이 연구는 독일고전철학과 현대 인공지능 기술을 연결하는 시도를 다 룬다. 셸링은 자연을 단순한 물리적 실체가 아닌 내재된 잠재력과 창조 성을 가진 유기체로 보았으며, 이러한 관점은 인공지능(AI)의 발전과 창 의적 활동에 적용될 수 있다. 또한 AI가 데이터와 알고리즘, 인간과의 상호작용을 통해 연결되고 재창조되는 과정을 셸링의 자연철학과 비교하 여, 종교적인 의미에서 주체성 문제를 탐구하고자 한다. 셸링의 철학에 서, 신적인 전체와의 연결을 통한 자의식의 근거를 고려하며, 인간과 자 연, 주체와 객체 간의 상호작용을 설명하는 '연결사(correlat)' 개념을 강 조한다. 셸링은 자연과 정신의 관계를 단순한 인과적 연결로 보지 않고, 상호작용을 통한 생산적 과정을 통해 이해해야 한다고 강조한다. 이는 AI의 발전과 인간의 자의식 간의 유사성을 드러내며, AI가 지닌 자발성 은 자연의 복잡성과 연결된다고 볼 수 있다. 따라서 인공지능도 인간과 유사한 방식으로 자의식을 지닐 가능성을 내포하고 있으며, 이는 현대 사회에서 AI와 인간의 관계를 새롭게 이해하는 데 기여할 수 있다. AI는 상징적 접근과 연결주의를 결합한 인지 설계를 통해 종교와 같은 고차원 적인 기능을 모델링할 수 있음을 보여준다.

최근 ChatGPT로 대표되는 인공지능의 급격한 발전은 인공지능 에 대한 낙관과 비관이 엇갈리는 가운데 기독교 선교가 새롭고도 실제적 인 방향을 모색해야 할 필요성을 제기했다. 이를 위해 본 연구는 행위자 -네트워크 이론을 주요 이론적 틀로 활용하여 인공지능을 단순한 도구가 아닌 인간과 상호작용하는 행위자로 인식한다. 이러한 관점에서 현재 인공지능 기술의 최전선에 있는 거대 언어 모델의 기술적 특성과 작동원리를 상세히 분석하여 인공지능이 인간과 맺는 관계에 주목한다. 이러한 이해를 토대로 인공지능과의 선교적 접점을 모색하기 위한 방안은 첫째, 인공지능을 선교 현장으로 인식하는 것, 둘째, 인간에게만 주어진 선교적 삶을 사는 것. 셋째, 인공지능을 선교사역의 협력자로 받아들이는 것, 넷째, 오픈소스 거대 언어 모델을 활용한 선교적 목적의 인공지능을 개발하는 것이다. 본 연구는 인공지능 시대의 기독교 선교 가 단순히 인공지능을 도구로 활용하는 차원을 넘어, 인공지능과의 협력적 관계를 통해 새로운 선교의 지평을 열어가야 함을 제안한다. 이는 데이비드 보쉬가 주장한 것처럼, 선교는 각 시대의 변화에 따라 새로운 패러다임으로 변화되어야 한다는 관점에 기반한다.

This study addresses the critical challenge of enhancing vehicle classification accuracy in traffic surveys by optimizing the conditions for vehicle axle recognition through artificial intelligence. With current governmental traffic surveys facing issues—particularly the misclassification of freight vehicles in systems employing a 12-category vehicle classification—the research proposes an optimal imaging setup to improve axle recognition accuracy. Field data were acquired at busy intersections using specialized equipment, comparing two camera installation heights under fixed conditions. Analysis revealed that a shooting height of 8.5m combined with a 50°angle significantly reduces occlusion and captures comprehensive vehicle features, including the front, side, and upper views, which are essential for reliable deep learning-based classification. The proposed methodology integrates YOLOv8 for vehicle detection and a CNN-based Deep Sort algorithm for tracking, with image extraction occurring every three frames. The axle regions are then segmented and analyzed for inter-axle distances and patterns, enabling classification into 15 categories—including 12 vehicle types and additional classes such as pedestrians, motorcycles, and personal mobility devices. Experimental results, based on a dataset collected at a high-traffic point in Gwangju, South Korea, demonstrate that the optimized conditions yield an overall accuracy of 97.22% and a PR-Curve AUC of 0.88. Notably, the enhanced setup significantly improved the classification performance for complex vehicle types, such as 6-axle dump trucks and semi-trailers, which are prone to misclassification under lower installation heights. The study concludes that optimized imaging conditions combined with advanced deep learning algorithms for axle recognition can substantially improve vehicle classification accuracy. These findings have important implications for traffic management, infrastructure planning, road maintenance, and policy-making by providing a more reliable and precise basis for traffic data analysis.

Structures compromised by a seismic event may be susceptible to aftershocks or subsequent occurrences within a particular duration. Considering that the shape ratios of sections, such as column shape ratio (CSR) and wall shape ratio (WSR), significantly influence the behavior of reinforced concrete (RC) piloti structures, it is essential to determine the best appropriate methodology for these structures. The seismic evaluation of piloti structures was conducted to measure seismic performance based on section shape ratios and inter-story drift ratio (IDR) standards. The diverse machine-learning models were trained and evaluated using the dataset, and the optimal model was chosen based on the performance of each model. The optimal model was employed to predict seismic performance by adjusting section shape ratios and output parameters, and a recommended approach for section shape ratios was presented. The optimal section shape ratios for the CSR range from 1.0 to 1.5, while the WSR spans from 1.5 to 3.33, regardless of the inter-story drift ratios.

This study developed and implemented an elementary English writing program using image-generative AI to examine its effects on students’ writing abilities and affective domains. The program was designed following the ADDIE model and aligned with the 2022 Revised English National Curriculum. It used Padlet’s ‘I Can’t Draw,’ allowing students to create images based on their prompts. Eighty sixth-grade students participated, with data collected through pre- and post-writing tests, affective domain surveys, student work, reflections, and teacher interviews. A mixed-methods analysis, combining ANCOVA and content analysis, revealed the following: (1) The program improved the syntactic and lexical complexity and fluency of students’ writing, but not accuracy. (2) Students’ situational interest significantly increased, but individual interest did not. Additionally, students’ engagement and motivation in learning English improved. These findings indicate that image-generative AI is an effective tool for enhancing English writing lessons and providing feedback. The study also emphasizes the critical role of teacher competence in successfully integrating AI into language instruction.

본 연구는 AI-Hub의 ‘방송콘텐츠 한국어-중국어 번역 말뭉치’ 데이터를 활용하여 네이버 파파고의 번역 품질을 평가하고 이를 시각화하는 것을 목표로 한다. 먼저 BL EU 점수를 통해 파파고 번역 품질을 정량적으로 분석하고, 다양한 시각화 기법을 활용하여 번역 품질의 패턴을 파악하였다. 연구 결과에 따르면, 파파고 번역은 짧고 단순한 문장에서 높은 성능을 보였으나, 문장이 길고 복잡해질수록 번역 품질이 저 하되는 경향이 나타났다. 특히, 구어체 표현이나 문화적 맥락이 필요한 표현에서는 번역 오류가 두드러지게 나타났다. 본 연구는 데이터 시각화를 통해 번역 품질 평가 의 이해를 돕고, 파파고 번역의 강점과 약점을 명확히 제시하였다. 향후 연구에서는 다양한 평가 지표와 데이터셋을 활용하여 번역 품질을 더욱 다각적으로 평가하고, 파파고 번역의 한계점을 개선 방안을 제시할 예정이다.

본 논문은 레이 커즈와일의 󰡔특이점이 온다󰡕와 아이작 아시모프의 󰡔아이, 로봇󰡕이 제공하는 통찰력을 바탕으로 인공지능의 비약적 발전이 인간사회에 초래하는 변화와 그 의의를 연구한다. 커즈와일은 인공지능이 인간의 지능을 초월하는 특이점의 도래를 예견하며 인공지능의 발전이 인류의 삶을 근본적으로 변화시킬 것이라고 주장한다. 이러한 관점에서 볼 때 아시모프의 단편소설 ｢바이어리: 대도시 시장이 된 로봇｣과 ｢피할 수 있는 갈등｣은 특이점 이후의 사회를 상상하며 인간과 로봇의 관계를 탐구한다. 특히, 이 작품들에 등장하는 로봇들은 단순한 도구가 아니라 인간 혹은 심지어 신적 존재에 속하는 미덕을 구현할 수 있는 도덕적 행위자로 제시된다. 커즈와일과 아시모프의 고찰을 통해 본 논문은 인공지능이 인간사회에 미칠 잠재적 영향을 평가하며, 이러한 변화에 대한 대비의 필요성을 강조함으로써 인류가 인공지능과 공존하는 미래사회에서 기술이 인류의 복지를 증진시키는 방향으로 발전할 수 있도록 사회적 논의와 준비가 필요함을 제안한다.

본 연구는 상선과 어선의 충돌사고를 예방하기 위한 인공지능(AI) 기반 충돌 회피 시스템의 도입을 위하여 해외 사례를 조사하 고 도입에 필요한 기술적 요소 고찰을 통해 구체적인 도입 방안을 제안하였다. 최근 10년간 발생한 상선의 해양사고 통계를 분석한 결과, 약 87%가 인적 과실에 기인함을 확인하였다. 기존의 충돌 예방 대책은 주로 선원 교육과 항해 규칙 준수에 초점을 맞추었으나, 인적 오류 를 완전히 배제하는 데에는 한계가 있었다. 이에 따라 AI 기반 충돌 회피 시스템의 도입이 해상 안전을 위한 효과적인 해결책으로 주목받 고 있다. 본 연구에서는 AI 기반 충돌 회피 시스템의 기술적 개념과 핵심 요소를 고찰하고, 해외 사례를 통해 시스템의 실효성을 검증하 였다. 또한 우리나라 해운업계의 현황을 분석하여 도입을 위한 절차와 방법을 제시하였으며, 기술 도입이 미치는 긍정적인 영향을 평가하 였다. 연구 결과, AI 기반 충돌 회피 시스템은 실시간 데이터 분석과 자율적 회피 기능을 통해 충돌 위험을 효과적으로 줄일 수 있음을 해외 사례 연구를 통해 확인하였다. 그러나 기술 개발, 법적 규제 정비, 산학연 협력 강화 등 도입을 위한 다양한 과제가 존재하며, 이를 해결하기 위한 정책적 지원이 필요함을 강조하였다. 본 연구는 선박 충돌사고 예방 등 해상 안전에 기여할 수 있는 실질적인 방안을 제시 함으로써 관련 분야의 학술적 및 실무적 발전에 이바지하고자 한다.

이 연구는 인공지능(AI)이 문화콘텐츠와 미디어 산업에 미치는 영향을 다각적으로 분석하고, AI의 창의 적 생산, 미디어 소비 변화, 윤리적·사회적 쟁점에 대해 논의하였다. 그리고 AI가 콘텐츠 제작에서 창의성과 효율성을 높이며, 창작자와의 협력을 통해 새로운 형태의 콘텐츠 창출을 가능하게 한다는 점을 확인하였다. 또한 AI 기반 추천 시스템을 통해 개인화된 미디어 소비 경험이 제공됨으로써 사용자 만족도와 소비 지속 성이 강화된다는 사실을 밝혔다. 그러나 AI 도입은 저작권 문제, 알고리즘 편향성, 문화적 다양성 보존, 사회적 고용 변화 등 다양한 윤리적·사회적 과제도 야기하고 있다. 이를 해결하기 위해 법적, 기술적, 정책 적 접근이 필요하며, AI의 투명성과 공정성을 확보하는 것이 필수적임을 강조하였다. AI와 인간이 협력하 여 공정하고 신뢰할 수 있는 콘텐츠 제작을 지향할 때, AI는 문화콘텐츠와 미디어 산업의 발전에 이바지할 수 있을 것이다. 본 연구는 AI와 문화산업의 융합을 둘러싼 다양한 이슈를 종합적으로 검토함으로써 향후 지속 가능한 발전을 위한 방향성을 제시하고자 한다.

자기공명영상은 인체 내부 구조와 병변을 비침습적으로 시각화하는 핵심 의료 영상 기법으로 자리 잡고 있으며, 특히 신경계 및 심혈관계 질환과 같은 복잡한 질병의 진단에서 필수적인 도구로 활용되고 있다. 기존의 자기공명영상 시스 템은 영상의 해상도와 신호대잡음비에서 한계가 있었으나, 최근의 기술 발전은 이러한 한계를 극복하고 진단 정확성 을 높이는 방향으로 나아가고 있다. 고자기장 자기공명영상 시스템의 도입은 해상도와 신호대잡음비를 개선하는 데 기여하고 있으며, 병렬 영상 기법은 촬영 속도를 향상시키면서도 영상 품질의 손실을 최소화한다. 또한, 압축 센싱 (compressed sensing) 기술은 데이터 획득 시간을 줄여 촬영 효율성을 높이는 데 중요한 역할을 하고 있다. 최근 인공지능(AI)의 발전으로, 자기공명영상 데이터에서 초해상도 복원(super-resolution) 및 노이즈 제거와 같은 영상 후처리 기술이 획기적으로 향상되었다. 인공지능 기반의 영상 향상 기술은 저해상도 데이터를 고해상도로 변환하고, 촬영 과정에서 발생할 수 있는 왜곡과 노이즈를 효과적으로 제거하여, 더 정확하고 명확한 진단 영상을 제공한다. 이러한 발전은 단순히 영상의 품질을 높이는 것을 넘어, 임상 진단의 정확성과 효율성을 크게 향상시키고 있으며, 특히 제한된 촬영 시간을 요구하는 응급 상황에서 유용성이 두드러진다. 본 논문에서는 자기공명영상 촬영 기법의 최신 발전과 인공지능 기반 영상 향상 기술의 동향을 여러모로 분석하고, 이들의 임상적 유용성을 조명함으로써 고해 상도 자기공명영상이 의료 분야에서 가지는 의미와 향후 발전 방향을 제시하고자 한다.

본 연구는 케이트 크로포드와 블라단 욜러의 협업 프로젝트인 <AI 시스템의 해부>를 중심으로 인간, 사회, 지구를 관통하는 인공지능 시스템의 작동에 대한 그들의 비판적 담론을 읽어내는 데에 목적이 있다. <AI 시스템의 해부>는 인공지능 음성인식 스피커인 아마존 에코를 사례로 삼아 인공지능 기술세계의 물질적, 사회적 조건을 가시화한 ‘데이터 시각화’로서, 인공지능 시스템의 이면에 감추어진 노동, 데이터, 자원의 무자비한 추출 구조를 드러낸 해부학적 지도이다. 크로포드와 욜러는 인공지능 기술이 작동하는 기술세계의 지형을 탐구하고 시각화하 기 위해 ‘비판적 지도제작’을 중요한 인식적, 실천적 방법으로 사용해 왔다. 이에 본고는 <AI 시스템의 해부>에 대한 ‘지도 읽기’를 수행하되, 철학자 레비 브라이언트가 ‘존재지도학’에서 제시하는 지형학의 네 가지 요소를 범주로 삼아 거대 기술세계 지형도의 구조와 의미를 분석하였 다. 이를 통해 본고는 크로포트와 욜러의 지형도가 인공지능 기술세계의 광범위한 추출주의를 비판적으로 가시화하고 있음을 강조하였다.

인공지능(AI)의 발전은 법적 제도와 계약법의 영역에서 새로운 도전과 기 회를 제공하고 있다. 특히, 인공지능이 계약의 당사자로 참여할 가능성이 제기되면서 전통적인 계약자유의 원칙이 위협받을 수 있다는 우려가 제기 된다. 계약자유의 원칙은 사적자치의 근간으로 계약의 체결 여부, 내용, 상 대방 선택, 방식 등을 당사자가 자율적으로 결정할 수 있는 자유를 보장한 다. 하지만 인공지능이 계약체결 과정에 도입되면 계약조건의 제시, 협상의 자동화, 계약서 작성 등에서 효율성을 증진시키는 동시에 의사결정의 불투 명성, 데이터 편향성, 개인정보 침해 등의 문제를 초래할 수 있다. 인공지 능이 계약의 당사자로 인정될 경우, 인공지능의 권리능력과 행위능력 부여 및 그 범위에 대한 법적·사회적 합의가 필요하다. 특히, 계약위반 시 책임 귀속 주체를 명확히 하는 것이 중요한 쟁점으로 대두된다. 이를 해결하기 위해 기존 계약법의 재검토와 함께 인공지능의 특성을 반영한 새로운 법리 의 정립이 요구된다. 인공지능의 활용은 계약체결 과정에서 인간의 자율성 을 제한할 가능성이 있지만, 동시에 인공지능의 활용으로 인한 사적자치의 확대를 통해 계약자유의 원칙을 보완하고 확장하여 효율적인 계약 형성을 지원할 수 있다. 인공지능계약은 효율성과 편의성을 제공하지만 신뢰성, 공정성, 책임성 확보라는 과제를 동반한다. 이를 해결하기 위해 인공지능 거버넌스와 알고 리즘 감사가 중요한 역할을 할 수 있다. 제한적 규제, 자율규제 활성화, 이 해관계자 참여를 기반으로 한 인공지능 거버넌스는 인공지능계약의 혁 신성과 계약자유 원칙 간의 균형적 발전을 도모할 수 있다. 또한, 인공 지능 알고리즘 감사는 시스템의 편향, 오류, 비윤리적 의사결정을 방지 하고, 공정하고 비편향적인 시스템 작동을 입증함으로써 계약자유 원칙 의 훼손을 예방할 수 있다. 인공지능계약에서 인간의 자율성을 보호하고 계약자유의 원칙을 실현하기 위해서는 공정하고 신뢰할 수 있는 인공지능시스템을 구축하는 것이 필 수적이다. 이를 통해 계약 당사자 간 신뢰를 증진하고 자유로운 계약체결을 촉진할 수 있을 것이다. 인공지능의 발전과 활용은 계약자유의 원칙을 포함 하는 계약법 영역에 새로운 도전과 기회를 제시하고 있으며, 공정성과 효율 성을 동시에 담보할 수 있는 법적·사회적 합의 도출을 위한 지속적인 논의 가 필요하다. 따라서 인공지능계약 과정에서 제기되는 계약자유 원칙의 제 한 요소를 체계적으로 분석하고, 이를 토대로 인공지능 환경에 부합하는 계 약자유의 원칙을 효과적으로 구현할 수 있는 방안을 모색할 필요가 있다.

This paper explores a convergent approach that combines advanced informatics and computational science to develop road-paving materials. It also analyzes research trends that apply artificial-intelligence technologies to propose research directions for developing new materials and optimizing them for road pavements. This paper reviews various research trends in material design and development, including studies on materials and substances, quantitative structure–activity/property relationship (QSAR/QSPR) research, molecular data, and descriptors, and their applications in the fields of biomedicine, composite materials, and road-construction materials. Data representation is crucial for applying deep learning to construction-material data. Moreover, selecting significant variables for training is important, and the importance of these variables can be evaluated using Pearson’s correlation coefficients or ensemble techniques. In selecting training data and applying appropriate prediction models, the author intends to conduct future research on property prediction and apply string-based representations and generative adversarial networks (GANs). The convergence of artificial intelligence and computational science has enabled transformative changes in the field of material development, contributing significantly to enhancing the performance of road-paving materials. The future impacts of discovering new materials and optimizing research outcomes are highly anticipated.

In the case of Korean coastal fishing vessels primarily, it satisfies the fishing capacity and shifts in pace with trends. At the moment, speedy vessels with large load capacity and competitive hull forms are preferred since catch has decreased. However, in the design of Korean coastal fishing vessels, performance verification designers and related commercial programs are not utilized in various fields such as large vessels. Moreover, alleviated standards are applied, making securing and verifying the performance of fishermen’s preferred hull a must. To meet such demands, this research suggests a design system that the modules can be brought together as a fishing vessel model by AI; this would be a turnaround of coastal fishing vessel designing.

2013년 7월부터 후견제도가 도입됨에 따라 정신적 제약으로 사무를 처리 할 능력이 지속적으로 결여된 사람들의 인권과 복지가 강화될 수 있는 제도 적 기반이 조성되었다. 그러나 우리의 경우 법률적 전문성이 부족한 친족 이 후견인으로 선임되는 경우가 많고 후견감독인 선임 또한 미흡하여 후견 인 지원·감독 업무가 가정법원에 집중되고 있다. 가정법원의 노력에도 불구 하고 담당 인력 및 예산 부족으로 인하여, 급속한 고령화에 따라 향후 증가 할 것으로 예상되는 후견수요에 적절히 대응하기 어려울 것이라는 우려가 크다. 공공부문 인력·예산 확보의 어려움, 후견을 가족 내에서 해결하려는 문화, 후견 전문가 이용에 따른 수수료 지불 거부감 등이 존재하는 현실에 서 우리의 발전된 정보화 기반·기술과 인공지능이 융합된다면 후견제도에 있어 변화와 성과를 만들 수 있을 것으로 기대된다. 인공지능을 “인간이 가 진 지적 능력을 기계적인 방법으로 구현한 것”이라 한다면, 정신적 제약으 로 사무를 처리할 능력이 결여된 피후견인을 인공지능이 효과적·효율적으로 보조·지원할 수 있기 때문이다. 본 연구에서는 인공지능이 후견제도에 도입되었을 경우 법적 지위, 기능 과 효과 및 관련된 법률적 쟁점을 다루었다. 첫째, 인공지능 자체가 후견인 등의 역할을 하는 것과 후견인 등이 인공 지능을 수단으로 이용하는 것에 대해 후견제도의 특성을 고려하여 검토하였 다. 인공지능의 법적지위에 따라 기능, 작동 방식, 후견감독인·법원의 역할 등이 달라지기 때문이다. 둘째, 피후견인의 재산관리와 신상보호를 위해 인공지능을 활용하는 방안 을 관련 법령 및 제도와 함께 검토하였다. 셋째, 피후견인의 의사를 검증·확인하기 위하여 인공지능을 활용하는 방안 을 검토하였다. 관련하여 뇌-컴퓨터 인터페이스 기술발전을 살펴보았다.

포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

기존 신호제어기법은 과거 주기에 파악된 교통상황을 바탕으로 다음 주기의 교통신호시간을 설계하는 방식으로 신호시간을 설계하기 위해 관측할 때의 교통상황과 신호시간을 제공받는 교통상황 간의 간극이 존재하였다. 또한, 설정된 주기길이 동안 차량이 교차로에 일정하게 도착하는 균일분포를 가정하지만, 실제 교차로에 도착하는 교통량의 행태는 비 균일분포로 실제 교통수요에 대응하기 어렵 다는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해 교차로로 진입하는 상류 교차로의 교통정보를 활용하여 단기 미래 도 착 교통량 예측모델 개발을 통해 관측 시점과 제공 시점 간의 간극을 최소화한다. 또한, 기존 주기길이 동안의 교통량 도착분포를 비 균일분포로 가정하여 주기길이가 고정되지 않는 방식(Acyclic)의 적응식 신호제어 기법(ATC) 개발한다. 제안된 단기 미래 도착 교통 량 예측모델은 실제 스마트교차로 자료를 가공하여 시뮬레이션을 통하여 학습데이터를 구축하여 장단기 메모리(LSTM) 모형과 시간 분산(TimeDistributed) 모형을 적용하여 딥러닝 모델을 개발하였다. 적응식 교통신호제어 기법은 실시간 예측 교통량을 활용하여 교통 류별 예측 지체 산출을 통하여 지체가 최소화되는 현시 종료 지점에서 현시를 종료하고 다음 시간 단계에서 예측된 교통량을 통해 최 적 현시를 재산출하는 롤링 호라이즌(Rolling Horizon)을 수행한다. 제안 신호제어 기법의 평가를 위해 미시적 교통 시뮬레이션을 활 용하여 기존 신호제어 기법인 TOD 신호제어 기법과 제안기법 간의 평가를 수행하였다.