• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.450-452
• /
• 2021

최근 프로그래밍, 인공지능에 관한 관심이 높아지면서 초등학교부터 소프트웨어 교육을 의무적으로 실시하고 있다. 이러한 프로그래밍 교육의 목표를 달성하기 위해 기본적으로 학생과 교사에게 맞는 실습실 환경을 구축해야 한다. 하지만 학교의 실습실 환경은 노후 컴퓨터로 인한 성능 문제가 있으며, 학생들이 동시에 접속해 문제해결 능력을 평가하고자 하는 알고리즘 경진대회 프로그램을 시행하면서 기존의 온라인에 출시된 플랫폼을 구매해 사용해야 하는 문제가 있다. 따라서 본 논문에서는 이러한 문제를 해결하고자 React, Spring boot를 사용한 웹 기반의 온라인 실습 환경과 알고리즘 경진대회 채점 시스템을 제안한다. 이를 통해 사양이 낮은 컴퓨터에서도 웹 브라우져만을 사용하여 프로그래밍을 공부할 수 있을 것으로 사료된다.

• 컴퓨터교육학회논문지
• /
• 제23권4호
• /
• pp.49-59
• /
• 2020

초중등 교육에서 AI 교육을 어떻게 할지에 대한 논의가 막 시작된 시점에서, 본 연구는 디자인씽킹 기반의 AI 교육 프로그램을 개발, 적용하고 AI 교육 프로그램의 효과를 분석하고자 하였다. AI 교육 프로그램에서 학생들은 자신이 관심있는 AI 문제를 탐색, 정의하고, 필요한 데이터를 수집하여 AI 모델을 구축한 후 스크래치를 활용하여 프로젝트를 개발하였다. AI 교육 프로그램의 효과를 분석하기 위해 SW효과성 측정 지표를 활용하여 학습자의 AI의 가치 인식에 대한 변화와 AI 효능감의 변화를 분석하였다. 또한 AI 프로젝트에 대한 전반적인 인식을 살펴보았다. 연구 결과, AI 효능감은 실제 프로젝트를 수행해보는 경험을 통해 유의미하게 높아졌다. 또한 AI로 문제를 해결하는 것과 관련된 효능감은 프로그래밍 언어 활용 수준이 영향을 미치는 것으로 나타났다. 디자인씽킹 프로세스에 따라 진행된 AI 프로젝트에 대한 학습자의 전반적인 인식은 긍정적이었으며, AI 프로젝트 각 단계(AI 문제 이해 및 문제 탐색, 실습, 문제 정의, 문제해결 아이디어 구현, 평가 및 발표)에 대한 인식 역시 긍정적으로 나타났다. 이러한 긍정적 인식은 프로그래밍 언어활용 수준이 높은 학생들이 더 높게 나타났다. 이러한 결과를 바탕으로 AI 교육을 위한 시사점을 제안하였다.

• 제어로봇시스템학회지
• /
• 제1권3호
• /
• pp.52-61
• /
• 1995

본 고에서는 진화계산의 동작 원리와 이론적 기반에 대해 살펴봄으로써 그 원리를 이해하고 앞으로의 응용가능성에 대하여 고찰하고자 한다. 이를 위해 먼저 대부분의 진화 알고리즘에 공통되는 기본 구성 요소와 계산절차를 기술하고, 진화 알고리즘을 이용하여 특정문제를 풀고자 할 때 고려할 사항에 대하여 기술한다. 다음에는 간단한 응용 문제를 예로 들어 이 문제에 진화 알고리즘을 적용하고 그 동작과정을 추적함으로써 실제 적용에 있어서의 여러 가지 결정사항과 그 수행과정을 구체적으로 살펴본다. 또한 진화 알고리즘의 이론적 배경을 이해하기 위해 스키마와 빌딩 블록 그리고 스키마 정리에 대해서 알아본다. 마지막으로 진화계산방식과 다른 지능적 계산 기술들과의 융합 가능성의 예로서, 유전 프로그래밍에 의한 신경망 구조의 설계 및 학습에 대하여 살펴본다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.1-19
• /
• 2019

제4차 산업혁명을 이끄는 주요 원동력 중 하나인 인공지능 기술은 이미지와 음성 인식 등 여러 분야에서 사람과 유사하거나 더 뛰어난 능력을 보이며, 사회 전반에 미치게 될 다양한 영향력으로 인하여 높은 주목을 받고 있다. 특히, 인공지능 기술은 의료, 금융, 제조, 서비스, 교육 등 광범위한 분야에서 활용이 가능하기 때문에, 현재의 기술 동향을 파악하고 발전 방향을 분석하기 위한 노력들 또한 활발히 이루어지고 있다. 한편, 이러한 인공지능 기술의 급속한 발전 배경에는 학습, 추론, 인식 등의 복잡한 인공지능 알고리즘을 개발할 수 있는 주요 플랫폼들이 오픈 소스로 공개되면서, 이를 활용한 기술과 서비스들의 개발이 비약적으로 증가하고 있는 것이 주요 요인 중 하나로 확인된다. 또한, 주요 글로벌 기업들이 개발한 자연어 인식, 음성 인식, 이미지 인식 기능 등의 인공지능 소프트웨어들이 오픈 소스 소프트웨어(OSS: Open Sources Software)로 무료로 공개되면서 기술확산에 크게 기여하고 있다. 이에 따라, 본 연구에서는 온라인상에서 다수의 협업을 통하여 개발이 이루어지고 있는 인공지능과 관련된 주요 오픈 소스 소프트웨어 프로젝트들을 분석하여, 인공지능 기술 개발 현황에 대한 보다 실질적인 동향을 파악하고자 한다. 이를 위하여 깃허브(Github) 상에서 2000년부터 2018년 7월까지 생성된 인공지능과 관련된 주요 프로젝트들의 목록을 검색 및 수집하였으며, 수집 된 프로젝트들의 특징과 기술 분야를 의미하는 토픽 정보들을 대상으로 텍스트 마이닝 기법을 적용하여 주요 기술들의 개발 동향을 연도별로 상세하게 확인하였다. 분석 결과, 인공지능과 관련된 오픈 소스 소프트웨어들은 2016년을 기준으로 급격하게 증가하는 추세이며, 토픽들의 관계 분석을 통하여 주요 기술 동향이 '알고리즘', '프로그래밍 언어', '응용분야', '개발 도구'의 범주로 구분하는 것이 가능함을 확인하였다. 이러한 분석 결과를 바탕으로, 향후 다양한 분야에서의 활용을 위해 개발되고 있는 인공지능 관련 기술들을 보다 상세하게 구분하여 확인하는 것이 가능할 것이며, 효과적인 발전 방향 모색과 변화 추이 분석에 활용이 가능할 것이다.

• 정보교육학회논문지
• /
• 제25권6호
• /
• pp.995-1003
• /
• 2021

다가오는 지능정보사회의 핵심이 될 인공지능(AI) 교육의 필요성이 대두되면서, 국가적 차원에서도 교육과정에 인공지능 관련 내용을 포함하는 등 관심을 집중시키고 있다. 본 연구에서는 지도학습 중심의 머신러닝을 통해 생활 속 문제를 해결하는 과정에서 학생들의 창의적 문제해결력을 신장시키기 위해 PASPA 교육 프로그램을 제시하였으며, 학습의 효과를 높이기 위해 피지컬 컴퓨팅 도구인 마이크로비트(Micro:bit)를 활용하였다. PASPA 교육 프로그램에 적용된 교수 학습 과정은 문제 인식(Problem Recoginition), 해결 방법 논의(Argument), 데이터 기준 세우기(Setting data standard), 프로그래밍(Programming), 적용 및 평가(Application and evaluation)의 5단계로 이루어진다. 본 교육 프로그램을 학생들에게 적용한 결과 창의적 문제해결력의 향상을 확인할 수 있었으며, 세부 영역에서는 특정 영역의 지식·사고, 비판적·논리적 사고 영역에서 유의한 차이를 보임이 확인되었다.

• 사물인터넷융복합논문지
• /
• 제8권6호
• /
• pp.49-54
• /
• 2022

코로나 이후 급격한 현대사회의 변화는 인공지능 인재가 국가 경쟁력을 좌우하는 주요한 영향요인으로 부각시겼다. 이에 따라 교육부에서는 인공지능 교육 공백기에 있는 초등학교 4-6학년과 중고등학생의 디지털 역량을 개발시키기 위해 대단위 SW·AI 캠프 교육 사업을 기획하였다. 이에 본 연구에서는 초등학교 4-6학년 학생들을 대상으로 하는 캠프 형 SW·AI교육프로그램을 개발하여 초등학교 4-6학년 학생들로 하여금 인공지능 기초소양을 갖추도록 하고자 한다. 이를 위해 초등학교에서의 SW·AI 교육의 의미를 정의하고 초등학교과정에서 다루어야 할 SW·AI 내용으로 'SW·AI의 이해', 'SW·AI의 원리와 활용' 및 'SW·AI의 사회적 영향'을 설정하였다. 또한 설정된 초등학교 SW·AI 교육학습 요소와 현재 초등학교에서 사용하고 있는 교과서의 관련 교과 및 단원과의 연계를 시도하였다. 교육에 사용되는 프로그램으로는 블록코딩 기반의 소프트웨어 코딩 학습 도구인 엔트리를 통하여 소프트웨어 프로그래밍 기초 역량을 강화하도록 하였으며, 모든 프로그램은 초등학생의 발달적 특징을 고려하여 경험과 체험 위주의 참여자 중심으로 운영되도록 설계하였다. 본 연구에서 이루어진 SW·AI 캠프 교육 프로그램은 방과 후 과정이나 방학 등을 이용하여 단기간에 운영되는 프로그램이다. 따라서 이를 토대로 초등학교 과정에서 SW·AI 교육이 정규교육과정의 일원으로 편성되어 운영되기 위해서는 정규교과 내용분석과 SW·AI 교육내용의 심층적인 분석을 기초로 한 연구가 필요함을 제언하는 바이다.

• 정보교육학회논문지
• /
• 제24권1호
• /
• pp.49-57
• /
• 2020

현대사회는 21세기 초반 지식정보사회를 지나 지능정보사회로 바뀌어 가고 있다. 본 연구에서는 지능정보사회에서 요구되는 학습자의 핵심역량을 신장시키기 위하여 인공지능의 한 분야인 머신러닝을 기반으로 소프트웨어 교육 교수-학습 모형을 개발하였다. 본 모형은 인공지능 자체에 대한 학습의 부담감을 줄이고, 머신러닝을 활용하여 문제를 해결하는 과정에서 핵심역량을 신장시키는 것에 중점을 두었다. 개발된 모형의 구체적인 단계는 문제인식 및 분석, 데이터 수집, 데이터 가공 및 선별, ML모델 훈련 및 평가, ML프로그래밍, 적용 및 해결, 공유 및 환류의 7단계로 구성되어 있다. 본 연구에서 개발한 모형을 학생과 학부모를 대상으로 적용한 결과 긍정적인 반응을 얻을 수 있었으며, 이를 통해 머신러닝 기반의 소프트웨어 교육 프로그램의 개발 및 운영에 작은 밑거름을 제시할 수 있을 것으로 기대한다.

• 정보보호학회논문지
• /
• 제30권6호
• /
• pp.1053-1065
• /
• 2020

최근 하드웨어의 성능과 인공지능 기술이 발달함에 따라 육안으로 구분하기 어려운 정교한 가짜 동영상들이 증가하고 있다. 인공지능을 이용한 얼굴 합성 기술을 딥페이크라고 하며 약간의 프로그래밍 능력과 딥러닝 지식만 있다면 누구든지 딥페이크를 이용하여 정교한 가짜 동영상을 제작할 수 있다. 이에 무분별한 가짜 동영상이 크게 증가하였으며 이는 개인 정보 침해, 가짜 뉴스, 사기 등에 문제로 이어질 수 있다. 따라서 사람의 눈으로도 진위를 가릴 수 없는 가짜 동영상을 탐지할 수 있는 방안이 필요하다. 이에 본 논문에서는 Bidirectional Convolutional LSTM과 어텐션 모듈(Attention module)을 적용한 딥페이크 탐지 모델을 제안한다. 본 논문에서 제안하는 모델은 어텐션 모듈과 신경곱 합성망 모델을 같이 사용되어 각 프레임의 특징을 추출하고 기존의 제안되어왔던 시간의 순방향만을 고려하는 LSTM과 달리 시간의 역방향도 고려하여 학습한다. 어텐션 모듈은 합성곱 신경망 모델과 같이 사용되어 각 프레임의 특징 추출에 이용한다. 실험을 통해 본 논문에서 제안하는 모델은 93.5%의 정확도를 갖고 기존 연구의 결과보다 AUC가 최대 50% 가량 높음을 보였다.

• 정보처리학회논문지B
• /
• 제12B권3호
• /
• pp.349-356
• /
• 2005

동적이고 비정형적인 환경에서 작업을 수행하기 위해 인공유기체를 이용하는 응용 분야가 빠른 속도로 확대되고 있다. 이러한 분야에서 인공유기체의 행동 지식 표현법으로 일반적인 프로그래밍 또는 전통적인 인공지능 방법을 사용하면, 예측치 못한 상황으로 인한 빈번한 변경과 나쁜 응답성의 문제가 발생한다. 이들 문제들을 기계학습적으로 해결하기 위한 방법으로는 유전자 프로그래밍과 진화 신경망이 대표적이다. 그러나 아직까지도 인공유기체의 학습방법이 문제가 되고 있으며, 같은 환경 속에 서식하는 인공유기체의 종이 같아서 여러생명체를 대표할수 없는 문제점이 있다. 본 논문에서는 학습의 속도와 질을 향상시키기 위해 강화역전파 신경망과 분류규칙을 이용하였으며, 한 환경속에 서식하는 인공유기체의 종을 달리하였다. 제안된 모델을 평가하기 위해서 이종간 인공유기체 집단이 한 가상환경속에서 서로 경쟁하면서 생활하는 시뮬레이터를 설계 및 구현하였고, 그들의 행동진화를 수행결과로 보여주었으며, 타시스템과의 비교분석을 하였다. 결과적으로, 학습의 속도와 질적인 면에서 제안된 모델이 모두 우수한 것을 확인하였다. 본 모델의 특징으로는, 유전자 알고리즘에 의해서 염색체에 표현된 분류 규칙들과 신경망의 학습이 동시에 수행되며, 분류 규칙과 강화역전파 신경망의 2단계의 처리 과정으로 인하여 학습 능력이 강화된다는 점이다.

• 생물환경조절학회지
• /
• 제33권1호
• /
• pp.1-11
• /
• 2024

이 연구에서는 Inception V3, SqueezeNet(local), VGG-16, Painters 및 DeepLoc의 다섯 가지 인공지능(AI) 모델을 사용하여 차나무 잎의 병해를 분류하였다. 여덟 가지 이미지 카테고리를 사용하였는데, healthy, algal leaf spot, anthracnose, bird's eye spot, brown blight, gray blight, red leaf spot, and white spot였다. 이 연구에서 사용한 소프트웨어는 데이터 시각적 프로그래밍을 위한 파이썬 라이브러리로 작동하는 Orange3였다. 이는 데이터를 시각적으로 조작하여 분석하기 위한 워크플로를 생성하는 인터페이스를 통해 작동되었다. 각 AI 모델의 정확도로 최적의 AI 모델을 선택하였다. 모든 모델은 Adam 최적화, ReLU 활성화 함수, 은닉 레이어에 100개의 뉴런, 신경망의 최대 반복 횟수가 200회, 그리고 0.0001 정규화를 사용하여 훈련되었다. Orange3 기능을 확장하기 위해 새로운 이미지 분석 Add-on을 설치하였다. 훈련 모델에서는 이미지 가져오기(import image), 이미지 임베딩(image embedding), 신경망(neural network), 테스트 및 점수(test and score), 혼동 행렬(confusion matrix) 위젯이 사용되었으며, 예측에는 이미지 가져오기(import image), 이미지 임베딩(image embedding), 예측(prediction) 및 이미지 뷰어(image viewer) 위젯이 사용되었다. 다섯 AI 모델[Inception V3, SqueezeNet(로컬), VGG-16, Painters 및 DeepLoc]의 신경망 정밀도는 각각 0.807, 0.901, 0.780, 0.800 및 0.771이었다. 결론적으로 SqueezeNet(local) 모델이 차나무 잎 이미지를 사용하여 차병해 탐색을 위한 최적 AI 모델로 선택되었으며, 정확도와 혼동 행렬을 통해 뛰어난 성능을 보였다.