AI 여름학교 참여해 보니... 리얼 후기 모음 > 연구원소식 | 서울대학교AI연구원(AIIS)

소식

연구원소식

연구원 소식 AI 여름학교 참여해 보니... 리얼 후기 모음

본문

제2회 서울대 AI 여름학교가 약 1만명의 수강생들이 참여한 가운데 성황이레 종강하였습니다. 1일차부터 3일차까지 열공한 학생과 직장인들의 후기 중에 베스트를 선별하였습니다.  


★ 이렇게 수준급의 강좌를 무료로 개방하시다니, COVID19로 인해 AI 관련 행사 및 강좌가 많이 없었는데 가뭄의 단비 같은 AI여름학교 감사합니다. 

★ 제 지식의 경계를 넓히는 중요한 기회였다고 생각합니다. 대학원이라는 한정된 공간에서 배우는 지식이 아닌, 다양한 계층의 개발자들이 말해주는 날 것 그대로의 강연을 들을 수 있었습니다. 

★ 평소에 관심 있었기만 쉽게 접하기 어려웠던 기술들에 대한 설명과 인사이트들을 접할 수 있어서 정말 좋은 경험이었습니다. 

★ A very helpful AI summer school. I am working on the NLP-related area, the provided lectures are useful for my research. 

★ 여러 강연자분은 물론 오전부터 오후 끝까지 내내 유튜브 채팅창에 올라온 질문에 성실히 응대해주신 서울대학교AI연구원 님께 감사드립니다. 



서울대 기계공학부 송한결 

f36e0aae6667888b6dfe759827e0b348_1629336061_3437.jpg

AI 여름학교는 저에게 무척 충격적이고 화려했습니다. 학부생 수준에서 최신 AI 기술 동향에 대해 접하는 것은 쉽지 않은 일입니다. AI 기술은 매우 빠른 속도로 발전하고 있고, 학부 수업에 소개될 때쯤 그 최신 기술 이었던 것을 뛰어넘는 최신 기술이 등장했음을 뒤늦게 전해듣곤 합니다. 애초에 학부 수업에서 다루기 어려운 깊은 세부분야는 존재하는 줄도 모르는 경우가 태반입니다. 인간의 직관을 벗어나는 augmentation 기술인 Mixup, 그보다 더 발전된 Puzzle-mix 는 놀라움의 연속이었습니다. 특정 상황에 특화된 AI 기술이 지금까지 주목을 받으면서 "인공지능" 이라는 말이 희미해지고 있었는데, 진정한 AI에 도달하기 위한 ULM이라는 새로운 관점을 배우기도 했습니다. 어릴 때 과학관에서 엉거주춤한 자세로 직립보행하는 로봇을 본 그 세대여서 그런지 이 때 이미지가 오래 남아있었는데, 현재 시뮬레이션 기술이 모든 근육을 모델링하는 수준이고 강화학습을 통해 드래곤을 길들이고 계시다는 걸 배우며 10여 년 만에 이 부분 지식을 업데이트했습니다. 



 

서울대 컴퓨터공학부 김민정 


f36e0aae6667888b6dfe759827e0b348_1629336090_0229.jpg

작년에 열린 2020 AI 여름학교에서 세계적인 석학들의 강의를 온라인으로 참여해 들을 수 있어서 굉장히 유익한 시간을 보냈었는데 이번에 다시 한번 좋은 기회가 생겨서 준비해주신 모든 분들께 감사의 말씀을 전하고 싶습니다. 코로나로 힘든 시기에 온라인 강의라는 순기능을 발견해 각국에 계신 훌륭한 연구자분들의 연구슬 방 안에서 들을 수 있어 너무나 영광스러웠습니다. 저는 현재 컴퓨터 비전 분야에서 자율 주행과 증강 현실, 그 외의 많은 분야에 적용될 수 있는 이미지를 보고 현재의 위치를 찾는 visual localization task와 point cloud와 image를 활용한 place recognition 등의 과제를 연구하고 있습니다. visual localization task는 image retrieval based approach나 regression 등과 같이 이미지만으로 6-dof camera coordinates를 얻을 수도 있지만, 요즘 기술이 발전하면서 센서들이 점점 정교해지고 저렴해지고 있어 그 정보를 함께 이용할 수 있는 모델을 개발하는데 관심을 가지고 있습니다. 이 과정에서 필요한 새로운 데이터를 모으고, 다양한 방식으로 모은 data를 하나의 모델에 적용할 수 있도록 통합하는 과정에서 다양한 분야의 연구들을 공부할 필요성을 느끼고, 여러 분야를 공부하고 있는 중입니다. 논문들을 읽으면서 이전에는 같은 분야의 연구들을 집중적으로 읽었다면, 요즘에는 실제 환경에 적용하는 것에 조금 더 관심을 가지게 되면서 다양한 분야들에서 발견한 문제점들을 찾으려고 노력하고 있는데, 이런 AI 여름학교와 같은 프로그램을 통해서 다양한 분야의 트랜드와 현재의 기술력, 그리고 관심가지고 연구하는 부분 등을 집중적으로 파악할 수 있어서 굉장히 유익했습니다. 특히 작년보다 더 예뻐진 강연 디자인이 시각을 확 사로잡았고, 더 많은 학생들이 참여해서 댓글을 남겨주어서 많은 사람들의 의견을 실시간으로 확인할 수 있었던 점이 좋았습니다. 


장병탁 교수님의 강의는 로봇이 사람 수준의 AI를 구현하기 위해서 열리고 있는 challenge와 현재 연구 중인 분야에 대해서 기초부터 설명해주셨고, 송현오 교수님께서는 ML generalization 향상을 위한 최근 동향들을 자세하게 설명해주셔서 마치 핵심 강의 수업을 듣는 것 같았습니다. 이제희 교수님께서는 움직임을 연구하는 다양한 방법과 사용 분야에 대해 소개해주셨는데, 워낙 목소리가 좋으시고 설명을 차분하게 해주셔서 더 관심을 가지고 듣게 된 것 같습니다. 요즘 너무 이론적인 논문 보다는 실제 환경에 적용이 가능하도록 하는 부분에 더 큰 관심을 가지게 되었는데, 김선 교수님의 강의와 이제희 교수님의 강의는 특히 그 부분이 강조되는 것 같아서 더 집중할 수 있었고, 다양한 시각 자료를 사용하셔서 얼마나 필요하고 어느 부분이 어떻게 적용되는지를 파악할 수 있어서 좋았습니다. 강의가 끝나고 앞서 발표하신 교수님께서 이제희 교수님께 여러 질문을 하셨는데, 교수님들끼리 서로에게 질문하면서 알고 계신 내용들을 공유하신 부분에 대해서 굉장히 새로웠고 그 과정에서도 또 배울 수 있는 점들이 있어서 참 좋았던 것 같습니다. 특히, 바람 등과 같은 자연 환경 변수도 어느 정도 예측이 가능하다는 부분에 있어서 놀라움을 느꼈고, 바람이나 신체가 유연한 문어 등의 움직임을 모델링하기 위해서 얼마나 많은 데이터를 확인하고 연구를 진행하셨을지 생각하니 연구에 대한 신뢰성과 더불어 한 연구를 진행하는데 연구자가 들여야할 노력을 알게되어 경이함도 느껴졌습니다. 이러한 부분들이나 또 너무 구체적이다 싶은 부분들에 대해서는 실제 환경에서는 질문하기 어려운 부분이 있었는데 유튜브 댓글을 통해 질문을 받았던 점도 좋았던 것 같고, 많은 학생들이 참여해주셔서 AI에 대한 많은 관심과 생각들을 알 수 있었습니다. 특히 저라면 미처 가지지 못했을 생각을 질의 응답 시간을 통해 알 수 있게 된 것 같아 저에게도 발전의 기회가 되었던 것 같습니다. 


요즘 대부분의 학회들이 virtual로 열리게 되면서 서로의 연구에 대해 관심을 가지고 이야기할 수 있는 기회가 많지 않았고, 특히 한국에서 그런 기회를 얻기란 쉽지 않았는데 아마 강의를 듣는 분들 중에 저와 같은 감정을 느끼고 계신 분들이 많았을 거라고 생각이 듭니다. 또한 본 프로그램을 통해 한 연구가 또 다른 연구를 하는데에 영감을 주었다는 것이 굉장히 새로우면서 연구를 할 때 좀 더 책임감을 가져야 겠다는 생각도 들었습니다. 코로나라는 안좋은 상황이 세계에서 연구하는 연구자들이 온라인을 통해서 교류할 수 밖에 없도록 만들었는데, 그것이 실제로 더 많은 연구원들에게 좋은 연구를 알리고 서로의 의견을 공유할 수 있게 된 계기가 된 것 같아 좋았던 것 같습니다. 또한 요즘에 AI 분야가 많은 각광을 받게 되면서 정말 많은 논문들이 빠른 시간 내에 쏟아져 나오고 있기 때문에, 제대로 홍보되지 못한 논문들은 좋은 연구임에도 불구하고 많은 사람들이 접하지 못하게 되는 경우가 많은 것 같습니다. 그런데 이번에 AI 여름학교라는 자리를 통해 세계적으로 유명한 석학들의 강의를 들을 수 있고, 교수님들뿐만이 아니라 해외 연구자들의 연구들을 동시에 들을 수 있어 저와 같은 AI 연구자들이 좋은 정보를 공유받을 수 있어서 굉장히 유익한 자리였고, 남은 시간들도 그럴 것이라고 기대하고 있습니다. 이런 AI 여름학교라는 프로그램을 통해 서울대학교가 얼마나 AI에 관심을 가지고 연구에 임하고 있는지 서울대학교 학생뿐만 아니라 본 행사를 접할 수 있는 관련 직종의 사람들에게 전달할 수 있었던 것 같아 매우 자랑스러웠습니다. 


 

서울대 인공지능 협동과정 양은석 

f36e0aae6667888b6dfe759827e0b348_1629336128_5646.jpg

컴퓨터비전, 자연어처리, 하드웨어 뿐만 아니라 최근에 주목받기 시작하는 인공지능의 안전성까지 넓은 분야를 두루 다루었던 점과 각 분야의 최근 연구 동향까지 쉽게 들을 수 있었던 점이 매우 좋았습니다. 그 중 인상깊었던 내용을 위주로 요약하고 느낀점을 정리하였습니다.

먼저, 비전 분야는 딥러닝의 탄생에 거의 핵심 역할을 했다고 할 수 있는 분야로, 초창기에 단순 이미지 분류 문제를 다루었던 것에 비해 최근에는 이미지 생성이나 실시간 비디오처리까지 딥러닝을 이용해 해결하고 있는 추세입니다. 박태성 박사님은 적대적 생성 모델(GAN)이 가우시안 분포로부터 현실적인 이미지를 샘플링할 수는 있으나 과연 이미지 편집에도 좋은 성능을 보이는지에 대한 질문을 던지고, 이미지만이 가지고 있는 질감이나 구성에 집중하여 좋은 성능을 보이는 모델을 제안하셨습니다. 비디오 처리 분야에 관해서는 김건희 교수님과 이영기 교수님께서 발표해주셨는데, 같은 분야임에도 두 분의 연구 방향이 상당히 다르다는 점이 흥미로웠습니다. 김건희 교수님께서는 라벨 없이도 학습 가능한 self-supervised learning측면에서의 비디오 학습을, 이영기 교수님께서는 실시간 비디오 분석 측면에서의 시스템 개발에 대해 자세히 설명해 주셨습니다.

다음으로, 자연어처리 분야는 OpenAI에서 대규모 언어모델 GPT-3를 발표한 이후 AI 전문가가 아닌 일반인에게도 많은 관심을 모으게 된 분야입니다. 이민아 박사님께서는 인공지능이 사람에게 미치는 영향이 점점 증가하고 있다는 지적과 함께 'AI가 인간의 창의성을 향상시킬 수 있는지'에 대한 해답을 제시함에 이어 AI로부터 발생하는 몇 가지 윤리적인 문제에 대해 지속적인 관심을 가져야 한다고 강조하셨습니다. 강연을 들으면서 실제로 몇 달 전 한 인공지능 챗봇이 윤리적 측면에서 큰 파장을 일으켰던 사건이 떠올랐습니다.

AI 보안 역시 AI 윤리와 더불어 최근 많은 집중을 받고 있는 분야입니다. 산업공학과 이재욱 교수님께서는 비선형 시스템의 안정성으로부터의 개인정보 보호를 주제로, 천정희 교수님께서는 기존 암호 체계를 다양한 측면에서 보완한 동형암호를 주제로 강연하셨습니다. 이영기 교수님께서 on-device privacy를 강조하시는 등 다른 주제로 강연하신 연사분들도 보안과 관련된 문제를 중요하게 다루셨습니다.

마지막으로 AI 알고리즘이 잘 작동하도록 하는 시스템과 하드웨어 관련하여 권혁준 박사님과 컴퓨터공학부 이재욱 교수님께서 강연해 주셨습니다. AI의 각 도메인마다 주로 사용하는 특징적 operator가 존재하기 때문에 이를 잘 최적화하는 시스템의 디자인이 필요하다는 내용과 계산 능력이 상대적으로 낮은 기기에서도 효율적으로 동작하는 모델의 최적화 내용에 대한 내용을 들을 수 있었습니다. AI는 상당히 빠르게 변화하는 분야인 만큼 끊임 없이 발전하는 연구들을 따라가는 재미가 있는 것 같습니다. 



이주영

인공지능에 관련된 다양한 task에 대한 강연을 들을 수 있어 너무 유익한 시간이었습니다. 자연어 관련 강연뿐만 아니라 privacy 관련된 모델의 stability의 중요성과 homomorphic encryption에 대한 강연도 인상적이었습니다. 비전 관련해 기억에 남는 내용은 Adobe Research의 박태성 연구원님 강연에서 latent space간의 차이를 이용해 눈 내린 풍경의 특징을 더 추가하거나 뺄 수 있다는 포인트가 인상적이었고, 김건희 교수님 강연을 통해서 비디오라는 인풋에 담긴 다양한 정보들 (image frames, motion vectors, residuals)을 잘 이용해서 최적화 된 모델을 설계할 수 있다는 점이 기억에 남습니다. 모델 최적화도 중요하다고 생각하는데, Facebook Research의 권혁준 연구원님의 강연과 3부에서 진행 된 엣지 클라우딩과 hw를 고려한 모델 디자인 관련 강연도 조금 어렵지만 모델/서버/HW 상에서의 각각의 최적화 연구에 대해 접할 수 있어 좋았습니다. 대학원 진학을 고민 중에 있는데, 이번 AI 여름학교를 통해서 AI 연구에 대한 다양한 분야에 대해 접할 수 있고, 현재 각 연구실에서 어떠한 과제를 중점으로 연구를 하고 있는지도 알 수 있어 많은 도움이 되었습니다. 



고려대학교 장영준 (블로그: https://studyenthusiast-26.tistory.com/172)

UT Austin에서 재직 중이신 최은솔 교수님이 세미나를 먼저 청취할 수 있었습니다. 교수님께서 주로 연구하시는 분야는 Question & Answering라고 소개해 주셨고 진행하시는 연구 및 전체적인 QA task의 overview에 대하여 설명을 해주셨습니다. 그 중에서도 공유해주신 XORQA 연구는 Open domain question answering task를 수행하는 것으로 이해 하였습니다. 본 task를 수행하는데 있어서 Question answering을 하는데 어떤한 질문들은 대답할 수 없는가에 대한 설명을 해주셨고 이를 어떻게 해결했는지 공유해주신 점 인상 깊었습니다. 위의 figure와 같이 input으로 일본어와 wikipedia같은 오픈 도메인 포럼을 입력 받으면 정보를 위키피디아에서 retrieve하고 일본어를 retriever단에서 번역을 진행하여 영어로 출력하는 것으로 이해하였습니다. 물론 일본, 영어 위키 모두 참조하여 진행하는 것 같습니다. 더 자세한 내용은 논문을 읽고 정리를 진행하려고 합니다. 미네소타대학교 강동엽 교수님께서 나누어진 내용 중에 넵병을 예를 들어서 설명을 진행하여 주신 것이 상당히 흥미로우면서도 신선하였습니다. 사람 중심의 NLP 시스템과 상대방에 따라서 어떻게 말을 다르게 하는지에 대한 내용을 의미합니다. 이러한 것은 style이라고 정의할 수 있는데 굉장히 어려운 task인 것으로 생각이 듭니다. 이러한 연구를 진행하는데 있어서 xSLUE 데이터셋을 구축하셨는데 앞으로 실제 industry 및 academia에서도 유의미한 연구가 될 수 있을 것으로 예상됩니다. 

개인적으로 강유 교수님께서 진행하신 Stock Prediction with AI를 청취하며 기존과 접근 방법이 조금 다른 것을 느낄 수 있었습니다. 그 중에서도 time , data axis attention을 적용하여 예측을 진행하였다는 점 인상적이였습니다.

이번 년도 작년과 다름없이 무료로 양질과 열정이 담긴 연구 세미나를 개최 해주셔서 감사합니다. 2020년보다 더 많이 공부한 상태에서 청취하였지만 금년에도 다른 테마의 강의 및 Q&A 진행방식을 통하여 다른 분들의 답변 및 질문에서도 많은 insight를 얻을 수 있어서 매우 유익하였습니다.

3일 동안 세미나를 들으면서 제가 몰랐던 부분, 쉽게 지나쳤던 부분들에 대해서도 한 번 다시 되돌아보면서 연구가 무엇인지에 대해서도 기본을 충실히 다시 되새김질할 수 있었던 시간 이였습니다. 


 

서울대 뇌과학 협동과정 임형석 

저는 컴퓨터 비전 분야에 관심이 있어서 현재 그와 비슷한 분야에서 연구를 진행하고 있고, 그 중에서도 특히 이미지나 point cloud를 사용하여 현재 위치를 파악할 수 있는 단서를 찾아내거나 찾는 visual localization and place recognition task를 연구하고 있습니다. 요즘 다양한 센서들이 많이 개발되고 있고, 가격이 저렴해짐에 따라 상용화가 많이 되어가고 있어서 이미지로부터 뽑아낸 정보와 센서들로부터 얻어낸 data를 결합하여 풀어낼 수 있는 모델을 연구하고 있습니다. Visual localization task는 image retrieval based approach나 regression 등과 같이 이미지만으로 camera coordinate을 얻을 수 있지만, 요즘 기술이 발전하면서 센서들이 점점 정교해지고 저렴해지고 있어 그 정보를 함께 이용할 수 있는 multi-modal approach를 개발하는데 관심을 가지고 있습니다. 이 과정에서 필요한 새로운 데이터를 모으고, 다양한 방식으로 모은 data를 하나의 모델에 적용할 수 있도록 통합하는 과정에서 다양한 분야의 연구들을 공부할 필요성을 느끼고, 여러 분야를 공부하고 있는 중입니다. 특히 generative model 분야와 object detection, image retrieval과 같은 paper를 많이 읽었고, 실제로 그와 관련된 연구에도 참여하여 paper를 쓴 경험이 있습니다. 그래서 계속 이 분야들에 관심을 가지고 있었는데, 오늘 서울대학교 전기정보공학부의 김영민 교수님께서 강의해주신 <Geometry in the Deep Learning Era> 강의를 굉장히 흥미롭게 들을 수 있었습니다. 2D image와 3D point cloud data의 차이점에 대해서 간략하게 설명해주시면서, supervised-learning의 현재 상황과 앞으로 컴퓨터 비전이 나아가야할 방향성에 대해서 visual localization task와 관련하여 소개를 해주셨는데 새로운 관점에서 문제를 바라볼 수 있었던 좋은 계기가 된 것 같습니다. 딥러닝에서 데이터셋은 굉장히 큰 역할을 하고, 특히 supervised-learning은 데이터셋이 제대로 잘 준비만 되어 있다면 product 생산단계까지 왔을 정도로 큰 발전을 이룬 상태입니다. 그러나 모든 데이터에 다 labeling을 달 수 없고, 하나의 정답만이 존재하는 것이 아닌 문제들도 많기 때문에 supervised learning은 한계를 가지고 있습니다. 김영민 교수님 연구실에서는 이 문제를 지적하면서 data에 특별한 labeling 없이 사용할 수 있는 3D computer graphics와 연관지을 수 있는 기술을 소개해주셨습니다. 사실 이전에는 computer vision과 computer graphics 기술을 특별히 연관지을 생각을 하지 못했고, 그 둘이 어떻게 다르게 작용하고 있는지 명확하게 설명하기 어려웠는데 김영민 교수님께서 computer vision은 이미지를 보고 3d structure를 예측하는 등의 일을 하고, computer graphics는 이미 setup 된 카메라와 물체에서 2D로 볼 수 있게 정교하게 모델링하는 것을 말한다고 명확하게 정의해주시면서 이 둘을 잘 활용하면 좋은 연구가 될 것이고 과연 딥러닝을 어디까지 쓸 수 있을까에 대한 고민과 함께 새로운 visual localization approach를 소개해주셨습니다. <PICCOLO: Point Cloud-Centric Omnidirectional Localization>라는 모델은 3D point cloud로 이루어진 structure에서 2D 이미지를 받았을 때 그 이미지의 카메라 좌표를 찾는 모델입니다. Visual localization task는 이미지들을 이용해서 그 사이의 matching 되는 local key point들로 3D reference map을 만들어 놓고, 새로운 query가 들어왔을 때 reference images 중에서 가까운 candidates를 찾은 후에 가장 잘 matching 되는 local key point들로 PnP Solver + RANSAC을 통해서 camera coordinate을 찾는데, 3D reference map을 만드는 과정이 Structure from Motion model을 이용해야 해서 굉장히 복잡하고 local feature를 아무리 잘 뽑아도 성능에 영향을 미칠 수 있는 문제점이 있습니다. 그래서 저도 3D lidar data를 이 reference map으로 사용할 수는 없을까 굉장히 많은 고민을 했는데, 김영민 교수님께서는 이 문제를 굳이 딥 뉴럴 네트워크를 이용하지 않고서 이 문제를 간단하게 해결하는 방법을 제시해주셨습니다. 2D image는 panoramic image를 사용해서 일반 이미지에 비해서 global feature를 잡기가 손 쉽고, 이 image와의 matching은 3D structure 안의 특정 점에서 3D computer graphics rendering과 같이 camera 관점에서 바라본 panoramic view 와의 간단한 color matching으로 camera coordinate을 찾아냈습니다. 이렇게 한다면 local feature와 global feature를 찾아내고, 3D reference map을 만들고 2D keypoint를 3D reference map과의 매칭을 통해 3D point 정보를 추가로 알아내어 PnP Solver와 RANSAC을 적용하는 어려운 step들을 간단하게 축약할 수 있고, 만들어진 3D reference map 보다 더 정교하고 lidar sensor로 간단하게 만들 수 있는 3D point cloud map을 그대로 사용할 수 있다는 장점도 있습니다. 이 비효율적인 과정들을 어떻게 축약할 수 있을까 고민을 해봤지 딥러닝 대신 다른 기술을 사용할 수 있을까 고민은 해보지 못했는데 이 부분에 대해서 김영민 교수님 연구실에서는 새로운 insight를 제공해주셔서 굉장히 유익한 강의였습니다. 그 외에도 3D lidar sensor로 만들어진 데이터의 sparsity와 connectivity를 이용해서 3D shape을 어떻게 구성할 수 있을까에 대한 문제에 대해 설명을 해주셨는데, 처음 접하는 사람들도 잘 이해할 수 있도록 명확하게 설명해주셔서 강의에 빠져들어 들었던 것 같습니다. 김영민 교수님의 수업을 들어보지는 못했지만 이런 내용의 강의가 있다면 참여해서 들어보고 싶다는 생각을 했고, 저의 연구 과정에 있어서 굉장히 큰 영감을 주셔서 감사했습니다.


그 외에도 전병곤 교수님께서는 요즘 큰 이슈가 되고 있는 GPT-3에 대한 설명을 해주셨고 강유 교수님께서는 다양한 변수가 작용하는 상황에서 AI를 이용해 주가 예측을 하는 방법에 대한 소개를 해주셨습니다. 많은 학생들이 관심을 가지고 있는 분야인 만큼 다양한 질문들이 많이 나와 강의를 듣는 내내 지루함 없이 집중해서 들을 수 있었던 것 같습니다. 특히 그 시간 뒤에는 서울대학교 신진 박사연구원들의 연구를 소개받는 시간이 나왔는데, 앞선 사람이 뒷 사람을 소개해주면서 서로의 연구에 대해 질문을 해주는 장면에서 너무나 이상적인 연구원들의 모습을 볼 수 있어서 인상깊었습니다. 요즘에 인공지능이라는 키워드가 굉장히 효과적으로 작용하고 있고, 그래서 많은 분야에서 많은 사람들이 관심을 가지며 정말 많은 논문들이 끊임없이 쏟아져 나오고 있는데, 제대로 홍보되지 못한 논문들은 좋은 연구임에도 불구하고 많은 사람들이 접하지 못하게 되는 경우가 많아 아쉬움을 많이 받았었습니다. 오늘 본인의 연구들을 소개해주신 유재민님, 이상선님, 김병창님, 그리고 이경재님의 연구도 그 중 하나라고 생각하고, 이번 기회를 통해 처음으로 알게 된 논문들이 대부분이었습니다. 그러나 이번 AI 여름학교라는 자리를 통해 세계적으로 유명한 석학들의 강의와 함께  서울대학교 신진 박사 학위연구자들의 연구들을 홍보함과 동시에 저와 같은 AI 연구자들이 공유받을 수 있어서 굉장히 유익한 자리였다고 생각합니다. 특히 박사 학위 연구자들의 발표는, 그분들이 박사 학위를 받기 위해 쓴 논문들을 통해 연구의 발전 과정을 함께 알 수 있어서 제가 앞으로 박사 과정 생활을 준비하는데 큰 도움을 받을 수 있었습니다. 연구를 하면서 이 연구가 얼마나 효과적으로 작용하는지도 중요하지만, 이 연구가 나오게 된 motivation과 그래서 어떻게 이 모델이 나오게 되었는지의 과정이 얼마나 다른 연구자들에게 영향을 줄 수 있는지 깨닫게 되었는데 본 프로그램을 통해서 다른 연구자들이 어떻게 이 연구를 선택하게 되었고 어떤 과정으로 모델을 완성했는지 그 과정을 들을 수 있었던 것 같아 많은 것을 배울 수 있었습니다. 지난 3일간 AI 여름학교에서 진행하는 강의를 통해서 다양한 분야를 접해볼 수 있었고, 서울대학교가 얼마나 AI에 관심을 가지고 연구에 임하고 있는지 서울대학교 학생뿐만 아니라 본 행사를 접할 수 있는 관련 직종의 사람들에게 전달할 수 있었던 것 같아 매우 자랑스러웠던 것 같습니다. 이런 좋은 자리를 가질 수 있게 노력해주신 서울대 컴퓨터공학부와 서울대학교 AI연구원, 그리고 컴퓨터연구소께 감사의 말씀을 드리고 싶고, 이런 행사가 앞으로도 자주 열려서 AI 연구자들이 본인의 연구를 자유롭게 홍보하고 세계적인 석학들과 의견을 주고 받을 수 있었으면 좋겠습니다. 좋은 프로그램을 만들어주셔서 감사합니다.


AI 여름학교 강의 영상 다시보기 http://youtube.com/서울대학교AI연구원 

댓글목록

등록된 댓글이 없습니다.