려상 3개 팀에게는 각각 100만 원의 상금이 지급됐다.
2021.12.17 조회수 1666 -
‘인공지능과 예술(AI+ART)’온라인 국제포럼 개최
우리 대학이 ‘인공지능과 예술(AI+ART)’ 국제포럼을 오는 20일 온라인으로 개최한다.예술이라는 영역 안에서 인공지능의 역할과 미래의 방향을 살피는 이번 포럼에는 인공지능과 예술 분야에서 혁신을 주도하는 4인의 세계적인 석학이 모여 흥미로운 강연을 펼칠 예정이다.첫 번째 연사로는 세계 최고 권위의 전기·전자·컴퓨터·통신 분야 학회인 IEEE 및 ACM 석학회원이자 글로벌 IT기업 어도비(Adobe)의 수석 연구원 애런 헤르츠만(Aaron Hertzmann) 박사가 참여한다. 헤르츠만 박사는 ‘기계는 예술을 만들 수 있는가?’를 주제로 인공지능 시대의 예술의 개념과 인공지능에 의한 예술 창작의 가능성에 관한 의견을 청중과 공유할 예정이다.
이어, 세계적인 뉴미디어 아티스트이자 1754년 설립된 영국 왕립예술원(Royal Society of Arts) 석학회원인 이진준 KAIST 미술관장이 ‘뉴미디어아트: 현대예술의 최전선’을 발표한다. 인공지능과 예술이 만나는 뉴미디어아트에 대한 설명과 인간 예술가가 인공지능 연구원과 팀을 이루는 협업의 방향에 대한 견해를 제시한다.
세계적 권위의 미디어아트·테크놀로지 축제인 ‘아르스 일렉트로니카(Ars Electronica)’의 수상자도 연사로 참여한다. 인터랙티브 아트 부문 최고 상인 골든 니카(Golden Nica)를 1998년에 받은 모리스 베나윤(Maurice Benayoun) 홍콩시티대학 교수는 ‘현대미술의 ’트랜잭션‘ 미학’ 강연을 통해 AI·로봇·블록체인과 같은 첨단기술이 예술의 주체가 된 사례들을 소개한다.
마지막으로 영국 왕립예술대학(Royal College of Art) 정보경험디자인(Information Experience Design) 과정 설립자인 케빈 워커(Kevin Walker) 영국 코벤트리대 교수가 ‘AI 아트의 정신에 관하여’를 주제로 인공지능과 예술이 만나는 방식과 그 만남의 가치에 대한 통찰을 제시한다. ‘인공지능과 예술’ 포럼을 총괄한 이진준 KAIST 미술관장(문화기술대학원 교수)은 “이번 포럼은 KAIST 미술관이 준비한 첫 번째 공식 행사로 KAIST 미술관이 나아갈 방향을 보여주는 자리라는 점에서 의미가 크다”라고 전했다. 이어 이 관장은 “예술과 과학기술의 최전선에서 경계를 가로지르며 활약하는 석학들의 통찰과 전망을 공유할 수 있는 흔치 않은 기회가 될 것”이라고 기대감을 밝혔다.한편, ‘인공지능과 예술(AI+ART)' 포럼은 KAIST 전산학부가 인공지능(AI)의 미래를 다양한 영역(X)에서 고민하려는 시도로 마련한 `AI+X 포럼'의 열한 번째 시리즈다. 전산학부·문화기술대학원 및 올해 신규 조직으로 출범한 미술관이 공동으로 주관한다. 유튜브 ’KAIST 채널‘에서 20일 오후 2시부터 국·영문 동시통역으로 실시간 중계되며, 관심 있는 사람이라면 누구나 무료로 시청할 수 있다.
2021.12.16 조회수 1373 -
USRG팀(심현철 교수, 김보성, 이승욱) 과기부 장관표창 수상
우리 대학 전기및전자공학부 심현철 교수 연구팀(Unmanned System Research Group, 이하 USRG)이 9일(목) 「인공지능 그랜드 챌린지 간담회 」에서 과학기술정보통신부 장관 표창을받았다. 심현철 교수와 김보성, 이승욱 박사과정 학생(전기및전자공학부)이 수상하는 이번 장관상은‘국내 인공지능 기술 고도화 및 산업 발전’에 크게 공헌함을 인정받아 선정됐다.
먼저 USRG팀은 2019년과 2020년 「인공지능 자율주행 챌린지 대회」에서 2년 연속 우승을 달성했다. 이 대회는 드론에 탑재된 센서로 벽, 창문, 기둥 등의 장애물을 인식하고 피하며 목적지까지 안전하게 비행하는 대회이다.
USRG팀은 2019년 대회에서 자체 개발한 미션 플래너와 위치 추정·장애물 회피·제어 알고리즘으로 터널 구간까지 통과하여 1위를 차지했다. 2020년에는 보다 복잡해진 동적 장애물 회피와 박스에 물병을 투하하는 미션을 유일하게 모두 완료했고, 3차 비행 동안 계속 기록을 단축하며 최종 우승했다.
이어, 2021년 NASA JPL과 협업하여 ‘DARPA Subterranean Challenge Final Event’에 Team CoSTAR의 일원으로 참가했다. NASA JPL 및 MIT, Caltech, LTU 등 해외 유수 대학들로 구성된 이 연구팀은 3차원 항법과 경로 계획, AI 기반의 객체 인식·위치 추정 알고리즘을 탑재한 지상 로봇과 드론을 개발했다. 그 결과 본선 최종연습에서 1, 2위를 기록하고 3일차 대회에서 5위를 달성했다.
연구팀은 이 대회에서 동굴 환경 내 위치 오차 5cm 이내의 3차원 위치 추정 알고리즘과 3차원 장애물 회피 경로 계획 알고리즘을 개발했다. 아울러 동굴 환경에서 60회 이상의 자율 비행 테스트를 진행하며 본 알고리즘 시스템의 안정성을 검증했다.
또한, 동 연구진은 2021년 10월 세계 최초 Indy Car 기반 자율주행 레이싱 대회인 Indy Autonomous Challenge(IAC)에 참가했다. 이에 고속 자율주행에 적합한 모델 예측 제어 기반의 시스템과 Head-to-head 레이싱을 위한 장애물 회피 및 추월 전략 알고리즘을 개발했다. 해당 연구 논문은 2021 ICRA 워크샵에서 Best Paper Award Winner에 선정되기도 하였다.
USRG 팀의 심현철 교수는 “박사과정 중 복잡한 실내를 자유롭게 비행하는 드론을 만들고 싶었으나 당시 기술로는 불가능했다. 그리하여 기술이 발전함에 따라 이 같은 드론을 남들보다 먼저 연구했다. 최신 인공지능 기술을 적용하며 예전에는 상상할 수 없었던 우수한 성능의 드론을 만들 수 있게 되어 매우 뜻깊다”라고 소감을 전했다.
이어, “선뜻 시작하기 어려운 주제를 맡아 그간 열심히 수행한 학생들과 같이 공을 나눌 수 있어 더욱 기쁘다. 앞으로 이런 도전적인 연구를 적극적으로 수행하는 학생들이 더 많아졌으면 좋겠다”라고 강조했다.
2021.12.09 조회수 1680 -
인공지능과 미래사회 국제심포지엄 개최
우리 대학이 '인공지능과 미래사회 KAIST 국제심포지엄'을 오는 10일 온라인으로 개최한다.
인공지능연구원, Post-AI 연구소, 한국4차산업혁명정책센터 등 KAIST에서 인공지능을 이끌어가는 대표적인 연구조직이 공동으로 주관하고 동원육영재단이 후원한다.
최초의 컴퓨터가 발명된 이래로 인공지능 연구는 끊임없이 이어지고 있으며, 이러한 기술의 발전은 의도치 않은 부작용을 가져오기도 한다. KAIST는 인공지능 리스크를 포함한 자연 및 인적 재해로부터 안전한 환경을 만들기 위한 공론의 장을 마련하고자 이번 심포지엄을 준비했다.
인공지능이 인류에게 제시하는 도전과제가 무엇인지를 정의하고 이로부터 발생하는 기회와 위기를 전망하기 위해 공정성·윤리·정책·기후변화 등 인공지능을 둘러싼 총 네 가지 문제를 핵심 주제로 선정했다. 기조 강연은 인공지능 분야의 교과서로 불리는 『인공지능: 현대적 접근방식』을 집필한 스튜어트 러셀(Stuart Russell) 美 UC버클리대학교 전기공학 및 컴퓨터과학과 교수가 맡는다. 러셀 교수는 '증명 가능한 유익한 인공지능(Provably Beneficial Artificial Intelligence)'이란 제목으로 강연한다. '인간은 인간을 뛰어넘는 기계에 대한 통제력을 잃을 것'으로 내다봤던 앨런 튜링(Alan Turing)의 견해에 대해 '우려는 옳았지만, 결론은 틀렸다'라는 주장을 바탕으로 인간에게 유익한 새로운 종류의 AI 개발을 대안으로 제안할 예정이다. 이어지는 주제연설은 총 네 분야로 나눠 진행된다. 첫 번째 순서인 '인공지능과 공정성'에서는 다양성으로 인해 발생하는 정당한 차이를 공정하게 처리하는 인공지능을 만드는 것이 가능한가에 관해 발표 및 토론한다. 두 번째 '인공지능 윤리'에서는 오랜 세월 분투해왔지만, 여전히 비윤리적인 행동 문제를 해결하지 못한 인간이 과연 '윤리적인 인공지능'을 만들 수 있는지에 대해 다룬다. '인공지능 정책' 순서에는 각국 정부가 인공지능 활성화에 박차를 가하기 위해 연구 개발(R&D)과 인프라에 막대한 투자를 감행하고 있는 승자독식의 기술 경쟁 구도 속에서 우리가 설계해야 할 자율적인 관리 방식을 논의한다. 마지막 순서로는 인공지능과 기후변화'를 토론한다. 기후변화 연구는 항상 데이터를 기반으로 진행된다. 기후 영향을 추적하고 예측하려면 상당한 양의 시공간 정보가 필요하기 때문이다. 세계 각국이 최대의 공동 과제인 기후변화에 대응해 활용할 수 있는 최신 인공지능 기술을 논의하고 해결방안을 제시한다.AI로 '가능한' 것과 '가능해야만' 하는 것이 무엇인지 질문을 던지고 의견을 나누는 이번 심포지엄에는 털시 도시(Tulsee Doshi) 구글 社 '책임 있는 인공지능과 인간 중심 기술팀' 제품 총괄, 케이 퍼스-버터필드(Kay Firth-Butterfield) 세계경제포럼 집행위원, 사이몬 체스터만(Simon Chesterman) AI 싱가포르 AI거버넌스 선임이사, 에밀리 슉버그(Emily Shuckburgh) 케임브리지 제로 이사 등 인공지능 분야를 세계적으로 선도하는 13명의 해외 전문가와 7명의 KAIST 교수가 참여해 인공지능과 미래사회에 대한 심도 있는 논의를 펼칠 예정이다.
행사를 후원한 동원육영재단의 김재철 이사장은 "인공지능은 더 이상 선택이 아닌 국가 생존을 위한 필수 조건이며, 미래는 데이터의 바다를 항해하는 인공지능을 통해 발전해갈 것"이라고 환영사를 전한다.
또한, 이광형 KAIST 총장은 개회사를 통해 "인공지능과 함께 살아갈 미래 세상을 대담하게 상상해달라"고 당부하며, "인공지능에 관한 각양각색의 상상과 토론이 더 나은 인류의 미래를 견인하는 구체적인 기술과 정책, 제도로 구현되길 기대한다"라고 전할 예정이다.
한편, 심포지엄을 주관한 인공지능연구원은 인간의 삶의 질을 향상하는 혁신적인 인공지능 기술 개발을 목표로 올해 6월 출범한 KAIST의 신규 조직이다. 교내 인공지능 연구 역량을 한데 모아 관련 산업 분야와 연계하고 시너지 효과를 극대화하는 역할을 맡았다. KAIST 인공지능연구원의 본격적인 행보를 알리는 국제심포지엄은 10일 오전 10시부터 오후 6시까지 '유튜브 KAIST 채널'에서 실시간 중계된다. 누구나 무료로 시청할 수 있으며, 동시통역이 제공된다. 심포지엄에 관한 자세한 정보는 홈페이지(https://kaistai.kr/korean)에서 확인할 수 있다.
2021.12.07 조회수 1675