방대한 빅데이터를 기반으로 발전한 인공지능 기술은 창작과 영상 예술, 인간의 고유 영역으로 여겨졌던 분야에 큰 영향을 미치기 시작했다. 전통적으로 선형적이었던 3D 애니메이션 제작 방식은 AI 이미지 생성 모델을 활용해 초기 기획, 컨셉 및 아이디어를 빠르게 비주얼화하고, 실시간 게임 엔진을 통해 실시간으로 수정 및 개선 작업을 반복하며 완성도를 높이는 비선형 적 방식으로 변화하고 있다. 본 논문에서는 Stable Diffusion의 노드 기반 비주얼 스크립트인 ComfyUI를 활용한 사전 제작 과정과 iClone 및 언리얼 엔진을 통해 디지털 휴먼을 제작하고 구체화하는 일련의 파이프라인을 분석한다. 이를 통해 전통적인 파이프라인을 넘어서는 새로운 예술적 표현의 가능성을 모색한다.

최근 급부상한 생성형 AI는 현실적인 이미지, 텍스트, 음악 및 가상 환경 등을 만들어내는 능력 에 기반하여 엔터테인먼트, 디자인, 의료 및 교육 분야 등 다양한 산업 분야에 근본적인 변화를 가 져올 혁신 동력으로서 주목받고 있다. 오픈AI 등을 중심으로 한 글로벌 빅테크 기업들은 막강한 자 본력을 바탕으로 이 분야의 기술의 고도화와 함께 산업 생태계를 빠르게 구축하며 선도적인 지위를 굳히고 있어 한국의 생성형 AI 산업의 국가경쟁력 강화가 시급하다고 할 수 있다. 본 연구는 국가 경쟁력을 설명하는 Porter의 다이아몬드 모형에 기반해 한국의 생성형 AI 경쟁력에 영향을 미치는 다양한 요인들을 분석하여 한국의 생성형 AI 산업의 성장과 혁신을 육성하기 위한 기업의 전략적 방안과 정부의 정책적 방향성을 다음과 같이 제시하였다. 연구 결과 생성형 AI 관련 기업들의 투자 활동이 응용프로그램 개발을 우선시하고 있는 것으로 나타나 정부는 근본적인 기술 혁신 분야에 R&D 지원에 나서야 함을 알 수 있었다. 또한 기업 사용자들의 생성형 AI 수요가 제한적임에 따라 다양한 관련 교육 프로그램을 개발하고 맞춤 솔루션을 제공해야하며 개인 사용자들간의 디지털 격 차를 해소하는 정책적 노력이 필요하다는 것을 보여주었다. 생성형 AI 유관 산업 육성을 위해, 기 술경쟁력 강화와 인재 육성이 필요하고, 이와 더불어 생성형 AI 산업 에코시스템 내의 기업간 협력 을 촉진하기 위해 정부의 역할이 중요하다는 것을 확인할 수 있었다.

본 연구의 목적은 유해 해양생물의 고밀도 출현을 조기에 탐지하기 위한 시스템 구축이다. 수중영상 기반 객체탐지 모델의 정 확도와 이미지 처리속도를 고려하여 실시간 적용에 적합한 YOLOv8m을 선정하였다. 영상 데이터를 해양생물 탐지 알고리즘에 적용한 결 과 다수의 어류 및 간헐적인 해파리 출현을 탐지하였다. 학습 모델의 검증 데이터에 대한 평균 정밀도는 0.931, 재현율은 0.881, mAP는 0.948로 산출되었다. 또한, 각 클래스별 mAP는 어류 0.970, 해파리 0.970, 살파 0.910로 모든 클래스에서 0.9(90%) 이상으로 산출되어 우수한 성능을 확인하였다. 과학어탐 시스템을 통해 객체의 탐지 범위와 시간에 따른 수중 객체탐지 결과를 확인할 수 있었으며 에코적분 격자 평균을 적용하여 시공간축으로 스무딩 처리된 결과를 얻을 수 있었다. 또한, 평균체적후방산란강도 값이 분석 도메인 내 객체탐지 여부에 따른 변동성을 반영하는 것을 확인할 수 있었다. 수중영상 기반 객체(해양생물)탐지 알고리즘, 환경조건(야간 포함)에 따른 수중영상 보정 기법, 과학어탐 시스템 기반의 정량화된 탐지결과를 제시하고 향후 다양한 사용처에서의 활용 가능성을 토의하였다.

본 논문의 목적은 생성형 AI 기술의 급속한 발달로 인해 변화하는 게임산업의 생태계를 살펴 보고 이에 따른 대응방안을 모색하는 데 있다. 2022년 11월 OpenAI가 ChatGPT를 대중에게 공개한 이후, 생성형 AI를 가장 직접적으로 활용 및 투자하고 있는 분야는 게임콘텐츠 산업이 다. 생성형 AI의 활용은 단순반복적인 작업의 효율화를 통해 게임 개발의 간소화와 예산 절감 을 가능케 한다. 여기에 플레이어의 반응에 실시간 반응하며 소통하는 콘텐츠 자동 생성을 통 해 사용자 경험을 극대화한다. 실제 게임 개발 현장에서도 게임 레벨, 맵, 퀘스트, 지능형 NPC, QA 자동화 등 게임 제작과 운영의 전 분야에서 생성형 AI 도구가 활용되고 있다. 신기 술에 민감하며 노동집약적인 게임의 산업적 특성 때문에 생성형 AI가 게임산업의 미래를 바꿀 것이라는 전망과 함께, 저작권 이슈와 대량 해고 등 우려 또한 제기되고 있다. 이에 대응하기 위해 게임업계는 생성형 AI가 가져올 불가피한 변화를 적극적으로 받아들이고, 이분법적 ‘대체 론’을 넘어 인간의 창의력과 AI 기술의 장점을 결합할 수 있는 새로운 협업 지성과 창작물에 대한 법적, 윤리적 가이드라인을 모색해야 한다.

We introduce the technology required todevelop a bracket process for installing and verifying FRT bumper sensors for passenger cars. Establish and demonstrate process automation through actual design and manufaturing. We conduct quality inspection of the production process using artificial intelligence and develop technology to automatically detect good and defective products and increase the reliability of the process

Artificial intelligence (AI) is an interdisciplinary subject based on computer science and has a history of more than 70 years. With the development of social industries, various service needs are developing rapidly, and AI is also playing a huge role in the application field of big data. This paper focuses on the analysis and application of AI in the subject classification system for high school students. The subject classification system adopts the characterization of subjects that a country have; and the amount of information data is huge. Different countries set up different subject systems according to the needs of social structure. In 2013, Qingdao Warwick International Education College (Warwick College) and Korean wisemento Co., Ltd. (Wisemento company) spent 4 years jointly researching and completing an analysis and assessment system suitable for Chinese subject classification system. Follow the subject and professional scoring method, the assessment system scientifically calculates trend scores and interacts with potential and career models to find the subject development direction, professional trend, future potential development direction, subject and career direction that are suitable for students. It provides trend data suitable for students’ subject development, provides scientific basis for students’ course selection, helps students understand themselves, and provides students with targeted career education development directions for subjects and careers. The education resources can be utilized effectively; student individual data also provides a basis for the management of education and teaching.

재가노인 중에서 일상생활을 정상적으로 유지하려 함에 있어 제3자의 도 움을 필요로 하는 장기요양 인정자의 비중도 증가하고 있다. 돌봄을 필요로 하는 노인의 수는 지속적으로 증가할 것으로 예측되는 반면, 돌봄 제공자인 장기요양 인력의 수는 감소하는 경향이 나타나 향후 인력 부족이 예측되고 있다. 이러한 돌봄 수요와 공급 불균형 대응방안의 일환으로 디지털 돌봄 체 계에 대한 중요성이 부각되고 있으며, 노인의 돌봄권 보장과 노인을 돌보는 가족, 돌봄 제공자(요양보호사 등)의 돌봄 부담 완화 및 삶의 질 제고를 위한 그 역할이 더욱 중요해질 것으로 예상된다. 나아가 재가 노인돌봄 영역에 디 지털 기술을 어떠한 방식으로 활용해야 할 것인지에 대한 면밀한 검토가 필 요한 시점이라 할 수 있다. 이에 본 연구는 AI기술을 활용한 선행연구들을 통하여 노인돌봄 서비스의 범주가 어느 정도까지 연구되어 있는지 살펴보고 현장에서 접근할 수 있는 실질적 개선방안을 도출하고자 한다.

This research presented the procedural framework of developing and optimizing an artificial intelligence model for predicting the change of bread texture by different baking enhancers. Emphasis was placed on the impact of various baking enhancers on the Mixolab thermo-mechanical properties of wheat flour and consequent alterations in bread texture. The application of baking enhancers positively contributed to dough formation and stability, producing bread with a soft texture. However, a relatively low Pearson correlation coefficient was observed between a single Mixolab parameter and bread texture (r<0.59). To more accurately predict the texture of bread from the thermo-mechanical features of wheat flour with baking enhancers, five AI models (multiple linear regression, decision tree, stochastic gradient descent, random forest, and multilayer perceptron neural network) were applied, and their prediction performance was compared. The multilayer perceptron neural network model was further utilized to enhance the prediction of bread texture by mitigating overfitting risks. Finally, the hyperparameter tuning (activation function [Leaky ReLU], regularization [0.0001], and dropout [0.1]) led to enhanced model performance (R2 = 0.8109 and RMSE = 0.1096).

There has been increasing interest in artificial intelligence (AI) in various fields. This phenomenon calls for human resources to be equipped with the knowledge and skills of AI and data. The Korean Ministry of Education has opened up introductory courses in AI to high school students since the second half of 2021. It will also include AI education in the 2022 revised curriculum for elementary, middle, and high school students. Despite these efforts to enhance students’ digital literacy through the innovation of the national curriculum, opportunities for taking advantage of AI and data education should be reached for more diverse learners. At the same time, the courses need to be designed with not only theoretical but practical contents and activities based on learner needs. Under these circumstances, the Science Data Education Center at the Korean Institute of Science and Technology Information (KISTI) has been providing AI and data education programs either online or face-to-face for university members, such as undergraduates, graduates, researchers, and professors. In this study, we aim to present cases of educational programs on AI and data operated by the Science Data Education Center, especially regarding those for the university components. Pertinent implications derived from the results of operating the programs will be discussed.

4차 산업혁명 시대에 건설산업은 전통적인 업무 방식에서 디지털 프로세스로 전환하고 있다. 특히, 건설산업의 특성으로 인해 업무 절차의 변경에는 어려움이 따르며, 점진적인 디지털 전환 및 시행착오가 발생하고 있다. 건설현장의 안전관리 분야도 역시 이 흐름을 따라 모든 데이터의 디지털화와 자동화를 목표로 연구 및 시도가 활발히 진행되고 있다. 그러나 최근의 통계에 따르면, 건설업 안전사 고는 계속해서 발생하고 있으며, 안전사고 사망자 수도 줄지 않고 있다. 본 연구는 이러한 문제를 해결하기 위해 건설공사 안전관리 종 합정보망의 빅데이터를 대규모 언어모델 인공지능을 통해 분석하였다. 분석된 결과는 실시간으로 업데이트가 가능한 상세설계모델 로부터 위치정보와 공간적 특성을 반영하여 안전관리가 필요한 현장모델링에 정보를 맵핑하였다. 해당 연구를 통해 건설현장 안전관 리 데이터의 디지털화를 통한 시설물 및 근로자의 안전을 강화하고, 건설사고 예방 및 효과적인 교육 지시를 위한 빅데이터 기반 안전 관리 플랫폼 개발을 목표로 한다.

Recent advances in artificial intelligence and machine learning, such as the use of convolutional neural networks (CNNs) for image recognition, have emerged as a promising modality with the capability to visually differentiate between mosquito species. Here we present the first performance metrics of IDX, Vectech’s system for AI mosquito identification, as part of Maryland’s mosquito control program in the USA. Specimens were collected over fourteen weeks from twelve CDC gravid trap collection sites, identified morphologically by an entomologist, and imaged using the IDX system. By comparing entomologist identification to the algorithm output by IDX, we are able to calculate the accuracy of the system across species. Over the study period, 2,591 specimens were collected and imaged representing 14 species, 10 of which were available in the identification algorithm on the device during the study period. The micro average accuracy was 94.9%. Of these 10 species, 7 species consisted of less than 30 samples. The macro average accuracy when including these species was 79%, while the macro average when excluding these species was 93%. In the next iteration of this technology, Vectech is translating the vector identification capabilities of IDX into systems capable of processing greater numbers of specimens at large public health facilities, and remote sensing systems that will allow public health organizations to monitor vector abundance and diversity from the office. These advances demonstrate the utility of artificial intelligence in entomology and its potential to support vector surveillance and control programs around the world.