earticle

영어

Recently, with the rapid development and dissemination of artificial intelligence technology, efforts are being made to share and utilize artificial intelligence learning data, models, and source codes in various fields. In particular, in order to respond to the increasing demand for artificial intelligence, there is a shift toward focusing on large-scale data and artificial intelligence development. Because learning large amounts of data directly leads to improved model performance, it is important to secure a variety of data for the best learning results. However, it takes a lot of time and money to secure learning data. ccordingly, in this paper, we developed and proposed a data optimization technology verification tool to improve AI performance to reduce the time and cost invested in data error correction and accuracy. The technology presented in this paper can optimize data by utilizing various types of data or information, including visual and auditory. In addition, it was confirmed that AI learning results were improved by using the proposed verification tool for complex types of large-scale data combined with video, audio, and text. The performance improvement tool implemented in this paper is expected to overcome the limitations of existing result-oriented verification methods and provide verification results that meet the intent of the AI model results.

한국어

최근 인공지능 기술의 급속한 발전과 보급으로 다양한 분야에서 인공지능 학습데이터, 모델, 소스 코드 등을 공유 및 활용 하기 위한 노력이 활발하다. 특히, 증가하는 인공지능 수요에 대응하기 위해 대규모 데이터 및 인공지능 개발 중심으로 변화 하고 있다. 대량의 데이터 학습은 모델 성능향상으로 직결되기 때문에, 최상의 학습 결과를 위해서는 다양한 데이터 확보가 중요하다. 그러나, 학습데이터 확보를 위해서는 많은 시간과 비용이 소요된다. 이에 본 논문에서는 데이터의 오류 수정 및 정 확성에 투자되는 시간과 비용을 절감할 수 있도록 AI 성능향상을 위한 데이터 최적화 기술 검증 도구를 개발하고 제안하였다. 본 논문에서 제시된 기술은 시각, 청각을 비롯한 여러 가지 유형의 데이터 또는 정보를 함께 활용하여 데이터를 최적화할 수 있다. 또한, 대규모 데이터로 동영상, 오디오, 텍스트 등과 결합 된 복잡한 유형을, 제안된 검증 도구를 이용하면 AI의 학습 결 과가 향상됨을 확인하였다. 본 논문에서 구현한 성능향상 도구는 기존 결과 중심의 검증 방식의 한계를 극복하고, AI 모델 결 과의 의도에 부합하는 검증 결과를 제공할 수 있을 것으로 기대된다.