이화여자대학교 일반대학원
인공지능·소프트웨어학부 인공지능융합전공

이화여대, 챗GPT 시대 AI융합 실무인재 양성을 위한 산학협력포럼 개최 (사전보도자료)

제2회 인공지능융합혁신대학원사업 산학협력포럼 개최 (이화뉴스)

제2회 인공지능융합혁신대학원사업 산학협력포럼 개최 (이화여대블로그)

초청특강 (I) NAVER 하정우 AI랩 연구소장

ChatGPT가 불러온 초거대 AI시대 우리의 대응 전략

본 특강에서는 초거대 AI, ChatGPT에 대해 소개하고, 초거대 AI를 활용하기 위한 전략을 소개하였습니다.

초거대 AI는 여러 가지 요소들이 서로 영향을 주며 만들어진 기술입니다. 초거대 AI, ChatGPT의 핵심요소는 기존의 기술에 데이터의 규모를 키운 초거대 언어AI, 전문가가 만든 고품질의 추가 학습 데이터, 사용자 피드백을 활용한 지속적 강화학습입니다. ChatGPT는 방대한 양의 데이터로 이뤄낸 규모의 혁신에 고품질의 추가 학습 데이터를 이용한 전문 지식 혁신이라는 또 한 번의 혁신을 일으켰습니다. 최근 공개된 GPT4는 기존의 글쓰기에 이미지 이해하는 능력, 향상된 다국어 이해 능력 등 생산성이 대폭 향상되었습니다. 이러한 초거대AI를 제대로 활용하기 위해서는 현실의 문제를 AI의 문제로 재정의하고, AI를 활용해 문제를 해결할 수 있는 AI 융합 인재가 중요합니다.

초청특강 (II) 삼성메디슨 방원철 상무

Exploring the Possibilities: Developing an Understanding of AI-Driven Ultrasound in Healthcare

본 특강에서는 삼성 메디슨에서 의료/바이오 분야에 AI를 적용하여 초음파 영상 진단에 도움이 되는 정보를 제공해 주고, 자동화를 통해 업무 효율을 향상시킨 사례를 소개하였습니다.

삼성 메디슨에서는 2010년도부터 수집된 의료 영상 데이터를 기반으로 딥러닝을 이용한 초음파 영상 진단에 대해 연구하였고 많은 분야에서 응용하여 활용하고 있습니다. CT, MRI와 달리 데이터의 양이 적은 초음파 영상에 대해 딥러닝을 적용하여 진단에 도움을 준 사례(S-Detect)와 의사들이 일상적으로 수행하는 업무들을 AI 자동화를 통해 수행하도록 함으로써 업무 효율을 높여준 사례 (ViewAssist, HeartAssist 등)에 대해 소개하였습니다. 최근에는 초음파 영상에서 실시간으로 정보를 제공하는 연구를 진행하고 있습니다.

초청특강 (II) Rebellions 박성현 대표

ChatGPT 시대와 인공지능 반도체

본 특강에서는 초거대AI의 비용문제를 해결할 수 있는 가장 합리적인 방법으로 AI에 특화된 하드웨어의 필요성을 강조하였습니다.

ChatGPT가 유례없는 기세로 전 세계에 퍼져나가고 있습니다. 그런데 초거대 모델 기반의 ChatGPT에서 비용 문제는 반드시 풀어야 할 숙제입니다. AI 모델의 크기가 계속해서 커지고 AI 성능이 높아지면서 사용되는 GPU 서버 및 소모전력도 기하급수적으로 증가하여 때문입니다. 이를 해결할 수 있는 가장 합리적인 방법은 하드웨어입니다. 따라서 범용 GPU 보다는 AI에 특화된 효율적인 하드웨어, 즉 인공지능 반도체가 필요합니다.

AI융합기반기술 산학 사례 (LG 이노텍) 배호 교수, 정철동 대표

산업 현장에서의 인공지능 활용

본 특강에서는 산업 현장(LG 이노텍)에서 AI 기술을 활용할 때 민감한 정보를 포함하고 있는 데이터를 보호하며 학습을 수행하는 방안으로 ‘차등정보보호 기반의 생성 모델’과 ‘연합학습 기반의 생성모델’ 연구에 대해 발표하였습니다.

AI기술로 합성된 데이터는 원본 데이터로 복구가 가능해 민감한 데이터를 처리하기에 안전하지 않습니다. 민감데이터의 유출을 방지하고 안전성을 확보하기 위해서는 방안으로 차등정보보호 기반의 생성 모델을 제안하였습니다. 차등정보보호 기반 생성 모델은 원본 데이터에 잡음을 추가하면서도 원본 데이터와 유사한 성능을 낼 수 있도록 데이터를 변형함으로써 민감데이터의 유출을 방지하는 기술입니다. 또한 모델 배포 이후 분산된 환경에서 동작하다가 모델 업데이트가 필요한 경우 민감데이터를 연합 학습 기반의 생성모델은 분산된 환경에 모델을 배포한 이후 업데이트가 필요할 때 민감데이터는 가져오지 않고 모델에 대한 가중치(weight)만 업데이트 하도록 학습을 수행하는 방법입니다.

AI-의료/바이오 융합 산학 사례 (마이체크업) 최장환 교수, 김경곤 대표

From Unlabeled Data to Diagnosis: The Potential of Data-Efficient Learning in Healthcare

본 특강에서는 의료/바이오 융합 분야에 비지도 학습을 적용한 사례를 발표하였습니다.

의료/바이오 분야에서 사용되는 이미지/영상은 지도 학습을 위한 출력 데이터가 존재하지 않는 경우가 많아 비지도 학습을 이용하여 연구를 수행한 사례를 소개하였습니다. 비지도 학습을 통해 의료 이미지 내의 미세 조직은 유지하되 노이즈를 줄여 이미지 품질을 향상시킨 알고리즘, 의료 이미지에서 병변 탐지 정확도를 통해 품질 점수를 산출하는 AI 기반의 정량적 영상화질 평가 기술, Segmentation/Classification을 수행하기 위한 Transformer 기반의 Encoder network를 학습하는 매커니즘을 소개하였으며, 소개된 사례들은 활발한 기술 이전, 사업화가 진행되고 있습니다. ㈜마이체크업과의 산학 프로젝트도 진행하고 있습니다. 마이체크업에서는 개인이 데이터의 소유권을 가지므로 연합 학습 기반의 데이터 분석을 진행하고 있습니다.