• 경영정보학연구
• /
• 제22권1호
• /
• pp.59-72
• /
• 2020

인공지능이 다루기 어려운 개념에서 아주 익숙한 도구로 자리매김 하고 있다. 이와 더불어 금융권에서도 인공지능 기술을 도입하여 기존 시스템의 문제점을 개선하고자 하는 추세이며, 그 대표적인 예가 이상거래탐지 시스템(Fraud Detection System, FDS)이다. 결제 수단의 다양화 및 전자금융거래의 증가에 따라 치밀해져 가는 사이버 금융사기(Fraud)를 기존의 규칙기반 FDS로는 탐지하기 어려워지고 있다. 이를 극복하기 위해 딥러닝 기술을 적용하여 이상거래 탐지율을 향상시키고, 이상행위에 즉각 대응하며, 탐지 결과의 반영을 자동화하고자 하는 시도가 이루어지고 있다. 딥러닝 FDS 구축에서 핵심 문제는 데이터 불균형과 이상거래 패턴의 변동이다. 본 논문에서는 생성적 적대 신경망(Generative Adversarial Network, GAN)을 활용한 오버샘플링 기법을 통해 데이터 불균형 문제를 개선하고, 이상거래 분류기로써 심층 신경망(Deep Neural Network, DNN)과 합성곱 신경망(Convolutional Neural Network, CNN)을 적용하여 이러한 문제를 개선하고자 하였다. 실험 결과, GAN 오버샘플링이 이상거래 데이터의 불균형 문제를 개선하는데 효과를 보였으며, WGAN이 가장 높은 개선 효과가 있음을 확인하였다. 또한 제안 FDS 모형의 AUC가 0.9857로 랜덤포레스트 FDS 모형에 비해 약 6.5% 향상되어, 딥러닝이 이상거래 탐지에 뛰어난 성능을 가짐을 입증하였다. 더불어 딥러닝 모형 중 DNN은 CNN에 비해 오버샘플링의 효과를 더 잘 반영함을 확인하였다.

• 경영정보학연구
• /
• 제21권4호
• /
• pp.125-141
• /
• 2019

알파고로 대변되는 딥러닝 기법의 등장으로 인공지능은 기업 경쟁우위 확보를 위한 디지털 트랜스포메이션의 핵심 주제로 급부상했다. 산업 내 인공지능 기반 디지털 트랜스포메이션 방향을 이해하기 위해서는 현재 진행 중인 인공지능 비즈니스 생태계 참여자들 유형 및 활동에 대한 명확한 이해가 선행되어야 한다. 따라서 본 연구는 다행위자 네트워크(Multi-actor network)관점에서 인공지능 비즈니스 생태계 내부와 외부 참여자들의 활동을 분석하고 플랫폼 전략 유형을 규명하였다. 인공지능 비즈니스 생태계 내부 세 개 계층(인프라스트럭처 & 하드웨어, 소프트웨어 & 애플리케이션, 서비스 & 데이터 계층)에서 사업자들은 네 가지 플랫폼 전략 유형으로(기술수직×비즈수평, 기술수직×비즈수직, 기술수평×비즈수평, 기술수평×비즈수직) 인공지능 비즈니스가 진행되고 있다. 인공지능 비즈니스 생태계 외부에는 다섯 행위자들이(사용자, 투자자, 정부 정책가, 학계 등 컨소시엄, 시민단체) 공존 및 지속가능한 인공지능 비즈니스 생태계를 지원하고 있다. 본 연구는 학술적으로 인공지능 비즈니스 생태계 분석 프레임워크 및 인공지능 플랫폼 전략 모델을 제시하였고, 실무적으로 플랫폼 관점의 인공지능 디지털 트랜스포메이션 전략 방향과 지속가능한 인공지능 비즈니스 생태계 조성을 위한 정부, 학계 등의 역할을 제시했다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.

• 기술혁신학회지
• /
• 제21권1호
• /
• pp.130-150
• /
• 2018

기술가치평가(Technology Valuation)는 특정 기술이나 기술을 기반으로 사업화 하는 데 있어 해당기술과 사업화 가치를 평가하는 행위, 절차 및 기법 등을 일컫는다. 기술의 가치와 기술을 기반으로 하는 사업화에 대한 가치를 평가하는 데 있어서는 기술가치의 기술거래, 투자 및 융자, 현물출자, 전략수립, 등의 다양한 평가목적에 따라 평가 기한과 프로세스 계획이 수립된다. 기술가치평가의 전체 프로세스는 특정 기술에 대한 기술성, 권리성, 시장성, 사업성 분석 및 평가와 이의 결과를 근거로 한 기술가치의 화폐적 가치산출 모듈로 구성되며, 각 모듈의 분석과 평가 수행에 있어서는 특정 기술에 대한 지식보유자인 전문가들로 이루어진 평가팀을 구성하여 평가가 수행된다. 특정 개별 기술에 대한 평가수행은 하나의 독립된 과제(project)로서 다뤄지며 각 모듈들을 통합하여 관리하는 과제관리자(project manager, PM)에 의해서 관리된다. 기술가치평가의 PM은 평가의 객관성과 신뢰성 확보를 위해서 과제 수행지원과 관리에 있어서의 체계적인 수행에 대한 전문성 확보가 필요하다. 또한 기술가치평가 수행의 특성 상 평가팀은 각각의 모듈별로 상이한 지식을 보유한 전문가들로 이루어진 이해관계자들로 구성되어 있는데 이들 간에 기술과 기술가치평가 전체 절차에 대한 지식공유가 원활하게 진행되기 위해서는 이들의 평가 수행을 지원하고 관리하는 PM의 의사소통 능력과 역할이 중요하다. PM의 역할 중 무엇보다도 서로 상이한 지식으로 과제에 참여하게 되는 평가자들 간, 평가자들과 피평가자들, 기술보유자와 기술이전대상자들 간에 빈번하게 발생되는 갈등에 따른 문제해결 방안을 확보하고 있어야 한다. 본 연구는 기술가치평가 PM들의 기술가치평가 수행 지원에 있어서 다양한 이해관계자들 간에 빈번하게 발생되는 4개의 갈등과 해결사례에 관해서 실제 수행되었던 기술가치평가 사례를 중심으로 살펴보고, PM들의 갈등 해결방안을 모색하고자 한다. 향후, 본 연구를 통해 논의된 갈등사례와 해결방안을 근거로 기술가치평가 과제관리에 있어서 보다 전문적인 PM의 역할과 체계화된 기술가치평가 수행지원 및 관리방안이 마련되는 실증적 근거가 될 수 있을 것으로 기대된다.

• 과학기술학연구
• /
• 제19권2호
• /
• pp.169-206
• /
• 2019

이 글은 인공지능이 만들어내는 문화적 상상을 분석하면서 기술과 인간 사이의 새로운 윤리를 모색한다. 과학기술을 돌봄물(matter of care)로 이해하는 페미니스트 과학기술학 연구(Puig de la Bellacas, 2011)에 기댄 이 글은 우선 인공지능이 자율성을 문화적 상상으로 강력하게 생산하고 있다는 점에 주목한다. 스스로의 경험과 학습을 통해 새로운 환경에 적응할 수 있는 능력으로 정의된 이 자율성은 기술적 영역을 넘어 이상적인 인간상을 정의하고 있다. 하지만 데이터에 기반한 딥러닝 기법과 무장한 무인 비행기가 예증하듯, 인공지능 기술은 보이지 않는 인간노동과 복잡한 물질적 장치에 의존하고 있으며, 자율성은 허구에 가깝다. 또한 이른바 '조수 기술 (assistant technology)'이 보여주듯, 가사노동을 부불노동화하는 우리 사회의 오래된 젠더화된 노동인식에 기초해 수많은 인간의 돌봄 노동은 비가시화되는 반면, 기계의 돌봄노동은 적극적으로 가시화되고 있다. 또한 인공지능의 문화적 상상은 자율성과 행위능력을 이상적인 인간의 특질로 정의하면서 장애의 몸과 이 몸이 갖는 가치인 연약함과 의존성의 연대는 가치 없는 것으로 만들고 있다. 인공지능과 그 문화적 상상은 능력이 있는 몸(abled-bodies)을 이상화하고 기술의 자율성을 우선 가치로 삼으면서 서로 의존하는 인간과 기술의 현실적 관계를 삭제하고 있다. 결론에서 저자는 우리에게 필요한 기술은 타자의 비정형적인 몸과 인간의 돌봄노동을 가치 없게 여기도록 하는 것이 아니라 이들을 있는 그대로 드러내면서 그 가치를 인정하는 것이어야 한다고 주장한다. 책임 있게 응답하는 기술은 주변화된 존재들에 공감하고 의존성을 긍정하고 연약성 사이의 연대를 촉진하는 것이어야 한다. 저자는 이런 대안적인 기술을 형상화하기 위해 예술가 수 오스틴의 퍼포먼스에서 영감을 얻어 '휠체어 탄 인공지능'을 제안한다. '휠체어 탄 인공지능'은 자율성을 과시하기보다는 타자의 몸과 노동을 부정하지 않고 이들의 존재론적 가능성을 함께 만들어가려 노력하는 상호의존과 돌봄의 기술이다.