2020년 11월 13일 온라인으로 개최된 2020 대한산업공학회 추계학술대회에 참석하였습니다. 처음 참석한 온라인 학회이고, 발표에 참여했기때문에 개인적으로는 오프라인보다 긴장되는 학회였습니다. 하지만, COVID-19로 인하여 춘계학술대회가 취소되어 오랜만에 학회에 참석하였고, 이번 학회에도 4차 산업혁명 및 산업인공지능 분야의 발표가 많았기 때문에 기대를 갖고 학회에 참석했습니다. 발표 후기와 흥미로웠던 몇몇 발표들에 대한 청취 후기를 남기고자 합니다.

 

[ 발표 후기 ]

• 효과적인 샘플링 방법을 통한 평생 언어 학습

평생 언어 학습은 언어 모델이 순차적으로 텍스트 데이터를 학습할 때 학습된 정보를 축적할 수 있도록 한다. 평생 언어 학습 분야의 최근 연구들은 메모리 또는 생성 모델을 기반으로 이전에 학습했던 데이터에 대한 샘플에 접근함으로써 이전에 학습한 정보를 보존한다. 생성 모델을 활용한 방법론은 이전에 학습한 데이터의 분포를 따르는 샘플을 생성하여 이를 다시 학습에 사용함으로써 정보를 보존하지만, 이때 생성된 샘플들은 준최적 샘플이라는 한계가 존재한다. 이에 본 연구에서는 새로운 데이터를 학습하는 과정에서 잊혀진 정보를 가장 많이 포함하고 있는 샘플을 선택하는 기준을 제안하고, 이를 기반으로 이전 정보를 보존하기 위해 학습에 사용될 최적 샘플을 구성하고자 한다. SST, QA-SRL, WOZ 데이터에 대하여 제안한 방법론을 생성 모델 기반 평생 언어 학습 모델에 적용한 결과 제안한 방법론이 기존 모델의 성능을 향상시키는 것을 확인하였다.

위의 내용으로 학회 발표를 진행했으며, 프로젝트 결과물이 아닌 개인 연구 결과물로 구성한 첫 학회 발표였기 때문에 작은 contribution을 가지지만 개인적으로는 의미 있는 발표였다. 더불어 평생 언어 학습이라는 주제가 대한산업공학회 발표에서는 생소할 수 있는 주제이기 때문에 처음 접하는 청취자들에게 이를 쉽게 설명하기 위해 노력하였는데, 개인적으로 느끼기에는 설명하고자 하는 내용이 잘 전달된 것 같아서 뿌듯했다. 다만, 해당 분야가 생소한 분야이기 때문에 질문이 없었던 점이 아쉬웠다.

 

[ 청취 후기 ]

• Uncertainty-Aware Soft Sensor Using Bayesian Recurrent Neural Networks (고려대학교 산업경영공학과 이민정, 김성범*)

최근 새로운 모델을 고안하는 것보다 기존에 존재하는 방법론들을 다양한 산업에 적용하는데 큰 관심을 가지고 있기 때문에 본 발표를 청취하였다. 본 연구는 산업 공정의 주요 변수를 측정하는데 널리 사용되고 있는 딥러닝 모델을 활용한 데이터 기반 소프트센서가 잡음이 있는 데이터를 입력으로 받았을 때 발생하는 신뢰성 문제를 해결하는 것을 목표로 한다. 본 연구에서는 Bayesian Recurrent Neural Networks을 사용하여 이러한 문제를 해결한 Uncertainty-Aware Soft Sensor를 제안하였다. 이때 사용된 Bayesian Recurrent Neural Networks는 소프트 센서의 추정 값에 대한 신뢰성을 나타내는 불확실성과 추정 값을 동시에 보여줌으로써 신뢰성 문제를 해결하기 위해 사용되었다. 마지막으로 실제 자동차 산업 데이터를 통해 본 연구에서 제안한 Uncertainty-Aware Soft Sensor의 우수성을 입증하였다.

해당 발표에서 기존 Soft Sensor의 한계점을 인지하고, 이것을 해결하기 위해 불확실성에 대한 개념을 접목해야 한다는 것을 인지하고, 이를 구현하기 위해 Bayesian Recurrent Neural Networks을 접목한 논리 흐름이 인상적이었다. 산업경영공학과의 특성상 본 연구에서 진행한 것처럼 실제 산업에서 발생하는 문제점들을 마주할 때가 많은데, 본 연구를 보며 이러한 논리적인 흐름으로 문제를 해결하는 연습을 해야겠다고 생각했다. 학회 발표를 청취할 때마다 연구하는 자세에 대해 배우고 깨닫게 되는데 이번 발표에서도 이를 배울 수 있어 좋았다.

 

이상으로 2020 대한산업공학회 추계학술대회 후기를 마칩니다.

감사합니다.