지속가능한 머신러닝은 인공지능 시스템이 시간의 흐름에 따라 효율성과 적응성을 유지할 수 있도록 하는 연구 분야입니다. 본 연구실에서는 효율적인 연속 학습(continual learning) 기법을 개발하여, 모델이 새로운 정보를 습득하면서도 기존에 학습한 지식을 잃지 않도록 하는 방법론을 중점적으로 다루고 있습니다. 이를 통해 실제 환경에서 변화하는 데이터와 요구에 유연하게 대응할 수 있는 인공지능 시스템을 구현하고자 합니다. 또한, 머신 언러닝(machine unlearning)은 이미 학습된 모델에서 특정 데이터나 지식을 선택적으로 제거하는 기술로, 개인정보 보호와 저작권 문제, 데이터 편향 해소 등 다양한 사회적 요구에 대응할 수 있는 핵심 기술입니다. 본 연구실은 전체 모델을 재학습하지 않고도 특정 데이터의 영향만을 효과적으로 제거할 수 있는 알고리즘을 개발하고 있습니다. 이를 통해 사용자 프라이버시 보호와 신뢰성 있는 AI 시스템 구축에 기여하고 있습니다. 지속가능한 머신러닝과 머신 언러닝의 융합 연구는 AI의 신뢰성, 확장성, 그리고 사회적 책임을 동시에 달성하는 데 중요한 역할을 합니다. 본 연구실은 이러한 기술적 도전과제를 해결함으로써, 미래형 인공지능의 지속가능성과 윤리적 가치를 실현하는 데 앞장서고 있습니다.

최소 지도(minimal-supervision) 및 약지도(weakly-supervised) 기반 인공지능은 대규모의 수작업 레이블 없이도 높은 성능을 달성할 수 있는 AI 모델 개발을 목표로 합니다. 본 연구실은 준지도(semi-supervised) 및 약지도 학습 기법을 활용하여, 제한된 라벨 데이터와 방대한 비라벨 데이터로부터 효과적으로 지식을 추출하는 방법을 연구하고 있습니다. 이를 통해 데이터 수집 및 주석 비용을 획기적으로 절감하면서도, 다양한 실제 문제에 적용 가능한 강건한 모델을 개발하고 있습니다. 특히, 멀티모달 대형 언어모델(multimodal large language models)과 비전-언어 모델(vision-language models) 등 다양한 데이터 소스를 통합적으로 활용하는 연구를 수행하고 있습니다. 이러한 모델들은 이미지, 텍스트, 비디오 등 이질적인 정보로부터 의미 있는 패턴을 학습하여, 복잡한 인지 및 추론 과제를 해결할 수 있습니다. 본 연구실은 이러한 멀티모달 AI의 일반화 성능을 높이고, 최소한의 감독으로도 신뢰할 수 있는 결과를 도출하는 데 주력하고 있습니다. 이와 더불어, 약지도 기반 의미 분할, 객체 검출, 영상 이해 등 다양한 컴퓨터 비전 및 자연어 처리 응용 분야에서 실제로 활용 가능한 알고리즘을 개발하고 있습니다. 이러한 연구는 AI의 실용성과 확장성을 높이는 데 중요한 역할을 하며, 산업 및 사회 전반에 걸쳐 혁신적인 변화를 이끌고 있습니다.

신뢰할 수 있고 강건한 인공지능(Trustworthy and Robust AI)은 AI 시스템이 예측의 정확성, 투명성, 그리고 프라이버시 보호를 동시에 달성할 수 있도록 하는 연구 분야입니다. 본 연구실은 모델의 해석 가능성(interpretability)과 설명 가능성(explainability)을 높이기 위한 다양한 기법을 개발하고 있습니다. 이를 통해 AI의 의사결정 과정을 사용자와 이해관계자에게 명확하게 설명할 수 있으며, 실제 응용에서의 신뢰도를 높이고 있습니다. 또한, 멀티모달 대형 언어모델에서 발생할 수 있는 환각(hallucination) 문제를 완화하기 위한 연구도 활발히 진행 중입니다. 환각 완화(hallucination mitigation) 기술은 모델이 실제와 다른 잘못된 정보를 생성하는 현상을 줄이고, 보다 정확하고 신뢰성 있는 결과를 제공하는 데 필수적입니다. 본 연구실은 이러한 문제를 해결하기 위해 데이터 품질 관리, 모델 구조 개선, 학습 과정에서의 정규화 등 다양한 접근법을 시도하고 있습니다. 더불어, AI 윤리(Ethical AI)와 공정성(fairness), 책임성(responsibility) 등 사회적 가치 실현을 위한 연구도 병행하고 있습니다. 데이터 편향, 불균형, 사용자 프라이버시 보호 등 실제 사회에서 발생하는 다양한 이슈를 기술적으로 해결함으로써, 안전하고 신뢰할 수 있는 AI 생태계 구축에 기여하고 있습니다.

컴퓨터 비전 및 딥러닝 기반 시각정보처리는 이미지, 비디오, 3D 데이터 등 다양한 시각 정보를 효과적으로 분석하고 이해하는 기술을 연구하는 분야입니다. 본 연구실은 의미적 분할(semantic segmentation), 객체 검출(object detection), 약지도 객체 위치 인식(weakly supervised object localization) 등 최신 컴퓨터 비전 과제에서 세계적인 연구 성과를 내고 있습니다. 특히, 약지도 및 최소 지도 기반의 의미 분할과 객체 검출 분야에서 다수의 논문을 국제 저널 및 학회에 발표하였으며, 실제 산업 응용에도 적용 가능한 기술을 개발하고 있습니다. 딥러닝 기반의 생성 모델(generative models), 이미지 합성(image synthesis), 3D 비전(3D vision) 등 첨단 기술을 활용하여, 복잡한 시각적 문제를 해결하는 연구도 활발히 진행 중입니다. 예를 들어, 의료 영상 처리, 자율주행 환경 인식, 증강현실 및 가상현실 등 다양한 응용 분야에서 실질적인 성과를 거두고 있습니다. 또한, 비전-언어 모델, 멀티모달 학습 등 이종 데이터 융합을 통한 새로운 시각정보처리 패러다임을 제시하고 있습니다. 이러한 연구는 인공지능의 시각적 인지 능력을 한층 더 고도화하고, 실제 환경에서의 적용 가능성을 높이는 데 중점을 두고 있습니다. 본 연구실은 컴퓨터 비전 및 딥러닝 분야의 이론적 발전과 실용적 응용을 동시에 추구하며, 국내외 학계 및 산업계와의 협력을 통해 혁신적인 연구를 이어가고 있습니다.