본고는 인공지능 시대 실질적 문맹률의 증가 현상이 학습자의 공감·소통 능력의 저하와 연관성을 지닌다 고 보고, 이를 개선하기 위한 교양교육의 방향성을 고민하는 데 목적을 두었다. 평균적인 교육 복지와 수준 개선에도 불구하고 공감 소통 능력이 저하되는 현상의 인과관계를 분석하고, 그 기저에 인공지능 시대 교양교육의 근본적인 문제가 있다는 점을 제시하고자 했다. 또한 인공지능인문학의 가능성을 진단하여 인공지능 시대 인문학 기반 교육콘텐츠를 확대할 필요성을 강조하고자 했다. 인공지능인문학의 핵심 내용 은 바로 대체 불가능한 인간의 자질이 무엇인지를 확인하고 이를 확대 강화하는 것이어야 한다. 이를 위해 인문학 기반 교육콘텐츠의 개발과 확대가 필요하다. 실질 문맹률의 확산을 막고 공감 소통 능력을 강화하기 위한 방안으로서 인문학적 콘텐츠를 확대하는 것은 선택이 아닌 필수가 되었다. 그것만이 인공지능 시대 교양교육의 유일한 대안이다. 인간을 인간답게 만드는 것, 기계와 다른 인간만의 자질을 강화하는 것, 인간 의 존재 가치와 존엄성을 지키는 방법 등 본질적인 차원을 상기하면 결국 가장 인간다운 상태를 회복하는 것이 무엇보다 중요함을 알 수 있다. 인문학의 본질이 자아와 세계에 대한 성찰에 있음을 기억하면서 인공 지능 시대의 교양교육의 역할에 대해 적극적으로 고민해야 한다. 인공지능과의 바람직한 공존 방식에 대해 적극적으로 개입하고 상상함으로써 인간과 인공지능이 공존 가능한 세계에 대비해야 한다. 인공지능과 평화롭게 공존하는 타자 존중의 사회를 만들기 위해서는 교육 주체들 간의 이해와 합의가 중요하다. 인간이 인공지능의 지식 습득 능력과 속도를 따라가는 것은 현실적으로 불가능에 가까우므로 인간 고유의 능력인 창의성, 자율성, 비판적 감수성 등을 강화하는 방향으로 교양교육의 전환이 이루어져야 한다.

과학기술 연구에서 기초 자료 확보의 중요성은 양질의 많은 데이터를 필요로 하는 인공지능 기술의 등장과 더불어 더욱 증대되었다. 신약개발로 대표되는 의료 분야의 연구에서는 생명 데이터가 사용된다. 생명 데이터는 복잡한 처리과정이 필요하여 인공지능 기술활용의 필요성이 높지만, 개인의 민감정보를 담고 있기에 사용에 많은 제약이 따른다. 개인정보 이용의 활성화를 위하여 이른바 ‘데이터 3법’ 개정안이 통과되었다. 개인정보 보호 법의 적용 범위에 가명정보의 개념이 새로이 포함 되었는데, 가명정보는 기존의 개인정보와는 달리 정보주체의 동의 없는 자유로운 처리가 가능하다는 점이 특징적이다. 그러나 법문 규정 상 가명정보의 의미가 명확하지 않아 개인정보 보호법의 해석과 적용에 어려움이 있을 것으로 생각된다. 광의의 개인정보 개념은 가명정보를 포함하지만, 개인정보 보호법에서는 가명정보를 일반적인 개인정보와는 다르게 취급한다. 일반적으로 사용 되는 개인정보, 가명정보, 익명정보의 정의와 비 식별화 기법으로부터 현행 개인정보 보호법 상 의료 가명정보의 개념을 이해하고자 하였다. 비식별화가 진행되면 개인정보는 가명정보 혹은 익명 정보가 되며, 이 과정에서 개인정보의 보호는 강해지지만 정보의 활용도는 감소한다. 도식을 이용 하여 정보주체와 정보활용자의 이해관계가 최적화되는 비식별화 정도를 결정하였다. 가명정보에서는 정보주체와 정보생산자가 일치하지 않으며, 그에 따라 여러 문제들이 발생한다. 가명정보의 유출로부터 개인이 식별될 위험이 있으며, 가명정보의 주체가 정보 제공의 대가를 받지 못하는 것이 문제될 수 있다. 가명정보 보유자가 개인정보를 무분별하게 처리하는 것 역시 정보주체의 의사와는 다르다는 점에서 검토할 가치가 있다. 정보활용 제외 신청 제도 도입, 정보 이용 내역의 통지 의무 부과, 개인정보 보호기금 제도와 가명정보 유출 시의 예외적 면책 사유 도입 등의 방법을 통해 정보주체의 권리를 보호하면서도 연구자의 정보활용을 촉진할 수 있을 것으로 기대된다.

기후 변화에 따른 이상기상 등 농업환경변화에 따른 농작물의 생산성 및 품질 저하 등의 문제가 발생하고 있다. 최근에는 이러한 문제를 해결하기 위해 정보통신기술(Information & Communications Technology; ICT), 사물인터넷 (Internet of Things; IoT) 및 인공지능(Artificial Intelligence; AI) 등을 이용한 지능한 작물 모델 개발과 정보화 자원 구축 등의 연구가 진행되고 있다. 국내의 ICT를 적용한 스마트팜은 비닐하우스와 같은 시설 내부 환경을 제어하는 기술로 구성되어 있으나 국내 농경지 면적의 95%는 노지로 되어 있어 노지에 쉽게 적용할 수 있는 농업 ICT 기술 이 필요하다. 따라서 본 연구는 노지 작물의 지능형 생육 환경 모델 개발을 위한 IoT 기반 환경 데이터 획득 시스 템을 구축하고 시계열 계측을 통해 농작물 생육의 주요 인자인 토양 수분과 토양 온도의 변화 특성을 파악하고자 한다. 본 실험은 전북 완주군 소재 국립식량과학원 풍산나물콩 및 대풍콩 재배 포장에 환경데이터 획득 시스템을 구축하였으며 IoT 기반 토양센서(Sentek Drill&Drop, Australia)을 통해 토양의 수분 및 온도를 측정하였다. 토양 센 서는 서로 간섭을 최소화하기 위해 일정 간격으로 설치하고 지면으로부터 전극을 깊이 30 cm 까지 삽입시킨 후 20년 07월 04일부터 20년 10월 07일까지 깊이 10 cm, 20 cm, 30 cm의 토양 수분 및 온도의 시계열 변화를 비교 분 석하였다. 토양 수분 및 온도 변화는 지면으로부터 깊이 10 cm, 20 cm, 30 cm 순으로 크게 나타났다. 본 연구의 결 과는 4차 산업 기술의 농업적 적용성을 높이기 위한 빅데이터 구축 및 노지 스마트팜 기술 기반 확보를 위한 자료 로 활용될 수 있을 것으로 판단된다.

급속한 과학기술의 발전에 따라 인공지능(AI)에 대한 관심은 세계적으로 높아졌다. 인공지능의 발전 속도는 매우 빠르며 이미 선진국의 전략적 발전 수단 중 하나가 되고 있다. 인공지능 기술은 하이테크 발전의 선두에 있으며 글로벌 경제 번영, 삶의 질 개선 등 측면에서 중요한 의미가 있다. 하지만 인공지능 기술의 발전은 과거에는 문제가 되지 않았던 부분에 대한 법적 고민을 초래한다. 인격권은 일신전속성을 가지는 권리이다. 권리자는 자신의 인격적 이익에 대해 완전히 지배하는 권리를 향유하며, 인격의 독립을 유지 받고 보장받는 권리이다. 인격 존엄은 일반적인 인격 이익의 기본 내용이며, 동시에 가장 중요하고 가장 핵심적인 내용이다. 그러나 인공지능 기술의 발전은 인공지능에 의한 자연인의 성명·초상·프라이버시·개인정보 등 인격권 침해 상황을 초래한다. 중국은 최근 민법전 제정에서 인격권편을 별도의 장으로 마련하여 인격권 관련 내용을 규정하였다. 중국 민법전 인격권편은 인격권의 구체적 내용을 명확히 함으로써 인간의 존엄과 자유를 보호할 수 있는 제도적 장치를 마련하였고, 인공지능에 의한 인격권 침해 발생 시 권리자 보호 를 위한 법적 수단으로 작용할 수 있다는 점에서 의미가 있다. 따라서 본 논문은 인공지능 발전으로 발생할 수 있는 인격권 침해 문제를 중국에서의 논의를 중심으로 중국 민법전 규정과 함께 살펴보고자 한다.

본 연구는 챗봇을 활용한 중국어 교육용 프로그램 개발의 기초 자료를 제공하기 위해 외국어 교육에서 활용 가능한 인공지능 기술에 대해 알아보고, 최근 급속도로 발달하고 있는 외국어 교육용 챗봇의 발달 현황과 교육현장에서의 활용 사례를 살펴 보았다. 이를 통해 메신저 인터페이스를 활용한 챗봇 서비스를 국내 중국어 교육에 도입하여, 국내의 중국어 학습용 챗봇 설계방안을 마련하고, 또 이를 활용하는 관련 교육 프로그램과 중국어 교육현장에서 적용 가능한 교수-학습 방안을 제안하여 향후 중국어 교육 분야에서의 챗봇 활용 수업에 대한 가능성을 살펴보았다.

본 논문에서는 유연/인쇄 전자 기술을 활용해 고성능의 유기물 반도체 기반 트랜지스터를 개발하고, 이를 통해 인공지능용 반도체 및 폴리모픽 전자회로에 응용하기 위해 공액구조 고분자 반도체 소재의 광파 어닐링 방법에 따른 특성 향상 효과를 연구하였다. 일반적으로 열처리를 위해 가장 많이 활용되는 핫플레이트의 경우 반도체 소자 특성의 균일도 문제와 높은 온도 및 열-용량으로 인한 플라스틱 기판 사용의 제한, 긴 어닐링 시간 등의 문제로 인해 실제 산업에서 활용하는데 어려움이 있다. 이를 해결하기 위해 광파를 활용한 효과적인 유기물 반도체 필름의 열처리 공정을 개발함으로써 Roll-to-Roll 방식의 고속/대면적 인쇄 공정에 적합한 열처리 방법과 반도체 층 전체의 높은 결정화도 유도를 통한 성능 향상과 소자 균일도 개선을 위한 방법을 개발하였다.

인공지능 및 머신러닝도 소프트웨어의 일종이므로 미국의 소프트웨어 발명의 특허적격 관련 판결들을 참고할만하다. Alice 판결 이후 미국 CAFC는 컴퓨터 관련 발명에 대한 특허 적격성을 부정하는 다수의 판결들을 내렸으나, 반대로 특허 적격성을 긍정한 판결들도 있다. 머신러닝의 특수성을 감안하여 특허적격을 검토하기 위해서, 학습 데이터, 학습 알고리즘 및 학습완료 모델로 나누어 살펴본다. 먼저 학습데이터 관련하여, 데이터 그 자체만으로는 특허적격을 인정받기 어렵지만 데이터 간의 구조적 상호관계가 정의되어 이로 인해 컴퓨터가 특정한 기능을 수행할 수 있다면 이는 컴퓨터 프로그램에 준하여 볼 수 있다. 학습 알고리즘에 관하여서는, 최근 미국의 하급심에서 그 발명이 특정 분야나 응용과 관계가 없고 단지 기계를 통한 데이터의 실행일 뿐이어서 일반적인 추상적 개념이라는 이유로 특허적격을 부정한 사례가 있다. 또한 학습완료 모델은 학습 알고리즘에 기반하여 구체적인 학습 데이터를 이용해 학습이 완료되어 파라미터가 조정된 결과이므로, 학습 알고리즘과 유사하게 특허적격성 문제를 판단 할 수 있다고 보인다. 다만, 학습이 완료된 경우는 특정한 기술분야에 인공지능을 구체적으로 접목시킨 경우가 많을 것으로 예상된다. 우리나라의 경우 아직 인공지능 발명의 특허적격이 문제된 사례가 없는 것으로 보이고, 특허청의 심사기준에도 인공지능 발명의 성립성에 구체적인 기준이 없다. 특허청의 심사기준을 구체적인 사례와 함께 명확히 하는 것이 필요해 보인다.

국내의 대표적인 소비자보호기관인 공정거래 위원회는 표시광고법, 전자상거래법, 방문판매법, 할부거래법, 약관법, 공정거래법에 근거하여 소비 자거래의 적정성을 보호한다. 최근 인간과 같이 사고하고 학습하고 판단하는 AI(Artificial Intelligence) 기술이 소비자거래에 도입되면서 전통적 소비자보호 문제와 다른 새로운 이슈들이 등장하고 있다. 사업자는 소비자 거래에서 상품 추천, 맞춤형 광고, 구매 유인, 동태적 가격 결정 등의 방식으로 AI를 활용하고 있고, 소비자는 AI를 활용해 사업자와 의사연락없이 계약을 체결하고 있다. 그 과정에서 조작과 사기, 기만과 오인이 발생하거나 소비자별 또는 사업자별 차별행위가 이루어지는 경우가 있으며 거래오류가 발생하기도 한다. 문제는 공정거래위원회가 앞서 본 현행 법률로 위와 같은 새로운 소비자보호 문제를 적절히 규율하고 대처할 수 있는가이다. 표시광고법상 부당한 표시ㆍ광고 금지나 중요 정보의 공개의무 조항, 전자상거래법ㆍ방문판매법ㆍ할부거래법상 표시ㆍ광고ㆍ고지 의무나 청약 철회 조항, 약관법상 명시ㆍ설명의무나 불공정약관 금지 조항, 공정거래법상 불공정거래행위 금지 조항 등은 AI 기반 소비자거래에서도 여전히 역할을 할 것으로 보인다. 그러나 현행 법률의 일부조항들은 AI 기반 소비자거래에서 야기되는 문제들에 곧바로 적용하기에 다소 부족하거나 모호하다. 따라서 각 법률의 규율가능성을 높일 수 있도록 AI 기반 거래에서 특수하게 야기되는 문제 상황을 감안한 법령의 개정을 검토할 필요가 있다. 한편 AI 기술의 발달이 가져올 미래의 모습은 누구도 완전히 예측할 수 없으므로 기술의 발달과 법률의 개정 사이에는 불가피하게 시차가 발생할 수밖에 없다. 따라서 공정거래위원회는 공정 거래법 제23조의 불공정거래행위에 관한 일반조항을 적극 활용하여 법적 공백을 막고 AI 도입에 따른 소비자보호 문제에 선제적으로 대응해가야 할 것이다.

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.