인공지능(AI) 기술이 발전하면서 컴퓨터가 처리해야 할 데이터의 양도 기하급수적으로 늘어나고 있다.기존의 연산방식은 데이터를 순차적으로 처리하기 때문에 방대한 양을 처리하기 위해서는 많은 시간과 막대한 전력이 소모된다는 문제점을 안고 있다.이를 극복하기 위해서는 새로운 연산 패러다임으로의 전환이 필요한데, 많은 연구자가 생물의 뇌 작동방식과 구조를 모방해 적은 에너지로도 많은 양의 연산이 가능한 저전력 뉴로모픽 컴퓨팅(Neuromorphic Computing)과 이를 위한 하드웨어 개발을 위해 노력하고 있다.이런 가운데, 한국과학기
텍스트 설명만으로 이미지를 생성하도록 모델을 학습하는 자동 텍스트 대 이미지(Text-to-Image) 합성은 최근 상당한 관심을 받고 있는 어려운 작업이다. 이 연구는 머신러닝(ML) 모델이 시각적 속성을 캡처하고 텍스트와 관련시키는 방법에 대한 풍부한 통찰력을 제공한다.스케치(Sketche), 객체 마스크(Object Masks) 또는 마우스 트레이스(Mouse Traces)와 같은 이미지 생성을 안내하는 다른 종류의 입력과 비교할 때, 설명 문장은 시각적 개념을 표현하는 더 직관적이고 유연한 방법이다.따라서 강력한 자동 텍스트
지스트(광주과학기술원) 전기전자컴퓨터공학부 은 AI 대학원 최종현 교수와 함께 인공신경망을 통해 반도체 소자 시뮬레이션을 훨씬 빠르게 수행할 수 있는 기술을 개발했다.연구팀은 반도체 소자 시뮬레이션 수행 시간 대부분이 불필요한 중간 과정의 답을 계산하는데 소요되는 것에 착안하여 학습된 인공신경망으로 우수한 어림짐작 답을 생성해 시뮬레이션 수행 시간을 10배 가까이 단축하는데 성공했다.최근 세계적으로 반도체 품귀 현상이 나타나며 반도체 제조 기술이 크게 주목받고 있다. 특히, 반도체 소자 기술은 특히 짧은 시간 내에 개발을 완료하는
시간 및 순차 정보를 전달하는 광전자 신호의 동적 처리는 언어처리 및 컴퓨터 비전을 포함한 다양한 AI 및 머신러닝 애플리케이션에 중요한 부분으로 작용하고 있다.인간의 뇌의 시각 피질을 모방하기 위한 광범위한 노력에도 불구하고, 물리적으로 분리된 감지, 기억 및 처리 장치를 통해 많은 시간과 비효율적인 에너지 소비와 추가 하드웨어 비용이 발생한다.이에 KAIST(총장 이광형) 물리학과 양희준 교수 연구팀은 멤리스터 소자를 기반으로 뇌의 기능을 모방해 글자를 인식할 수 있는 인공지능 센서를 개발하고 뇌의 정보 처리 과정을 모방하는 뉴
강화학습(Reinforcement learning. 이하, RL)에서 더 똑똑하고 다양한 문제를 해결할 수 있는 중요한 목표는 단일 범용 학습 알고리즘을 설계하는 것이다. 그러나 RL 알고리즘 분류법은 상당히 크고 새로운 RL 알고리즘을 설계하려면 광범위한 조정과 검증이 필요하기 때문에 여전히 어려운 과제이다.여기에, 다양한 작업에 자동으로 일반화하는 새로운 RL 알고리즘을 설계할 수 있으며, 자신이 무엇을 알고 모르는지, 자신의 행동이 어떤 결과를 초래할지에 대해 인지하고 주어진 데이터와 환경만으로 기존에 학습했던 정보와 알고리즘
엔비디아는 자사의 AI 리서치 랩(AI Research Lab)에서 생성적 적대 신경망 기반으로 개발한 'GANverse3D' 애플리케이션을 지난해 10월 공개했었다. 이는 평면 이미지를 사실적인 3D 모델로 변환해 가상 환경에서 시각화 및 제어를 가능하게 한다.GANverse3D 연구 내용은 오는 5월에 개최될 인공지능학회 표현학습국제학회(ICLR)와 6월에 열릴 패턴인식 학술대회(CVPR)에서 공개될 예정이다.건축가, 크리에이터, 게임 개발자, 디자이너가 GANverse3D를 활용하면 3D 모델링 분야에 전문성이 없거나 렌더링에
국내 연구진이 개인 취향과 SNS 등 최신 트렌드를 분석해 6백만장의 DB로 본인만의 패션상품 제작을 도와주는 인공지능(AI) 기술을 개발했다. AI 디자이너가 개성 있는 옷 제작을 도울 수 있는 길이 열리게 됨에 따라 패션산업에 새로운 바람을 불러올 전망이다.한국전자통신연구원(ETRI)은 다양한 1인 미디어 플랫폼을 분석해 트렌드를 파악하고 이를 반영하여 새로운 의상을 디자인한 후 가상 착장(着裝)까지 해주는 AI 패션상품 마켓 플랫폼 기술을 개발했다.패션 의류 시장은 아이디어가 있어도 실제로 디자인을 구현하거나, 모델을 섭외하여
지스트(광주과학기술원, 총장 김기선) 전기전자컴퓨터공학부 황의석 교수 연구팀이 인공지능(AI) 기반 시간-주파수 마스크 방식의 비접촉식 세부 전력 사용량 모니터링 기술을 개발했다.연구팀은 심층 신경망(Deep Neural Networks, DNN) 인공지능 모델을 기반으로 시간-주파수 마스크를 추정하는 접근 방법을 통해 하위 부하의 분해 정확도를 높였고,중소형 빌딩에서 전력 수요 반응 등에 활용도가 높은 유연한 전력 부하의 식별 및 분리에 적용될 수 있음을 확인했다.기존의 비접촉식 전력 사용량 모니터링 기술은 주로 시간 도메인에서
인공지능 분야가 발전할수록 데이터와 빠르고 더 효율적으로 학습할 수 있는 알고리즘에 대한 관심은 증폭된다.현재, 인공지능 분야에서 가장 효율적으로 학습할 수 있는 알고리즘으로 강화학습을 꼽을 수 있다. 여기서, 에이전트라고 하는 의사 결정 개체는 환경과 상호 작용하고 얻은 피드백을 기반으로 행동을 업데이트하여 학습한다.인공지능 모델에서 가장 핵심은 에이젠트가 얼마나 빨리 학습하는지 일 것이다. 최근 에이전트의 의사 결정 프로세스 속도를 높이기 위해 대안으로 양자 역학을 사용하는 다양한 연구가 진행되었지만 학습 시간 단축은 아직 입증
더 나은 3D 시각화를 위한 해결책은 디지털 세계를 위해 60년 된 전통 기술인 홀로그램(Hologram)을 대안으로 꼽을 수 있다.홀로그램은 필름이나 감광 건판 등 기록 매체에 레이저 광 등 빛의 간섭 패턴을 기록한 것으로 어떤 대상 물체의 3D 입체상을 재생하는 것으로 우리 주변의 3D 세계를 매우 잘 표현해 준다.홀로그램은 위치에 따라 시시각각 변화하는 시야를 제공하며, 전경과 배경에 번갈아 초점을 맞출 수 있도록 초점 깊이를 조정할 수 있다. 그러나 이 프로세스는 슈퍼컴퓨터를 통해 물리 시뮬레이션을 통해 구현하는데 이는 시간
신경망(NN)의 성공은 종종 그것이 다양한 작업에 얼마나 잘 일반화될 수 있느냐에 달려 있다. 그러나 신경망이 어떻게 일반화되는지에 대한 연구 커뮤니티의 이해는 현재, 다소 제한적이기 때문에 여전히 신경망을 설계하는 것은 도전적이다.최근 몇년동안 AutoML 알고리즘은 수동 실험을 필요로 하지 않고 자동으로 올바른 신경망을 찾을 수 있도록 돕기 위해 등장했다. 머신러닝 분야에서 널리 사용되는 모델 인 인공 신경망 (ANN) 의 설계를 자동화하는 신경 아키텍처 검색(Neural Architecture Search. 이하, NSA),
인공지능의 발전 속도는 눈부시다. 당뇨병의 예방·관리를 위해 수리 모델링과 인공지능(AI)을 활용한 '당뇨병 예방·관리 플랫폼 등 AI가 높은 수준의 정확도로 질병을 탐지하고 관리할 수 있는 놀라운 가능성을 보여주는 새로운 연구가 가속되고 있다.당뇨병은 한번 발병하면 심각한 합병증 유발 등 관리와 완치가 어려운 질환으로, 특히 코로나19와 같은 감염병 확산 시 중증 질환으로 진행될 수 있어, 발병 전 단계부터 예방할 수 있는 관리 시스템이 필요한 실정이다. 여기에, POSTECH(포항공과대학교, 총장 김무환) 창의IT융합공학과 박성
‘모델없는 강화학습(Model-free Reinforcement Learning)’은 로봇 공학, 제어, 게임 및 자율 주행 차량을 포함한 다양한 영역에서 그 능력을 발휘하고 있다. 이러한 시스템은 간단한 시행착오를 통해 학습하므로 주어진 과제를 해결하기 전에 엄청난 수의 도전이 필요하다.반대로 ‘모델기반 강화학습(Model-based Reinforcement Learning. 이하, MBRL)’은 에이전트가 잠재적인 작업의 결과를 예측할 수 있도록 하는 환경 모델(세계모델 또는 역학모델이라고도 함)을 학습하여 작업을 해결하는 데
사람들은 단순하고 일상적인 일을 배우는 데 매우 효율적이다. 예를 들어, 사람이 몇 번 과제를 보여주는 것을 보는 것만으로도 테이블 위에 병을 집어 올리거나 놓는 법을 배울 수 있다.로봇 역시 인간만을 관찰함으로써 새로운 과제를 배울 수 있는 자동화된 로봇이 아주 가까운 미래에 집에서, 가정용 로봇에게 일상적인 집안일을 하는 방법을 가르치고 직장에서는 신입사원처럼 로봇을 훈련시켜 여러 가지 임무를 수행하는 방법을 보여줄 수 있는 것으로 예상된다.예를 들어, 티칭(학습) 없이 로봇에게 집안일을 하는 방법을 보여주는 것으로 로봇은 인간
KAIST(총장 신성철)는 바이오및뇌공학과 백세범 교수 연구팀이 학습 과정을 전혀 거치지 않은 신경망에서 고등 시각 인지 기능이 자발적으로 발생할 수 있음을 증명했다.이번 연구 결과는 신경망에서 상위 인지 기능을 발생시키기 위해서는 반드시 충분한 데이터 학습이 필요하다는 기존의 상식과 완전히 상반되는 것으로, 현재 통용되고 있는 인공지능의 구현 방식에 대한 근본적인 의문을 던진다.또한 연구팀의 결과는 다양한 생물 종의 뇌에서 관측되는 선천적인 인지 기능의 발생에 대한 설명 가능한 이론을 제시할 뿐만 아니라, 뇌신경과학 연구의 가장
구글 로봇 연구팀이 물체를 잡는 로봇들이 어떤 시각적 조건이 중요한지, 그리고 어떤 장면에서 어떻게 재배치되어야 하는지를 추론할 수 있도록 하는 인공지능(AI) 모델 아키텍처 '트랜스포터 네트워크(Transporter Network)'를 개발하고 이 결과를 아카이브를 통해 지난 27일(현지시간) 발표했다. 이 모델은 로봇이 블록 피라미드 쌓기, 키트 조립, 밧줄 조작, 작은 물체 밀기 등 여러 가지 작업에서 우수한 성능을 달성했다고 밝혔다.또한 오는 11월 14일부터 16일까지 MIT 샘버그 컨퍼런스 센터(MIT Sa
소재 연구의 궁극적인 목표는 원하는 물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기에는 쉽지 않다.이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다.KAIST(총장 신성철) 생명화학공학과 정유성 교수 연구팀(김성원·노주환 박사과정 연구원)이 AI 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진
작은 포유류의 뇌에 용량에 해당하는 5 천만 개의 인공 뉴런이 지난달 인텔에서 샌디아 국립연구소(Sandia National Laboratories)로 전달되었다고 샌디아 프로젝트 리더 인 크레이그 바인야드(Craig Vineyard)가 지난 1일(현지시간) 밝혔다.또 그는 "이 뉴런은 인간 두뇌의 원리를 기반으로 하는 뉴로모픽이라고 불리는 비교적 새로운 종류의 컴퓨팅을 발전시키기 위해 조립될 것이며, 이 정도 규모의 뉴로모픽 컴퓨터를 사용하면 현재, 일반 컴퓨터로는 할 수 없는 놀라운 기능을 뇌 기반 컴퓨터가 어떻게 수행할 수 있
현재, 중국의 디지털 이미지 데이터베이스로부터 개인을 자동으로 식별하는 생체 인식 애플리케이션인 AI 얼굴 인식, AI 모션인식 등의 기술은 거의 모든 타겟을 확실하게 포착할 수 있다.이 기술로 특정(지정한) 인물의 검색과 특정 시간·장소에 출현하는 인물 검색, 특정 인물과 함께 있는(주변) 인물 검색이 모두 가능하기 때문에 범죄수사, 미아 찾기 등에 효과적이며, 상업시설의 쇼핑 손님의 행동 패턴과 분석과 마케팅이나 서비스 개선 등 세계에서 두 번째로 큰 중국 산업 시장에서 공공안전, 금융 서비스, 운송 및 소매 유통과 같은 분야에
미 에너지부(U.S. Dept. of Energy) 산하 오크리지 국립연구소(Oak Ridge National Laboratory, 이하ORNL) 연구팀이 값 비싼 특성화 장비없이 실시간으로 부품의 품질을 평가하는 파우더 베드 3D 프린터 용 인공지능(AI) 소프트웨어 '페레그린(Peregrine)'을 개발했다고 지난 13일 발표했다.ORNL 연구진은 여러 프린터 모델에서 작동하는 표면의 가시적 결함에 대한 제어 방법을 고안하기 위해 프린터에 설치된 카메라에서 캡처 한 이미지를 빠르게 분석할 때 인간의 뇌를 모방하는