-
- 과기정통부 인공지능 그랜드 챌린지 시즌1, 성균관대, 엔씨소프트,이스트소프트 최종 우승
- 과학기술정보통신부(장관 이종호, 이하 ‘과기정통부’)는 2022 인공지능 연구개발 경진대회(이하 인공지능 그랜드 챌린지) 시즌1 시상식을 11월 24일(목) 일산 킨텍스에서 개최하였다. ‘인공지능 그랜드 챌린지’는 제시된 문제를 해결하기 위해 참가자들이 자발적으로 진행한 사전 연구를 바탕으로 실력을 겨루는 도전‧경쟁형 경진대회이다. 당초, 단년으로 1차(’17), 2차(’18)대회를 개최하였으나 기술고도화를 위해 2019년부터 다년도 대회로 확대 개편하였으며, 올해 3차~5차 결선 대회가 개최되어 최종 우승팀을 결정하였다. ※ 3차대회(총 4단계, ’19~’22년), 4차대회(총 4단계, ’20~’22년), 5차대회(총 3단계, ‘20~’22년) "인공지능과 로보틱스를 활용하여 복합재난상황에서 발생하는 다양한 임무를 해결하라"를 주제로 개최된 3차대회 는 2019년 7월 1단계 대회(예선)을 시작으로 2022년 11월 4단계 대회(결선)까지 총 175팀, 935명이 참가하였다. 결선 대회에서는 무인이동체(드론)를 활용하여 건물 내 영상, 음성 정보, 요구조자가 보낸 사진, 신고 문자 정보 등을 수집·활용하여, 요구조자의 위치, 인원 수, 장소 등을 파악하는 임무수행 능력을 겨루었고, 엔씨소프트 VARCO팀이 최종 우승을 차지하였다. 4차대회는 “인공지능을 활용하여 다양한 국민생활‧사회현안에 대응하라”는 주제로 2020년 7월 1단계 대회(예선)을 시작으로 2022년 11월 4단계 대회(결선)까지 총 266팀, 1,286명이 참가하였다. 결선 대회에서는 일상생활에서 응급상황, 폭력상황 등을 감지하고, 생활폐기물 등을 실시간으로 구분하는 문제를 출제하여 ㈜이스트소프트 est_nuxlear팀을 최종 우승팀으로 선정하였다. 마지막 5차대회는 “인공지능을 활용하여 서술형 수학문제의 해답을 제시하라”는 주제로 2021년 7월부터 1단계 대회(예선)을 시작으로 2022년 11월 3단계 대회(결선)까지 총 111팀, 592명이 참가하였다. 결선 대회에서는 산술연산, 수찾기(1~3유형), 순서정하기, 조합하기, 크기비교, 도형문제 등 총 8개 유형의 서술형 수학문제가 출제되었고, 성균관대학교 DIAL팀이 최종 우승하였다. 결선 대회 우승팀에게는 과기정통부 장관상(총 3팀), 2위팀에게는 정보통신기획평가원 원장상(총 3팀), 3‧4위팀에게는 한국전자기술연구원 원장상(총 4팀)을 수여하였다. 이번 행사는 저명인사의 기조연설과 인공지능 그랜드 챌린지 최종 결선 진출팀의 연구 성과 홍보를 위한 전시회도 병행하였다.로봇공학 연구의 권위자인 하위 초셋(Howie Choset) 카네기멜론대 교수는 미국 국방고등연국 (DARPA)의 그랜드 챌린지 참여 경험을 공유하였고, 인공지능 그랜드 챌린지 3차대회 참가 경험을 바탕으로 미 국 록히드마틴 사 주최 알파파일럿(Alphapilot, 2020) 대회에서 최종 3위를 수상한 한국과학기술원(KAIST) 연구침 심현철 교수가 국제대회 경험을 설명하였다. 전시회에는 대회 결선에 진출한 10팀이 개발한 인공지능 기술을 시연하고, 자신들만의 대회 우승전략을 함께 소개하였다. 올해 마무리되는 인공지능 그랜드 챌린지 시즌1은 ‘인공지능 기술 저변 확대’를 목적으로 추진하였으며 시즌2는 우리사회 특정분야의 난제해결에 초점을 맞춰 진행할 예정이다. ‘정책 지원 인공지능’을 주제로 인공지능 그래드 챌린지 시즌2 1차대회 예선은 12월15일(목)부터 16일(금)까지 진행되며, 정부혁신에 기여할 수 있는 인공지능 기술 확보를 강조할 예정이다. 과기정통부 엄열 인공지능기반정책관은 “인공지능 그랜드 챌린지에서 최종 수상하신 분들께 진심으로 축하드린다.”며, “인공지능 그랜드 챌린지 대회가 우리나라의 창의적인 인공지능 연구 활성화에 밑거름이 될 수 있도록 지원을 아끼지 않겠다.”고 강조했다. 관련기사 https://www.korea.kr/news/pressReleaseView.do?newsId=156538366&call_from=rsslink https://www.aitimes.kr/news/articleView.html?idxno=26612 http://www.irobotnews.com/news/articleView.html?idxno=30147
-
- 작성일 2022-11-25
- 조회수 2515
-
-
-
-
- 우사이먼성일 교수 연구실(DASH) 2022년 PIDICON 개인정보 가명•익명 처리 기술 경진대회 장려상 수상
- 최근 인공지능 분야를 비롯하여 많은 양의 데이터를 활용하는 분야가 점차 증가하고 있습니다. 그에 따라 데이터 속에 포함 되어있는 개인정보 보호가 아주 중요한 이슈로 부상하고 있습니다. 과학기술정보통신부 주최, 한국인터넷진흥원에서 주관하는 “2022 개인정보 가명익〮명 처리 기술 경진대회”는 이러한 문제를 인식하고 이를 예방하기 위하여 다양한 정보보호 기법들을 효과적으로 적용시키는 방법에 대하여 고민해보는 대회라고 볼 수 있습니다. 위와 같은 대회에 DASH LAB(인공지능학과 석사과정 김민하, 소프트웨어학과 박사과정 박은주, 소프트웨어학과 학사과정 안현준, 소프트웨어학과 학사과정 진송찬)( https://dash-lab.github.io)이 참여하여 준수한 성적으로 장려상을 수상하게 되었습니다. 열심히 참여해준 학생들의 수상을 진심으로 축하합니다. 관련 링크 (https://pidicon.kr/)
-
- 작성일 2022-11-23
- 조회수 1681
-
- 박은병 교수 연구팀 AAAI2023 논문 게재 승인 및 NeurIPS 2022 Workshop spotligt 선정
- 전자전기공학부/인공지능학과 박은병 교수 연구팀과 수학과 홍영준, 윤석배 교수의 최근 연구 결과가 인공지능분야 최우수 학술대회중 하나인 AAAI 2023 (37th AAAI Conference on Artificial Intelligence)에 게재 승인 되었다. 또한, 이 연구는 NeurIPS 2022에서 개최하는 DLDE-II 워크샵에 spotlight으로 선정되어 15분 발표 세션을 맡게 되었으며 총 6편의 논문에게만 구두 발표의 기회가 주어졌다. 매년 수 천편 이상의 논문이 발표되는 인공지능 분야에서 연구 결과를 널리 알릴 수 있는 좋은 기회가 될 것으로 기대된다. 논문: “Physics-Informed Cell Representations for Fast and Accurate PDE Solvers”, 강남규, 이병현, 홍영준, 윤석배, 박은병 연구 홈페이지: PIXEL: Physics-Informed Cell Representations for Fast and Accurate PDE Solvers (namgyukang.github.io) NeurIPS 워크샵 홈페이지: The Symbiosis of Deep Learning and Differential Equations (DLDE) (dlde-2022.github.io) 편미분방정식은 많은 공학 및 과학 분야에서 물리현상을 모델링할 때 사용되는 방정식이다. 그 해법을 구하는 것이 매우 어려운 것으로 알려져 있으며, 최근 인공지능 모델을 사용하여 해법을 구하는 연구가 주목을 받고 있다. 본 연구는 기존의 수치해석적 기법과 최근의 인공지능 방법론의 장단점을 결합하여 좀 더 빠르고 정확하게 편미분 방정식 해를 구하는 방법론을 제안하였다. 수치해석과 기계학습 방법의 조합하는 기초를 마련했으며 추후 확장성이 매우 기대되는 연구이다. 초록: With the increases in computational power and advances in machine learning, data-driven learning-based methods have gained significant attention in solving PDEs. Physics-informed neural networks (PINNs) have recently emerged and succeeded in various forward and inverse PDEs problems thanks to their excellent properties, such as flexibility, mesh-free solutions, and unsupervised training. However, their slower convergence speed and relatively inaccurate solutions often limit their broader applicability in many science and engineering domains. This paper proposes a new kind of data-driven PDEs solver, physics-informed cell representations (PIXEL), elegantly combining classical numerical methods and learning-based approaches. We adopt a grid structure from the numerical methods to improve accuracy and convergence speed and overcome the spectral bias presented in PINNs. Moreover, the proposed method enjoys the same benefits in PINNs, e.g., using the same optimization frameworks to solve both forward and inverse PDE problems and readily enforcing PDE constraints with modern automatic differentiation techniques. We provide experimental results on various challenging PDEs that the original PINNs have struggled with and show that PIXEL achieves fast convergence speed and high accuracy.
-
- 작성일 2022-11-23
- 조회수 1683
-
- 김유성 교수 연구실 (하정수, 김경수 석사과정 졸업생) AAAI 2023 논문 게재 승인
- CSI (Computer Systems and Intelligence) Lab. (지도교수:김유성) 논문이 인공지능 최우수학회인 AAAI 2023(37th AAAI Conference on Artificial Intelligence) 에 게재 승인되었습니다. 논문 "Dream to Generaliza: Zero-Shot Model-based Reinforcement Learning for Unseen Visual Distractions" 은 하정수(삼성전자)석자과정 학위 논문으로 김경수(NcSoft) 석사과정 졸업생이 함께 참여하였습니다. 카메라 이미지를 입력받아 로봇,자동차, 공정 등을 제어하는 비전 기반 강화학습연구는 주로 배경이 단순한 환경에서 학습 효율성을 높이는 연구가 진행되었습니다. 그러나 학습 후 테스트시에는 다양한 시각적 방해요소가 (예:그림자, 구름, 날씨 변화 등) 등장할 수 있는 만큼 학습의 일반화 및 강건한 제어가 요구됩니다. 특히 본 논문에서는 고차원 입지미를 효율적으로 학습할 수 있는 Model-based 강화학습 기법에 처음으로 제로샷(zero-shot)학습이 가능함을 보였습니다. 시각적 방해요소에 강건한 자기지도 학습 기반 Dual Contrastive Learning 모듈과 Recurrent State Inverse Dynamics 모듈을 제안하였으며, 다양한 비전 기반 로봇 제어 환경에서 학습 시 경험하지 못한 배경 화면의 큰 변화에 대해서도 추가 학습 없이 강건히 동작하였습니다.
-
- 작성일 2022-11-22
- 조회수 1522
-
- 2022년 국가연구개발 우수성과 100선, 성균관대 4건 선정
- 지난 11월 8일 과학기술정보통신부에서 발표한 ‘2022년 국가연구개발 우수성과 100선’에 우리 대학 교원의 연구성과 4건이 선정되는 쾌거를 이루었다. 과학기술정보통신부는 과학기술의 역할에 대한 국민의 이해와 관심을 높이고, 과학기술인의 자긍심을 고취하기 위해 2006년부터 매해 국가연구개발 우수성과를 선정하고 있다. 우리 대학에서는 에너지·환경 분야에서 성균나노과학기술원의 신성식 교수가, 융합기술 분야에서 글로벌바이오메디컬공학과의 우충완 교수가 선정되었고 생명·해양 분야에서는 약학과 신주영 교수와 의학과 이주상 교수가 각각 선정되었다. 신성식 교수는 '저온공정기반 고효율 페로브스카이트 태양전지 소재 및 기술 개발'을 주제로 한 논문으로 에너지·환경 분야 최우수 성과에 선정되었다. 신 교수는 저온공정을 사용하여 무결함의 산화물반도체 소재 개발 및 합성하는 매커니즘을 규명하여 광전변환효율 25%를 뛰어넘는 세계 최고 성능의 페로브스카이트 태양전지를 개발한 성과를 인정받았다. 신성식 교수의 연구는 태양전지용 산화물 반도체 소재 국산화를 통한 글로벌 경쟁력을 확보하고 고성능 태양전지 개발을 통한 탄소중립 사회 실현에 기여했다는 평가를 받고 있다. 특히 신성식 교수의 연구는 지난 2021년 2월 국제학술지 'Nautre'의 표지논문으로도 선정된 바 있다. 융합기술 분야에 선정된 우충완 교수는 통증 정도를 예측할 수 있는 뇌영상 바이오마커를 개발한 성과를 인정받았다. 통증은 외부 유해 자극에 대한 몸의 반응에서 기인하지만, 인간의 감정, 기억 등과 같은 요소들의 영향을 받으며, 뇌기능 커넥톰을 이루는 뇌의 여러 영역 간 복잡한 기능적 상호작용을 통해 일어난다. 우충완 교수는 미국 다트머스대학교 토어 웨이거 교수 연구팀과 함께 뇌기능 커넥톰을 기반으로 지속되는 통증을 읽어낼 수 있는 뇌영상 바이오마커를 개발하여 109명의 건강한 실험 참가자들의 지속적 통증 강도를 성공적으로 예측했을 뿐만 아니라, 192명의 허리통증 환자들의 통증 점수 또한 높은 정확도로 예측했다. 우충완 교수의 성과는 만성 통증이 일어나는 뇌 기제를 이해하고 궁극적으로 통증 환자들을 도울 수 있을 것으로 기대되고 있다. 약학과 신주영 교수는 예방접종등록자료 및 건강보험청구자료 연계를 통한 백신 안전성의 근거를 생성하고 기반을 마련하였다는 성과를 인정받았다. 자궁경부암 백신은 무료접종임에도 불구하고 이상반응에 대한 우려로 접종율은 낮은 수준이다. 이에 신주영 교수 연구팀은 질병관리청의 예방접종등록자료와 국민건강보험공단의 건강보험청구자료를 연계하여 비접종군 대비 접종군에서의 상대적 이상반응 발생위험과 접종군에서의 접종 이전 대비 이후 기간에서의 시간적 이상반응 발생위험을 평가하였다. 이를 통해 합리적인 예방접종 정책 수립을 위한 근거를 마련하였으며 백신에 대한 안정성을 입증하였다는 평가를 받고있다. 아울러 국내 보건의료 분야에서 빅데이터를 연계한 연구 생태계에 촉매제 역할을 할 것으로 기대하고 있다. 의학과(인공지능학과) 이주상 교수는 기존의 개인 맞춤형 의료를 획기적으로 개선할 수 있는 새로운 의료 플랫폼 셀렉트(SELECT)를 개발한 성과를 인정받았다. 최근에는 빅데이터를 바탕으로 환자에게 가장 적합한 치료법을 선택해 치료하는 암 환자 개인 맞춤형 의료가 대두되고 있다. 이주상 교수 연구팀은 개인 맞춤형 의료 플랫폼 셀렉트(SELECT)를 통해, 항암 치료 전에 환자의 유전자 데이터를 바탕으로 어떤 항암제가 효과가 있을지를 예측함으로써 환자에게 가장 효율적인 치료를 제공할 수 있다. 연구진은 세계 각국의 암센터에서 실시된 다양한 암종과 표적 치료제 및 면역 치료제를 아우르는 5,000명의 환자가 참여한 약 50개의 임상 시험 데이터를 분석하였고 약 70%의 항암제에 대하여 환자의 반응률 및 생존율을 예측할 수 있었으며, 기존의 암 맞춤치료에 비해 2배가 넘는 환자에게 효과적인 치료법을 제시할 가능성이 있는 것으로 나타났다. 향후 임상 시험을 통한 검증과 인공지능 모델을 통한 예측력 개선을 통해 암 환자와 의료진에게 희망을 제시할 수 있을 것으로 기대된다.
-
- 작성일 2022-11-21
- 조회수 1466
-
- 김유성 교수 연구실 2022 스펙트럼 챌린지 대회 1등 수상
- 스펙트럼 챌린지는 정부 주도형 연구/개발을 개방된 도전 경쟁형 연구/개발 체계로 발전시키려는 목적으로 국가 연구개발 계획에 의거 2019년도부터 2023년 5년 동안 차등화된 기술 난이도로 대회를 계획해 매년 9월부터 11월까지 실시하고 있다. 무선 통신 기술 분양의 창의적이고 혁신적인 기술이 요구되는 문제로 경연이 시행되며 산/학/연 소속 참가팀과 저년도 우수팀이 함께 온라인 공개 자율 경쟁 방식으로 2번의 예선전과 본선 대회를 통해 최종 우수팀을 선발한다. 성균관대학교 인공지능학과 박정인, 오승준 석사과정, 김유성 교수로 구성된 CSI Lab.(Computer Systems and Intelligence Lab.)팀은 차세대 와이파이 환경에서 주파수를 효율적으로 공동 사용할 수 있게 하는 AI공존 기술 분야에서 1등을 수상하였다. 특히, CSI Lab. 팀은 2020년부터 3년 연속 1등이라는 쾌거를 이룩했다. 1등 팀에게는 연구비 1억원이 수여된다. 기사 본문: https://it.chosun.com/site/data/html_dir/2022/11/15/2022111502410.html#
-
- 작성일 2022-11-16
- 조회수 1732
-
- 이지형 교수 연구실, EMNLP2022 논문 게재 승인
- 정보 및 지능 시스템 연구실(지도교수: 이지형)의 최윤석(소프트웨어학과 박사과정)과 김효준(인공지능학과 석사과정)의 "TABS: Efficient Textual Adversarial Attack for Pre-trained NL Code Model Using Semantic Beam Search" 논문이 세계 최고 권위의 자연어처리분야 학회 'EMNLP(Empirical Methods in Natural Language Processing) 2022'에 게재 승인되었습니다. 2022년 12월 UAE 아부다비에서 발표될 예정입니다. YunSeok Choi, Hyojun Kim, and Jee-Hyong Lee. "TABS: Efficient Textual Adversarial Attack for Pre-trained NL Code Model Using Semantic Beam Search" In Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing: EMNLP 2022, Abu Dhabi, UAE, 2022 본 연구에서는 beam search 기반의 black-box adversarial attack method인 TABS를 제안합니다. 기존 연구는 간단한 greedy search 기반의 비효율적인 방법으로 adversarial example을 생성하지만, TABS는 beam search와 contextual semantic filtering를 통해 더 나은 adversarial example을 생성함과 동시에 search space를 효율적으로 줄이는 것을 확인하였습니다. 제안된 방법론은 NL code search classification과 retrieval task에서 attack success, the number of queires, semantic similarity 모두 향상된 성능을 달성하였습니다. Abstract: As pre-trained models have shown successful performance in program language processing as well as natural language processing, adversarial attacks on these models also attract attention. However, previous works on blackbox adversarial attacks generated adversarial examples in a very inefficient way with simple greedy search. They also failed to find out better adversarial examples because it was hard to reduce the search space without performance loss. In this paper, we propose TABS, an efficient beam search black-box adversarial attack method. We adopt beam search to find out better adversarial examples, and contextual semantic filtering to effectively reduce the search space. Contextual semantic filtering reduces the number of candidate adversarial words considering the surrounding context and the semantic similarity. Our proposed method shows good performance in terms of attack success rate, the number of queries, and semantic similarity in attacking models for two tasks: NL code search classification and retrieval tasks.
-
- 작성일 2022-10-25
- 조회수 2256