• 한국재난정보학회 논문집
• /
• 제17권4호
• /
• pp.864-881
• /
• 2021

연구목적: 본 연구는 빅데이터와 인공지능 기술을 기반으로 다양한 위험 특성과 개개인의 상황을 고려한 맞춤형 예방 솔루션을 제공하는 생활안전 예방서비스 연구개발의 일환으로, 일상 생활안전과 관련하여 개인의 현재 안전수준을 정량적 수치로 나타내는 생활안전지수를 산출하는 방안을 제시하여, 안전사고를 예방하고 대응하기 위한 맞춤형 종합지수 서비스를 제공하는 데 목적이 있다. 연구방법: 본 연구의 핵심이 되는 모델은 AHP(Analysis Hierarchy Process)와 리커트 척도(Likert Scale)를 혼용하는 방법으로, 전문가 그룹의 합의형성 모델을 기반으로 산출된다. 생활안전 예방서비스를 평가할 수 있는 평가항목을 위험지표, 취약지표, 예방지표 등으로 구분하고, 이를 AHP 의사결정 방법론에 따라 AHP 계층구조로 정의하여 각 레벨 항목의 쌍대비교를 통해 평가항목 간 상대적 가중치를 산출하는 방법을 제안한다. 또한 평가항목을 적용한 개별 예방서비스에 대한 평가는 향후 생활안전 예방서비스의 확대를 고려하여 AHP 쌍대비교를 대신하여 리커트 척도 기반으로 절대평가하고 그 결과를 상대비교하는 방법으로 개별서비스 간 가중치를 산출하는 방안도 함께 제시한다. 연구결과: 생활안전 예방서비스에 대한 서비스 가중치를 도출하고, 이를 생활안전 예방서비스의 인공지능 예측모델을 통해 산출된 개별위험지수에 반영하여 종합지수를 산출하였다. 결론: 구현한 모델의 적용을 위하여 생활안전 예방서비스 앱과 플랫폼으로 구성된 테스트 환경을 구축하고, 사용자 시나리오를 바탕으로 기능에 대한 효능을 평가하였다. 이를 통해 본 연구에서 제시된 생활안전지수는 사용자에게 현재 자신의 안전수준을 종합하여 나타냄으로써 안전 위험에 진단과 대응 및 예방 골든타임을 지원하는 것으로 기대된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.