연구 영역

대표 연구 분야

연구실에서 최근에 진행되고 있는 관심 연구 분야

1

자연어처리(Natural Language Processing)

자연어처리(Natural Language Processing, NLP)는 인간의 언어를 컴퓨터가 이해하고 해석하며, 이를 바탕으로 다양한 응용 서비스를 제공하는 핵심 인공지능 기술입니다. 본 연구실에서는 기계 번역, 질의 응답, 정보 검색, 대화형 에이전트 등 다양한 자연어처리 분야의 연구를 수행하고 있습니다. 특히, 금융, 법률, 의학 등 전문 도메인에 특화된 자연어처리 기술 개발에 주력하여, 실제 산업 현장에서 활용 가능한 고도화된 솔루션을 제시하고 있습니다. 최근에는 대규모 언어 모델(LLM)과 결합된 자연어처리 기술의 발전이 두드러지고 있습니다. 본 연구실은 LLM 기반의 텍스트 생성, 요약, 번역, 정보 추출 등 다양한 태스크에서 최신 딥러닝 모델을 적용하고, 데이터 증강, 평가 지표 개선, 수치 정보의 정확성 보장 등 실질적인 문제 해결에 집중하고 있습니다. 예를 들어, LLM이 생성하는 경제·금융 문서의 수치 환각(Hallucination) 현상을 완화하기 위한 숫자 매칭 기법, 고품질 번역 평가를 위한 새로운 평가 지표 개발 등 실제 문제에 밀접한 연구를 진행하고 있습니다. 또한, 본 연구실은 약한 지도 학습, 액티브 러닝, 데이터 증강 등 데이터 부족 문제를 해결하기 위한 다양한 방법론을 연구합니다. 이를 통해, 제한된 데이터 환경에서도 높은 성능을 발휘하는 자연어처리 모델을 개발하고 있으며, 실제 산업 및 사회적 요구에 부합하는 실용적 연구 성과를 창출하고 있습니다.

2

대형 언어 모델(LLMs) 및 에이전트 기술

대형 언어 모델(Large Language Models, LLMs)은 대규모 데이터로 학습되어 인간 수준의 언어 이해와 생성 능력을 갖춘 인공지능 모델입니다. 본 연구실은 LLM의 구조적 개선, 비용-정확도 최적화, 도메인 특화 LLM 개발 등 다양한 LLM 관련 연구를 수행하고 있습니다. 특히, OpenAI의 GPT 시리즈와 같은 최신 LLM을 활용하여, 실제 서비스에 적용 가능한 에이전트 기술과 자동화 시스템을 개발하는 데 주력하고 있습니다. LLM 기반 에이전트는 사용자의 질의 의도를 파악하고, 적절한 정보를 검색·생성하여 제공하는 대화형 시스템의 핵심입니다. 본 연구실은 금융정보 검색, 특허 문서 작성, 음성 인식 등 다양한 분야에 LLM 에이전트를 적용하고, 멀티 LLM 협업, 지식 결합, 수치 정보의 신뢰성 향상 등 실질적인 문제 해결에 집중하고 있습니다. 또한, LLM의 할루시네이션(환각) 현상 탐지 및 완화, 도메인 적합성 평가, 프롬프트 설계 등 LLM의 한계를 극복하기 위한 연구도 활발히 이루어지고 있습니다. 이와 더불어, LLM의 효율적 활용을 위한 계층적 질의 처리, 파인튜닝, 프라이버시 보호 등 다양한 기술적 도전과제를 다루고 있습니다. 본 연구실의 LLM 및 에이전트 연구는 실제 산업 현장과 사회적 요구에 부합하는 혁신적 인공지능 서비스 개발에 기여하고 있습니다.

3

컴퓨터 비전 및 멀티모달 인공지능

컴퓨터 비전(Computer Vision)은 이미지와 영상을 이해하고 해석하여, 시각적 데이터를 기반으로 유용한 정보를 추출하는 기술입니다. 본 연구실은 딥러닝 기반의 객체 검출, 시맨틱 분할, 이미지 인페인팅, 이미지 생성 등 다양한 컴퓨터 비전 분야의 연구를 수행하고 있습니다. 특히, 태양광 모듈 결함 탐지, 의료 영상 분석, 이미지 생성 및 편집 등 실제 산업 및 의료 현장에 적용 가능한 비전 솔루션 개발에 주력하고 있습니다. 최근에는 텍스트, 음성, 영상 등 다양한 데이터 유형을 결합하는 멀티모달 인공지능(Multi-modal AI) 연구가 활발히 이루어지고 있습니다. 본 연구실은 멀티모달 데이터를 효과적으로 처리할 수 있는 모델 구조 설계, 멀티모달 정보 융합, 비전-언어 모델(VLM) 개발 등 다양한 연구를 진행하고 있습니다. 이를 통해, 복잡한 현실 세계의 다양한 정보를 통합적으로 이해하고 활용할 수 있는 차세대 인공지능 기술을 개발하고 있습니다. 또한, 본 연구실은 데이터 부족, 라벨링 비용 문제를 해결하기 위한 약한 지도 학습, 전이 학습, 반지도 학습 등 다양한 학습 방법론을 비전 및 멀티모달 AI에 적용하고 있습니다. 실제 산업 현장에서 요구되는 고성능, 경량화, 프라이버시 보호 등 다양한 요구 사항을 만족하는 실용적 연구를 통해, 인공지능 기술의 사회적 확산과 혁신에 기여하고 있습니다.