이번 한국데이터마이닝학회에 참가하면서 연구실 동료들의 연구 성과를 심도 있게 확인할 수 있었고, 유사한 주제를 다루는 타 연구실 연구원들과 활발히 토론할 수 있었습니다. 이를 통해 제 연구의 시야를 한층 넓힐 수 있었으며, 산업공학적 시각에서 인공지능을 어떻게 바라보고 석사과정 동안 연구를 어떻게 진행해 나갈 것인지에 대한 여러 통찰을 얻을 수 있었습니다.
특히 학회에서 접한 다양한 세션과 포스터를 통해 제가 관심을 두고 있는 test-time adaptation/test-time training 및 out-of-distribution 대응과 같은 주제에 대해 깊이 고민해볼 수 있는 계기가 되었습니다.

 

이 중 흥미롭게 보았던 세션 및 연구들을 소개해보려 합니다.

 

패널 토론(AI 시대의 교육/연구/산학협력/국제화)

해당 세션에서는 AI 시대를 맞아 교육/연구/산학협력/국제화 전반에서 어떤 변화가 요구되는지에 대해 논의가 이루어졌습니다.

• 연구 측면에서는 국가 R&D가 점차 “적지만 큰 과제” 중심으로 전환되고 있으며, AI·데이터 관련 과제의 확대가 전망된다는 점이 특히 주목되었습니다. 연구자로서 대형 언어모델과 도메인 지식의 접점에서 문제를 정의하는 능력이 필요하다는 제안이 인상 깊었습니다.
• 교육에서는 단순히 정답을 맞히는 역량이 아니라 질문하고 탐색하며 협업할 수 있는 역량을 키워야 한다는 메시지가 강조되었습니다. 연구 과정에서 흔히 겪는 reject과 실패를 극복할 수 있는 회복탄력성이 연구자로서 반드시 갖춰야 할 자질이라는 점도 크게 와닿았습니다.
• 산학 및 국제화 논의에서는 현실 데이터 부족, 규제 문제, 데이터 공유와 주권 AI의 균형과 같은 주제가 다루어졌습니다.

 

포스터 1 - “Online Test-time Adaptation for CLIP under Continual Domain Shifts” (고려대학교 박소연)

해당 연구는 CLIP 모델이 도메인 변화 환경에서 성능이 급격히 저하된다는 문제를 다루며, 실시간 프롬프트 적응·메모리 구조·메모리 최적화를 결합한 Online Test-time Adaptation 기법을 제안하였습니다. 학습 후 고정된 모델이 아니라, 테스트 시점에서도 입력 정보를 활용해 적응할 수 있다는 점이 인상 깊었습니다. 이는 제가 관심을 두고 있는 test-time adaptation의 핵심 아이디어와도 맞닿아 있어 실제 연구에 많은 참고가 될 것으로 생각됩니다.

 

포스터 2 - “Uncertainty Aware Semi-Supervised Learning with Out-Of-Distribution Noise” (고려대학교 이정민)

현실 데이터셋에 존재하는 잘못된 라벨 문제를 다루면서, 특히 in-distribution 노이즈와 out-of-distribution 노이즈를 구분하여 접근한 점이 흥미로웠습니다. 기존 방식의 한계였던 고정 loss threshold 대신, 불확실성 기반 동적 임계값과 Bayesian MixEMatch를 도입하여 보다 정교하게 데이터를 구분하고 활용한 점이 인상적이었습니다. 학습 시점과 테스트 시점의 분포 차이를 다루는 제 연구 관심사와 직접적으로 연결되어 있어 큰 도움이 되었습니다.

 

이번 학회를 통해 단순히 연구 성과를 확인하는 것에 그치지 않고, AI 시대의 교육과 연구 방향, 그리고 test-time training 및 OOD 대응과 같은 저의 연구 주제와 밀접하게 관련된 최신 논의를 접할 수 있었습니다. 무엇보다도 앞으로 석사과정 동안 연구를 어떤 방향으로 이끌어 나갈 것인지에 대해 깊이 고민할 수 있는 소중한 기회였습니다.
끝으로 이번 학회 참가를 통해 값진 경험을 쌓을 수 있는 기회를 제공해 주신 교수님께 깊이 감사드립니다.