인공지능 AI top-tier conference 소개

인공지능 AI top-tier conference 소개 (SIGKDD, NeurIPS, ICML, AAAI, IJCAI)

짧게 정리하면 SIGKDD 데이터 마이닝 / NerulIPS, IJCAI 인공지능 전반 / ICML 머신러닝

- KDD

가장 대규모로 오래 운영된 데이터 마이닝 학회인 KDD는 다양한 위원회의 의장 역할을 하는 자원자들로 구성된 팀이 운영한다. 2021년 총괄 공동 의장은 싱가포르 경영대학원의 부교수 페이다 주(Feida Zhu), 싱가포르 국립대 컴퓨터 과학대학원의 컴퓨터 과학과 석좌교수 벵 친 오오이(Beng Chin Ooi)와 난양 기술 대학교의 컴퓨터 과학 및 공학 대학원의 총장 겸 교수인 먀오 천 옌(Miao Chun Yan)이다. 주(Zhu) 교수는 싱가포르 경영대학원의 컴퓨터 정보 대학원에서 거대 기업들과 아울러 두 개의 주요 데이터 분석 공동 연구소의 설립 이사이다. 데이터 마이닝, 머신 러닝, 블록체인 및 데이터 자산에 대한 그의 연구는 비즈니스, 금융 및 소비자 혁신에 대한 응용에 강점을 두며, 그가 KDD 2021 운영 위원회에서 리더십 역할을 하도록 이끌었다.

"KDD는 빅데이터와 데이터 사이언스 응용에 초점을 둔 유일한 전문가 학술 학회입니다."라고 주교수가 말했다. 이어 그는 "모든 참가자의 접근성과 참여를 높이기를 바라며, KDD 2020에서 배운 지식을 올해 디지털 회의인 우리의 첫 번째 가상 학회에서 응용하게 되어 기쁩니다."라고 말했다. 특히 올해 KDD는 등록 참가자들이 실제 학회 한 달 전 발표 PPT와 영상 및 허용된 논문을 미리 열람할 수 있도록 하고, KDD 2021 가상 플랫폼에서 저자와 교류할 수 있도록 했다. KDD 2021에서는 세계 유명 기조연설자 및 초청 산업 담화 목록 외에도, 다양한 주제로 구성된 스케줄, 40여 개 이상의 워크숍, 강좌 및 EDI(Equity, Diversity and Inclusion) 행사로 구성되어 있다.

- SIGKDD

ACM은 과학의 진보와 지식의 발견 및 데이터 마이닝에 전념하는 연구자와 전문가들로 구성된 선도적인 세계 최고의 전문 기구입니다. SIG는 ACM의 지식 발견 및 데이터 마이닝의 특화분과(Special Interest Group, SIG)입니다. 매년 개최되는 지식 발견 및 데이터 마이닝 KDD 국제 학회는 데이터 마이닝, 데이터 사이언스 및 분석 분야의 우수한 학제 간 콘퍼런스입니다.

SIGKDD는 데이터 마이닝 분야에서 가장 권위 있는 학회로 알려져 있으며, 매년 학계, 산업체, 정부기관 등에서 600-900명 정도의 연구자들이 참석하여 데이터마이닝에 대한 관심사를 나누고 있다. SIGKDD의 기원은 1989년 IJCAI 학회에서 개최된 Workshop on Knowledge Discovery in Databases에서 찾아볼 수 있다. 그 뒤로 1995-1998 사이에 개최되었던 International Conferences on Knowledge Discovery in Databases and Data Mining(KDD’95-98)으로 그 명맥을 유지하다가 1998년부터 현재와 같은 SIGKDD로 공식 명칭이 확정되어 2005에 11번째 학술대회가 열렸다.

SIGKDD는 PAKDD, PKDD, SIAM-Data Mining, ICDM 등의 데이터마이닝 관련 학회들 중 가장 권위 있는 학회로 알려져 있다. SIGKDD의 개최지는 미국의 서부, 중부, 동부를 해마다 옮겨가며 결정되는데, 지난해 서부인 시애틀에 이어 2005년도에는 중부인 시카고에서 열렸으며, 차기년도 개최지는 동부인 필라델피아로 예정되어 있다.

-NeurIPS

NeurIPS, 공식적으로 신경정보처리시스템 컨퍼런스 및 워크숍 (Conference on Neural Information Processing Systems)는 매년 12월 개최되는 기계 학습 및 계산신경과학 컨퍼런스이다. 컨퍼런스는 2013년까지는 스키 리조트에서 진행된 병행 트랙 워크숍 형태로 개최되었으며, 현재 초청 강연과 심사 논문의 구두 및 포스터 발표를 포함하는 복선 회의(2015년까지 단일 트랙)로 진행된다.

NeurIPS가 주로 다루는 분야로는 기계 학습, 신경과학, 인지 과학, 심리학, 컴퓨터 비전, 통계 언어학 및 정보 이론등이 있다. 수년에 걸쳐 NeurIPS는 기계 학습에 관한 최고의 컨퍼런스에 올랐으며, NeurIPS 약칭인 '신경'은 역사적 유산이 되었지만 2012년 이후 강화학습을 기반으로 시각피질(ConvNet)의 영역 계층 구조에서 영감을 받은 신경 아키텍처와 기저핵(시간차 학습)에서 영감을 얻은 딥 러닝[5]이 음성 인식, 이미지의 개체 인식, 이미지 캡션, 언어 번역 및 바둑 분야에서 성과를 거두었다.

https://neurips.cc/virtual/2023/poster/70706 

- ICML (ML/DL)

세계 최고 인공지능 학회로 손꼽히는 ICML 2023 학회(국제기계학습학회, International Conference on Machine Learning)가 2023년 7월 23일부터 7월 30일까지 미국 하와이에서 개최되었습니다. ICML은 인공지능 및 머신러닝 분야에서 가장 권위있는 학회 중 하나로, 매년 머신러닝 및 인공지능 이론과 실제를 다루는 기술이 발표되고 있습니다. 글로벌 머신러닝 학회(ICML 2023-DMLR)는 머신러닝의 이론과 실제를 다루는 최고 수준의 학술 행사로 매년 약 7만 명 이상이 참가하는 국제 학회이자 논문 채택률 20%, 임팩트 팩터 6.99를 가진 가장 영향력 있는 인공지능학회다.

AAAI 인공지능 학회에서 이전부터 주목할만한 연구들이 많이 있었는데, 기계학습이라는 세부 분야가 산업 성장과 더물어 커지면서 NIPS와 ICML로 많은 연구자들과 대중의 관심이 옮겨간것 같다. 올해 13회를 맞는 ICLR은 기계학습 중에서 특히 모델을 이용하여 표상 학습을 강조하는 딥러닝에 초점을 맞춘 Tot tier 학회로 급성장하고 있다. 구글, 페이스북 등의 후원으로 학회규모가 매우 성장하고 있다.

NIPS와 함께 인간지능, 인공지능에 대하여 포괄적인 주제를 다루고 있으며 종합하여 말하면 AI 연구를 신경망 모델을 통해 학습을 최적화하기 위한 체계를 좇고 있다. NIPS는 신경망모델, ICML은 기계학습 방법론의 차이를 보인다고 할 수 있다. 하지만 기계학습에 대한 관심이 늘어난 만큼 NIPS도 ICML과 유사한 분위기로 가고 있다.

ICML 2003dptjsms 챗CPT 같은 대규모 언어 모델(LLM)을 사용해 논문을 집필하는 걸 금지하는 정책을 발표했다. 의도치 않은 표절, 허위사실 유포 등 대규모 언어 모델 사용 과정에서 발생할 수 있는 잠재적인 문제를 방지하기 위함이다. 이러한 정책이 제시되자 관련 학계에선 생성형 AI의 역할에 대한 의견이 갈리고 있다. 논쟁은 학회를 넘어 다양한 산업과 조직에서 어떻게 생성형 AI을 적용해야 할지까지 확장됐다. ICML측은 챗GPT는 이제 사람과 구별하기 어려운 수준의 글을 작성할 정도로 급속한 발전을 이뤘지만 여전히 예상치 못한 결과에 제대로 답변하지 못하고 있는 단계라고 지적했다.

또한 AI를 이용해 출력한 결과물은 새로운 창작물로 보아야 할 것인지 아니면 기존 작품 파생물에 지나지 않는지에 대해서도 아직 학회나 업계간에 협약이 이뤄지지 않았다고 밝혔다. 이 밖에도 AI 편향 등 윤리적인 문제를 발생시킬 수 여지가 남아있는 만큼 보수적으로 접근해야 한다는 원칙에 근거한다고 성명을 통해 밝혔다.

다만, ICML은 챗GPT로 전체 텍스트를 생성하는 사례에 대해서만 제한한다며, 참고 자료로 챗GPT로 생성한 내용을 포함하는 것은 허가한다. 더불어 해당 금지안에 대해 내년 재평가할 예정이라고 덧붙였다. 반면 일부 AI연구자들은 현재 가장 주목받는 AI 기술인 챗GPT 등 대규모 언어 모델을 AI학회에서 금지한다는 것에 대해 이해할 수 없다는 반응을 보였다. 특히 비 영어권의 AI연구자들은 영어권 연구자들과 공정하게 소통하고 연구할 있는 기회를 박탈하는 것이라고 비판하기도 했다. 

챗GPT를 활용하면 영어를 사용하지 않는 AI연구원도 실시간으로 번역된 문서를 팀원 간에 공유하거나 논문을 작성할 수 있다. 하지만 이를 사용하지 않을 경우 소통이 어렵거나 작업 시간이 급격하게 늘어날 가능성이 크다.

https://www.lgresearch.ai/blog/view?seq=345

[ICML 2023] 학회 연구 발표 및 최신 연구 트렌드 - LG AI Research BLOG

-AAAI

AAAI 인공지능 학회에서 이전부터 주목할만한 연구들이 많이 있었는데, 기계학습이라는 세부 분야가 산업 성장과 더물어 커지면서 NIPS와 ICML로 많은 연구자들과 대중의 관심이 옮겨간것 같다. 올해 13회를 맞는 ICLR은 기계학습 중에서 특히 모델을 이용하여 표상 학습을 강조하는 딥러닝에 초점을 맞춘 Tot tier 학회로 급성장하고 있다. 구글, 페이스북 등의 후원으로 학회규모가 매우 성장하고 있다.

- IJCAI (ML/DL)

ICML, NIPS와 함께 3대 학회로 여겨진다.

ICJAI (International Joint Conference on Artificial Intelligence 2022)는 1969년 최초로 개최되어 유구한 역사를 자랑하는 인공지능 학회로 올해는 오스트리아 빈에서 7월 23일부터 7월 29일까지 개최되었습니다. 초대 학회 이후 2년마다 개최되다가 지난 2016년부터 1년에 한 번 개최되기 시작했다. 타 학회에 비해 역사는 짧지만, ML 중 모델을 이용하여 표현학습을 강조하는 딥러닝에 초점을 맞춘 탑티어 학회로 성장하고 있다.

  ICJAI는 인공지능의 광범위한 연구 주제를 다루면서도 최근 채 20%에 미치지 못하는 acceptance rate를 보이며 매우 높은 수준을 유지하고 있습니다. 학회에서 각국의 AI 연구원은 Invited talk, Workshops, Tutorials, Presentation, Poster session 등의 연구 관련 세션을 통해 학술적인 교류는 물론, 음악과 함께 즐기는 Banquet, Reception, Opening ceremony 등의 행사를 통해 문화적인 교류도 나누었습니다.

IJCAI는 실존하는 현실적인 문제를 해결하는 Deep learning methodology나 Framework에 특히 강세를 보이는 학회라고 생각합니다. 이에 이번 IJCAI 2022에서 발표된 Main track 연구, Workshop을 통해 관련 연구 동향을 파악해 보았습니다.

Main track 논문을 살펴보면 전반적으로 강화학습과 관련된 연구가 많았습니다. Agent/Multi-Agent Systems, Planning, Constraint satisfaction 관련 논문 발표가 많았고, 실제로 많은 청중이 참석한 것을 볼 수 있었습니다. 뿐만 아니라, Robotic과 Deep reinforcement learning 연구도 다수 발표되어 전반적으로 강화 학습 연구를 많이 접하고 관련된 정보를 얻을 수 있었습니다.

또한, Federated learning 연구도 이전에 비해 많아진 것을 볼 수 있었습니다. Knowledge base/graph 기반의 Reasoning 등 NLP 관련 연구도 상당히 눈에 띄었습니다. 다양한 Machine Learning Application 연구가 있었는데 그중에서도 Graph를 활용하여 해결하는 연구가 많이 보여 흥미로웠습니다. 특히 눈에 띄는 연구 분야는 강화 학습과 Federated learning이었지만, 꾸준히 연구되는 Representation learning 논문 중에도 흥미로운 주제가 많아 학회 기간 중 Discussion이 활발하게 이루어졌습니다.

이 밖에도 IJCAI 2022 기간 중 진행되었던 다수의 Workshop 키워드로도 연구 동향을 파악할 수 있었습니다. 컨퍼런스에서 진행된 약 30회의 Workshop 중 10회가 강화 학습과 관련되어 있었으며, 그중에는 Agent System, Safe RL 등 강화 학습을 직접 다루는 Workshop뿐 아니라, Agent나 강화 학습을 활용하는 Application 분야의 Workshop도 많았습니다.

그다음으로는 Reasoning 관련 Workshop이 약 6회 진행됐습니다. NLP에서의 Reasoning뿐만 아니라 Temporal reasoning, Qualitative reasoning 등 다양한 주제의 Workshop이 진행되는 등 점점 Deep learning model의 Reasoning 능력이 중시되고 있다는 점을 알 수 있었습니다. 이 밖에도 Timeseries 혹은 Spatio-temporal data 관련 Workshop도 3회가량 진행됐습니다. 이전부터 강조되어 온 Temporal 혹은 Dynamic 정보 학습의 중요성에 관한 연구가 더 많아지고 있다는 것을 실감했습니다. 또한, Scarce data 관련 Workshop이 두 번 진행됐습니다.

특히 Workshop의 키워드를 통해 이전에 자주 찾아볼 수 있었던 Big Data 키워드가 더 이상 IJCAI에서 찾아보기 어려워졌다는 것을 알 수 있었습니다. 대용량 데이터를 효율적으로 처리할 수 있는 방법론들을 제외하면, 최근에는 부족한 Data로부터 Big insight를 찾아내는 것이 더욱 중요한 기술로 대두되고 있다는 것을 느낄 수 있었습니다.

 

 

https://www.lgresearch.ai/blog/view?seq=265

https://ijcai24.org/  제주라니!!!

 

도움되는 reference https://thegoodbook.tistory.com/901