• 한국엔터테인먼트산업학회논문지
• /
• 제14권3호
• /
• pp.149-162
• /
• 2020

본 연구에서는 챗봇의 개별적 체험, 공유적 체험, 유비쿼터스 접속성, 상황적 유용성이 챗봇의 지각된 가치와 챗봇 이용의도에 미치는 영향관계를 파악하기 위하여, Burnd H. Schmitt의 체험이론 측면에서의 체험 기반 커뮤니케이션 구성요소와 메신저 플랫폼 환경에서의 상황 기반 커뮤니케이션 구성요소를 적용하여 시나리오 기반 설문지법을 이용하였다. 이를 통해 다양한 서비스산업 분야의 기업에게 챗봇 이용을 더욱 활성화할 수 있는 실무적 접근방안을 제공하고자 한다. 본 연구의 시사점은 다음과 같다. 첫째, 여전히 대부분의 챗봇은 그것을 디자인하는 인간의 기획수준을 넘지 못하고 있으므로 챗봇 개발 시 개별적 체험요소를 어떻게 고객의 발화의도에 맞추어 기능적으로 설계할 것인지에 대한 고려가 필요하다. 둘째, 챗봇이 언제 어디서나 실시간으로 특정 과업을 완수하려는 관점만이 아니라 고객이 속한 상황을 포함하여 상호작용의 질적 특성을 높이려는 총체적 관점에서 설계되어야 한다. 셋째, 챗봇은 사용자에 의해 의인화되기 마련이므로 챗봇 개발 시 챗봇의 '페르소나'와 '톤 앤 매너'를 결정하는 것에도 신중해야 한다. 챗봇 개발의 성공여부를 가늠하는 가장 중요한 기준은 고객만족이다. 다시 말해 인공지능 알고리즘의 품질보다는 기획과 데이터의 품질이 챗봇의 활용도를 좌우한다. 기업이 챗봇과의 상호작용을 인간과의 상호작용과 최대한 유사하게 만들기 위하여 노력하는 이유다.

• 한국콘텐츠학회논문지
• /
• 제22권1호
• /
• pp.274-282
• /
• 2022

보행자의 보행권 확보를 위해 기존 보행자 교통사고의 원인, 진단, 감소 방안을 모색하는데 있어 기존 조사방식, 분석방법, 진단 등의 한계성을 극복하기 위한 대체방안으로 중고스마트폰을 활용한 모바일 CCTV 활용방안을 제시하였다. 중고스마트폰을 업사이클링하여 모바일CCTV를 제작하였고 보행사망사고가 다수 발생하는 지역에 설치하여 24시간 이상의 영상데이터를 확보하였다. 영상시각화 기술과 클라우딩 리포팅(Crowding Reporting) 기술을 적용하여 분석하였으며, 인공지능 학습기반의 모델링과 GIS 기반의 진단지도를 통해 더욱 정밀하고 정확한 결과를 도출하였다. 그 결과 보행안전 위험요인과 횟수를 분석할 수 있었으며, 기존 방식으로는 알 수 없었던 요인까지 도출할 수 있었다. 또한 중고스마트폰 업사이클링 모바일 CCTV가 보행위험요인을 찾는데 객관적 도구가 될 것인지 검증하기 위해 데이터를 1년으로 환산하여 교통사고 위험지수를 도출하였다. 연구를 통해 새롭게 적용된 중고스마트폰의 업사이클링 모바일 CCTV는 보행자의 보행위험요인을 찾는데 새로운 도구로 활용이 가능하며, 이를 발전시켜 보행자외 교통약자의 안전을 지키는 서비스로 활용이 가능할 것이다.

• 구강회복응용과학지
• /
• 제38권4호
• /
• pp.196-203
• /
• 2022

목적: 본 연구는 79종의 치과 임플란트에 대해 딥러닝을 이용한 식별 모델의 정확도와 임상적 유용성을 평가하는 것을 목적으로 하였다. 연구 재료 및 방법: 2001년부터 2020년까지 30개 치과에서 임플란트 치료를 받은 환자들의 파노라마 방사선 사진에서 총 45396개의 임플란트 고정체 이미지를 수집했다. 수집된 임플란트 이미지는 18개 제조사의 79개 유형이었다. 모델 학습을 위해 EfficientNet 및 Meta Pseudo Labels 알고리즘이 사용되었다. EfficientNet은 EfficientNet-B0 및 EfficientNet-B4가 하위 모델로 사용되었으며, Meta Pseudo Labels는 확장 계수에 따라 두 가지 모델을 적용했다. EfficientNet에 대해 Top 1 정확도를 측정하고 Meta Pseudo Labels에 대해 Top 1 및 Top 5 정확도를 측정하였다. 결과: EfficientNet-B0 및 EfficientNet-B4는 89.4의 Top 1 정확도를 보였다. Meta Pseudo Labels 1은 87.96의 Top 1 정확도를 보였고, 확장 계수가 증가한 Meta Pseudo Labels 2는 88.35를 나타냈다. Top 5 정확도에서 Meta Pseudo Labels 1의 점수는 97.90으로 Meta Pseudo Labels 2의 97.79보다 0.11% 높았다. 결론: 본 연구에서 임플란트 식별에 사용된 4가지 딥러닝 알고리즘은 모두 90%에 가까운 정확도를 보였다. 임플란트 식별을 위한 딥러닝의 임상적 적용 가능성을 높이려면 더 많은 데이터를 수집하고 임플란트에 적합한 미세 조정 알고리즘의 개발이 필요하다.

• 지식경영연구
• /
• 제24권1호
• /
• pp.31-49
• /
• 2023

짧은 영상 클립을 공유하는 지식공유 플랫폼으로서 TikTok이 많은 주목을 받고 있다. 이러한 TikTok에 대한 폭발적인 관심은 지식공유 플랫폼으로서의 비즈니스 가치가 크다는 점을 시사한다. 본 연구는 질적, 탐색적 접근을 통해 지식거래산업의 발전 현황과 함께 TikTok에서 어떠한 요인이 지식상품에 대한 사용자의 구매 결정에 영향을 미치는가를 규명하고자 하였다. 연구방법론으로서 10명에 대한 심층 인터뷰와 함께 95명의 지식 제공자의 동영상을 관찰한 결과, TikTok은 지식거래 산업을 발전시킬 수 있는 비즈니스 잠재력을 가지고 있었으며, ATLAS ti 소프트웨어를 이용한 10명의 심층 인터뷰에서 수집한 데이터를 코딩한 결과, 수요자 특성, 제공자 특성, 플랫폼 특성 및 제품 특성 등의 네 가지 핵심적 요인이 TikTok에서 지식제품에 대한 사용자의 구매결정에 영향을 미친다는 점을 밝혔다. 근거이론을 기반으로 감정적 니즈, 전문성 니즈, 품질, 가격, 도움성, 가치, 카리스마, 신뢰, 서비스 보증, 희소성 등 10개의 변수로 구성된 이론적 모델이 도출되고 제시되었다. 또한 연구발견점에 따른 이론적 시사점과 실무적 시사점이 토의된다.

• 한국도서관정보학회지
• /
• 제53권1호
• /
• pp.231-263
• /
• 2022

인공지능에 대한 이해 및 업무분야에서의 활용 능력은 지식 정보화 시대를 살아가는 모든 사람에게 기본 역량으로 강조되고 있으며, 이에 따라 인공지능에 대한 교육의 필요성은 대학 구성원들에게도 높게 인식되고 있다. 국내외 대학도서관 역시 효과적인 인공지능 콘텐츠 제공의 필요성을 인식하여 전자 형태의 디지털 콘텐츠를 제공하고 있으나, 인공지능이라는 정보 기술에 특화된 이용자 맞춤형 추천은 제공되고 있지 않고 있으며 이러한 추천서비스에 대한 이용자의 관심 파악 역시 미비하다. 대학생의 인공지능 교육에 대한 수요가 증가하고 있는 상황에서, 대학도서관에서의 인공지능 관련 콘텐츠 추천에 대한 이용자의 이용의사를 파악하고 효과적인 서비스 수립을 위한 조사가 절실히 필요한 시점이다. 본 연구는 확장된 기술수용모델을 활용하여 인공지능 주제 분야에 특화된 디지털 교육 콘텐츠를 추천해주는 서비스에 대한 이용자들의 사용의도에 영향을 주는 요인을 도출하였으며, 대학생을 대상으로 한 온라인 설문조사, 대학도서관 사서들과의 서면인터뷰를 통해 각 요인별 영향력을 조사하고, 성공적 수행을 위한 제언을 수렴하였다. 연구결과, 인공지능관련 교육콘텐츠 추천시스템 사용의도는 성별, 학년, 전공계열에 상관없이 사용의사가 있다고 조사되었고, 과제적합성요인이 사용의도에 가장 영향을 미치는 요인임이 파악되었다. 사서들 또한 서비스의 필요성을 깊이 공감하고 있었고 현실적인 제약사항으로 예산과 콘텐츠 품질 문제를 제시하였다.

• 천문학회보
• /
• 제44권2호
• /
• pp.62.2-62.2
• /
• 2019

한국의 고천문 자료는 삼국시대 이후 근대 조선까지 다수가 존재하여 세계적으로 드문 기록 문화를 보유하고 있으나, 한문 번역이 많이 이루어지지 않아 학술적 활용이 활발하지 못한 상태이다. 고문헌의 한문 문장 번역은 전문인력의 수작업에 의존하는 만큼 소요 시간이 길기에 투자대비 효율성이 떨어지는 편이다. 이에 최근 여러 분야에서 응용되는 인공지능의 적용을 대안으로 삼을 수 있으며, 초벌 번역 수준일지라도 자동번역기의 개발은 유용한 학술도구가 될 수 있다. 한국천문연구원은 한국정보화진흥원이 주관하는 2019년도 Information and Communication Technology 기반 공공서비스 촉진사업에 한국고전번역원과 공동 참여하여 인공신경망 기계학습이 적용된 고문헌 자동번역모델을 개발하고자 한다. 이 연구는 고천문 도메인에 특화된 인공지능 기계학습 기법으로 자동번역모델을 개발하여 이를 서비스하는 것을 목적으로 한다. 연구 방법은 크게 4가지 개발을 진행하는 것으로 나누어 볼 수 있다. 첫째, 인공지능의 학습 데이터에 해당되는 '코퍼스'를 구축하는 것이다. 이는 고문헌의 한자 원문과 한글 번역문이 쌍을 이루도록 만들어 줌으로써 학습에 최적화한 데이터를 최소 6만 개 이상 추출하는 것이다. 둘째, 추출된 학습 데이터 코퍼스를 다양한 인공지능 기계학습 기법에 적용하여 천문 분야 특수고전 도메인에 특화된 자동번역 모델을 생성하는 것이다. 셋째, 클라우드 기반에서 참여 기관별로 소장한 고문헌을 자동 번역 모델에 기반하여 도메인 특화된 모델로 도출 및 활용할 수 있는 대기관 서비스 플랫폼 구축이다. 넷째, 개발된 자동 번역기의 대국민 개방을 위해 웹과 모바일 메신저를 통해 자동 번역 서비스를 클라우드 기반으로 구축하는 것이다. 이 연구는 시스템 요구사항 분석과 정의를 바탕으로 설계가 진행 또는 일부 완료되어 구현 중에 있다. 추후 이 연구의 성능 평가는 자동번역모델 평가와 응용시스템 시험으로 나누어 진행된다. 자동번역모델은 평가용 테스트셋에 의한 자동 평가와 전문가에 의한 휴먼 평가에 따라 모델의 품질을 수치로 측정할 수 있다. 또한 응용시스템 시험은 소프트웨어 방법론의 개발 단계별 테스트를 적용한다. 이 연구를 통해 고천문 분야가 인공지능 자동번역 확산 플랫폼 시범의 첫 케이스라는 점에서 의의가 있다. 즉, 클라우드 기반으로 시스템을 구축함으로써 상대적으로 적은 초기 비용을 투자하여 활용성이 높은 한문 문장 자동 번역기라는 연구 인프라를 확보하는 첫 적용 학문 분야이다. 향후 이를 활용한 고천문 분야 학술 활동이 더욱 활발해질 것을 기대해 볼 수 있다.

• 천문학회보
• /
• 제45권1호
• /
• pp.56.1-56.1
• /
• 2020

한국의 고문헌 중에는 다양한 고천문 기록들이 한문 형태로 존재하며, 이를 학술적으로 활용하기 위해서는 전문 번역가 투입에 따른 많은 비용과 시간이 요구된다. 이에 인공신경망 기계학습에 의한 인공지능 번역기를 개발하여 비록 초벌 번역 수준일지라도 문장 형태의 한문을 한글로 자동번역해 주는 학술 도구를 소개하고자 한다. 이 자동번역기는 한국천문연구원이 한국정보화진흥원이 주관하는 2019년도 Information and Communication Technology 기반 공공서비스 촉진사업에 한국고전번역원과 공동 참여하여 개발 완료한 것이다. 이 연구는 고천문 도메인에 특화된 인공지능 기계학습용 데이터인 천문 고전 코퍼스를 구축하여 이를 기반으로 천문 고전 특화 자동번역 모델을 개발하고 번역 서비스하는 것을 목적으로 한다. 이를 위해 구축되는 시스템은 크게 세 가지이다. 첫째, 로그인이 필요 없이 누구나 웹 접속을 통해 사용이 가능한 클라우드 기반의 고문헌 자동번역 대국민서비스 시스템이다. 둘째, 참여 기관별로 구축된 코퍼스와 도메인 특화된 번역 모델의 생성 및 관리할 수 있는 클라우드 기반의 대기관 서비스 플랫폼 구축이다. 셋째, 개발된 자동번역 Applied Programmable Interface를 활용한 한국천문연구원 내 자체 서비스가 가능한 AITHA 시스템이다. 연구 결과로서 먼저 구축된 천문 고전 코퍼스 60,760건에 대한 샘플링 검수 결과는 품질 순도 99.9% 이상이다. 아울러 도출된 천문 고전 특화 번역 모델 총 20개 중 대표 모델에 대한 성능 평가 결과는 기계 번역 텍스트 품질 평가 알고리즘인 Bilingual Evaluation Understudy 평가에서 40.02점이며, 전문가에 의한 휴먼 평가에서 5.0 만점 중 4.05점이다. 이는 당초 연구 목표로 삼았던 초벌 번역 수준에 충분하며, 현재 개발된 시스템들은 자체 시험 운영 중이다. 이 연구는 특수 고문헌에 해당되는 고천문 기록들의 번역 장벽을 낮춰 관련 연구자들의 학술적 접근 및 다양한 연구에 도움을 줄 수 있다는 점에서 의의가 있다. 또한 고천문 분야가 인공지능 자동번역 확산 플랫폼 시범의 첫 케이스로써 추후 타 학문 분야 참여 시 시너지 효과도 기대해 볼 수 있다. 고문헌 자동번역기는 점차 더 많은 학습 데이터와 학습량이 쌓일수록 더 좋은 학술 도구로 진화할 것이다.

• 실천공학교육논문지
• /
• 제15권1호
• /
• pp.97-105
• /
• 2023

최근 인공지능 기술의 발달에 따라 사용자의 편의성을 위한 기술이 많이 개발되고 있다. 그중 자율주행차에 대한 관심이 나날이 증가하고 있다. 현재 많은 자동차 기업에서 자율주행차 상용화를 목표로 하고 있다. 상용화를 뒷받침할 정부의 새롭고 합리적인 정책 수립의 기반을 조성하기 위하여 뉴스 기사 데이터를 통해 여론의 변화와 인식을 분석하고자 하였다. 따라서 본 논문에서는 최근 3년간 자율주행차와 유사한 용어가 언급된 뉴스 기사 데이터 35,891건을 수집하고, 네트워크 분석하였다. 분석결과, '자율주행', 'AI', '미래', '현대자동차', '자율주행차', '자동차', '산업', '전기차' 등의 주요 키워드가 도출되었다. 또한, 자율주행차 산업은 자동차 기업뿐만 아니라, 반도체 기업, 빅테크 기업 등 다양한 산업과 융합되며 더욱 빠르고 다양한 플랫폼과 서비스 산업으로 발전하고 있으며, 산업의 융복합에 주목하고 있는 것으로 나타났다. 여론의 변화와 인식을 지속적으로 확인하기 위해 SNS 데이터나 기술 트렌드의 지속적인 분석을 통한 인식 분석이 필요할 것으로 판단된다.

• 벤처창업연구
• /
• 제17권1호
• /
• pp.229-249
• /
• 2022

본 연구는 다양한 머신러닝 기법을 통해 코스닥(KOSDAQ) 시장 내 관리종목 지정을 예측할 수 있는 모델에 대해 연구하였다. 증권시장 내 기업이 관리종목으로 지정이 되면 시장에서는 이를 부정적인 정보로 인식하여 해당 기업과 투자자에게 손실을 가져오게 된다. 본 연구를 통해 기업의 재무적 데이터를 바탕으로 조기에 관리종목 지정을 예측하고, 투자자들의 포트폴리오 리스크 관리에 도움을 주기 위한 머신러닝 접근이 타당한지 살펴본다. 본 연구를 위해 활용한 독립변수는 수익성, 안정성, 활동성, 성장성을 나타내는 21개의 재무비율을 활용하였으며, K-IFRS가 적용된 2011년부터 2020년까지 관리종목과 비관리종목의 기업의 재무 데이터를 표본으로 추출하였다. 로지스틱 회귀분석, 의사결정나무, 서포트 벡터 머신, 랜덤 포레스트, LightGBM을 활용하여 관리종목 지정 예측 연구를 수행하였다. 연구결과는 분류 정확도가 82.73%인 LightGBM이 가장 우수한 예측 모형이었으며 분류 정확도가 가장 낮은 예측 모형은 정확도가 71.94%인 의사결정나무였다. 의사결정나무 기반 학습 모형의 변수 중요도의 상위 3개 변수를 확인한 결과 각 모형에서 공통적으로 나온 재무변수는 ROE(당기순이익), 자본금회전율(Capital stock turnover ratio)로 해당 재무변수가 관리종목 지정에 있어 상대적으로 중요한 변수임을 확인하였다. 대체적으로 앙상블을 이용한 학습 모형이 단일 학습 모형보다 예측 성능이 높은 것을 확인하였다. 기존 선행연구가 K-IFRS에 대한 고려를 하지 않았고, 다소 제한된 머신러닝에 의존하였다. 따라서 본 연구의 필요성과 함께 현실적 요구를 충족시키는 결과를 제시하였음을 알 수 있으며, 시장참여자들에게 있어 관리종목 지정에 대한 사전 예측을 확인할 수 있도록 기여했다고 볼 수 있다.

• 정보보호학회논문지
• /
• 제34권2호
• /
• pp.207-216
• /
• 2024

4차 산업혁명으로 인해 빅데이터가 구축됨에 따라 개인 맞춤형 서비스가 급증했다. 이로 인해 온라인 서비스에서 수집하는 개인정보의 양이 늘어났으며, 사용자들의 개인정보 유출 및 프라이버시 침해 우려가 높아졌다. 온라인 서비스 제공자들은 이용자들의 프라이버시 침해 우려를 해소하기 위해 개인정보 처리방침을 제공하고 있으나, 개인정보 처리방침은 길이가 길고 복잡하여 이용자가 직접 위험 항목을 파악하기 어려운 문제로 인해 오남용되는 경우가 많다. 따라서 자동으로 개인정보 처리방침이 안전한지 여부를 검사할 수 있는 방법이 필요하다. 그러나 종래의 블랙리스트 및 기계학습 기반의 개인정보 처리방침 안전성 검증 기법은 확장이 어렵거나 접근성이 낮은 문제가 있다. 본 논문에서는 문제를 해결하기위해 생성형 인공지능인 GPT-3.5 API를 이용한 개인정보 처리방침 안전성 검증 기법을 제안한다. 새로운 환경에서도 분류 작업을 수행할 수 있고, 전문 지식이 없는 일반인이 쉽게 개인정보 처리방침을 검사할 수 있다는 가능성을 보인다. 실험에서는 블랙리스트 기반 개인정보 처리방침과 GPT 기반 개인정보 처리방침이 안전한 문장과 안전하지 않은 문장의 분류를 얼마나 정확하게 하는지와 분류에 소요된 시간을 측정했다. 실험 결과에 따르면, 제안하는 기법은 종래의 블랙리스트 기반 문장 안전성 검증 기법보다 평균적으로 10.34% 높은 정확도를 보였다.