▲ (좌측부터) 강유 서울대 인공지능협동과정/컴퓨터공학부 교수, 김종진 컴퓨터공학부 박사과정생[출처=서울대학교 공과대학]서울대(총장 유홍림) 공과대학(학장 김영오)에 따르면 인공지능(AI) 협동과정/컴퓨터공학부 강유 교수 연구팀이 다양화 추천을 고려한 개인화 순차 추천 기술을 개발했다.연구팀이 개발한 사용자 간 순서를 고려한 다양화 추천 기술 ‘사피드(Sequentially Diversified Recommendation via Popularity Debiasing and Item Distribution, 이하 SAPID)는 상품 추천시 다양성 보장이 어려운 점을 극복했다.‘다양화 추천(Diversified Recommendation)’이란 온라인 쇼핑몰 등의 플랫폼에서 판매하는 상품들을 제외되는 품목 없이 골고루 사용자들에게 추천하는 시스템을 말한다. 전자상거래 플랫폼의 수익을 극대화하는 핵심 요소이기 때문에 최근 관련 연구들이 주목받고 있다.기존 연구들은 플랫폼 사용자 개개인의 선호 상품 정보를 취합한 후 선호도가 비슷한 상품 중 다른 사용자들이 좋아하지 않는 아이템을 추천하는 방식으로 다양화 추천에 접근했다.그러나 이 방식은 미래의 사용자가 어떤 상품을 선호할지에 관한 정보는 사전에 반영시킬 수 없기에 앞으로 이뤄질 상품 추천의 다양성은 보장하기 어려웠다.SAPID는 사용자들의 과거 구매 데이터를 바탕으로 미래의 상품별 수요를 예측해 현재 어떤 상품을 추천해야 다양성이 높아질지 판단하는 원리로 작동된다.연구진은 각 상품의 플랫폼 등장 빈도를 참조해 유명 제품에 편중되지 않게 아이템을 추천하도록 SAPID 모델을 훈련 데이터셋으로 학습시켰다.이 과정을 거친 SAPID는 플랫폼 사용자에게 아직 추천되지 않은 상품이나 인기도가 낮은 상품을 우선적으로 추천함으로써 다양성을 증대시키는 역할을 수행한다.앞으로 개발된 기술은 사용자들에게 순차적으로 상품을 추천해야 하는 여러 이커머스 플랫폼에서 기대 수익을 극대화하는 기술로 활용될 것으로 기대를 모으고 있다.SAPID를 통해 쇼핑몰 메인 화면에 각 상품이 노출되는 순위를 조정하면 전체적인 상품 판매량을 늘리고 재고를 줄일 수 있기 때문이다.정헌재단의 학술연구 지원을 받아 수행된 본 연구의 성과는 2025년 3월 데이터 마이닝 및 머신 러닝 분야의 최우수 학회인 ‘WSDM (Web Search and Data Mining) 2025’에 발표될 예정이다.한편 연구논문의 제1저자인 서울대 컴퓨터공학부 김종진 박사과정생은 순차 번들 추천 과정에서도 추천 품목의 다양성을 반영시키는 연구를 진행 중이다.강유 교수는 “상품 추천의 정확성과 다양성을 모두 제고할 수 있는 SAPID는 학문적 가치뿐 아니라 실용성도 높은 기술이다. 향후 온라인 쇼핑몰이나 온라인 콘텐츠 제공 서비스의 매출 증대 및 재고 소진에 크게 기여할 것으로 전망된다”고 포부를 밝혔다.

▲ 삼성전자 SAIT, ‘인공지능, 컴퓨터공학 챌린지 2024’ 모집 공고 [출처=홈페이지]글로벌 선두 종합 전자업체인 삼성전자(회장 이재용)는 2024년 8월1일부터 9월13일까지 약 6주간 국내 대학 학부생과 대학원생을 대상으로 ‘삼성 AI/CE 챌린지 2024’를 개최한다고 밝혔다. 인공지능(AI) 기술을 활용한 미래 반도체 연구 생태계 강화를 위해 AI와 컴퓨터공학(Computer Engineering, 이하 CE) 분야 국내 우수 인력을 발굴하기 위한 목적이다참여를 원하는 학생들은 SAIT 홈페이지에서 접수 가능하며 결과는 10월 초 발표된다. 2021년부터 시작해 올해로 4회를 맞는 ‘삼성 AI/CE 챌린지’는 과학기술 인재 발굴과 지원을 위한 아이디어 공모전이다. AI와 CE 분야에서 총 3개 주제로 진행된다.올해 챌린지의 공모 주제는 AI 분야에서 △모델 기반 Black-box 최적화 알고리즘 개발 △정밀하고 신뢰성 높은 반도체 소재 시뮬레이션용 머신러닝 모델(Machine Learning Force Fields) 개발 등 2개다. AI 분야에서는 주어진 문제와 데이터셋을 활용해 최적의 AI 알고리즘을 개발한다.CE 분야에서 △On-Device 시스템에서 LLM(Large Language Model)의 inference 최적화 1개다. CE 분야에서 제한된 하드웨어 리소스를 활용해 거대 언어모델(LLM)의 추론 시간을 최소화하고 정확도를 개선하기 위한 방안을 도출하게 된다SAIT는 인공지능을 이용한 반도체 소자와 공정 개발 검증용 머신 러닝(Machine Learning) 알고리즘 개발에 대한 아이디어를 찾고 이를 통해 국내 차세대 반도체 연구 개발 경쟁력을 강화한다는 계획이다.공모 부문별 최우수상을 포함해 총 12개 팀을 선발하며 부문별 최우수 1개 팀은 1000만 원, 우수 1개 팀은 500만 원, 장려 2개 팀은 각 300만 원이 수여된다. 시상식은 11월 개최되는 ‘삼성 AI 포럼’에서 진행될 예정이다.수상자 전원에게는 삼성전자 SAIT에서 주관하는 ‘AI/CE 챌린지 캠프’에 참여해 수상팀들 간 네트워킹과 SAIT AI/CE 연구 리더들부터 멘토링을 받을 수 있는 기회가 주어진다.삼성전자 SAIT 경계현 사장은 “AI 기술은 반도체 업계 내에서도 활용 범위를 빠르게 넓혀가는 중으로 SAIT는 새로운 기술 연구에 앞장서며 한계 극복을 위해 노력 중”이라며 “AI/CE 챌린지를 통해 미래 기술의 한계를 뛰어넘을 수 있는 새로운 아이디어를 얻을 수 있도록 우수한 학생들의 많은 참여를 기대한다”고 강조했다.◇ ‘삼성 AI/CE 챌린지 2024’ 공모 주제 세부 내용1. AI 챌린지‘모델 기반 Black-box 최적화 알고리즘 개발’ 부문은 복잡한 반도체 공정에 영향을 미치는 수많은 변수를 최적화하는 데 활용할 수 있는 최적화 알고리즘 개발을 탐색한다.‘정밀하고 신뢰성 높은 반도체 소재 시뮬레이션용 머신러닝 모델 (Machine Learning Force Fields) 개발’ 부문은 지난해에 이어 두 번째로 진행되는 주제로, 반도체 소재 개발 또는 개선을 위한 시뮬레이션의 계산 비용을 줄이고 예측 성능을 높이는 등 머신러닝 알고리즘을 고도화하기 위한 아이디어를 탐색한다.2. CE 챌린지‘On-Device 시스템에서 LLM 모델의 inference 최적화’ 부문 공모에서는 언어 모델의 추론 성능을 최대화하는 시스템 방법론을 기기 자체에 탑재하는 등 AI 서비스를 제공하는 실제 시스템에서 검증함으로써, AI를 위한 시스템 연구를 활성화하려는 목적이다.