Issues
-
2026 (5)
-
2025 (12)
-
2024 (10)
-
2023 (12)
-
2022 (14)
-
2021 (5)
-
2020 (10)
-
2019 (20)
-
2018 (26)
-
2017 (22)
-
2016 (26)
-
2015 (30)
-
2014 (30)
-
2013 (33)
-
2012 (29)
-
2011 (15)
-
2010 (18)
-
2009 (43)
-
2008 (28)
-
2007 (46)
-
2006 (10)
-
2005 (35)
-
2004 (23)
-
2003 (25)
-
2002 (16)
-
2001 (39)
-
2000 (23)
-
1999 (42)
-
1998 (33)
-
1997 (49)
-
1996 (45)
-
1995 (60)
-
1994 (74)
-
1993 (46)
-
1992 (59)
-
1991 (20)
-
1990 (6)
-
1989 (22)
-
1988 (12)
OSIA Standards & Technology Review Journal
Editorial
Article 1
한국컴퓨터통신연구회 OSIA Standards & Technology Review Journal 제35권 제1호 2022.03 pp.4-8
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
빅데이터 환경에서 데이터는 새로운 가치를 창출하는 자원 으로 주목을 받고 있으며, 4차 산업 혁명 경제에서 핵심적인 역할을 할 것으로 기대를 받고 있다. 특히 2020년 발표한 한 국판 뉴딜 정책의 『데이터 댐』 과제에서 분야별 빅데이터 확대 는 데이터 수집·가공·결합·거래·활용으로 데이터 경제 가속화 의 중심이 되고 있다. 본 보고서는 한국지능정보사회진흥원에 서 구축 및 운용 중인 빅데이터 유통 플랫폼을 위한 인프라로 써 프레임워크를 제시하며 각 세부 역할을 정의하고자 한다.
Article 2
한국컴퓨터통신연구회 OSIA Standards & Technology Review Journal 제35권 제1호 2022.03 pp.9-14
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
디지털 트랜스포메이션의 가속화에 따라 데이터의 중요성이 강 조되고 있다. 소유의 관점에서 데이터는 특정한 기관이 보유하거 나 관리하는 성격이었으나, 오픈 데이터 또는 공공데이터와 같이 라이선스 제약 없이 사용할 수 있는 데이터가 증가하고 있다. 이런 움직임과 함께 정부, 기관, 기업은 웹 공간에 데이터를 공유하고 관 리하기 위한 데이터 서비스를 제공하고 있다. 그러나, 분산화된 데 이터 서비스에 있는 데이터의 소재정보, 운영과 관리현황을 파악 하는 것은 한계가 있다. 본 논문은 서로 다른 데이터 서비스를 연계 하기 위한 방법으로 데이터맵 어휘를 적용하는 방법을 소개한다.
Article 3
한국컴퓨터통신연구회 OSIA Standards & Technology Review Journal 제35권 제1호 2022.03 pp.15-19
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
데이터의 폭발적인 양적 증가와 함께 이들을 신속하게, 안정 적으로 처리할 수 있도록 하는 컴퓨팅 환경의 발달은 인공지능 기술을 다양한 ICT 서비스 도메인에 적용하게 함으로써 기술의 발전을 견인하는 중요한 역할을 하고 있다. 인공지능 개발 환경 에서 데이터는 혁신적 가치 창출을 위한 새로운 자원으로 주목 받고 있으며, 방대한 양의 데이터에서 의미 있는 정보를 추출하 거나 또는 데이터 학습을 통한 예측 기술은 4차 산업혁명의 핵 심 기반 기술로써 산업 전반에 큰 파급효과를 불러올 것으로 예 상되고 있다. 이와 동시에 다양한 분야에서 인공지능의 성능을 담보할 수 있는 고품질의 데이터 확보가 인공지능 모델 개발의 가장 큰 어려움 중 하나로 부상하고 있다. 평가하고자 하는 데 이터의 품질은 동일 데이터에 대해서도 활용 목적에 따라 서로 다를 수 있기 때문에 특정 데이터에 대한 객관적인 품질을 평가 하고 관리하는 것은 매우 어렵다. 따라서 이미 보유하고 있는 데이터 혹은 새롭게 획득되는 데이터들에 대한 품질을 평가하 고 기록하는 것은 아주 중요한 기술 이슈가 되고 있다. 이와 관 련 ISO/IEC JTC 1 SC42 인공지능 분과 위원회에서는 빅데이 터 분석 및 기계학습 분야에 사용되는 데이터에 대한 품질 표준 개발이 활발히 논의되고 있으며, W3C, ITU-T 등 국제 표준화 기구에서도 관련 표준 개발이 활발히 진행되고 있다. 본 고에서 는 현재 진행중인 인공지능 데이터를 위한 품질 표준화 동향에 대하여 알아보고 향후 표준화 방향에 대하여 논의한다.
Article 4
한국컴퓨터통신연구회 OSIA Standards & Technology Review Journal 제35권 제1호 2022.03 pp.20-23
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
데이터 라벨링은 AI 모델 구축을 위해 필요한 AI 학습용 데 이터 생성을 위해 필요한 일련의 프로세스를 의미한다. 급격 히 늘어나고 있는 AI 모델의 양적, 질적 수요에 따라 데이터 라벨링 작업에 대한 수요도 함께 증가하고 있다. 데이터 라벨 링 수요의 증가는 민간 영역뿐 아니라, 4차 산업 혁명을 지원 하는 공공 영역에서도 나타나고 있다. 이러한 상황에서, 높은 품질의 결과물 생성을 위한 효과적인 데이터 라벨링 작업의 설계 방안 및 결과 데이터 명세에 대한 적 절한 기준이 없어, 구축 과정에서의 비효율뿐 아니라 결과 데이터 의 품질 및 활용의 용이함 측면에서의 문제점이 발생하고 있다. 본 고에서는 데이터 라벨링 태스크 설계 고려사항 및 결과 명세에 대한 표준 내용을 살펴보고, 향 후 관련 표준들의 발전 방향에 대해서 논의한다.
한국컴퓨터통신연구회 OSIA Standards & Technology Review Journal 제35권 제1호 2022.03 pp.24-29
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
여러 산업 분야에서 다양한 성공 사례가 쏟아지면서, 인공 지능을 이용한 사회 대변혁의 기대감이 커지고 있으며, 인공 지능을 배제한 산업과 미래를 생각할 수 없는 정도에 이르렀 다. 그러나 이러한 장밋빛 전망에도 불구하고 인공지능의 전 면적인 적용이 우려스러운 점은 인공지능이 편향적인 판단을 하는 사례가 지속적으로 보고된다는 점이다. 특히 이러한 인 공지능의 편향성이 단순히 일회성 해프닝이 아니고, 인공지능 시스템을 개발하는데 필연적으로 발생하는 구조적인 문제로 밝혀지면서, 편향성을 피하기 어렵다는 비관적인 전망들이 나 오고 있다. 이는 인공지능 시스템의 구성에는 설계자인 인간 의 편향부터 학습데이터에 녹아있는 편향, 그리고 학습과정의 편향까지 다양한 편향이 존재할 수 있기 때문이다. 본 고에서 는 이러한 인공지능의 편향성의 사례와 원인을 분석하고, 이 의 측정 방안과 최소화하기 위한 방법에 대해 살펴본다. 또한 ISO/IEC에서의 인공지능 편향과 관련된 표준화 동향에 대해 알아보고 향후 발전 방향에 대해 논의한다.
0개의 논문이 장바구니에 담겼습니다.
- 구매 불가 논문
-
선택하신 파일을 압축중입니다.
잠시만 기다려 주십시오.
- 다운로드 불가 논문
-