저작권법이 2011. 12. 2. 개정되어 공정이용 조항이 도입되었다. 이로써 저작물의 통상적인 이용 방법과 충돌하지 아니하고 저작권자의 정당한 이익을 부당하게 해치지 않는 경우에 해당하면 저작물을 이용할 수 있게 되었다. 공정이용 해당 여부를 판단하는 데에는 이용의 목적 및 성격, 저작물의 종류 및 용도, 이용된 부분이 저작물 전체에서 차지하는 비중과 그 중요성, 저작물의 이용이 그 저작물의 현재 시장 또는 가치나 잠재적인 시장 또는 가치에 미치는 영향 등을 고려하여야 한다. 미국 사례로서 선거운동에서 이용허락 없는 원음악저작물을 사용한 경우와 국내 사례로서 실제 골프코스를 화면에 재현하여 스크린 골프장 운영업체에 제공한 경우, 박람회에서 이용허락 없이 홍보 동영상을 재생한 경우, 방송사의 시험문제를 비판하기 위하여 대상 문항을 인터넷에 게시한 경우, 노동착취 행위를 알리는 과정에서 작가를 조롱하기 위하여 예술작품을 복제한 경우를 소개하고 이를 통해 실제 사례에서 위와 같은 판단 요소가 어떻게 고려되는지 살펴보았다. 한편 인공지능의 빅데이터 활용에도 공정이용조항이 적용될 수 있다. 공정이용조항은 저작권 제한 사유를 구체적⋅개별적으로 열거한 것이 아니라 일반적⋅포괄적으로 규정하고 있으므로, 인공지능과 같이 빠르게 발전하는 기술에 따른 다양한 저작물 이용 형태까지도 적시에 파악하여 저작권자와 이용자 또는 일반 공중 사이의 이익을 합리적으로 조율할 수 있다는 장점이 있다. 이때에는 위와 같은 법률상의 고려요소와 함께 저작권자의 권리 보호를 위한 합리적인 노력 내지 조치의 존부, 산재된 이득의 집적 효과, 그로 인한 이해당 사자들이 얻는 이익 또는 불이익의 정도 등을 종합적으로 고려하여야 한다. 그러나 공정이용조항은 인공지능의 빅데이터 활용을 가능하게 하는 임시적인 방편에 불과하다. 예측가능성을 제공하여 기술 발전을 도모하기 위해서는 텍스트 및 데이터 마이닝에 관한 입법적 조치가 요구된다. 입법 과정에서는 4차 산업혁명 시대에 있어 인공지능의 적극적 활용을 위한 제도적 장치 마련의 필요성이라는 측면과 함께, 산재된 저작권의 경미한 이용에서 비롯된 재산적 가치의 이전에 대한 보상의 필요성이라는 측면까지도 충분히 고려되어야 할 것이다.

목적 : 인공지능의 기계학습 또는 심층학습을 이용한 연구가 다양한 분야에서 시도되고 있다. 본 연구는 공공 시력데이터를 자동화 수집하고, 수집한 데이터를 기계학습에 적용 및 예측하였다. 다양한 학습모델간 성능을 비교 함으로써, 시과학분야에서 적용 가능한 기계학습 최적화모델을 제시함에 있다. 방법 : 국민건강보험(NHISS) 및 통계포털(KOSIS)에 발표된 국민 시력분포 현황관련 자료를 특정 색인을 포함하 는 자료검색기법인 크롤링(crawling)을 사용하여 검색 및 수집을 자동화하였다. 2011년부터 2018년까지 보고된 모든 자료를 수집하였으며, 데이터 학습을 위해 Linear Regression, LASSO, Ridge, Elastic Net, Huber Regression, LASSO/LARS, Passive Aggressive Regressor 그리고 Pansacregressor 총 8개 모델을 사용하여 각각 데이터 학습 하였다. 결과 : 수집한 데이터를 기반으로 기계학습 모델을 통해 2018년을 예측하였다. 각 모델간 2018년도 실제-예측데 이터 차이를 MAE(Mean Absolute Error)와 RMSE(Root Mean Square Error) 점수로 각각 나타냈다. 학습모델 별 차이 중 MAE 평가결과 모델간 우/좌 Linear Regression(0.22/0.22), LASSO(0.83/0.81), RIDGE(0.31/0.31), Elastic Net(0.86/0.84), Huber Regression(0.14/0.07), LASSO/LARS(0.15/0.14), Passive Aggressive Regressor (0.29/0.18) 그리고 RANSA Regressor(0.22/0.22)를 보였다. RMSE에서 Linear Regression(0.40/0.40), LASSO (1.08/1.06), Ridge(0.54/0.54), Elastic Net(1.19/1.17), Huber Regression(0.20/0.20), LASSO/LARS(0.24/0.23), Passive Aggressive Regressor(0.21/0.58) 그리고 RANSA Regressor(0.40/0.40) 각각 나타냈다. 결론 : 본 연구는 자동화 자료검색 및 수집을 위한 크롤링 기법을 이용하여 데이터를 수집하였다. 이를 기반으 로 고전 선형모델을 기계학습에 적용할 수 있도록 하고, 데이터 학습을 위한 8개 학습모델들 간 성능을 비교하였다.

카렐 차페크의 『로봇』은 인간을 위해 로봇이 노동하는 미래 사회를 다룬 SF 문학이다. 작품에서 인공지능 로봇의 발전뿐만 아니라 미래 사회에 대한 유토피 아적, 디스토피아적 시각이 모두 나타난다. 물론 작품은 유토피아적 사고의 한 계를 드러내고, 프랑켄슈타인 신드롬의 재현과 인류의 파멸을 통해 디스토피아 를 연출한다. 이러한 SF적 상상력과 긴밀하게 결합되어 있는 것이 기독교적 요소이다. 작품에서 기독교는 다양한 방식으로 작동한다. 첫째, 인간의 신격화를 비판하는 기능, 둘째, 인간의 파멸을 암시하는 기능, 셋째, 서로 사랑하는 로봇 을 하나의 생명체로 수용하는 기능이다. 그럼으로써 작품에 나타난 기독교적 요 소들은 과학기술의 발전으로 인한 인간의 교만과 탐욕을 경고하는 메시지와 연 결될 뿐만 아니라 로봇을 생명의 시각에서 수용하는 현대 과학자들의 논의와도 결합되어 나타난다. 따라서 􋺷로봇􋺸에서 미래 사회 과학기술의 발전과 주요 논 의에 대한 예견은 SF적 상상력과 종교적 상상력의 결합에 기반한 결과로 인식 된다.

최근 인공 지능이 발달하면서 인간이 외부 환경이나 사건에 어떻게 반응하고 인식하는지에 대한 연구는 끊임없이 지속되고 있다. 이는 독자적인 학문 분야만의 연구로는 인간의 인지 구조를 밝히기는 쉽지 않고, 공학이나 인문학 등 다양한 학문 분야가 융합하여 꾸준한 연구가 필요한 부분이라 하겠다. 이 연구에서는 인간의 인지 구조를 탐구하기 위한 방안의 일환으로 인간의 자연언어를 지식베이스화 하여 하나의 망으로 구조화한 어휘의미망 구축에 기여할 수 있는 언어 요소의 속성 체계화에 초점이 있다. 이를 위해서 동사 ‘지나다’를 대상으로 개념명을 설정하고 각 개념명에 소속(mapping)될 수 있는 다의(多義) 속성을 체계화 해야 할 것이다. 또한 동사 ‘지나다’의 각 개념명별로 기본 의미, 격틀 정보, 논항구조, 의미역, 공기하는 명사, 상적 속성, 상황유형 등의 요소를 살펴서 어휘의미망 구축에 기여할 수 있도록 하고자 한다.

SW, AI 등으로 인한 사회적 변화는 교육에도 영향을 미치고 있다. 변화하는 기술이나 산업에 대응하기 위한 교육과정의 변화는 교사들의 역량 강화에 대한 요구로 이어지고 있다. 이에 본 연구는 개정될 교육과 정에 적응할 수 있도록 교사의 AI 관련 융합 역량 강화를 위한 교육과정을 개발하기 위한 목적으로 진행되 었다. 목적 달성을 위해 18개의 국내외 대학의 AI 관련 교육과정을 분석하였다. 분석 결과를 토대로 초중등 교사를 위한 AI융합 교육과정을 개발하였다. 초중등 교사들을 위한 교육대학원의 AI융합 교육 교육과정은 6개 영역에서 총 28개의 과목으로 개발하였다. 필수 영역을 비롯하여 AI교육 방법론, 소프트웨어 입문, 인공지능을 위한 프로그래밍, 데이터과학과 기계학습, AI와 교육의 6개의 영역이다. 각 영역은 3개에서 8개의 과목으로 구성되었다.

To increase the utilization of the intelligent methodology of smart farm management, estimation modeling techniques are required to assess prior examination of crops and environment changes in realtime. A mandatory environmental factor such as CO2 is challenging to establish a reliable estimation model in time domain accounted for indoor agricultural facilities where various correlated variables are highly coupled. Thus, this study was conducted to develop an artificial neural network for reducing time complexity by using environmental information distributed in adjacent areas from a time perspective as input and output variables as CO2. The environmental factors in the smart farm were continuously measured using measuring devices that integrated sensors through experiments. Modeling 1 predicted by the mean data of the experiment period and modeling 2 predicted by the day-to-day data were constructed to predict the correlation of CO2. Modeling 2 predicted by the previous day's data learning performed better than Modeling 1 predicted by the 60-day average value. Until 30 days, most of them showed a coefficient of determination between 0.70 and 0.88, and Model 2 was about 0.05 higher. However, after 30 days, the modeling coefficients of both models showed low values below 0.50. According to the modeling approach, comparing and analyzing the values of the determinants showed that data from adjacent time zones were relatively high performance at points requiring prediction rather than a fixed neural network model.

인공지능이란 기계가 인간과 동일하게 사고하기 위한 기술을 말하며, 과거부터 인공지능 기술에 대한 개념은 존재하였지만 2010년 이후 빅데이터 관련 기술, 클라우드 컴퓨팅 관련기술, 네트 워크 관련기술의 급진적이고 비약적인 발전 때문에 최근에 4차 산업혁명의 핵심이 되었고 앞으로는 엄청난 영향력을 가지게 될 기술이다. 인공지능 관련 발명의 특허법적 문제를 살펴보기 위해 우선 IP5 각국에서의 소프트웨어 발명에 대한 특허 적격성 판단을 각국 규정과 사례를 통해 간단하게 검토한다. 이후에, 인공지능 관련 발명의 특수성을 추가로 살펴본 후, 이를 고려한 특허법상 유의사항으로서 특허 적격성 판단 등 특 허권 인정을 위한 제반 이슈, 인공지능 관련 발명의 하위 요소들의 특허로의 보호가능성, 인공지능 관련 발명의 특허권의 권리행사의 실효성 문제들을 간단하게 고찰해 본다. 뒤이어, 비중을 가장 높게 두고 살펴보고 싶었 던 IP5 각국의 인공지능관련 심사기준 개정 동향을 구체적으로 살펴본다. 미국의 동향으로는 2019년 초에 수정된 특허적격성 가이드라인을, 유럽의 동향으로는 2018년 11월 개정된 심사 가 이드라인에 추가된 인공지능 기술 관련 정의 내용을, 중국의 동향으로는 2017년 개정 심사지침의 컴퓨터 프로그램에 대한 특허적격성 확대 내용을, 일본의 동향으로는 2018년 개정된 SW발명 심사기준과 2018/2019년 추가된 심사핸드북 개정내용을, 우리나라의 동향으로는 4차 산업혁명 관련 신특허분류체계 수립과 2018년 개정된 심사기준의 내용을 살펴보았다.

4차 산업혁명의 핵심 원동력은 인공지능이다. 국가 간 AI 기술력 경쟁에서 뒤쳐지지 않기 위해 서는 특허권 확보가 중요하다. 이에 대해 미국은 Alice 판결 이후 컴퓨터구현발명에 대한 특허적 격문턱이 높아지고 이에 대한 판결은 일관성이 없다는 비판이 있었는바, 2019년 개정가이드라 인을 발표하였다. 금번 개정가이드라인은 특허권 자친화적인 입장에서 특허적격성의 문턱을 낮췄 다는 평가가 있다. 우리나라 또한 2019년 4차 산 업혁명 혁신기술 보호를 위해 SW 분야 특실 심사기준을 개정하였다. 그러나 인공지능은 컴퓨터구현발명으로서 종종 그 광범위성이 문제된다. 이는 발명자의 청구항의 권리범위는 기술 진보에 대한 발명자의 기여에 비례해야 한다는 특허법 기본 목적에 반할 수 있다. 따라서 인공지능이 활용되는 미래에 대비하기 위해서 컴퓨터구현발명의 성립성 기준을 낮추면서도 광범위한 특허들을 억제할 방법이 필요하다. 이때, AI 기술분야에서 광범위성 억제 방법으로 청구항 해석단계에서의 명세서 기재요건의 중요성이 강조된다. 또한, 기능식 청구항들의 광범위성을 억제하기 위해 권리범위 전부를 무효로 하는 대신, 기능식 청구항의 권리범위를 상세한 설명에 기재된 구조(알고리즘, 컴퓨터)로 한정하여 제한적으로 해석하는, ‘컴퓨터 구현 기능식 청구항 한정들에 대한 미국의 35 U.S.C. §112(f) 규정의 해석방법’을 우리나라 실정에 맞게 도입할 필요성이 있다.

4차 산업혁명과 관련된 새로운 기술들은 다양한 법적 이슈를 낳으면서 입법자들과 법률가들을 곤란하게 만들고 있다. 특히 인공지능의 출현은 기존 지식재산권 보호 체계에 큰 혼란을 야기하고 있다. 인공지능을 발명자 또는 저자로 인정할 수 있는지 문제에서부터 인공지능이 지식재산권을 침해했을 때 발생하는 책임 소재와 구제 방법 문제까지의 다양한 법적 이슈들은 지금까지 없었던 지식재산권법의 근본적인 영역에 대하여 물음을 던지고 있는 것이다. 이에 본고에서는 인공지능 창작물의 보호 방안에 관한 다양한 선행연구를 분석하였고, 분석 결과 인공지능 창작물의 지식재산권법상 보호 방안에 대하여 뚜렷한 해결책이 없이 다양한 의견이 제시되고 있음을 확인하였다. 뚜렷한 해결책이 제시되지 못한 이유는 현행법의 해석론상 불명확성을 제거하기에 한계가 있기 때문인 것으로 판단 되었다. 이런 불명확성을 해소하기 위해 인공지능 창작물의 지식재산권법상 보호 정당성 문제를 깊이 들여다보았다. 현재 지식재산권 정당화의 이론적 근거로 받아들여지는 인센티브 이론은 인간 발명자 또는 저자를 전제로 하여 발전한 이론으로, 인센티브가 필요 없는 인공지능에게 인센티브 이론을 근거로 한 지식재산권 보호 체계는 적합하지 않다는 결론에 도달하였다. 따라서 인공지능 창작물을 지식재산권법에서 보호하기 위해서는 기존의 정당화 이론에 새로운 변화나 수정이 필요하며, 이런 변화나 수정에는 지식재산권의 보호로부터 파생되는 결과의 공유와 확산을 중시하는 실용주의 이론(Investment Theory)의 시각을 강조하는 것이 타당한 것으로 분석되었다. 선행연구에 대한 분석과 보호 정당화 이론에 대한 고찰을 기초로 지식재산권법상 인공지능 창작물의 보호 프레임워크에 대한 새로운 방향 또는 시각을 검토하였다. 그 결과 인공지능 창작물의 ‘생산’과 ‘이용’ 중에서 실용주의 이론을 기초로 ‘이용’이라는 공익적 측면을 강조해 누구나 인공지능 창작물을 사용할 수 있도록 하되 그 사용에 대한 로열티를 지불하는 약한 보호의 인센티브로 인공지능 관련자들을 유인하여 인공지능 산업의 발전과 혁신을 이룰 수 있는 새로운 보호 프레임워크를 제안한다. 일예로, 인공지능이 인간의 개입이 없이 창작한 결과물은 소유자를 정할 수 없으므로 국유재산으로 처리하되, 로열티 지불시 누구나 사용할 수 있도록 하고, 로열티의 일부를 인공지능 산업 발전에 지원되도록 제도화하는 것을 고려해볼 수 있다. 이와 같은 새로운 보호 프레임워크 설계에는 표준기술의 ‘이용’을 장려하는 표준특허제도가 참고가 될 수 있을 것으로 생각 된다.

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.

본 연구에서는 인공지능기법을 이용하여 진동만의 용존산소량 예측을 하였다. 관측자료에 존재하는 결측 구간을 보간하기 위해 양방향재귀신경망(BRITS, Bidirectional Recurrent Imputation for Time Series) 딥러닝 알고리즘을 이용하였고, 대표적 시계열 예측 선형모델인 ARIMA(Auto-Regressive Integrated Moving Average)과 비선형모델 중 가장 많이 이용되고 있는 LSTM(Long Short-Term Memory) 모델을 이용 하여 진동만의 용존산소량을 예측하고 그 성능을 평가했다. 결측 구간 보정 실험은 표층에서 높은 정확도로 보정이 가능했으나, 저층에서는 그 정확도가 낮았으며, 중층에서는 실험조건에 따라 정확도가 불안정하게 나타났다. 실험조건에 따라 정확도가 불안정하게 나타났다. 결과로부터 LSTM 모델이 중층과 저층에서 ARIMA 모델보다 우세한 정확도를 보였으나, 표층에서는 ARIMA모델의 정확도가 약간 높은 것으로 나타났다.

악성 게시글 및 댓글의 위험성에 대한 사회적 경각심이 높아지고 있는 상황 속에서, 인터넷 포 털 사이트와 SNS 등은 악성 게시글 및 댓글 등 을 AI를 통하여 필터링하는 기능을 도입하고 있 다. 그 과정 속에서 AI가 어떠한 기준에 따라 필 터링을 하는지 구체적인 내용이 공개되지 않아 이용자들의 반발이 계속되고 있다. AI 필터링의 확산은 불가피하게 이용자의 표 현의 자유, 알 권리를 제약하는 결과로 이어진다. 특히 AI 필터링은 인간에 의한 필터링과 달리 필 터링 결과에 이른 근거가 무엇인지 인간이 이해 할 수 있는 방법으로 인간에게 전달하는 것이 어 렵다는 점에 특징이 있다. 설명가능 인공지능(XAI)은 이용자에게 시스 템의 개별 의사결정에 대한 설명을 제공하고, 이 용자가 AI 시스템의 전반적인 강점 및 약점을 이 해하도록 도와주는 기술이며, 미국 방위고등연구 계획국(DARPA)의 주도하에 연구가 진행되고 있다. XAI는 다양한 분야에서 이용자로부터 신뢰 를 얻고 사회적 수용을 위한 공감대를 형성하는 수단이 될 것으로 예상된다. EU의 일반개인정보보호규정(GDPR)은 정보 주체들이 인공지능 알고리듬이 어떻게 결과를 도 출하는지에 대한 설명을 요구하는 근거규범을 포 함하고 있다. 설명요구권과 자동화된 의사결정을 제한할 권리를 규정함으로써 정보주체의 기본 권 리를 보장하기 위한 규제 메카니즘을 구축하였다. 이로써 XAI 개발과 설계를 위한 노력이 긴요한 과제가 되었다. GDPR의 AI 규제 메카니즘 구축이 기술 발전 을 저해하는 효과를 낳을 수 있다는 부정론도 제 기되고 있다. 하지만 AI 알고리듬의 오류 발생 가 능성이 상존하므로, AI 필터링의 신뢰도를 확보 하기 위한 근거 설명의 필요성이 크다는 점에서 AI의 알고리듬 도출 결과의 근거를 요구할 수 있 는 입법이 긴요하다고 볼 수 있다.

인공지능은 학습, 추론, 판단, 이해, 행동 등 인간의 지적 능력의 일부 또는 전체가 컴퓨터 프로그램을 통하여 구현된 것을 말한다. 따라서 소프트웨어가 매우 중요하다고 할 것이다. 그럼에도 불구하고 인공지능의 소프트웨어와 관련하여서는 많은 연구가 이루어지지 않고 있다. 지원이 종료된 운영체제가 적용된 인공지능을 사용하다가 사고가 나는 것을 방지하기 위하여 운영체제의 지원이 종료되기 전 최신 운영체제로 업데이트해주는 것이 필요하다. 이러한 자동업데이트가 가능하도록 하기 위해서는 사전에 소비자에게 자동업데이트에 관한 동의를 얻어야 한다. 이러한 동의는 자유롭게 이루어져야하며, 구체적이고, 충분한 정보를 제공받았어야 하며, 명백한 표시여야 한다. 또한 이러한 자동 업데이트를 위한 동의는 사전에 포괄적으로 이루어질 수밖에 없을 것으로 보이고, 이러한 방식으로 동의를 얻는 것은 ‘약관’에 해당한다고 할 수 있다. 따라서 약관법의 적용을 받는다. 뿐만 아니라 소프트웨어의 안전을 위하여 지속적인 업데이트는 필요하기 때문에 자동업데이트에 반대한 경우라도 업데이트가 있을 때마다 개별적인 동의를 받는 등의 해결방법이 필요할 것으로 보인다. 만약 개별적인 동의를 얻는 과정에서 업데이트를 거부하여 업그레이드되지 않은 소프트웨어의 오류로 인하여 인공지능 등이 손해를 발생시키는 경우 그 손해에 대한 배상책임은 소유자가 지도록 하는 것이 타당하다. 제조자가 업데이트를 하지 않는 경우 소비자가 매도인에게 하자담보책임에 기하여 업데이트를 청구할 수는 있다. 그러나 단순 매매만을 한 매도인에게 업데이트를 청구하는 것은 바람직하지 않고, 소프트웨어에 관하여 가장 잘 알고 있는 것이 제조업자이기 때문에 제조업자에게 업데이트를 청구하는 것이 가장 바람직할 것이다. 그러나 인공지능의 소프트웨어는 이제 막 발전하고 있는 단계로 제조업자가 제조물을 공급한 당시의 과학·기술 수준으로는 결함의 존재를 발견할 수 없었다는 이른바 ‘개발위험의 항변’을 주장할 가능성이 크다. 이러한 점에서 더욱이 제조물관찰의무의 필요성이 대두된다. 그러나 우리나라의 제조물책임법은 제조물관찰의무 위반의 효과에 관해서만 규정하고 있을 뿐 의무의 이행방법에 관하여는 규정하고 있지 않다. 따라서 이러한 부분의 구체화가 필요할 것으로 보인다. 따라서 적극적 제조물관찰의무의 구체적인 이행방법에 관한 규정이 필요할 것으로 보이고, 이러한 적극적 제조물관찰의무의 이행 방법으로 설계의 변경과 회수의무의 법제화가 필요할 것으로 보인다. 또한 제조물책임법은 무과실책임을 그 원칙으로 하고 있어 제조자에게 큰 부담을 지우고 있다. 게다가 전술한 바와 같이 제조물관찰의무의 이행방법 중 하나인 회수의무와 설계의 변경을 의무화하는 경우 그 부담은 더욱 커질 것으로 보인다. 이러한 부담은 결국 제조물 즉, 인공지능의 가격을 높이게 만들 것이며 이는 소비자의 부담으로 이어질 것이다. 이러한 문제를 해결하기 위하여 제조물배상책임보험의 의무화가 필요하다.

본 연구는 지능형 개인비서 서비스의 사용 경험을 HCI의 평가 기준을 바탕으로 비교ㆍ분석하여 사용 경험의 긍정적인 요소와 개선되어야 할 요소를 탐색하고자 한다. 현 시장에서 점유율이 가장 높은 지능형 개인비서 서비스인 애플의 시리, 구글의 구글어시스턴트, 삼성의 빅스비를 대상으로 연구를 진행하였다. 연구 방법은 1차로 문헌 연구를 통하여 현 서비스의 개념과 특징에 대해 비교ㆍ분석하였고 2차로 약 2주간 UI/UX 디자인 전문가 7명을 대상으로 맥락질문법을 활용하여 인터뷰를 진행하였다. 인터뷰는 피터 모빌(Peter Morville)의 사용자 경험 허니콤(user experience honeycomb) 7가지 사용성 원칙을 5가지로 재구성하여 유용성, 편의성, 시각적 매력성, 신뢰성, 만족도에 대한 질문을 진행하였다. 이후 재구성한 사용성 원칙 내용을 바탕으로 평가 rating 및 시스 템 사용성 척도 (SUS) 를 바탕으로 평가를 실시하였다. 본 연구는 인공지능 개인비서 서비스의 사용경험을 정량적, 정성적으로 분석했다는데 의의가 있다.

Artificial intelligence (AI) has been applied to most industries by enhancing automation and contributing greatly to efficient processes and high-quality production. This research analyzes the applications of AI-based automobile accident prevention systems. It deals with AI-based collision prevention systems that learn information from various sensors attached to cars and AI-based accident detection systems that automatically report accidents to the control center in the event of a collision. Based on the literature review, technological and institutional changes are taking place at the national levels, which recognize the effectiveness of the systems. In addition, start-ups at home and abroad as well as major car manufacturers are in the process of commercializing auto parts equipped with AI-based collision prevention technology.