핵심 연구분야

인공지능연구소는 인공지능을 활용한 언어 모델 연구, 융합 연구, 응용 연구, 데이터 분석 및 인프라 연구를 중점적으로 연구 및 개발하고 있습니다.

언어 모델 연구

  • NLU, NLG 언어 모델 연구
  • Open Domain QA 연구(ODQA)
  • extraction / abstract 요약
  • Closed Domain QA 연구(CDQA)

융합 연구

  • Object Detection 모델 연구
  • Semantic Segmentation 모델 연구
  • Multi-modal 모델 융합 연구
  • Semi-supervised Learning 연구
  • Meta Learning 연구

응용 연구

  • NLU, NLG 언어 모델 연구
  • Open Domain QA 연구(ODQA)
  • extraction / abstract 요약
  • Closed Domain QA 연구(CDQA)

데이터 분석 및 인프라 연구

  • 비정형 데이터 정제 연구(AUM, Area Under the Margin)
  • 데이터 및 모델 Serving 연구
  • Cuda 최적화 및 Nvidia profiling Annotation tool 개발

언어 모델 연구

  • NLU, NLG 언어 모델 연구
  • Open Domain QA 연구(ODQA)
  • extraction / abstract 요약
  • Closed Domain QA 연구(CDQA)

융합 연구

  • Object Detection 모델 연구
  • Semantic Segmentation 모델 연구
  • Multi-modal 모델 융합 연구
  • Semi-supervised Learning 연구
  • Meta Learning 연구

응용 연구

  • NLU, NLG 언어 모델 연구
  • Open Domain QA 연구(ODQA)
  • extraction / abstract 요약
  • Closed Domain QA 연구(CDQA)

데이터 분석 및 인프라 연구

  • 비정형 데이터 정제 연구(AUM, Area Under the Margin)
  • 데이터 및 모델 Serving 연구
  • Cuda 최적화 및 Nvidia profiling Annotation tool 개발

언어 모델 연구

언어 모델 기술은 언어 이해(NLU), 언어생성(NLG)을 기반으로 도메인 내외 질의응답과 추출식/추상화식 요약 등 서비스에 핵심이 되는 원천 기술을 연구합니다

Encoder Stack

Decoder Stack

Encoder-Decoder Stack

NLU, NLG
언어 모델 연구

한국어 BERT, XLNet, Roberta, MASS, T5 등 언어의 확률을 학습하는 모델 연구

Open Domain QA
연구(ODQA)

별도의 지문 없이 모델에 저장된 정보만을 활용하여 사용자의 질문에 대한 답을 할 수 있는 기술

Extraction / Abstract
요약 연구

NLU와 NLG 기술을 이용하여 중요한 문단을 찾는 추출식 요약과 의미를 요약하는 추상화 요약 연구

Closed Domain QA
연구(CDQA)

도메인 내에서 사용자의 자연어 질문과 연관된 문서 또는 정보를 검색하는 기술

NLU, NLG
언어 모델 연구

한국어 BERT, XLNet, Roberta, MASS, T5 등 언어의 확률을 학습하는 모델 연구

Open Domain QA
연구(ODQA)

별도의 지문 없이 모델에 저장된 정보만을 활용하여 사용자의 질문에 대한 답을 할 수 있는 기술

Extraction / Abstract
요약 연구

NLU와 NLG 기술을 이용하여 중요한 문단을 찾는 추출식 요약과 의미를 요약하는 추상화 요약 연구

Closed Domain QA
연구(CDQA)

도메인 내에서 사용자의 자연어 질문과 연관된 문서 또는 정보를 검색하는 기술

융합 연구

융합 연구는 이미지를 인식하고 여러 채널의 정보와 융합하여 이미지 검색/분류 등 다양한 분야에 활용할 수 있습니다.

원피스 귀걸이 팔찌

Object Detection 모델 연구

이미지에서 원하는 물체를 인식하는 기술

Semantic Segmentation 모델 연구

이미지에서 배경을 제거하여 전경을 분리해내는 기술

Multi-modal 모델 융합 연구

이미지를 보고 사용자 질문에 대한 정답을 찾는 기술 / 이미지와 관련 있는 이미지 또는 텍스트를 찾는 기술

Semi-supervised Learning 연구

라벨이 있는 데이터와 함께 라벨이 없는 데이터를 같이 학습 하여 적은 비용으로 다양한 문제를 해결할 수 있는 기술

Meta Learning 연구

아키텍쳐 자동 구성 NAS(network architecture search)와 파라미터 최적화 AutoML 등 학습하는 방법을 학습하는 기술

Object Detection
모델 연구

이미지에서 원하는 물체를 인식하는 기술

Semantic Segmentation
모델 연구

이미지에서 배경을 제거하여 전경을 분리해내는 기술

Multi-modal 모델
융합 연구

이미지를 보고 사용자 질문에 대한 정답을 찾는 기술 / 이미지와 관련 있는 이미지 또는 텍스트를 찾는 기술

Semi-supervised
Learning연구

라벨이 있는 데이터와 함께 라벨이 없는 데이터를 같이 학습 하여 적은 비용으로 다양한 문제를 해결할 수 있는 기술

Meta Learning
연구

아키텍쳐 자동 구성 NAS(network architecture search)와 파라미터 최적화 AutoML 등 학습하는 방법을 학습하는 기술

응용 연구

응용 기술 연구는 서비스 친화적인 연구로 챗봇, 유사 이미지 추천 서비스 등의 서비스를 안정적으로 지원하기 위한 연구

지능형 에이전트 연구

언어 모델 기술과 함께 단어 보정, 도메인 내외 분류 등의 기술을 추가하여 챗봇 등의 서비스에 응용하기 위한 연구

이미지 추천 응용 연구

Object Detection, Image retrieval 등의 기술로 이미지에서 상품을 인식하여 비슷한 상품 추천하는 연구

이미지 검수 자동화 연구

Feature Extraction, Color filtering 기술로 유해한 이미지를 자동으로 인식하여 선정성, 폭력성, 사행성 등으로 분류하는 연구

Image Matting 기법 연구

이미지 색의 채널 차를 이용하여 배경과 전경을 분리하는 기술로 1차로 Semantic Segmentation된 이미지를 매우 정교하게 분리해내는 기술 연구

지능형 에이전트
연구

언어 모델 기술과 함께 단어 보정, 도메인 내외 분류 등의 기술을 추가하여 챗봇 등의 서비스에 응용하기 위한 연구

이미지 추천 응용
연구

Object Detection, Image retrieval 등의 기술로 이미지에서 상품을 인식하여 비슷한 상품 추천하는 연구

이미지 검수
자동화 연구

Feature Extraction, Color filtering 기술로 유해한 이미지를 자동으로 인식하여 선정성, 폭력성, 사행성 등으로 분류하는 연구

Image Matting
기법 연구

이미지 색의 채널 차를 이용하여 배경과 전경을 분리하는 기술로 1차로 Semantic Segmentation된 이미지를 매우 정교하게 분리해내는 기술 연구

데이터 분석 및 인프라

인공지능연구소에서는 CUDA 최적화, Nvidia profiling 및 자동화 서빙 등 데이터와 자원을 최적화하는 연구를 수행합니다

비정형 데이터 정제 연구

잘못 분류된 라벨과 올바른 라벨의 마진 차를 이용(AUM, Area Under the Margin)하여 잘못된 데이터를 제거하는 기술

데이터 및 모델 Serving 연구

병렬 처리 등의 기술을 활용하여 데이터를 연산 장비에 전송하고, 데이터를 학습한 모델 및 예측된 고품질 데이터를 서비스에 활용할 수 있도록 서빙하는 연구

CUDA 최적화 및 Nvidia profiling

GPU 모델의 연산을 최적화하고 모델에 병목이 발생할 경우 발생 지점을 추적하는 기술 / 데이터와 모델을 여러 장비에서 동시에 처리하여 연산속도를 높이고 높은 결과를 도출하기 위한 기술

Annotation Tool 개발

데이터 구축 시 인력을 최대한 적게 쓰고 고품질의 데이터를 생성하기 위한 Annotation Tool 개발 기술

비정형 데이터
정제 연구

잘못 분류된 라벨과 올바른 라벨의 마진 차를 이용(AUM, Area Under the Margin)하여 잘못된 데이터를 제거하는 기술

데이터 및 모델
Serving 연구

병렬 처리 등의 기술을 활용하여 데이터를 연산 장비에 전송하고, 데이터를 학습한 모델 및 예측된 고품질 데이터를 서비스에 활용할 수 있도록 서빙하는 연구

CUDA 최적화 및
Nvidia profiling

GPU 모델의 연산을 최적화하고 모델에 병목이 발생할 경우 발생 지점을 추적하는 기술 / 데이터와 모델을 여러 장비에서 동시에 처리하여 연산속도를 높이고 높은 결과를 도출하기 위한 기술

Annotation Tool
개발

데이터 구축 시 인력을 최대한 적게 쓰고 고품질의 데이터를 생성하기 위한 Annotation Tool 개발 기술