• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.159-159
• /
• 2017

스마트 시설환경은 대표적으로 원예, 축산 분야 등 여러 형태의 농업현장에 정보 통신 및 데이터 분석 기술을 도입하고 있는 시설화된 생산 환경이라 할 수 있다. 근래에 하드웨어적으로 급증한 스마트 시설환경에서 생산되는 방대한 생육/환경 데이터를 올바르고 적합하게 사용하기 위해서는 일반 산업 현장과는 차별화 된 분석기법이 요구된다고 할 수 있다. 소프트웨어 공학 분야에서 연구된 빅데이터 처리 기술을 기계적으로 농업 분야의 빅데이터에 적용하기에는 한계가 있을 수 있다. 시설환경 내/외부의 다양한 환경 변수는 시계열 데이터의 난해성, 비가역성, 불특정성, 비정형 패턴 등에 기인하여 예측 모델 연구가 매우 난해한 대상이기 때문이라 할 수 있다. 본 연구에서는 근래에 관심이 급증하고 있는 인공신경망 연구 소프트웨어인 Tensorflow (www.tensorflow.org)와 대표적인 Open source인 OpenNN (www.openn.net)을 스마트 시설환경 환경변수 상호간 상관성 분석에 응용하였다. 해당 소프트웨어 라이브러리의 운영환경을 살펴보면 Tensorflow 는 Linux(Ubuntu 16.04.4), Max OS X(EL capitan 10.11), Windows (x86 compatible)에서 활용가능하고, OpenNN은 별도의 운영환경에 대한 바이너리를 제공하지 않고 소스코드 전체를 제공하므로, 해당 운영환경에서 바이너리 컴파일 후 활용이 가능하다. 소프트웨어 개발 언어의 경우 Tensorflow는 python이 기본 언어이며 python(v2.7 or v3.N) 가상 환경 내에서 개발이 수행이 된다. 주의 깊게 살펴볼 부분은 이러한 개발 환경의 제약으로 인하여 Tensorflow의 주요한 장점 중에 하나인 고속 연산 기능 수행이 일부 운영 환경에 국한이 되어 제공이 된다는 점이다. GPU(Graphics Processing Unit)의 제공하는 하드웨어 가속기능은 Linux 운영체제에서 활용이 가능하다. 가상 개발 환경에 운영되는 한계로 인하여 실시간 정보 처리에는 한계가 따르므로 이에 대한 고려가 필요하다. 한편 근래(2017.03)에 공개된 Tensorflow API r1.0의 경우 python, C++, Java언어와 함께 Go라는 언어를 새로 지원하여 개발자의 활용 범위를 매우 높였다. OpenNN의 경우 C++ 언어를 기본으로 제공하며 C++ 컴파일러를 지원하는 임의의 개발 환경에서 모두 활용이 가능하다. 특징은 클러스터링 플랫폼과 연동을 통해 하드웨어 가속 기능의 부재를 일부 극복했다는 점이다. 상기 두 가지 패키지를 이용하여 2016년 2월부터 5월 까지 충북 음성군 소재 딸기 온실 내부에서 취득한 온도, 습도, 조도, CO2에 대하여 Large-scale linear model을 실험적(시간단위, 일단위, 주단위 분할)으로 적용하고, 인접한 세그먼트의 환경변수 예측 모델링을 수행하였다. 동일한 조건의 학습을 수행함에 있어, Tensorflow가 개발 소요 시간과 학습 실행 속도 측면에서 매우 우세하였다. OpenNN을 이용하여 대등한 성능을 보이기 위해선 병렬 클러스터링 기술을 활용해야 할 것이다. 오프라인 일괄(Offline batch)처리 방식의 한계가 있는 인공신경망 모델링 기법과 현장 보급이 불가능한 고성능 하드웨어 연산 장치에 대한 대안 마련을 위한 연구가 필요하다.

• 융합정보논문지
• /
• 제11권3호
• /
• pp.20-33
• /
• 2021

본 연구는 인공지능서비스가 확대되면서 개인정보의 처리 및 보호에 관한 안전성이 요구되어짐에 따라, 우리나라가 추진해야 할 개인정보보호 개선사항을 도출하고자 하였다. 이를 위해서 문헌조사를 통해서 자료 수집 및 분석을 기반으로 하였으며, 자율주행자동차, 의료/헬스케어, 에너지, 금융, 유통/물류, 법률자문, 홈비서 등 주요 인공지능서비스를 중심으로 개인정보 이슈사항 및 각 서비스에 적합한 개인정보보호기준을 도출하였다. 또한, 인공지능서비스에서의 개인정보보호에 관한 법제적 기준과 처리과정의 기준을 중심으로 주요국가의 추진사례를 검토하였고, 이를 중심으로 국내에 적용하여 개선방안으로 제시하였다. 이와 관련하여, 법제적 기준에서는 인공지능서비스 확대에 따른 개인정보보호 법률의 재정비, 인공지능서비스의 개발 및 제공에서의 책임과 원칙 준수, 인공지능서비스로 인한 개인정보침해 및 보안위협 등으로부터의 위험관리체계 운영 등이 요구된다. 처리과정의 기준에서는 첫째, 전처리 및 정제에 관해서 데이터셋 참조모델 표준화, 데이터셋 품질관리, AI애플이케이션의 자발적 라벨링이 필요하며, 둘째, 알고리즘 개발 및 활용에서는 알고리즘의 명확한 범위규정과 그에 대한 규제를 마련하여 적용할 필요가 있다. 특히, 국내의 안전한 인공지능서비스를 제공하기 위해서는 비식별조치 외에 우리나라에 적합한 개인정보보호 개선과제로 적용해 나가야 할 것이다. 따라서, 본 연구를 바탕으로 향후 인공지능서비스에서의 개인정보보호를 위한 프레임워크를 도출하는 연구를 하고자 한다.

• 한국도서관정보학회지
• /
• 제52권1호
• /
• pp.155-178
• /
• 2021

4차산업혁명 시대에서 공공도서관은 인공지능과 같은 외부 환경 변화에 능동적으로 대응하기 위하여 도서관 지능형서비스 추진 전략이 필요하다. 따라서 본 연구에서는 인공지능의 개념과 국내외 인공지능 관련 동향 및 정책, 사례 등의 분석 내용을 기반으로 도서관에서의 향후 인공지능 서비스 도입 및 발전 방향성에 대해 제안하였다. 현재 도서관에서는 딥러닝, 자연어처리 등 인공지능 기술 도입을 통해 자동으로 답변을 제공하는 참고정보서비스를 운영하며, 빅데이터 기반 AI 도서 추천 및 자동 도서 점검 시스템을 개발하여 업무 활용도를 높이고, 이용자 맞춤형 서비스를 제공하고 있다. 기업 및 산업 분야에서는 국내외를 막론하고, 사용자 개인 맞춤형 등을 기반으로 한 기술을 개발하여 서비스하고 있으며, 딥러닝을 사용하여 정보를 스스로 학습하여 최적의 결과를 제공하는 식의 형태로 개발하고 있다. 이에 따라 향후 도서관에서 인공지능을 활용하여, 이용자의 이용 기록을 기반으로 한 개인 맞춤형 도서 추천, 독서·문화 프로그램 추천, 도서 택배 서비스 시 자율주행 드론·자동차 등 운송수단을 통한 실시간 배송 서비스 도입 등 다양한 서비스 개발을 도모해야 한다.

• 대한지구과학교육학회지
• /
• 제14권2호
• /
• pp.112-122
• /
• 2021

본 연구의 목적은 2022 개정 과학과 교육과정을 앞두고 고교학점제에 대비하여 과학과 융합선택과목의 재구조화 방안을 탐색하는 것이다. 본 연구는 2015 개정 과학과 교육과정의 경우 비(非)이공계열 진로적성을 지닌 소위 문과계열의 학생들의 과목선택권을 보장하지 못한다는 문제의식에서 출발하였다. 이를 위해 2015 개정 교육과정에서 비이공계열 진로적성을 지닌 학생들을 위한 과학과 선택과목이었던 과학사, 생활과 과학, 융합과학을 중심으로 2015 개정 교육과정 운영실태에 대한 학생들의 인식을 설문조사하고, 교사 12명과의 면담을 통해 이들 선택과목의 운영 실태와 개선 방안을 도출하였다. 과학사/생활과학/융합과학 과목은 2022 개정 교육과정에서 과학과 융합선택과목으로 분류, 개정될 예정이다. 연구결과에 따르면 고등학생들은 과학사/생활과학/융합과학을 교양 과학으로 인식하고 있으며, 개인적인 흥미와 노력 부족, 학습내용 자체의 어려움 등으로 이들 과목을 어려워하는 것으로 나타났다. 과학사/생활과학/융합과학 과목의 교육과정 운영 실태를 살펴보면 학생들은 주로 생활과과학을 선택하며, 과학사 과목의 경우 내용이 어려워서 교사도 학생도 기피하는 것으로 나타났다. 연구결과를 토대로 2022 개정 교육과정의 과학과 융합선택과목 재구조화 방안을 간학문적인 핵심개념을 중심으로 한 내용접근성이 높은 융합선택과목 개발, 인공지능(AI)이나 첨단과학 관련 핵심개념을 중심으로 한 융합선택과목 개발, 모듈단위로 구성된 융합선택과목 개발, 간학문적 융합선택과목을 지도할 수 있는 과학교사 전문성 개발지원 등의 측면에서 제안하였다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.403-409
• /
• 2024

본 논문에서는 산업안전보건법에 따라 유해·위험 설비 사업자가 제출하여 공정안전관리 전담기관으로부터 승인받은 공정안전보고서의 데이터를 기반으로 사업장 안전성 향상을 위한 인공지능 통합 공정안전관리(PSM) 시스템 설계를 위한 가이드라인을 제안하였다. 제안된 가이드라인으로 구성되는 시스템은 단일사업장 또는 다수의 사업장을 운영하는 사업자와 공정안전관리 전담기관에 각각 구축하며, 데이터 수집·전처리, 확장 및 분할, 레이블링, 학습 데이터 셋구축 등의 주요 구성 요소와 단계로 구성하였다. 각 공정에서 발생하는 공정 운영 데이터 및 변경 허가 승인 데이터의 수집이 가능하며, 사업장 운영에서 발생하는 모든 데이터의 분석을 통해 잠재적인 고장 예측 및 유지보수 계획을 수립하여, 공정 운전 상황에서의 의사 결정 지원이 가능하다. 또한, 정확하고 신뢰할 수 있는 학습 데이터, 특화된 데이터 셋을 이용하여 시간 및 비용 절감, 인적 오류를 포함한 다양한 위험 요소 감지와 예측, 지속적인 모델 개선 등에 유용성과 효과를 갖으며, 이를 통해 작업장 안전성 향상 및 사고 예방이 가능하다.

• 정보교육학회논문지
• /
• 제23권6호
• /
• pp.675-687
• /
• 2019

인공지능에 대한 관심이 높아짐에 따라 각 대학에서는 인공지능을 전공으로 하는 특수대학원을 설립하고 있으며, 최근에는 정부에서도 인공지능교육에 대한 다양한 지원정책을 수립하고 있다. 그러나 각 대학은 인공지능이라는 최신분야를 전공으로 대학원교육을 진행하는 것에 대한 경험이 부족하고 전문가를 찾기도 쉽지 않아 여러 가지 어려움을 겪고 있다. 이에 이 연구에서는 인공지능을 전공으로 하는 대학원 석사과정 학생들의 반응을 IPA기법을 활용하여 분석하고, 대학원 인공지능전공의 교육방향을 탐색하였다. IPA로 조사한 40개의 항목 중, 인공지능 교육과정의 체계성, 학습수준을 고려한 수업진행, 지도교수와의 학문적 관계개선 등 12개 항목은 우선적으로 개선되어야 하는 항목으로 추출되었다. 이에 비해 조교의 역량, 동료와의 관계 등 8개 항목은 과잉으로 투입되고 있는 부분으로 나타났고, 교수자의 강의역량, 교육내용의 적절성, 학습자의 인공지능 기술, 지식, 태도의 습득 등 12개 항목은 중요도와 실행도가 모두 높은 잘 유지해야 하는 항목으로 나타났다. 이 외에 융복합 교육과정, 교육방법의 다양성 등 8개 항목은 우선순위가 낮은 항목으로 나타났다. 분석결과를 종합하여 대학원 인공지능교육의 방향을 제시하였다. 대학원 인공지능교육은 교육목표에 따라 두개의 트랙(기술특화, 융합확장)으로 구분하여 운영하고, 각 트랙은 학생수준에 적합한 수준별 교육내용과 방법으로 진행되어야 한다. 그리고 대학원 인공지능교육은 전문적인 인공지능지식, 기술, 태도 습득을 위한 정교하고 체계적인 교육과정으로 운영되어야 하고, 학문적 전문성이 있는 우수한 교수진을 중심으로 학생들의 개별화지도 체계를 구성해야 함을 제안하였다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1375-1380
• /
• 2021

우리나라는 재난안전통신망 개통 초기로 응용서비스 앱에 대한 보안 대응은 아직은 미흡한 실정이기에, 이에 대한 선제적 보안 대응이 반드시 필요하다. 본 연구에서는 재난안전통신망에서 앱을 유통하는 앱 스토어와 전용 단말에서 앱이 동작되는 안드로이드 운영체제에 대한 잠재적 취약점을 사전 예방하고자 '재난안전망 앱 보안 체계 구축'을 제안하였다. 응용서비스 앱이 재난안전통신망 모바일 앱스토어에 등재하고자 하기 위해서는, 우선 악성 및 정상 앱에 대한 데이터 셋을 구축하여 피쳐를 추출하고 가장 효과적인 AI 모델을 선정하여 정적 및 동적 분석을 수행한다. 분석 결과에 따라 악성 앱이 아닌 경우에 대해서 '안전 앱 인증서'를 인증하여 공인 앱에 대한 신뢰성을 확보한다. 궁극적으로 재난안전통신망 앱의 보안 사각지대를 최소화하고 인증된 앱의 재난안전 응용 서비스 지원으로 재난상황에 대한 통신망의 안전성을 확보할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제27권11호
• /
• pp.19-27
• /
• 2022

본 연구에서는 시계열 데이터 이상 탐지 수행을 위한 MLOps(Machine Learning Operations) 워크플로를 기술하고 관리할 수 있는 언어와 플랫폼을 제안한다. 시계열 데이터는 IoT 센서, 시스템 성능 지표, 사용자 접속량 등 많은 분야에서 수집되고 있다. 또한, 시스템 모니터링 및 이상 탐지 등 많은 응용 분야에 활용 중이다. 시계열 데이터의 예측 및 이상 탐지를 수행하기 위해서는 분석된 모델을 빠르고 유연하게 운영 환경에 적용할 수 있는 MLOps 플랫폼이 필요하다. 이에, 최근 데이터 분석에 많이 활용되고 있는 Python 기반의 AMML(AI/ML Modeling Language)을 개발하여 손쉽게 MLOps 워크플로를 구성하고 실행할 수 있도록 제안한다. 제안하는 AI MLOps 플랫폼은 AMML을 이용하여 다양한 데이터 소스(R-DB, NoSql DB, Log File 등)에서 시계열 데이터를 추출, 전처리 및 예측을 수행할 수 있다. AMML의 적용 가능성을 검증하기 위해, 변압기 오일 온도 예측 딥러닝 모델을 생성하는 워크플로를 AMML로 구성하고 학습이 정상적으로 수행됨을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.106-106
• /
• 2023

저수지 수문자료는 강우량, 유입량, 저수량, 방류량이다. 이 중에서 관측되고 있는 것은 저수량과 일부 수로방류량에 불과하다. 그럼에도 모의에 의해 유입량을 고정시키면, 물수지에 의해 방류량을 계산할 수 있다. 그러나 저수량 오차로 모의 유입량과 계산 방류량의 신뢰도는 반드시 확인돼야 한다. 신뢰도가 낮으면 모의 유출량과 계산 방류량을 조정하며 신뢰도를 높여야 한다. 신뢰도는 평가주기가 짧을수록 보장된다. 여기서는 유역면적 218.80km², 유효저수량 3,494만m³, 수혜면적 5,117ha인 탑정지에 대해 2020년 1월1일부터 12월31일까지 1시간 단위로 1달, 10일, 3일, 2일 간격의 주기로 저수지 운영자료를 생산하고, 그 신뢰도를 평가하여 평가주기가 짧을수록 오차가 감소되는 것을 관찰코자 했다. 1시간 간격의 유입량은 ONE 모형으로 모의했고, 저수지 물수지 모형을 구축하여 모의 유입량에 저수량 변화를 더해 방류량을 계산했다. 또한 저수지 물수지에 의해 저수위를 모의했으며, 관측 저수위와의 오차제곱근(RMSE)으로 신뢰도를 평가한 결과는 다음과 같다. 1달 간격으로 신뢰도를 평가한 경우 RMSE는 132.466m, 10일 간격은 46.922m, 3일 간격은 0.520m, 2일 간격은 0.349m로 나타났다. 위의 결과로부터 저수지 수문자료의 평가주기를 짧게 할수록 신뢰도는 개선된다고 말할 수 있다. 이상의 결과는 과거 자료에 대해 1년 동안 1시간 간격으로 유입량을 모의하고 방류량을 계산한 결과를 고정시키고, 평가주기를 달리하며 수위오차를 분석한 결과이다. 만약 평가주기별로 유입량과 방류량을 실제 상황에 적합하게 조정하면, 그 신뢰도는 훨씬 더 개선될 것이다. 현재 저수지 수위만을 관리하고 있는 현장의 상황에서 이 연구결과가 시사하는 바는 매우 크다. 첨언하면 AI 시대의 핵심은 자료다. AI의 먹이는 자료다. 다시 말해 자료 없는 AI는 시체와 같다. 자료는 기본이고 진실이다. 자료 없는 결과는 가짜다. 또한 위의 결과는 자료는 상시 관찰돼야 한다는 것을 말한다. 1년에 한 번 수문자료를 평가하는 제도로는 고품질의 자료를 생산할 수 없다. 무엇보다 자료는 상시 관찰하는 제도가 정착돼야 하며, 그 때 비로소 AI와 공존과 협력으로 물관리 기술의 혁신을 이룰 것이라 확신한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.6-6
• /
• 2022

최근 수재해에 대응하기 위한 물관리 환경은 기후변화에 따른 홍수 피해 심화와 댐과 하천 시설의 노후화 점증, 하천관리일원화 등 정책적 변화, 그리고 포스트코로나 디지털 혁신 등 복합적 대전환 시대 진입에 따라 복잡다단한 양상을 보이고 있다. 디지털 트윈은 디지털 대전환(digital transformation) 시대 다양한 산업 영역에서 지능화와 생산성 향상을 목적으로 도입되고 있다. 본 국가 시범사업에서는 170 km에 달하는 섬진강 유역 전체를 대상으로 홍수에 대응하기 위한 디지털 트윈 플랫폼(K-Twin SJ)을 구축하고 있다. 본 플랫폼은 국가 인프라 지능정보화 사업의 일환으로 시작되었으며, 공간정보와 시설물 모델링, 홍수 분석 등 수재해에 대응하기 위한 수자원 분야의 다학제적인 강소기업들과 K-water에서 컨소시엄을 구성하여 추진하고 있다. 본 사업의 내용은 섬진강 댐-하천 유역에 대하여 고정밀도 3D 공간정보화, 실시간 물관리 데이터 연계, 홍수 분석 시뮬레이션, AI 댐 운영 최적화, AI 사면 정보 생성, 하천 제방 안전성 평가, AI 지능형 CCTV 영상분석, 간이 침수피해 예측, 드론 제약사항 조사 체계 개발을 포함하고 있다. 물관리 데이터와 하천 시설정보를 트윈 플랫폼 상에서 위치기반으로 시각화 표출하기 위해서는 유역의 공간정보를 3차원으로 구축하는 과정이 필수적이다. 따라서 GIS 기반의 섬진강 하천 중심 공간정보 구축을 위해 유역의 국가 정사영상과 5m 수치표고모형(DEM)은 최신성과를 협조 받아 적용하였으며, 홍수 분석을 위한 하천 중심 공간정보는 신규 헬기에 LiDAR 매핑을 수행하여 0.5m 급 DEM을 신규 구축하였다. 또한 하천 시설물 중 섬진강댐과 79개 주요 하천 횡단 교량과 3개 보 시설을 지상기준점 측량과 드론 매핑, 패턴 방식의 경량화 작업을 통해 트윈에 탑재할 수 있는 시설물 3D 객체 모델을 제작하였다. 홍수 분석을 위해서는 섬진강 유역에 대해 K-Drum, K-River, K-Flood 모델을 구축하였으며, AI 하천 수위 예측 학습 모델을 개발하였다. 섬진강 디지털 트윈 유역 물관리 플랫폼을 통해 데이터 기반의 똑똑한 물관리를 구현하고자 한다.