default_top_notch
ad38
default_setNet1_2

구글, ‘구글 AI 집중 연구 어워즈' 아시아 최초 한국 수상자 발표

기사승인 2018.09.13  22:48:50

공유
default_news_ad1

- 첫 수상자는 서울대 전기정보공학부 성원용 교수와 한보형 교수, KAIST 전산학부 황성주 교수, KAIST 전기 및 전자공학부 황의종(Steven Whang) 교수 등 4명

이미지:구글

구글은 서울대 성원용 교수와 한보형 교수, KAIS 황성주 교수와 황의종(Steven Whang) 교수 등 4명을 아시아 최초의 ‘구글 AI 집중 연구 어워즈(Google AI Focused Research Awards)’ 한국 수상자로 선정했다고 13일 밝혔다.

구글은 인공지능(AI) 연구를 통해 최첨단 기술을 개발하고 AI를 제품 및 새로운 영역에 적용하며, 모든 사용자가 AI를 활용할 수 있도록 돕는 도구를 개발하고 있다. 이를 위해 구글 내부에서 엄청난 양의 연구와 엔지니어링을 진행하는 한편, 전 세계의 교육 기관과도 협력하여 구글의 미션과 관련이 있는 핵심 분야에서 혁신적인 연구를 추진하고 있다.

이 중 하나로 ‘구글 AI 집중 연구 어워즈(Google AI Focused Research Awards)’는 아시아에서 최초로 한국에 개설됐다. 구글은 지난 6월 서울에서 ‘AI with Google 2018’ 컨퍼런스를 열고 국내 AI 인재 양성과 저변 확대를 위한 프로그램으로 한국의 대학들과도 긴밀히 협력하고 소통을 강화하고 AI 연구를 지원하기 위해 ‘구글 AI 집중 연구 어워즈 프로그램’을 시작한다고 밝혔었다.

이번 구글 'AI 집중 연구 어워즈 프로그램'(Google AI Focused Research Awards Program) 첫 수상자는 서울대 전기정보공학부 성원용 교수와 한보형 교수, KAIST 전산학부 황성주 교수, KAIST 전기 및 전자공학부 황의종(Steven Whang) 교수 등 4명으로 본 어워즈는 클라우드 ML, 음성 인식 및 딥러닝 연구를 포함하고 있다. 해당 논문은 아래와 같다.

 

서울대 전기정보공학부 성원용 교수(사진:서울대)

▶서울대 전기정보공학부 성원용 교수 '다중-시간-단계 병행화를 이용한 저전력 디바이스에서의 음성인식(Low-power on device speech recognition using multi-time-step parallelization)'

서울대 전기정보공학부 한보형 교수(사진:서울대)

▶서울대 전기정보공학부 한보형 교수 '분산 결합 딥러닝(Distributed Combinatorial Deep Learning)'

KAIST 전산학부 황성주 교수(사진:KAIST)

▶KAIST 전산학부 황성주 교수 '심층 신경망의 일반화 및 신뢰도 높이기(Improving Generalization and Reliability of Any Deep Neural Networks)'

KAIST 전기 및 전자공학부 황의종(Steven Whang) 교수(사진:KAIST)

▶KAIST 전기 및 전자공학부 황의종(Steven Whang) 교수 'Towards Automatic and Actionable Model Analysis for TFX and CloudML'(TFX 및 CloudML에 대한 자동 및 실용적인 모델 분석)

한편 구글은 전문가들의 검토와 위원회 논의를 거쳐 한국의 ‘구글 AI 집중 연구 어워즈’를 수상할 팀을 선정했으며, 수상자들은 앞으로 1년 동안 구글의 연구원 및 엔지니어들과 팀을 이뤄 프로젝트를 수행하고 협업을 진행할 예정이다. 이후 구글에서 실행 결과를 평가해 다음 단계를 결정하게 될 것이며, 이번 수상자들과 첫 한 해 동안 성공적인 협업으로 유의미한 결실을 맺을 수 있기를 기대한다고 밝혔다.

박현진 기자 nwngm@naver.com

<저작권자 © 세미나투데이 무단전재 및 재배포금지>
default_news_ad4
default_side_ad1

인기기사

default_side_ad2

포토

1 2 3
set_P1
default_side_ad3

섹션별 인기기사 및 최근기사

default_setNet2
default_bottom
#top
default_bottom_notch