• 의학교육논단
• /
• 제18권2호
• /
• pp.47-50
• /
• 2016

Development of artificial intelligence is expected to revolutionize today's medicine. In fact, medicine was one of the areas to which advances in artificial intelligence technology were first applied. Recently, state-of-the-art artificial intelligence, especially deep learning technology, has been actively utilized to treat cancer patients and analyze medical image data. Application of artificial intelligence has the potential to fundamentally change various aspects of medicine, including the role of human doctors, the clinical decision-making process, and even overall healthcare systems. Facing such fundamental changes is unavoidable, and we need to prepare to effectively integrate artificial intelligence into our medical system. We should re-define the role of human doctors, and accordingly, medical education should also be altered. In this article, we will discuss the current status of artificial intelligence in medicine and how we can prepare for such changes.

• 한국IT서비스학회지
• /
• 제16권4호
• /
• pp.137-148
• /
• 2017

Researches on the Artificial Intelligence has been explosively activated in various fields since the advent of AlphaGo. Particularly, researchers on the application of multi-layer neural network such as deep learning, and various machine learning algorithms are being focused actively. In this paper, we described a development of an artificial intelligence Janggi game based on reinforcement learning algorithm and MCTS (Monte Carlo Tree Search) algorithm with accumulated game data. The previous artificial intelligence games are mostly developed based on mini-max algorithm, which depends only on the results of the tree search algorithms. They cannot use of the real data from the games experts, nor cannot enhance the performance by learning. In this paper, we suggest our approach to overcome those limitations as follows. First, we collects Janggi expert's game data, which can reflect abundant real game results. Second, we create a graph structure by using the game data, which can remove redundant movement. And third, we apply the reinforcement learning algorithm and MCTS algorithm to select the best next move. In addition, the learned graph is stored by object serialization method to provide continuity of the game. The experiment of this study is done with two different types as follows. First, our system is confronted with other AI based system that is currently being served on the internet. Second, our system confronted with some Janggi experts who have winning records of more than 50%. Experimental results show that the rate of our system is significantly higher.

• 융합정보논문지
• /
• 제10권9호
• /
• pp.173-182
• /
• 2020

최근 대학수업에서 공유된 교육목표를 토대로 집단을 이루어 함께 학습하는 협력학습이 강조되고 있으며 그에 따른 집단지성에 대한 관심이 확산되고 있다. 이에 따라 협력학습에서 집단지성을 높일 수 있는 변인에 대한 연구의 필요성도 확대되고 있다. 본 연구는 학습자의 개인변인으로 개인창의성, 팀관련 변인으로 팀신뢰와 팀효능감, 학습성과변인으로 집단지성을 선정하여 구조적 관계를 살펴보았다. 이를 위해 협력학습에 참여한 경기지역 A대학교, 대전지역 H대학교 및 충청지역 K대학교의 학부생 770명을 대상으로 자료를 수집하였으며 구조방정식을 통해 변인 간의 관련성을 분석하였다. 연구결과, 개인창의성은 팀효능감과 집단지성에 긍정적 영향을 미쳤으며 팀신뢰는 팀효능감과 집단지성에 긍정적 영향을 미쳤다. 또한 팀효능감은 집단지성에 긍정적 영향을 미쳤다. 본 연구는 향후 대학 협력학습의 수업설계 및 운영전략을 수립하기 위한 기초자료로 활용될 수 있을 것이다.

• 한국항행학회논문지
• /
• 제21권6호
• /
• pp.674-679
• /
• 2017

4차 산업혁명과 ICT 기술의 중요성이 증가함에 따라 소프트웨어 중심 사회가 초래되었다. 기존 소프트웨어 교육은 학습 환경구성에 제한적이었으며, 초기에 많은 비용이 발생하였다. 이를 해결하기 위하여 웹 컴파일러를 활용하는 형태의 학습 방법이 개발되었다. 웹 컴파일러는 다양한 소프트웨어 언어를 지원하며, 컴파일 결과를 사용자에게 웹을 통해 보여준다. 하지만 4차 산업혁명의 핵심기술인 인공지능에 대한 웹 컴파일러는 아직 미비한 상황이다. 본 논문에서는 구글 인공지능 라이브러리인 텐서플로우 기반의 웹 컴파일러를 설계, 구현하였다. nodeJS 기반의 서버에 텐서플로우와 텐서플로우 서빙, 파이썬 주피터를 구현하고, meteorJS 기반의 웹 서버를 구축하여 인공지능 학습을 위한 시스템을 구현하였다. 소프트웨어 중심 사회에서 인공지능 학습을 위한 도구로써의 활용이 가능할 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.169-170
• /
• 2019

인공지능이 글로벌 경쟁력 원천 기술로 부각되면서 정부도 자율주행차, 드론, 로봇 등 미래 신산업의 기반 기술이 되는 인공지능을 전략적으로 육성하고 있다. 국내 인공지능 연구 및 서비스는 네이버와 카카오를 중심으로 출시되었으나 해외에 비하면 규모나 수준이 미약한 편이다. 최근, 딥러닝 (deep learning)은 최근 음성인식과 영상인식을 비롯한 다양한 패턴인식 분야에서 혁신적인 성능을 기록하면서 많은 연구가 진행되고 있다. 그 뿐만 아니라 딥러닝은 초창기부터 산업계의 큰 관심을 끌어 구글이나 마이크로소프트, 삼성전자 등 글로벌 정보기술 회사에서 상용제품에 딥러닝 기술을 성공적으로 적용하고 있고 계속 연구개발을 진행하고 있어 대중매체에서도 관심을 가지고 주목하고 있다. 이러한 선행연구를 바탕으로 주목 받고 있는 인공지능에 대해 살펴보도록 하겠다.

• International Journal of Computer Science & Network Security
• /
• 제24권7호
• /
• pp.108-117
• /
• 2024

The selection and recommendation of a suitable job applicant from the pool of thousands of applications are often daunting jobs for an employer. The recommendation and selection process significantly increases the workload of the concerned department of an employer. Thus, Resume Classification System using the Natural Language Processing (NLP) and Machine Learning (ML) techniques could automate this tedious process and ease the job of an employer. Moreover, the automation of this process can significantly expedite and transparent the applicants' selection process with mere human involvement. Nevertheless, various Machine Learning approaches have been proposed to develop Resume Classification Systems. However, this study presents an automated NLP and ML-based system that classifies the Resumes according to job categories with performance guarantees. This study employs various ML algorithms and NLP techniques to measure the accuracy of Resume Classification Systems and proposes a solution with better accuracy and reliability in different settings. To demonstrate the significance of NLP & ML techniques for processing & classification of Resumes, the extracted features were tested on nine machine learning models Support Vector Machine - SVM (Linear, SGD, SVC & NuSVC), Naïve Bayes (Bernoulli, Multinomial & Gaussian), K-Nearest Neighbor (KNN) and Logistic Regression (LR). The Term-Frequency Inverse Document (TF-IDF) feature representation scheme proven suitable for Resume Classification Task. The developed models were evaluated using F-Score_M, Recall_M, Precission_M, and overall Accuracy. The experimental results indicate that using the One-Vs-Rest-Classification strategy for this multi-class Resume Classification task, the SVM class of Machine Learning algorithms performed better on the study dataset with over 96% overall accuracy. The promising results suggest that NLP & ML techniques employed in this study could be used for the Resume Classification task.

• 정보교육학회논문지
• /
• 제12권3호
• /
• pp.355-363
• /
• 2008

문제기반학습(Problem-based Learning)의 효과성 제고를 위해서는 학습지원 전략으로서 스캐폴더의 역할이 요청된다. 집단지성(collective intelligence)은 사용자들의 지식, 정보, 경험, 가치 등을 종합하고 이를 바탕으로 자신의 행동에 대한 방향을 결정하고 지속적으로 수정하며 문제 해결방법을 제공받는다는 측면에서 스캐폴딩을 제공한다. 교수학습 상황에서 학습자의 주도적, 자발적, 적극적 참여를 강조하고 있는데, 과연 집단지성이 효과적이고 매력적인 학습전략의 대안이 되는지 판단하고자 본 연구가 수행되었다. 보다 구체적으로 본 연구는 웹에서 집단지성이 스캐폴더의 역할을 어떻게 수행하고 있는지, 또한 학습자에게 어떤 유형의 스캐폴딩을 제공하는지 밝히고자 수행되었다. 연구 결과 집단지성은 정의적 측면에서는 학습자에게 학습태도, 자신감, 흥미 등 긍정적인 영향을 미쳤지만 인지적 측면에서는 학습자의 학년, 학습수준에 따라 상이한 영향을 미치는 것을 확인할 수 있었다. 집단지성이 학습자에게 긍정적인 영향을 미치는 경우 인지적 측면에서 설명, 방향제시, 예시, 피드백 등과 같은 스캐폴딩 유형을 확인할 수 있었고, 정의적 측면에서 긍정적 반응, 격려 등과 같은 스캐폴딩 유형이 나타났다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제34권4호
• /
• pp.545-561
• /
• 2020

이 연구의 목적은 국내외 인공지능을 활용한 수학교육 서비스의 주요 기능과 인공지능의 활용 가능성을 알아보는 것이다. 이 연구를 위해 최근 5년 이내에 발행한 자료를 중심으로 출판물 및 인터넷에서 "인공지능", "人工知能", "Artificial Intelligence" "AI". "수학교육"의 키워드를 독립적으로 또는 조합하여 검색하면서 관련 논문 및 보고서 그리고 인터넷 자료 등을 수집하여 분석하였다. 연구 결과, 수학교육을 위한 인공지능 서비스는 대부분 학습자의 개인별 수학 맞춤형 학습을 지원하고, 인간 수학 교사를 지원하기 위한 보조적인 역할로 규정하며, 인지적인 측면뿐만 아니라 정의적인 측면의 기술을 고도화하고 있었다. 제언으로, 정교한 수학 계통체계의 구축을 위한 연구, 인공지능 기술을 발굴하여 수학교육에 활용하는 방안, 인공지능 활용을 위한 양질의 수학 콘텐츠를 개발, 수학교육을 위한 클라우드 기반의 종합 시스템 구축과 운영이 필요함을 주장하였다.

• ETRI Journal
• /
• 제41권6호
• /
• pp.760-770
• /
• 2019

Based on the growing demand for neural network technologies, various neural network inference engines are being developed. However, each inference engine has its own neural network storage format. There is a growing demand for standardization to solve this problem. This study presents interworking techniques for ensuring the compatibility of neural networks and data among the various deep learning frameworks. The proposed technique standardizes the graphic expression grammar and learning data storage format using the Neural Network Exchange Format (NNEF) of Khronos. The proposed converter includes a lexical, syntax, and parser. This NNEF parser converts neural network information into a parsing tree and quantizes data. To validate the proposed system, we verified that MNIST is immediately executed by importing AlexNet's neural network and learned data. Therefore, this study contributes an efficient design technique for a converter that can execute a neural network and learned data in various frameworks regardless of the storage format of each framework.

• 한국인공지능학회지
• /
• 제10권2호
• /
• pp.7-11
• /
• 2022

OLED displays cannot be used permanently due to burn-in or generation of dark spots due to degradation. Therefore, the time when the display can operate normally is very important. It is close to impossible to physically measure the time when the display operates normally. Therefore, the time that works normally should be predicted in a way other than a physical way. Therefore, if you do computer simulations based on artificial intelligence, you can increase the accuracy of prediction by saving time and continuous learning. Therefore, if we do computer simulations based on artificial intelligence, we can increase the accuracy of prediction by saving time and continuous learning. In this paper, a dataset in the form of development from generation to diffusion of dark spots, which is one of the causes related to the life of OLED, was generated by applying the finite element method. The dark spots were generated in nine conditions, such as 0.1 to 2.0 ㎛ with the size of pinholes, the number was 10 to 100, and 50% with water content. The learning data created in this way may be a criterion for generating an artificial intelligence-based dataset.