• 융합정보논문지
• /
• 제8권1호
• /
• pp.235-242
• /
• 2018

최근 각 언론, 기업계, 정부 유관기관 및 학계 등 많은 분야에서 4차 산업에 대한 관심이 폭발적으로 증가하였다. 특히 우리가 피부로 느낄 수 있는 분야인 인공지능이 인간능력을 이미 크게 앞서고 있다는 것을 깨닫고 나서 많은 사람들은 4차산업혁명이 실제로 우리 코 앞에 와있다는 것을 실감할 수 있었다. 이렇게 대부분 사람들의 생각보다 빠르게 다가온 4차산업을 어떻게 효율적으로 대응해야 할까? 특히 최근의 인공지능, 빅데이터, 무인자동차 및 유전자가위 등에 대한 상반된 견해들을 비교분석하는 방식으로 연구를 진행해 본다. 이러한 분석과 연구를 통하여 교육적, 정치적, 사회적, 윤리적 그리고 과학적 영향들을 파악해 본 결과, 현재까지 뚜렷하게 정립되어 있는 개념이나 체계, 시스템이 존재하지 않는다는 것을 이해할 수 있었고 오히려 4차산업혁명의 개념, 체계를 앞서서 정의하고 정립하는 국가나 기업, 개인들이 산업의 주도권을 확보할 수 있다는 것을 알게 되었다. 그러나 한국사회와 대학은 오히려 현재 2차산업혁명의 체계와 문화에서 머물러있는 듯한 모습을 보이고 있는데, 이러한 현실인식 위에서 새로운 산업혁명의 트렌드를 맞추어 따라갈 수 있는 방안들을 찾아 보고자 한다.

• 한국HCI학회논문지
• /
• 제13권2호
• /
• pp.31-44
• /
• 2018

사물인터넷(Internet of Things)시대에는 다양한 사물이 연결되어 사물들 스스로가 데이터를 획득하여 이를 바탕으로 학습하고 동작한다. 이는 사물이 사람의 모습을 닮아가고 있다고 볼 수 있고 변화한 사물과 사람이 어떻게 소통하는가를 설계하는 것이 핵심 이슈로 떠오르고 있다. 이러한 IoT 환경이 도래함에 따라 UI 디자인 분야에서도 많은 연구가 진행되었다. 멀티모달리티(Multi-modality)와 인터유저빌리티(Interusability) 등의 키워드를 통해서 UI 분야에서도 복합적인 요소를 고려하려는 연구가 진행됐음을 알 수 있다. 하지만 기존의 UI 디자인 방법론으로는 IoT 환경에서 사용자 인터페이스(UI)를 설계할 때 사물, 사람, 데이터가 상호작용하는 방식에 대해서 구조화하고 테스트하는데 한계가 있다. 따라서 본 연구에서 새로운 UI 프로토타이핑 방법을 제안하였다. 본 논문의 주요 분석과 연구는 다음과 같다: (1) 먼저 사물의 행동 프로세스를 정의하였다. (2) 행동 프로세스를 토대로 기존의 IoT 제품을 분석하였다. (3) 사물성격(Personality of Things)유형을 구분 지을 수 있는 프레임워크를 제작하였다. (4) 프레임워크를 바탕으로 사물성격(Personality of Things) 유형을 도출하였다. (5) 3개의 대표 사물성격(Personality of Things)을 실제 스마트 홈 서비스에 적용하여 프로토타이핑 테스트를 해보았다. 본 연구는 새로운 UI 프로토타이핑 방법을 제안하여 더 총체적인 방식으로 IoT 서비스에 대한 사용자 경험(UX)을 확인할 수 있었다는 데 의의가 있다. 또한, 향후 본 연구를 발전시켜 인공지능(AI) 기술이 발전한 환경에서 지능화된 서비스의 정체성(Identity) 확립의 도구로 사물성격(Personality of Things) 개념을 활용할 수 있을 것이라 생각한다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.1-8
• /
• 2021

본 연구에서는 도로 포장 유지관리에 필요한 핵심정보를 생산해 낼 수 있는 저비용·고효율 포장상태 모니터링 기술을 개발하고자 하였다. 특히 시각정보와 고가 센서에 의존하는 기존 장비의 단점을 보완하기 위해 소음과 인공지능 기반의 포장상태등급 평가시스템을 고안하였다. 시스템 개발을 위한 아이디어 정립부터 기능 정의, 정보흐름 및 아키텍쳐 설계 과정을 거쳤으며, 생산된 프로토타입에 대한 성능 검증과 활용 전주기에 대한 실증 평가를 수행하였다. 그 결과, 높은 수준의 인공지능 평가 신뢰도가 확보되었으며, 하드웨어와 소프트웨어적 요소 외에도 시스템 활용에 관한 짜임새 있는 가이드라인이 개발되었다. 또한 현장평가 과정을 통해 비전문가도 쉽고 빠른 조사와 분석이 가능하고, 직관적인 시각적 정보 제공을 통해 관리자의 업무 지원이 가능함도 확인하였다. 반면에 학습에 고려되지 않은 외부 조건에 대한 선행 판별 기술, 시스템 간소화, 가변 주행속도 대응 기술 등 기술의 완성도 제고도 필요함을 알 수 있었다. 본 연구를 시작으로 1960년대 이후 반세기 이상 지속되어온 포장상태 모니터링 기술의 새로운 패러다임이 제시되길 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권4호
• /
• pp.105-112
• /
• 2023

농산물 선별 시스템은 작물의 형태를 보전하기 위하여 비파괴적인 선별이 주로 사용된다. 이러한 비파괴 선별 기술로는 가시광선, 근적외선, 엑스선, 감마선 등의 광학적 특성을 이용하고 있으며 본 논문에서는 엑스선을 이용한 선별을 이용한다. 엑스선 영상은 엑스선의 밀도에 따라 그레이 영상으로 생성되어 육안으로 시료의 결함을 감지하기가 어렵다. 미세한 결함을 발견하기 위해서는 영상을 확대하거나 픽셀의 범위를 수정하여 적정한 픽셀의 영역만을 표시하여 결함을 탐지해야 한다. 이런 작업은 비효율적이다. 따라서 본 논문은 엑스선의 광역적인 밀도와 지역적인 밀도에 대한 상대적인 밀도를 측정하여 색상화된 결함을 표시하는 새로운 방법을 제안한다. 하나의 픽셀에 대한 상대적인 밀도는 주위 픽셀과의 상대적인 차이를 나타내며, 이런 픽셀을 정상과 결함으로 나타내는 엑스선 영상의 색상화 방법도 제안한다. 실험에서는 육안으로 볼 수 없는 농작물의 병해충 또는 새싹 부분을 특정 색으로 색상화 하여 농산물 선별 시스템에 활용할 수 있게 하였다. 제안된 방법은 엑스선을 이용한 선별 시스템에 적용되어 농산물 선별 시스템뿐만 아니라 가공식품, 부품 제조와 같은 제조 공정에서 사용되어 불량품을 선별하는 방법에 적극적으로 이용될 수 있을 것이다.

• 디지털정책학회지
• /
• 제2권4호
• /
• pp.1-10
• /
• 2023

본 연구는 경찰교통에서의 효과적 ChatGPT 활용 방안 도출을 위한 사전 연구로서 운전면허 학과시험과 도로교통사고감정사 시험에 대한 ChatGPT의 응답을 분석하였다. ChatGPT가 뛰어난 성능과 접근성으로 여러 분야에서 기대를 받고 있으나 경찰 교통법규와 같이 고도의 정확성이 요구되는 분야에서는 사전에 그 성능과 한계를 탐색할 필요가 있다. 이에 본 연구에서는 운전면허 학과시험 문제은행과 도로교통사고감정사 1차 시험을 대상으로 파이썬 코드로 OpenAI API를 이용해 30회의 반복 실험으로 ChatGPT의 응답을 수집하고 응답 결과를 바탕으로 시험별·연도별·내용 영역별 정답률, 일관성 능력을 분석하였다. 분석 결과 첫째, 운전면허 학과시험 및 도로교통사고감정사 1차 시험의 평균 정답률은 각 44.60%, 35.45%로 합격기준보다 낮았다. 연도별로는 2022년 이후 정답률이 평균 정답률을 하회했다. 둘째, 영역별 정답률은 29.69%~56.80%로 나타나 큰 편차를 보였다. 셋째, 정답을 맞힌 경우 95% 이상 일관되게 같은 응답을 출력하였다. ChatGPT의 효과적 활용을 위해서는 사용자의 전문 지식, 평가 데이터 및 방법 마련, 양질의 교통법규 말뭉치 설계와 주기적 학습이 필요하다고 판단된다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.1-17
• /
• 2019

빅데이터 시대에 정보의 양이 급증하고, 그중 많은 부분을 차지하는 문자열 정보를 정량화하여 의미를 찾아 낼 수 있는 인공지능 방법론이 함께 발전하면서, 텍스트 마이닝을 통해 주가 예측에 적용해 온라인 뉴스로 주가를 예측하려는 시도가 다양해지고 있다. 이러한 주가 예측의 방법은 대개 예측하고자 하는 기업의 뉴스로 주가를 예측하는 방식이다. 하지만 특정 회사의 뉴스만이 그 회사의 주가에 영향을 주는 것이 아니라, 그 회사와 관련성이 높은 회사들의 뉴스 또한 주가에 영향을 줄 수 있다. 그러나 관련성이 높은 기업을 찾는 것은 시장 전반의 공통적인 영향과 무작위 신호 때문에 쉽지 않다. 따라서 기존 연구들은 주로 미리 정해진 국제 산업 분류 표준에 기반을 둬 관련성이 높은 기업을 찾았다. 하지만 최근 연구에 따르면, 국제 산업 분류 표준은 섹터에 따라 동질성이 다르며, 동질성이 낮은 섹터는 그들을 모두 함께 고려하여 주가를 예측하는 것이 성능에 악영향을 줄 수 있다는 한계점을 가진다. 이러한 한계점을 극복하기 위해, 본 논문에서는 주가 예측 연구에서 처음으로 경제물리학에서 주로 사용되는 무작위 행렬 이론을 사용하여 시장 전반 효과와 무작위 신호를 제거하고 군집 분석을 시행하여 관련성이 높은 회사를 찾는 방법을 제시하였다. 또한, 이를 기반으로 관련성이 높은 회사의 뉴스를 함께 고려하며 다중 커널 학습을 사용하는 인공지능 모형을 제시한다. 본 논문의 결과는 무작위 행렬 이론을 통해 시장 전반의 효과와 무작위 신호를 제거하여 정확한 상관 계수를 찾아 군집 분석을 시행한다면 기존 연구보다 더 좋은 성능을 보여 준다는 것을 보여준다.

• 인터넷정보학회논문지
• /
• 제21권1호
• /
• pp.169-178
• /
• 2020

국방부는 감소되는 부대 및 병력자원의 문제해결과 전투력 향상을 위해 4차 산업혁명 기술(빅데이터, AI)의 적극적인 도입을 추진하고 있다. 국방 정보시스템은 업무 영역 및 각군의 특수성에 맞춰 다양하게 개발되어 왔으며, 4차 산업혁명 기술을 적극 활용하기 위해서는 현재 폐쇄적으로 운용하고 있는 국방 데이터 관리체계의 개선이 필요하다. 그러나, 국방 빅데이터 및 인공지능 도입을 위해 전 정보시스템에 데이터 표준을 제정하여 활용하는 것은 보안문제, 각군 업무특성 및 대규모 체계의 표준화 어려움 등으로 제한사항이 있고, 현 국방 데이터 공유체계 제도적으로도 각 체계 상호간 연동 소요를 기반으로 체계간 연동합의를 통해 직접 연동을 통하여 데이터를 제한적으로 공유하고 있는 실정이다. 4차 산업혁명 기술을 적용한 스마트 국방을 구현하기 위해서는 국방 데이터를 공유하여 잘 활용할 수 있는 제도마련이 시급하고, 이를 기술적으로 뒷받침하기 위해 국방상호운용성 관리지침 규정에 따라 도메인 및 코드사전을 생성된 국방 전사 표준과 각 체계별 표준 매핑을 관리하고 표준간 연계를 통하여 데이터 상호 운용성 증진을 지원하는 국방 데이터의 체계적인 표준 관리를 지원하는 다중 데이터 저장소 관리(MRMM) 기술개발이 필요하다. 본 연구에서는 스마트 국방 구현을 위해 가장 기본이 되는 국방 데이터의 도메인 및 코드사전을 생성된 국방 전사 표준과 각 체계별 표준 매핑을 관리하고, 표준간 연계를 통하여 데이터 상호 운용성 증진을 지원하는 다중 데이터 저장소 관리 (MRMM) 기술을 제시하고, 단어의 유사도를 통해 MRMM의 실현 방향성을 구현하였다. MRMM을 바탕으로 전군 DB의 표준화 통합을 좀 더 간편하게 하여 실효성 있는 국방 빅데이터 및 인공지능 데이터 구현환경을 제공하여, 스마트 국방 구현을 위한 막대한 국방예산 절감과 전투력 향상을 위한 전력화 소요기간의 감소를 기대할 수 있다.

• 한국ITS학회 논문지
• /
• 제18권6호
• /
• pp.155-163
• /
• 2019

본 연구에서는 대전광역시 주요 간선도로인 유성대로를 대상으로 드론을 통해 취득한 노면 영상데이터를 기반으로 물체탐지알고리즘(Object Detection algorithm) 가운데 Tiny-YOLO-V2와 Faster-RCNN을 활용하여 아스팔트 도로노면의 균열을 인식, 균열유형을 구분하고 실험 결과차이를 비교하였다. 분석결과, Faster-RCNN의 mAP는 71%이고 Tiny-YOLO-V2의 mAP는 33%로 측정되었으며, 이는 1stage Detection인 YOLO계열 알고리즘보다 2Stage Detection인 Faster-RCNN 계열의 알고리즘이 도로노면의 균열을 확인하고 분리하는데 더 좋은 성능을 보인다는 것을 확인하였다. 향후, 드론과 인공지능형 균열검지시스템을 이용한 도로자산관리체계(Infrastructure Asset Management) 구축방안 마련을 통해 효율적이고 경제적인 도로 유지관리 의사결정 지원 시스템 구축 및 운영 환경을 조성할 수 있을 것이라 판단된다.

• 한국ITS학회 논문지
• /
• 제19권5호
• /
• pp.178-188
• /
• 2020

본 논문에서는 split-attention 네트워크를 백본으로 특징을 추출하는 차선인식 CNN 네트워크를 제안한다. split-attention은 CNN의 특징 추출 과정에서 feature map의 각 channel에 가중치를 부여하는 방법으로, 빠르게 변화하는 자동차의 주행 환경에서 안정적으로 이미지의 특징을 추출할 수 있다. Tusimple 데이터 셋을 활용하여 본 논문에서 제안하는 네트워크를 학습·평가하였으며, 백본 네트워크의 레이어 수에 따른 성능 변화를 비교·분석 하였다. 평가 결과 최대 96.26%의 정확도로 최신 연구에 준하는 결과를 얻었으며, FP의 경우 0.0234(2.34%)로 비교 연구 중 가장 좋은 결과를 보여준다. 따라서, 실제 차량의 주행 환경 등에서도 본 연구에서 제안하는 모델을 사용하여 오인식 없이 안정적인 차선 인식이 가능하다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권11호
• /
• pp.427-432
• /
• 2019

모바일 운영체제 중 안드로이드의 점유율이 높아지면서 모바일 악성코드 위협은 대부분 안드로이드에서 발생하고 있다. 그러나 정상앱이나 악성앱이 진화하면서 권한 등의 단일 특징점으로 악성여부를 연구하는 방법은 유효성 문제가 발생하여 다양한 특징점 추출 및 기계학습을 통해 이를 극복하고자 한다. 본 논문에서는 APK 파일에서 구동에 필요한 다섯 종류의 특징점들을 안드로가드라는 정적분석 툴을 사용하여 학습데이터의 특성을 추출한다. 또한 추출된 중요 특징점을 기반으로 모델링을 하는 세 가지 방법을 제시한다. 첫 번째 방법은 보안 전문가에 의해 엄선된 132가지의 특징점 조합을 바탕으로 모델링하는 것이다. 두 번째는 학습 데이터 7,000개의 앱에서 발생 빈도수가 높은 상위 99%인 8,004가지의 특징점들 중 랜덤포레스트 분류기를 이용하여 특성중요도가 가장 높은 300가지를 선정 후 모델링 하는 방법이다. 마지막 방법은 300가지의 특징점을 학습한 다수의 모델을 통합하여 하나의 가중치 투표 모델을 구성하는 방법이다. 추가적으로 오탐률 및 미탐률을 개선하기 위해 권한 정보를 모두 제외하여 특징점을 재구성하고 위와 같은 환경으로 모델링하였다. 최종적으로 가중치 투표 모델인 앙상블 알고리즘 모델을 사용하여 97.8%로 정확도가 개선되었고 오탐률은 1.9%로 성능이 개선된 것이 확인되었다.