KAIST
김재철AI대학원 주재글
KAIST Kim Jaechul 인공지능대학원 주재걸 교수 연구실은 인간 중심의 인공지능 기술 개발과 실용적 응용을 목표로 다양한 첨단 연구를 수행하고 있습니다. 본 연구실은 비주얼 애널리틱스, 사용자 주도형 머신러닝, 딥러닝, 대규모 언어 모델, 멀티모달 인공지능 등 폭넓은 분야에서 선도적인 연구를 이어가고 있습니다. 특히, 데이터의 복잡한 패턴을 시각적으로 탐색하고 해석할 수 있도록 지원하는 비주얼 애널리틱스 기술과, 사용자의 피드백을 적극적으로 반영하는 인터랙티브 머신러닝 시스템 개발에 주력하고 있습니다.
연구실은 설명 가능한 인공지능(XAI)과 신뢰성 있는 대규모 언어 모델(LLM), 멀티모달 모델 개발에도 집중하고 있습니다. 의료, 금융, 법률 등 다양한 도메인에 특화된 LLM, 도메인 적응을 위한 지속적 사전학습, 도구 호출 에이전트, 멀티모달 융합 등 실제 산업 현장에 바로 적용 가능한 기술을 연구합니다. 또한, 환각 탐지 및 방지, 설명 가능한 AI, 불확실성 보정, 윤리적 AI 프레임워크 등 신뢰성 있는 인공지능 구현을 위한 다양한 방법론을 개발하고 있습니다.
이외에도 본 연구실은 소셜 미디어 분석, 텍스트 마이닝, 웹 및 사용자 로그 마이닝, 대규모 문서 집합 탐색, 정보 검색 및 추천 시스템, 프로그램 디버깅 및 자동 완성, 이미지 생성 및 번역, 의료 영상 분석 등 다양한 응용 분야에서 인공지능 기술을 실질적으로 적용하고 있습니다. 이를 통해 데이터 기반 의사결정, 자동화, 지식 발견, 사용자 경험 향상 등 사회 전반에 긍정적인 영향을 미치고 있습니다.
연구실의 연구 성과는 세계 유수의 학회 및 저널에 다수 게재되고 있으며, SIGIR, ICASSP, EuroVIS, CVPR, AAAI, NeurIPS, ICLR 등 주요 국제 학회에서 우수 논문상, 학생 논문상 등 다양한 수상 실적을 보유하고 있습니다. 또한, 실제 의료, 과학, 산업 현장과의 협업을 통해 연구 결과의 실질적 가치와 파급력을 높이고 있습니다.
앞으로도 본 연구실은 인간과 인공지능의 협업을 극대화하는 혁신적 기술 개발, 데이터 해석과 의사결정의 효율성 증진, 신뢰성과 투명성을 갖춘 인공지능 시스템 구현을 목표로 지속적인 연구와 도전을 이어갈 것입니다.
Virtual Try-On
Visual Reinforcement Learning
Vision Transformers
사용자 주도형 머신러닝 및 딥러닝을 위한 비주얼 애널리틱스
비주얼 애널리틱스는 대규모 데이터의 복잡한 패턴과 구조를 시각적으로 탐색하고 분석할 수 있도록 지원하는 기술입니다. 본 연구실은 특히 사용자 주도형 머신러닝 및 딥러닝 모델 개발에 비주얼 애널리틱스를 적극적으로 적용하고 있습니다. 사용자는 시각화 도구를 통해 데이터의 특성을 직관적으로 파악하고, 모델의 학습 과정과 결과를 실시간으로 모니터링하며, 직접적인 피드백을 통해 모델을 개선할 수 있습니다.
이러한 접근 방식은 단순히 모델의 성능을 높이는 것에 그치지 않고, 모델의 해석 가능성과 신뢰성을 동시에 확보하는 데 큰 역할을 합니다. 예를 들어, t-SNE와 같은 차원 축소 기법을 활용한 대규모 2D 임베딩 시각화, NMF(Nonnegative Matrix Factorization)를 활용한 토픽 모델링 및 클러스터링, 그리고 인터랙티브한 정보 검색 시스템 설계 등 다양한 연구가 진행되고 있습니다. 사용자는 시각화된 결과를 바탕으로 데이터의 이상치, 군집 구조, 주제 분포 등을 쉽게 파악할 수 있으며, 이를 통해 모델의 한계와 개선 방향을 도출할 수 있습니다.
본 연구실의 비주얼 애널리틱스 연구는 실제 다양한 도메인에 적용되어 왔습니다. 예를 들어, 의료 영상 분석, 소셜 미디어 데이터 마이닝, 대규모 문서 집합 탐색 등에서 사용자 중심의 시각화와 인터랙션을 통해 데이터 해석과 의사결정의 효율성을 크게 향상시키고 있습니다. 앞으로도 본 연구실은 인간과 인공지능의 협업을 극대화하는 비주얼 애널리틱스 기술의 발전에 주력할 예정입니다.
설명 가능한 인공지능 및 신뢰성 있는 대규모 언어·멀티모달 모델 연구
설명 가능한 인공지능(XAI)과 신뢰성 있는 대규모 언어 모델(LLM), 멀티모달 모델 개발은 최근 인공지능 분야에서 매우 중요한 연구 주제로 부상하고 있습니다. 본 연구실은 딥러닝 기반의 자연어 처리, 이미지 생성, 멀티모달 융합 등 다양한 영역에서 모델의 해석 가능성과 신뢰성 확보를 위한 연구를 선도하고 있습니다. 예를 들어, 체인 오브 쏘트(Chain-of-Thought) 기반의 고도화된 추론, 테스트 타임에서의 자기 교정, 장문맥 효율성, 다단계 논리 추론 등 첨단 기술을 적용하여 모델의 추론 과정을 투명하게 만들고 있습니다.
또한, 의료, 금융, 법률 등 특정 도메인에 특화된 수직형 LLM 개발, 도메인 적응을 위한 지속적 사전학습(CPT), 도구 호출 에이전트 개발, 도메인 지식 통합 및 유지 등 실제 산업 현장에 적용 가능한 실용적 인공지능 솔루션을 연구하고 있습니다. 멀티모달 LLM 분야에서는 비전-언어-액션(VLA) 모델, GUI 에이전트, 3D 장면 이해, 무선 신호 통합 등 다양한 센서와 데이터 소스를 융합하여 복합적인 문제 해결 능력을 갖춘 모델을 개발하고 있습니다.
신뢰성 있는 인공지능을 위해 본 연구실은 환각(Hallucination) 탐지 및 방지, 설명 가능한 AI(XAI), 불확실성 보정, 교차 모달리티 편향 탐지 및 완화, 안전 가드레일 및 윤리적 AI 프레임워크 등 다양한 방면에서 연구를 진행 중입니다. 이러한 연구는 실제 의료 영상 분석, 자연어 질의응답, 자동 번역, 프로그램 디버깅, 소셜 미디어 분석 등 다양한 응용 분야에서 인공지능의 신뢰성과 투명성을 높이는 데 기여하고 있습니다.
1
Attend-and-Refine: Interactive Keypoint Estimation and Quantitative Cervical Vertebrae Analysis for Bone Age Assessment
Jinhee Kim, Taesung Kim, Taewoo Kim, Dong-Wook Kim, Byungduk Ahn, Yoon-Ji Kim, In-Seok Song, Jaegul Choo
Medical Image Analysis, 2025
2
Machine Learning-based Classification of Adrenal Tumors Using Clinical, Hormonal, and Body Composition Data
Seung Shin Park, Jongsung Noh, Jinhee Kim, Taesung Kim, Hae Jin Seo, Chang Ho Ahn, Jaegul Choo, Man Ho Choi, Jung Hee Kim
European Journal of Endocrinology, 2025
3
Unraveling the Role of Raman Modes in Evaluating the Degree of Reduction in Graphene Oxide via Explainable Artificial Intelligence
Jaekak Yoo, Youngwoo Cho, Dong Hyeon Kim, Jaeseok Kim, Tae Geol Lee, Seung Mi Lee, Jaegul Choo, Mun Seok Jeong
Nano Today, 2024