Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능 프로젝트(1118 이동현) - Coggle Diagram
인공지능과 지속 가능 발전 목표
지속 가능 발전 목표
지속 가능 발전 목표의 개념
지속 가능 발전 목표란 유엔에서 빈곤, 불평등, 기후 변화, 환경 파괴 등을 인류 공동의 목표로 지정한 것이다. 17가지로 나뉘며, 세부 목표는 169개이다. 이는 개발도상국, 선진국 상관없이 모두 협력을 강조하고 있다.
해보기1: 지속 가능 발전 세부 목표 조사하기
- 해양 생태계 보호: 2025까지 모든 종류의 해양 오염을 예방하고 대폭 감소시킨다. 특히 육상 활동으로 인한 해양 쓰레기 및 영양물질 오염
- 육상 생태계 보호: 2020년까지 육상 및 내륙 담수 생태계를 보전, 복원하고 지속가능하게 이용한다.
- 빈곤 퇴치: 빈곤을 퇴치하며, 빈곤층 감소와 사회 안전망을 강화
- 기아 종식: 기아 종식, 삭량 안보 달성, 영양 상태 개선과 지속 가능한 농업을 강화
- 건강과 웰빙 증진: 모두가 건강한 삶을 보장하고 웰빙을 증진한다.
- 양질의 교육 보장: 포용적이고 공평한 양질의 교육 보장 및 평생 학습 기회를 증진
- 성평등 달성: 성평등 달성 및 모든 여성과 여아의 권한 강화
- 깨끗한 물과 위생 보장: 모두가 물과 위생의 이용 가능성과 지속 가능한 관리를 보장
- 모두를 위한 에너지 보장: 적정 가격으로 신뢰하고, 지속 가능하며, 현대적인 에너지 접근 보장
- 경제 성장과 양질의 일자리: 모두가 지속적이고 포용적이며 지속 가능한 경제 성장, 완전하고 생상적인 고용과 양질의 일자리 증진
- 사회 기반 시설 산업화 및 혁신: 회복력 있는 사회 기반 시설을 구축하고, 포용적이고 지속 가능한 사업화 증진과 혁신 도모
-
- 지속 가능한 도시와 주거지: 포용적이고 안전하며 회복력 있고 지속 가능한 도시와 주거지를 조성
- 지속 가능한 소비와 생산: 지속 가능한 소비와 생산 양식을 보장
- 기후 변화 대응: 기후 변화와 그 영향에 맞서기 위한 긴급 대응
- 해양 생태계 보호: 지속 가능 발전을 위한 대양, 바다, 해양 자원의 보전과 지속 가능한 이용
- 육상 생태계 보호: 육상 생태계 보호, 복원 및 지속 가능한 이용 증진, 산림의 지속 가능한 관리, 사막화 관리, 토지 황폐화 중지와 회복, 생물 다양성 손실을 중지
- 평화, 정의, 포용적인 태도: 지속 가능 발전을 위한 평화롭고 포용적인 사회 증진, 모두에게 정의 보장과 모든 수준에서 효과적이고 책임성 있으며 포용적인 제도를 구축
- 글로벌 파트너쉽: 이행 수단 강화와 지속 가능 발전을 위한 글로벌 파트너쉽을 재활성화
인공지능의 활용
기아 종식: 자율주행 트랙터로 밭을 갈고, 농작물을 심는다. 또한 무인 제초 로봇은 잡포와 작물을 구분하여 제거하며 이들은 생산성을 높인다.
모두를 위한 에너지 보장: 가전제품에 탑재된 인공지능은 제품을 제어하여 에너지 낭비를 줄이고, 에너지 사용량을 예측하여 에너지를 절약한다.
-
기후 변화 대응: 기후 모델링으로 기후 변화를 예측하는데 도움을 주고, 새로운 자연재해를 예측하고, 조기 경보 시스템으로 재난 대피를 하는데 도움을 준다.
양질의 교육 보장: 인공지능 튜터는 맞춤형 학습 자료를 제공하여 학습을 돕고, 시간표, 출석등을 자동화하여 업무 효율을 높이고, 효율적으로 정보를 제공한다.
사회 기반 시설 산업화 및 혁신: 인공지능으로 신호 제어로 교통 시스템을 최적화하며 교통 혼잡을 완화하고, 유지 보수 일정에도 최적화한다.
해보기2: 지속 가능 발전 목표 달성을 위해 인공지능을 활용한 사례 조사하기
- 해양 생태계 보호: 인공지능의 위성 이미지와 al분석으로 해양 오염을 탐지한다.
- 유상 생태계 보호: 인공지능이 기후 데이터와 토양 습도 데이터를 al로 분석해 토지 황폐화 위험 지역을 조기 예측
인공지능 프로젝트의 절차
-
-
-
3단계: 기계학습 유형과 알고리즘 선정: 수집한 데이터를 바탕으로 예측, 분류, 군집 중 어느 기계학습 유형을 활용하여 문제를 해결할지 결정하는 단계
4단계: 기계학습을 통한 모델 생성: 데이터를 훈련 데이터와 테스트 데이터로 나누고, 훈련 데이터와 선정한 알고리즘을 활용하여 기계학습 모델을 생성 및 학습시키는 단계
-