|
|
|
|
|
 |
단순히 정답을 도출하는 과정보다, 오류의 원인을 분석하고, 실험 결과의 의미를 해석하며, 모델이 어떤기 준으로 학습하고 있는지를 탐색하는 과정이 더욱 중요했습니다.
의미를 해석하는 인공지능, 설명 가능한 모델을 향하여"
단순히 시각화하는 기술에 그치지 않고, 해석 결과를 기반으로 모델 구조 자체를 개선하는 방향으로 연구 범위를 넓혀보고자 합니다.
특히 설명 가능한 인공지능, 딥러닝 모델 해석, HCI 연계연구 등이 활발히 진행되고 있다는 점에서 연구주제를 구체화하고, 이를 확장시킬 수 있는 기회를 얻을 수 있으리라 기대하고 있습니다.
대학원에서 수행할 연구의 방향은 설명 가능한 인공지능(ExplainableAI, XAI) 기법을 실제 모델 설계와 해석에 접목하는 것입니다.
단순히 시각화를 수행하는 것을 넘어서, 해석 결과 를 기반으로 한 모델 수정과 성능 개선까지 이어지는 통합실험설계를 목표로 하고 있습니다.
|
|
|
 |
본 학업계획서는 전공 학습과 향후 진로에 활용되도록 구성하였습니다.
자료구조와 알고리즘의 원리를 익히고, 간단한 문제 해결 코드를 작성해보는 수준이었지만, 입력한 논리적 사고가 구체적인 결과로 도출되는 과정을 지켜보며 큰 흥미를 느꼈습니다.
그전까지 추상적인 개념에 머물던 문제들이, 컴퓨터공학을 통해 현실적으로 해결 가능한 형태로 구조화된다는 점에서 저는 이 학문이 가진 매력에 빠져들었습니다.
특히 데이터 기반의 문제 해결에 관심이 많았던 저는, 여러 분야의 데이터를 해석하고 이를 기반으로 패턴을 도출하는 일에 흥미를 느꼈습니다.
단순히 정답을 도출하는 과정보다, 오류의 원인을 분석하고, 실험 결과의 의미를 해석하며, 모델이 어떤기 준으로 학습하고 있는지를 탐색하는 과정이 더욱 중요했습니다.
이 프로젝트를 통해 저는 컴퓨터공학의 연구가 수학적 지식과 논리적 사고를 기반으로 한 실험설계의 연속이라는 점을 체감하게 되었고, 더욱 심화된 연구환경에서 학문적으로 성장하고자 하는 의지를 갖게 되었습니다.
특히 다양한 연구실에서 산학협력을 통해 실질적인 문제 해결을 추구하고 있으며, 이를 바탕으로 이론과 응용이 균형 잡힌 연구환경이 조성되어 있다는 점은 제가 바라는 연구환경과도 잘 맞았습니다.
의미를 해석하는 인공지능, 설명 가능한 모델을 향하여"
이처럼 설명 가능한 인공지능은 단지 사용자 설득뿐 아니라, 모델 개선에도 효과적인 도구라는 점에서 큰 연구가치가 있다고 생각하게 되었습니다.
특히 시각 데이터와 텍스트 데이터처럼 해석에 주관성이 개입되기 쉬운데이터에서 설명 가능한 모델이 어떻게 유의미한 결과를 낼 수 있는지를 탐구하고 싶습니다.
대학원에서 수행할 연구의 방향은 설명 가능한 인공지능(ExplainableAI, XAI) 기법을 실제 모델 설계와 해석에 접목하는 것입니다.
연구 초기 단계에서는 다양한 설명기법의 성능과 한계를 실험적으로 비교하고자 합니다.
다음 단계에서는 설명 가능성을 고려한 모델 아키텍처 자체의 설계를 시도할 예정입니다.
기존 설명 기법 이 외부에서 결과를 해석하는 방식이라면, 이 단계에서는 모델 내부에서 설명 가능성을 내재화하는 방식으로 접근하고자 합니다. |
 |
모델, 연구, 설명, 데이터, 결과, 해석, 기반, 과정, 되어다, 이다, 어떻다, 다양하다, 분류, 기법, 실험, 인공, 지능, 분야, 구조, 방식 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2026.01.20
5페이지
