1. 서울대학교에서 개최된 대한산업공학회에 다녀왔다. 최근 국제학회(INFORMS, ICCV)를 다녀오고 얼마안되어 국내학회에 참석하여 긴장하기 보다는 편안한 마음으로 임했다. 이번학회는 학부시절 교수님들과 대학원에 진학한 혹은 진학을 희망하는 후배들을 만나게 된 장이었다. 교수님과 후배들나를 한껏 성장한 대학원생으로 대해주어 신기했고, 만나는 기분이 무릇 달랐다. 평소에는 치열할 정도로 연구실 생활을 했다면 대한산업공학회는 그렇게 해서 도출한 연구결과를 공유하고, 커피 한 잔 하며 서로 안부를 묻는 자리로 느껴졌다. 나 뿐만 아니라 많은 교수님들과 대학원생들이 그렇게 학회일정을 보냈다. 그리고 우리연구실 졸업생 유재홍 선배가 인천대학교 교수로 임용되어 인천대학교 소속으로 만났는데 감회가 새로웠고 후배들 연구발표를 경청해주었다.  나도 그런 선배가 되고싶다. 이번 학회 세션구성을 살펴보았는데 가장 크게 느낀 점은 연구발표분야가 AI 에 치우치지 않았다는 점이다. 데이터 분석 및 AI 연구 뿐만 아니라 최적화, 물류시스템 등의 산업공학의 기초가 되는 연구발표도 많아 균형을 이룬 것으로 느꼈다. 또한, 우리연구실 발표가 17 팀이나 되었는데 유일했다. 나도 우리연구실 발표를 위주로 들었는데 역시 우리연구실이 발표를 잘한다. 솔직히 학회에서 발표를 다 듣고나면, 그 발표에 대해 기억나는 것은 거의없다. 풀고자 하는 문제와 어떤 컨셉의 방법론을 적용했는지 전달되어 기억했다면 다행이다. 교수님이  우리에게 강조하시는 지도말씀이 한번 더 이해가 갔다. 

2. Interpretable machine learning for detecting fault in manufacturing data: RuleCOSI(Rule Combination and SImplication) 연구를 청취했다. 해석가능한 기계학습 모델이라는 제목을 보고 세션장을 찾았다. 요즘 유행하는 신경망 모델에서 해석연구인줄 알았는데 의사결정나무 규칙을 도출하여 앙상블 테크닉을 적용한 연구로 도출된 규칙을 간단하지만 더 유의미하게 도출할 수 있는 방법론이다. 의사결정나무는 오래전에 개발되었지만 현재까지 널리 사용하는 방법론이다.  이 연구는 나로 하여금 한번 더 연구에 임하는 자세를 되돌아 보게한 발표였다. 연구를 위한 연구가 아닌, 주어진 문제에서 가장 적합한 방법론을 선택하고 발전시켰다. 즉, 딥러닝으로 용쓰지 않았다. 딥러닝 해석연구(XAI)가 많이 되고있지만 규칙은  도출하지 못한다. 발표자가 저자인 2019 논문인데 읽어보아야겠다.   


3. Multimodal Deep Learning for Explainable Product Design Data를 주제로 발표했다. 정형데이터(수치데이터) 및 비정형데이터(이미지데이터)를 Multimodal learning 문제로 정의하고 설명가능한 딥러닝 모델로 이루어진 Multimodal 모델을 개발하였다. Attention 기반 Activation Map을 적용한 것으로, Attention은 중요 Modality 선택, Activation Map은 이미지 내 레이블에 따른 중요 구역을 강조하기 위해 적용했다. 발표 전날까지 진행된 결과에서 방법론적으로 더 발전시키고 싶은 마음에 코드를 수정하고, 늦게까지 공부했는데 그 덕분에 본 연구에 대해 더 면밀히 이해하고 발전방향에 아이디어를 얻을 수 있었다. Attention 적용 방법에 대해 질문을 받았는데 미리 장표를 만들었다면 좀더 쉽게 설명했을 것 같다. 하지만 전날까지 공부하여 Attention까지 적용한 연구로 만들어 그 질문을 받을 수 있었다. 역시 기한이 사람을 만든다.