• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.137-140
• /
• 2023

자연어처리는 인공지능 발전과 함께 주목받는 분야로 컴퓨터가 인간의 언어를 이해하게 하는 기술이다. 그러나 많은 인공지능 모델은 블랙박스처럼 동작하여 그 원리를 해석하거나 이해하기 힘들다는 문제점이 있다. 이 문제를 해결하기 위해 설명 가능한 인공지능의 중요성이 강조되고 있으며, 활발히 연구되고 있다. 연구 초기에는 모델의 예측에 큰 영향을 끼치는 단어나 절을 근거로 추출했지만 문제 해결을 위한 단서 수준에 그쳤으며, 이후 문장 단위의 근거로 확장된 연구가 수행되었다. 하지만 문서 내에 서로 떨어져 있는 근거 문장 사이에 누락된 문맥 정보로 인하여 이해에 어려움을 줄 수 있다. 따라서 본 논문에서는 사람에게 보다 이해하기 쉬운 근거를 제공하기 위한 생성형 기반의 근거 추론 연구를 수행하고자 한다. 높은 수준의 자연어 이해 능력이 필요한 문서 요약 데이터셋을 활용하여 근거를 생성하고자 하며, 실험을 통해 일부 기계독해 데이터 샘플에서 예측에 대한 적절한 근거를 제공하는 것을 확인했다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.05a
• /
• pp.79-82
• /
• 2001

생산품을 제조하는 과정에서 처리 시간에 따른 제조 기계를 최적의 수로 결정함으로서 공정 과정에서 비효율적인 제조 기계의 활용 비율을 줄일 수 있으며, 이는 공정 과정의 비용을 최소화할 수 있는 방법 중에 하나이다. 본 논문에서는 핸드폰에 사용되는 여러 가지 모델의 배터리를 생산하는 공장의 작업 과정을 조사하고, 일정하기 않은 처리 시간과 작업에 필요한 제조 기계를 조사하였다. 이를 인공 신경망(ANN)의 역전파 알고리즘을 이용하여 생산현장에서 효율적인 처리 시간과 공정 과정에서 생산에 적합한 기계의 수를 최적화시키는 방법을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.329-330
• /
• 2020

본 논문에서는 Azure 클라우드 플랫폼의 가상서버 호스팅을 이용해 데이터 수집 환경을 구축하고, Azure에서 제공하는 자동화된 기계학습(Automated Machine Learning, AutoML)을 기반으로 데이터 분석 방법에 관한 연구를 수행했다. 가상 서버 호스팅 환경에 LAMP(Linux, Apache, MySQL, PHP)를 설치하여 데이터 수집환경을 구축했으며, 수집된 데이터를 Azure AutoML에 적용하여 자동화된 기계학습을 수행했다. Azure AutoML은 소모적이고 반복적인 기계학습 모델 개발을 자동화하는 프로세스로써 기계학습 솔루션 구현하는데 시간과 자원(Resource)를 절약할 수 있다. 특히, AutoML은 수집된 데이터를 분류와 회귀 및 예측하는데 있어서 학습점수(Training Score)를 기반으로 보유한 데이터에 가장 적합한 기계학습 모델의 순위를 제공한다. 이는 데이터 분석에 필요한 기계학습 모델을 개발하는데 있어서 개발 초기 단계부터 코드를 설계하지 않아도 되며, 전체 기계학습 시스템을 개발 및 구현하기 전에 모델의 구성과 시스템을 설계해볼 수 있기 때문에 매우 효율적으로 활용될 수 있다. 본 논문에서는 NPU(Neural Processing Unit) 학습에 필요한 데이터 수집 환경에 관한 연구를 수행했으며, Azure AutoML을 기반으로 데이터 분류와 회귀 등 가장 효율적인 알고리즘 선정에 관한 연구를 수행했다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.41-44
• /
• 2006

산업용 로봇으로부터 시작된 로봇에 관한 연구는 서비스 로봇에 대한 개념이 확산되면서 최근 폭발적으로 그 영역을 넓혀가고 있다. 또한, 인간과 함께 생활하는 서비스 로봇의 경우 로봇 스스로가 인간 및 환경을 이해하고 조작할 수 있어야 하므로 매우 높은 수준의 지능이 요구되고 있다. 이에 본 논문에서는 로봇의 지능이란 무엇인가라는 근본적인 문제에 대해 공학적인 측면에서 다루고자 한다. 구체적으로 기존의 개발된 로봇들을 통해 로봇의 지능을 구성하는 요소들을 분석해내고 이를 활용해 특정 로봇의 지능 수준을 측정하거나 또는 서로 다른 두 로봇 간의 지능들을 비교할 수 있는 척도에 대해 제시하고자 한다. 기존의 퍼지 적분 기반 기계 지능 측정법에서의 방법, 즉 Choquet 퍼지 적분과 Sugeno 퍼지 적분을 함께 사용함으로써 정량적/정성적인 판단을 동시에 진행하는 방법을 응용함으로써 인간의 IQ에 해당되는 로봇의 IQ 수치를 얻어낼 수 있게 된다.

• Proceedings of The KACE
• /
• 2017.08a
• /
• pp.209-211
• /
• 2017

기계학습은 인공지능(AI, Artificial Intelligence)의 일종으로 다른 인공지능 알고리즘이 정해진 규칙을 기반으로 주어진 임무(Task)를 해결하는 것과는 달리, 기계학습은 수집된 Data를 기반으로 최적의 솔루션을 학습한 후 미래의 값들을 예측하거나 해석하는 방법을 사용하고 있다. 더욱이 인터넷을 통한 연결성의 확대와 컴퓨터의 연산능력 발전으로 가능하게 된 Big-Data를 기반으로 하고 있어 이전의 인공지능 알고리즘에 비해 월등한 성능을 보여주고 있다. 그러나 기계학습 알고리즘이 Data를 학습할 때 학습 결과를 사람이 해석하기에 너무 복잡하여 사람이 그 내부 구조를 이해하는 것은 사실상 불가능하고, 이에 따라 학습된 기계학습 모델의 단점 또는 한계 등을 알지 못하는 문제가 있다. 본 연구에서는 이러한 블랙박스화된 기계학습 알고리즘의 특성을 이해하기 위해, 기계학습 알고리즘이 특정 입력에 대한 결과를 예측할 때 어떤 입력들로 부터 영향을 많이 받는지 그리고 어떤 입력으로부터 영향을 적게 받는지를 알아보는 방법을 소개하고 기존 연구의 단점을 개선하기 위한 방법을 제시한다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.285-287
• /
• 2011

본 논문에서는 지능형 작동기의 효율적 설계와 특성예측을 위하여 기계적 상사 모델을 개발하고, 작동기의 최적작동 조건을 고찰한다. 먼저 지능형 작동기의 기계적 상사는 단순한 2자유도 스프링-메스-뎀퍼 시스템으로 등가 시스템을 구현하였다. 이 때 스프링 강성계수는 시스템의 강성 또는 전기-기계 연성계수 등으로 상사되며, 전기회로 구성품 등은 질량, 뎀퍼 등으로 상사되어진다. 단순화된 기계적 상사모델을 이용하여 작동조건에서의 전기회로 구성품의 튜닝을 최적화 할 수 있다. 특히 작동기의 공진주파수에서의 특성을 고려하여 최적조건을 도출함으로써 그 성능을 극대화 할 수 있다.

• Journal of the KSME
• /
• v.34 no.10
• /
• pp.770-779
• /
• 1994

생산공정에서 사용되는 거의 모든 제어대상 플랜트나 시스템들은 비선형적이고 불확실한 특성을 내포하고 있다. 종래의 제어기법들은 이러한 시스템들을 수학적으로 단순화시켜, 그 단순화된 모델을 바탕으로 제어하는 것을 기본으로 하고 잇는데, 이러한 방법은 시스템의 여러 가지 정 보의 손실을 초래하여 제어기 전체의 성능을 저하시키는 원인이 된다. 이러한 문제를 해결하기 위하여, 지능 제어 기법을 생산현장 플랜트에 적용함으로써, 종래의 제어기법들에 비해 향상된 제어 성능을 기대할 수 있다. 이 글에서는 이러한 기법들에 대한 이론의 소개 및 용접, 조립, 레이저 경화 등과 같은 생산공정과 로봇 제어분야 등에 적용한 사례연구를 살펴보고, 이를 통 하여 지능 제어 기법의 유용성을 살펴보기로 한다.

• Review of KIISC
• /
• v.27 no.3
• /
• pp.6-11
• /
• 2017

최근의 인공지능과 기계학습 기술이 과학기술 전반에 걸쳐서 적용되고 있다. 정보보안 분야에서도 인공지능 기술이 다양하게 적용되어 여러 가지 우수한 성능의 제품과 기술들이 나오고 있다. 이러한 시점에 인공지능과 기계학습의 원천 이론 중 하나인 베이지안 추론 (Bayesian Inference)기술에 대한 소개를 하고자 한다. 특히, 정보보호를 연구하는 연구자들에게 베이지안 기술의 기초부터 활용에 이르는 영역을 선보이며 악성코드 분석과 함께 카드사기탐지 기술과 관련하여 베이지안 추론 기술의 적용가능성을 소개한다.

• 월간 기계설비
• /
• s.22
• /
• pp.130-131
• /
• 1992

• Journal of the KSME
• /
• v.34 no.10
• /
• pp.780-786
• /
• 1994

지금까지는 많은 노력이 로봇자체의 지능화 노력과 각종 센서의 개발과 활용기술의 발달로 로 봇이 작업상황과 환경을 쉽게 인식할 수 있게 되었으며, 이러한 센서들의 원리와 응용에 대한 정보는 문헌에서 쉽게 찾아 볼 수 있다. 따라서 여기서는 로봇제어의 관점에서 본 인공지능의 활용측면에서 서술하고자 한다.