서예의 미적 패러다임은 근본적으로 사회적 변화에 기초한 다. 현대의 서예는 현상적 측면에서 볼 때 창작의 영역에서 전 통과 다른 풍모와 특징을 나타내고 있다. 특히 인간만의 영역 이었던 서예 예술의 탄생 과정이 AI 서예 로봇이 등장하면서 혼란을 맞고 있다. 현재로선 AI의 서예 창작을 예술로 인정하 기 힘든 분위기지만 급변하는 과학기술의 발전은 미래의 서예 에 대한 추세를 예측하기 힘든 실정이다. 21세기의 서예는 현 대화를 추구하는 과정에서 과학은 물론 사회학적 요소가 매우 강조되고 있다. 이는 과거의 전통 서예와 다른 형식의 미학적 메커니즘이 새로운 패러다임으로 전환되고 있기 때문이다. 현 대 서예의 가장 큰 특징은 다원적 시각화 경향이다. 이 이면에 는 서예 미학에 대한 인식의 변화 및 새로운 창작의 형식과 관 련된 문제들이 존재한다. 현대 서예의 창작적 성향은 과거보다 더욱 실험적인 양상으로 전개되고 있다. 이에 서예의 심미적 가치 기준이나 그 미학적 특색을 가름하기는 쉽지 않다. 본고에서는 현대 서예의 변화 과정을 좀 더 체계적으로 규명 하기 위해 서예학 분야의 새로운 패러다임(Paradigm)을 제시하 였다. 현대 서예의 발전과 변화는 결코 서예 예술 내부의 자율 성만으로는 설명할 수 없다. 새로운 미적 패러다임의 발생은 필연적으로 사람이 중심이 되는 예술사회학의 각도에서 탐구해 야 한다. 진정한 의미의 현대성이란 시간의 개념이 아니라 현 대의 서예가 고대와 다른 새로운 미학적 규범의 전환을 의미한 다. 다만 오늘날 서예의 현대화 과정에서 대두되는 시각적 경 향은 이미 많은 대중들에게 환영을 받고 있지만, 아직까지는 서예계의 공통된 신념으로 정착되었다고 단언할 수 없다.

In this research, a new Test and Evaluation (T&E) procedure for defense AI systems is proposed to fill the existing gap in established methodologies. This proposed concept incorporates a data-based performance evaluation, allowing for independent assessment of AI model efficacy. It then follows with an on-site T&E using the actual AI system. The performance evaluation approach adopts the project promotion framework from the defense acquisition system, outlining 10 steps for R&D projects and 9 steps for procurement projects. This procedure was crafted after examining AI system testing standards and guidelines from both domestic and international civilian sectors. The validity of each step in the procedure was confirmed using real-world data. This study's findings aim to offer insightful guidance in defense T&E, particularly in developing robust T&E procedures for defense AI systems.

이 연구는 생성형 AI(Generative AI) 기술을 활용하여 기본 시각디자인 분야에서의 새로운 접근 방법과 가능 성을 탐색한다. Generative AI는 데이터 기반 학습을 통해 창의적인 디자인을 생성하는 인공지능 기술로, 시 각디자인에서 중요한 역할을 하고 있다. 본 연구는 Generative AI가 시각디자인의 기본 요소와 원리에 어떻게 적용되며, 디자인 프로세스를 어떻게 혁신할 수 있는지를 분석한다. 먼저, Generative AI가 색채, 형태, 구성과 같은 디자인의 기본 요소를 어떻게 해석하고 재창조하는지에 대해 연구한다. 이를 통해 AI가 디자인의 창의 성과 예술성을 어떻게 향상시킬 수 있는지를 탐구한다. 또한, AI가 디자인 결정 과정에서 어떻게 인간 디자 이너를 보조할 수 있는지에 대해서도 연구한다. 이 연구는 Generative AI를 실험하고, 이를 통해 얻은 시각디 자인 결과를 통해, AI가 시각디자인의 전통적인 접근 방식에 어떤 새로운 시각과 해석을 제공하는지를 조사 한다. AI 기술의 발전이 디자인의 미래와 디자이너의 역할에 어떤 변화를 가져올지에 대한 통찰과 디자인 분 야의 전문가뿐만 아니라, AI 기술에 관심 있는 학자들에게도 중요한 시사점을 제공한다는 점에서 의의를 찾 을 수 있다.

최근 다양한 생성형 인공지능 프로그램 기술이 발전하며, 대중적으로 상용화되면서 생성형 인공지능을 활용 한 미디어아트의 창작사례가 늘어나고 있다. 사진의 등장이 기존의 회화 작품을 대체하지 않고 새로운 예술 형태로 존재한 것과 같이 생성형 인공지능 기술을 활용한 미디어아트 예술 표현 또한 새로운 방식과 형태로 존재할 수 있다. 논문에서 열거한 생성형 인공지능 프로그램을 활용하여 창작된 사례들과 같이 하나의 작품 으로 증명이 되고 있다. 이에 본 논문에서는 인공지능의 의미와 역사적으로 형성된 생성형 인공지능을 활용 한 작품 사례들을 살펴보고, 다양한 형태로 존재하고 있는 생성형 인공지능 프로그램을 기반으로 형성된 미 디어아트 작품을 분석해보고자 한다. 이를 통하여 방대한 빅데이터를 기반으로 존재하고 있는 생성형 인공지 능의 기술을 자유롭게 창작자가 예술작품으로 사용하며 다채로운 형태로 전시된 미디어아트의 제작과 방법 론에 보탬이 되고자 한다.

현대 사회에서 첨단 기술의 발전은 예술의 양상을 빠르게 변화시키고 있다. 생성형 인공지능 기술의 발전은 인류의 전유물이라 여겨왔던 창작 행위에 기존에는 보지 못했던 색다른 표현을 제공했다. 또한, 전통적 기법 을 고수하던 예술인들에게 새로운 예술 창작의 발현 방식을 제시하였다. 하지만 나날이 발전하는 인공지능 기술에 비해, 이를 활용한 구체적인 미디어아트 제작 과정 연구는 아직 국내에서는 미비하다. 본 논문은 인 공지능 기술을 활용한 미디어아트 해외 사례를 탐구한다. 그리고 Text-to-Image 인공지능 생성 모델과 게임 엔진 Unreal Engine 5를 이용하여, 국내에 자리 잡지 않은 생성형 인공지능을 활용한 작품 제작 방법론과 창 작자들에게 인공지능 이미지 생성 모델의 확장성을 제시한다.

Purpose: To determine whether artificial -intelligence quarantine robots can positively contribute to environmental management in medical institutions. We conducted in-depth interviews to understand the experiences of hospitalized patients receiving environmental management from such robots. Methods: Data were collected during March 20~May 20, 2023. individual in-depth interviews were conducted with 15 hospitalized patients, who could provide specific details of their experience of receiving environmental management from a quarantine robot. Results: Qualitative content analysis identified four themes, including “First encounter with an amazing and new quarantine robot,” “Efficiently performs non-face-to-face quarantine work in hospitals,” “Problems with quarantine robots,” and “Recommendations for improving the functionality of quarantine robots in medical institutions so quarantine robots and humans can coexist.” Conclusion: Currently, quarantine robots have limited functionality, and additional research is needed to identify various other functions in consideration of future infectious disease situations and the level of quarantine appropriate in a hospital.

인공지능은 4차 산업혁명의 프레임이 소개된 이후 점차 보편적인 기술로 자리를 잡아가고 있으며, 인공지능 관련 특허 출원도 크게 증가하고 있다. 최근에는 특허 생태계가 출원 건수 위주의 양적 경쟁에서 고품질의 특허 확보라는 질적 경쟁으로 패러다임이 변화되면서, 저품질 특허로 인한 비용 손실에 관심이 높아지고 있다. 이러한 배경으로 본 연구에서는 머신러닝과 Doc2Vec 알고리즘을 활용하여 특허 품질을 예측하는 방법을 제안하고자 한다. 본 연구를 위해 WIPO에서 정의한 CPC 코드를 활용하여 미국 특허청(USPTO)에 등록된 인공지능 관련 특허 데이터를 추출하였고, 이를 통해 정형 데이터 기반 19개 변수, 비정형 데이터 기반 7개 변수를 개발하였다. 특히, 새롭게 제안하는 Doc2Vec 알고리즘을 이용한 제목과 초록 텍스트 유사도 변수는 고품질 특허를 예측하는데 영향을 미칠 것으로 판단된다. 이에 유사도 변수의 효과를 확인하기 위해 유사도 변수를 포함한 앙상블 기반 머신러닝 모델과 포함하지 않은 모델을 개발하여 비교하였다. 실험 결과, 유사도 변수를 포함한 모델이 AUC 0.013, f1-score 0.025가 높게 나타나 더 우수한 성능을 보였다. 이는 유사도 변수가 고품질 특허 예측에 기여한다는 것을 시사한다. 또한, SHAP을 이용하여 블랙박스 형태의 머신러닝 변수 영향도를 설명하였다. 본 연구를 통해 핵심 기술 분야인 인공지능과 같은 영역에서 특허의 품질을 예측하고, 고품질 특허 개발을 장려함으로써 사회적 가치를 실현하는 데 기여할 수 있을 것으로 기대한다.

IMO에서는 자율운항선박의 자율화등급을 제1단계부터 제4단계까지 분류하 였고, 등급이 올라감에 따라 선박조종의 주체는 선원, 원격운항자, 인공지능으 로 바뀐다. 한편, 현행 해상법에서는 선박충돌사고가 발생했을 때, 직접적인 선 박충돌의 행위자는 선원이지만 그 책임은 과실과 관계없이 선원을 고용한 선박 소유자가 진다. 그런데, 선원과 원격운항자는 법인격을 가진 사람이지만 인공지능은 사람도 아니고 선박소유자의 피용자도 아니다. 따라서 내적요소인 인공 지능과 외적요소인 선박이 결합된 완전자율운항선박의 충돌사고에서는 손해배 상책임을 선박소유자에게 이전시킬 수 없을 뿐만 아니라 직접적인 선박조종을 실행하여 사고를 일으킨 인공지능에게 피해자는 손해배상책임을 물을 수도 없다. 이러한 이유로 완전자율운항선박 충돌사고에서 손해배상책임을 어떻게 적용 할 것인가를 다각적으로 검토하였다. 그 방안으로 인공지능에 대한 법인격 부 여, 제조물책임, 공작물책임, 위험책임주의가 검토되었고, 그 중에서 위험책임 주의가 가장 적합한 것으로 보인다.

식량 작물의 확보 및 생산량 예측은 국가 발전에 있어 필수적이며, 국가 경제뿐만 아니라 전 세계 식량 안보에 기여 한다. 최근 환경오염으로 인한 이상기후는 식량 작물 생산량에 직ㆍ간접적으로 부정적 영향을 끼치고 있어, 작물 수확량 예측 불확실성이 높아지고 있다. 특히, 노지 작물의 경우 생산량 감소와 품질 저하 문제가 화두 되고 있다. 이러한 문제는 농가들뿐만 아니라 소비자들에게도 큰 피해를 안겨주고 있다. 이러한 생산량 예측 이슈를 해결하기 위해 최근에는 인공지능 기술이 농업 분야에도 활발히 적용되고 있다. 작물 수확량의 정확한 예측을 위한 머신러닝 기반 연구가 집중적으로 수행되고 있다. 따라서, 본 연구에서는 이와 같은 인공지능 기반의 노지 작물 수확량 예측 기술(머신러닝, 딥러닝, 하이브리드 모델 등) 현황 및 작물 수확량에 가장 영향을 많이 끼치는 모델 파라미터 등을 조사하였다.

챗GPT는 학술 논문 요약, 프로그래밍 코드 작성, 수학 문제 해결, 발 표 자료 생성, 기사 작성 등 다양한 용도로 활용되고 있다. 국내에서도 신문기사 작성이나 학생들의 글쓰기 수업에서 챗GPT가 활용될 때 가짜 뉴스 양산이나 표절 등의 우려가 커지고 있다. 미국 대학들은 학생들의 챗GPT 사용 문제에 대응하는 방법을 모색하고 교육 방식을 개선하고 있 다. 본 연구의 목적은 대학 교양 철학 수업에서 챗GPT와 같은 인공지능 을 활용하기 위한 구체적인 수업 설계와 수업 활동을 제시하고자 한다. 이를 위해 각 주차 별로 철학 윤리적 주제를 5개 이상 선정하였고 각 주 제별로 학습자들이 조별 활동, 챗GPT 활용과 글쓰기를 통해 비판적으로 사고하고 철학적인 주제를 쉽게 이해할 수 있도록 학습자 참여 중심의 수업을 진행하였다. 또한 챗GPT를 활용한 이런 수업방식에 대해 11개 항목으로 구분하여 설문조사를 실시하였다. 그 결과 학습자들은 모든 항 목에 있어서 챗GPT를 활용하는 측면이 자신의 글쓰기 효용감과 수업의 이해도, 만족도 등을 높이는데 80% 이상 긍정적이라고 답하였다. 물론 챗GPT가 가짜 정보의 생성이나 인간의 사고력을 약화시킬 수 있다는 우 려가 있으나, 교수자가 수업 설계에 이런 부분을 보완한다면 신속하게 전체적으로 철학적 글쓰기의 틀을 구성하고 수업 내용을 보강하는데 긍 정적인 효과가 있는 것으로 나타났다. 따라서 인공지능을 적극적으로 활 용하여 철학교육을 위한 다양한 수업 설계를 위해 노력할 필요가 있다.

최적 운항자세 선정 기술이란 주어진 운항 배수량과 운항 선속에서 최소의 저항을 가지는 즉, 최적의 연료 소비 효율을 가지는 초기 선수흘수와 선미흘수를 제시하는 것이다. 본 논문의 주 목적은 대상선박의 유효동력 데이터를 기반으로 주어진 운항조건에서 최대 의 에너지효율을 가지는 최적의 운항자세를 선정하는 프로그램 개발하는 것이다. 본 프로그램은 인공지능 기법에 의한 파이썬 기반 GUI(Graphical User Interface)로 작성되어 선주가 쉽게 사용할 수 있도록 하였다. 그 과정에 있어 대상 선박 소개, 전산유체역학(CFD)을 통한 유효동력 데이터 수집, 심층학습을 사용한 유효동력 모델 학습 방법 그리고 심층신경망(DNN) 모델을 응용한 최적 운항자세 제시 프로그 램을 구체적으로 설명하였다. 선박은 운항 별로 화물을 싣고 내리게 되고, 이에 화물 적재량이 변화되고 배수량이 변경된다. 선주는 배수 량 별 예상 선속에 따라 최소저항을 가지는 즉, 최대의 에너지효율을 가지는 최적의 운항자세를 알고자 한다. 개발된 GUI는 해당선박의 태블릿 PC와 앱에 설치하여 최적 운항자세 선정에 활용 가능하다.

선박 발전기의 여자기는 출력 단자 전압을 일정하게 유지하기 위하여 여자전류 제어를 통해 자속을 조정한다. 여자기 내부에 있는 전압제어기는 통상적으로 비례 적분 제어방식이 사용되는데 게인과 시정수에 의해 결정되는 응답 특성은 적절치 못한 설정값에 의 해 원하지 않는 출력을 내며 이로 인해 선내 전력의 품질과 안정성을 떨어뜨릴 수 있다. 본 논문에서는 IEEE에서 제공하는 AC4A 타입의 여자기 모델을 통해 얻을 수 있는 안정적인 입출력 데이터를 활용하여 신경망 회로를 학습시킨 후 기존의 비례 적분 제어방식의 전압제 어기를 학습된 신경망 회로 제어기로 대체하여 시뮬레이션을 수행하였다. 그 결과 기존 대비 최대 9.63%까지 오버슈팅이 개선되었으며, 안정적인 응답 특성에 대한 우수성을 확인하였다.