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.

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.

췌장낭성병변은 최근 영상기술의 발전으로 우연히 발견되는 비율이 점차 증가하고 있으며, 유병률은 복부컴퓨터단층촬영을 시행한 사람에서 많게는 13.5%까지 보고되었다. 그러나 췌장낭성질환의 정확한 진단은 양성에서 악성 질환까지 다양한 형태로 보일 수 있어 영상학적 진단만으로는 매우 어렵다. 초음파내시경은 췌장낭성병변을 비교적 정확하게 진단하고 치료를 결정하는 데 매우 중요한 도구로 사용된다. 그러나 내시경 초음파는 악성으로 진행 가능한 점액성 췌장낭종과 다른 췌장낭종질환을 구분하는 데 정확도가 65-75%에 불과하다. 인공지능은 대장암, 폐암, 유방암과 같은 여러 종류의 암 진단의 정확도를 향상시키는 데 효과적인 도구로 사용되고 있으며, 최근 연구에서는 췌장낭성병변에서도 점액성 종양과 비점액성 종양을 구분하고 악성으로 진행 위험도를 평가하는 데 도움이 되는 것으로 보고되고 있다. 인공지능의 적용은 영상분석에도 국한되지 않고 최근에는 췌장낭종의 액체 분석, 유전자 분석, confocal laser endomicroscopy 등 다양한 분야에서 활용되고 있으며 기대되는 연구 결과를 발표하고 있다. 인공지능은 의료 분야에서 아직 시작단계에 있어, 임상에 적용하기 위해 적절한 알고리즘을 개발하는 데에는 개발자들의 큰 노력이 필요하다. 그러나 이러한 기술은 앞으로 췌장낭종 병변을 보다 정확하게 진단하고 효과적이고 효율적으로 관리하는 데에 도움을 줄 수 있는 잠재력을 가지고 있다고 하겠다.

In this study, machine learning models are proposed to predict the Vickers hardness of AlSi10Mg alloys fabricated by laser powder bed fusion (LPBF). A total of 113 utilizable datasets were collected from the literature. The hyperparameters of the machine-learning models were adjusted to select an accurate predictive model. The random forest regression (RFR) model showed the best performance compared to support vector regression, artificial neural networks, and k-nearest neighbors. The variable importance and prediction mechanisms of the RFR were discussed by Shapley additive explanation (SHAP). Aging time had the greatest influence on the Vickers hardness, followed by solution time, solution temperature, layer thickness, scan speed, power, aging temperature, average particle size, and hatching distance. Detailed prediction mechanisms for RFR are analyzed using SHAP dependence plots.

시리즈 애니메이션 IP들이 사업 다각화를 위해 웹툰으로 제작되어 서비스되는 경우들이 있는데, 영세한 애니 메이션 제작사들은 웹툰으로 제작할 때 발생하는 노동집약적인 작업 과정과 비용 때문에 접근이 어려운 실정 이다. 이를 위해 함께 협업한 연구실에서 인공지능을 활용하여 <Pitchfork Park> 애니메이션 시리즈의 웹툰 변 환 작업을 자동화하는 시스템을 개발하였다. 해당 시스템을 활용하면 단순 노동적으로 작업자가 일일이 수행 하던 1) 애니메이션 컷 선별, 2) 선별된 컷 재배치, 3) 말풍선 배치, 4) 대사 배치, 5) 효과선 추가 등 상당 부 분을 자동화할 수 있다. 시스템에서 출력된 작업물을 작업자가 확인하고, 후보정 작업을 거쳐 최종 결과물을 완성한다. 기존 작업 과정에서 필요한 노동력과 시간을 절약할 수 있고, 작품의 완성도도 향상시킬 수 있다. 본 연구는 기존 웹툰 작업 과정을 분석하여 인공지능을 활용한 작업 방식의 효율성을 검증하였으며, 결과적으 로 인공지능 기술을 활용한 애니메이션의 웹툰 변환 제작 파이프라인을 구축할 수 있는 토대를 확인하였다.

우리의 실생활과 산업 현장에서 인공지능·로봇이 일상화되기 시작하면 서 인공지능·로봇에 의한 인간 노동의 대체가 증가하고 있으며, 그 속도 또한 한층 빨라지고 있다. 이에 논 논문은 인공지능·로봇의 상용화에 의 해 발생할 수 있는 인간 노동 및 일자리의 대체에 따른 소득 불평등의 심화와 이에 대한 해결방안으로 제기되고 있는 로봇세 도입의 쟁점과 동 향 등을 분석하는 것을 목적으로 한다. 최근 인공지능·로봇의 상용화와 자동화 시스템의 도입으로 노동과 일자리의 대체가 빠르게 진행되고 있 는 가운데 로봇세 도입 논란이 가열되고 있다. 로봇세 도입에 반대하는 사람은 로봇세의 도입이 조세 형평의 원칙 위배와 기업의 경영 악화로 이어져 자본주의 경제질서의 근간을 저해할 수 있다고 주장한다. 반면에 로봇세 도입에 찬성하는 사람은 인공지능·로봇의 상용화에 따라 일자리 대체와 실업·빈곤 문제가 심각하게 나타나고 있으므로 인간의 일자리 상 실에 대한 보전과 생존권 보장, 그리고 재교육 등을 위한 세수 확보 수 단으로 로봇세의 도입이 필요하다고 주장한다. 이처럼 인공지능·로봇에 의한 인간 노동 및 일자리의 대체 경향이 강하게 나타날수록 로봇세 도 입을 둘러싼 논란은 앞으로 훨씬 더 증폭될 것으로 예상된다.

급격한 산업화와 도시화로 인해 해양 오염이 심각해지고 있으며, 이러한 해양 오염을 실효적으로 관리하기 위해 수질평가 지수(Water Quality Index, WQI)를 마련하여 활용하고 있다. 하지만 수질평가지수는 다소 복잡한 계산과정으로 인한 정보의 손실, 기준값 변동, 실무자의 계산오류, 통계적 오류 등의 불확실성(uncertainty)을 내포하고 있다. 이에 따라 국내ㆍ외에서 인공지능 기법을 활용하여 수질평가지수를 예측하기 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 해양환경측정망 자료(2000 ~ 2020년)를 활용하여 우리나 라 전 해역 즉, 5개의 생태구에 대한 WQI를 추정할 수 있는 가장 적합한 인공지능기법을 도출하기 위해 총 6가지의 기법(RF, XGBoost, KNN, Ext, SVM, LR)을 실험하였다. 그 결과, Random Forest 기법이 다른 기법에 비해 가장 우수한 성능을 보였다. Random Forest 기법의 WQI 점수 예측값과 실제값의 잔차 분석 결과, 모든 생태구에서 시간적 및 공간적 예측 성능이 우수한 것으로 나타났다. 이를 통해 본 연구에서 개발한 Random Forest 기법은 높은 정확도를 바탕으로 우리나라 전해역에 대한 WQI를 예측 가능할 것으로 사료된다.

본 논문에서는 구조물의 부분 변위값으로 전체 구조물의 변위 형상을 예측할 수 있는 인공지능 학습기법을 개발하였으며, 개발된 기술의 성능을 실험을 통해 평가하였다. 3차원 공간에서 변위 형상 및 노드 위치 좌표의 특성을 학습에 반영할 수 있는 Image-to-Image 변위 형상 학습과 위치 특징을 결합한 변위 상관 학습 방법을 제시하였다. 개발된 인공지능 학습방법의 성능을 평가하기 위해 목업 구 조 실험을 진행하였고, 3D 스캔으로 측정한 변위값과 인공지능으로 예측한 결과를 비교하였다. 비교 결과 인공지능 예측 결과는 3D 스캔 측정 결과에 비해 5.6~5.9%의 오차율을 보여 적정 성능을 보였다.