-
- (AI타임즈) [특집] 한국의 인공지능대학원: 성균관대학교
- 관련기사 링크: http://www.aitimes.com/news/articleView.html?idxno=131579
-
- 작성일 2020-08-21
- 조회수 1139
-
- 우사이먼교수 연구실, 이한빈, 강준형 (석사과정) 2020인공지능그랜드챌린지 1위 입상
- 우사이먼 교수 연구실의 이한빈, 강준형 석사과정 학생이 2020 인공지능 그랜드 챌린지에 참가해 Track1(행동인지) 부분 1위에 선정되었다. ‘인공지능 그랜드 챌린지’대회는 제시된 문제를 해결하기 위해 참가자들이 개발한 알고리즘을 가지고 실력을 겨루는 도전·경쟁형 연구개발(R&D) 경진대회이다. ‘인공지능 기술을 활용하여 다양한 지역문제를 해결하라’는 주제로 진행되는 이번 ‘2020 인공지능 그랜드 챌린지’ 대회는 인공지능 기술을 활용하여 각종 응급상황(행동인지), 폭력상황(음성인지), 생활폐기물 분류(사물인지), 인공지능 최적·경량화를 통한 전력소비량 감소 등 4개 트랙으로 ’22년까지 3년간 총 4단계로 진행되며 인공지능기술을 통해 편리하고 안전한 생활환경 조성을 목표로 추진된다. 이번 대회는 온라인으로 추진되었으며 주어진 목표를 가장 잘 해결하는 상위 20개팀을 선발하여 팀별로 2단계 대회를 준비할 수 있는 후속연구비 2억원(총 40억원 규모)을 균등 지원한다.
-
- 작성일 2020-08-10
- 조회수 1773
-
- 우사이먼 교수 연구실, 전현성 석사과정 ICML 2020 국제 학술대회 논문 게재 확정
- 데이터기반 융합 보안 연구실(DASH Lab: https://dash-lab.github.io 우사이먼 교수), 전현성 학생(1 저자, 인공지능학과 석사과정)과 방영오 학생(2 저자, 인공지능학과 석사과정)이 인공지능 및 기계학습 분야 최우수학회인 International Conference on Machine Learning (ICML) 2020 (BK CS IF=4)에 “T-GD: Transferable GAN-generated Images Detection Framework” 논문을 게재 확정하였다. (채택률 21.8%) 본 논문에서는 적대적 생성 신경망(GAN)으로 생성된 매우 현실적인 이미지를 탐지할 수 있는 딥러닝 기반 모델의 전이 학습(Transfer Learning) 방법을 제시하였으며, 기존의 탐지 모델이 가지는 학습된 단일 데이터에서만 성능이 높은 과적합 문제를 해결하였다. 연구팀은 사전 훈련된 탐지 모델의 기존 지식을 망각하지 않고, 소량의 데이터로 새롭게 훈련하는 지식을 익히도록 하는 훈련 규제 방법(L2-SP)에 모델 스스로 학습의 강도를 조절할 수 있는 자가학습(Self-training) 방법을 제안하였다. 또한, 생성 이미지 탐지 분야에 적합한 데이터 증강(Data Augmentation) 알고리즘을 고안하였다. 그 결과, 얼굴 생성 이미지와 얼굴 외의 생성 이미지(풍경, 동물)도 탐지할 수 있는 일반화된 높은 전이 학습 성능을 달성하였다. 제안 방법은 기존의 딥러닝 기반 탐지 모델에 손쉽게 적용할 수 있으며, 기존 지식의 망각을 최소화하며 새로운 적대적 생성 신경망의 생성 이미지를 탐지할 수 있다. 본 방법론을 적용하여 최근 ‘딥 페이크’와 같은 보안 위협에 대응할 수 있는 사회적 효과를 가질 것으로 기대된다. [논문] Hyeonseong Jeon, Youngoh Bang, Junyaup Kim, and Simon S. Woo. "T-GD: Transferable GAN-generated Images Detection Framework.". Thirty-seventh International Conference on Machine Learning (ICML). 2020. 본 연구는 과학기술정보통신부(MSIT)의 재원으로 정보통신기획평가원(IITP)의 지원(No.2019-0-00421, AI Graduate School Support Program(Sungkyunkwan University)과 한국연구재단(NRF)의 지원(No. 2017R1C1B5076474, and 2020R1C1C1006004), 정보통신산업진흥원(NIPA)의 지원(HPC Support)을 받아 완성되었다.
-
- 작성일 2020-06-05
- 조회수 2256
-
- 성균관대를 빛낸 2019년 10대 뉴스
- 관련링크 : https://youtu.be/nFxlzMqg4EM <성균관대를 빛낸 2019 10대 뉴스> 1. 성균관대학교 제21대 신동렬 총장 선임 2. 학생성공센터(Student Sucess Center)설립 3. AI(인공지능) 비전 전략 선포식 개최 4. THE89위, QS95위, 중앙일보 종합사립대 1위 5. 2019 세계에서 가장 영향력 있는 연구자 3인 6. 재판연구원 및 검사 합격 전국 1위 7. 성균인성교육센터, 대한민국인성교육 대상 8. AI(인공지능) 대학원 신설 9. 문화예술미디어융합원 개원 10. 경동제약 류덕희 회장, 누적기부액 100억원
-
- 작성일 2020-01-06
- 조회수 1647
-
- 문태섭 교수 연구팀, 적응형 평생학습 알고리즘 개발 성공 및 설명가능 인공지능 방법의 취약성 규명
- 성균관대 전자전기공학부 문태섭 교수 연구팀, 적응형 평생학습 알고리즘 개발 성공 및 설명가능 인공지능 방법의 취약성 규명 - 세계 최고 AI/기계학습 학술대회인 신경정보처리학회 (NEURAL INFORMATION PROCESSING SYSTEMS) 에 논문 2편 게재 확정 - 성균관대학교(총장 신동렬) 전자전기공학부 문태섭 교수 연구팀이 인공지능 분야의 두 가지 핵심 기술 개발 - 적응형 평생학습 알고리즘 개발 (공동 1저자 안홍준 석사과정/차성민 박사과정) 및 설명가능 인공지능 방법의 취약성 규명 (공동 제 1저자 허주연 석사과정 / 주성환 석박통합과정) - 에 성공했다고 밝혔다. 본 연구는 과학기술정보통신부(MSIT)의 재원으로 정보통신기획평가원(IITP)의 지원 (No. 2016-0-00563, No. 2019-0-01396, No. 2019-0-00421, IITP-2019-2018-0-01798)과 한국과학기술연구원 (KIST)의 지원 (No. 2E29330)을 받아 수행되었으며, AI/기계학습 문야의 세계 최고 권위의 학술대회인 신경정보처리학회 (Neural Information Processing Systems, NeurIPS)에 2편의 논문으로 12월 게재 확정되었다. NeurIPS 학술대회는 매년 매우 치열한 경쟁과 엄격한 리뷰과정을 통해 논문들을 채택하는데 (채택률 21.1%) 올해 국내에서 2편 이상 논문이 채택된 단일 연구실은 문태섭 교수 연구실이 유일했다. [논문1] Hongjoon Ahn*, Sungmin Cha*, Donggyu Lee, and Taesup Moon, “Uncertainty-based Continual Learning with Adaptive Regularization” (*equal contribution) [논문2] Juyeon Heo*, Sunghwan Joo*, and Taesup Moon, “Fooling Neural Network Interpretations via Adversarial Model Manipulation” (*equal contribution) 연구팀이 첫 번째로 개발한 적응형 평생학습 알고리즘은 기계학습 분야의 오랜 난제 중 하나인, 순차적인 과제들을 계속해서 효율적으로 학습할 수 있는 연속 학습 (Continual learning) 문제를 다루는 알고리즘이다. 본 연구에서는 베이지안 온라인 학습 (Bayesian online learning)에 기반하여 뉴럴 네트워크 모델 파라미터의 불확실성에 대한 정의를 새롭게 함을 통해, 기존의 방법들에 비해 약 30% 이상 적은 메모리를 사용하면서도, 적응적으로 새로운 개념을 익히고 과거의 지식을 점진적으로 망각해 갈 수 있는 알고리즘을 고안하였다. 그 결과, 다양한 지도학습과 강화학습 상황에서 공히 기존 알고리즘들을 압도하는 성능을 내었다. 연구팀이 두 번째로 보인 설명가능 인공지능 방법의 취약성 규명은 최근 딥러닝 알고리즘의 예측 결과를 설명하는데 많이 사용되는 특징 지도 (saliency-map) 기반의 딥러닝 해석 방법 (interpretation method)이 적대적인 모델 조작 (adversarial model manipulation) 에 매우 취약할 수 있다는 것을 보였다. 특징 지도 기반의 딥러닝 해석 방법들은 특히 딥러닝 모델의 편향성 등을 탐지하는 데 중요하게 쓰일 수 있다고 알려져 있는데, 본 연구에서 제안한 적대적 모델 조작을 가하게 되면 예측 정확도는 거의 변하지 않는 상태에서 전혀 판이한 해석 결과가 나올 수 있음을 보였다. 문태섭 교수는 “적응형 평생학습 알고리즘은 실제 AI기술을 사용하는 응용 분야에서 매우 필요로 하는 실용적인 기술이고, 향후 이 기술을 더 발전시킨다면 데이터가 순차적으로 확보될 수 밖에 없는 응용 분야에 널리 쓰일 수 있는 높은 파급력을 가졌다”고 말했다. 또한, “설명가능 인공지능 기술의 취약성을 보인 연구는 향후 더욱 모델과 데이터에 가해지는 적대적인 공격에 더욱 강건한 설명가능 인공지능 기술을 개발하는 데 필수적으로 고려해야 하는 기준을 제시하였다” 고 설명하였다.
-
- 작성일 2019-11-20
- 조회수 1335
-
- 문태섭 교수 연구팀, 딥러닝 기반 초미세먼지 [PM2.5] 농도 예측 알고리즘 개발 성공
- 성균관대 전자전기공학부 문태섭 교수 연구팀, 딥러닝 기반 초미세먼지 (PM2.5) 농도 예측 알고리즘 개발 성공 - 국제학술지 ENVIRONMENTAL POLLUTION 10월 23일자 온라인 게재 - 성균관대학교(총장 신동렬) 전자전기공학부 문태섭 교수 연구팀 (제 1저자 박용비 석사과정)이 미국 Emory 대학의 Yang Liu 교수 연구팀과 협력하여 딥러닝 기술에 기반한 초미세먼지 (PM2.5) 농도 예측 알고리즘을 개발하는 데 성공했다고 밝혔다. 본 연구는 과학기술정보통신부(MSIT)의 재원으로 정보통신기획평가원(IITP)의 지원 (No. 2016-0-00563, No. 2019-0-00421, IITP-2019-2018-0-01798)과 한국과학기술연구원 (KIST)의 지원 (No. 2E29330)을 받아 수행되었으며, 국제학술지인 Environmental Pollution (JCR 상위 9.7%) 저널에 10월23일자에 온라인 게재되었다. [논문] Yongbee Park, Byungjoon Kwon, Juyeon Heo, Xuefei Hu, Yang Liu, and Taesup Moon*, “Estimating PM2.5 concentration of the conterminous United States via interpretable convolutional neural networks” (*corresponding author) 연구팀은 고가의 측정 센서만으로는 넓은 지역의 초미세먼지(PM2.5) 농도를 높은 지역적 해상도로 모두 측정하는데 너무 많은 비용이 드는 문제점을 보완하기 위하여, 초미세먼지와 관련된 다양한 변수들에 기반하여 PM2.5 농도를 예측하는 연구를 수행하였다. 즉, 인공위성 기반 에어로졸 광학 두께 (AOD), 기후/바람 관련 변수, 계절, 도로, 인구 분포 등 초미세먼지와 밀접한 관련이 있는 변수들을 입력으로 하고 초미세먼지 농도를 출력으로 하는 딥러닝 모델을 개발하여 그 예측 정확도를 높였다. 특히, 기존의 연구들과 달리 딥러닝의 핵심 기술 중 하나인 컨볼루션 신경망 (Convolutional neural networks)을 최초로 활용하여, 예측하고자 하는 지역의 변수들만이 아니라, 주변 지역 변수들 간의 공간적 상관관계까지 활용하는 예측 알고리즘을 개발하는 데 성공하였다. 그 결과, 미국 전역의 PM2.5농도를 예측하는 데, 기존 방법들의 성능을 훨씬 뛰어넘는 예측 정확도 (R^2=0.84) 를 달성하였다. 또한, 연구팀은 설명가능 인공지능 방법의 하나인 LRP (Layerwise Relevance Propagation)를 적용하여, 고안한 알고리즘이 중요하게 활용하는 변수들의 순위와 변수 별 공간적 중요도를 시각화 하는 데에도 성공하였다. 이러한 중요 변수 도출은 기존 딥러닝 기반의 연속값 예측 (regression) 알고리즘에서는 잘 시도되지 않았던 것인데, 도출한 중요 변수 순위가 기존 연구에서 밝혀진 결과들과 비교하고, 대기 환경 분야 전문가인 Emory대학의 Yang Liu 교수와 긴밀한 토의를 통해서도 유의미함을 밝혔다. 문태섭 교수는 “고가의 센서를 통한 직접적인 측정을 하지 않고도, 인공지능 기술을 활용하여 많은 데이터 속에 들어있는 관련 변수들과 초미세먼지의 상관관계에 기반해 초미세먼지 농도를 정확하게 예측할 수 있다는 것을 보인 데 큰 의의가 있다고 생각한다.”고 말했다. 또한, “설명가능 인공지능 방법을 통해, 어떤 변수가 초미세먼지 농도 예측에 가장 크게 관여하는지를 보였기 때문에, 향후 이를 활용하면 초미세먼지 발생 원인을 밝히는 데도 기여할 수 있을 것으로 판단한다.”고 설명하였다. 문태섭 교수는 또 “앞으로도 계속된 환경 분야 전문가와의 국제협력을 통해서, 인공지능 기술에 기반하여 한국 및 중국 지역의 초미세먼지 농도 예측과 원인 규명에 기여하고자 한다.”고 말했다.
-
- 작성일 2019-11-20
- 조회수 1116