This study explores the ways in which sociocultural perspectives on English language education can contribute to teacher education the era of artificial intelligence (AI). Three key words that represent the relationship between sociocultural perspectives and English teacher education—context, interaction, and social practice—can each be linked to the key concepts of criticality, multimodality, and action research. Teachers of English need to be ready for the forthcoming changes in the AI era, for which they must be equipped with a critical ability to focus on issues and needs in the Korean context. This ability can be applied in teaching students various types of interactions, especially those involving the use of computers, and will create opportunities for teachers to conduct research of their own and cultivate a professional teacher identity. This study concludes by recommending substantial changes in the current pre-service and in-service English teacher education programs in accordance with these key concepts.

2030년 무렵 인공지능(AI) 분야에서 세계의 리더가 되고자 하는 목표의 일환으로, 중국 국무원은 2017년에 ‘차세대 인공지능 개발 계획’을 발표하였다. 본 논문은 AI 연구 및 개발과 관련한 중국의 현재 위치를 조명하고, 중국의 AI 거버넌스 및 윤리 원칙들에 대한 맥락적인 이해를 시도하는 것을 목표로 한다. 이를 위해 2장은 중국 이 꿈꾸는 ‘AI굴기’라는 야망을 실현하기 위해 현재 중국이 AI 분야에서 도달해 있 는 지점을 살펴본다. 연구자는 비록 중국이 AI 연구와 개발에서 국가적 차원의 노력 을 통해 상당한 기술적 수준에 도달해 있지만, 아직 가야할 길이 남아 있음을 주장 한다. 3장은 AI를 위해 중국 정부와 기업 그리고 학계가 제시하고 있는 AI 관련 윤 리 원칙들과 규범들의 특징을 조명한다. 이를 위해 연구자는 EU의 AI 윤리 원칙을 상호 비교하면서 중국의 AI 윤리 원칙의 성격과 특징을 드러낸다. 이 과정에서 본 논문은 중국 정부는 AI가 가져다 줄 잠재적 이익들과 AI로 인한 위험들과 이에 대 한 도전들을 인지하고 있지만, 이러한 요인들의 상호작용에서 정부의 이익과 공공의 보안을 그 중심에 두고 있음을 주장한다. 자연스럽게 4장에서 연구자는 이러한 중국 정부의 이익을 위한 AI의 활용이 초래할 우려들과 현재 목격되는 부작용들을 ‘감시 국가를 위한 AI의 기술적 활용’으로 규정하고, 그 실태를 살펴본다. 연구자는 중국의 AI 거버넌스가 전 세계적인 신뢰를 얻고, 다른 나라들과의 바람직한 협력을 구축할 수 있는 방향으로 나아갈 때, 진정한 AI 리더 국가로서 그 보편성을 획득할 수 있음 을 결론을 통해 주장하며 본 연구를 마무리 한다.

인공지능을 적용한 상품이나 서비스가 빠르게 증가하고 있다. 한 연구에 따르면 전 세계적으로 인공지능 관련 시장은 향후 5년간 평균 30% 이 상으로성장할전망이다. 시장성장과함께 인공지 능이 우리 일상에 광범위하게 적용되는 것에 대 한 일반 시민의 걱정과 우려도 점증하고 있다. 단 순히 신기술 출현에 수반되는 기우라고 치부할 수만은 없다. 국내 이루다사건 및 해외 마이크로 소프트사 인공지능 채용시스템 사건 등을 통해서 인공지능을 적용한 상품 또는 서비스가 우리 사 회가 지키고자 하는 가치에 반하고 법률에도 위 반되는 결과를 초래할 수 있음이 드러났기 때문이다. 사회적 우려와 걱정에 대응하기 위해서 입법권 자들은 주로 알고리즘 투명성 강화 법안을 내놓 고 있다. 블랙박스와 같이 결론 도출 과정과 영향요소가 불분명한 인공지능을 해체하여 그 소스코 드를 공개하고 어떻게 특정 결론에 도출하였는지 를 공개하겠다는 것이다. 이런 법안은 막연한 우 려를 불식하는 데 효과가 있을 수 있지만 인공지 능 알고리즘이 우리 사회의 법과 가치를 지키도 록 보장하는 효율적인 방안이 아닐 수도 있다. 아 울러, 영업비밀 침해, 인공지능 시장에서 국제경 쟁력 저하 등 의도치 않은 부작용 역시 낳을 수 있다. 미국, EU 등 선진국의 선행 사례와 알고리즘 투명성 요건의 본질적 한계를 고려할 때 모든 인 공지능 알고리즘에 대해서 일률적인 투명성 요건 을 적용하기보다는 산업별 위험수준에 따라 비례 적인 투명성 요건을 적용하는 것이 합리적인 대 안일것으로보인다. 인공지능의오판단으로인해 침해될 수 있는 가치가 중하거나, 그러한 가능성 이 상대적으로 큰 산업군에 적용하는 인공지능 알고리즘에 대해서는 높은 수준의 투명성을; 위 험이나 가능성이 낮은 산업군에 대해서는 상대적 으로 유연한 투명성을 요구하는 것이다. 이를 실 현하기 위해서 모든 인공지능 사업자 또는 서비 스 제공자로 하여금 알고리즘을 설계하고 구동하 는 데 있어 반영하는 모든 요소와 요인 그리고 그 과정을 항상 기록할 수 있도록 하고, 그 기록을 정해진 기간 동안 보관하여 필요시 철저한 평가 가 가능할 수 있도록 해야 할 것이다.

시각적 데이터는 도처에 존재하며 자연어는 인간이 이해할 수 있는 의사소통 수단이다. VQA(Visual Question Answering)는 이미지를 이미지에 대한 입력과 질문으로 취하고 복잡한 추론을 사용하여 자연어 답변을 생성 하는 시스템이다. 따라서, VQA는 답을 예측하기 위해 이미지에 대한 자세한 이해와 복잡한 이유가 필요하 다. 멀티모달 구조와 가능한 실제 구현을 고려할 때, VQA는 인공지능에게 매우 중요한 과제이다. VQA를 위한 심층 신경망에 사용되는 아키텍처와 하이퍼 파라미터는 결과에 큰 영향을 미친다. 이 프로젝트는 이미 지 특징을 추출하기 위해 사전 훈련된 모델(VGGNet)과 단어를 내장하기 위해 Word2Vec를 도입하고 질문에 서 단어 특징을 얻기 위해 LSTM을 도입하고 결과를 결합한 후 가장 높은 확률을 가진 답을 예측한다.

제 4차 산업혁명으로 기업은 내, 외부적인 변화를 마주하고 있다. 변화에 대응하고 생존을 넘어 지속적 인 성장을 위해 기업은 ICT 기술을 도입하고 업무 효율화를 추구하며 구성원의 역량 강화 등의 디지털 트랜스포메이션을 통해 대응하고 있다. 그러나 물적, 인적 자원을 구입하고 조달하는 데 한계가 있는 중소기업은 이러한 변화에 대응하는 데 어려움을 경험한다. 이를 극복하기 위한 대안으로 중소기업 임직원의 ICT 기술 역량 강화의 필요성이 대두되고 있다. 이에 본 연구는 디지털 트렌스포메이션 시대, 중소기업 임직원의 ICT 기술 역량 강화를 위한 교육의 효과성 증진을 목표로 서울 소재 중소기업의 최고경영진이 인식하는 ICT 기술에 대한 산업별 교육 요구도를 조사 및 분석하는 데 연구의 목적을 둔다. 이를 위해 서울산업진흥원에서 진행한 ‘서울기업 디지털 리더십 과정’ 교육 수료자를 대상으로 데이터를 수집하였 다. 수집된 데이터를 기반으로 t 검정, Borich 계수, the Locus for Focus 모델을 통해 요구도를 분석하였 다. 분석 결과 산업별 최우선 순위군에 속한 ICT 기술은 상이한 것으로 나타났다. 또한, 산업별 결과를 종합하면 대다수의 업종에서 우선적으로 고려되어야 할 요인은 인공지능, 가상증강현실로 나타났으며 빅 데이터는 특정 업종에서 우선적으로 고려되어야 할 요인으로 나타났다. 연구 결과를 바탕으로 산업별 ICT 기술 교육에 대한 실천적 방안을 제시하였다.

컴퓨터 성능의 발전으로 빅데이터의 효율적인 사용이 가능해지면서, 심층 학습(deep learning)은 다양한 의료 분야에 활용할 수 있는 핵심적인 인공지능(artificial intelligence, AI) 기법으로 각광받고 있다. 이에 본 종설은 뇌종양 진단과 치료에 사용되는 자기공명영상(magnetic resonance imaging, MRI)의 심층 학습 기법을 소개하고자 하였다. 먼저 국내 AI의 의료 분야 도입의 동향을 분석하고, 이를 바탕으로 MRI를 활용한 뇌종양의 진단과 치료에 적용할 수 있는 심층 학습 기법과 그 결과들을 기술하였다. 뇌종양 진단과 치료 시, 심층 학습을 이용한 최근 사례는 영상 분류, 영상 품질 개선, 영상 분할로 나타났으며, 질병의 진단과 치료에 적용할 수 있는 객관적이고 높은 성능 수치를 나타내면서 그 유용성을 확인 할 수 있었다. 종합하자면, 심층 학습은 질병의 진단과 치료에 적용할 수 있는 유용한 지표이며, AI 역량을 지닌 의료진의 지도하에 점진적인 도입이 이뤄진다면 질병의 진단과 치료에 큰 도움을 주는 훌륭한 소프트웨어로 활용될 것으로 여겨진다. 본 종설이 심층 학습을 이해할 때 많은 도움이 되길 바라며, 향후 관련 연구를 수행할 때 가이드라인으로 활용될 것을 기대 한다.

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로 써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통 의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하 여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하 였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기 반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제 시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

The prediction of algal bloom is an important field of study in algal bloom management, and chlorophyll-a concentration(Chl-a) is commonly used to represent the status of algal bloom. In, recent years advanced machine learning algorithms are increasingly used for the prediction of algal bloom. In this study, XGBoost(XGB), an ensemble machine learning algorithm, was used to develop a model to predict Chl-a in a reservoir. The daily observation of water quality data and climate data was used for the training and testing of the model. In the first step of the study, the input variables were clustered into two groups(low and high value groups) based on the observed value of water temperature(TEMP), total organic carbon concentration(TOC), total nitrogen concentration(TN) and total phosphorus concentration(TP). For each of the four water quality items, two XGB models were developed using only the data in each clustered group(Model 1). The results were compared to the prediction of an XGB model developed by using the entire data before clustering(Model 2). The model performance was evaluated using three indices including root mean squared error-observation standard deviation ratio(RSR). The model performance was improved using Model 1 for TEMP, TN, TP as the RSR of each model was 0.503, 0.477 and 0.493, respectively, while the RSR of Model 2 was 0.521. On the other hand, Model 2 shows better performance than Model 1 for TOC, where the RSR was 0.532. Explainable artificial intelligence(XAI) is an ongoing field of research in machine learning study. Shapley value analysis, a novel XAI algorithm, was also used for the quantitative interpretation of the XGB model performance developed in this study.

최근 인공지능을 활용한 채용이 일반화됨에 따라 구직자들은 더 이상 AI면접 이 낯설지 않다. 사용자들은 인공지능에 의한 데이터 분석을 활용하여 직무에 가장 적합한 사람을 선택하고 근로계약을 체결한다. 사용자들은 빠르고 정확 하며 좀 더 진보된 방법이라고 여겨지는 인공지능의 활용을 적극적으로 도입 하고 있다. 채용이 절실한 구직자들에게는 선택권은 없어 보인다. 구직자의 포 괄적이고 추상적인 동의만을 얻은 채 구직자들의 개인정보는 보호받지 못하고 있다. 구직자에게 채용 절차 상의 여러 정보에 대한 접근권, 정정권 및 처리제 한권 등을 부여함에 있어서 개인인 구직자가 기업을 상대로 자신의 권리를 피 력하는 것에 한계가 있을 수 있다. 유럽의 경우 인공지능을 활용한 데이터 분 석에 대한 규제가 활발하게 도입되고 있고, 미국은 주별로 규제가 만들어지고 있는 바, 이러한 사례를 살펴보고자 한다. 인공지능을 활용한 기술을 도입하면 서 강력한 규제가 수반되는 것은 자칫 기술의 발전을 저해하는 요소가 될 수 있다는 지적이 있을 수 있다. 그러나 새로운 기술의 발전은 적절한 규제를 통 해 컨트롤 될 때 그 활용이 극대화될 수 있을 것이다.

최근 인공지능(AI) 기술이 급격하게 발전되고 있으며, 이를 활용한 산업이 점차 확대되고 있다. 또한 사회과학 연구분야에서 도 인공지능기술의 텍스트 마이닝을 활용한 분석연구가 활발하게 전개되고 있다. 해양수산부에서 소관하는 법률은 125여개로 해양환 경, 수산, 선박, 어촌, 항만 등 다양한 분야에서 제정되었다. 해양수산부 법률을 대상으로 한 연구가 활발히 진행되고 있으며, 양적으로 꾸준하게 증가하고 있다. 이 연구는 해양수산부 법률 관련 연구논문을 대상으로 텍스트 마이닝을 적용하여 국내 연구동향을 분석하였 다. 연구방법으로 첫째 텍스트 마이닝의 일종인 토픽 모델링을 수행하여 잠재된 토픽을 파악하였다. 둘째 특정 법률을 주제로 다룬 연 구논문의 동시출현 네트워크 분석을 수행하여 주요 주제를 도출하였다. 마지막으로 저자 네트워크 분석을 수행하여 저자 간 사회 연결 망을 탐색하였다. 분석결과 시기에 따라 핵심 토픽의 변화를 확인하였으며, 선박안전법, 해양환경관리법 등 법률별 주요 주제를 탐색하 였다. 또한 저자 네트워크 분석하여 핵심 연구자를 도출하고, 저자 간 공동연구 성향을 파악하였다. 이를 통해 해양수산부 법률 관련 연구주제의 변화를 탐색하였으며, 향후 연구주제의 다양화와 해양수산 분야 연구의 양적 증가와 질적 성장을 기대한다.

최근 발생하는 테러공격들 중 4차 산업혁명을 통해 새롭게 떠오르는 신 흥기술인 드론, 3D 프린팅 건, 인공지능 등을 이용한 테러공격과 사이버 테러가 증가하면서 이로 인한 테러공격의 충격과 공포의 파급효과가 더 크게 나타나고 있다. 문제는 이러한 기술이 비싸지 않고 쉽게 구입할 수 있는 일상적인 도구들이어서 악의적인 의도를 가진 일반인들과 극단주의 자들, 그리고 테러리스트들이 쉽게 테러이용수단으로 활용할 수 있다는 점이다. 더 우려스러운 점은 이 같은 신흥기술을 이용한 테러이용수단들 은 폭탄, 총포류 등의 전통적인 테러이용수단을 사용한 테러에 대한 대응 방안을 갖추고 있는 현재의 중요기반시설들과 다중이용시설 등의 보안을 위한 테러 대응전략과 방안들을 무력화시킨다는 것이다. 신흥기술을 이용 한 테러위협에 대한 대응은 특히 과학적 측면에서 연구되고 개발되어야 할 부분이기 때문에 이러한 위협에 대한 실효적인 테러대응방안을 수립하 려면 테러대응기관들과 안보기관들, 관련 신흥기술의 전문가들로부터 과 학적 연구, 실험, 개발 등의 지원을 받아야만 한다. 그러나 국내의 경우는 아직까지 신흥기술을 이용한 테러 공격에 대한 적절한 테러 방어기술이나 전략이 미흡하다. 이런 문제의 근본 이유는 국내의 주요 테러대응기관이 나 안보관련 기관들이 신흥기술에 대한 대비를 할 수 있도록 지원하는 과 학과 증거에 기반 한 연구, 실험, 그리고 개발을 위한 체계·권한·예산·인 력 등이 현재의 국내 법률상의 한계로 인해 제대로 구축되거나, 지원되거 나, 혹은 운용되지 못하기 때문이다. 이에 따라 이 연구는 신흥기술을 이용한 테러공격에 대비하고 있는 선 도적인 모범사례에 해당하는 미국 국토안보부(DHS)의 Science and Technology Decorate(S&T)와 Emerging Technologies Subcommittee of the Homeland Security Advisory Council (이하 HSAC)의 활동, 역할, 임무를 소개한다. 미국의 S&T는 현존하는 그리고 3년에서 10년의 단기, 그리고 더 먼 미래에 신흥기술을 포함한 모든 부분에서 미국 국가 의 안보를 헤치고 국민의 생명과 재산 그리고 민주주의의 절차에 도전이 되는 다양한 위협들을 파악하고 이에 대한 대응방안을 각 분야의 최고 전문가와 전문연구센터들과 함께 연구하고 있다. 이와 함께, 이 연구는 이러한 S&T의 활동을 가능하게 하는 관련 법령인 신흥위협예방법 2018 (The Preventing Emerging Threats Act of 2018)(S.2836)에 대해 소 개한다. 그리고 마지막으로 이 연구에서 소개하는 미국 사례에 대한 정책 적ㆍ법적 시사점과 국내의 적용가능성에 대해 논의하였다.

본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행 하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법 이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석 방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점 을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계 학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였 다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개 발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변 화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층 6에서 r2 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연 구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예 측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이 터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아 가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단 계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.

환경개선에 대한 국제법적인 의무가 우리 정부에도 부과되어 있는데, 환경개선에 대한 한계의 원인과 진상을 규명하면서 이에 대한 효과적인 수단으로서 인공지능기술 등 4차산업혁명기술을 활용하는 것의 가능성과 효과성에 대하여 그동안 미진하였던 새로운 기초연구를 진행하였다. 그동 안 입법정책에 대한 기초적인 연구를 하는 것은 환경법분야에서도 쉽지 않았고 미진한 점들이 많았다. 입법정책에 대한 기초적인 연구를 통하여 앞으로 전개될 세부적이고 구체적인 환경법정책에 분석적이며 조화로운 나침반을 제공해 줄 실익이 있을 것으로 기대한다. 인공지능 등 4차산업혁명기술이 사회를 변화시켜가고 있다. 이는 인류가 그동안 환경개선을 위한 노력이 효과를 크게 보지 못한 한계를 극복하는 데 새로운 희망을 줄 수 있을 것이라는 새로운 학문과 정책상의 관점이 최근에 전 세계적으로 제기되고 있다. 인류는 기후변화에 대응하기 위하여 유엔기후변화협약(United Nations Framework Convention on Climate Change), 교토의정서(Kyoto Protocol) 등은 물론이고 최근의 파리협정 (Paris Agreement) 등 국제적인 노력을 많이 기울여 왔다. 그러나 환경 정책을 강화하는 것은 화석연료를 사용한 경제개발에 역행하는 것이라는 모순된 전제를 극복할 수 없었기에 우리 정부는 선뜻 국제법적인 환경정 책을 본격적으로 실시하지 못하였다. 또한 부족한 인간의 힘으로 일일이 기후변화의 원인들을 24시간 모니터링하고 장소에 구애받지 않는 분석과 조치를 취하기에는 한계가 많았다. 본 연구에서는 환경개선의 새로운 패러 다임으로서 인공지능 등 4차산업혁명기술과 환경을 연결하는 학제간의 융 합법적인 기초작업을 그린뉴딜정책을 위하여 진행하고자 한다. 이를 위하여 첫 번째, 그린뉴딜이 4차산업혁명기술과 환경정책을 연결 하고 접목할 수 있는 가능성과 허용성이 있음을 확인하였다. 두 번째, 그린뉴딜이 기존의 환경정책들의 단순한 집합이나 나열에 지나지 않고, 새로운 내용과 성질의 진테제로서의 환경법 정책으로 평가할 수 있음을 유럽과 미국 등의 그린딜을 비교하면서 확인하였다. 세 번째, 그린뉴딜이 4차산업혁명기술과 기존의 환경법정책을 결합하여 새로운 진테제로서의 법정책적 내용으로서 그린뉴딜이라는 목표가 분명하게 드러날 수 있도록 법령의 목적을 조정하고 수정하는 작업이 필요함을 개별법을 통해 고찰하 였다. 네 번째, 특히 한국의 그린뉴딜이 실패하지 않고 기존의 환경정책 과 달리 의도한 성과를 확보하고 공정하고 정의로운 사회로 이행할 수 있 기 위해서는 다양한 기존의 법령에 그린뉴딜의 정책을 반영한 입법정책적 인 제언을 함으로써 법정책적인 함의를 밝혔다. 이는 한국형 그린뉴딜에 대한 입법적 과제와 입법 현황 평가를 다양한 분야들에 걸쳐서 실시해 본 결론이다. 구체적으로는 탄소감축에 대한 직접적인 감축을 위한 대응성 과제, 탄소감축을 위해 생산과 소비 및 에너지의 구조변화를 위한 적응성 과제, 4차산업혁명을 통한 기후변화정책에의 직업과 참여 확대, 한국형 그린뉴딜에서 장애조항들의 제거 및 규제완화, 4차산업혁명기술을 통한 기후변화정책이 가능하도록 교육의 확대 강화, 4차산업혁명을 통한 기후 변화정책에의 성과의 배분과 포용 등의 분야들이다. 결론적으로 한국형 그린뉴딜에 대한 제언으로서 한국형 그린뉴딜의 목 적 규정 수정과 교육목표ㆍ원칙 추가, 한국형 그린뉴딜을 촉진할 대응성 규정의 마련과 보완, 한국형 그린뉴딜을 촉진할 적응성 규정의 마련과 보 완, 한국형 그린뉴딜에서 정의로운 대전환을 위한 구체적 입법의 마련 등 이 요구된다.

Recently, not only traditional statistical techniques but also machine learning algorithms have been used to make more accurate bankruptcy predictions. But the insolvency rate of companies dealing with financial institutions is very low, resulting in a data imbalance problem. In particular, since data imbalance negatively affects the performance of artificial intelligence models, it is necessary to first perform the data imbalance process. In additional, as artificial intelligence algorithms are advanced for precise decision-making, regulatory pressure related to securing transparency of Artificial Intelligence models is gradually increasing, such as mandating the installation of explanation functions for Artificial Intelligence models. Therefore, this study aims to present guidelines for eXplainable Artificial Intelligence-based corporate bankruptcy prediction methodology applying SMOTE techniques and LIME algorithms to solve a data imbalance problem and model transparency problem in predicting corporate bankruptcy. The implications of this study are as follows. First, it was confirmed that SMOTE can effectively solve the data imbalance issue, a problem that can be easily overlooked in predicting corporate bankruptcy. Second, through the LIME algorithm, the basis for predicting bankruptcy of the machine learning model was visualized, and derive improvement priorities of financial variables that increase the possibility of bankruptcy of companies. Third, the scope of application of the algorithm in future research was expanded by confirming the possibility of using SMOTE and LIME through case application.

Artificial intelligence is driving the Fourth Industrial Revolution and is in the spotlight as a general-purpose technology. As the data collection from the battlefield increases rapidly, the need to us artificial intelligence is increasing in the military, but it is still in its early stages. In order to identify maritime targets, Republic of Korea navy acquires images by ISAR(Inverse Synthetic Aperture Radar) of maritime patrol aircraft, and humans make out them. The radar image is displayed by synthesizing signals reflected from the target after radiating radar waves. In addition, day/night and all-weather observations are possible. In this study, an artificial intelligence is used to identify maritime targets based on radar images. Data of radar images of 24 maritime targets in Republic of Korea and North Korea acquired by ISAR were pre-processed, and an artificial intelligence algorithm( ResNet-50) was applied. The accuracy of maritime targets identification showed about 99%. Out of the 81 warship types, 75 types took less than 5 seconds, and 6 types took 15 to 163 seconds.

기술의 발전으로 스마트 선박과 관련된 다양한 연구가 진행되고 있으며, 기관실을 무인으로 순찰할 수 있는 기관실 순찰 로봇 도 이러한 연구 중의 하나이다. 순찰로봇은 인공지능을 통해 학습된 정보를 기반으로 기관실을 이동하며 기기 정상 유무 및 누수, 누유, 화재 등의 이상 유무를 파악한다. 기관실 순찰로봇에 관한 연구는 인공지능을 이용한 객체 검출에 관한 연구가 주로 진행되고 있으나, 순 찰로봇의 이동 및 제어에 관한 연구는 부족한 상황이다. 이는 순찰로봇이 객체를 검출하더라도 검출한 객체까지 이동할 방법이 없다는 문제를 야기한다. 이에 본 논문에서는 기관실 이상상황 발생 시 빠르게 이상 유무를 파악할 수 있는 기동성을 확보하기 위해, A* 알고리 즘을 적용하여 순찰로봇이 최단경로를 탐색할 수 있는지를 확인하였다. 라이다를 장착한 소형차를 이용하여 선박 기관실을 주행하며 데 이터를 얻어, SLAM으로 매핑하여 지도를 만들었다. 매핑한 지도에서 순찰로봇의 출발 지점과 목표 지점을 설정하고, A* 알고리즘을 적용 하여 출발 지점부터 목표 지점까지 최단 경로를 탐색하는지를 확인하였다. 시뮬레이션 결과 매핑된 지도에서 출발 지점부터 목표 지점까 지의 장애물을 회피하며 최단 경로를 잘 탐색함을 확인 할 수 있었으며, 기관실 순찰로봇에 적용하면 선박안전에 도움이 될 것으로 사료 된다.