• 정보보호학회논문지
• /
• 제28권6호
• /
• pp.1523-1537
• /
• 2018

AI 스피커는 간단한 동작으로 음악재생, 온라인 검색 등 사용자에게 유용한 기능을 제공하고 있으며, 이에 따라 AI 스피커 시장은 현재 매우 빠른 속도로 성장하고 있다. 그러나 AI 스피커는 항시 사용자의 음성을 대기하고 있어 보안 위협에 노출될 경우 도청, 개인정보 노출 등 심각한 문제가 발생할 수 있다. 이에 모든 AI 스피커의 전반적으로 향상된 보안을 제공하기 위해 발생 가능한 보안 위협을 식별하고 체계적인 취약점 점검을 위한 방안이 필요하다. 본 논문에서는 점유율이 높은 제품 4개를 선정하여 보안위협모델링을 수행하였다. Data Flow Diagram, STRIDE, LINDDUN 위협모델링을 통해 체계적이고 객관적인 취약점 점검을 위한 체크리스트를 도출하였으며, 이후 체크리스트를 이용하여 실제 기기에 대한 취약점 점검을 진행하였다. 마지막으로 취약점 점검 결과 및 각 제품에 대한 취약점 비교 분석을 통해 AI 스피커의 보안성을 향상시킬 수 있는 방안을 제안하였다.

• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.442-453
• /
• 2021

Artificial intelligence (AI) will likely affect various fields of medicine. This article aims to explain the fundamental principles of clinical validation, device approval, and insurance coverage decisions of AI algorithms for medical diagnosis and prediction. Discrimination accuracy of AI algorithms is often evaluated with the Dice similarity coefficient, sensitivity, specificity, and traditional or free-response receiver operating characteristic curves. Calibration accuracy should also be assessed, especially for algorithms that provide probabilities to users. As current AI algorithms have limited generalizability to real-world practice, clinical validation of AI should put it to proper external testing and assisting roles. External testing could adopt diagnostic case-control or diagnostic cohort designs. A diagnostic case-control study evaluates the technical validity/accuracy of AI while the latter tests the clinical validity/accuracy of AI in samples representing target patients in real-world clinical scenarios. Ultimate clinical validation of AI requires evaluations of its impact on patient outcomes, referred to as clinical utility, and for which randomized clinical trials are ideal. Device approval of AI is typically granted with proof of technical validity/accuracy and thus does not intend to directly indicate if AI is beneficial for patient care or if it improves patient outcomes. Neither can it categorically address the issue of limited generalizability of AI. After achieving device approval, it is up to medical professionals to determine if the approved AI algorithms are beneficial for real-world patient care. Insurance coverage decisions generally require a demonstration of clinical utility that the use of AI has improved patient outcomes.

• Journal of Information Display
• /
• 제10권1호
• /
• pp.37-44
• /
• 2009

AiPi technology incorporates an embedded clock and control scheme with a point-to-point bus topology, thereby having the smallest possible number of interface lines between a timing controller and column drivers. A point-to-point architecture boosts the data rate and reduces the number of interface lines, because impedance matching can be easily achieved. An embedded clock and control scheme is implemented by means of multi-level signalling, which results in a simple clock/data recovery circuitry. A 46" AiPi-based 10-bit FHD prototype requires only 20 interface lines, compared to 38 lines for mini-LVDS. The measured maximum data rate per data pair is more than 800 Mbps.

• 대한의용생체공학회:의공학회지
• /
• 제44권6호
• /
• pp.428-442
• /
• 2023

In this study, we have a goal to develop usability evaluation guidelines for heuristic-based artificial intelligence-based Software as a Medical Device (SaMD) in the medical field. We conducted a gap analysis between medical hardware (H/W) and non-medical software (S/W) based on ten heuristic principles. Through severity assessments, we identified 69 evaluation domains and 112 evaluation criteria aligned with the ten heuristic principles. Subsequently, we categorized each evaluation domain into five types, including user safety, data integrity, regulatory compliance, patient therapeutic effectiveness, and user convenience. We proposed usability evaluation guidelines that apply the newly derived heuristic-based Software as a Medical Device (SaMD) evaluation factors to the risk management process. In the discussion, we also have proposed the potential applications of the research findings and directions for future research. We have emphasized the importance of the judicious application of AI technology in the medical field and the evaluation of usability evaluation and offered valuable guidelines for various stakeholders, including medical device manufacturers, healthcare professionals, and regulatory authorities.

• 한국수정란이식학회지
• /
• 제32권3호
• /
• pp.159-163
• /
• 2017

The artificial insemination (AI) is one of the best assisted reproductive technologies for increasing reproductive capacity and facilitating the genetic improvement in farm animals. AI has been used in Uganda for over 60 years, but a small population of the total herd has been used. This study was conducted to investigate the efficacy of AI with estrus synchronization technique and to propose ways of improving the productivity of dairy farms through AI services in Uganda. In total, 78 cows from 11 dairy farms were selected for timed-AI. Synchronization was performed according to the ovsynch programs followed by AI using frozen semen from Korean Holstein (0.5 ml straws). Pregnancy rate was varying among farms (0-50%) and the overall pregnancy rate was 28.2%. Cows in luteal phase at the time of treatment was 40.0% whereas that in follicular phase was 20.8%. After treatment, cows that showed normal estrus signal were 45.5% (25/55). Abnormal estrus was categorized into pre-estrus (9.1%), cystic ovaries (21.8%), anestrus (18.2%) and delayed ovulation (5.5%), respectively. These results imply that an assured protocol for timed-AI should be developed to improve the productivity of dairy farms through AI services in Uganda.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.437-439
• /
• 2023

본 연구는 프로그래밍 협업 환경에서 생성형 AI인 ChatGPT-4를 활용한 코딩 프로세스를 제안한다. 일관성 있는 결과를 얻기 위해 프롬프트 생성, GPT 실행, 의사코드 변환, 코드 비교, 동일 코드 생성 여부 판단, 테스트 실행, 동일 결과 생성 여부 판단, 코드 검사 및 수정의 8단계를 거친다. 팀 프로젝트와 페어 프로그래밍 등의 다양한 협업 환경에 적용 가능한 이 프로세스를 통해 생성형 AI를 효과적으로 활용할 수 있음을 보여주었다는 점에서 그 의미가 있다. 본 연구는 생성형 AI를 활용한 협업 환경에서의 코딩이 본격적으로 이루어질 것으로 예상되는 이 시점에서, 인간-AI 협업 환경에서의 코딩 효율성 및 일관성을 높일 수 있을 것으로 기대한다. 이러한 연구는 인간과 AI가 함께 작업하는 미래를 위한 기초를 마련하는 데 중요한 역할을 할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.840-843
• /
• 2019

IoT 산업이 발전하면서 기존 토이와 IoT 기술을 결합한 스마트토이가 각광 받고 있다. 스마트토이는 수동적인 방식의 기존토이와는 다르게 토이 간 인터렉션이 가능하며 전자 센서들을 사용하여 토이를 사용하는 어린아이들에 코딩을 활용한 콘텐츠를 제공가능하다. 기존 스마트토이는 처음에는 호기심을 자극하지만, 익숙해지면 흥미가 떨어지는 현상을 보인다. 이에 본 논문에서는 기존 스마트토이가 갖는 재미요소 증가와 다양한 콘텐츠의 개발을 위해서 스마트 토이에 Artificial Intelligence(AI) 기능을 접목한 AI 카메라블록을 사용하여 새로운 콘텐츠를 개발하였다.

• Reproductive and Developmental Biology
• /
• 제35권3호
• /
• pp.227-232
• /
• 2011

This survey was conducted to investigate the current status of swine artificial insemination(AI) centers registered as 'semen processing business' in Korea. The survey responses were collected by direct visitation or telephone conversation for 5 months from May through September in 2008. The survey showed that sixty-four AI centers were enrolled in local government and those of fifty-two AI centers were under operation. Forty-nine AI centers surveyed owned a total of 3,334 boars and the Duroc breed accounted for the highest rate(73.1%) of all boar breeds. In type of ownership, agricultural management corporations was the highest(42.3%) and followed by private ownership(34.6%). Large-scale AI centers in terms of own over 151 boar were surveyed as 5.9% and most AI centers own less than 100 boars(86.5%). The average number of boars per AI center was 68. The amount of liquid semen provided by 52 AI centers were 1,791,000 doses and each AI center provides average of 39,000 does, which is represented for 90% consumption by sows in Korea.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.661-664
• /
• 2018

온라인 게시판 글과 채팅창에서 주고받는 대화는 실제 사용되고 있는 구어체 특성이 잘 반영된 텍스트 코퍼스로 음성인식의 언어 모델 재료로 활용하기 좋은 학습 데이터이다. 하지만 온라인 특성상 노이즈가 많이 포함되어 있기 때문에 학습에 직접 활용하기가 어렵다. 본 논문에서는 사용자 입력오류가 다수 포함된 문장에서의 한글 오류 보정을 위한 sequence-to-sequence Denoising Autoencoder 모델을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.544-546
• /
• 2020

의료 데이터를 이용하여 인공지능 기계학습 연구를 수행할 때 자주 마주하는 문제는 데이터 불균형, 데이터 부족 등이며 특히 정제된 충분한 데이터를 구하기 힘들다는 것이 큰 문제이다. 본 연구에서는 이를 해결하기 위해 GAN(Generative Adversarial Network) 기반 고해상도 의료 영상을 생성하는 프레임워크를 개발하고자 한다. 각 해상도 마다 Scale 의 Gradient 를 동시에 학습하여 빠르게 고해상도 이미지를 생성해낼 수 있도록 했다. 고해상도 이미지를 생성하는 Neural Network 를 고안하였으며, PGGAN, Style-GAN 과의 성능 비교를 통해 제안된 모델이 양질의 고해상도 의료영상 이미지를 더 빠르게 생성할 수 있음을 확인하였다. 이를 통해 인공지능 기계학습 연구에 있어서 의료 영상의 데이터 부족, 데이터 불균형 문제를 해결할 수 있는 Data augmentation 이나, Anomaly detection 등의 연구에 적용할 수 있다.