본 발표에서는 한국어 의료 텍스트에 특화하여 학습한 AI 자연어처리 모델에 대해 소개한다. 딥러닝 기반의 자연어처리는 사전학습을 통해 기본적인 언어와 문맥을 문맥을 학습하고, 튜닝을 통해 특정 태스크에 대한 예측 성능을 높이는 방법으로 다양한 자연어 문제를 해결한다. 한국어 의료 텍스트에 대해 딥러닝 모델을 사전학습하여 분야 및 언어에 특화 학습된 자연어처리 모델과 이를 활용하여 의료 텍스트 문제를 해결한 사례에 대해 소개한다.

심층 신경망은 훈련 데이터셋에서 민감한 데이터를 기억하는 위험이 있으며, 이는 membership inference attack과 같은 프라이버시 공격을 통해 실수로 상당한 정보 유출로 이어질 수 있다. DP-SGD는 간단하지만 효과적인 방어 방법으로, 민감한 정보를 보호하기 위해 gradient 업데이트에 가우시안 노이즈를 추가한다. 대규모 신경망이 보편화됨에 따라, 메모리 사용을 줄이면서 보안을 유지하려는 목적으로 DP-SGD의 변형인 DP-signSGD가 등장했다. 그러나 대부분의 DP-signSGD 알고리즘이 DP-SGD에만 적합한 가우시안 노이즈를 기본으로 하고 있으며, signSGD에의 적합성에 대한 논의는 거의 없다는 점에 주목하며, 본 세미나에서 우리는 다음과 같은 질문에 대한 답을 찾고자 한다: "DP-signSGD에서 프라이버시를 보호하기 위해 가우시안 노이즈보다 더 효율적인 대체재를 찾을 수 있을까?" 이 질문에 대한 답 중 하나로, 본 세미나는 signSGD 원리에 부합하며 지수 메커니즘에서 진화한 로지스틱 메커니즘에 대해 소개한다.

본 발표는 6G 통신의 핵심인 인공지능 기반 통신시스템 구축에 대해 소개한다. 최근 많은 연구자들이 기계학습 및 강화학습을 활용한 통신 기법을 집중적으로 연구하고 있지만, 학습을 위한 데이터 수집과 인공지능 모델 학습에 따른 컴퓨팅 시간 지연 등의 한계가 존재한다. 본 발표는 인공지능 구현의 전통적인 방법론인 진화연산 분야의 최신 연구 결과들을 소개하며, 이러한 최신 기술들을 활용한 통신망 최적화에 대해 소개하고자 한다. 또한 기계학습, 강화학습 등과의 상호보완적 결합을 통한 한계극복 기술 도출 가능성에 대해 논의 하고자 한다.