잘할 수 있는 것을 더 잘해 보자 (연세대 한요섭 교수)

인공지능을 사용하는 코드 생성은 자연스러우면서 필연적인 단계입니다. 우리는 인공지능이 생성하는 코드의 안전성과 신뢰성을 검증하고 개선하는 알고리즘 개발을 목표합니다.

계산이론, 인공지능, 프로그래밍언어 그리고 소프트웨어공학 전문가로 이루어진 우리 팀은 이 연구 목표를 위한 최상의 조합입니다.

실행 가능한 코드를 생성하며 다양한 언어에 적용 가능한 범용적인 인공지능 모델 (강원대 임현승 교수)

Copilot, ChatGPT와 같은 거대 AI 모델 덕분에 자연어 입력 또는 입출력 예제로부터 자동으로 코드를 생성하거나 주어진 코드의 오류를 자동으로 수정하는 것이 매우 쉬워진 것 같습니다. 하지만 여전히 컴파일 및 실행 가능하며 안전하고 효율적인 코드를 생성하기 위해서는 많은 노력이 필요합니다. 이러한 목표는 프로그래밍 언어 분야에서 오랫동안 연구되어 온 기술들과 기계학습 기술을 접목함으로써 상당 부분 달성할 수 있다고 생각합니다. 또한 프로그래밍 언어 이론과 전이학습, 대조학습과 같은 학습 기법을 바탕으로 코드 데이터가 적은 프로그래밍 언어에도 적용 가능한 범용적인 코드 생성 및 수정 기술을 개발하고자 합니다.

인공지능이 더 나은 알고리즘, 더 나은 코드를 구현하도록… (서울시립대 고상기 교수)

인공지능이 단순히 주어진 조건을 만족하는 코드를 구현하는 것을 넘어서, 더 나은 알고리즘 설계를 기반으로 더 나은 코드를 구현할 수 있는 기술을 연구하고자 합니다. 좋은 코드를 구현하기 위해서는 주어진 계산 문제를 이론적으로 분석하여 이해하고, 이를 바탕으로 효율적인 알고리즘을 설계하는 것이 선행되어야 합니다. 현재의 인공지능이 단순히 피상적으로 문제를 이해하고 답안을 내놓는다면 앞으로의 인공지능은 깊은 논리적 추론 과정을 거쳐 가장 효율적이고 신뢰할 수 있는 답안을 내놓을 것이라고 생각합니다. 이를 위해 계산이론과 알고리즘을 토대로 하는 인공지능 코드 이해/생성 기술을 연구, 개발하고자 합니다.

인공지능이 생성한 코드의 취약점을 자동으로 찾아보자. (성균관대 차수영 교수)

인공지능이 생성한 코드의 안전성 검증은 반드시 필요한 과정이지만, 개발자들이 그 과정을 수작업으로 수행하는 일은 매우 어렵고 고된 일입니다. 우리는 자동 생성된 코드의 존재하는 오류들을 효과적으로 검출하는 데이터-기반 소프트웨어 테스팅(Data-Driven Software Testing) 기술을 연구하고자 합니다.