Earticle

인공지능은 4차 산업혁명을 선도하는 중요 기술로 기존 ICT 산업뿐 아니라 전체 산업 분야에 적 용될 수 있는 융합기술이다. 인공지능 서비스를 활용하기 위해 직접 시스템을 구축하는 것은 많은 시간 과 노력을 필요로 한다. 이러한 문제점을 해결하기 위해 사용자가 웹 인터페이스를 활용하여 분석방법 을 선택하고 대상 데이터를 업로드 하여 스스로 분석하고 결과를 조회할 수 있는 인공지능 클라우드 서 비스를 구현하였다. 분산병렬 플랫폼 기반의 인공지능 클라우드는 대용량의 데이터를 빠르게 처리할 수 있으며, 다양한 인공지능 알고리즘을 활용하여 분석할 수 있다. 본 연구에서는 군집 분석, 나이브베이 즈, 협업 필터링 알고리즘을 클라우드 서비스로 구현하고, 데이터양 변화에 따른 성능을 측정하였다. 앞 으로 딥러닝 등 다양한 인공지능 알고리즘을 제공하여 더욱 다양한 산업 분야에 활용할 수 있도록 연 구개발을 진행할 예정이다.

An important technology leading the Fourth Industrial Revolution, Artificial Intelligence, is a convergence technology that can be applied not only to the existing ICT industry but also to the entire industrial field. Setting up a system to take advantage of AI services requires a lot of time and effort. In order to solve the above low-efficiency method, we implement the AI cloud service that analyzes the data and retrieves the results when users select analysis method and upload target data through User Interface on the web.AI cloud based on distributed parallel platform can process a large amount of data quickly and can be analyzed by using various AI algorithms. In this study, we implement a cloud service using Clustering Analysis, Naïve Bayes Classification, and Collaborative Filtering algorithms to measure the performance according to the change of data size. In the future, we will continue to develop various AI algorithms such as deep learning for use in a wider range of industries.

온라인플랫폼의 상품검색ㆍ추천은 소비자 경험을 개선하고 플랫폼의 경쟁력을 유지하기 위한 핵심 서비스로, 검색이나 추천 결과의 순서를 개인화하기 위해 점차 다양한 소비자 데이터와 복잡한 AI 알고리즘이 활용되고 있 다. 상품검색ㆍ추천은 소비자선택에 핵심적인 영향을 미치지만, 소비자는 이 과정에서 자신의 어떤 데이터가 어 떻게 활용되며, AI 알고리즘이 어떤 원리로 작동하는지, 더 나아가 자신이 어떤 영향을 받는지 인식하기 어렵다. 따라서 소비자의 알 권리를 충족하고 합리적이고 자율적인 선택을 보장하기 위해 온라인플랫폼 상품검색ㆍ추천 의 투명성이 제고되어야 한다. 본 연구는 온라인플랫폼 상품검색ㆍ추천의 투명성 제고를 위한 방안을 마련하고자 다양한 분야의 전문가를 대상으로 델파이 조사를 실시하였다. 분석 결과, 전문가들은 온라인플랫폼 상품검색․추천이 소비자에게 미치는 영향력은 막대한 반면 이에 대한 소 비자의 관심 및 지식의 수준은 낮은 것으로 평가했다. 투명성 제고를 위한 정부의 자율규제 노력과 기업의 자발 적인 움직임이 이루어지고 있으나 부족함이 있다고 판단되었으며, 이에 투명성을 제고하기 위해 AI 알고리즘 관리ㆍ감독, 소비자 관심 제고를 위한 교육 프로그램 마련 등의 다양한 기제들이 도출되었다. 또, 이를 구현하기 위해서는 높은 실행력을 담보할 수 있는 민ㆍ관의 공동 규제가 가장 효율적인 규제 방식일 것으로 판단되었다. 이 처럼 온라인플랫폼의 상품검색ㆍ추천이 소비자에 미치는 영향을 고려한다면 투명성 제고에 대한 논의가 추후 보다 적극적으로 전개될 필요가 있다. 정부가 추구하는 민간 주도의 자율규제가 실효성 있게 운영되기 위해서는 정부와 기업의 협력이 중요할 것이며, 투명성 제고를 위한 제도적, 교육적, 기술적 차원의 다양한 노력이 병행되어 야 할 것으로 사료된다.

Online platforms use product search and recommendation services to provide optimal results based on individual preferences and needs, and the services are gradually evolving in the direction of utilizing various consumer data and complex AI algorithms to personalize the order of results. Product search and recommendation services have a huge impact on consumer choices, however, it is difficult for consumers to recognize how and which data is used, how AI algorithms work, and furthermore, how they are affected by AI algorithms. Therefore, in order to secure consumer rights, it is important to enhance transparency in online product search and recommendation services. This study aimed to come up with measures to enhance transparency in product search and recommendation services of online platforms. This study conducted Delphi surveys for experts to gather opinions on measures to enhance transparency. The main results of this study are as follows. First, experts’ evaluations showed that the services have a great impact on consumers. On the other hand, the level of consumers’ interest and knowledge was evaluated to be low. Experts judged that both the government’s self-regulation stance and companies’ voluntary efforts for transparency enhancement were insufficient. Second, various mechanisms for enhancing transparency were derived, such as managing and supervising AI algorithms and preparing educational programs to raise consumer interest. In addition, with its high potential execution power, co-regulation between the public and private sectors was judged to be the most appropriate and efficient regulation method to practically implement. The conclusions of this study derived from the results are as follows. First, it is necessary to enhance transparency in the field of product search and recommendation, where, so far, only limited discussions have been made. Cooperation between the government and companies is important for the government’s pursuit of private-led self-regulation to operate effectively. Next, in order to enhance transparency of product search and recommendation, various efforts in institutional, educational, and technical aspects must be made at the same time.

중국은 2020.02.01.일자로 특허심사지침을 개정하여 알고리듬 관련 발명특허에 관한 심사규정을 추가하였다. 컴퓨터프로그램 또는 수학적 계산방법과 달리 인공지능 알고리듬에 대해 별도의 기준을 적용하기 시작하였고, 그것의 특허적격성을 인정하는 기준을 제시하였다. 이 연구는 인공지능 알고리듬의 특허법상 보호에 관한 논의 중 가장 먼저 제기되는 발명의 성립여부 즉 특허적격성에 주목하고 있다. 중국 및 미국 특허법 그리고 유럽특허조약상 인공지능 알고리듬 발명의 성립여부를 비교법적으로 고찰해보면, 법리적 근원이나 규정의 방식 등을 별론으로 하고, 인공지능 알고리듬을 수학적 계산방법 또는 지적규칙 등과 같은 미국 특허법상 ‘사법적 예외’, 유럽특허조약 및 중국 특허법상 ‘특허를 받을 수 없는 대상’에 본질이 있다고 보아 ‘그 자체’의 특허적격성이 부정되고 있음을 확인할 수 있다. 그렇지만, 이러한 것에 본질이 있다고 하더라도, 물론 구체적인 방식에서의 차이가 있겠지만, 소위 ‘결합/전체적 판단’의 방식에 따라 인공지능 알고리듬의 특허적격성이 인정되고 있다. 중국의 경우 청구항의 기술적 특징과 알고리듬 특징을 전체적으로 결합하여 판단해야 한다는 기준을 설정하고 있고, 미국의 경우 청구항이 인공지능 알고리듬에 관하여 기술하고 있는 경우, 추가적인 구성요소가 포함되어 있고 전체적으로 볼 때 그러한 구성요소에 의해 실재적 응용과 통합될 수 있다면 특허부여대상성이 인정된다. 유럽의 경우 청구항에 기술적 특징과 비기술적 특징이 포함되어있는 경우 특허성을 인정하고 있는데, 여기서 비기술적 특징이 알고리듬일 경우 청구항 전체를 보았을 때 기술적 특징이 있다면 그것의 특허성이 인정되는 것이다.

China has been established the examination rules for algorithm of invention patent by amending the GUIDELINES FOR PATENT EXAMINATION from February, 2, 2020. As different from computer programs or mathematical methods, a new standard rule was applied for AI algorithm, and a standard was also proposed to approve the patentability. This study focuses on the patentability which was usually first proposed in the debate of patent protection for AI algorithm. By comparative study of patentability of AI algorithm invention of patent law of China, US and European patent convention, as legal basis and way of regulation is separate issues, it is found that all of them agreed that AI algorithm belongs to mathematical methods or rules and methods for mental activities. It is because according to the judicial exception of US patent law, European Patent Convention and Patent Law of China, the essence of AI algorithm is non patentable subject matter, as such the patentability was not recognized. Though, the essence of AI algorithm is the non-patentable subject matters, and there must be differences in specific way, but the patentability of AI algorithm was recognized by the way of ‘integrated/as a whole criterion’. Regard to China, they have established the rules that the claim of criteria technical features and algorithm should be judged as a whole integrated. In US, if the claim recites AI algorithm, and also include additional elements and could intergrade with practical application by those elements as a whole, the claim was recognized as patentable subject matter. In Europe, if the claim has a mix of technical features and non-technical features, the patentability was recognized. In this case, if the non-technical features are algorithm, and the claim has technical features as a whole, the patentability was recognized.

While existing research has focused on how algorithm experiences drive regulation demand, we know little about whether regulation support can reshape algorithm perceptions in return. Using three-wave panel data (2022-2024, N = 2,269) from the Intelligent Information Society User Panel Survey (KCC & KISDI, 2022-2024), we examined bidirectional relationships between YouTube algorithm perception and regulation support. We found temporal asymmetries between transparency and accountability regulations. For forward effects?where negative experiences trigger regulation demand?transparency operated from the outset and strengthened over time, while accountability emerged only later. Reverse effects?where regulation expectations reshape evaluations-- traced opposite trajectories. Transparency gradually improved perceptions, whereas accountability faded. We also found that dimension-specific digital competence patterns. Low rights protection competence users initially demanded stronger regulation but converged with high-competence users, while reverse effects diverged, benefiting only high-competence users. Critically, low critical understanding competence users supporting accountability regulations exhibited decreased harm perception. Our findings advance algorithmic governance and inform competence-tailored regulation communication strategies.

The importance of recommendation algorithms is underscored by the advancement of AI technology and the growing demand for personalized services. However, there is a lack of empirical studies that analyze differences in algorithmic services across markets. The objective of this study is to draw attention to discrepancy in this field and develop a dual-path model to examine the factors that influence satisfaction with recommendations. By analyzing 641 respondents’ data through Partial Least Squares (PLS), it identifies differences in user attitudes towards algorithms across domains. e-commerce firms and content providers can improve personalized recommendations through the research, which highlights the importance of understanding consumer satisfaction and trust in technology to adapt to evolving AI innovations.

Bringing together artificial intelligence (AI) and blockchain technology in the NFT space has not only changed the overall idea of digital ownership but also opened up new avenues for content authentication, asset management, and smart contract-based management through automation. The expansion of this technology, however, also brought security issues to the fore. Among these concerns are side-channel leakage, identity spoofing, and man-in-the-middle (MitM) attacks. This work proposes a detailed AI-supported NFT security framework that brings together three main technologies: X.509 Certificate Validation, CacheShield, and Context-Based Node Acceptance (CBNA), forming a system that is secure, private, and trusted. The X.509 system fights against replay and impersonation attacks by authenticating blockchain nodes and users, and also TransCert validation. CacheShield blocks the leakage of confidential information by determining the cache contention using K-Means clustering and hardware performance counters, while the CBNA algorithm (Random Forest Classifier) keeps secure connections in the SDN network by detecting malicious nodes. The outcomes revealed that the system significantly boosts performance in terms of accuracy, authentication latency, and tolerance of attacks. This framework not only fortifies the trust and security of decentralized AI-NFT applications but also opens the door to quantum-safe and context-aware blockchain systems in the future.

본 연구는 4차 산업혁명과 윤리규범을 위한 AI알고리즘 규제에 관한 연구로써, 국가행 정과 지방자치를 위한 지능정보화의 방향을 모색하였다. 본 연구는 인공지능 알고리즘에 대한 개념과 현상을 고찰하고, 인공지능에 대한 각국의 전략과 투자, 미국의 인공지능 윤 리원칙과 한국의 인공지능 윤리기준, EU의 인공지능 법안 등을 분석하였다. 본 연구는 4차 산업혁명과 인공지능을 둘러싼 문제로 효율성의 추구에 기인하는 (1) 인 간의 존엄성과 인권문제, (2) 인간의 실업과 생존문제, (3) 효율성과 윤리적 문제 등을 제 시하였다. 또한, 인공지능 알고리즘 규제를 위하여 (1) 인공지능 알고리즘에 대한 법적인 정의와 범위 설정, (2) 인공지능에 대한 기초적인 법률안 마련을 바탕으로, (3) 인공지능 알고리즘 규제와 특례에 대한 논의, (4) 인공지능에 의한 인위적인 의사결정 개입방지, (5) 빅데이터의 활용 혹은 정보유통과정에서 동의 없는 개인정보와 프라이버시 침해방지 등 을 제안한다. 이와 함께, 본 연구는 4차 산업혁명과 인공지능에 의해 유발되는 문제해결을 위해 (1) 새로운 윤리규범의 설정과 (2) 윤리규범의 설정을 위한 거버넌스의 구성, (3) 4차 산업혁 명과 인공지능에 대한 공적인 담론형성, (4) 수용성 확보를 위한 정책홍보와 정책참여의 활성화, (5) 보편적인 개인정보와 프라이버시 침해방지를 위한 강력한 규제법안에 대한 논의의 필요성 등을 제기하였다. 마지막으로, 국가행정과 지방자치의 방향성 설정을 위해 4차 산업혁명의 대응전략 추진을 (1) 중앙-광역-지방정부-기업-NGO-정책전문가집단-지 역주민 등이 협업하는 거버넌스 체계의 구성 및 정책참여의 필요성, (2) 각 참여자별 책 임성 소재를 명확하게 하는 제도적 장치의 설정과 준비, (3) 4차 산업혁명의 대응전략을 위한 다양한 담론조성의 필요성 등을 제시한다. 본 연구는 4차 산업혁명과 인공지능 알고 리즘을 둘러싼 문제들과 새로운 규범정립의 요구들로 4차 산업혁명과 인공지능의 문제에 대한 시사점을 도출하였다. 본 연구는 4차 산업혁명과 윤리규범을 위한 AI알고리즘 규제 의 필요성을 제기하고 연구를 종결하였다.

인공지능 중심 사회로의 전환을 대비하는 초등 교육에서는 소프트웨어(SW)와 인공지능(AI)을 활용한 문제 해 결 역량 함양이 필수적으로 요구되고 있다. 이러한 시대적 변화에 발맞추어 SW·AI 교육을 담당할 예비 교원들 이 컴퓨팅 사고력을 갖춘 교사로 성장할 수 있도록 돕는 실무 중심의 교육 과정이 필요하다. 본 연구에서는 게 임 제작 과정을 활용한 SW 수업이 학습자의 흥미를 높이고 컴퓨팅 사고력 향상에 기여할 것으로 가정하였다. 또한 AI를 활용한 학습 경험은 학습 동기를 유발하고 논리적 사고 체계의 내면화에 효과적일 것으로 가정하였 다. 본 연구의 목적은 예비 교원을 대상으로 게임 제작 중심의 SW·AI 융합 교육을 설계·적용하고, 그 교육적 효과를 분석하는 데 있다. 특히 AI 알고리즘 학습 여부라는 독립 변인이 학습자에게 미치는 영향의 차이를 알아 보았다. 결과적으로 게임 제작 중심의 SW·AI 융합 교육과 ‘AI 알고리즘 학습’ 유무가 학습자의 흥미와 컴퓨팅 사고력에서 모두 유의미한 향상을 확인하였다. 이를 통해 향후 초등 교육 현장에 적용 가능한 실전 지도 능력 배양 모델을 제시하는 데 기여할 것으로 기대한다.

As elementary education moves toward an AI-centered society, enhancing problem-solving skills through software (SW) and artificial intelligence (AI) has become a critical requirement. This study designed and implemented a game development–based SW–AI integrated program for pre-service teachers to improve computational thinking and learning interest. The program incorporated generative AI–supported activities, with AI algorithm learning treated as an independent variable. A comparative experimental design was employed to examine differences in learning outcomes between groups with and without AI algorithm instruction. The results demonstrated significant improvements in both learning interest and computational thinking, with statistically significant differences favoring the group that received AI algorithm learning. These findings indicate that integrating game development with AI algorithm instruction is an effective approach for strengthening computational thinking and practical instructional competencies in elementary computer education.

본 연구의 핵심 질문은 미래 시점의 질병 발생 확률을 예측하는 미래 예측(forward prediction)에 비해 사건 기준 예후 감지(event-anchored pre-diagnostic prediction)가 성능 우위를 보이는가이다. 이 질문에 대한 연구자들의 대답은 긍정적이다. 이는 전자가 본질적으로 높은 불확실성을 수반하는 반면 후자는 진단 이전에 이미 존재하는 잠재적 생리 신호를 탐지하는 접근법이기 때문이다. 이와 같이 두 접근법은 동일한 입력 변수를 사용하지만 목표 변수의 정의와 시간 구조가 상이하며, 이러한 차이가 예측 성능에 미치는 영향을 분석하는 것이 본 연구의 핵심 목적이다. 본 연구에서는 환자 10,000명과 비환자 10,000명으로 구성된 총 20,000개의 ECG 기반 데이터를 구축하였으며, 각 데이터는 진단 시점을 기준으로 한 시간 정보를 포함하도록 설계하였다. QTc 간격, 심박수, 신호 통계 특성 등 ECG 기반 변수들을 추출하여 동일한 입력 변수 집합을 구성하고, 이를 기반으로 3년, 5년, 7년, 10년, 15년의 다양한 시간 구간에 대한 미래 예측 모델과 진단 시점을 기준으로 정렬된 예후 감지모델을 구축하였다. 모델 성능은 계층적 5겹 교차검증과 ROC 곡선 아래 면적(AUC)을 통해 평가하였다. 분석 결과, 모든 시간 구간에서 예후감지 모델이 미래 예측 모델보다 일관되게 높은 성능을 보였으며, 이러한 성능 차이는 시간적으로 가까운 구간에서 더욱 크게 나타났다. 또한 모델 유형, 변수 구성, 랜덤 시드 변화에도 불구하고 결과는 강건하게 유지되었다. 추가 분석을 통해 ECG 신호는 진단 수년 이전부터 질병과 관련된 잠재적 정보를 포함하고 있음을 확인하였다. 본 연구는 이러한 성능 차이가 특정 모델에 의존하는 것이 아니라 예측 문제의 구조적 차이에 기인함을 보여준다. 이는 의료 인공지능에서 문제 정의의 중요성을 강조하며, 장기 질병 예측에서 시간 정렬 방식이 예측 성능에 미치는 영향을 이해하는 데 중요한 시사점을 제공한다.

The guiding research question of this study is whether event-anchored pre-diagnostic prediction outperforms forward prediction, which estimates the probability of future disease occurrence. The answer provided by this study is affirmative. This is because forward prediction inherently involves a high level of uncertainty, whereas pre-diagnostic prediction focuses on detecting latent physiological signals that already exist prior to clinical diagnosis. Although both approaches utilize the same set of input features, they differ fundamentally in the definition of the target variable and the temporal structure of the data. Investigating how these differences affect predictive performance constitutes the primary objective of this study. To this end, we constructed a large-scale ECG-based dataset consisting of 20,000 samples, including 10,000 patients and 10,000 non-patients. Each record was designed to include temporal information relative to the diagnosis event. ECG-derived features, such as corrected QT interval (QTc), heart rate, and signal statistical characteristics, were extracted to form a consistent set of input variables. Based on these features, forward prediction models were developed across multiple temporal horizons (3, 5, 7, 10, and 15 years), while pre-diagnostic models were aligned relative to the diagnosis event. Model performance was evaluated using stratified 5-fold cross-validation and the area under the receiver operating characteristic curve (AUC). The results consistently demonstrate that pre-diagnostic models outperform forward prediction models across all temporal horizons, with the performance gap being more pronounced at shorter temporal distances. Furthermore, the findings remain robust across different model types, feature configurations, and random seeds. Additional analyses reveal that ECG signals contain detectable latent disease-related information several years prior to diagnosis. These findings suggest that the observed performance differences are not driven by model choice, but rather by fundamental differences in problem structure. This study highlights the importance of problem formulation in medical artificial intelligence and provides important insights into how temporal alignment influences predictive performance in long-term disease risk modeling.

A사이버교육시스템 성인학습자의 자기조절학습 관련 학습 추이를 분석하여 교육 성과를 높이기 위해 인공지 능을 활용한 알고리즘 모델을 다양하게 설계하고, 그것을 실제 데이터에 적용함으로써 성능을 평가하였다. 이를 위해 A사이버교육시스템에서 115명의 성인학습자의 로그 데이터를 분석하였다. A사이버교육시스템 성인학습자 들은 대부분 권장 학습 시간 이상을 학습하였으나, 학기 말에는 권장 학습 시간 대비 실제 학습 시간이 현저하 게 감소하였다. VOD 참여율이나 형성평가 참여율, 학습 활동 참여율에서도 학습 후반부에 접어들수록 학습 참 여율이 떨어졌다. 따라서 교육 성과를 높이려면 학습 시간이 후반에도 지속될 수 있도록 지원해야 한다 판단하 여 후반부에 학습 시간이 떨어지는 학습자를 찾아내기 위해 Tensorflow를 활용한 인공지능 모델을 개발하여 수 강 시작 날짜별 학습 시간을 예측하였다. 그 결과, CNN 모델을 활용하여 단일 출력 또는 다중 출력을 예측할 경우 다른 모델에 비해 평균 절대 오차가 가장 낮게 나타났다.

To improve educational performance by analyzing the learning trends of adult learners of Open High Schools, various algorithm models using artificial intelligence were designed and performance was evaluated by applying them to real data. We analyzed Log data of 115 adult learners in the cyber education system of Open High Schools. Most adult learners of Open High Schools learned more than recommended learning time, but at the end of the semester, the actual learning time was significantly reduced compared to the recommended learning time. In the second half of learning, the participation rate of VODs, formation assessments, and learning activities also decreased. Therefore, in order to improve educational performance, learning time should be supported to continue in the second half. In the latter half, we developed an artificial intelligence algorithm models using Tensorflow to predict learning time by data they started taking the course. As a result, when using CNN(Convolutional Neural Network) model to predict single or multiple outputs, the mean-absolute-error is lowest compared to other models.

고령화의 진전에 따라 만성신장질환자는 전 세계 인구의 10명중 1명꼴로 계속 증가하고 있다. 우리나라도 전세계 6위의 만성신부전 환자 보유국으로 투석 환자의 증가에 따른 의료 대응체계 선진 화가 필요한 시점이다. 그러나, 우리나라의 인구당 의사 수가 경제협력개발기구(OECD) 최하위 수준이 고, 투석 전문의가 부족한 상황이라 담당의사는 야근과 격무에 시달리고 있어서 번아웃이 우려된다. 특 히, 혈액투석실에서 가장 중요한 진료는 투석환자의 월검사 및 약물 처방인데 KDIGO guideline, KDOQI guideline 등을 참고하여 수행하고 있지만, 현재까지 합의된 가이드라인 자체가 부족할 뿐 아 니라 약처방 및 검사 해석은 담당 주치의마다 다를 수 있고 각 처방의의 선호도나 지식, 신념에 따라 처방이 행해지고 있는 실정이다. 본 연구에서는 과거에 처방된 약 18만건의 데이터를 활용하여 인공 지능(AI)모델을 개발하고 적용 가능성을 검증하였다. 개발된 AI기반 약물처방 모델은 분류모델의 성 능지표 4가지 모두 0.99이상의 성능을 보였으며, 특히 의사의 주관에 따른 처방 편차를 제거함으로써 표준화된 약처방 알고리즘으로 활용할 수 있고 약처방에 소요되는 시간 역시 기존의 10%이하로 단축 시켜 의사의 번아웃을 예방하는데 많은 기여를 할 것으로 예상된다.

As the global population ages, the incidence of chronic kidney disease (CKD) is escalating, now affecting one in 10 people worldwide. South Korea is no exception, ranking sixth globally in the number of CKD patients. This necessitates a revamping of its medical response system to accommodate the growing number of dialysis patients. However, Korea faces a challenge with its doctor-population ratio, which is the lowest among the OECD countries, coupled with a scarcity of dialysis specialists. As a result, physicians are enduring excessive overtime and workload, raising significant concerns about burnout. Specifically, the critical treatment in hemodialysis centers involves monthly examinations and medication prescriptions for dialysis patients, typically guided by the KDIGO and K-DOQI guidelines. However, practices may vary among attending physicians, with prescriptions influenced by individual preferences, knowledge, and beliefs. In this study, we developed an artificial intelligence model using data from approximately 180,000 past prescriptions and assessed its applicability. The AI-based drug prescription model demonstrated exceptional performance, with scores of 0.99 or higher across all four performance indicators of the classification model. This innovation is anticipated to significantly mitigate physician burnout by reducing it by less than 10%, thereby making a substantial contribution to the healthcare system.

연구목적: 본 연구는 기존 생성형 인공지능이 단일출력 방식에 의존함으로써 재난관리의 예방·대비·대 응·복구 전 주기를 충분히 지원하지 못하는 한계를 해결하고자, 하나의 질의에 대해 네 단계를 동시에 반영하는 다채널 생성형 AI 출력 제어 알고리즘을 제안한다. 연구방법: 제안된 알고리즘은 RAG 아키 텍처를 기반으로 5,485개의 국내 법령 JSON 데이터베이스와 연동되며, FAISS 기반 벡터 검색과 ELECTRA 임베딩을 활용하여 관련 법령 조문을 검색하고 GPT-4를 통해 4채널 병렬 응답을 생성한다. 연구결과: 400개의 테스트 질문을 활용한 평가 결과 전체 정확도는 82.8%로 나타났으며, 예방·대비·대 응·복구 단계별 F1 점수는 각각 0.780, 0.822, 0.825, 0.879를 기록하였다. 평균 응답 시간은 3.8초였다. 결론: 본 연구의 4채널 출력 제어 알고리즘은 생성형 AI의 출력 신뢰성과 다차원 의사결정 지원 능력을 향상시키며, 재난안전관리뿐 아니라 법적 근거 기반 AI 응답이 요구되는 다양한 분야로의 적용 가능성 을 제시한다.

Purpose: This study addresses the limitation of existing generative AI systems that rely on singleoutput responses and cannot fully support the disaster management cycle of prevention, preparedness, response, and recovery. To overcome this limitation, a multi-channel generative AI output control algorithm that reflects all four stages simultaneously for a single query is proposed. Method: The proposed algorithm is based on a Retrieval-Augmented Generation (RAG) architecture integrated with a database of 5,485 domestic legal provisions in JSON format. Relevant legal articles are retrieved using FAISS-based vector search and ELECTRA embeddings, and four parallel responses are generated using GPT-4. Result: Evaluation using 400 test queries achieved an overall accuracy of 82.8%. Stage-specific F1 scores were 0.780 for prevention, 0.822 for preparedness, 0.825 for response, and 0.879 for recovery, with an average response time of 3.8 seconds. Conclusion: The proposed fourchannel output control algorithm improves the reliability and multidimensional decision-making capability of generative AI systems and demonstrates applicability beyond disaster safety management to other domains requiring legally grounded AI responses.

본 논문은 재난 환경에 적합한 경량화된 UWB 측위에 대한 연구를 소개한다. UWB는 디바이스간 정 밀한 거리 측정 기능을 제공하여 고정밀 측위에 활용된다. 하지만 재난 환경과 같이 무선 채널이 복잡 한 경우, UWB 측위 성능이 급격히 하락하는 문제가 발생한다. 최근 UWB 신호에 딥러닝 기술을 이용 하여 성능 하락 문제를 해결하는 연구들이 제안된다. 하지만 딥러닝 기술은 고성능 컴퓨팅 자원을 요 구하여 자원 제약이 있는 재난 상황에서 활용되기 어렵다. 본 논문에서는 XAI 기술을 적용하여 딥러 닝 기술의 높은 정확도를 유지하면서 동시에 연산 복잡도를 낮추기 위한 XLNet을 제안한다.

인공지능 시스템은 왜곡과 학습 데이터의 편견 부족을 유발하기 때 문에 윤리적으로 매우 불완전하고 취약할 수 있다. AMA 구현을 위한 연구 분야에서 기술적, 과학적 프로그래밍 설계 가능성 확보보다 우선 되어야 할 문제는 도덕성에 대한 철학적, 신경과학적 이해이다. AI에 인간만큼의 다양한 도덕적 인격을 장착할지, 아니면 최고의 인간 도덕 성을 반영할지도 연구자에게 남겨진 AI의 향후 과제라고 할 수 있다. AMA 설계 및 생산 기술자는 도덕적 의사결정에서 감성 컴퓨팅과 정서지능의 역할을 설명하는 데이터를 감안해야 한다. 이를 위해서는 상 호 이타주의 및 공정성과 같은 특정 도덕 요소에 대한 도덕철학, 심리 학, 신경윤리학 등의 통찰을 확인할 필요가 있다. 또한 도덕판단에서 직관과 경험에 대한 분석도 요구된다. 본 연구에서는 신경과학에서의 도덕성에 대한 이해를 바탕으로 도덕판단 알고리즘 설계를 위해 고려 할 사항들을 논의하고자 했다. 이러한 목적을 달성하기 위해 컴퓨터의 의사결정과 인간 판단의 차이, 신경과학에서 도덕성 이해, 도덕판단 알고리즘 구현에서 검토할 논점에 대해 살펴보았다. 궁극적으로 ‘계산적 AI’와 ‘직관적 인간 뇌’의 공생을 추구할 필요가 있다.

AI systems cause distortion and bias in training data and, as a result, are vulnerable to making partial or prejudiced decisions. In research for AMA implementation, the issue that should be prioritized over securing technical and scientific programming design is the philosophical and neuroscientific understanding of morality. Whether AI will create moral personalities as diverse as humans, or whether it will reflect the best of human morality, is up to researchers. AMA production technologists should consider data describing the role of both reasoning and emotional intelligence in moral decision-making. This requires combining insights from moral philosophy, psychology, and neuroethics on specific moral factors, such as mutual altruism and fairness. In addition, a review of intuition and experience is required in moral judgment. This study tried to discuss the considerations for designing a moral judgment algorithm based on an understanding of morality in neuroscience. To achieve this purpose, the differences between computer decision-making and human judgment have been reviewed using moral judgment algorithms. Ultimately, it is necessary to pursue a symbiosis between computational AI and the intuitive human brain.

본 숏폼 광고의 AI 추천 알고리즘 특성이 광고 피로도와 광고 회피에 미치는 영향을 실증적 으로 분석하였다. 디지털 미디어 환경에서 급성장하고 있는 숏폼 콘텐츠 플랫폼은 AI 기 반 추천 알고리즘을 통해 개인화된 광고를 제공하고 있으나, 이러한 개인화가 오히려 광고 피로 도와 회피 행동을 유발할 수 있다는 문제의식에서 출발하였다. 본 연구는 확증편향, 지각된 침입 성, 지각된 최적화, AI 알고리즘 신뢰성을 주요 독립변인으로 설정하고, 광고 피로도를 매개변인 으로 하여 광고 회피에 미치는 영향을 검증하였다. 분석 결과, 지각된 침입성은 광고 피로도에 강한 정적 영향을, 확증편향과 AI 알고리즘 신뢰성은 광고 피로도에 부적 영향을 미치는 것으로 나타났다. 지각된 최적화는 광고 피로도에는 유의한 영향을 미치지 않았으나 광고 회피에는 직 접적인 부적 영향을 미쳤다. 광고 피로도는 광고 회피에 강한 정적 영향을 미쳤으며, 매개효과 분석 결과 지각된 침입성과 AI 알고리즘 신뢰성이 광고 피로도를 매개로 광고 회피에 유의한 영 향을 미치는 것을 확인하였다. 본 연구는 숏폼 광고 환경에서 AI 추천 알고리즘의 부정적 효과 메커니즘을 체계적으로 규명한 첫 연구으로 디지털 마케팅 이론 확장에 기여하며, 실무적으로는 광고 피로도와 회피를 완화하기 위한 알고리즘 최적화 전략을 제시한다.

This study empirically analyzes the impact of AI recommendation algorithm characteristics on ad fatigue and ad avoidance in short-form advertising. While short-form content platforms experiencing rapid growth in the digital media environment provide personalized advertisements through AI-based recommendation algorithms, this research originated from the recognition that such personalization may paradoxically induce ad fatigue and avoidance behaviors. The study established confirmation bias, perceived intrusiveness, perceived optimization, and AI algorithm trustworthiness as major independent variables, with ad fatigue as a mediating variable to examine their effects on ad avoidance. The results revealed that perceived intrusiveness had a strong positive effect on ad fatigue, while confirmation bias and AI algorithm trustworthiness had negative effects on ad fatigue. Perceived optimization did not significantly affect ad fatigue but had a direct negative effect on ad avoidance. Ad fatigue had a strong positive effect on ad avoidance. The mediation analysis confirmed that perceived intrusiveness and AI algorithm trustworthiness significantly influenced ad avoidance through ad fatigue as a mediator. This study represents the first systematic investigation of the negative effect mechanisms of AI recommendation algorithms in short-form advertising environments, contributing to the expansion of digital marketing theory. Practically, it provides algorithm optimization strategies to mitigate ad fatigue and avoidance.

기존 퍼즐 게임 연구는 난이도 조정과 힌트 제공을 별도로 다뤄져 왔기에 통합시에 발생하는 상호보완적 효과나 과도 개입 문제가 충분히 검증되지 않았다. 이에 본 연구는 인공지능(AI)을 게임 환경에 적용하여, 플레이어의 행동 데이터를 기반으로 NPC 신뢰도를 조정하고 퍼즐 난이도 및 힌트 수준을 자동으로 제어하는 적응형 지원 시스템을 제안하였다. 제안된 시스템은 언리얼 엔진 5.6에서 신뢰도 → 난이도 조정→ 힌트 제공으로 이어지는 순환적 상호작용 구조를 설계하였다. 이를 통해 플레이어 숙련도에 맞춰 난이도가 조절되어 피로감을 줄이고 몰입을 유지하도록 하였다. 또한 경량화된 알고리즘과 연산 구조를 활용함으로써 실시간 반응성과 자원 효율성을 확보하였다. 단일 퍼즐 유형의 프로토타입 검증 결과, 신뢰도의 변동이 난이도·힌트에 즉시 반영되는 것을 확인하였다. 또한 플레이어 행동과 성과 데이터의 연동을 통해 AI 개입 수준의 적정선과 상호보완성 가능성을 탐색할 기반을 마련하였다. 더 나아가 본 시스템은 신뢰도 조정, 퍼즐 난이도 제어, 단계별 힌트 제공을 통합한 AI 기반 피드백 구조를 실험적으로 구현하였다는 점에서 학문적 의의를 가진다. 제안된 시스템은 향후 멀티플레이어 환경과 다양한 게임 장르로의 확장성을 지니며, AI 기반 퍼즐 설계 및 맞춤형 피드백 연구의 실증적 기초 자료로 활용될 수 있을 것으로 기대된다.

We identify that previous puzzle-game studies have treated difficulty adjustment and hint provision separately, leaving the complementary effects or potential over-intervention of integrating these two elements insufficiently examined. To address this gap, we apply artificial intelligence (AI) to a game environment and propose an adaptive support system that adjusts NPC trust levels and automatically controls puzzle difficulty and hint tiers based on player behavior data. We designed and implemented the system in Unreal Engine 5.6, constructing a cyclical interaction structure that links trust adjustment to difficulty control and subsequent hint provision. Through this structure, we enable difficulty to adapt to the player's skill level, reducing fatigue and maintaining engagement. We also employ lightweight algorithms and computational structures to ensure real-time responsiveness and resource efficiency. From prototype testing using a single puzzle type, we confirmed that variations in trust are immediately reflected in puzzle difficulty and hint levels. By linking player behavior with performance data, we further established a foundation for exploring appropriate AI intervention levels and potential complementary effects. This study holds academic significance in that we experimentally implement an AI-based feedback structure that integrates trust adjustment, difficulty control, and tiered hint provision. The proposed system has the potential to expand to multiplayer settings and various game genres, and it may serve as a practical reference for AI-based puzzle design and personalized feedback research.

이 연구의 목적은 벤담의 쾌락과 고통의 계산에서 도출한 고통 제거의 윤리적 알고리즘을 AI 윤리 수업에 활용하기 위한 기초를 다지는 데 있다. 이 연구는 크게 벤담의 의무론을 분석하고, 이를 인공지능형 로봇을 활용한 도덕발달 교육과 교수학습 활용 가능성 연구의 범주에 있다. 이번 연구는 벤담의 의무론에 관한 기초 연구의 연장선에 있다. 특히 기초 연구에서는 고통에 관한 도덕 감정을 기초로 윤리적 알고리즘을 제시하였다. 이번 연구에서는 고통 제거의 윤리적 알고리즘을 AI 윤리 수업에 활용할 수 있는 기초를 다지는 데 있다. 이를 위해 2015 개정 정보과와 도덕과의 교육과정에서 인공지능 윤리와 인공지능 교육에 관한 연계 가능성을 살펴보고 향후 2022 개정 교육과정의 방향을 이해한다. 이를 통해 AI 윤리 수업의 설계 기초를 다지기 위해 ‘인공지능 윤리’의 의미를 ‘인간과 인공지능의 공존에서 인공지능이 학습해야 하는 윤리적 기준과 인공지능을 올바르게 활용하기 위한 사용자의 가치관과 태도’로 넓게 규정한다. 이를 통해 AI 윤리에 대한 이해를 고통 제거의 윤리적 알고리즘의 단계에서 적용하여 ‘고통 제거’라는 윤리적 기준과 이를 실행하는 올바른 사용자의 덕성 함양의 기초를 다진다.

This paper aims to explore the foundation of applying the ethical algorithm to eliminate pains to AI ethics teaching and class under the design of Bentham’s Deontology. In his notion of utility, the conception of pain is the object to be rev moved. Any action to get ride of pains is seen as that of maximizing general happiness. In that point his principle of utility to remove pains is also connected with one of materials of the teachings and classes of AI ethics education. To deduce the possibility of the convergence of AI and ethics education, it is also important to criticize the meaning of AI ethics in 2015 and 2022 revised National Curriculum of moral education and informatics. By enlarging the areas of AI, humans, and ethics, in this paper, ‘AI ethics’ to be taught in convergent classes is to have two contexts of ethical principles that AI is to learn and of the values and attitudes of users who utilize AI. In that course the ethical algorithm to eliminate pains that have seven levels is categorized in two contents of the conception of AI ethics.

Poker is a game of imperfect information where competing players must deal with multiple risk factors stemming from unknown information while making the best decision to win, and this makes it an interesting test-bed for artificial intelligence research. This paper introduces a new learning AI algorithm with embedded opponent modeling that can be used for these types of situations and we use this AI and apply it to a poker program. The new AI will be based on several graphs with each of its nodes representing inputs, and the algorithm will learn the optimal decision to make by updating the weight of the edges connecting these nodes and returning a probability for each action the graphs represent.

Artificial Inteligence(AI) technology can be used in arts exhibitons ranging from planing exhibitons, filed progres, and evaluation. AI has ben expanded its scope from planing exhibiton and guidance services to tols for creating arts. This paper focuses on chatbots that utilze exhibiton and AI technology convergence to provide information and services. To study more specificaly, I developed a chatbot for exhibiton services using the Naver Clova chatbot tol and information from the National Museum of Modern and Contemporary Art(MMCA), Korea. In this study, information was limited to viewing and exhibiton rather than al information of the MMCA, and the chatbot was developed which provides a scenario type to get an answering user want to gain through a buton and a text question and answer(Q&A) type to directly input a question. As a result of evaluating the chatbot with six items acording to ELIZA's chatbot evaluation scale, a score of 4.2 out of 5 was derived by completing the development of a chatbot to be used to deliver viewing and exhibiton information. The future research task is to create a perfect chatbot model that can be used in an actual arts exhibiton space by conecting the developed chatbot with continuous scenario answers, resolving text Q&A-type answer failures and erors, and expanding aditonal services.