본고에서는 2000년부터 2023년까지 게재된 고고학 분야 학술논문과 학위논문 1,307편을 대상으 로 제목, 주제어, 국문초록을 분석하여 청동기시대 연구동향을 살펴보았다. 분석 방법은 딥러닝 모델 을 활용한 토픽 모델링 기법인 버토픽(BERTopic) 분석을 이용하였다. 분석 결과 총 20개의 토픽이 도출되었으며, 추가적으로 계층적 클러스터링을 실시한 결과‘취락’,‘분묘’,‘편년’,‘유물’의 상위 4개 토픽으로 재군집되었다. 이를 활용하여 먼저 연도별 연구동향을 검토하였다. 전반적으로 상위 토픽이 포함된 연구논문의 수 량은 2010년대 중반까지 큰 폭으로 증가한다. 2000년대 이후 비약적으로 증가한 발굴조사로 인해 관 련 연구가 활발히 진행된 것으로 보인다. 그러나 하위 토픽이 포함된 연구논문의 수량은 시기별로 상 이하게 나타난다. 이와 관련하여 대규모 유적과 특정 유구ㆍ유물의 존재 여부, 자연과학분석 건수의 영향, 새로운 분석 방법의 도입 등을 원인으로 상정하였다. 다음으로 지역별 연구동향을 살펴보았다. 4개의 상위 토픽 중‘취락’은 호서,‘분묘’는 호남, ‘유물’은 영남,‘편년’은 중국의 자료가 주로 다루어졌는데, 특정 지역에 집중 분포하는 유구ㆍ유물 복합체의 존재 여부와 해당 지역 발굴조사 성과에 따른 결과로 이해하였다. 지역 간 비교는 주로 국내 자료를 대상으로 연구되었다. 세부적으로는 중부, 호서, 영남지역의 자료를 대상으로 한 논문이 다수 를 차지한 반면, 제주와 영동지역의 경우 소수에 불과하다. 국외 지역 중에서는 중국과 북한 자료가 상대적으로 다수 다루어지고 있음이 확인되었다. 청동기시대 연구동향에 대해 데이터 기반의 접근 방식을 이용하여 전반적인 흐름을 파악하였다. 빅 데이터로 전환되고 있는 청동기시대 자료의 관리 및 활용 측면에서 인공지능 기술의 적용 가능성을 검토하였다는 점에 의미를 두고 싶다.

포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

기존 신호제어기법은 과거 주기에 파악된 교통상황을 바탕으로 다음 주기의 교통신호시간을 설계하는 방식으로 신호시간을 설계하기 위해 관측할 때의 교통상황과 신호시간을 제공받는 교통상황 간의 간극이 존재하였다. 또한, 설정된 주기길이 동안 차량이 교차로에 일정하게 도착하는 균일분포를 가정하지만, 실제 교차로에 도착하는 교통량의 행태는 비 균일분포로 실제 교통수요에 대응하기 어렵 다는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해 교차로로 진입하는 상류 교차로의 교통정보를 활용하여 단기 미래 도 착 교통량 예측모델 개발을 통해 관측 시점과 제공 시점 간의 간극을 최소화한다. 또한, 기존 주기길이 동안의 교통량 도착분포를 비 균일분포로 가정하여 주기길이가 고정되지 않는 방식(Acyclic)의 적응식 신호제어 기법(ATC) 개발한다. 제안된 단기 미래 도착 교통 량 예측모델은 실제 스마트교차로 자료를 가공하여 시뮬레이션을 통하여 학습데이터를 구축하여 장단기 메모리(LSTM) 모형과 시간 분산(TimeDistributed) 모형을 적용하여 딥러닝 모델을 개발하였다. 적응식 교통신호제어 기법은 실시간 예측 교통량을 활용하여 교통 류별 예측 지체 산출을 통하여 지체가 최소화되는 현시 종료 지점에서 현시를 종료하고 다음 시간 단계에서 예측된 교통량을 통해 최 적 현시를 재산출하는 롤링 호라이즌(Rolling Horizon)을 수행한다. 제안 신호제어 기법의 평가를 위해 미시적 교통 시뮬레이션을 활 용하여 기존 신호제어 기법인 TOD 신호제어 기법과 제안기법 간의 평가를 수행하였다.

본 연구의 목적은 외국인을 위한 한국어 쓰기 수업에 챗GPT를 활용할 경우 나타나는 학습자의 반응을 관찰하고 이를 있는 그대로 기술함으로 써 생성형 인공지능의 교육적 활용 가능성을 모색하는 데에 있다. 이를 위해 연구방법론으로 질적 사례연구를 선택하였으며 자료의 삼각화를 충 실히 이행하기 위하여 한 학기 동안 학습 결과물, 챗GPT와의 대화 내용, 수업 만족도 등을 수집하였다. 수집 자료를 분석한 결과 형태적 측면에 서는 문법적인 오류를 수정하고, 잘못된 표현을 바로잡는 데 챗GPT를 유용하게 활용하였으며 어휘적 측면에서는 모르는 단어나 구어체와 문어 체 간의 변환을 이해하는 데 도움을 받았고 내용적 측면에서는 주제문을 작성하고 논리적인 단락을 구성하는 데 도움을 받았다. 본 연구는 챗 GPT가 교수자와 학습자 간의 상호작용을 보완하여 학습자들의 학습 자 율성을 높일 수 있다는 가능성을 보여준다. 이는 전통적인 교수법의 한 계를 보완하며, 다양한 학습자들의 요구에 대응할 수 있는 새로운 교육 방법을 제시할 수 있다는 점에서 의의가 있다.

코로나19가 기업의 일터 환경을 급속도로 바꾼 지난 시간동안 HRD 담당자들은 조직의 지속가능한 학 습과 성장을 위해 노력해왔다. 특히 빅데이터, 인공지능, 증강현실, 머신러닝 등 디지털 기술의 발달로 조 직 내 일하는 방식이 변화함에 따라 나타나는 다양한 현상과 문제를 해결하기 위해 힘써오고 있다. 하지 만 코로나19로 인한 변화가 단순히 개인의 역량 개발을 하는 차원을 넘어서 조직 전반을 개발하는 차원으로 확대되었기 때문에 HRD 담당자들은 코로나19 이전의 조직과 구성원을 바라보는 인식을 벗어나 조직 문화적 관점에서 현재의 변화를 인식하고 개선해 나가야 할 필요성이 제기된다. 이에 따라 본 연구는 기 업 내 HRD 담당자들이 코로나19를 경험하면서 그들이 소속된 조직의 조직문화를 바라보는 인식이 어떻 게 변화하고 있고, 그 인식의 변화에서 느끼는 의미는 무엇인지를 탐구해 보는 것을 목적으로 한다. 이를 위해 연구 참여자가 경험한 이야기를 바탕으로 연구 주제에 관한 이야기를 재구성하여 인사이트를 탐구 하는 내러티브 연구 방법으로 살펴보고자 하였다. 목적 표집 방식으로 8인의 연구 참여자를 선정하였으며 비구조화된 심층 면담, 참여관찰, 문헌 연구 분석 등을 활용하여 조금 더 자세하고 구체적인 의미를 해석 하였다. 이에 대한 연구는 향후 조직문화를 바라보는 인식이 변화함에 따라 HRD 담당자들이 수행해야 할 다양한 역할과, 그들이 지향하고 만들어가고자 하는 조직문화 유형이 어떻게 바뀌어 가고 있는지 탐색 할 수 있을 것으로 기대한다.

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 인공지능 분야에서 가장 활발히 연구되고 있는 거대 언어 모델은 교육에 대한 응용 가능성을 보 이며, 교육학의 거의 모든 분야에서 그 활용 방안이 연구되고 있다. 이러한 연구는 공학 교육에서도 주목 받고 있다. 그러나 구체적인 활용 분야와 방법에 대해서는 아직 많은 연구가 필요한 상황이다. 특히, 거대 언어 모델을 이용한 교육과정 설계와 개선에 대한 연구는 인공지능 공학과 교육학 두 분야에서 모두 중요한 연구 과제로 부각되고 있다. 이러한 응용 필요성에 대한 예시이자 전략으로써, 본 연구는 OpenAI에서 발표한 최신 거대 언어 모델인 ChatGPT-4o를 이용하여 한국과학기술원(KAIST) 공과대학 학부 전공 과 목과 S전자 DS부문(반도체사업부) 직무 사이의 연관성을 분석하고, 그 결과를 기반으로 대학과 기업체 양측에 반도체 산업 인력 양성과 채용에 대한 실질적인 응용 전략을 제안한다. 이를 위해 KAIST 공과대 학 학부과정에 개설된 모든 전공 과목과 S전자 DS부문(반도체사업부)의 직무기술서를 ChatGPT-4o에 학습시켜 각 과목이 특정 제품군, 직무와 가지는 연관성을 특정 범위와 기준에 의거하여 정량화된 점수로 평가했다. 또한, 각각의 직무, 전공, 과목별로 확보한 데이터를 기초적인 통계 분석을 통해 평가했으며, 구직자와 구인자의 활용 가능성에 초점을 두고 특정 전공의 각 직무별 연관성과 특정 직무의 각 전공별 연관성, 그리고 특정 직무 및 전공의 반도체 제품군별 연관성 등 다양한 조건에서 분석을 진행하였다. 또 한 본 전략에 대한 반도체 산업 실무자 견해를 수집하여 실제 전략으로의 활용 가능성을 검증하였다. 분 석 결과, 간단한 질문과 분석만으로도 전공, 교과목별로 유의미한 직무 연관성의 차이를 확인했다. 이러한 결과를 바탕으로 본 연구는 대학 교육과정의 개선과 기업 채용 및 양성 과정에서의 응용 전략을 제시한 다. 이 연구는 대학과 산업 간의 협력을 통해 인적자원 개발과 채용 효율성 증대에 기여할 것으로 기대한 다. 또한, 후속 연구로 구직자와 구인자, 교수자 등 본 연구의 효과를 확인할 수 있는 집단을 대상으로 한 대규모 설문조사 및 전문가그룹 대상 질적연구 등을 제안하여 실제 활용도와의 비교 분석 연구를 제안 한다. 결론적으로, 본 연구는 거대 언어 모델을 활용하여 필요한 인재를 양성하기 위한 교육 과정 설계의 구체적인 응용 가능성을 제시함으로써, 인공지능을 이용한 교육 분야에 대한 기여 방안을 모색한다.

현재 존재하는 인공지능 기반 음악 생성에 관한 여러 모델과 연구는 수동 텍스트(Text) 기반 음악 생성에 대해 다루고 있다. 본 논문은 사용자의 편의성을 높이고, 창의적인 음악 생성 과정 을 더욱 원활하게 할 수 있도록 텍스트(TEXT) 프롬프트(Prompt) 자동화를 통한 음악 생성시 스템 방안을 제안한다. 그 방안으로 음원 파일을 통해 수집한 음악 분석 및 데이터화와 가사 정보에서 추출한 키워드를 기반한 장르, 가수, 앨범 등의 정보가 포함된 데이터셋(Dataset)을 구축 후, 파이썬(Python)의 자연어 처리 방법인 Konlpy를 사용하여 가사 데이터를 토큰화하고, TF-IDF(Term Frequency-Inverse Document Frequency) 벡터화를 통해 중요한 단어를 추 출한다. 또한, MFCC, 템포 등의 특징 데이터셋을 통하여 모델을 통한 감정을 예측하고, CNN 모델 및 Chatgpt를 활용한 텍스트 프롬프트를 자동생성하는 방법을 구현하여, MusicGen 모델 을 사용한 자동화 생성 프롬프트 기반 음악을 생성한다. 본 텍스트 프롬프트 자동 생성 화를 통한 음악 생성 연구의 결과는 음악 데이터 분석 및 생성 분야에 기여될 것으로 기대한다.

인공지능(AI)은 20년 이상 게임 분야에 널리 적용되어 왔다. 그러나 협동(coordination) 게임에서의 AI 에이전트, 특히 경주 게임에서 협동에 대한 연구는 상대적으로 적은 주목을 받아왔다. 이러한 관심의 부족은 불완전한 파트너를 충분히 보완하면서 사용자의 게임 플레이 경험 과 수행 능력 을 저해하지 않아야 하는 복잡성에서 부분적으로 기인한다. 우리는 경주 게임에서 협동 에이전트 의 잠재력을 탐구하고 밝히기 위해, 자동차 컨트롤을 두 개의 서로 다른 에이전트로 나눔으로써 협동 환경을 갖춘 자동차 경주 게임을 개발하였다. 이어서 실험을 통해 다양한 훈련 방법과 파트 너의 정보를 활용하여 에이전트와 파트너의 협동을 평가하였다. 특히, 학습 시 서브-옵티멀 파트 너와 함께하는 것과 에이전트를 해당 파트너에게 맞게 개인화하는 것의 영향을 조사하였다. 연구 결과, 불완전한 파트너와 훈련했을 때 성능이 2%에서 7%까지 향상되었으며, 파트너에게 맞게 개 인화했을 때는 모든 파트너에게 일반화한 경우보다 최대 3점(6.7%)까지 성능이 향상하였다. 본 연구를 통해, AI 에이전트를 개인화하는 것의 잠재력을 보여주었고, 에이전트가 파트너의 불완전 함을 인지하는 것의 장점을 확인하였다. 본 연구가 협 동 게임에서 개인화된 에이전트 연구에 이 바지하기를 기대한다.

현대 사회에서 음악은 일상생활에 깊숙이 자리 잡아, 개인의 음악적 취향과 감정 상태에 맞는 콘텐츠를 손쉽게 찾고 소비하는 것이 중요해지고 있다. 콘텐츠 소비 증가와 더불어 제작 속도 및 효율 또한 중요한 요소로 부상하고 있다. 그러나 기존 음악 콘텐츠 제작 방식은 주로 기존 음악을 플레이리스트로 만들고 간단한 애니메이션이나 이미지를 영상으로 추가하는 방식이다. 이러한 한계를 극복하고자, 인공지능(AI) 기술을 활용하여 사용자 맞춤형 음악을 생성하고 콘 텐츠를 제공하는 어플리케이션을 개발하였다. AI 모델을 통해 사용자의 감정 상태를 분석하고, 이를 기반으로 음악적 요소를 최적화하여 개인화된 음악 콘텐츠를 생성하는 것에 목표를 두었 다. Mel-frequency cepstral coefficients(MFCC)와 템포 분석을 통해 음악 데이터의 특징을 추출하고, 이를 기반으로 사용자 감정에 부합하는 프롬프트를 생성하였다. 생성된 프롬프트는 MusicGen 모델에 입력되어, 사용자의 감정 상태와 음악적 취향을 반영한 새로운 음악을 생성 하는 데 활용하였다. 또한, ComfyUI를 활용하여 텍스트-이미지-비디오 변환 파이프라인을 구 축함으로써, 생성된 프롬프트를 기반으로 다양한 멀티미디어 콘텐츠 제작을 가능하게 하였다. 기존 음악 콘텐츠 제작 방식의 시간 및 비용 문제를 해결하고, 사용자에게 보다 정교하고 개 인화된 음악 경험을 제공하는 데 기여할 수 있을 것으로 기대된다. 향후 다양한 분야에서의 응용 가능성을 제시한다.

세계 해양산업은 자율운항선박 기술의 등장으로 급속도로 발전하고 있으며, 해양 데이터에서 파생된 인공지능 활용에 관한 관 심이 높아지고 있다. 다양한 기술 발전 중에서 선박 항로 군집화는 자율운항선박 상용화를 위한 중요한 기술로 부각되고 있다. 항로 군집 화를 통해 해상에서 선박 항로 패턴을 추출하여 가장 빠르고 안전한 항로를 최적화하고 충돌 방지 시스템의 개발에 기반이 된다. 항로 군 집화 알고리즘의 정확성과 효율성을 보장하기 위해 고품질의 잘 처리된 데이터가 필수적이다. 본 연구에서는 다양한 항로 군집화 방법 중 항로의 실제 형태와 특성을 정확히 반영할 수 있는 선박 항로 유사도 기반 군집화 방식에 주목하였다. 이러한 방식의 효율을 극대화하 기 위해 최적의 데이터 전처리 기술 조합을 구성하고자 한다. 구체적으로, 4가지의 선박 항로 간 유사도 측정법과 3가지의 차원 축소 방 법을 조합하여 연구를 진행하였다. 각 조합에 대해 k-means 군집 분석을 수행하고, 그 결과를 Silhouette Index를 통해 정량적으로 평가하여 최고 성능을 보이는 전처리 기법 조합을 도출하였다. 본 연구는 단순히 최적의 전처리 기법을 찾는 것에 그치지 않고, 광범위한 해양 데 이터에서 의미 있는 정보를 추출하는 과정의 중요성을 강조한다. 이는 4차 산업혁명 시대의 해양 및 해운 산업이 직면한 디지털 전환에 효과적으로 대응하기 위한 기초 연구로서 의의를 갖는다.

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 논문에서는 딥러닝을 활용하여 복합재 적층판의 파괴 모드를 결정하는 방법을 제안하였다. 수많은 엔지니어링 응용 분야에서 적층 복합재의 사용이 증가함에 따라 무결성과 성능을 보장하는 것이 중요해졌다. 그러나 재료의 이방성으로 인해 복잡하게 나타나 는 파괴모드를 식별하는 것은 도메인 지식이 필요하고, 시간이 많이 드는 작업이다. 따라서 이러한 문제를 해결하기 위해 본 연구에서 는 인공 지능(AI) 기술을 활용하여 적층 복합재의 파괴 모드 분석을 자동화하는 것을 목표로 하였다. 이 목표를 달성하기 위해 적층된 복합재에서 파손된 인장 시험편의 주사 전자 현미경(SEM) 이미지를 얻어 다양한 파괴 모드를 확보하였다. 이러한 SEM 이미지는 섬 유 파손, 섬유 풀아웃, 혼합 모드 파괴, 매트릭스 취성 파손 및 매트릭스 연성 파손과 같은 다양한 파손 모드를 기준으로 분류하였다. 다 음으로 모든 클래스의 집합 데이터를 학습, 테스트, 검증 데이터 세트로 구분하였다. 두 가지 딥 러닝 기반 사전 훈련 모델인 DenseNet 과 GoogleNet을 이용해 각 파괴 모드에 대한 차별적 특징을 학습하도록 훈련하였다. DenseNet 및 GoogleNet 모델은 각각 (94.01% 및 75.49%) 및 (84.55% 및 54.48%)의 훈련 및 테스트 정확도를 보여주었다. 그런 다음 훈련된 딥 러닝 모델은 검증 데이터 세트를 활용해 검증하였다. 더 깊은 아키텍처로 인해 DenseNet 모델이 고품질 특징을 추출하여 84.44% 검증 정확도(GoogleNet 모델보다 36.84% 더 높음)를 얻을 수 있음을 확인하였다. 이는 DenseNet 모델이 높은 정밀도로 파괴 모드를 예측함으로써 적층 복합재의 파손 분석을 수행 하는 데 효과적이라는 것을 알 수 있다.

본 논문은 예술 분야 기술융합 스타트업의 성공 요인을 ERIS 모델의 관점으로 분석하여 향후 관련 스타트업에 실무적 시사점을 제시하는 데 목적이 있다. 연구 사례로는 국내 AI 음악 교육 분야의 선도 기업으로 시리즈 A 투자 유치에 성공한 예술 분야의 대표적 기술융합 스타트업인 ㈜주스를 선정하였다. 연구 방법은 문헌 조사 및 인터뷰를 사용하였으며, 연구 결과는 다음과 같다. ‘창업가’ 요인으로 창업자는 음악과 경영 전공 을 살려 기술 융합 예술 스타트업으로서의 독창적인 사업 모델을 개발하 였다. ‘자원’ 요인으로는 실리콘밸리와의 네트워크를 통해 초기 자본을 확보하였으며, 이후 한국벤처투자조합 등 다양한 투자자로부터 추가 투 자를 유치하였다. ‘산업 환경’ 요인으로는 인공지능의 글로벌 확산과 더 불어 정부의 AI 관련 투자 및 교육 지원 정책으로 시장에서 성장할 수 있는 환경이 조성되었다. ‘경영 전략’ 요인으로는 AI를 활용한 가격 설정 시스템 도입, 예술학교에 대한 내로우 타겟팅 등을 통해 특정 수요층을 효과적으로 공략하였다는 점 등이 분석되었다.

오늘날 교육 분야에서 인공지능 기술이 빠르게 발전하면서 AI 한국어 학습 앱은 혁신적인 학습 도구로 많은 주목을 받고 있다. 본 연구는 AI 한국어 학습 앱의 사용자를 연구 대상으로 삼아 기술준비도(TRI), 기술수 용모델(TAM), 정보기술성공 모형을 기반으로 양적 데이터를 분석했다. 본 연구 결과를 바탕으로 향후 한국어 학습 앱의 개발과 한국어 해외 교 육 연구를 위한 이론적 근거와 활용 방안을 제공하고 해외 한국어 교육 의 발전을 촉진하길 바란다. 연구 결과에 따르면 낙관성, 혁신성, 시스템 품질, 학습 내용, 지각된 유용성, 지각된 용이성이 사용자의 사용 태도와 사용의도에 정(+)적인 영향을 미친다. 반면에 불편함과 불확신은 사용자 의 지각된 용이성과 유용성에 부(-)적인 영향을 미친다. 특히, 사용자의 사용의도는 지각된 유용성으로부터 가장 큰 영향을 받았다. 이상의 연구 결론을 바탕으로 AI 한국어 학습 앱의 개선 대책 및 제언을 제시했다.

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

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.

오늘날 디지털 전환(Digital Transformation), 제4차 산업혁명(the Fourth Industrial Revolution) 시대에서 건물에도 디지털기술이 탑재되어 스마트화된 건물이 주를 이룰 것이고, 도시도 스마트시티가 될 것이다. 이 글은 스마트 빌딩, 스마트 시티 로 인한 관련 법적 쟁점과 대비해야 할 점을 모색하여 보았다. 스마트 빌딩에서는 건물의 종류에 따른 인공지능 기술의 활용, 책임 문제, 공 시방법, 스마트빌딩 인증제도 등의 쟁점을 생각해보았고, 스마트 시티에서는 스마트 시티의 개념과 스마트 시티가 제공하는 정보의 확대, 스마트 시티의 사 업범위, 개인정보 침해문제, 규제 샌드박스 등을 주요 쟁점으로 보았다. 물론 관점에 따라서는 다른 쟁점도 충분히 더 생각할 수 있다. 한 가지 흥미로운 점은 스마트 빌딩이나 스마트 시티가 추구하는 목적과 본질 에서 인간을 위한 삶의 질 향상을 추구한다는 점에서 공통점이 있다는 것이다. 비록 에너지, 환경, 건강, 안전, 복지, 네트워크 등 다양한 항목을 포함하고 있지만, 스마트 빌딩과 스마트 시티는 그 대상과 규모가 다를 뿐, 인간을 위한 디지털 기술과 데이터 활용이라는 점에서 추구하는 목표와 방법이 거의 같다. 따라서 스마트시티와 스마트빌딩은 서로 연계되어 발전함으로써 미래가치를 더욱 키워나갈 수 있다고 본다.