Please enable JavaScript.

Coggle requires JavaScript to display documents.

3.인공지능의 사회적 영향 (1113 박시후) - Coggle Diagram

- - - - 인터넷을 기반으로 가상화된 소프트 웨어
    - - 인공지능 발전의 기반이 된 딥러닝 기술은 구글 딥마인드의 AlphaFold에서 활용되었습니다. AlphaFold는 단백질의 아미노산 서열을 입력받아 3차원 구조를 예측하는 인공지능으로, 기존에 수년 걸리던 연구를 며칠 만에 수행할 수 있게 해 생명과학과 신약 개발에 큰 혁신을 가져왔습니다.
    - - 범용적으로 활용 가능한 인공지능이 개발되고 있다,인간은 인공지능의 도움을 받ㅇ 최적의 의사 결정을 할 수 있게 변화 되고 있다.
    - - 인공지능의 발전은 정보 기술을 바탕으로 인간과 기계,사물공간 등이 유기적으로 연결되어 상호 작용할 수 있게한다,인간과 사물 사이의 네트워크는 점점 더 촘촘해지고 있다
    - - 인공지능의 발전의 빅데이터,사물 인터넷 등의 기술과 다양한 학문,산업 등이 결합 되어 새로운 융합이 창출되는 초융합의 모습을 나타낸다.
- - - - 인공지능이 다양한 분야에서 활용되면서 일상생활에 많은 변화가 일어나고 있다.
      - 자동차로 인한 변화
        
        자율주행 기술은 출퇴근 시간을 단순한 이동 시간이 아니라 휴식이나 여가 활동, 생산 적인 일에 활용할 수 있는 시가으로 변화 시킬거로 예상된다.
        
        해보기1:자율주행 기술의 사례
        
        공지능 기반 자율주행 기술의 대표적인 사례로 테슬라(Tesla) 오토파일럿을 들 수 있습니다.
      - 인간 능력의 한계 극복
        
        인공지능은 이간이 가지고 있는 능력을 보완하거나 극복할수 있도록 돕는다.
        
        생성형 인공지능을 이용해 원하는 내용을 텍스트로 입력하면 예술적 감각이 없는 사람들도 원하는 이미지나 영상을 손쉽게 제작할 수 있어 누구나 자신의 창의성을 표현할수 있다.
      - 개별 맞춤화 서비스 제공
        
        인공지능은 개인과 관련된 데이터를 기반으로 개별 맞춤화 서비스를 제공할 수 있다.
    - - 인공자능의 발전의 직업 부냐에서도 많은 변화를 불러오고 있다. 인간이 수행하던 일을 인공지능이 대신하게 되면서 인간이 그동안 해야 했던 단순한 노동은 줄고 생산겅은 높일 수 있게 되었다.그러나 인공지능이 인간의 직업을 완전히 대체하는 것은 아니다.데이터를 기반으로 이루어지는 작업이나 간단한 추론으로 처리할 수있는 작업을 대체하는 경향이 있다.
- - - - 인공지능의 발전이 가속되면서 인공지능의 활용 가능성은 더욱 다양해지고 있다. 이러한 변화 속에서 기존에는 예상하지 못했던 새로운 문제들이 생길 수 있다. 예를 들어, 인공지능 학습에 사용되는 개인 정보 보호나 데이터의 소유권과 관련된 문제가 있을 수 있다. 또한 딥페이크를 이용해 가짜뉴스를 제작하여 배포하는 등 인공지능을 부정적인 의도로 가지고 사용하는 문제까지 있을 수 있다. 생성형 인공지능이 이용해 만든 창작물과 자료들을 인정할 것인지, 인공지능을 사용한 결과에 대한 책임은 누구에게 있는지에 대한 문제도 있을 수 있다.
      - 개인 정보 보호 문제: 인공지능 학습에 사용되는 데이터에는 개인 정보가 포함되어 데이터가 많아 개인 정보 보호에 대해 고려해야 한다.
      - 가짜뉴스 생성 문제: 인공지능으로 가짜뉴스를 제작할 수 있는 문제에 대한 고려가 필요하다.
      - 저작권 문제: 인공지능을 이용해 만든 작품의 저작권에 대한 고려가 필요하다.
    - - 인공지능 윤리란 인공지능을 개발, 운영, 활용할 때 지켜야 하는 윤리적 원칙을 말한다. 인공지능으로 인해 나타나는 결과는 인간이나 사회에 윤리적인 영향을 미칠 수 있다. 아직 기술적으로 구현 불가능한 문제들이 존재하더라도 인간이나 사회에 미칠 영향을 대비할 필요가 있다.
      - 인공지능 개발자
        인공지능 개발자는 인공지능 설계, 개발, 결과에 책임이 있다. 개발자가 설계하는 알고리즘에 개발자의 편견이나 성향이 포함되지 않게 설계되어야 하고, 설계 과정에서 새롭게 잘못된 결과로 이어질 수 있는 편향의 구조요소를 숨길 수 있다. 하더라도 편향을 발견하고 수정하는 방향이 마련될 수 있도록 개발되어야 한다.
      - 인공지능 사용자
        인공지능 사용자는 인공지능의 소비 주체이자 사회적 논의에 참여 주체다. 인공지능이 적용된 자율주행 자동차가 사고를 낸 경우의 책임 소재 문제, 인공지능에 의해 피해를 입지 않게 문제, 인공지능에 사람이 생명을 맡겨도 될지에 관한 문제 등 인공지능으로 인한 문제가 발생할 때 사용자가 책임지 는 범위에 관한 규정이나 사회적 합의가 필요하다.
      - 인공지능 운영·관리자
        인공지능 운영·관리자는 개발된 인공지능을 운용하고 관리할 책임이 있다. 또한 인공지능의 오류가 발견되거나 인공지능이 편향성을 나타낸다면 이러한 부분을 발견하고 개선할 수 있어야 한다. 개인의 사생활에 관한 사항이 철저히 보호되어야 하고 관리자의 임의적인 접근을 허용하면 안 된다.
  - - - 데이터 편향이란 인공지능 모델을 학습시키는 데 사용되는 데이터가 사람이나 사회가 가진 편견을 포함하고 있는 것을 의미한다. 개인 정보가 포함된 데이터일 경우, 데이터를 수집하는 사람의 주관적 의도나 편향이 데이터에 투영될 경우, 학습 데이터로 특정 데이터가 많이 사용되는 등의 문제로 편향이 발생할 수 있다. 또한 데이터를 수집하거나 분석하는 과정에서 개인의 성향에 따라 데이터의 편향이 발생할 수 있다. 인공지능이 사용하는 훈련 데이터가 편향되어 있으면 인공지능이 잘못되게 낙인찍는 등 여러 사회적 문제를 일으킬 수 있다.
        
        예를 들어, 취업 추천 서비스에 입력한 데이터나 다른 서비스에서 수집한 대량 데이터가 연계되어 개인 성향까지 노출되는 문제도 발생할 수 있다. 인종 등 사회적 차별적인 말을 학습하게 되었다면, 이후 사용자의 서비스 이용패턴에 따라 유색인종이나 출신이 다름, 성 차별적인 말을 하게 될 경우, 편향된 결과가 나타나 서비스가 중단되기도 하였다.
        
        예) 아마존: 출시 초기의 AI 채용 도우미, 채택결과 일부 출신 대학의 편향된 결과가 나타나 중단되었다.
    - - 알고리즘 편향은 인공지능 모델을 위한 알고리즘을 설계하는 과정에서 생길 수 있는 편향으로, 설계자의 문제적·개인적인 가치관이 반영되어 발생할 수 있다. 데이터와 관련된 편향뿐만 아니라, 목표값을 판단하는 기준 자체의 설정이 잘못된 경우, 의도적으로 알고리즘을 설계한 일반적인 가나, 순서, 압박 순서로 결과를 내형화하다 보니 ‘~’이나 ‘~’로 시작되는 문장에서 우선적으로 노출되는 결과가 생겼다.
        따라서 인공지능 모델 학습을 위한 데이터의 수집·처리·분석·사용 과정에서 개발자, 인공지능의 운영·관리하는 기업, 사용자의 윤리 의식이 중요하다. 또, 알고리즘을 수집할 때 현실을 충분히 반영하고 알고리즘이 편향적으로 작동할 경우에는 다양한 사람들에게 시스템을 사용하도록 확인할 수 있는 관리법을 보장해야 한다.
    - - 신뢰 가능한 인공지능 구성을 위한 다섯 가지 원칙
        
        포용성과 지속 가능성
        모든 이해관계자는 인류의 포용, 성적, 지속 가능성 및 번영을 위해 인공지능을 개발·활용해야 함
        
        인간 중심 가치와 공정성
        인공지능 시스템이 인간의 권리, 자유, 평등을 보장하도록 설계되어야 하며, 불공정한 차별이 발생하지 않도록 해야 함
        
        투명성과 설명 가능성
        인공지능 시스템이 하는 이유를 충분히 파악하고, 결정 과정이 설명 가능하도록 해야 함
        
        견고성과 안전성
        인공지능은 전 생주기 동안 계속 견고하게 작동하며, 오류나 피해가 발생하지 않도록 해야 함
        
        책임성
        인공지능 활동 주체는 자신의 역할, 상황에 따라 위해 요소를 유치하며 책임 의식을 가지고 인공지능 시스템이 적절히 작동하도록 하는 데 책임을 다해야 함
  - - - 인공지능을 효율적이기 위해서는 데이터를 수집하는 것이 필요하다. 인공지능의 훈련 데이터로 사용되는 데이터에는 수집과 함께 개인 정보가 포함된다. 개인 정보와 관련된 가치인 인공지능의 효율성과 개인 정보의 보호가 상충하여 윤리적 딜레마가 발생할 수 있다.
        
        하인즈 딜레마의 상황은 생명을 살려야 한다는 가치와 약사가 개발한 노력에 대한 가치, 법을 지켜야 한다는 가치 등이 서로 상충하는 경우이다. 이렇게 우열을 가리기 힘든 가치 간의 충돌을 윤리적 딜레마라고 한다.
        
        인공지능의 개발과 활용에서도 다양한 윤리적 딜레마가 발생할 수 있다. 예를 들어, 자동차의 블랙박스를 통해 범행자가 주변 장소, 사람 등에 관한 정보가 수집될 수 있는데 이를 범죄자 추적 목적으로 사용할 수 있다.
        
        인공지능의 효율적 활용을 위해 데이터를 수집하는 과정에서 개인 정보가 어느 범위까지 포함될 수 있을 것인지, 정보 주체가 스스로 결정할 권리를 잃게 되며, 개인 정보의 사용을 통제할 수 없게 된다. 공익의 활용이 목적인 경우라도 정보 주체의 동의 없이 정보를 포함한 데이터를 수집하게 되면 괜찮은가에 관한 윤리적 딜레마가 발생할 수 있다.
    - - 추천 알고리즘 덕분에 우리는 개인 맞춤형 광고나 콘텐츠를 향유할 수 있게 되었다. 사용자가 관심 있는 분야의 정보를 취할 수 있어 만족감을 느낄 수 있고, 광고주나 기업도 더 큰 이익을 얻을 수 있게 되었다. 그러나 특정 정보만 받아들여 편향된 정보 습득이 생기게 되고 사회적으로 파편화되어 사회적 합의가 어려워질 수 있다.
        
        또 양질의 콘텐츠보다 비슷한 콘텐츠를 다수 생산함으로써 문화 획일화와 문화 산업의 축소를 가져올 수도 있다.
        
        개인의 만족도, 기업의 이익과 관련된 가치와 사회, 문화 다양성과 관련된 가치 사이에서 윤리적 딜레마가 발생할 수 있다. 사용자의 취향에 맞는 콘텐츠는 개인의 질적 삶의 향상, 시청 기쁨 등의 이익을 제공하지만, 특정한 정보만 받아들이고 지나치게 이용할 경우 사회적으로 분열을 야기할 수 있다.
    - - 자율주행 자동차가 피할 수 없는 사고를 맞닥뜨렸을 때 누구를 우선해야 하는가에 대해 윤리적 딜레마가 발생할 수 있다. 위와 같은 상황에서 어떤 선택을 할 것인지 쉽게 결정할 수 없을 것이다. 인공지능이 인간을 대신해 결정을 해야 한다면, 프로그래머는 “어떻게 설계해야 하는가”를 고민해야 한다. 이러한 고민에는 보행자 수뿐만 아니라, 보행자의 나이나 직업, 혹은 그 사람이 가족이 될 수도 있기 때문이다.
        
        이처럼 자율주행 자동차의 윤리적 판단 문제는 단순히 기술의 문제가 아니라, 보행자 등 타인의 안전과 운전자의 안전 중 어떤 가치를 더 우선해야 하는가의 문제로까지 확장된다. 따라서 자율주행 자동차를 개발할수록 윤리적 기준을 설계에 반드시 반영해야 하며, 이에 동참하게 될 엔지니어의 윤리의식과 더불어 정부 및 소비자들의 인식이 바람직한 사회적 합의를 고려해야 한다.
        
        윤리적 딜레마 상황이 직면했을 때, 윤리적 가치와 원칙, 전문가의 조언, 다양한 사례를 종합적으로 고려하여 합리적인 결정을 내리는 것이 중요하다.
        
        따라서 자율주행 자동차를 설계할 때, 기술적인 안전성과 함께 인공지능의 판단 기준을 명확히 설정하는 것이 필요하다.
        
        궁극적으로 자율주행 자동차는 ‘사람이 어떻게 판단하느냐’의 문제를 대신 수행하는 것이기 때문에, 따라서 나의 생명과 타인의 생명을 어떻게 바라볼 것인가에 대한 도덕적 가이드라인을 마련하는 것이 앞으로의 중요한 과제가 될 것이다.
- - - - 지속 가능 발전 목표의 개념
        
        지속 가능 발전 목표(SDGs: Sustainable Development Goals)는 2015년 유엔 총회에서 빈곤, 불평등, 기후 변화, 환경 파괴 등에 대한 공동의 목표를 세우고, 이를 위한 세계의 대대적인 노력을 촉구하고자 설정한 인류 공동의 목표다. 지속 가능 발전 목표는 총 17가지의 목표로 구성되어 있으며, 이를 달성하기 위한 169개의 세부 목표가 포함되어 있다. 지속 가능 발전 목표는 미래 세대의 필요를 충족시킬 기반을 정하면서 현세대의 필요를 충족시키기 위해 전 세계의 협력을 강조하고 있다.
        
        지속 가능 발전 목표에는 개발도상국은 물론 선진국 역시 지속 가능한 발전을 위해 달성해야 할 목표가 제시되어 있다.
        
        지속 가능 발전 목표를 달성하기 위해 전 세계는 빈곤, 질병, 환경 등 다양한 분야의 문제를 해결하고자 노력하고 있다.
        
        우리나라도 지속 가능한 발전을 위해 ‘지속 가능 발전 기본 계획(2021~2040)’을 발표하고 각종 정책을 시행하고 있다.
        
        지속 가능 발전 목표 17가지
        
        01장. 빈곤 퇴치
        
        모든 곳에서 모든 형태의 빈곤을 종식한다.
        
        빈곤을 감소시켜 인간답게 살 수 있는 환경을 만든다.
        
        02장. 기아 종식
        
        기아 종식, 식량 안보 달성, 영양 개선과 지속 가능한 농업을 강화한다.
        
        03장. 건강과 웰빙 증진
        
        모든 연령층의 모두를 위한 건강한 삶을 보장하고 웰빙을 증진한다.
        
        04장. 양질의 교육 보장
        
        모두를 위한 포용적이고 공평한 양질의 교육 보장 및 평생 학습 기회를 증진한다.
        
        05장. 성평등 달성
        
        성평등 달성 및 모든 여성과 여아의 권한을 강화한다.
        
        06장. 깨끗한 물과 위생 보장
        
        모두를 위한 물과 위생의 이용 가능성과 지속 가능한 관리를 보장한다.
        
        07장. 모두를 위한 에너지 보장
        
        모두를 위한 적정 가격의 신뢰할 수 있고,
        
        지속 가능한 현대적인 에너지에 대한 접근을 보장한다.
        
        08장. 경제 성장과 양질의 일자리
        
        모두를 위한 지속적이고 포용적인 경제 성장,
        
        완전하고 생산적인 고용과 양질의 일자리를 증진한다.
        
        09장. 사회 기반 시설 산업 및 혁신
        
        회복력 있는 사회 기반 시설을 구축하고,
        
        포용적이고 지속 가능한 산업화와 혁신을 도모한다.
        
        10장. 불평등 감소
        
        국내 및 국가 간 불평등을 감소한다.
        
        11장. 지속 가능한 도시와 주거지
        
        포용적이고 안전하며 회복력 있고 지속 가능한 도시와 주거지를 조성한다.
        
        12장. 지속 가능한 소비와 생산
        
        지속 가능한 소비와 생산 양식을 보장한다.
        
        13장. 기후 변화 대응
        
        기후 변화와 그 영향에 맞서기 위한 긴급 대응을 한다.
        
        14장. 해양 생태계 보호
        
        지속 가능한 개발을 위한 바다, 해양 및 해양 자원의 보전과
        
        지속 가능한 이용을 한다.
        
        15장. 육상 생태계 보호
        
        육상 생태계를 보호, 복원 및 지속 가능하게 이용 조치.
        
        산림의 지속 가능한 관리, 사막화 방지, 토지 황폐화 종지,
        
        생물 다양성 손실을 중지한다.
        
        16장. 평화, 정의, 포용적인 제도
        
        지속 가능한 발전을 위한 평화롭고 포용적인 사회 촉진,
        
        모두에게 정의 제공, 효과적이고 책임 있으며 포용적인 제도를 구축한다.
        
        17장. 글로벌 파트너십
        
        이행 수단 강화와 지속 가능한 발전을 위한
        
        글로벌 파트너십을 활성화한다.
      - 인공지능의 활용
        
        인공지능은 지속 가능한 발전 목표를 성취하는 데 중요한 역할을 하고 있다.
        기아 종식, 건강과 웰빙 증진, 양질의 교육 보장, 모두를 위한 에너지 보장, 기후 변화 대응, 사회 기반 시설 산업화 및 혁신 목표 등을 달성하는 데 기여한다.
        
        기아 종식
        
        지하 물탱크의 상태를 인공지능이 주기적으로 감시하고, 식물 성장 데이터를 분석하여 물과 비료를 자동으로 공급한다. 이를 통해 작물 생산성을 높이는 데 기여하고 있다.
        
        모두를 위한 에너지 보장
        
        인공지능이 탑재된 태양광 모니터링 시스템이 전력 생산 효율을 높이고, 문제 발생 시 실시간으로 에너지 낭비를 최소화하도록 관리한다.
        
        건강과 웰빙 증진
        
        질병 진단을 위한 인공지능 기술이 의료 영상을 판독해 질병을 조기에 발견하고 치료 가능성을 높인다. 또한 원격 의료를 확대하여 의료 접근성을 향상시키고 있다.
        
        기후 변화 대응
        
        인공지능은 기후 예측 데이터를 기반으로 날씨 예측을 더 정밀하게 돕는다. 또한, 다양한 기후 데이터를 학습해 효율적인 자연재해를 예측하고, 피해를 방지하기 위한 조치를 미리 취할 수 있도록 돕는다.
        
        양질의 교육 보장
        
        인공지능 튜터는 학생들의 학습 스타일과 수준에 맞춘 맞춤형 학습 자료를 제공하여 학습 효과를 높인다. 또한, 교사의 학습 관리 시스템을 자동화하여 효율적인 수업 운영을 지원한다.
        
        사회 기반 시설 산업화 및 혁신
        
        인공지능을 활용한 신호 제어를 도입하여 도시의 교통 시스템을 효율적으로 관리할 수 있다. 또한, 도시 문제를 데이터로 분석해 쾌적한 도시 환경을 조성하고 있다.
        
        지속 가능 발전 목표 달성을 위해 인공지능을 활용한 사례 조사하기
        
        육상 생태계 보호:인공지능 이미지 인식 기술을 통해 멸종 위기 동물 식별, 외래 종류 관리 등 생태 보호에 활용됨
    - - 프로젝트는 문제를 해결하거나 목표를 달성하기 위해 일련의 절차에 따라 수행한다. 특히 인공지능을 활용하면 다양한 분야의 문제를 효과적으로 해결할 수 있다.
        인공지능을 활용하여 문제 상황을 효과적으로 해결하기 위해서는 인공지능 프로젝트 절차에 따라 프로젝트 활동을 수행해야 한다. 주제 선택 및 문제 정의, 데이터 수집 및 전처리, 기계학습 유망한 알고리즘 선정, 기계학습을 통한 모델 생성, 성능 평가 등의 단계로서 인공지능 프로젝트를 진행할 수 있다. 프로젝트 활동은 혼자서 수행하기보다는 역할을 분담하여 여러 명이 협력하면서 진행하는 것이 중요하다.
      - 1단계 주제 선택 및 문제 정의
        인공지능을 활용하여 해결하고 싶은 문제를 정하기 위해 다양한 주제를 탐색하고, 그중에서 해결하고자 하는 문제를 선정한다. 문제를 세밀하게 정의하는 것은 매우 중요하며, 이를 위해 목표를 명확히 설정하고, 목표 달성을 위한 구체적인 문제를 정해야 한다. 또한 정해진 문제가 인공지능을 사용할 수 있는 문제인지 아닌지를 분석해 본다.
      - 2단계 데이터 수집 및 전처리
        인공지능을 활용한 문제 해결 과정에서 양질의 데이터는 인공지능의 성능에 핵심적인 역할을 한다. 따라서 인공지능 문제 해결에 맞는 성질을 지닌 데이터를 수집하는 것이 필요하다. 한국형 SDGs 데이터 플랫폼에서는 다양한 공공 데이터가 포함된 통계와 환경과 문제 해결하기 위한 데이터를 수집할 수 있다. 수집된 데이터의 정확성, 신뢰성, 시각화를 통해 데이터의 속성을 파악하고, 학습에 사용할 수 있도록 전처리한다.
      - 3단계 기계학습 유망한 알고리즘 선정
        수집된 데이터를 바탕으로 예측, 분류, 군집 등 어느 기계학습 유형을 활용할지 문제를 결정하고, 이러한 과정에서 고려할 기계학습 유형은 어떤 알고리즘을 활용하여 기계학습 모델을 구현할지 결정한다. 이와 같이 기계학습의 유형을 선정하거나 다양한 알고리즘을 선정하여, 모델 생성 후 가장 좋은 성능을 가진 모델을 선정할 수 있도록 한다.
      - 4단계 기계학습을 통한 모델 생성
        데이터를 훈련 데이터와 테스트 데이터로 나누고, 훈련 데이터로 선정한 알고리즘을 통해 기계학습 모델을 생성 및 학습시킨다. 이때 다양한 알고리즘을 활용하여 모델의 성능을 향상시킨다.
      - 5단계 성능 평가
        훈련된 모델을 테스트 데이터로 성능, 확률 및 가능성 예측 등으로 모델을 성능 평가한다. 다양한 평가 지표 및 다른 알고리즘을 적용하거나 학습 과정 개선 등을 통해 성능을 향상시킨다. 데이터를 보완함으로써 모델의 성능을 향상시킬 수도 있다.