인공지능의 학습과 추론 연구센터

인공지능은 학습과 추론 두가지의 핵심 과정으로 구성된다. 학습 단계에서는 인공지능이 대량의 데이터를 활용하여 지식을 습득하고 성능을 향상시킨다. 그리고 학습 단계가 완료되면, 이전에 보지 못한 새로운 데이터에 습득한 지식을 적용하여 작업을 수행하는 추론 단계를 거치게 된다. 이 두가지 과정은 서로 연결되어 있으며 인공지능 시스템이 경험을 통해 학습하고 인간 지능과 연관된 작업을 수행할 수 있게 한다.

본 센터에서는 우수한 인력들을 바탕으로 선도적인 인공지능의 학습과 추론을 연구하는 것을 목표로 하며, 다음의 주제로 연구를 진행한다.

• 지식 증류 기법

  베이지안 방법 또는 앙상블 방법으로 구하여진 복수의 teacher model들을 예측분포에서 생성된 랜덤함수로 이해하고, 이를 student model로 지식증류 하는 기법 연구

• 인공지능의 훈련역학

  디퓨전 확률 모형의 통계적인 샘플링 정리와 수학적인 approximation theory 관점에서의 연구

• 지속 가능한 학습 방법

  강화학습 태스크들을 연속적으로 학습할 때 생기는 negative를 방지할 수 있는 알고리즘 개발 연구

• 데이터 관계 그래프

  데이터간의 관계에 기반하여 문제 있는 데이터를 식별하는 프레임워크 연구

• 생성 및 멀티 모달 모델

  CLIP과 같은 비전-언어 모델을 critic으로서 사용하여, 두 도메인 사이의 smoothed & controllable한 이미지 생성 방식 연구