전자는 인공지능의 학습 효율성 및 신뢰성을 높이기 위한 메타러닝과 모델 압축 연구를 수행하고 있고, 후자는 대규모 데이터 처리와 윤리적 AI 개발을 주제로 하고 있습니다.
입학 후 저는 인공지능의 신뢰성과 효율성을 주제로 연구를 진행할 계획입니다.
특히 '설명 가능한 인공지능(ExplainableAI)'과 '효율적 학습구조 설계'를 중심으로, 인간이 이해할 수 있는 형태의 모델을 구축하고자 합니다.
이를 통해 의료, 교육 등 데이터 확보가 어려운 분야에서도 신뢰할 수 있는 인공지능을 구현하는 것이 목표입니다.
제학업의 최종 목표는 인공지능을 '신뢰 가능한 기술'로 만드는 것입니다.
제가 집중적으로 탐구하고자 하는 연구 주제는 '인공지능의 설명 가능성과 신뢰성 확보를 위한 모델 해석 및 검증 구조'입니다.
제 연구의 목표는 단순히 설명 가능한 시스템을 만드는 것이 아니라, 인간과 인공지능 이 상호 이해 가능한 관계를 구축하는 것입니다.
저는 인공지능의 윤리적 의사결정, 데이터 편향 제어, 설명 가능한 모델 설계를 연구하며, 인간이 기술을 신뢰할 수 있는 구조를 만드는 데 기여하고 싶습니다.

그때부터 인공지능을 단순한 프로그래밍 기술이 아닌 '지능의 구조를 이해하는 학문'으로 인식하게 되었습니다.
전자는 인공지능의 학습 효율성 및 신뢰성을 높이기 위한 메타러닝과 모델 압축 연구를 수행하고 있고, 후자는 대규모 데이터 처리와 윤리적 AI 개발을 주제로 하고 있습니다.
인간이 경험을 통해 학습하듯, 기계가 데이터를 통해 학습하고 새로운 규칙을 생성하는 과정을 이해하는 것은 인간 지능의 본질을 탐구하는 일과 다르지 않습니다.
특히 '설명 가능한 인공지능(ExplainableAI)'과 '효율적 학습구조 설계'를 중심으로, 인간이 이해할 수 있는 형태의 모델을 구축하고자 합니다.
마지막으로 'AI 윤리와 사회적 책임'을 통해 기술이 인간의 삶에 미치는 영향과 AI의 의사결정 구조에서 발생하는 편향 문제를 분석하고자 합니다.
우선, 공개된 데이터 셋(예 : ImageNet, CIFAR-10, MIMIC-III)을 활용해 모델을 학습하고, 학습과정에서 발생하는 예측 편향과 오차 패턴을 분석하겠습니다.
특히 '설명 가능한 AI 기반의료 데이터 분석'이나 '윤리적 알고리즘 설계'와 관련된 연구가 있다면, 제 경험과 관심을 결합해 기여할 수 있을 것입니다.
제가 집중적으로 탐구하고자 하는 연구 주제는 '인공지능의 설명 가능성과 신뢰성 확보를 위한 모델 해석 및 검증 구조'입니다.
당시 폐질환 예측을 위한 영상판독 모델을 개발하던 중, 모델의 예측 결과가 높은 정확도를 보였음에도 불구하고 의사들이 그 결과를 신뢰하지 못하는 상황을 경험했습니다.
또한 이러한 기법들을 통합하여 모델의 해석 결과를 다층적으로 표현할 수 있는 '가시화 프레임워크'를 설계할 예정입니다.
예를 들어, 동일한 입력에 대해 모델 구조가 변하더라도 해석 결과가 얼마나 안정적으로 유지 되는지를 측정하는 방식으로 신뢰성을 검증하겠습니다.
다양한 구조의 딥러닝 모델(CNN, ViT, RNN 등)을 학습시켜, 각각의 예측과정에서 활성화되는 주요 featu re를 추출하고 ②각 모델의 해석 결과를 시각화하여, 실제도메인 전문가(예 : 의료진, 분석가)의 평가를 통해 결과의 적합성을 검증하며 ③통계적 분석을 통해 해석 정확도와 예측 신뢰도 간의 상관관계를 도출하겠습니다.
제 연구의 목표는 단순히 설명 가능한 시스템을 만드는 것이 아니라, 인간과 인공지능 이 상호 이해 가능한 관계를 구축하는 것입니다.
저는 인공지능의 윤리적 의사결정, 데이터 편향 제어, 설명 가능한 모델 설계를 연구하며, 인간이 기술을 신뢰할 수 있는 구조를 만드는 데 기여하고 싶습니다.
장기적으로는 인공지능 연구소나 공공연구기관에서 신뢰 가능한 AI 시스템 설계를 주도하는 연구책임자로 활동하고 싶습니다.
기술이 발전할수록 인간의 가치가 중심이 되어야 한다는 신념을 바탕으로, AI와 사회의 건강한 관계를 설계하는데 기여하고 싶습니다.
저는 인공지능을 기술로만 바라보지 않습니다.

[hwp/pdf]한양대 인공지능대학원 인공지능학과 석사과정 학업계획서