2024년 5월 30일, 한국데이터마이닝학회 춘계학술대회에 청취자 입장으로 참여하였습니다. 과거와는 다르게 기업체 세션이 주를 이루는 오전 학회도 청취하며 학회 전반에 많은 생각을 할 수 있었습니다. 매번 데이터마이닝학회 참가할 때 마다, 많은 생각을 듣게 하는 연구 내용이 많았는데 이번에도 마찬가지로 즐겁게 고민할 수 있는 시간을 가졌습니다.

1. 'ChatGPT 1년, 초거대AI가 불러온 변화와 우리의 대응전략' 

네이버연구소/ Cloud 센터장인 하정우님이 진행한 발표였습니다. ChatGPT로 대표되는 생성형 AI에 대한 내용이 주였으며 크게 두 가지 인사이트를 얻을 수 있었습니다. 첫번째는 Foundation 모델과 이를 활용한 연구에 관한 내용입니다. 빅테크가 아닌 작은 기업들, 학교에서 연구를 수행할때 직접 초거대 AI 모델을 학습하기 어렵습니다. 그래서 빅테크에서 학습한 모델을 어떻게 잘 사용해야하는지에 관해 인사이트를 얻을 수 있습니다. 예를 들어, Segment anything 모델을 산업체 데이터에 어떻게 적합하게 할 수 있을까에 관한 내용이었습니다. 두 번째는 AI 모델이 학습한 문화에 대한 내용이었습니다. 초거대 AI모델을 학습한 국가들은 주로 미국이기 때문에, 미국 문화를 주로 학습한다고 볼 수 있습니다. 따라서 특정 국가 문화를 반영하여 모델을 학습시키고 자국민들이 사용할 수 있도록 데이터 셋을 구축해야한다는 필요성을 언급해주었습니다.

2. Gradual Domain Adaptation for Enhancing Low Light Image Recognition

광운대학교 백승준님이 발표한 연구였습니다. Source 도메인과 Target 도메인 사이 차이가 클 때, 두 도메인 사이에 존재하는 다른 데이터 셋 내 입력 데이터를 사용해 점진적으로 모델 학습 과정을 제안해주었습니다. 기존 FixMatch를 기반으로 데이터를 추가하는 방식이었지만, Unlabeled 데이터를 선택하는 과정에서 차이가 있었습니다. 다만 실험에 사용한 데이터 셋이 본인 가설을 증명하기위한 적합한 데이터 셋인지에 대한 의문이 생겼습니다.

3. 소리 데이터를 활용한 C-EPS 모터 소음 불량품 검출 모델 제작

서울대학교 방승재님이 발표한 연구였습니다. 과거 우리 연구실에서 했던 소음 수준을 예측하는 과제와 유사해서 청취하게 되었습니다. 분류 모델을 사용해 소음 유형을 분류하였고 LIME을 사용해 어떤 주파수 대역이 소음을 유발하는 지 추출하는 xAI 연구 결과도 소개해주었습니다. 많은 변경사항이 있을 지 기대하며 청취하였으나 특별한 내용이 없어 아쉬웠습니다.

4. 인공지능 기반 상하역 리프터 조작 보조 기술

광운대학교 노유진님이 발표한 연구였습니다. 컴퓨터 비전 알고리즘을 활용해서 운반해야할 팔레트 위치를 자동으로 탐색하고자 하는 연구였습니다. 팔레트를 자동으로 인식하는 방법으로 Semantic Segmentation(Pixel-level classification), Object Detection(Bounding box regression and classification)이 존재하는데 Object Detection 기법으로 팔레트 위치를 인식하였고 성능이 뛰어난 것을 말씀해주었습니다. 하지만 왜 이 방법이 적절한 지에 대한 추가적인 이유를 설명해주었다면 하는 아쉬움이 있었습니다.