• 한국융합학회논문지
• /
• 제13권3호
• /
• pp.11-22
• /
• 2022

최근 교육 분야에서 다양한 인공지능 기술을 활용한 연구와 개발이 이뤄지고 있다. 인공지능을 활용한 교육 중 특히 대화형 에이전트는 시간과 공간의 제약을 받지 않고 음성인식, 번역과 같은 다양한 인공지능 기술과 결합해 더 효과적인 언어 학습을 가능하게 한다. 본 논문은 상용화된 교육용 플랫폼 중 이용자 수가 많고 영어 학습을 위한 대화형 에이전트가 활용된 플랫폼에 대한 동향 분석을 진행하였다. 동향 분석을 통해 현재 상용화된 교육용 플랫폼의 대화형 에이전트는 여러 한계점과 문제점이 존재했다. 구체적인 문제점과 한계점 분석을 위해 사전 학습된 최신 대용량 대화 모델과 비교 실험을 진행하였고, 실험 방법으로 대화형 에이전트의 대답이 사람과 비슷한지를 평가하는 Sensibleness and Specificity Average (SSA) 휴먼 평가를 진행하였다. 실험 내용을 바탕으로, 효과적인 학습을 위해 개선방안으로 대용량 파라미터로 학습된 대화 모델, 교육 데이터, 정보 검색 기능의 필요성을 제안했다.

• 융합보안논문지
• /
• 제22권5호
• /
• pp.61-67
• /
• 2022

본 연구의 목적은 인공지능의 연구동향을 분석하는 것이다. 입체적인 분석을 위하여 인공지능에 대한 사회과학에서의 연구방향과 공학에서의 연구방향의 차이를 객관적으로 비교하여 제시하고자 시도하였다. 연구방법은 빅데이터 분석방법론 중에서 토픽모델링을 활용하였으며, 분석데이터는 학술연구정보시스템에서 인공지능(AI)라는 키워드로 검색된1000개의 영문 논문을 활용하였다. 분석결과 사회과학분야에서는 인공지능에 대하여 '인간', '영향', '미래'라는 키워드를 중심으로 형성된 그룹을 확인할 수 있었고, 공학분야에서는 '인공지능 기반의 기술개발', '시스템', '위험-보안' 등의 그룹이 형성되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.149-149
• /
• 2022

Accurate quantitative evaluation of baseflow contribution to streamflow is imperative to address seasonal drought vulnerability, flood occurrence and groundwater management concerns for efficient and sustainable water resources management in watersheds. Several baseflow separation algorithms using recursive filters, graphical method and tracer or chemical balance have been developed but resulting baseflow outputs always show wide variations, thereby making it hard to determine best separation technique. Therefore, the current global shift towards implementation of artificial intelligence (AI) in water resources is employed to compare the performance of deep learning models with conventional hydrograph separation techniques to quantify baseflow contribution to streamflow of Piney River watershed, Tennessee from 2001-2021. Streamflow values are obtained from the USGS station 03602500 and modeled to generate values of Baseflow Index (BI) using Web-based Hydrograph Analysis (WHAT) model. Annual and seasonal baseflow outputs from the traditional separation techniques are compared with results of Long Short Term Memory (LSTM) and simple Gated Recurrent Unit (GRU) models. The GRU model gave optimal BFI values during the four seasons with average NSE = 0.98, KGE = 0.97, r = 0.89 and future baseflow volumes are predicted. AI offers easier and more accurate approach to groundwater management and surface runoff modeling to create effective water policy frameworks for disaster management.

• 한국산업보건학회지
• /
• 제33권4호
• /
• pp.412-418
• /
• 2023

As advances in artificial intelligence (AI) increasingly approach areas once relegated to the realm of science fiction, there is growing public interest in using these technologies for practical everyday tasks in both the home and the workplace. This paper explores the applications of and implications for of using ChatGPT, a conversational AI model based on GPT-3.5 and GPT-4.0, in the field of occupational health and safety. After gaining over one million users within five days of its launch, ChatGPT has shown promise in addressing issues ranging from emergency response to chemical exposure to recommending personal protective equipment. However, despite its potential usefulness, the integration of AI into scientific work and professional settings raises several concerns. These concerns include the ethical dimensions of recognizing AI as a co-author in academic publications, the limitations and biases inherent in the data used to train these models, legal responsibilities in professional contexts, and potential shifts in employment following technological advances. This paper aims to provide a comprehensive overview of these issues and to contribute to the ongoing dialogue on the responsible use of AI in occupational health and safety.

• 농업과학연구
• /
• 제50권2호
• /
• pp.309-309
• /
• 2023

• Nuclear Engineering and Technology
• /
• 제54권10호
• /
• pp.3943-3948
• /
• 2022

Single-photon emission computed tomography is one of the reliable pin-by-pin verification techniques for spent-fuel assemblies. One of the challenges with this technique is to increase the total fuel assembly verification speed while maintaining high verification accuracy. The aim of the present study, therefore, was to develop an artificial intelligence (AI) algorithm-based tomographic image analysis technique for partial-defect verification of fuel assemblies. With the Monte Carlo (MC) simulation technique, a tomographic image dataset consisting of 511 fuel-rod patterns of a 3 × 3 fuel assembly was generated, and with these images, the VGG16, GoogLeNet, and ResNet models were trained. According to an evaluation of these models for different training dataset sizes, the ResNet model showed 100% pattern estimation accuracy. And, based on the different tomographic image qualities, all of the models showed almost 100% pattern estimation accuracy, even for low-quality images with unrecognizable fuel patterns. This study verified that an AI model can be effectively employed for accurate and fast partial-defect verification of fuel assemblies.

• 디지털융복합연구
• /
• 제14권12호
• /
• pp.173-182
• /
• 2016

인공지능은 현재의 컴퓨팅시스템 성능한계를 극복하고 컴퓨팅 환경을 발전시켜 다양한 분야의 기술 발전을 위한 핵심 기술로서 주목받고 있다. 이에 세계 국가들은 물론이고, 국내에서도 인터넷 기업을 중심으로 사업화 기술개발이 이루어지고 있다. 정부 역시 인공지능 기술 개발을 위해 다양한 지원을 아끼지 않고 있으며, 이에 따른 기술의 발전으로 인공지능에 대한 관심이 증폭되고 있다. 그러나 긍정적인 시각과 부정적인 시각이 공존하고 있는 인공지능 분야에서 사람들의 의견을 분석하는 연구는 매우 부족한 실정이다. 이에 따라 본 연구에서는 텍스트 마이닝 기법을 활용하여 SNS (Social Networking Service)에서 수집된 인공지능에 대한 사람들의 의견 데이터를 연도별로 비교 분석하여 수집된 데이터에 대한 긍정, 부정 여부와 함께 연도별 키워드를 확인하였다. 분석 결과, 국내 인공지능 분야의 연도별 키워드를 확인하였으며, 시간의 흐름에 따라 인공지능에 대해 부정적인 의견이 증가하는 것을 확인하였다. 그리고 이러한 비교분석 결과를 기반으로 인공지능 분야의 흐름에 대해 예측할 수 있었다.

• East Asian mathematical journal
• /
• 제39권2호
• /
• pp.93-117
• /
• 2023

The aim of this study is to explore the pre-service math teachers' characteristics of education to develop their AI literacy and SW competency, and to derive some implications. We conducted a 14-hours AI and SW education program for pre-service teachers with theory and practice, and an analysis on class observation data, video frames of classes and interview, Python programming assignments and papers. The results of this case study for 3 pre-service teachers are as follows. First, two students understood artificial neural network and deep learning system accurately, furthermore, all students conducted a couple of explorations related with performance improvement of deep learning system with interest. Second, coding and exploration activities using Python improved students' computational thinking as well as SW competency, which help them give convergence education in the future. Third, they responded positively to the necessity of AI literacy and SW competency development, and to applying coding to math class. Lastly, it's necessary to endeavor to give a coding education to the student's eye level according to his or her prerequisite and to ease the burden of student's studying AI technology.

• 한국군사과학기술학회지
• /
• 제25권5호
• /
• pp.513-521
• /
• 2022

This study deals with an AI architecture model for collecting battlefield data using the tactical C4I system. Based on this model, the artificial staff can be utilized in tactical echelon. In the current structure of the Army's tactical C4I system, Servers are operated by brigade level and above and divided into an active and a standby server. In this C4I system structure, the AI server must also be installed in each unit and must be switched when the C4I server is switched. The tactical C4I system operates a server(DB) for each unit, so data matching is partially delayed or some data is not matched in the inter-working process between servers. To solve these issues, this study presents an operation concept so that all of alternate server can be integrated based on virtualization technology, which is used as an source data for AI Meta DB. In doing so, this study can provide criteria for the AI architectural model of the ground tactical echelon.

• 융합정보논문지
• /
• 제11권7호
• /
• pp.14-20
• /
• 2021

겨울철 도로 결빙으로 인한 사고는 대부분 큰 사고로 이어진다. 이는 운전자가 도로의 결빙을 사전에 자각하기 어렵기 때문이다. 본 연구에서는 AutoML과 CNN의 앙상블 모델을 이용하여 도로교통 이머징 리스크를 정확하게 탐지하는 방법을 연구한다. 비정형 데이터인 이미지를 이용한 CNN 이미지 특징 추출 기반 도로교통 이머징 리스크 분류 모델과 정형 데이터인 기상 데이터를 이용한 AutoML 기반 도로교통 이머징 리스크 분류 모델을 각각 학습시킨다. 그 후 모델들에서 도출된 확률값을 입력하여 CNN 기반 분류 모델을 보완하도록 앙상블 모델을 설계한다. 이를 통해 도로교통 이머징 리스크 분류 성능을 향상하고 더 정확하고 빠르게 운전자에게 경고하여 안전한 주행이 가능하도록 한다.