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.

Since high-level radioactive wastes contain long-lived nuclides and emit high energy, they should be disposed of permanently through a deep geological disposal system. In Korea, the first (2016.07) and the second (2021.12) basic plans for the management of high-level disposal systems were proposed to select sites for deep geological disposal facilities and to implement business strategies. Leading countries such as Finland, Sweden and France have developed and applied safety cases to verify the safety of deep geological disposal systems. By examining the regulatory status of foreign leading countries, we analyze the safety cases ranging from the site selection stage of the deep geological disposal system to the securing of the permanent disposal system to the investigation, analysis, evaluation, design, construction, operation, and closure. Based on this analysis, we will develop safety case elements for long-term safety of deep geological disposal systems suitable for domestic situation. To systemically analyze data based on safety cases, we have established a database of deep geological disposal system regulations in leading foreign countries. Artificial intelligence text mining and data visualization techniques are used to provide database in dashboard form rather than simple lists of data items, which is a limitation of existing methods. This allows regulatory developers to understand information more quickly and intuitively and provide a convenient interface so that anyone can easily access the analyzed data and create meaningful information. Furthermore, based on the accumulated bigdata, the artificial intelligence learns and analyzes the information in the database through deep learning, and aims to derive a more accurate safety case. Based on these technologies, this study analyzed the legal systems, regulatory standards, and cases of major international leading countries and international organizations such as the United States, Sweden, Finland, Canada, Switzerland, and the IAEA to establish a database management system. To establish a safety regulation base suitable for the domestic deep geological disposal environment, the database is provided as data to refer to and apply systematic information management on regulatory standards and regulatory cases of overseas leading countries, and it is expected that it will play a key role as a forum for understanding and discussing the level of safety of deep geological disposal system among stakeholders.

인공지능 기술이 발전함에 따라, 과거의 범죄 관련 데이터를 광범위하게 수집ㆍ분석하여 미래의 범죄발생 시간ㆍ장소나 범죄자, 피해자를 예측 하고 특정인의 재범위험성을 예측하는 인공지능 알고리즘이 개발되어 형사절차에 실제로 활용되는 단계에 이르렀다. 이러한 알고리즘의 활용은 수사기관이나 재판기관의 자의적 판단을 방지하고 판단의 객관성과 합리성을 제고하는 방법이 될 수도 있는 반면, 데이터의 오류로 인해 왜곡된 판단이 도출될 가능성, 기존의 편견을 강화ㆍ재생 산할 위험성, 예측의 부정확성, 알고리즘의 작동 방식 비공개로 인한 검증 불가능성, 법관을 비롯한 의사결정주체들이 알고리즘의 판단결과에 지나친 영향을 받을 위험성 등이 문제점으로 지적 된다. 형사절차에서 인공지능 알고리즘의 활용가능성과 한계는 구체적인 형사절차상의 국면에 따라 달리 판단되어야 한다. 인공지능 알고리즘의 예측 결과는 경찰관이 불심검문 대상자 여부를 판단할 때나 법원이 피의자의 인신구속 여부를 판단할 때 근거자료로 활용될 수 있을 것이나, 개별적ㆍ 구체적인 정황 없이 오로지 알고리즘의 예측결과만을 근거로 불심검문을 시행하거나 인신구속을 할 수는 없다고 보아야 한다. 공판절차에서의 유무죄 판단의 경우에는 엄격한 증명의 법리가 적용되는데, 현재 개발ㆍ활용되고 있는 인공지능 예측기술들은 아직 그 이론적 근거나 정확성이 충분히 검증되어 일반적으로 승인되는 수준에 이르렀다고 할 수 없으므로 증거능력을 인정할 수 없다고 보아야 한다. 엄격한 증명의 법리가 적용되지 않는 양형 판단의 경우에는 인공지능 알고리즘에 의한 재범위험성 평가결과를 판단의 근거자 료로 참작할 수 있을 것이나, 이 경우 헌법상 피고인에게 보장되는 법관에 의한 공정한 재판을 받을 권리에 의한 제한을 받는다. 따라서 알고리즘에 의한 자료를 제출할 때는 반드시 알고리즘의 정확성에 대한 검증결과를 함께 제출하게 하여야 하고, 알고리즘의 작동원리를 공개하고 이를 법관과 당사자들이 이해할 수 있는 방식으로 설명하도록 하여야 하며, 알고리즘의 판단결과에 대해 피고인이 실질적으로 반박할 수 있는 기회를 보장하여야 할 것이다. 입법론으로는 인공지능 알고리즘의 형사절차에서의 활용에 관한 기준과 한계를 법령으로 명확하게 정하는 것이 바람직하다.

This study analyzed to what degree artificial intelligence conversation systems can recognize and respond to human’s emotion language, and it aimed to suggest areas that need to be supplemented for emotional exchange conversations. For this purpose, the study conducted experiments on three kinds of speakers with artificial intelligence conversation system. As a result, the following points have to be solved for the emotional exchange in the artificial intelligence conversation system. First, from the viewpoint of recognition, it is necessary to strengthen the learning of various phrases and expressions related to the emotion, since only the emotion language composed of one word can be grasped at this time. Second, from the viewpoint of the reaction, it is necessary to construct effective dialogue and content by learning the proper dialogue principles as a communication partner for humans that can empathize and communicate, rather than as a machine that evokes instrumental purpose. The significance of the study is what an artificial intelligence conversation system needs for emotional exchange with humans to establish a foundation for a more accurate and efficient development of technology.

대의제는 익히 대화와 토론을 통한 공공의 이익 판단을 위하여 고안된 정치제도이다. 공공의 이익은 ‘결정’ 되거나 ‘발견’ 되어 진다. 결정되는 공익은 가치관의 차이에 의거 극단적인 대립 속에서 다수결의 원칙으로 정해지는 것이고 발견되는 공익은 숙의 없이 공익이 발견되는 경우와 숙의가 반드시 필요한 경우로 나뉜다. AI는 이 세 가지 유형 중에서 숙의가 필요한 경우에 가장 유용하게 사용될 수 있다. 현재에도 대의제의 핵심 요소인 선거를 통하여 선출된 대표자들이 공공의 이익을 판단을 돕기 위한 여러 가지 제도와 장치들이 구성되어 있다. 대통령의 직무를 돕기 위해 대통령의 인사권이 인정되는 ‘임명직’ 공직자나 국회의원의 공공의 이익 판단을 위해 국민 세금으로 운영되는 국회예산정책처, 국회입법조사처 등의 조사기관들이 그것이다. 이와 같이 최종 공익결정 권한이 없는 중간 판단자와 공익 결정의 권한이 있는 결정 주체 모두에게 AI는 유용할 수 있다. 물론, 대표를 선출하지 않는 (직접)민주주의 하에서도 AI는 기능할 수 있다. AI가 제공한 정보로 가부를 묻는 실시간 국민투표를 실시할 수 있는 기술의 발전을 기대할 수 있기 때문이다. 다만, 이와 같은 경우에는 가부를 묻는 의제의 선정을 사람이 아닌 AI가 맡기 때문에 실질적으로는 AI가 사람을 지배하는 상황으로 변질 될 수 있는 위험성도 매우 크다. 한 발 더 나아가 AI가 의제를 결정하고 중간 판단도 하며 최종 공익 결정도 AI가 할 경우 사람은 주권을 포기하거나 강탈당하거나 양자 중에 선택해야 한다. 물론 이와 같은 경우는 헌법적으로 용인되지 않는다. 그러나 이에 앞서 필수적으로 고려해야 하는 인공지능의 특징이 있다. 대부분의 사람들은 사람에 비하여 훨씬 AI가 ‘객관적’이라 믿는다. 하지만, AI는 어떤 알고리즘을 통하여 학습하는가에 따라서 완벽하게 다른 결론을 ‘객관적’으로 보이도록 할 수 있다. AI가 입법과정을 다룸에 있어서 사람만큼이나 편견이 생겨 그 편향성이 강화된다면 AI에게 객관성을 기대하기 어렵다. 편향성을 가진 인공지능이 의제를 결정하고 중간판단에도 개입하고 최종 공익 결정도 누군가에 의해 의도적인 알고리즘 조작을 통해 가능하다면 그것이 우리 인류가 대의제를 고안한 근본 원칙에 맞는 것인가에 대해 동의할 수 없음은 자명하다. 이것이 AI가 발전하면 서도 궁극적으로 공공의 이익의 최종 판단을 합의제 의사결정 기구인 국회에서 ‘사람’으로 구성된 국회의원이 해야만 하는 이유이다. 객관적일 것이라 기대하는 AI도 우리만큼 편향적일 수 있기에 우리가 마지막으로 기댈 수 있는 것은 ‘불완전한 인간’들의 숙의를 통한 공익 추구뿐이다.

New product entails risk, causing resistance to adoption. The recommendation system may decrease the psychological risk by guiding decision making process to be more efficient (Häubl and Trifts, 2000). AI (Artificial Intelligence) has been getting smarter and smarter and widely applied to the recommendation system. Even while you are browsing on your Facebook, AI recommends you the products that you may like based on the customized analysis of your interest. However, do people always love to adopt the smart recommends from AI? Definitely no! Then when and why people reluctantly accept AI recommendation? We assume that the product or service where the sense and feeling is important, people might be reluctant to accept the recommendation from artificial intelligence. This is because people might feel threatened when the AI challenges against human uniqueness (Gray and Wegner, 2012). Thus, in this study we investigated how the recommendation system types (AI vs. Human) affect brand attitude depending on the brand image (Symbolic vs. Functional). We found consumers are reluctant to accept a recommendation from AI in symbolic brand where human sense and feel are considered to be critical factors (Study1). This effect was further explained by uncanny-feeling toward the AI recommendation system (Study2). This research is meaningful in that it is the first attempt to apply the artificial intelligence recommendation concept to the marketing strategy by incorporating the concept of brand image. We predicted and found AI based recommendation system is reluctantly accepted for symbolic brand. Furthermore, we discovered the underlying process for this phenomenon as uncanny feeling. People seemed to have uncomfortable feelings against AI recommendation when the brand image is related to sense and feel considered as nature of human uniqueness. Thus, marketers should be very cautious when utilizing the AI recommendation system not to threaten human uniqueness area.

Recently, since the development of internet and online space, people experience new communication space and games different from traditional ones. People share their experiment of games and item in the online space with internet. This paper proposes the design of the MMORPG item’s pricing decision system. First, the on-going “chatting” in the game chatting system is collected by chatting API. This collected chatting is the information including terms of game item. Then, extracted terms of game item are classified on the basis of collective intelligence model and generate a table of weight. At last, this system can recommend suitable MMORPG item to users with the obtained weight table storing as ontology.

This study analyzes the existing case studies on the harmful chemical accident response system and analyzes the factors for decision - making and decision - making in the hazardous chemical accident site. Based on the conceptual model of collective intelligence as a new decision - making method, we will build a decision - making model based on collective intelligence that can be applied in the hazardous chemical accident site. The collective intelligence model proposed in this study is designed around hazardous chemical accidents, and it is necessary to conduct empirical studies through the composition of more specific expert groups.

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