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.

경추 MRI는 연부 조직에 대한 대조도와 분해능이 우수하여 경추 부위의 퇴행성 질환 및 추간공의 협착, 척수염, 추간판 탈출증 등의 신경 질환 검사에 특히 이용되고 있다. 그러나 경추 MRI 검사는 신경 질환에 의한 배경 신호 강도가 증가되어 SNR이 감소하고 이를 보상하기 위해 여기 횟수가 증가되어 검사 시간이 길어지는 단점이 있다. 교통사고나 낙상을 원인으 로 경추 MRI 검사를 진행할 시 검사 시간이 길어 호흡과 질환의 통증에 의한 움직임 등을 최소화해야 최적의 영상을 획득 할 수 있어 환자의 적극적인 협조가 요구되며 적정한 검사 시간의 단축을 통해 인공물이 없는 진단 가능한 영상을 만들어 낼 수 있다. 최근 개발된 SwiftMR 인공지능 소프트웨어는 경추 MRI 검사 시간을 획기적으로 줄일 수 있다. T2 시상면, T2 축상면, T1 시상면, T1 축상면 SwiftMR 영상의 SNR은 목뼈 몸통 223.82 ± 30.82, 척수 273.03 ± 32.38, 가시돌 기 및 가로돌기 378.61 ± 27.64로 측정되었다. 고속스핀 에코 기법의 SNR은 목뼈 몸통 116.51 ± 11.46, 척수 182.1 ± 22.24, 가시돌기 및 가로돌기 227.79 ± 35.55로 측정되었다. 고속스핀에코 기법의 CNR은 182.12 ± 13.24, SwiftMR 기법 CNR은 346.8 ± 41.84로 측정되었다. 고속스핀에코와 SwiftMR 인공지능 소프트웨어가 적용된 영상을 통해 화질 선명도, 신호 강도의 균일성, 목뼈 몸통 주변의 인공물의 관찰자 간 병변에 대한 일치성 평가는 K값이 0.87로 평가되었다. 연구 결과를 통해 경추 MRI 검사에 SwiftMR 인공지능 기법을 적용함으로써 검사 시간을 단축할 수 있으며, 환자의 불편을 최소화하고 진단 가능한 질 좋은 영상 정보를 제공할 수 있을 것으로 사료된다.

Purpose: Researchers have shown that aesthetic judgments of artworks depend on contexts, such as the authenticity of an artwork (Newman & Bloom, 2011) and an artwork’s location of display (Kirk et al., 2009; Silveira et al., 2015). The present study aims to examine whether contextual information related to the creator, such as whether an artwork was created by a human or artificial intelligence (AI), influences viewers’ preference judgments of an artwork. Methods: Images of Impressionist landscape paintings were selected as human-made artworks. AI-made artwork stimuli were created using Google’s Deep Dream Generator by mimicking the Impressionist style via deep learning algorithms. Participants performed a preference rating task on each of the 108 artwork stimuli accompanied by one of the two creator labels. After this task, an art experience questionnaire (AEQ) was given to participants to examine whether individual differences in art experience influence their preference judgments. Results: Setting AEQ scores as a covariate in a two-way ANCOVA analysis, the stimuli with the human-made context were preferred over the stimuli with the AI-made context. Regarding the types of stimuli, the viewers preferred AI-made stimuli to human-made stimuli. There was no interaction effect between the two factors. Conclusion: These results suggest that preferences for visual artworks are influenced by the contextual information of the creator when the individual differences in art experience are controlled.

This study explores the ways in which sociocultural perspectives on English language education can contribute to teacher education the era of artificial intelligence (AI). Three key words that represent the relationship between sociocultural perspectives and English teacher education—context, interaction, and social practice—can each be linked to the key concepts of criticality, multimodality, and action research. Teachers of English need to be ready for the forthcoming changes in the AI era, for which they must be equipped with a critical ability to focus on issues and needs in the Korean context. This ability can be applied in teaching students various types of interactions, especially those involving the use of computers, and will create opportunities for teachers to conduct research of their own and cultivate a professional teacher identity. This study concludes by recommending substantial changes in the current pre-service and in-service English teacher education programs in accordance with these key concepts.

인공지능을 적용한 상품이나 서비스가 빠르게 증가하고 있다. 한 연구에 따르면 전 세계적으로 인공지능 관련 시장은 향후 5년간 평균 30% 이 상으로성장할전망이다. 시장성장과함께 인공지 능이 우리 일상에 광범위하게 적용되는 것에 대 한 일반 시민의 걱정과 우려도 점증하고 있다. 단 순히 신기술 출현에 수반되는 기우라고 치부할 수만은 없다. 국내 이루다사건 및 해외 마이크로 소프트사 인공지능 채용시스템 사건 등을 통해서 인공지능을 적용한 상품 또는 서비스가 우리 사 회가 지키고자 하는 가치에 반하고 법률에도 위 반되는 결과를 초래할 수 있음이 드러났기 때문이다. 사회적 우려와 걱정에 대응하기 위해서 입법권 자들은 주로 알고리즘 투명성 강화 법안을 내놓 고 있다. 블랙박스와 같이 결론 도출 과정과 영향요소가 불분명한 인공지능을 해체하여 그 소스코 드를 공개하고 어떻게 특정 결론에 도출하였는지 를 공개하겠다는 것이다. 이런 법안은 막연한 우 려를 불식하는 데 효과가 있을 수 있지만 인공지 능 알고리즘이 우리 사회의 법과 가치를 지키도 록 보장하는 효율적인 방안이 아닐 수도 있다. 아 울러, 영업비밀 침해, 인공지능 시장에서 국제경 쟁력 저하 등 의도치 않은 부작용 역시 낳을 수 있다. 미국, EU 등 선진국의 선행 사례와 알고리즘 투명성 요건의 본질적 한계를 고려할 때 모든 인 공지능 알고리즘에 대해서 일률적인 투명성 요건 을 적용하기보다는 산업별 위험수준에 따라 비례 적인 투명성 요건을 적용하는 것이 합리적인 대 안일것으로보인다. 인공지능의오판단으로인해 침해될 수 있는 가치가 중하거나, 그러한 가능성 이 상대적으로 큰 산업군에 적용하는 인공지능 알고리즘에 대해서는 높은 수준의 투명성을; 위 험이나 가능성이 낮은 산업군에 대해서는 상대적 으로 유연한 투명성을 요구하는 것이다. 이를 실 현하기 위해서 모든 인공지능 사업자 또는 서비 스 제공자로 하여금 알고리즘을 설계하고 구동하 는 데 있어 반영하는 모든 요소와 요인 그리고 그 과정을 항상 기록할 수 있도록 하고, 그 기록을 정해진 기간 동안 보관하여 필요시 철저한 평가 가 가능할 수 있도록 해야 할 것이다.

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.

The prediction of algal bloom is an important field of study in algal bloom management, and chlorophyll-a concentration(Chl-a) is commonly used to represent the status of algal bloom. In, recent years advanced machine learning algorithms are increasingly used for the prediction of algal bloom. In this study, XGBoost(XGB), an ensemble machine learning algorithm, was used to develop a model to predict Chl-a in a reservoir. The daily observation of water quality data and climate data was used for the training and testing of the model. In the first step of the study, the input variables were clustered into two groups(low and high value groups) based on the observed value of water temperature(TEMP), total organic carbon concentration(TOC), total nitrogen concentration(TN) and total phosphorus concentration(TP). For each of the four water quality items, two XGB models were developed using only the data in each clustered group(Model 1). The results were compared to the prediction of an XGB model developed by using the entire data before clustering(Model 2). The model performance was evaluated using three indices including root mean squared error-observation standard deviation ratio(RSR). The model performance was improved using Model 1 for TEMP, TN, TP as the RSR of each model was 0.503, 0.477 and 0.493, respectively, while the RSR of Model 2 was 0.521. On the other hand, Model 2 shows better performance than Model 1 for TOC, where the RSR was 0.532. Explainable artificial intelligence(XAI) is an ongoing field of research in machine learning study. Shapley value analysis, a novel XAI algorithm, was also used for the quantitative interpretation of the XGB model performance developed in this study.

Artificial intelligence is driving the Fourth Industrial Revolution and is in the spotlight as a general-purpose technology. As the data collection from the battlefield increases rapidly, the need to us artificial intelligence is increasing in the military, but it is still in its early stages. In order to identify maritime targets, Republic of Korea navy acquires images by ISAR(Inverse Synthetic Aperture Radar) of maritime patrol aircraft, and humans make out them. The radar image is displayed by synthesizing signals reflected from the target after radiating radar waves. In addition, day/night and all-weather observations are possible. In this study, an artificial intelligence is used to identify maritime targets based on radar images. Data of radar images of 24 maritime targets in Republic of Korea and North Korea acquired by ISAR were pre-processed, and an artificial intelligence algorithm( ResNet-50) was applied. The accuracy of maritime targets identification showed about 99%. Out of the 81 warship types, 75 types took less than 5 seconds, and 6 types took 15 to 163 seconds.

최근 인공지능을 활용한 채용이 일반화됨에 따라 구직자들은 더 이상 AI면접 이 낯설지 않다. 사용자들은 인공지능에 의한 데이터 분석을 활용하여 직무에 가장 적합한 사람을 선택하고 근로계약을 체결한다. 사용자들은 빠르고 정확 하며 좀 더 진보된 방법이라고 여겨지는 인공지능의 활용을 적극적으로 도입 하고 있다. 채용이 절실한 구직자들에게는 선택권은 없어 보인다. 구직자의 포 괄적이고 추상적인 동의만을 얻은 채 구직자들의 개인정보는 보호받지 못하고 있다. 구직자에게 채용 절차 상의 여러 정보에 대한 접근권, 정정권 및 처리제 한권 등을 부여함에 있어서 개인인 구직자가 기업을 상대로 자신의 권리를 피 력하는 것에 한계가 있을 수 있다. 유럽의 경우 인공지능을 활용한 데이터 분 석에 대한 규제가 활발하게 도입되고 있고, 미국은 주별로 규제가 만들어지고 있는 바, 이러한 사례를 살펴보고자 한다. 인공지능을 활용한 기술을 도입하면 서 강력한 규제가 수반되는 것은 자칫 기술의 발전을 저해하는 요소가 될 수 있다는 지적이 있을 수 있다. 그러나 새로운 기술의 발전은 적절한 규제를 통 해 컨트롤 될 때 그 활용이 극대화될 수 있을 것이다.

In order to monitor the long-term condition of structures in nuclear waste disposal system and evaluate the degree of damage, it is necessary to secure quantitative monitoring, diagnosis, and prediction technology. However, at present, only simple monitoring or deterioration evaluation of the structure is being performed. Recently, there is a trend to develop monitoring systems using artificial intelligence algorithms, such as to introduce artificial intelligence-based failure diagnosis technology in nuclear power plant facilities. An artificial intelligence algorithm was applied to distinguish the noise signal and the destructive signal collected in the field. This can minimize false alarms in the monitoring system. However, it is difficult to apply artificial intelligence to industrial sites only by learning through laboratory data. Therefore, a database of noise signals and destructive signals was constructed through laboratory data, and signals effective for quantitative soundness determination of structures were separated and learned. In addition, an adaptive artificial intelligence algorithm was developed to enable additional learning and adaptive learning using field data, and its performance was verified through experiments.