인하대학교 빅데이터 연구실은 머신러닝, 데이터 중심 인공지능, 빅데이터 분석 및 데이터베이스 이론 등 다양한 분야를 아우르는 첨단 인공지능 연구를 수행하고 있습니다. 본 연구실은 단순히 대규모 모델을 구축하는 데 그치지 않고, 현대 AI 모델 내부에 축적된 지식을 어떻게 이해하고, 재사용하며, 신뢰할 수 있게 만드는지에 대한 근본적인 문제를 다룹니다. 이를 통해 인공지능의 실용성과 신뢰성을 동시에 확보하는 것을 목표로 하고 있습니다. 주요 연구 분야로는 지속학습(Continual Learning), 인간 유사 회상 신경망, 신경망 압축 및 효율적 딥러닝, 설명가능 인공지능(XAI), 연합학습(Federated Learning) 등이 있습니다. 지속학습 및 인간 유사 회상 신경망 연구를 통해, 인공지능이 인간처럼 과거의 지식을 잃지 않고 새로운 정보를 습득할 수 있도록 하는 알고리즘을 개발하고 있습니다. 이는 실제로 데이터가 없는 환경이나 프라이버시 제약이 있는 상황에서도 안정적으로 동작하는 AI 시스템 구현에 중요한 역할을 합니다. 또한, 대규모 신경망의 접근성, 확장성, 신뢰성 향상을 위한 연구를 활발히 진행하고 있습니다. 학습된 신경망 내부의 지식을 효과적으로 추출, 재사용, 설명할 수 있는 기술을 개발하고, 모델의 편향이나 오류를 탐지 및 수정하는 방법론을 제안합니다. 설명가능 인공지능 및 상호작용형 AI 서비스 연구를 통해, 인간과 자연스럽게 소통하고 투명하게 의사결정 과정을 설명할 수 있는 AI 시스템을 구현하고 있습니다. 신경망 압축 및 효율적 딥러닝, 연합학습 분야에서도 두각을 나타내고 있습니다. 파라미터 프루닝, 토큰 머징, 지식 증류 등 다양한 신경망 경량화 기술을 통해 자원이 제한된 환경에서도 고성능 AI 모델의 실시간 적용을 가능하게 하며, 연합학습을 통해 데이터 프라이버시를 보장하면서도 안정적이고 빠른 모델 학습을 실현하고 있습니다. 본 연구실은 이론과 실무를 아우르는 연구를 지향하며, ICML, NeurIPS, ICLR, AAAI, KDD, ICDM, SIGMOD, VLDB, ICDE 등 세계 최고 수준의 학회 및 저널에 꾸준히 연구 성과를 발표하고 있습니다. 다양한 산학협력 및 정부 과제 수행, 다수의 논문상 수상 경력, 그리고 실제 산업 현장 적용 경험을 바탕으로, 미래 인공지능 기술의 핵심을 선도하고 있습니다.