Anomaly detection for each industrial machine is recognized as one of the essential techniques for machine condition monitoring and preventive maintenance. Anomaly detection of industrial machinery relies on various diagonal data from equipped sensors, such as temperature, pressure, electric current, vibration, and sound, to name a few. Among these data, sound data are easy to collect in the factory due to the relatively low installation cost of microphones to existing facilities. We develop a real time anomalous sound detection (ASD) system with the use of Autoencoder (AE) models in the industrial environments. The proposed processing pipeline makes use of the audio features extracted from the streaming audio signal captured by a single-channel microphone. The pipeline trains AE model by the collected normal sound. In real factory applications, the reconstruction error generated by the trained AE model with new input sound streaming is calculated to measure the degree of abnormality of the sound event. The sound is identified as anomalous if the reconstruction error exceeds the preset threshold. In our experiment on the CNC milling machining, the proposed system shows 0.9877 area under curve (AUC) score.

This research is to study the solution to the defects in maintenance and inspection that can be predicted/prevented in advance among human factors that account for more than 70% of the causes of aviation accidents. Traditionally, mechanics have performed visual inspections of aircraft exteriors. Due to this, there were factors that affect the human ability of mechanics in aircraft maintenance and inspection, safety problems when performing the upper part of the aircraft inspection, and the difficulty of precise inspection. To improve these problems, we conduct a study on an AI drone inspection system that has deep-learned samples on aircraft damage/defects. In this paper, we describe the aircraft maintenance inspection checklist, non-destructive inspection types, types of aircraft damage and defects, deep-learning highly reliable AI drone inspection systems, and the expected effects of this technology and future applications. Through this system research, it is expected that mechanics will efficiently inspect the aircraft through the optimization of aircraft maintenance system technology to prevent aviation accidents in advance and reduce time and economic costs.

본 연구의 목적은 음성 인터페이스(Voice User Interface, VUI)를 이루는 설계변수 중 사용자에게 긍정적인 감성을 유발하는 설계변수를 확인하는 것이다. 특히, 사용자의 성별과 설계변수의 조절 효과를 분석하여 VUI와 상호작용하는 동안 사용자가 만족할 수 있는 적절한 설계변수 수준을 찾아보고자 하였다. 선행연구를 통해 VUI에 사용되는 음성 설계변수 중에서 사용자의 감성 만족도에 영향을 미칠 수 있는 설계변수 6가지를 도출하였다. 설계변수는 수준을 조절할 수 있도록 Wizard of OZ를 활용하여 VUI 시스템을 구현하였고, 6가지 설계변수의 수준을 조합하여 사용자와 음성으로 대화를 할 수 있도록 구성하였다. 실험에 참여한 사용자는 총 80명으로, 남/여 성비를 고려하여 각 40명씩 모집하였다. 사용자는 VUI와 주어진 임무에 대한 정답을 알아내기 위해 자연스러운 대화를 진행하며, 그동안의 얼굴 표정 변화에 대한 이미지 데이터를 수집 및 표정 분석 소프트웨어를 통해 Valence 점수로 변환하였다. Valence 데이터 를 기반으로 빈도 및 카이제곱 분석을 통해 확인한 결과, 사용자의 성별과 AI gender간의 조절효과가 유의한 것으로 나타났다. 이 결과는 VUI를 설계할 때 사용자의 성별 차이를 고려하는 것이 좋다는 것을 의미한다. 결론적으로, 남성사용자의 경우 성인/남성/높은 톤의 음성, 여성 사용자의 경우 성인/여성/중간톤의 음성이 향후 만족스러운 인터랙션 구현을 위한 VUI 설계에 주요한 가이드라인인 것을 확인하였다. 본 연구의 결과를 통해 향후 다양한 인적 요소를 고려하여 UX 관점에서 인간-AI 상호작용을 보다 섬세하게 분석할 수 있을 것이며, 표정을 통한 실시간 감성 측정을 위한 기초연구로 활용될 수 있을 것이다.

The purpose of this study was to examine the impacts of AI-integrated MALL on Korean students’ TOEIC preparation, by comparing with AI-integrated CALL. A total of 496 freshmen students participated in this study. They were arbitrarily assigned to AI CALL (n = 190), AI MALL (n = 164), and the control (n = 132) groups. During a 2021 academic semester, the two experimental groups studied TOEIC through computers or mobile phones, integrated with AI technology. The control group was taught by a human teacher, in a traditional classroom setting. Before and after the treatment, TOEIC listening and reading tests were administered. Paired samples t-tests and one-way ANOVAs, were used to analyze collected data. Findings show that all groups significantly increased listening and reading test scores. Group comparison results show that the AI CALL group outperformed the control group for both tests. This group also outperformed the AI MALL group for the reading test. Based on this, pedagogical implications are invaluable

2030년 무렵 인공지능(AI) 분야에서 세계의 리더가 되고자 하는 목표의 일환으로, 중국 국무원은 2017년에 ‘차세대 인공지능 개발 계획’을 발표하였다. 본 논문은 AI 연구 및 개발과 관련한 중국의 현재 위치를 조명하고, 중국의 AI 거버넌스 및 윤리 원칙들에 대한 맥락적인 이해를 시도하는 것을 목표로 한다. 이를 위해 2장은 중국 이 꿈꾸는 ‘AI굴기’라는 야망을 실현하기 위해 현재 중국이 AI 분야에서 도달해 있 는 지점을 살펴본다. 연구자는 비록 중국이 AI 연구와 개발에서 국가적 차원의 노력 을 통해 상당한 기술적 수준에 도달해 있지만, 아직 가야할 길이 남아 있음을 주장 한다. 3장은 AI를 위해 중국 정부와 기업 그리고 학계가 제시하고 있는 AI 관련 윤 리 원칙들과 규범들의 특징을 조명한다. 이를 위해 연구자는 EU의 AI 윤리 원칙을 상호 비교하면서 중국의 AI 윤리 원칙의 성격과 특징을 드러낸다. 이 과정에서 본 논문은 중국 정부는 AI가 가져다 줄 잠재적 이익들과 AI로 인한 위험들과 이에 대 한 도전들을 인지하고 있지만, 이러한 요인들의 상호작용에서 정부의 이익과 공공의 보안을 그 중심에 두고 있음을 주장한다. 자연스럽게 4장에서 연구자는 이러한 중국 정부의 이익을 위한 AI의 활용이 초래할 우려들과 현재 목격되는 부작용들을 ‘감시 국가를 위한 AI의 기술적 활용’으로 규정하고, 그 실태를 살펴본다. 연구자는 중국의 AI 거버넌스가 전 세계적인 신뢰를 얻고, 다른 나라들과의 바람직한 협력을 구축할 수 있는 방향으로 나아갈 때, 진정한 AI 리더 국가로서 그 보편성을 획득할 수 있음 을 결론을 통해 주장하며 본 연구를 마무리 한다.

최근 AI 기술은 하루가 다르게 빠르게 발전하고 있고, AI기술은 각 분야에서 다양하게 사용되어지고 있다. 본 논문은 예술분야에서 AI기술의 활용으로 COVID-19 상황에서 인간관계, 개인적인 이유로 지친 마음을 위 로해주는 힐링 게임을 제작하였다. 제작한 힐링게임에서는 주로 Self-help-therapy의 효과를 얻을 수 있어, 치 료자의 도움없이 이용자가 힐링게임을 통하여 일상적 이용과정에서 치유적 효과를 얻을 수 있는 것을 기대 하고 있다. 게임 리뷰 데이터를 통계 분석하여 힐링게임으로 대중들이 요구하는 부분을 수용하여 힐링게임 이 제작되었으며, 사용자는 게임 시작 전 간단한 스토리라인과 AI와 상호작용할 수 있는 간단한 대화를 통 화여 Self-help-therapy 효과를 얻을 수 있었다.

Recently, not only traditional statistical techniques but also machine learning algorithms have been used to make more accurate bankruptcy predictions. But the insolvency rate of companies dealing with financial institutions is very low, resulting in a data imbalance problem. In particular, since data imbalance negatively affects the performance of artificial intelligence models, it is necessary to first perform the data imbalance process. In additional, as artificial intelligence algorithms are advanced for precise decision-making, regulatory pressure related to securing transparency of Artificial Intelligence models is gradually increasing, such as mandating the installation of explanation functions for Artificial Intelligence models. Therefore, this study aims to present guidelines for eXplainable Artificial Intelligence-based corporate bankruptcy prediction methodology applying SMOTE techniques and LIME algorithms to solve a data imbalance problem and model transparency problem in predicting corporate bankruptcy. The implications of this study are as follows. First, it was confirmed that SMOTE can effectively solve the data imbalance issue, a problem that can be easily overlooked in predicting corporate bankruptcy. Second, through the LIME algorithm, the basis for predicting bankruptcy of the machine learning model was visualized, and derive improvement priorities of financial variables that increase the possibility of bankruptcy of companies. Third, the scope of application of the algorithm in future research was expanded by confirming the possibility of using SMOTE and LIME through case application.

The purpose of this study is to determine whether the use of artificial intelligence (AI) improves English listening and reading proficiency. It focuses on whether its impacts differ by gender and major. The study was conducted in 2020 with 340 freshmen students in Korea. There were 182 male and 208 female students. The participants majored in different areas: 139 students majoring in aeronautics, 130 students studying policing and safety, 121 students studying in the arts department. The TOEIC test was adopted as pre- and post-tests to explore the impacts of using AI on English learning. To analyze the data, two-way ANOVAs were administered. The study found no interaction effects of gender or major on either listening and reading proficiency. However, gender and major, respectively, had significant impacts on listening. Regarding reading proficiency, major alone affected the students’ performance. Based on these findings, pedagogical implications are considered.