AAAI는 전 세계 인공지능 연구의 성과를 발표하는 세계 최고 권위의 국제 학술대회로 올해에는 국내외 약 1만 여편의 논문이 제출된 가운데 총 2,340편이 발표 논문으로 엄선됐다.
성신여대 김동하 교수가 이번 AAAI에서 발표한 논문은 'IOFM: Using the Interpolation Technique on the Over-Fitted Models to Identify Clean-Annotated Samples'로 딥러닝 모형을 이용한 데이터 정제 방법론을 제안해 연구 성과를 대내외적으로 인정받았다.
김 교수는 이번 연구를 통해 과적합 모형(Over-Fitted Models)을 활용해 학습 데이터에 포함된 오류 라벨 데이터를 정밀하게 정제할 수 있다는 것을 제안하고, 정밀한 실험을 통해 해당 방법론의 우수성을 이론적으로 입증했다. 특히 입력 공간과 과적합 모형의 은닉층 공간(Hidden layers)에서의 데이터 분포 특성을 이용해 오류 라벨 데이터를 구분할 수 있는 새로운 스코어를 개발했다는 점에서 학계의 많은 주목을 받았다.
김 교수는 "최근 확산 모델(Diffusion Model), 거대언어모델(LLM)로 대표되는 대용량 딥러닝 모형이 폭발적인 관심을 받으면서 대량의 학습 데이터의 품질 관리 또한 중요한 문제로 대두되고 있다"며 "현재 이 분야의 관심이 높은 만큼 성신여대 교수진, 학생들과 함께 다양한 협력 연구를 진행해 양질의 연구 성과를 만들어가길 바란다"고 소감을 말했다.
정용석기자 kudljang@dt.co.kr
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
