기조 연설 Keynote

모두를 위한 AI / 제프 딘 구글 시니어 펠로우(구글 AI 총괄)

AI for everyone / Jeff Dean, Senior Fellow at Google (Head of Google AI)

구글은 오랫동안 AI를 연구해 왔으며, AI가 다양한 분야에서 유용하게 활용될 수 있다는 점을 직접 경험했다. 이것이 바로 구글이 ‘모두를 위한 AI’를 구축하는 이유다. 구글은 AI를 세 가지 방식으로 접근하고 있다. 먼저 AI의 혜택을 앱, 소프트웨어 및 서비스에 적용하고 있다. 또 다른 기업 및 조직과 파트너십을 맺고 AI의 혜택을 제공한다. 그리고 연구자들과의 협업을 통해 환경보전과 같은 어려운 도전과제들을 함께 해결하기 위해 노력하고 있다. AI의 이점은 단순히 이론에 그치지 않는다. 지난 수년 동안, AI를 활용해서 환경보전뿐만 아니라 보건, 에너지 소비, 그리고 이전에 인류가 다룰 수 없었던 분야의 난제를 해결하는 고무적인 사례가 계속해서 늘어나고 있다. 그리고 이 것은 시작에 불과하기 때문에 모두를 위한 AI를 개발하고 필요한 도구를 활용할 수 있도록 하는 것이 매우 중요하다. AI는 인류의 삶을 근본적으로 향상시킬 수 있는 잠재력이 있다. 하지만 그러려면 협력적인 방식으로 접근해야 하며, 모든 사람이 AI를 활용할 수 있도록 해야 한다. 그렇게 해야만 이 기술이 인류에게 가져다줄 엄청난 기회를 정말 잘 활용할 수 있을 것이다.

Google has been working on AI for a long time, and we’ve seen first hand the benefits it can bring to a wide range of fields. And that’s why Google is building AI for everyone. And we’re doing that in three ways: First, we’re making the benefits of AI available through apps, software and services. Second, we’re partnering with businesses and other organizations to bring them the benefits of AI. Last but not least, we’re working with researchers to tackle big challenges.

The benefits of AI are not theoretical. Over the past couple of years, we’ve seen more and more examples of people using AI to solve really difficult problems in environmental conservation, but also healthcare, energy consumption and many other fields that we were unable to tackle before. This is really just a beginning. That is why we think it is important to build AI for everyone and make tools available.

AI has the potential to improve people’s lives in fundamental ways. But only if we take a collaborative approach and make AI accessible to everyone will we be able to truly seize the incredible opportunities this technology brings for humanity.

국내 AI 혁신 전략과 사례 발표 Guest speakers

KAIST에서의 AI 연구 및 인재양성 / 황의종 KAIST 교수

AI Research and Talent Training at KAIST / Steven Euijong Whang, Assistant Professor at KAIST

제4차 산업혁명이 다가옴에 따라 AI 분야에서 경쟁력을 갖추는 것이 중요합니다. 모든 국가가 AI 도전에 대응하기 위한 독자적 전략을 가지고 있으며 한국도 예외는 아닙니다. 이번 강연에서는 한국의 대표적인 연구기관 중 하나인 한국과학기술원(KAIST)의 AI 연구와 인재 양성에 대해 간략하게 설명하고자 합니다. 최근 KAIST는 AI 프로젝트, AI 관련 수업과정, AI를 전공하는 학생들, AI 관련 업계 협력 등이 급증하였습니다. 그러나 AI 분야에서 세계적으로 경쟁력을 갖추기 위해서는 여전히 많은 과제가 남아있습니다.

The 4th industrial revolution is upon us, and it is important to be competitive in AI. Every country has its own strategy for addressing AI challenges, and Korea is no exception. In this talk, I will briefly describe the AI research and talent training at KAIST, which is one of the leading institutes in Korea. Recently, KAIST has seen a surge in AI projects, AI-related courses, AI-majoring students, and AI-related industry collaborations. However, many challenges remain to be globally competitive in AI.

모바일과 텔레콤 서비스에서의 AI 혁신 및 파괴 / 김윤 SK텔레콤 AI 리서치 센터장

AI-Driven Innovation and Disruption in Mobile and Telecom Services / Yoon Kim, Executive VP and Head of AI Research at SK Telecom

우리는 초연결성과 인공지능에 기반해 인간과 인간, 인간과 기계간의 디지털 커뮤니케이션의 급격한 기술적 진보가 우리의 삶에 커다란 변화를 가져오는 세상에 살고 있다. SK텔레콤을 비롯한 ICT 기업과 관련된 몇 가지 사례를 통해 이러한 사회에서 AI 기술이 답해야 할 중요한 질문과 과제에 대한 생각을 공유할 예정이다. 모바일 음성 인식 기술에 관한 개인적인 경험을 바탕으로 AI에 대한 과장된 기대감과 밝은 미래에 대해서도 논의하고자 한다.

We live in a world where rapid technological advances in hyper-connectivity as well as AI-powered human-machine and human-human communication are bringing about profound changes to our digital (and analog) lives.

I will share my thoughts on some important questions and challenges for AI in such a world, with some examples pertinent to ICT providers such as SK Telecom. Drawing from personal experiences in mobile speech recognition technologies, I will also talk about the risks and consequences of inflated expectations on AI as well as some bright spots for the future.

스마트 모빌리티 시대를 연 카카오모빌리티의 AI 기술 / 유승일 카카오모빌리티 데이터랩장

AI for Smart Mobility / Seungil You, Data Lab Head, Kakao Mobility

스마트 모빌리티 서비스를 위해 필수적인 AI 기술들의 역사와 현황을 짚어보고 이러한 기술들이 카카오모빌리티 서비스 내에서 만들어내는 다양한 부가가치에 대하여 설명하는 시간을 가지고자 한다. 고전 AI 기술인 최적 경로 설계(Optimal path planning)부터 최근의 머신러닝 기반의 AI 기술들이 모빌리티 서비스에서 어떠한 원리로 동작하고 어떠한 역할을 수행하는지 간략히 살펴보고, 향후 발전 방향에 대해서도 논의할 예정이다.

I would like to take a look at the history and current status of AI technologies that are essential for smart mobility services and to explain the various added-value that these technologies create within the Kakao mobility service. From optimal path planning, which is a classical AI technology, to recent machine learning-based technologies, I will briefly introduce how these operate and play a role in mobility services, and discuss directions for future development.

일자리 문제 해결과 ML 기술 / 황리건 원티드랩(WantedLab) 제품 총괄 겸 공동창업자

Solutions for Employment Issues and ML Technology / Reagan Hwang, Product Lead & Co-founder, WantedLab

일자리가 개인과 사회에 미치는 영향에 비해서 오랜 시간 동안 이 분야의 기술 혁신은 제한적이었다. 원티드랩은 사람과 일자리를 인간적이고 효율적으로 연결하는 것을 비전으로 하는 스타트업으로 모바일과 소셜 네트워크 환경에서 더 적합한 채용 서비스는 무엇인가에 대한 고민에서부터 시작되었다. 현재 점점 더 많은 기업들과 구직자들이 원티드 서비스를 이용하고 있고 매칭에서의 복잡성은 점점 더 커지고 있다. 매칭에서의 복잡성 문제를 풀기 위해서 채용 서비스에 머신러닝을 도입해가는 과정을 공유하고자 한다.

Technological innovation in employment industry has been limited for a long time, creating issues related to the effects of jobs on individuals and society. WantedLab is a startup that focuses on connecting people and jobs in a humane and efficient way. Our business started when we first brought up the question of what kind of job matching service would be more suitable in mobile and social network environment. Now, more and more companies and job seekers are using Wanted’s services and the complexity of matching is increasing. We want to share the process of introducing machine learning to recruitment services to solve the complexity of matching.

의료진의 지치지 않는 눈과 귀가 되어주는 AI 시스템 개발 / 정규환 뷰노(VUNO) CTO

Building Tireless Eyes and Ears for Doctors using Artificial Intelligence / Kyu-Hwan Jung, CTO and Co-founder, VUNO Inc.

의료 데이터는 복잡성과 다양성, 그리고 폭증하는 데이터 양으로 인해 최근 급속도로 발전하고 있는 인공지능 기술이 가장 활발하게 적용되고 있는 분야 중 하나이다. 주관적이고 경험적인 지식에 의존한 기존의 알고리즘이나 진단보조 시스템이 데이터 기반의 알고리듬인 딥러닝으로 빠르게 대체되고 있으며, 의료 영상 분석과 생체신호 분석등에 있어서 정확도와 효율성의 비약적인 발전을 가져오고 있다. 본 세션에서는 딥러닝 기반 의료 데이터 분석의 대표적인 방법들을 소개하고 실제로 이를 적용하고자 할때 나타나는 여러가지 문제와 이를 해결하기 위한 시도들을 소개하고자 한다. 또한 이러한 인공지능 기반의 진단 보조 소프트웨어 개발 사례와 뷰노의 경험을 소개하고 이를 제품화 및 상용화 하기 위해 고려해야할 이슈들에 대해서 논의할 예정이다.

Medical data, due to its complexity, diversity, and exploding data volume, is one of the areas to which artificial intelligence is most actively applied. Existing algorithms and diagnostic assistance systems, which rely on both subjective and empirical knowledge, are rapidly being replaced by deep learning and data-based algorithms, which in turn has led to dramatic improvements in accuracy and efficiency in medical image analysis and vital signal analysis. In this session, I am going to introduce some methods of analysis of deep learning-based medical data, the challenges that are encountered when applying them, and our efforts to overcome these challenges. In addition, I will introduce the development of diagnostic assistant software based on artificial intelligence, the experience of VUNO, and discuss issues to be considered for productization and commercialization.