| 시간 | 제목 | 연사 |
|---|---|---|
| 09:50 - 10:00 | 개회사 : 황승훈 교수 (동국대, 한국통신학회 부회장) | |
| 축사 : 허준 교수 (고려대, 한국통신학회 회장) | ||
| Session 1: Generative AI and Beyond | 좌장: 곽희열 교수 (울산대) | |
| 10:00 - 11:00 | Generative AI and Beyond: LLMs, EmergingTechnologies, and the Road to AGI | 김인중 교수 (한동대) |
| 본 강의에서는 생성적 AI의 핵심 개념부터 최신 기술 트랜드까지 생성형 AI의 주요 기술들을 소개한다. 먼저 LLM의 핵심 개념과 동작 원리를 간단히 리뷰하고, 최근 널리 사용되고 있는 LLM의 구조 및 학습 기법들을 설명한다. 추가적으로, 멀티모달 AI, 추론 AI, Embodied AI 등 AGI로 발전하고 있는 최신 트랜드들을 조망한다. | ||
| 11:00 - 12:00 | An Optimization Perspective on DataDriven Modeling and Control of Robots | 장준우 교수 (인하대) |
| This presentation provides an overview of key research directions in robotics, focusing on data-driven modeling, symmetry, and policy learning. In data-driven modeling, we explore methods to enhance modeling performance and stability by leveraging domain knowledge. We also briefly introduce the Koopman model and Physics-Informed Neural Networks (PINNs). Symmetry is a crucial property that effectively reduces both the amount of training data required and the number of network parameters. We discuss its fundamental characteristics and how it can be incorporated into learning methods. Finally, in policy learning, we examine challenges that arise in neural network-based models and control strategies focusing on exploration and data distribution, and how these challenges are being addressed in the field of robotics. | ||
| 12:00 - 13:30 | 중 식 | |
| Session 2: Multimodal AI and Semantic Communications | 좌장: 이훈 교수 (UNIST) | |
| 13:30 - 14:30 | 멀티모달 거대언어모델, 최근 흐름과 전망 | 조민수 교수 (POSTECH) |
| 본 발표는 거대언어모델의 발전에 힘입어 영상과 시공간을 다루는 영역으로 확장되고 있는 멀티모달 추론 인공지능 연구의 최근 발전상과 핵심 방법론들을 살펴보고자 한다. 그리고, 여전히 해결되고 있지 않은 기술적인 문제들과 관련 논쟁들을 짚어본 뒤, 앞으로의 전망을 논의할 것이다. | ||
| 14:30 - 15:30 | Transmit What You Need: TaskAdaptive Semantic Communications for Visual Information | 윤성환 교수 (UNIST) |
| 본 발표에서는 심층학습 기술에 기반한 시맨틱 통신 기술에 대해 논의하고, task 처리 관점에서 필요한 의미 정보만을 전송하기 위한 기술에 대해 살펴본다. 구체적으로, 주어진 task를 처리하기 위해 정보이론 관점에서 중복된 의미를 filtering 하는 방법에 대해서 논의하고, 전송된 정보를 기반으로 원본 데이터와 같은 의미를 지니는 데이터를 복원하는 방법에 대해 알아본다. 이러한 시맨틱 통신 기술이 다양한 컴퓨터 비전 task에 대해 달성할 수 있는 통신 효율성에 대해서 살펴보고, 앞으로의 가능성을 논의한다. | ||
| 15:30 - 15:50 | 휴 식 | |
| Session 3: Collaborative Edge Intelligence | 좌장: 최진석 교수 (KAIST) | |
| 15:50 - 16:50 | On the Private and Robust Collaborative Edge Intelligence | 서효운 교수 (성균관대) |
| 본 발표에서는 악의적인 클라이언트가 존재할 수 있는 환경에서 견고하고 프라이버시를 보장하는 분산 학습 기법에 대해 다룬다. 분산 학습 환경에서는 사용자 데이터가 로컬에 머무르기 때문에, 협력적 모델 학습을 수행하면서도 프라이버시 보호가 필수적이다. 프라이버시 보호를 위해 차등 프라이버시(Differential Privacy), 보안 집계(Secure Aggregation) 등의 기법을 활용하여 민감한 정보의 유출을 방지한다. 동시에, 업데이트를 조작하거나 손상된 데이터를 주입함으로써 전체 성능을 저하시킬 수 있는 악의적인 클라이언트의 존재도 중요한 고려 요소로 다룬다. 본 발표는 분산된, 신뢰할 수 없는 환경에서도 신뢰성 있는 학습을 가능하게 하는 프라이버시 보호 및 견고성 확보 전략들을 중심으로 구성된다. | ||
| 16:50 - 17:00 | 휴 식 | |
| 패널토론 | ||
| 17:00 - 18:00 | AI-RAN for 6G: When, Where, How to Integrate Intelligence | 이남윤 교수 (POSTECH) |
| 토론자: 고남석(ETRI), 곽정호(고려대), 박정훈(연세대), 배정숙(ETRI), 서대원(DGIST), 신원재(고려대), 최진석(KAIST) | ||
