반응형
Ⅰ. 인공지능 편향성 유형
가. 인공지능 편향성의 정의
- 학습 데이터 또는 AI 알고리즘이 왜곡되어 왜곡된 결과 예측과 잠재적으로 유해한 결과를 초래하는 편향된 결과
나. 인공지능 편향성의 유형
구분 | 유형 | 설명 |
데이터 원인 | 편향된 표본 | - 편향된 초기 데이터 학습 - 편향된 결과 재학습 |
제한된 특징 | - 데이터의 주요 특징 미포함 - 관련성이 낮은 특징 학습 |
|
표본 크기 불균형 | - 데이터 표본 집단의 크기 불균형 | |
모델 원인 | 알고리즘 모델 문제 | - 데이터 상관없이 알고리즘 모델이 편향 발생 |
Ⅱ. XAI(eXplainable Artificial Intelligence)
가. XAI의 등장 배경 및 개념
인공지능 사회/경제적 영향 증가 | 인공지능 역기능 발생 | XAI 등장 |
- 인공 지능 영향력 확산 | - 역기능 / 사고사례 증가 | - XAI의 필요성 |
- 사용자가 인공지능 시스템의 최종 결과를 이해하고 올바로 해석할 수 있도록 결과 생성 과정을 설명 가능하도록 하는 인공지능 기술
나. XAI의 종류
종류 | 구현 기술 | 설명 |
기존 학습모델 변형 기술 |
- 역 합성곱 신경망 - 추론 및 시각화 |
- 기존 학습 모델에 역산 과정을 추가 - 역 합성곱 신경망으로 결과 영향 요소 추론 |
새로운 학습모델 개발 기술 |
- 확률적 AND-OR 그래프 | - 원인-결과 도출 과정 표현 가능한 학습 모델 개발 - 입력 데이터 특징 관계를 그래프로 생성 |
학습 모델 간 비교 기술 |
- 상호 대조 및 추론 | - 설명 가능한 다른 분류 모델과 상호 대조 및 추론 |
다. XAI가 인공지능에 미치는 영향
구분 | 영향 | 설명 |
사회적 측면 | 고객 신뢰 확보 | - 다양한 AI 시스템 사용자로부터 신뢰 확보 |
사회적 공감대 형성 | - 편향 제거로 공감할 타당한 설명 가능 | |
기술적 측면 | 고성능 학습모델 도출 | - 모델 간 비교로 적합한 학습 모델 도출 |
새로운 인공지능 전략 | - 데이터 패턴 추출, 분석으로 새로운 전략 도출 | |
법/제도 측면 | 분쟁 원인 파악 | - AI의 잘못된 결과에 의한 분쟁 원인 파악 용이 |
규정준수 판단 | - GDPR 등 규정 준수여부 판단 가능 | |
AI 산업 측면 | AI 산업 활성화 | - 조작, 편향의 부정적 인식 제거로 산업 활성화 |
비즈니스 수요 증가 | - AI 통한 효과적인 의사결정으로 활용 수요 증가 |
Ⅲ. 기술적, 비기술적, 정책 즉면의 인공지능 신뢰성 확보 방안
구분 | 방안 | 설명 |
기술적 | - 양질의 데이터 확보 | - 신뢰할 수 있는 양질의 데이터 확보 |
- 설명 가능한 인공지능 | - 설명 가능한 인공지능 개발로 신뢰성 향상 | |
- 알고리즘의 편향 수정 | - 인공지능 모델 자체의 편향 수정 | |
비기술적 | - 편향 테스트 | - 데이터 및 모델의 편향성 테스트 수행 |
- 편향 완화 프로세스 수립 | - 데이터 및 모델 편향 완화 프로세스 수립 | |
정책 측면 | - 인공지능 윤리 교육 강화 | - 인공지능 관련 종사자 윤리 교육 강화 |
- 인공지능 분야 자체 다각화 | - 인공지능 분야 다각화 및 활성화 |
- 인공지능의 결과물에 대한 공개, 검토, 평가로 편향성 제거 및 지속 개선
반응형
'IT 기술 > 인공지능' 카테고리의 다른 글
파인 튜닝과 프롬프트 엔지니어링 (1) | 2024.12.11 |
---|---|
적응형 AI(Adaptive AI) (3) | 2024.12.11 |
에이전틱 AI (Agentic AI) (0) | 2024.12.10 |
MLOps (0) | 2024.12.10 |
K-means Clustering과 DBSCAN (0) | 2024.12.10 |