Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능의 사회적 영향 (1402 김나은) - Coggle Diagram
인공지능의 사회적 영향 (1402 김나은)
인공지능과 사회 변화
인공지능
앨런 튜링이 제안한 지능이 있는 기계에 관한 아이디어로부터 시작
용어: 1956. 존 매카시가 다트머스 회의에서 제안
기계가 인간처럼 상황을 인지하고, 이성적이고 논리적으로 판단하고 행동하며, 창의적인 기능을 수행하게 된다는 것.
인공지능의 발전:
사물인터넷: 데이터 수집
인터넷 및 모바일 컴퓨팅: 전송
빅데이터: 데이터 분석, 데이터 축적
초지능 사회
범용적으로 활용 가능한 인공지능과 인간 수준 이상의 지능을 구현할 수 있는 인공지능 개발 중.
인간은 인공지능의 도움을 받아 최적의 의사 결정을 할 수 있게 변화 중.
초연결 사회
정보 기술을 바탕으로 인간과 기계, 사물 공간 등이 유기적으로 연결되어 상호 작용을 할 수 있게함.
스마트폰 사용의 증가와 사물 인터넷의 발전으로 실시간으로 데이터를 주고 받는 것이 가능해지면서 인간과 사물 사이의 네트워크는 점점 더 촘촘해지고 있음.
초융합 사회
인공지능의 발전은 빅데이터, 사물 인터넷 등의 기술과 다양한 학문, 산업 등이 결합되어 새로운 융합을 창출하는 초융합의 모습을 나타냄.
인간의 지식을 뛰어넘고, 초연결 환경이 조성되면서 다양한 기술과 산업의 결합이 촉진되어 새로운 분야를 창출하고 있음.
인공지능으로 해결할 수 있는 사회 문제
인공지능은 빅데이터를 활용하여 예측과 분류 등을 통해 문제 해결을 돕는다.
재난 예측/대비, 멸종 위기 동물 관찰 가능, 자연재해 예측, 범죄 예방, 교통 혼잡도/교통사고 발생률 감소, 질병 조기 진단, 평균 수명 늘어남, 맞춤형 물품 제조, 불량률 감소, 생산성 증가, 금융 사고 탐지 정확도 증가
인공지능과 진로
인간의 개입이 점차 줄어들고 있음.
인공지능은 개별 맞춤 서비스를 제공할 수 있어 각각의 사람들이 자신이 원하는 것을 더욱 쉽게 찾아 즐길 수 있게 변화하고 있음.
자동화
짐 운반 로봇
자율주행 버스
자율 비행 드론
자율주행 기술
해보기
로봇청소기는 사람이 조종하지 않아도 주변 사물을 인식하여 피해가면서 청소를 한다.
인공지능은 인간이 가지고 있는 능력을 보완하거나 극복할 수 있도록 도움.
재활 로봇
생성형 인공지능
근력 보조 로봇
인공지능은 개인과 관련된 데이터를 기반으로 개별 맞춤화 서비스를 제공할 수 있음.
추천 알고리즘
디지털 교과서
인공지능으로 인한 직업의 변화
단순한 노동은 줄고 생산성은 높일 수 있게 됨.
데이터를 기반- 간단한 추론으로 처리 가능한 작업을 대체하는 경향 있음.
종합적인 분석과 판단은 아직 인공지능이 완전히 대체할 수 없는 영역.
인공지능과 함꼐 하는 미래를 위해 필요한 역량
의사소통 능력
비판적 사고력
협업 능력
호기심
인공지능과 윤리
인공지능의 발전이 가속되면서 인공지능의 활용 가능성은 더욱 다양해지고 있음. - 기존에는 예상하지 못했던 새로운 문제들이 생길 수 있음.
인공지능은 인간을 지원하고 보존하거나 새로운 가치를 창출할 수도 있음.
인공지능이 학습을 통해 성능을 개선하거나 지능적인 판단을 내리더라도 도덕적,법적인 책임을 질 수 있는 주체는 인간임.
인공지능을 사용하고 개발하는 것을 무조건적으로 거부하거나, 수용하기보다는 인공지능과 공존하기 위해 인공지능을 어떻게 활용할 수 있을지에 대한 충분한 고민이 필요함.
인공지능으로 얻게 된 결과에 대하여 충분한 검토와 윤리적 검찰을 통해 인공지능을 바람직하게 사용할 수 있어야 함.
인공지능 윤리: 인공지능을 개발, 운영, 활동할 때 지켜야 하는 윤리적 원칙
사용자: 인공지능, 사회적 논의의 소비 주체
인공지능으로 인한 문제가 발생할 때 사용자가 책임지는 범위에 관한 규정이나 사회적 합의가 필요하다.
운영/관리자: 개발된 인공지능을 올바르게 운영하고 관리할 책임
인공지능의 오류나 편향성을 발견하고 개선할 수 있어야 함
사생활 철저히 보호, 관리자의 임의적 허용X
개발자: 인공지능 설계, 개발, 결과에 책임.
개발자의 편견이나 성향이 포함X.
데이터와 알고리즘의 편향성
편향: 어느 한쪽으로 기우는 것.
인공지능, 딥러닝 분야가 발전하면서 인공지능에 의한 결과가 예측하지 못한 형태로 나타나는 경우가 많은데 여기서 편향이 나타나는 경우가 있음.
데이터 편향
인공지능 모델을 학습시키는 데 사용되는데이터가 사람이나 사회가 가지는 편견을 포함하고 있는 것
개인 정보가 포함된 데이터를 학습한 경우
데이터를 수집하는 사람의 특정한 의도를 반영하여 데이터를 수집한 경우
학습 데이터로 특정 데이터가 많이 사용되는 경우
인공지능이 사용자가 입력하는 데이터를 학습하기 때문에 사용자에 의해서도 편향이 발생할 수 있음.
정확도 낮아짐
사회적 물의
알고리즘 편향
인공지능 모델을 위한 알고리즘을 설계하는 과정에서 생길 수 있는 편향
설계자의 문화적/개인적인 편향이 변수나 가중치 설정에 반영되는 경우
데이터를 잘못 라벨링하는 경우
목표와는 관련성이 없거나 적은 변수를 포함하거나 높은 가중치를 부여했을 경우
비의도적이지만 알고리즘을 설계할 때 일반적으로 가나다 순서, 알파벳 순서대로 결과를 나열하는 경우
데이터의 수집/처리/분석/사용 과정에서 개발자, 인공지능 서비스를 운영/관리하는 기업, 사용자의 윤리 의식 중요.
알고리즘을 구성하는 주요한 원칙을 공개, 시뮬레이션 제시
신뢰 가능한 인공지능 구현을 위한 다섯 가지 원칙
투명성과 설명 가능성
견고성과 안정성
인간 중심 가치와 공정성
책무성
포용성과 지속 가능성
딜레마
데이터 수집의 딜레마
인공지능은 방대한 데이터 수집이 필요함
개인정보 침해 vs 기술 발전의 효율성 사이 갈등
데이터 활용 범위와 개인의 자유/권리 사이의 윤리 문제
자율주행 자동차의 딜레마
사고 상황에서 누구의 생명을 우선할지 선택 문제(트롤리 딜레마)
한 사람을 희생해 다수를 구할지, 운전자 보호를 우선할지 논쟁
인간의 도덕 판단을 기ㅖ가 대신할 수 있는가의 윤리적 문제
윤리적 딜레마: 윤리적인 어던 선택이나 상황이 동등하게 불만족스러운 두 가지 중에서 어느 한 가지를 결정해야 하는 경우
알고리즘의 딜레마
알고리즘은 사용자 정보를 바탕으로 개인 맞춤형 추천 제공
편리함과 만족 제공하지만 '필터 버블'로 다양한 정보 차단 위험
기업의 이익 추구와 사회적 공정성 사이의 딜레마 발생
4-1. 인공지능과 지속 가능 발전 목표
지속 가능 발전 목표의 개념
주요 내용
개발도상국과 선진국 모두가 참여해야 함
경제,사회,환경 등 다양한 분야의 문제 해결을 포함
각국은 이를 바탕으로 자국의 지속 가능한 발전 기본계획을 수립함
ex) 우리나라의 '지속가능발전 기본계획(2021~2040)'
개념
2015년 UN 총회에서 채택된 빈곤, 불평등, 기후변화 등 문제 해결을 위한 공동의 목표
총 17개 목표와 169개 세부 목표로 구성
현재 세대의 필요를 충족하면서 미래 세대의 필요를 해치지 않는 발전을 지향
전 세계의 협력과 공동 노력이 강조됨
해 보기
목표: 빈곤 퇴치, 세부 목표: 2030년까지 모든 곳에서 모든 형태의 빈곤을 완전히 종식시키고, 모든 사람들을 위한 사회 보장 제도를 확립하여 취약 계층의 권리를 보장해야 함.
목표: 경제 성장과 양질의 일자리, 세부 목표: 지속적이고 포용적이며 지속가능한 경제 성장을 달성하고, 모든 사람을 위한 완전하고 생산적인 고용 및 양질의 일자리를 증진시키기 위해 노력해야 한다.
모두를 위한 에너지 보장: 모두를 위한 적정 가격의 신뢰할 수 있고 지속 가능하며 현대적인 에너지에 대한 접근을 보장하고, 신재생 에너지의 전 세계적 비중을 확대해야 한다.
건강과 웰빙 증진: 모든 연령층의 모두를 위한 건강한 삶을 보장하고 웰빙을 증진하며, 예방 및 치료 서비스에 대한 보편적인 접근성을 확대해야 한다.
인공지능의 활용
기아 종식
자율주행 트랙터, 드론을 활용해 농사 효율을 높여 식량 생산량 증대에 기여
양질의 교육 보장
학생의 학습 습관과 수준을 분석하여 맞춤형 학습 자료 및 개인별 진로/학습 정보 제공
기후 변화 대응
기후 모델링에 활용되어 기후 변화를 예측하고 재해 대시 시스템 운영을 지원
사회 기반 시설과 혁신
교통 시스템을 최적화하고 도시 시설물 관리를 자동화하여 지속 가능한 도시 구축에 기여
건강과 웰빙 증진
의료 영상 분석, 질병 예측 등을 통해 신속한 진단과 치료를 돕고 의료 서비스 접근성 향상에 기여
모두를 위한 에너지
가정/공장의 에너지 소비를 예측하고 자동으로 제어항려 에너지 낭비 방지 및 효율화에 기여
인공지능 프로젝트 절차
3.기계학습 알고리즘 선정
데이터에 맞는 최적의 학습 모델(알고리즘) 선택
문제 유형별 학습 방식 결정
4.모델 학습 및 성능 평가
데이터로 모델 학습 실행
테스트 데이터로 성능 평가 및 개선점 확인
2.데이터 수집 및 전처리
필요 데이터 수집 및 품질 확보
학습가능한 형태로 데이터 가공(전처리)
5.성능 높이기
최종 성능 확인 후, 필요시 데이터/모델 변경으로 성능 개선
1.문제 정의 및 목표 설정
문제 명확히 정의 및 프로젝트 목표 설정
성과 기준 및 측정 기준 구체화