Algorithms are rapidly altering the way society operates (SIOP, 2020). Algorithms are used in modern businesses for tasks such as hiring, advising investors on financial matters, recommending new products to customers (Shankar, 2018). However, lay people frequently oppose them, a phenomenon known as algorithm aversion (e.g., Dietvorst et al., 2015). While prior research tries to address this issue by identifying cognitive and affective predictors of algorithm aversion, we seek to contribute to the algorithm aversion literature by investigating an understudied antecedent of people’s support for algorithm adoption—their cultural values (Dietvorst & Bartels, 2022).

In this paper, we propose a method for diagnosing overload and working load of collaborative robots through performance analysis of machine learning algorithms. To this end, an experiment was conducted to perform pick & place operation while changing the payload weight of a cooperative robot with a payload capacity of 10 kg. In this experiment, motor torque, position, and speed data generated from the robot controller were collected, and as a result of t-test and f-test, different characteristics were found for each weight based on a payload of 10 kg. In addition, to predict overload and working load from the collected data, machine learning algorithms such as Neural Network, Decision Tree, Random Forest, and Gradient Boosting models were used for experiments. As a result of the experiment, the neural network with more than 99.6% of explanatory power showed the best performance in prediction and classification. The practical contribution of the proposed study is that it suggests a method to collect data required for analysis from the robot without attaching additional sensors to the collaborative robot and the usefulness of a machine learning algorithm for diagnosing robot overload and working load.

This paper proposes a model predictive controller of robot manipulators using a genetic algorithm to secure the best performance by performing parameter optimization with the genetic algorithm. Genetic algorithm is a natural evolutionary process modeled as a computer algorithm and has excellent performance in global optimization, so it is useful for tuning control parameters. The sliding mode controller and inverse dynamics controller are included in the lower part of the model prediction controller to minimize the problems caused by non-linearity and uncertainty of the robot manipulator. The performance superiority of the proposed method as described above has been confirmed in detail through a simulation study.

Most of the open-source decision tree algorithms are based on three splitting criteria (Entropy, Gini Index, and Gain Ratio). Therefore, the advantages and disadvantages of these three popular algorithms need to be studied more thoroughly. Comparisons of the three algorithms were mainly performed with respect to the predictive performance. In this work, we conducted a comparative experiment on the splitting criteria of three decision trees, focusing on their interpretability. Depth, homogeneity, coverage, lift, and stability were used as indicators for measuring interpretability. To measure the stability of decision trees, we present a measure of the stability of the root node and the stability of the dominating rules based on a measure of the similarity of trees. Based on 10 data collected from UCI and Kaggle, we compare the interpretability of DT (Decision Tree) algorithms based on three splitting criteria. The results show that the GR (Gain Ratio) branch-based DT algorithm performs well in terms of lift and homogeneity, while the GINI (Gini Index) and ENT (Entropy) branch-based DT algorithms performs well in terms of coverage. With respect to stability, considering both the similarity of the dominating rule or the similarity of the root node, the DT algorithm according to the ENT splitting criterion shows the best results.

최근의 기후변화는 연안에서 더욱 가속화되고 있어 연안에서의 해양 환경변화 감시의 중요성이 커지고 있다. 클로로필-a 농도는 해양 환경 변화의 중요한 지표 중 하나로 수십년 동안 여러 해색 위성을 통해 전구 해양 표층의 클로 로필-a 농도가 산출되었으며 다양한 연구 분야에 활용되었다. 하지만 연안 해역의 탁한 해수는 외해의 맑은 해수와는 구별되는 구성 성분과 광학적 특성으로 인해 나타나는 심각한 오차 때문에 일반적으로 사용되는 전지구 대양을 위하여 만들어진 클로로필-a 농도 알고리즘은 연안 해역에 대입할 수 없다. 또한 연안 해역은 해역에 따라 성분과 특성이 크게 달라져 통일된 하나의 알고리즘을 제시하기 어렵다. 이러한 문제점을 극복하기 위하여 연안의 탁도가 높은 해역에서는 구성 성분과 광학적 변동 특성을 고려한 다양한 알고리즘들이 개발되어 사용되어 왔다. 클로로필-a 농도 산출 알고리즘은 크게 경험적 알고리즘, 반해석적 알고리즘, 기계학습을 활용한 알고리즘 등으로 나눌 수 있다. 해수의 반사 스펙트 럼에 기반한 청색-녹색 밴드 비율이 기본적인 형태로 주로 사용된다. 반면 탁한 해수를 위해 개발된 알고리즘은 연안 해역에 존재하는 용존 유기물과 부유물의 영향을 상쇄시키기 위한 방식으로 녹색-적색 밴드 비율, 적색-근적외 밴드 비 율, 고유한 광학적 특성 등을 사용한다. 탁한 해수에서의 신뢰성 있는 위성 클로로필-a 농도 산출은 미래의 연안 해역을 관리하고 연안 생태 변화를 감시하는데 필수적이다. 따라서 본 연구는 탁도가 높은 Case 2 해수에서 활용되어온 알고리즘들을 요약하고, 한반도 주변해역의 모니터링과 연구에 대한 문제점을 제시한다. 또한 다분광 및 초분광 센서의 개발로 더욱 정확하고 다양한 해색 환경을 이해할 수 있는 미래의 해색 위성에 대한 발전 전망도 제시한다.

This study pursues to solve a batch of nonlinear parameter estimation (NPE) problems where a model interpreting the independent and the dependent variables is given and fixed but corresponding data sets vary. Specifically, we assume that the model does not have an explicit form and the discrepancy between a value from a data set and a corresponding value from the model is unknown. Due to the complexity of the problem, one may prefer to use heuristic algorithms rather than gradient-based algorithms, but the performance of the heuristic algorithms depends on their initial settings. In this study, we suggest two schemes to improve the performance of heuristic algorithms to solve the target problem. Most of all, we apply a Bayesian optimization to find the best parameters of the heuristic algorithm for solving the first NPE problem of the batch and apply the parameters of the heuristic algorithm for solving other NPE problems. Besides, we save a list of simulation outputs obtained from the Bayesian optimization and then use the list to construct the initial population set of the heuristic algorithm. The suggested schemes were tested in two simulation studies and were applied to a real example of measuring the critical dimensions of a 2-dimensional high-aspect-ratio structure of a wafer in semiconductor manufacturing.

In this study, a welding heat source model was presented and verified during fiber laser welding. The multi-layered heat source model is a model that can cover most of existing studies and can be defined with a simple formula. It consists of a total of 12 parameters, and an optimization algorithm was used to find them. As optimization algorithms, adaptive simulated annealing, multi island genetic algorithm, and Hooke-Jeeves technique were applied for comparative analysis. The parameters were found by comparing the temperature distribution when the STS304L was bead on plate welding and the temperature distribution derived through finite element analysis, and all three models were able to derive a model with similar trends. However, there was a deviation between parameters, which was attributed to the many variables. It is expected that a more clear welding heat source model can be derived in subsequent studies by giving a guide to the relational expression and range between variables and increasing the temperature measurement point, which is the target value.

제4차 산업혁명이 시작되면서 주목받기 시작한 인공지능은 선박에도 적용되 어 자율운항선박 개발이 진행되고 있다. 자율운항선박은 선원의 승선유무와 원 격조종자의 조종여부에 따라 총 4단계로 구분되며, 완전자율운항선박은 인간의 개입 없이 설계자가 설계한 알고리즘에 따라 최적의 결정을 내리게 된다. 그러 나 인공지능의 자율성과 예측곤란성이라는 특징으로 인하여 완전자율운항선박 의 결정이 예측하기 어려우며 이러한 결정이 항상 윤리적이라고 기대하기 어렵 다. 그러나 인공지능의 예측불가능성을 인공지능의 자율성에 의존해서는 안되므로 인간의 가치가 반영된 인공지능의 알고리즘이 설계되어야 한다. 특히, 충 돌의 위험을 피할 수 없는 상황에서 인공지능이 어떠한 원칙과 기준에 따라 결 정을 내리는 것인지 이러한 과정을 결정하는 사고 알고리즘에 대해 설명가능하 고 이러한 결정이 사회 구성원들에게 합리적으로 받아들여져야 한다. 이와 같은 인공지능의 윤리문제에 대한 논의는 자율주행자동차 분야에서 가 장 활발하게 이루어지고 있다. 그러나 인간의 가치가 일관성과 보편성을 가지 기 어렵다는 한계가 있다. 특히, 윤리적 딜레마 상황에서는 ‘실천이성의 이중성’ 으로 인하여 이성적이며 윤리적인 판단과는 다른 결정을 내리게 되며, 윤리적 이라는 행동에 대한 기준 역시 지역·문화·경제 상황에 따라 다르게 인식하고 있다. 그 결과 인공지능의 윤리적 가이드라인의 필요성에 대해 인식하면서도 사고 알고리즘에 대한 구체적인 기준을 정립하는 것에 대해서는 회의적이다. 자율주행자동차의 윤리적 딜레마 상황을 예견하여 사용과정에서 발생하게 될 현실적인 문제를 완벽하게 대응할 수 없다는 것이다. 그러나 문제가 발생한 이 후 대응책을 마련한다는 것은 현실적으로 발생한 피해를 구제하기 위한 조치일 뿐 근본적인 문제를 해결하는 방법이 아니다. 특히, 전 세계 해역을 운항하는 자율운항선박은 전 세계 구성원들에게 합리적으로 받아들여지는 결정을 내려 야 한다. 따라서 국제해사기구를 중심으로 자율운항선박과 관계된 사고 알고리 즘을 포함한 윤리적 가이드라인을 마련하고 이를 개별국가에서 정책적으로 반 영함으로써 자율운항선박 개발 단계부터 사용단계에 이르는 전 과정에서 프로 그램 개발자와 이해관계자가 윤리규범을 준수하고, 축적된 정보를 기초로 보완 작업을 통해 자율운항선박의 윤리문제에 대응해 나가야 할 것이다.

In previous studies, the pressure distribution on optical mirror surface was measured by CFD analysis assuming various external air conditions on optical structures designed using knowledge-based design techniques. In this study, the KBD model was verified by comparing the pressure data from the mirror surface obtained through CFD analysis with the pressure values from the wind tunnel test of the actual model.

In this study, we performed algorithms to predict algae of Chlorophyll-a (Chl-a). Water quality and quantity data of the middle Nakdong River area were used. At first, the correlation analysis between Chl-a and water quality and quantity data was studied. We extracted ten factors of high importance for water quality and quantity data about the two weirs. Algorithms predicted how ten factors affected Chl-a occurrence. We performed algorithms about decision tree, random forest, elastic net, gradient boosting with Python. The root mean square error (RMSE) value was used to evaluate excellent algorithms. The gradient boosting showed 10.55 of RMSE value for the Gangjeonggoryeong (GG) site and 11.43 of RMSE value for the Dalsung (DS) site. The gradient boosting algorithm showed excellent results for GG and DS sites. Prediction value for the four algorithms was also evaluated through the Receiver operating characteristic (ROC) curve and Area under curve (AUC). As a result of the evaluation, the AUC value was 0.877 at GG site and the AUC value was 0.951 at DS site. So the algorithm‘s ability to interpret seemed to be excellent.

인공지능 기술이 발전함에 따라, 과거의 범죄 관련 데이터를 광범위하게 수집ㆍ분석하여 미래의 범죄발생 시간ㆍ장소나 범죄자, 피해자를 예측 하고 특정인의 재범위험성을 예측하는 인공지능 알고리즘이 개발되어 형사절차에 실제로 활용되는 단계에 이르렀다. 이러한 알고리즘의 활용은 수사기관이나 재판기관의 자의적 판단을 방지하고 판단의 객관성과 합리성을 제고하는 방법이 될 수도 있는 반면, 데이터의 오류로 인해 왜곡된 판단이 도출될 가능성, 기존의 편견을 강화ㆍ재생 산할 위험성, 예측의 부정확성, 알고리즘의 작동 방식 비공개로 인한 검증 불가능성, 법관을 비롯한 의사결정주체들이 알고리즘의 판단결과에 지나친 영향을 받을 위험성 등이 문제점으로 지적 된다. 형사절차에서 인공지능 알고리즘의 활용가능성과 한계는 구체적인 형사절차상의 국면에 따라 달리 판단되어야 한다. 인공지능 알고리즘의 예측 결과는 경찰관이 불심검문 대상자 여부를 판단할 때나 법원이 피의자의 인신구속 여부를 판단할 때 근거자료로 활용될 수 있을 것이나, 개별적ㆍ 구체적인 정황 없이 오로지 알고리즘의 예측결과만을 근거로 불심검문을 시행하거나 인신구속을 할 수는 없다고 보아야 한다. 공판절차에서의 유무죄 판단의 경우에는 엄격한 증명의 법리가 적용되는데, 현재 개발ㆍ활용되고 있는 인공지능 예측기술들은 아직 그 이론적 근거나 정확성이 충분히 검증되어 일반적으로 승인되는 수준에 이르렀다고 할 수 없으므로 증거능력을 인정할 수 없다고 보아야 한다. 엄격한 증명의 법리가 적용되지 않는 양형 판단의 경우에는 인공지능 알고리즘에 의한 재범위험성 평가결과를 판단의 근거자 료로 참작할 수 있을 것이나, 이 경우 헌법상 피고인에게 보장되는 법관에 의한 공정한 재판을 받을 권리에 의한 제한을 받는다. 따라서 알고리즘에 의한 자료를 제출할 때는 반드시 알고리즘의 정확성에 대한 검증결과를 함께 제출하게 하여야 하고, 알고리즘의 작동원리를 공개하고 이를 법관과 당사자들이 이해할 수 있는 방식으로 설명하도록 하여야 하며, 알고리즘의 판단결과에 대해 피고인이 실질적으로 반박할 수 있는 기회를 보장하여야 할 것이다. 입법론으로는 인공지능 알고리즘의 형사절차에서의 활용에 관한 기준과 한계를 법령으로 명확하게 정하는 것이 바람직하다.

선박이 접안할 때 발생하는 접안에너지에 가장 영향력이 큰 요소는 접안속도이며, 과도한 경우 사고로 이어질 수 있다. 접안속도의 결정에 영향을 미치는 요소는 다양하지만 기존 연구에서는 일반적으로 선박 크기에 제한하여 분석하였다. 따라서 본 연구에서는 다양한 선박 접안속도의 영향요소를 반영하여 분석하고 그에 따른 중요도를 도출하고자 한다. 분석에 활용한 데이터는 국내 한 탱커부두의 선박 접안속도를 실측한 것을 바탕으로 하였다. 수집된 데이터를 활용하여 머신러닝 분류 알고리즘인 의사결정나무(Decision Tree), 랜덤포 레스트(Random Forest), 로지스틱회귀(Logistic Regression), 퍼셉트론(Perceptron)을 비교분석하였다. 알고리즘 평가 방법으로는 혼동 행렬에 따른 모델성능 평가지표를 사용하였다. 분석 결과, 가장 성능이 좋은 알고리즘으로는 퍼셉트론이 채택되었으며 그에 따른 접안속도 영향 요인의 중요도는 선박 크기(DWT), 부두 위치(Jetty No.), 재화상태(State) 순으로 나타났다. 이에 따라 선박 접안 시, 선박의 크기를 비롯하여 부두 위치, 재화 상태 등 다양한 요인을 고려하여 접안속도를 설계하여야 한다.

The performance of ground-based optical structures is highly sensitive to external environments, such as airflow in open space. In this paper, initial aerodynamic data due to ambient air flow were analyzed in optical models designed through knowledge-based design algorithm, and dynamic data acting on optical structures in turbulent flow with velocity of 50m/s were analyzed to present the initial shape design conditions of the structures. The simulation results showed that the maximum pressure, minimum pressure, and maximum differential pressure acting on the mirror are directly proportional to the sweep angle.

Since the Coastal Zone Color Scanner (CZCS)/Nimbus-7 was launched in 1978, a variety of studies have been conducted to retrieve ocean color variables from multi-satellites. Several algorithms and formulations have been suggested for estimating ocean color variables based on multi band data at different wavelengths. Chlorophyll-a (chl-a) concentration is one of the most important variables to understand low-level ecosystem in the ocean. To retrieve chl-a concentrations from the satellite observations, an appropriate algorithm depending on water properties is required for each satellite sensor. Most operational empirical algorithms in the global ocean have been developed based on the band-ratio approach, which has the disadvantage of being more adapted to the open ocean than to coastal areas. Alternative algorithms, including the semi-analytical approach, may complement the limits of band-ratio algorithms. As more sensors are planned by various space agencies to monitor the ocean surface, it is expected that continuous monitoring of oceanic ecosystems and environments should be conducted to contribute to the understanding of the oceanic biosphere and the impact of climate change. This study presents an overview of the past and present algorithms for the estimation of chl-a concentration based on multi-satellite data and also presents the prospects for ongoing and upcoming ocean color satellites.