바이오시스템의 정보처리 구조와 기능을 모사한 인공지능 기술을 연구한다. 수학적 모델링과 컴퓨터 시뮬레이션 및 뇌인지 실험 기법을 이용하여 분자, 뉴런, 브레인 수준에서의 인지적 바이오정보처리 모델을 개발한다. 진화모델에 기반한 이러한 인간수준의 학습과 추론 기술은 궁극적으로 인공지능의 도전과제를 해결하고 인지뇌과학의 발전에 기여할 것이다.
뇌정보처리 모델링에 의한 기계학습 기반 사용자 의도 예측 기술 (BrainNet)
사용자와 상호 작용하는 인터랙티브 시스템은 사용자 정보, 외부 환경 정보 및 뇌 신경정보 등의 다양한 종류의 데이터로터 사용자의 의도를 모델링하고 예측하는 기술이 중요하다. 본 연구는 이러한 다양한 사용자의 데이터를 통합하여 사용자의 의도 변화를 모델링하고 예측하는 뇌정보처리 기술을 개발하는 것을 목표로 한다. 이를 위해서 다양한 국부적 모듈들의 segregation과 이들을 전역적으로 결합하는 integration의 특성을 가진 brain network 구조를 자기조직하는 기계학습 기법을 연구한다. (교육과학기술부 한국연구재단 지원)
지능형 추천 서비스를 위한 인지기반 기계학습 및 추론 기술 (Videome)
인터랙티브 환경에서 추천 성능을 극대화하려면 다양한 문맥 데이터로부터 사용자의 선호도와 행동을 정확히 예측하는 것이 중요하다. 본 과제는 인터랙티브 추천 환경에서 실시간에 사용자의 문맥과 행동 패턴을 학습하는 인지기반 기계학습 및 추론 엔진을 개발하고, 이를 IPTV 홈씨어터 플랫폼에 적용함으로써 인간수준의 지능형 멀티모달 추천 서비스를 실현하는 것을 목표로 한다. (교육과학기술부 한국연구재단 지원)
기계학습 기반 멀티모달 복합 정보 추출 및 추천 기술 (MARS)
본 연구는 리치미디어 데이터를 기반으로 다양한 응용분야에서의 맞춤형 서비스를 위한 기계학습 기반의 지능형 분석 원천기술 개발을 목표로 한다. 리치미디어의 멀티모달 특성을 반영한 복합정보 분석기술, 데이터 기반 분석기법, 사용자의 특성 분석 및 상호작용 데이터를 반영한 추천 기술을 개발하고, 개발 기술을 집약한 MARS 시스템 구축 및 기사-상품 연관 추천, 소셜정보 기반 추천 등에 응용한다. (지식경제부 한국산업기술평가관리원 지원)
모바일 라이프 로그를 이용한 상황 문맥 상에서의 행동 파악 기술 (mLife)
최근 보편화된 스마트폰에는 다양한 센서들을 탑재하여, 라이프 로그를 어렵지 않게 축적할 환경이 마련되었다. 본과제는 모바일 라이프로그 데이터를 이용하여 계획 및 학습인지모델 개발을 통해 상황 문맥을 이해하는 맞춤형 비서 에이전트 개발을 목표로 한다. 이러한 목표를 위해, 본그룹에서는 기계학습 방법론을이용하여 사용자의 행동, 활동, 의도를 학습 및 추론하는 기술을 연구 개발한다. (지식경제부한국산업기술평가관리원지원)
