Please enable JavaScript.

Coggle requires JavaScript to display documents.

3.인공지능의 사회적 영향 1201 강명구 - Coggle Diagram

- - - - 대표적으로 자율주행 기술이 우리 삶의 많은 부분에 자동화를 가져왔다.자율주행 기술에 인공지능 기술이 우리 삶의 많은 부분에 자동화를 가져왔다.
    - - 인공지능은 인간이 가지고 있는 능력을 보완하거나 극복할 수 있도록 돕는다.
    - - 인공지능은 개인과 관련된 데이터를 기반으로 개별 맞춤화 서비스를 제공할 수 있다.
  - - - 인공지능의 발전은 새로운 일자리의 창출과 기존 직업의 개선이나 역할 변화에 영향을 미치고 있다. 미래의 직업 환경에서는 반복적이고 정형화된 문제를 해결하는 일은 점차 인공지능에 의해 대체될 것이다.
- - - - 인공지능의 발전이 가속되면서 인공지능의 활용 가능성은 더욱 다양해지고 있다.
    - - 인공지능 윤리란 인공지능을 개발,운영,활용할 때 지켜야 하는 윤리적 원칙을 말한다.
      - 2 데이터와 알고리즘의 편향성
        
        편향이란 어느 한쪽으로 기우는 것으로, 우리 사회에 녹아 있는 사회적 현상이나 편견이편향으로 나타날 수도 있다.
        
        01 데이터 편향
        
        데이터 편향이란 인공지능 모델을 학습 시키는 데 사용되는 데이터가 사람이나 사회가 가지는 편견을 포함하고 있는 것을 의미한다.
        
        02 알고리즘 편향
        
        알고리즘 편향은 인공지능 모델을 위한 알고리즘 설계하는 과정에서 생길 수 있는 편향을 말한다.
        
        03 신뢰 가능한 인공지능 구현을 위한 다섯 가지 원칙
        
        인간 중심 가치와 공정성
        
        인공지능 수명 주기 전반에 걸쳐 법률,인권 및 민주적 가치 등 인간 중심 가치를 존중하고 지키기 위해 힘써야 함
        
        투명성과 설명 가능성
        
        인공지능 시스템에 대한 이해를 증진시키고 감춰진 것이 없도록 투명성 설명 가능성을 확보해야함
        
        포용성과 지속 가능성
        
        모든 이해관계자는 인류의 포용 성장, 지속 가능한 발전 및 복지 증진을 위해 신뢰 가능한 인공지능 구현에 힘써야 함
        
        견고성과 안전성
        
        인공지능은 전 수명 주기에 걸쳐 견고하게 작동되어야 하며 바람직하지 못한 조건을 견딜 수 있거나 극복할 수 있어야 함
        
        책무성
        
        인공지능 활동 주체는 자신들의 역할,상황의 토대 위에 최신성을 유지하면서 위의 원칙을 존중하며 인공지능 시스템이 적절히 가능하도록 하는 데 책임을 다해야 함
        
        3인공지능으로 인한 윤리적 딜레마
        
        윤리적 딜레마란 윤리적인 어떤 선택이나 상황이 동등하게 불만족스러운 두가지 중에서 어느 한 가지를 결정해야 하는 경우를 말한다.
        
        01 데이터를 수집할 때 발생하는 딜레마
        
        인공지능을 훈련시키기 위해서는 데이터를 수집하는 것이 필요하다.인공지능의 훈련 데이터로 사용할 데이터를 수집할 떄 개인 정보가 포함된다.
        
        02 알고리즘 딜레마
        
        추천 알고리즘 덕분에 우리는 개인 맞춤형 광고나 콘텐츠를 향유할 수 있게 되었다.
        
        03 자율주행 자동차 설계의 딜레마
        
        자율주행 자동차에 인공지능이 적용되면서 인공지능의 판단이 인간의 안전이나 생명과 직결되기 때문에 윤리적 딜레마에 관한 관심이 높아지고 있다.
- - - - 지속 가능 발전 목표(SDG's:Sustainable Development Goals)는 20215년 유엔 총회에서 빈곤,불평등,기후변화,환경 파괴 등에 대한 공동의 목표를 세우고, 이를 위한 세계의 대대적인 노력을 촉구하고자 설정한 인류 공통의 목표이다.
        
        지속 가능 발전 목표 17가지
        
        1빈곤 퇴치
        
        모든 곳에서 모든 형태의 빈곤을 퇴치한다.빈곤층 감소와 사회 안전망을 강화한다.
        
        2기아 종식
        
        기아 종식, 식량 안보 달성, 영양 상태 개선과 지속 가능한 농업을 강화한다.
        
        3 건강과 웰빙 증진
        
        모든 연령층의 모두를 위한 건강한 삶을 보장하고 웰빙을 증진한다.
        
        4양질의 교육 보장
        
        모두를 위한 포용적이고 공평한 양질의 교육 보장 및 평생 학습 기회를 증진한다.
        
        5성평등 달성
        
        성평등 달성 및 모든 여성과 여아의 권한을 강화한다.
        
        7모두를 위한 에너지 보장
        
        모두를 위한 적정 가격의 신뢰할 수 있고,지속 가능하며 현대적인 에너지에 대한 접근을 보장한다.
        
        6깨끗한 물과 위생 보장
        
        모두를 위한 물과 위생의 이용 가능성과 지속 가능한 관리를 보장한다.
        
        8경제 성장과 양질의 일자리
        
        모두를 위한 지속적이고 포용적이며 지속 가능한 경제 성장, 완전하고 생산적인 고용과 양질의 일자리를 증진한다.
        
        12지속 가능한 소비와 생산
        
        지속 가능한 소비와 생산 양식을 보장한다.
        
        9사회 기반 시설 산업화 및 혁신
        
        회복력 있는 사회 기반 시설을 구축하고, 포용적이고 지속 가능한 사업화 증진과 혁신을 도모한다.
        
        14해양 생태계 보호
        
        지속 가능 발전을 위한 대양, 바다,해양 자원의 보전과 지속 가능한 이용을 한다.
        
        10 불평등 감소
        
        국내 및 국간 간 불평등을 감소한다.
        
        15육상 생태계 보호
        
        육상 생태계 보호, 복원 및 지속 가능한 이용 증진, 산림의 지속 가능한 관리, 사막화 관리, 토지 황폐화 중지와 회복, 생물 다양성 손실을 중지한다.
        
        11지속 가능한 도시와 주거지
        
        포용적이고 안전하며 회복력 있고 지속 가능한 도시와 주거지를 조성한다.
        
        16평화,정의,포옹적인 태도
        
        지속 가능 발전을 위한 평화롭고 포용적인 사회증진, 모두에게 정의 보장과 모든 수준에서 효과적이고 책임성 있으며 포용적인 제도를 구축한다.
        
        17글로벌 파트너십
        
        이행 수단 강화와 지속 가능 발전을 위한 글로벌 파트너십을 재활성화한다.
        
        13기후 변화 대응
        
        기후 변화와 그 영향에 맞서기 위한 긴급 대응을 한다.
    - - 인공지능은 지속 가능한 발전 목표를 성취하는 데 중요한 역할을 하고 있다.
      - 2 인공지능 프로젝트의 절차
        
        1단계
        
        인공지능을 활용하여 해결하고 싶은 문제를 찾기 위해 다양한 주제를 탐색하고 명확하게 문제를 정의하는 단계다. 본 활동 에서는 지속가능 발전 목표의 구체적인 문제를 정의한다. 또한 정의한 문제가 인공진능으로 해결할 수 있는 문제인지 아닌지를 생각해 본다.
        
        2단계
        
        인공지능 활용한 문제 해결 과정에서 양질의 데이터는 인공지능의 성능에 핵심적인 역할을 한다. 따라서 인공지능 문제 해결과 관련 있는 속성을 지닌 데이터를 수집하는 것이 필수다. 한국의 sdgS 데이터 플랫폼 사이트와 같은 공공 데이터 포털을 통해정의한 문제를 해결하기 위한 데이터를 수집하도록 한다. 이어서 수집한 데이터의 통계 확인, 시각화를 통해 데이터를 수집하도록 한다. 이어서 수집한 데이터의 통계 확인 시각화를 통해 데이터의 속성을 파악하고, 학습에 사용할 수 있도록 전처리 한다.
        
        3단계
        
        수집한 데이터를 바탕으로 예측,분류,군집 중 어느 기계학습 유형에 활용하여 문제를 해결할지 결정한다. 이어서 결정한 기계학습 유형을 어떤 알고리즘을 활용하여 기계학습 모델을 구현할지 결정한다. 이때 한가지 알고리즘만을 선정하기 보다는 다양한 알고리즘을 선정하여, 모델 생성 후 가장 좋은 성능을 가진 모델을 선정할 수 있도록 한다.
        
        4단계
        
        데이터를 훈련 데이터와 테스트 데이터로 나누고,훈련 데이터와 선정한 알고리즘을 활용하여 여러 모델을 생성하고 학습시킨다.
        
        5단계
        
        생성한 모델의 성능을 확인한다. 성능 확인 후 가장 성능이 좋은 모델을 선정한다. 만일 성능이 좋지 않다면 모델 학습 알고리즘을 변경하거나 학습 과정에서 활용한 데이터의 속성을 변경하거나 데이터를 보완한 후 다시 학습하도록 한다.