콜로퀴엄

강연 요약:
의료 영상 분야는 전 세계적으로 꾸준히 성장하고 있다. 건강, 보건 등에 관심이 높아지고 노령인구가 늘어나면서 2020년 이후 성장률이 5% 이상 될 것으로 추정하고 있다. 최근 의료기기 산업은 하드웨어 및 첨단 기술 기반의 융복합 의료기기 개발뿐만 아니라 의료용 소프트웨어, 의료 빅데이터를 기반으로 한 인공지능 기술이 등장하고 있다. 인공지능을 필두로 한 보건의료 패러다임 변화는 진단, 치료 영역에서 지속적인 환자 건강 증진, 환자 맞춤형 진단 및 치료 등 가치창출 영역을 넓혀가고 있다. 본 연제에서는 의료초음파, 광음향, CT, MR 등 의료영상 데이터와 기계학습을 기반으로 한 첨단 기술의 융합으로 정확한 진단, 효율적 치료 기법 설계, 환자 안전 등 임상적 가치 창출을 중심으로 진행 중인 연구를 소개한다.

연사 소개:
2020.9-현재: 부산대학교 의생명융합공학부 조교수
2018.7-2020.8: 워싱턴대학교, 박사 후 연구원 (Postdoctoral Researcher)
2013.8-2018.7: 일리노이대학교 (UIUC) 박사과정
2009.1-2012.9: 삼성메디슨㈜ 선임연구원
2007.2-2009.1: KAIST 석사과정

2020.1-현재: 대한의용생체공학회 학술위원

강연 요약:
Deep learning models for NLP (Natural Language Processing) often tackle each task in isolation, requiring a large number of training examples and works well only on well-defined and narrow tasks. Meanwhile, we face the challenge of sample-efficient transfer, e.g., when supporting poor-resource languages or bootstrapping AI products before enough training data are acquired. This talk discusses our ongoing research work leveraging knowledge for generalizing from small training resources or transferring from other tasks. Further details can be found from https://seungwonh.github.io

연사 소개:
Prof. Seung-won Hwang is a Professor of Computer Science and Engineering at Seoul National University. Prior to SNU, she had been faculty at POSTECH and Yonsei University, after her PhD from UIUC. Her recent research interest has been data and language understanding and intelligence, led to 100+ publication at top-tier AI, DB/DM, and NLP venues, including ACL, AAAI, IJCAI, NAACL, SIGMOD, VLDB, and ICDE. She has received best paper runner-up and outstanding collaboration award from WSDM and Microsoft Research respectively.

강연 요약:
디지털 기술의 발전으로 제조 시스템의 혁신이 가속화되고 있다. 특히 AI기술과 디지털 트윈 기술을 통해 불량예측, 설비관리, 자동화 시스템 운영 등 다양한 제조 디지털 혁신이 가속화되고 있다. 본 강연에서는 AI 기술이 어떻게 제조에 활용될 수 있는지, 그리고 제조 AI와 일반 AI기술의 차이가 무엇인지를 설명한다. 그리고 장영재 교수 연구진이 국내 반도체 및 첨단 제조 생산 시스템에서 AI와 디지털 트윈 기술을 활용해 제조 생산성 증대를 구축한 사례를 소개한다. 이론이 아닌 실제 사례 중심을 통해 AI기술의 물류 자동화 운영 및 제조 스케줄링 혁신, 기타 설비 자동화 시스템 디자인 및 제조 IT 고도화 사례와 개념을 설명한다.

연사 소개:
장영재 교수는 MIT공대에서 박사를 받았다. 현재 카이스트 산업 및 시스템 공학과 교수로 재직 중이며 AI대학원 겸임 교수로도 참여하고 있다. 카이스트 공식 연구 센터인 <시너스텍-카이스트 인공지능 물류 시스템 연구센터> 와 <한국타이어-카이스트 디지털 미래기술 혁신 센터>의 스마트 제조의 센터장을 맡고 있다. "스마트 팩토리", "AI기반 물류 자동화", "제조 디지털 트윈"이 주요 연구 분야이며 2020년에는 AI기반 스마트 팩토리 스타트업인 카이스트 연구소 기업 '다임 리서치'를 설립하였다.

카이스트 부임 전 미국 반도체 메모리 제조사인 마이크론 테크놀로지 (Micron Technology) 에서 4년간 현장에서 공장 자동화 및 운영 관련 업무를 수행하였다. 실제 산업계 임팩트를 지향하는 연구를 추구하며 국내외 유수 기업들과 공동연구를 통해 실제 산업에 활용될 수 있는 연구를 진행해 왔다. 현재 국제저널 IEEE Transactions on Automation Science and Engineering 과 Computers and Industrial Engineering의 부편집장 (Associate Editor)를 맡고 있다. 대표 저서로는 교보문고 베스트셀러인 <경영학콘서트>가 있다.

주요 경력:
KAIST 산업 및 시스템 공학과 교수, 2010.11 ~ 현재
시너스텍-카이스트 AI AMHS 연구센터 센터장, 2018.2 ~ 현재
한국타이어 디지털 미래 혁신센터 센터장, 2019.1 ~ 현재
LG-CNS 빅데이터 AI 센터 센터장, 2019.1 ~ 현재
Micron Technology 미국 본사 프로젝트 매니저, 2007.1~2010.11
Computers & IE Journal 부편집장, 2018.1 ~ 현재
IEEE Transactions on Automation Science and Engineering 부편집장, 2019.1 ~ 현재
Journal of Intelligent Manufacturing 부편집장, 2019.3 ~ 현재
<한국경제신문> '장영재의 산업지능' 고정컬럼 연재, 2020.1 ~ 현재

강연 요약:
As artificial intelligence (AI) is transforming work and society, it is ever more important to ensure that AI systems are fair and trustworthy and support critical values and priorities in organizations and communities. In this talk, I will first present empirical findings on people’s trust and fairness around algorithms that make managerial and resource allocation decisions. My research suggests that techniques for distributive fairness are not sufficient for gaining people’s trust in AI. Addressing this gap, I propose two frameworks for achieving procedurally-fair and participatory AI: a procedural justice framework that lays out considerations for procedural fairness in algorithmic decisions, and a participatory framework called WeBuildAI that enables people to build algorithms for their own communities. I present a case study of this framework with a nonprofit called 412 Food Rescue in which stakeholders used the framework to build a food donation matching algorithm and adjudicate equity and efficiency trade-offs in the algorithm.

연사 소개:
Min Kyung Lee is an assistant professor in the School of Information at the University of Texas at Austin. Dr. Lee is a human-computer interaction researcher, and has extensive experiences in developing theories, methods and tools for human-centered AI and deploying them in practice through collaboration with real-world stakeholders and organizations. She proposed a participatory framework that empowers community members to design matching algorithms that govern their own communities. She also conducted one of the first studies investigating public perceptions of algorithmic fairness and the impacts of algorithmic management. Her current research is inspired by and complements her previous work on social robots for long-term interaction, seamless human-robot handovers, and telepresence robots.

Dr. Lee is a Siebel Scholar and has received the Allen Newell Award for Research Excellence, research grants from NSF and Uptake, and five best paper awards and honorable mentions and two demo/video awards in venues such as CHI, CSCW, DIS and HRI. She is an associate editor of ACM Transactions on Human-Robot Interaction. Her work has been featured in media outlets such as the New York Times, New Scientist, Washington Post, MIT Technology Review and CBS. Prior to UT Austin, she was a research scientist at Carnegie Mellon University. She received a PhD and a MS in Human-Computer Interaction and an MDes in Interaction Design from Carnegie Mellon University and a BS from KAIST.

Website: http://minlee.net

강연 요약:
Recently, we observed increasing demands in machine learning for handling set-structured data (i.e., a group of unordered instances). Broad examples of set-structured data include point clouds, object instances, graphs, etc., which have numerous applications such as autonomous driving, drug discovery, social network analysis, etc. However, the unique characteristics of set-structured data, such as an invariance to the element-wise permutation, makes it difficult to employ standard neural networks (e.g., CNN, RNN). In this talk, I will discuss the generative modeling of set-structured data. I will first introduce the challenges in modeling set-structured data, and some preliminary works related to modeling the sets. Then I will discuss how these challenges translate into the generative modeling problem, and our approach to address these problems.

연사 소개:
Seunghoon Hong is an assistant professor at the School of Computing, KAIST. Before joining KAIST, he had been a postdoctoral fellow at the University of Michigan and visiting research faculty at Google Brain team. His research interests lie in the intersection of machine learning and computer vision, with a specific focus on learning with the least supervision and deep generative models. He received the B.S. and Ph.D. degree from the Department of Computer Science and Engineering at POSTECH, Pohang, Korea in 2011 and 2017, respectively.

강연 요약:
인간의 커뮤니케이션은 주로 언어를 통해서 이루어지기 때문에 인간의 지식이 언어적인 표상만으로 구성되었다고 착각하기 쉽다. 그러나 우리가 사용하는 언어적 표현에는 시각 촉각 등 오감을 통해서 체득된 비언어적인 감각 정보가 상당부분 내포되어 있고, 이를 활용하지 않고는 다양한 문맥과 상황을 제대로 이해하는 것이 어렵다. 즉 우리는 비록 언어라는 도구를 사용하여 커뮤니케이션을 하더라도 언어로부터 연상되는 다양한 비언어적인 표상들을 총동원하여 언어 정보를 이해하는 것이다. 따라서 인공지능이 사람과 같은 언어 능력에 도달하기 위해서는 단순히 문자나 음성만으로 언어를 배우는 것만으로는 부족하고 다양한 감각에 기반한 체화된 지식 표상을 함께 습득하는 것이 필요하다.

실세계 상황을 촬영한 비디오 데이터는 시각, 동작, 음성, 소리 등 멀티모달 감각 정보를 포함하고 있어서 살아있는 체화된 지식 표상을 기계가 습득할 수 있는 좋은 소재이다. 본 발표에서는 영화와 드라마와 같은 비디오 데이터를 이용하여 기계가 어떻게 물체, 인물, 사건, 상황, 운동, 감성 등의 정보가 포함된 언어 개념을 학습하고 이에 기반하여 긴 스토리에 대한 체화된 지식 구조를 자동으로 구축할 수 있는지에 대한 연구를 살펴본다. 이렇게 만들어진 체화된 지식 체계는 AI가 새로운 이야기를 생성하고, 사람처럼 인지적으로 사고하고, 비디오 내용에 대해서 질의 응답하는 기반을 형성한다. 비디오 스토리 이해와 생성 그리고 관련된 시각 질의응답 기술은 AI가 사람을 이해하고 사람과 원활히 소통하기 위한 다양한 응용의 기반이 되며 궁극적으로 AI가 인간수준의 지능에 도달하기 위한 초석을 제공할 것이다.

연사 소개:
서울대학교 컴퓨터공학부 POSCO 석좌교수이며, 인지과학/뇌과학 협동과정 겸임교수, 서울대 AI연구원(AIIS) 원장이다. 2003년 MIT 인공지능연구소(CSAIL) 및 뇌인지과학과 초빙교수를 역임하였으며, 한국정보과학회 인공지능소사이어티 초대회장, 서울대학교 인지과학연구소장, 한국인지과학회 회장을 역임한 바 있다. 2019년부터 한국뇌공학회 회장으로서 뇌과학의 발전과 산업화에도 기여하고 있다.

Byoung-Tak Zhang is POSCO Chair Professor of Computer Science, Cognitive Science, and Brain Science at Seoul National University, Seoul, Korea and Director of the AI Institute at Seoul National University (AIIS). He served as the President of the Korean Artificial Intelligence Society (2010-2013) and the Korean Society for Cognitive Science (2017). He has been investigating brain-inspired cognitive learning architectures and algorithms for artificial intelligence and cognitive science with a focus on achieving human-level AI and building human-like robots that learn autonomously in a real world. He received his Ph.D. in computer science from University of Bonn in 1992, B.S. and M.S. in computer science and engineering from Seoul National University. Prior to joining the Seoul National University in 1997, he worked as Research Fellow at the German National Research Center for Computer Science (GMD, now Fraunhofer Institutes) in Sankt Augustin/Bonn for 1992-1995. He has been Visiting Professor at the MIT Computer Science and Artificial Intelligence Lab (CSAIL) and Brain and Cognitive Science Department (2003-2004), the Samsung Advanced Institute of Technology (SAIT) (2007-2008), the BMBF Excellence Centers for Cognitive Technical Systems (CoTeSys, Munich) and Cognitive Interaction Technology (CITEC, Bielefeld) (Winter of 2010-2011), and the Princeton Neuroscience Institute (PNI) (2013-2014). His work has been recognized by a number of awards and honors, including the Korea Red Stripes Order of Service Merit, INAK Award, Minister of Science and Technology Award, and Okawa Research Award.