• Journal of Practical Engineering Education
• /
• v.16 no.3_spc
• /
• pp.275-282
• /
• 2024

This study studied a teaching model for software education using generative AI. The purpose of the study is to use ChatGPT as an instructor's assistant in programming classes for non-major students by using ChatGPT in software education. In addition, we designed ChatGPT to enable individual learning for learners and provide immediate feedback when students need it. The research method was conducted using ChatGPT as an assistant for non-computer majors taking a liberal arts Python class. In addition, we confirmed whether ChatGPT has the potential as an assistant in programming education for non-major students. Students actively used ChatGPT for writing assignments, correcting errors, writing coding, and acquiring knowledge, and confirmed various advantages, such as being able to focus on understanding the program rather than spending a lot of time resolving errors. We were able to see the potential for ChatGPT to increase students' learning efficiency, and we were able to see that more research is needed on its use in education. In the future, research will be conducted on the development, supplementation, and evaluation methods of educational models using ChatGPT.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.176-181
• /
• 2022

일반 상식 추론 능력은 가장 사람다운 능력 중 하나로써, 인공지능 모델이 쉽게 모사하기 어려운 영역이다. 딥러닝 기반의 언어 모델은 여전히 일반 상식에 기반한 추론을 필요로 하는 분야에서 부족한 성능을 보인다. 특히, 한국어에서는 일반 상식 추론과 관련한 연구가 상당히 부족한 상황이다. 이러한 문제 완화를 위해 최근 생성 기반의 일반 상식 추론을 위한 한국어 데이터셋인 Korean CommonGen [1]이 발표되었다. 그러나, 해당 데이터셋의 평가 지표는 어휘 단계의 유사성과 중첩에 의존하는 한계를 지니며, 생성한 문장이 일반 상식에 부합한 문장인지 측정하기 어렵다. 따라서 본 논문은 한국어 일반 상식 추론 및 생성 능력에 대한 평가 지표를 개선하기 위해 문장 성분의 의미역과 자모의 형태 변화를 바탕으로 생성 결과를 평가하는 SRLev, 사람의 평가 결과를 학습한 BIH, 그리고 두 평가 지표의 장점을 결합한 SRLev-BIH를 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.219-224
• /
• 2022

최근 딥러닝이 상식 정보를 추론하지 못하거나, 해석 불가능하다는 한계점을 보완하기 위해 지식 그래프를 기반으로 자연어 텍스트를 생성하는 연구가 중요하게 수행되고 있다. 그러나 이를 위해서 대량의 지식 그래프와 이에 대응되는 문장쌍이 요구되는데, 이를 구축하는 데는 시간과 비용이 많이 소요되는 한계점이 존재한다. 또한 하나의 그래프에 다수의 문장을 생성할 수 있기에 구축자 별로 품질 차이가 발생하게 되고, 데이터 균등성에 문제가 발생하게 된다. 이에 본 논문은 공개된 지식 그래프인 디비피디아를 활용하여 전문가의 도움 없이 자동으로 데이터를 쉽고 빠르게 구축하는 방법론을 제안한다. 이를 기반으로 KoBART와 mBART, mT5와 같은 한국어를 포함한 대용량 언어모델을 활용하여 문장 생성 실험을 진행하였다. 실험 결과 mBART를 활용하여 미세 조정 학습을 진행한 모델이 좋은 성능을 보였고, 자연스러운 문장을 생성하는데 효과적임을 확인하였다.

• Journal of the Korea Convergence Society
• /
• v.12 no.3
• /
• pp.187-196
• /
• 2021

The paper deals with comparative study for characteristics of approximation of design space according to various approximate models and sensitivity analysis using orthogonal array experiments in structure design of active type DSF which was developed for float-over installation of offshore plant. This study aims to propose the orthogonal array experiments based design methodology which is able to efficiently explore an optimum design case and to generate the accurate approximate model. Thickness sizes of main structure member were applied to the design factors, and output responses were considered structure weight and strength performances. Quantitative effects on the output responses for each design factor were evaluated using the orthogonal array experiment. Best design case was also identified to improve the structure design with weight minimization. From the orthogonal array experiment results, various approximate models such as response surface model, Kriging model, Chebyshev orthogonal polynomial model, and radial basis function based neural network model were generated. The experiment results from orthogonal array method were validated by the approximate modeling results. It was found that the radial basis function based neural network model among the approximate models was able to approximate the design space of the active type DSF with the highest accuracy.

• Knowledge Management Research
• /
• v.25 no.3
• /
• pp.99-119
• /
• 2024

This research aims to develop high-quality generative AI services by overcoming the limitations of existing Retrieval-Augmented Generation (RAG) models and implementing an enhanced graph-based RAG system to improve knowledge-based question answering (QA) systems. While traditional RAG models demonstrate high accuracy and fluency by utilizing retrieved information, their accuracy can be compromised due to the use of pre-loaded knowledge without rework. Additionally, the inability to incorporate real-time data after the RAG configuration leads to a lack of contextual understanding and potential biased information. To address these limitations, this study implements an enhanced RAG system utilizing graph technology. This system is designed to efficiently search and utilize information. In particular, LangGraph is employed to evaluate the reliability of retrieved information and to generate more accurate and improved answers by integrating various information. Furthermore, the specific operation method, key implementation steps, and case studies are presented with implementation code and verification results to enhance understanding of Advanced RAG technology. This research provides practical guidelines for actively implementing enterprise services utilizing Advanced RAG, making it significant.

• Proceedings of the KAIS Fall Conference
• /
• 2003.06a
• /
• pp.325-327
• /
• 2003

원자력 발전소 2차계통수에는 pH를 조절하여 부식을 억제하기 위해 pH제어제로 암모니아를 사용하였으나 상변화 지역에서 액상의 pH가 낮아 부식생성물이 생성, 증기발생기로 유입되어 진열관의 부식을 촉진 시킨다. pH 제어제로 암모니아 대신 ETA를 도입하여 pH를 증가시키고 증기발생기로 유입되는 부식생성물의 양을 감소하여 진열관의 부식을 억제시키고 있다. 그러나 암모니아에서 ETA로 변경함에 따라 증기 발생기취출수계통의 탈염의 운진기간이 단축되었다. 따라서 본 연구의 목적은 탈염기의 수지 교체주기도 연장시키고 안전성도 확보할 수 있는 탈염기내 양ㆍ음이온 이온교환수지 조성 비율을 최적화하는데 있다. 연속화학평형모델을 이용한 결과 양ㆍ음이온 이온교환수지 비율이 10:1일 경우 최적인 것으로 조사되었다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.77-81
• /
• 2022

최근 사전학습 언어모델에 내재된 지식을 최대한으로 활용하고자 태스크에 대한 설명을 입력으로 주는 manual prompt tuning 방법과 자연어 대신 학습가능한 파라미터로 태스크에 대한 이해를 돕는 soft prompt tuning 방법론이 자연어처리 분야에서 활발히 연구가 진행되고 있다. 이에 본 연구에서는 페르소나 대화 생성 태스크에서 encoder-decoder 구조 기반의 사전학습 언어모델 BART를 활용하여 manual prompt tuning 및 soft prompt tuning 방법을 고안하고, 파인튜닝과의 성능을 비교한다. 전체 학습 데이터에 대한 실험 뿐 아니라, few-shot 세팅에서의 성능을 확인한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.324-326
• /
• 2021

증강현실은 현실 공간에 가상의 객체를 합성한 영상을 생성하는 기술이다. 증강현실 기술에 대한 지속적인 수요 증가와 기술 발전이 이루어져 왔으며, 앞으로 사용자에게 현실을 기반으로 생성된 이질감이 느껴지지 않는 정교한 영상을 제공할 수 있으리라 기대할 수 있다. 본 논문에서는 증강현실 기술로 생성된 합성 영상이 정교한 영상임을 판단할 수 있는 객관적인 기준을 마련하기 위해 기존의 머신 러닝 기반의 이미지 분류 모델들로 합성 이미지 예측에 대한 실험을 진행하고 그 결과를 비교한다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.731-732
• /
• 2023

언리얼 엔진 기반의 메타버스나 실시간 게임 환경에서 캐릭터의 맞춤형 동작이 필요한 경우가 있다. 본 논문은 모션 디퓨전 모델을 활용하여 특정 동작을 자동 생성하는 기능을 제공하는 언리얼 엔진 플러그인을 제시한다. 특히 사용자가 텍스트로 신체 동작이나 감정 표현을 기술해 입력값으로 제공하면 서버에서 모션 디퓨전 모델로 애니메이션을 실시간으로 생성한 후, 언리얼엔진 클라이언트에서 후처리하여 사용자의 캐릭터에 실시간으로 적용하는 방식으로 구현했다.

• Annual Conference of KIPS
• /
• 2024.05a
• /
• pp.707-708
• /
• 2024

최근 디지털 헬스케어 기술과 서비스가 널리 활용되면서 의료 인공지능 성능 향상에 대한 관심이 높아지고 있다. 그러나 양성 데이터 대비 질병 데이터가 희소하여 학습 과정에서 과적합이 발생하거나 질병 예측 모델의 성능이 떨어진다는 한계가 있다. 본 논문에서는 데이터가 균질하지 않은 상황에서 생성형 인공지능 모델을 사용하여 합성 데이터를 생성하는 방안을 제안한다. 실험 결과에 따르면, 종래 방법 대비 제안한 방법의 정확도가 약 5.8% 향상되었고, 재현율이 약 21% 개선되었다.