대규모 언어 모델(LLM)과 학습 분석을 활용한 혁신적인 영유아 발달 평가 시스템이 개발되어 놀이 환경별 발달 차이 분석 및 맞춤형 교육 지원 가능성을 제시했습니다. 높은 정확도(90% 이상)를 달성했지만, LLM의 편향성 등에 대한 추가 연구가 필요합니다.

김준우 교수 연구팀은 음성 기반 정신 건강 진단 AI 모델의 성별 편향 문제를 해결하기 위해 도메인 적대적 학습 기법을 적용, E-DAIC 데이터셋에서 기존 모델 대비 최대 13.29%p의 F1-score 향상을 달성했습니다. 이는 AI 기반 정신 건강 평가의 공정성과 정확성 향상에 큰 기여를 할 것으로 기대됩니다.

AI와 물리학의 융합을 통해 전자기 및 나노 광자 시스템 설계 및 최적화의 혁신적인 발전을 이루고 있으며, 심층 신경망(DNN)과 물리 정보 신경망(PINN)을 활용하여 기존의 한계를 극복하고 차세대 광자 기술 개발을 가속화하고 있다는 내용입니다.

LLM 기반의 새로운 CTI 프레임워크와 FakeCTI 데이터셋을 활용하여 가짜 뉴스 및 허위 정보 캠페인에 대한 효과적인 대응 방안을 제시한 연구 결과입니다. 저수준 지표에서 고수준의 의미론적 지표로 분석 방식을 전환하여, 확장성과 적응력을 갖춘 CTI 시스템을 구축했습니다.

본 기사는 AI 이미지 생성 모델의 지적재산권(IP) 침해 위험을 줄이기 위한 프롬프트 엔지니어링 기술의 효과에 대한 최근 연구 결과를 소개합니다. Chain of Thought Prompting과 Task Instruction Prompting 기법을 통해 IP 위험을 감소시키는 실험 결과를 바탕으로, AI 기술의 윤리적 발전과 사회적 책임의 중요성을 강조합니다.