人工智能(AI)的核心技术在于在学习新信息的同时保持既有知识。正如人在学习新事物时不会忘记既有经验,让AI实现同样的功能也很重要。
UNIST(蔚山科学技术院)人工智能研究生院白承烈教授团队20日表示,已开发出可让AI在保持既有知识的同时学习新信息的“SDDGR(Stability Diffusion-based Deep Generative Replay,基于稳定扩散的深度生成重放)”技术。
SDDGR技术使AI能够在智能家电、机器人工程、医疗等与日常生活密切相关的领域实现准确识别。特别是对自动驾驶汽车识别道路上的各种物体并安全行驶有很大帮助。若应用于安保系统,则可准确检测入侵者并即时发出警报。
此前开发的“类别增量学习(CIL)”技术在识别和分类图像中多个对象方面存在局限。为解决这一问题,SDDGR技术应运而生。它通过生成高质量图像,使模型能更好地记住此前学过的内容。通过反复过程进一步提高图像质量,从而有效保持既有知识。在学习新数据时,也采用提升性能的方法,从而学得更为准确。
经济效率也很突出。由于不需要反复使用既有数据,可节省存储和处理大量数据的成本,预计将为企业带来巨大经济利益。
白承烈教授表示:“SDDGR模型将对提高各产业领域持续性对象检测的准确性大有帮助。”
第一作者金俊洙研究员表示:“研究显示SDDGR技术在多种应用领域具有实际效果”,“将有助于企业以更低的成本和更短的时间开发更好的人工智能模型”。
本次研究成果将于6月21日在世界级计算机视觉学术会议CVPR 2024上发表,研究由韩国科学技术情报通信部(MSIT)、韩国研究基金会(NRF)、信息通信规划评价院(IITP)、海洋水产科学技术振兴院(KIMST)、LG电子、CJ AI中心资助完成。






