네이버는 이번 ICML 정규 세션 및 워크샵에서 총 3편의 논문을 발표했다.
특히 네이버 클로바 인턴들이 진행한 ‘Curiosity-Bottleneck: Exploration by Distilling Task-Specific Novelty(Curiosity-Bottleneck 방법: 임무 특화 참신성 추출을 통한 탐색 전략)’는 정규 Oral 및 Poster 세션에 채택되는 성과를 얻었다. 이 연구는 AI가 새로운 정보를 학습하는 과정에서 불필요한 정보로 인해 성능이 저하되지 않도록, 실제 수행해야 할 과제와 관련 있는 정보만 반영하도록 하는 기술을 담았다. 이 기술은 ‘AI를 만드는 AI’인 AutoML(Automated Machine Learning)에 적용될 수 있으며, 나아가 변화하는 환경 속에서 AI가 사용자에게 정확한 정보를 추천하는데 필요한 기반 기술이다.
이 연구는 클로바AI 인턴이었던 김영진님, 남원태님, 김현우님이 1,2,3저자로 참여한 논문이라는 점에서 더욱 눈길을 끌었다. 이들은 인턴기간 중 서울대 김건희 교수와, 클로바AI 김지훈 박사를 비롯한 클로바의 연구원들과 적극적으로 협업하고 멘토링을 지원받으며 연구를 진행했다. 클로바는 인턴들이 주도적으로 연구 과제를 발굴하고, 유의미한 결과를 도출할 수 있도록 양질의 연구 환경을 제공하고 있으며, 실제로 인턴십을 통해 진행한 연구가 CVPR, ICLR, AAAI, ACL, ICASSP 등 여러 세계적인 AI 컨퍼런스에서 인정받은 바 있다.
또한, 클로바팀은 딥러닝 모델에 대한 워크샵에서 이미지 인식 모델의 안정성 관련 연구인 ‘An Empirical Evaluation on Robustness and Uncertainty of Regularization Methods(조절 최적화 기법의 강건성 및 불확실성에 관한 실증 분석)’을 공유했으며, 음원 추천 머신러닝 워크샵에서는 ‘Visualizing and Understanding Self-attention based Music Tagging(셀프 어텐션 기반 음원 태깅의 시각화 및 이해에 관한 연구)’ 논문을 통해 새로운 음원 태깅 모델을 제시했다. 각각의 연구는 네이버와 라인의 이미지 인식 서비스와 음악 추천 서비스의 품질을 고도화하는 데 적용될 예정이다.