Research
Human-AI Collaboration을 중심으로, 사람이 AI와 함께 더 잘 판단하고 창작하며 배울 수 있는 방법을 연구합니다.
Knowledge-centric AI & NLP
전문 문서의 의미와 근거를 보존하며, AI가 활용할 지식을 어떻게 구축할까요?
문서에서 개념·관계·조건을 추출하고, 출처가 연결된 지식 자원으로 조직하는 방법을 연구합니다. 지식 표현과 검색·추론을 함께 설계하여, 전문 영역에서 사람의 판단과 업무를 지원하는 AI의 기반을 만듭니다.
Current focus
현재는 방송 콘텐츠 제작 관련 법령·규정의 구조화와 규정 검색 평가에 집중합니다. 향후 금융 문서의 지식 구조화와 질의응답으로 확장할 계획입니다.
Pluralistic Alignment
AI는 추론 과정에서 문화적 맥락과 다양한 관점을 어떻게 이해하고 반영할까요?
문화와 사회적 맥락에 대한 인문학적 이해를 AI의 학습과 평가에 연결합니다. 다양한 문화와 가치관을 모델이 어떻게 이해하고 추론에 반영하는지 검증하며, 서로 다른 배경의 사람들과 협업할 수 있는 AI를 지향합니다.
Current focus
대규모 추론 모델(Large Reasoning Models, LRMs)이 문화적 맥락을 이해하고 판단하는 과정에서 나타나는 현상을 분석·검증합니다.
모델이 제시하는 추론 과정을 분석해 문화적 맥락이 누락되거나 왜곡되는 지점을 찾고, 이를 바로잡는 학습·평가 기술을 연구합니다. Process reward modeling은 이를 위한 대표적인 접근 중 하나입니다.
Human-AI Co-Creativity
AI의 서사 설계 능력은 사람의 아이디어를 작품으로 발전시키는 데 어떻게 기여할까요?
아이디어 탐색, 플롯 설계, 표현과 수정을 지원하는 생성 모델과 에이전트, 상호작용 방법을 연구합니다. 현재는 서사와 글쓰기를 중심으로, AI의 창작 능력과 인간의 창의적 기여를 함께 발전시키는 것을 목표로 합니다.
Current focus
첫 목표는 복선과 인과관계를 유지하면서 설득력 있는 반전을 설계하는 기술입니다. 이를 바탕으로 초보 작가와 일반 대중이 자신의 의도에 맞게 플롯을 제안받고 수정하는 공동 창작 환경을 연구합니다.
AI for Language Learning & Assessment
AI의 평가와 피드백은 학습자의 실제 언어 능력을 어떻게 높일 수 있을까요?
L2 영어 학습자의 말하기·글쓰기를 대상으로, 평가의 타당성과 일관성, 피드백의 유용성, 실제 학습 효과를 연구합니다. 학습자가 연습하고 수정하는 과정에서 수준과 진전에 맞게 도움을 조절하는 학습 지원을 목표로 합니다.
Current focus
사용자 맞춤형 피드백과 AI 평가·검증 방법론을 연구합니다. 학습 결과물의 개선뿐 아니라 학습자가 스스로 수행할 수 있는 능력의 향상을 중요하게 봅니다.