2024년 대한산업공학회, 한국경영과학회, 한국시뮬레이션학회 춘계공동학술대회에 참여하였습니다. 이전 발표들과 달리 개인연구를 외부 연구원분들께 소개하는 첫 발표로서 많이 배울 수 있었습니다. 학회에 참여하여 들었던 발표들 중 특히 인상적이었던 발표들은 다음과 같습니다.

1. Out-of-Model-Scope Detection for Outdoor Video Denoising via Knowledge Distillation, 강지연, 이상민. 광운대학교 인공지능응용학과.
해당 연구에서는 Image 도메인의 Object Detection 분야를 대상으로 하여 Out-of-Domain Detection 방법론을 연구하고 있었습니다. 특히 중요한 점은 기존의 OOD 분야는 학습 데이터 및 관심 클래스가 아닌 클래스의 객체가 입력되었을 경우 이를 탐지하는데 초점을 맞추고 있는데 반해, 해당 연구는 모델 관점에서 학습 여부와 관계없이 예측 성능에 따른 객체에 초점을 맞추고 있었습니다. 즉, OOD이라 하더라도 모델이 사전학습 때 반영된 클래스는 잘 맞출 수 있고, ID라 하더라도 모델이 학습하기 어려워하는 클래스가 존재할 수 있습니다. 이러한 각 클래스와 ID 및 OOD 여부는 학습 다이내믹에 있어 중요한 관계에 있다는 점을 지적하고 있습니다. 비록 현재 연구 단계에 있는 발표로서 구체적인 방법론을 확인할 수 없었지만, 발표자가 주장하는 데이터와 모델의 관계가 ID와 OOD 여부를 벗어나서 더 나은 모델 강건성을 추구하는 방법론이 될 수 있겠다는 생각을 할 수 있었습니다.

2. Anomaly Detection via Denoising Diffusion Implicit Model with Magnetic Resonance Imaging, 장효영, 이상민. 광운대학교 인공지능응용학과.
해당 연구는 의료 도메인에서의 Anomaly Detection을 목표로 Diffusion 모델을 적용하는 방법론을 소개하였습니다. 특히 MRI 이미지 데이터를 사용한다는 점에서 모델 선택과 학습 방법론이 매우 인상적이었습니다. MRI 이미지는 일반적으로 3차원으로 구성된 매우 고해상도의 이미지이므로, AD 시 높은 해상도에 대한 생성 능력이 우수한 Diffusion 모델을 사용해야 한다는 주장을 하고 있습니다. 연구실에서 기존에 다루었던 많은 논문들이 단순히 Diffusion을 사용할 수 있는 가능성을 모색한 것과 달리 실제로 고해상도 이미지를 다루는 AD 태스크에서는 이러한 diffusion 모델의 특성이 논리적으로 합당한 것으로 보였습니다. 또한, MRI 이미지 데이터 특성 상 필연적으로 발생하는 노이즈를 rician 노이즈로 모델링할 수 있는데, 이를 이용하여 diffusion의 학습 시 노이즈를 추가하는 점 역시 인상적이었습니다. 실험 결과 상으로는 여전히 가우시안 분포의 노이즈가 더 효과적이었으나, 일반 도메인과 달리 데이터 수집 과정에서 발생하는 노이즈에 대한 사전 정보를 이용하면 더욱 도메인에 적합한 방법론을 개발할 수 있을 것으로 보입니다.

3. Investigating the explanation needs of ChatGPT: the case of essay composition and translation. 송영희, 박기현, 김성민, 박우진, 서울과학기술대학교.
해당 연구는 ChatGPT를 이용하는 실제 사용자들이 필요로하는 설명력에 대한 탐색적 연구로서 번역과 글쓰기 작업에 집중하고 있었습니다. 실제 설문 조사 과정에서는 엄밀한 실험 환경 설정을 위하여 ChatGPT를 이용해 작성할 글의 종류 및 작성 과정에서 발생하는 다양한 요구 사항에 대한 구조화된 인터뷰가 진행되었습니다. 특히 그 결과를 살펴보면, 단순히 LLM을 연구하는 연구자들 간에 공유되는 reasoning 관점에서의 설명력 뿐만 아니라, 프롬프트에 대한 모델의 이해 능력, 실제 수행 중인 태스크에 대한 모델의 성능에 대한 설명, 사용자의 요구사항에 대해 적절한 대응 여부에 대한 설명 등 사용자 관점에서의 설명력을 많이 요구하는 것을 알 수 있었습니다. 그동안의 LLM 관련 연구들에서는 모델이 문장을 생성하는 과정에 대한 중간 단계로서의 설명만을 고려하고 있었는데, 실제로 산업 현장에 적용하기 위해서는 다른 관점에서의 설명력 역시 요구되는 것을 확인하였습니다.

이번 학회에서는 특히 지난 추계학술대회보다 더욱 다양한 도메인과 LLM 및 OOD 분야에 대한 발표들을 확인할 수 있었습니다. 점차 다양한 연구들이 확산되는 모습을 지켜보면서, 그동안 살펴본 논문들의 관점 뿐만 아니라 실제 산업 현장에서 ML/DL 기술이 적용되기 위한 다양한 필요 사항들을 확인할 수 있는 기회였습니다. 향후 연구나 프로젝트 수행에 있어 이러한 경험을 바탕으로 보다 현실 세계에 밀접한 연구를 할 수 있도록 노력하겠습니다.