현시대 AI의 성공은 3 Big이라고 일컬어지는 GPU를 통한 병렬처리 (Big compute), 빅 데이터 (Big labeled data), 딥 러닝 모델 (Big model)을 기반으로 하고 있죠! Fundamental Research Lab은 최근 딥 러닝의 한계를 넘어서는 최신 AI기술을 확보하여 응용연구의 경쟁력을 확보하고자 합니다.
주요 연구 분야는 병렬처리를 넘어서 실시간으로 지속적인 학습이 가능한 continual learning, 데이터 부족을 해결하고자 하는 generative models, 복잡한 딥 러닝 모델을 사람이 이해할 수 있도록 돕는 Explainable AI, 그리고 representation learning, data-driven prediction, transfer learning, deep reinforcement learning, auto ML 등이 있어요.
Advanced ML Lab은 기초 연구 분야의 SOTA 기술을 개발하여 응용연구를 지원하고자 합니다. 자체 연구는 물론 국내 유수의 대학교들과 산학협력을 통해 세계 최고 수준의 SOTA (the-state-of-the-art) 기술을 연구하고 학계에 기여하고 있어요.
Generative Modeling생성모델링(Generative Modeling)의 하나인 GAN은 가상 데이터를 생성하는 AI(Generator 역할)와 실제와 가상을 구분하는 AI(Discriminator 역할)를 경쟁시켜 실제와 같은 가상 데이터를 생성해내고 있습니다.
Explainable AI설명가능한 AI(Explainable AI)는 딥 러닝 모델의 판단, 추정, 예측 결과에 대한 가시적인 근거를 제공하며, 모델 디버깅을 통해 신뢰도가 높은 딥러닝 모델을 제공함은 물론 시스템의 윤리 및 사회적 가치 준수 여부를 판단할 수 있게 합니다.
Continual Learning지속학습(Continual learning)이란 AI에게 주어지는 데이터들을 이용해 지속적으로 학습해 나가는 방식을 지칭합니다.
Representation Learning표현학습(Representation learning)은 주어진 데이터로부터 분류 등의 AI Task를 잘 수행할 수 있는 최적화된 표현법(representation 또는 embedding)을 새롭게 발견해내는 방법을 말합니다.
Time-Series Forecasting딥 러닝 기반 예측 기술을 활용하여 더욱 정확한 예측 모델을 만들고, 학습된 모델을 Transfer Learning을 활용하여 다양한 제품군에 빠르게 확산하기 위한 연구를 수행하고 있어요.
Meet our leader!
Advanced ML Lab 이문태 랩장
"Fundamental Research Laboratory tackles cutting-edge research questions to transform the world. Our mission is to advance Artificial Intelligence for Technological Innovation, Scientific Discovery, and Humanity.
We learn generalizable representations that encode useful knowledge in large-scale data. We study how various types of data complement each other and generate creative inspirations. We also develop intelligent agents that are capable of understanding, reasoning, and interacting with real environments. For scientific discovery, we innovate material design and drug discovery along with other LG subsidiaries. To promote humanity, we seek more transparent and explainable models that better address bias, ethics, and fairness in AI-driven decision making.