- 연구자로써 중장기 비전과 DGIST 대학원에 진학하고자 하는 이유 (1000자)
학부 시절부터 인공지능 연구에 깊은 관심을 가지고 다양한 프로젝트와 연구 활동에 참여해 왔습니다. 특히 인공지능의 실용적 응용 분야에 흥미를 느꼈고, 컴퓨터 비전 모델에서의 객체 인식 및 객체 추적, 자연어 처리 모델에서의 RAG 시스템 구현 등 여러 과제를 수행하며 인공지능을 통한 실질적인 문제 해결 능력을 길러왔습니다. 이러한 경험은 제가 인공지능 연구자의 꿈을 가질 수 있도록 도왔습니다. 저의 연구자로써의 중장기적 목표는 우리나라의 인공지능 기술 발전에 실질적으로 기여할 수 있는 인공지능 연구자가 되는 것입니다. 최근의 인공지능 모델들은 규모가 커질수록 더 높은 성능을 보이는 경향이 있습니다. 이에 따라 현재 인공지능의 성능은 연산 자원과 메모리 용량 등 하드웨어 인프라의 수준에 크게 의존하게 되었습니다. 하지만 우리나라는 아직 하드웨어 자본이 부족하기 때문에 다른 나라에 비해서 경쟁력이 부족한 것이 현실입니다. 따라서 저는 이러한 문제를 해결하기 위해 효율적인 연산을 통해, 제한된 자원으로도 대형 모델과 비슷한 성능을 낼 수 있게하는 연구를 성공적으로 이끌고 싶습니다.
저는 다른 학문들과의 융합을 통해 이를 이룰 것입니다. 예를 들어, 인간의 뇌는 약 20W의 낮은 에너지로도 복잡한 인지, 판단, 추론 작업을 훨씬 효율적으로 수행합니다. 이러한 생물학적 신경 메커니즘은 효율적 지능 시스템 구현에 있어 훌륭한 영감을 줄 수 있습니다. 저는 신경과학(뇌과학)과 인공지능의 융합 연구를 통해, 효율적인 AI 모델을 개발하고 싶습니다. 이처럼 융합적 사고를 바탕으로 한 연구는 DGIST의 지향점과도 잘 맞아떨어집니다. DGIST는 융복합을 중시하는 연구 환경과 다양한 학과 간의 협업 문화가 매우 잘 구축되어 있어, 제가 추구하는 연구 방향을 실현할 수 있는 최적의 장소라 판단하였습니다. 앞으로 DGIST에서 신경과학, 전기전자공학, AI 기술을 융합한 연구를 수행하며, 실질적 성과를 낼 수 있는 융합형 연구자로 성장하고 싶습니다.
- 수행하고자 하는 연구의 목적, 의의, 계획 (1000자)
저는 멀티모달의 효율적인 모델 학습 연구를 진행하고 싶습니다. 특히 Text-to-video generation 모델, Referring video instance segmentation 모델 등 비디오와 관련된 모델의 효율적 학습 연구를 진행하고 싶습니다. 비디오 기반 멀티모달 모델은 언어-이미지 기반 모델에 비해 추론 시간이 길고, 입력 시퀀스가 길어질수록 연산량이 기하급수적으로 증가하기 때문에, 현재는 대규모 연산 인프라를 갖춘 글로벌 기업이나 연구소에서만 본격적으로 다뤄지고 있는 것이 현실입니다. 일반적인 연구 환경에서는 입력 프레임 수를 제한하거나, 해상도 및 길이를 축소하는 식으로 간접적인 방식으로 연구가 이루어지고 있습니다. 또한 추론 시간도 다른 language model이나 image-text 모델보다 상대적으로 길기 때문에 실생활에서도 제한적으로 사용됩니다. 저는 이러한 문제를 극복하기 위해 하드웨어가 제한적이어도 충분히 학습 가능하고, 추론 가능하도록 효율적인 모델을 설계해 보고 싶습니다. 이 연구는 모델의 속도도 향상 시켜 줄 뿐만 아니라, 입력을 제한할 필요도 없게 더 풍부한 데이터 학습을 통해 성능 향상도 가져다 줄 수 있을 것이라 생각합니다. 더불어 이러한 연구는 하드웨어 인프라가 부족한 우리나라에서도 멀티모달을 연구할 수 있도록 도와 저의 중장기적인 연구 목표도 달성할 수 있도록 도울 것이라 생각합니다.
저의 연구 계획은 다양한 아이디어를 바탕으로 많은 실험을 진행하는 것입니다. 학부 과정 때 인턴쉽으로 비디오 모델 성능 향상 연구를 진행한 적이 있었는데, 그 때 가장 많이 느낀 것은 ‘아이디어에 대해서 망설이지 말고 우선 실험을 해보자’였습니다. 이론만으로는 관찰할 수 없었던 것이 실험 중에 관찰되기도 했고, 실험 결과를 바탕으로 개선해야할 점들이 눈에 보이기도 했습니다. 따라서 저는 대학원에 입학하게 되어 해당 연구를 진행하게 된다면, 실험을 적극적으로 함으로써 차근차근 더 나은 결과를 얻어갈 계획입니다.
- DGIST 지원 학과 관련 과목 이수 또는 연구 경험, 연구실적, 발간문, 수상경력 등의 학문적 성과와 경력사항 (각 200자, 3항목)
[UGRP]
UGRP에서 PEFT 기법을 활용하여 감정 그림 Classification task의 정확도를 향상시키는 연구를 1년간 진행하였습니다. 제한된 GPU 환경에서도 효율적으로 모델을 튜닝할 수 있도록 PEFT 기법을 적용하였고, 기존 방식보다 성능을 개선하여 장려상을 수상하였습니다.
[컴퓨터비전 연구실 인턴]
CV lab에서 24학년 겨울학기에 인턴을 진행하였습니다. 해당 인턴쉽 동안에는 Video Instance Segmentation 연구를 진행하였습니다. RNN이나 mamba 같은 recurrent module을 통한 효율적인 프레임간 맥락 전달 방식을 제안하였고, 일부 메트릭에서 backbone 모델로 삼은 DVIS보다 향상된 결과를 얻었습니다.
[AI 솔루션 기업 인턴]
25학년 여름학기에 AI 솔루션 기업에서 기업인턴을 진행하였습니다. 저의 업무는 LLM에서 RAG 성능 향상 이었습니다. RAG는 LLM이 문서나, 웹을 통해서 학습하지 않은 정보를 가져오고, 이를 통해 답변의 퀄리티를 높여주는 기법입니다. 저는 sementic-chunking, smart-chunk, rerank 등 기존 연구를 참고해 RAG의 성능을 올려보았고, 직접 제작한 PDF 문서 기반 simpleqa로 성능 평가를 해보았습니다.
- 문제나 갈등해결을 위한 노력과 관련된 학업 외 봉사활동 및 특별활동 등에서 경험 (500자)
2024년 2학기부터 2025년 1학기까지 노션 Campus Leader로 활동하며, 학교 학생들에게 노션의 다양한 활용법을 알리는 강의와 템플릿 공유 활동을 진행했습니다. 저를 포함한 세 명의 리더가 협업하여 1년 동안 꾸준히 프로그램을 운영했으며, 첫 강의에는 40명이 참여할 만큼 큰 관심을 받았습니다. 하지만 많은 사람 앞에서 발표하는 것이 익숙하지 않아 어려움을 겪었습니다. 저는 이를 극복하기 위해 스피치 관련 문화강좌를 수강하며 발표 역량을 키웠고, 제가 알고 있는 것들을 잘 전달할 수 있도록 연습도 꾸준하게 하였습니다. 그 결과 성공적인 강의를 마쳤고, 이는 제게 발표에 대한 자신감을 심어주었습니다. 대학원 생활에서도 연구를 다수에게 발표하고 설명할 기회가 많을 것이라 생각합니다. 이 경험들이 앞으로 제 연구를 설득력 있게 전달하는 데 큰 도움이 될 것이라 믿습니다.