구조설계 과정에서 설계대안을 효율적으로 생성하여 평가하면서, 특히 다목적 환경 속에서 최적구조의 위상과 부재의 치수까지 동시에 결정할 수 있는 새로운 방식을 제시하고자 한다. 설계자가 설계대안을 생성하기 위해 설계자의 경험과 노하우를 체계적으로 구축해 놓고 이를 적절한 시기에 활용할 수 있게 하는 방법으로는 인공지능 기술의 하나인 사례기반 추론 기법을 사용하였다. 이와 더불어, 설계대안들 간의 효율적인 비교와 평가를 위해서 구조물의 계층적인 면을 고려한 새로운 유전적인 표현법을 개발하였다. 여기에 기존의 유전적 표현법을 변경시켜 생긴 여분의 효과와 계층적인 특징을 가지는 Structured Genetic Algorithm(StrGA)를 변형시켜서 사례기반 추론에 의해 생성된 설계대안들을 표현하였다. 일반적인 구조설계 과정에서는 구조물을 평가하는 기준이 여러 개가 존재하므로, 모든 대안들을 동시에 최적화 하는 과정에 Multicriteria Optimization for Genetic Algorithm(MOGA)를 병합하였다. 본 논문에서는 인공지능 기술을 이용하여 구조물의 위상설계를 할 수 있는 새로운 방법을 제안하여 그 유용성을 truss 설계문제에 대해 검토하였다.

사법인공지능화는 이미 법원의 주요 과제가 되었다. 현재 각 지역의 각급 법원들은 스마트화와 그와 관 련된 시스템 및 플랫폼 구축의 요구에 직면해 있다. 사법정보의 수집과 교환, 심판관리감독보조와 심판 결정 정당성확보 등의 방면에서 이러한 작업 성과는 중요한 효과를 발휘하리라 기대된다. 하지만 사법 인공지능화는 아직 여전히 기술적으로 사법체계에 부작용을 발생시킬 가능성도 존재한다. 사법인공지 능화와 사법정의실현, 그리고 사법개혁목표에는 상호모순점이 존재하고 있고, 사법인공지능화과정은 고급데이터의 부족·알고리즘의 불완전성과 전산하드웨어기술의 한계 등의 문제를 안고 있다. 사법정의 의 관점에서 볼 때, 사법인공지능화의 예상치 못한 결과를 반성해야 하며, 법관의 주체성과 인간이 주 체가 된 최종심판은 계속 유지되어야 할 것이다. 그리고 지속적으로 엄격한 사법적 규율하에서 데이터 베이스와 알고리즘이 개선되어야 하며, 사법본질의 보존을 통해서 인공지능의 사법운용에서 발생할 수 있는 기술적 역효과를 방지해야 할 것이다.

본 연구에서는 학교급에 따른 한국 학생의 인공지능(Artificial Intelligence, AI)에 대한 태도를 차이를 분석하였다. 이러한 연구를 위하여 총 6,324명의 학생을 대상으로 학교급에 따라 AI에 대한 태도를 측정할 수 있는 검사 도구를 적용하였다. 또한, 학교급, 성별, AI 직·간접 경험, AI 교육 경험, AI 관심, 프로그래밍 언어 경험, AI 활용 빈도에 따른 AI에 대한 태도의 차이를 분석하였다. 연구 결과, 학교급과 성별, AI의 직·간접적 경험, AI에 대한 관심, 프로그래밍 언어 경험은 AI에 대한 태도에 영향을 주는 것으로 나타났다. 특히, 학교급이 높으며, 성별이 남성이며, AI의 직, 간접적 경험이 있으며, AI에 대한 관심이 높으며, 블록과 텍스트 기반 프로그래밍 언어를 모두 경험한 학생일수록 AI에 대한 태도가 긍정적인 것으로 나타났다. 반면에 AI 교육 경험과 AI 활용 빈도는 AI에 대한 태도는 유의한 영향을 주지 못하였다. 본 연구 결과는 한국 학생의 AI에 대한 태도에 미치는 요인을 학교급에 따라 분석하였는데 의의가 있다.

본 연구는 현재 크게 성장하고 있는 AI(인공지능)이 어떻게 게임에서 적용되고 발전되고 있는지에 대해서 탐구한다. 오늘 날 대중들이 가장 즐겨하고 있는 게임 중 하나인 포커(Poker)에서의 인공지능의 현실을 분석하고 논리적인 발전방향을 제시한다. 구체적으로, 본 연구는 다양한 포커 게임들 중 전 세계적으로 인기가 있는 종류인 텍사스 홀덤(Texas Hold’em)을 중심으로, 이 게임에 적용 되었던 2가지 AI인 Libratus와 DeepStack을 다루도록 한다. 여러 뉴스 기사 인공지능의 성장을 보고 하였으나, 본 연구는 정확히 어떻게 그리고 왜 인공 지능이 포커 게임에서 적용이 되는지, 또한 무엇이 진짜 문제이고 발전 방향인지에 대해서 입체적으로 논의한다.

최근 게임분야에서 수준 높은 인공지능 에이전트의 구현은 많은 주목을 받고 있다. 그 중 Monte-Carlo Tree Search(MCTS)는 완전 정보를 가진 게임에서 무작위 탐색을 통해 최적의 해를 구할 수 있는 알고리즘으로, 수식으로 표현되지 않는 경우에 근사치를 계산하는 용도로 적합하다. 하스스톤과 같은 Trading Card Game(TCG) 장르의 게임은 상대방의 카드와 플레이 를 예측할 수 없기 때문에 불완전 정보를 가지고 있다. 본 논문에서는 불완전 정보 카드 게임 에서 인공지능 에이전트를 생성하기 위해 MCTS 알고리즘을 응용하는 방법을 제안하고, 현재 서비스되는 하스스톤 게임에 적용하여 봄으로써 MCTS 알고리즘의 실용성을 검증한다.

게임 NPC(Non Player Character)는 게임 플레이어와 대전 또는 협력함으로써 게임의 재미를 증가시키는 중요한 요소이다. 대부분 기존 게임에서 제공되는 NPC 인공지능은 FSM(Finite State Machine)으로 제작되어 행동 패턴이 정해져 있고 능력이 동일한 특징을 갖고 있다. 따라 서 이러한 특징을 갖는 NPC들과 대전하는 플레이어는 창조적인 게임 플레이를 진행하는 것 이 어려울 수 있다. 본 논문은 이 문제점을 개선하기 위하여 실제 생활에서 늑대들이 먹이를 사냥하는 행동 모델 을 게임 NPC의 행동 모델로 제작하고 이를 평가하기 위한 것이다. 이를 위하여 첫째, 실세계 에서 늑대들이 먹이를 포획하기 위한 행동 상태들을 조사 연구한다. 둘째, 이 행동 상태들을 Unity3D 엔진을 이용하여 구현한다. 셋째, 구현된 NPC들의 상태 전이 비율과 실세계의 NPC 들의 상태 전이 비율, 일반적인 게임 NPC의 상태 전이 비율을 비교한다. 비교 결과, 구현된 NPC들의 상태 전이 비율은 실세계의 상태 전이 비율과 비슷함을 보인다. 이는 구현된 NPC들 의 행동 패턴이 실세계의 늑대 사냥 행동 패턴과 유사함을 의미하는데, 이렇게 함으로써 플레 이어에게 보다 증가된 사용자 경험을 제공할 수 있다.

대부분의 디자이너는 3DS MAX와 같은 전문 3D 애니메이션 저작도구를 사용하여 수작업으로 애니메이션을 제작한다. 이 방법은 많은 시간과 노력을 필요로 하며, 애니메이션 캐릭터들이 서로 상호작용 할 수 없다. 이를 개선하기 위해, 본 논문에서는 3DS MAX플러그인 형태의 인공지능 미들웨어를 설계하고 미들웨어에 필요한 인공지능 표현 구조와 내부 처리 방안을 제안한다. 제안 방법은 캐릭터가 보유할 인공지능 요소를 도형과 선분으로 그려 표현하는 방법으로 캐릭터의 인공지능 구조를 제작한다. 실험을 위해 기존 방법과, 제안하는 방법을 사용하여 동일한 애니메이션을 제작하고 작업량을 측정하였다. 실험 결과 소규모 작업에서는 기존의 방법과 비슷하거나 작업량이 많으나, 대규모의 작업에서는 기존 방법에 비해 최대 43%의 작업량 감소를 확인하였다. 본 논문에서 제안하는 방법을 사용하면, 애니메이션에서 캐릭터간의 상호작용이 가능하며 작업량 감소 효과를 얻을 수 있다.

This study is aimed at the development of a runoff forecasting model to solve the uncertainties occurring in the process of rainfall-runoff modeling and improve the modeling accuracy of the stream runoff forecasting. The study area is the downstream of Naeseung-chun. Therefore, time-dependent data was obtained from the Wolpo water level gauging station. 11 and 2 out of total 13 flood events were selected for the training and testing set of model. The model performance was improved as the measuring time interval(Tm) was smaller than the sampling time interval(Ts). The Neuro-Fuzzy(NF) and TANK models can give more accurate runoff forecasts up to 4 hours ahead than the Feed Forward Multilayer Neural Network(FFNN) model in standard above the Determination coefficient(R2) 0.7.

수질오염 사고를 판단하기위한 경보모형은 다중퍼셉트론과 다층신경망, 뉴로-퍼지 모형들로 구성되었으며, 개발된 기준축에 따른 안정, 주의, 경고 상태를 학습하였다. 수질예측 모형에 유출예측 모형을 연계하고 경보모형을 결합하여 인공지능 시스템을 구축하였으며, 구축된 시스템을 GUI로 구현하였다. GUI 화면은 초기화면, 자료 전처리 과정, 유량예측 과정, 수질예측 과정, 경보시스템의 순으로 진행된다. 수질오염 사고에 대한 시나리오를 작성하여 시스템의 적용성을

평창강 수질자동측정망 실시간 자료를 이용하여 강우시와 무강우시로 구분하여 분석하였다. 강우시에 측정된 TOC 자료는 무강우시 측정된 자료에 비해 평균값, 최대값, 표준편차가 크게 나타났으며, 강우시의 DO 자료는 무강우시에 측정된 자료보다 낮아 유량이 수질변화에 영향을 미치는 것으로 분석되었다. 신경망 모형과 뉴로-퍼지 모형으로 수질예측 모형을 구성하고, 적용하였다. LMNN, MDNN, ANFIS 모형은 TOC 모의에서 DO 예측에서는 LMNN, MD

The Neural Network Models which mathematically interpret human thought processes were applied to resolve the uncertainty of model parameters and to increase the model's output for the streamflow forecast model. In order to test and verify the flood discharge forecast model eight flood events observed at Kumho station located on the midstream of Kumho river were chosen. Six events of them were used as test data and two events for verification. In order to make an analysis the Levengerg-Marquart method was used to estimate the best parameter for the Neural Network model. The structure of the model was composed of five types of models by varying the number of hidden layers and the number of nodes of hidden layers. Moreover, a logarithmic-sigmoid varying function was used in first and second hidden layers, and a linear function was used for the output. As a result of applying Neural Networks models for the five models, the N10-6model was considered suitable when there is one hidden layer, and the N10-9-5model when there are two hidden layers. In addition, when all the Neural Network models were reviewed, the N10-9-5model, which has two hidden layers, gave the most preferable results in an actual hydro-event.