Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능의 사회적 영향(1528 한아람) - Coggle Diagram

- - - - 인공지능은 과거에 기계가 인간의 육체노동을 대신하는 정도였지만 인공지능이 인식, 판단, 학습, 추론, 문제 해결 등 인간의 지적 능력도 수행하는 수준으로 발전함. 발전 속도는 성능향상, 활성화 등으로 점점 더 빨라지고 있다.
    - - 초지능* 사회: 범용적으로 활용 가능한 인공지능이 개발되고 있으며, 인간 수준의 이상의 지능을 구현할 수 있다. -> 인간은 인공지능의 도움을 받아 최적의 의사 결정을 할 수 있게 변화되고 있다. ex) 빅데이터로 환자의 질병을 발견, 컴퓨터 비전 기술과 딥러닝을 이용해 위험 상황을 알려 사고를 예방할 수 있다. 또 센서를 사용해 교통량을 분석해 교통으, 혼잡을 줄이고 최적호된 교통 시스템을 구현할 수 있다.
        
        질병 진단 시스템: 인공지능으로 눈 내부 후면에 망막이 있는 영상 분석
        산재 사고 예방 시스템: 실시간으로 영상을 분석해 위험 상황을 알린다.
        안전하고 효율적인 교통 시스템 구현: 인공지능 센서를 사용하여 교차로 교통량을 분석하고 신호등을 최적화 한다.
      - 초연결 사회: 상호 작용을 할 수 있게 함. 스마트폰 사용의 증가와 사물 인터넷의 발전으로 데이터를 주고 받는 것이 가능해지면서 인간과 사물 사이의 네트워크는 점점 더 촘촘해지고 있다. ex) 트윈 같이 현실에 존재하는 사물, 공간, 환경 등을 디지털 데이터 모델로 표현해 실시간으로 예측. 또 딥러닝 기숳의 발전으로 이미지 인식, 자연어 처리 등이 상태와 변화를 실시간으로 감지하는 것이 더 정확해지고 있다.
      - 초융합 사회: 빅테이터, 사물 인터넷 등의 기술과 다양한 학문, 산업 등이 결합되어 새로운 융합을 창출. ex) 인공지능과 로봇 공학의 융합으로 대신위험한 작업을 수행하는 로봇이 개발되고 있다.
        
        스마트 공장: 제조 분야와 인공지능, 빅데이터가 융합하여 등장한 스마트 공장은 극대화하고 불량을 최소화 한다.
        로보어드바이저: 금융 분야에서 등장한 로보어드바이저는 고객 맞춤형 자산 관리 서비스를 제공할 수 있게 되었다.
        스마트팜: 농업 분야에서 농작물의 품질을 관리하여 최상의 조건에서 농장물을 관리하고 수확할 수 있게 되었다.
      - 해 보기2 인공지능으로 인한 사회 변화 조사하기
        
        건강, 복지: 의료 전문가 시스템의 도입으로 의사가 환자의 증상을 분석하고 질병을 진단하는 데 도움을 준다.
        
        환경: 인공지능이 오염 수치를 실시간으로 분석하여 미세먼지와 대기질을 예측하고 관리할 수 있게 되었다.
        
        안전: CCTV 영상 분석을 통해 범죄나 사고 상황을 자동으로 감지하고 즉시 대응할 수 있게 되었다.
- - - - 1 자동화로 인한 변화
        
        자율주행 기술에 인공지능 기술이 더해져 자율주행 자동차 뿐만 아니라 무인 배송 트럭, 서빙 로봇 등에서 활용되고 있다.
        
        자율 비행 드론: 인공지능을 탑재하여 인간의 개입을 최소화하고 자율주행하는 형태로 발전하고 있다.
        
        장점: 자율주행 기술은 휴식, 여가 활동 등 생산적인 일에 활용할 수 있는 시간으로 변화시킬 것으로 예상되고 또 서빙 로봇이나 로봇 청소기 등으로 인해 인간은 일상생활에서 이전보다 더 적은 노동을 수행하게 될 것으로 전망된다.
        
        해 보기1 자율주행 기술의 사례
        
        자율주행 유모차는 유모차를 미는 부모를 인식해 일정한 간격을 유지하며 움직이게 한다.
        
        2 인간 능력의 한계 극복
        
        인공지능은 인간이 가지고 있는 능력을 보완하거나 극복할 수 있도록 돕는다.
        
        인공지능이 탑재된 재활 로봇이나 근력 보조 로봇: 장애로 인한 불편함을 줄이고 노년 시기의 생활을 더욱 활기차게 만들어 줄 수 있다.
        
        험난한 지형을 오르 내릴 때: 적은 힘으로도 쉽게 움직일 수 있도록 도울 수도 있다.
        
        생산형 인공지능을 이용해 원하는 내용을 텍스트로 입력하면 예술적 감각이 없는 사람들도 자신이 원하는 이미지나 영상을 손쉽게 제작할 수 있어 누구나 자신의 창의성을 표현할 수 있다.
        
        3 개별 맞춤형 서비스 제공
        
        인공지능은 개인과 관련된 데이터를 기반으로 개별 맞춤화 서비스를 제공할 수 있다.
        
        추천 알고리즘: 사용자가 선호할 만한 서비스나 영상, 게시물, 광고 등을 추천해 준다.
        
        인공지능 디지털 교과서: 학생 개개인의 학습 데이터를 활용하여 최적의 학습 경로를 제시하고 맞춤형 학습을 가능하게 한다.
        
        학부모: 자녀의 학업 성취도와 교과 흥미 현황 등을 제공하여 자녀의 학습 상황을 파악할 수 있으며, 교사에게는 학생의 학업 참여도 등을 제공하여 학생 지도에 도움을 준다.
  - - - 인공지능의 발전: 새로운 일자리의 창출과 기존 직업의 개선이나 역할 변화에 영향을 미치고 있다.
        
        미래의 직업 환경: 반복적이고 정형화된 문제를 해결하는 일은 점차 인공지능에 의해 대체될 것이다. -> 인간은 창의력이나 고도의 전문성을 발휘하는 업무에 집중하게 될 것이다.
        
        개인 맞춤형 내용: 인공지능이 학생 개인의 데이터를 분석하여 교사에게 제공하고 맞춤 학습을 추천하면, 교사는 이것이 적절한지 검토한 뒤 학생들에게 제공할 수 있다. 또 학생들과의 인간적인 소통을 통해 학생들의 감정 변화를 관찰하고 상담하며 조언해줄 수 있게 될 것이다.
        
        양식장: 스마트 양식장의 시스템은 인공지능과 빅데이터 기술을 화룡해 양식하기에 적합한 최적의 물의 온도를 맞춰 주고 ,수산물의 상태와 행동 패턴을 데이터화하여, 양식장 환경과 물고기의 상태에 따라 먹이 배급을 자동화할 수 있다. 여부는 이러한 데이터를 분석하고 관리하여 수산물을 기를 수 있게 될 것이다.
        
        인공지능과 함께 하는 미래를 위해 필요한 역량은 무엇일까?
        
        의사소통 능력: 원하는 결과를 얻기 위해 정보를 정확하게 표현할 수 있어야 한다. 인공지능은 인간이 입력하는 정보에만 의존한다. -> 원하는 목표에 도달하기 위해서는 문맥을 이해하고 추가적인 정보를 제공할 수 있는 능력이 필요하다.
        
        비판적 사고력: 인공지능으로 도출한 결과가 항상 정확한 것은 아니다. 인공지능이 생성한 결과를 평가하기 위해 객관적으로 분석하고 판단할 수 있아야 한다.
        
        협업 능력: 문제를 해결하기 위해 필요한 창의성은 집단지성을 발휘할 때 더욱 효과적으로 나타나므로, 사람들과 협력하여 공동의 목표를 구현할 수 있어야 한다.
        
        호기심: 인공지능을 제대로 활용하기 위해서는 계속해서 인공지능을 사용하고 그 한계와 능력을 실험해 보는 능력이 필요하다.
- - - - 인공지능 발전 속 새로운 문제 발생
- - - - 지속 가능 발전 목표의 개념
        
        지속 가능 발전 목표: 빈곤, 불평등, 기후 변화, 환경 파괴 등에 대한 공동의 목표를 세우고, 이를 위한 세계의 대대적인 노력을 촉구하고자 설정한 인류 공동의 목표다. -> 이를 달성하기 위한 169개의 세부 목표가 포함되어 있다. 현세대의 필요를 충족시키기 위해 전 세계의 협력을 강조하고 있다. 전 세계는 빈곤, 질병, 환경 등 다양한 분야의 문젲를 해결하고자 노력하고 있다.
        
        해 보기1 지속 가능 발전 세부 목표 조사하기
        
        목표: 8. 경제 성정과 양질의 일자리 세부 목표: 모든 사람이 차별 없이 안전하고 안정적인 일자리를 얻을 수 있도록 하고, 노동환경을 개선하여 근로자의 권리와 복지를 보장한다. 또한 지속 가능한 경제 성장을 이루기 위해 청년 고용 기회를 확대하고 기술 교육을 강화한다.
        
        목표: 9. 사회 기반 시설 산업화 및 혁신 세부 목표: 지속 가능한 산업 발전을 위해 교통, 통신, 에너지 등의 사회 기반 시설을 현대화하고, 첨단 기술과 혁신을 촉진하여 산업 경쟁력을 높인다. 특히 모든 지역이 균형적으로 발전할 수 있도록 인프라 접근성을 개선한다.
        
        인공지능의 활용
        
        기아 종식: 자율주행 트랙터는 농작물을 심기 좋게 밭을 갈고, 농작물을 심는다. 또한 무인 제초 로봇은 잡초와 작물을 구분하여 잡초를 제거한다.
        
        모두를 위한 에너지 보장: 가전제품에 탑재된 인공지능은 사용자의 습관에 맞춰 제품의 동작을 제어하며 불필요한 에너지 낭비를 줄인다.
        
        건강과 웰빙 증진: 인공지능 의료 영상 판독 자원 프로그램과 질병에 대한 치료 방법 추천 프로그램 등이 의료 현장에서 활용된다.
        
        기후 변화 대응: 인공지능은 기후 모델링에 활용돼어 기후 변화를 예측하는 데 도움을 준다. 기후 변화로 인한 새로운 자연재해를 예측하고 이를 바탕으로 조기 경보 시스템을 운영하여 재난에 대비할 수 있도록 돕고있다.
        
        양질의 교육 보장: 인공지능 튜터는 학생들의 학습 스타일과 수준에 맞는 맞춤형 학습 자료를 제공하여 학생들의 학습을 돕는다. 학부모들에게 효율적으로 정보를 제공하고 있다.
        
        사회 기반 시설 산업화 및 혁신: 인공지능을 활용한 신호 제어를 도입하여 도시의 교통 시스템을 최적화하고 교통 혼잡을 완화한다.
        
        인공지능 프로젝트의 절차
        
        1단계 주제 선택 및 문제 정의: 인공지능을 활용하여 해결하고 싶은 문제를 찾기 위해 다양한 주제를 탐색하고 명확하게 문제를 정의하는 단계다. 또 목표 달성을 위한 구체적인 문제를 정의한다.
        
        2단계 데이터 수집 및 전처리: 인공지능을 활용한 문제 해결 과정에서 양질의 데이터는 인공지능의 성능에 핵심적인 역할을 한다. -> 인공지능 문제 해결과 관련 있는 속성을 지닌 데이터를 수집하는 것이 필수다. 시각화를 통해 데이터의 속성을 파악하고, 학습에 사용할 수 있도록 전처리한다.
        
        3단계 기계학습 유형과 알고리즘 선정: 수집한 데이터를 바탕으로 예측, 분류, 군집 중 어느 기계학습 유형을 활용하여 문제를 해결할지 결정한다. 모델 생성 후 가장 좋은 성능을 가진 모델을 선정할 수 있도록 한다.
        
        4단계 기계학습을 통한 모델 생성: 데이터 훈련 데이터와 테스트 데이터로 나누고 훈련 데이터와 선정한 알고리즘을 활용하여 기계학습 모델을 생성 및 학습 시킨다. 이때 다양한 알고리즘을 활용하여 여러 모델을 생성하고 학습시킨다.
        
        5단계 성능 평가: 생성한 모델의 성능을 확인한다. 성능 확인 후 성능이 좋은 모델을 선정하고 만일 성능이 좋지 않다면 모델 학습 알고리즘을 변경하거나 학습 과정에서 활용한 데이터의 속성을 변경하거나 데이터를 보완한 후 다시 학습하도록 한다.
        
        인공지능 프로젝트 절차에 따라 수행한 프로젝트 예시
        외래종으로 인한 생태계 혼란 예방 프로젝트
        1단계 주제 선택 및 문제 정의: 주제는 ‘육상 생태계 보호’로 선정하고 ‘육상 외래종 분류하기’를 문제로 정의한다. 기계학습 분류를 활용하여 외래 동물 여부를 분류한다.
        
        2단계 데이터 구집 및 전처리: 공공 데이터 포털에서 육성 외래종 데이터를 수집한다. 수집한 데이터의 속성 중 결측치, 이상치 등을 처리한다.
        
        3단계 기계학습 유형과 알고리즘 선정: 기계학습 유형은 분류를 사용하고, 이를 위한 알고리즘으로 의사 결정 트리, 랜덤 포레스트를 활용한다.
        4단계 기계학습 유형과 알고리즘 선정: 훈련 데이터와 테스트 데이터를 7:3의 비율로 나눈다. 이어서 훈련 데이터를 활용해 의사 결정 트리, 랜덤 포레스트 모델을 생성하고 학습시킨다.
        5단계 성능 평가: 생성한 모델의 성능을 확인하기 위햐 테스트 테이터를 활용하여 외래종 예측 결과를 확인하고 정확도 등의 성능을 확인한다.