AI 탐구노트

1.뇌 모방 인공지능 학습 난제 해결 KAIST 백세범 교수 연구팀이 뇌 모방 인공신경망의 가중치 수송 문제를 해결하며 AI 학습의 효율성을 크게 높일 수 있는 새로운 기틀을 마련했습니다. 연구팀은 실제 데이터 학습을 하기 전에 무작위 정보를 신경망이 사전 학습하도록 함으로써, 오류 역전파 없이도 빠르고 정확한 학습이 가능하도록 했습니다. 이는 뇌신경과학적 원리에 기반해 AI 학습 방식을 개선한 것으로, 뉴로모픽 컴퓨팅과 뇌 기반 인공지능 발전에 기여할 전망입니다.   NEWS사이트 설명을 간략히 기록 해주세요.news.kaist.ac.kr    2.한국의 AI 인재 유출 , 그리고 기업 별 전략한국은 AI 인재의 순유출 국가 중 하나로, 국내 AI 인력이 부족한 상황입니다. 이에 따라 LG유플러스, S..

포스텍·카이스트·고려대·연세대 컨소시움, AI 연구거점 구축 수행기관으로 선정 포스텍, 카이스트, 고려대, 연세대 연합체가 인공지능(AI) 연구거점 구축을 위한 정부사업 수행기관으로 선정되었다. 이들은 2028년까지 국비 360억 투입, 기업과 지자체의 현물,현금투자 500억 유치로 진행되며, 서울 AI 허브 내에 세계적 수준의 AI 연구 환경을 조성하고, 국내외 연구진과 협력해 혁신적인 AI 연구를 추진할 계획이라고 합니다. (기사: 경북매일)

SkateFormer는 스켈레톤-시간적 관계를 효율적으로 캡처하여 행동 인식의 정확성을 향상시킨 모델입니다.  인간 행동을 인식하기 위해 객체의 스켈레톤의 조인트 좌표 데이터와 이들의 연결성을 기반으로 하는 사례는 이전에도 많이 있었습니다. GCN(Graph Convolution Network)은 조인트 연결성의 수용 영역 제한, 즉 물리적으로 먼 조인트 간의 관계를 포착하기 힘들다는 문제점이 있었고, Transformer 기반 방식은 모든 프레임의 모든 조인트 간의 상관 관계를 계산해야 해서 많은 메모리 자원과 계산이 필요하다는 문제점이 있었습니다. SkateFormer는다음과 같은 접근 방법을 통해 문제점을 해결합니다.스켈레톤-시간적 분할 전략 스켈레톤-시간적 관계를 다음의 네 가지 유형으로 분류하고..