Earticle

According as the drivers increase who have their cars, the comprehensive studies on the automobile for the traffic safety have been raised as the important problems. Visual Recognition System for radio-controled driving is a part of the sensor processor of Unmanned Autonomous Vehicle System. When a driver drives his car on an unknown highway or general road, it produces a model from the successively inputted road traffic information. The suggested Recognition System of the Road Traffic Safety Information Board is to recognize and distinguish automatically a Road Traffic Safety Information Board as one of road traffic information. The whole processes of Recognition System of the Road Traffic Safety Information Board suggested in this study are as follows. We took the photographs of Road Traffic Safety Information Board with a digital camera in order to get an image and normalize bitmap image file with a size of byte with Photo Shop 5.0. The existing True Color is made up the color data of sixteen million kinds. We changed it with 256 Color, because it has large capacity, and spend much time on calculating. We have practiced works of 30 times with erosion and dilation algorithm to remove unnecessary images. We drawing out original image with the Region Splitting Technique as a kind of segmentation. We made three kinds of grouping(Attention Information Board, Prohibit Information Board, and Introduction Information Board) by RYB( Red, Yellow, Blue) color segmentation. We minimized the image size of board, direction, and the influence of rounding. We also minimized the Influence according to position. and the brightness of light and darkness with Eigen Vector and Eigen Value. The data sampling this feature value appeared after building the learning Code Book Database. The suggested Recognition System of the Road Traffic Safety Information Board firstly distinguished three kinds of groups in the database of learning Code Book, and suggested in order to recognize after comparing and judging the board want to recognize within the same group with Nearest Neighborhood Decision Making.

최근 경제성장과 더불어 삶의 질이 향상됨에 따라 야외활동이 증가되었으며, 야외활동의 진행여부 의사결정은 기상여건과 밀접한 관계를 갖고 있다. 현재 이러한 야외활동 의사결정은 기상청의 일기예보와 주관적인 경험에 의해 결정되어지고 있다. 따라서, 야외활동 의사결정을 위해 기상정보를 기반으로 객관적 근거를 제시할 수 있는 분석 방법이 필요하다. 논문에서는 데이터마이닝을 기반으로 기상정보를 분석하여 야외활동 의사결정을 지원할 수 있는 기상정보 분석 알고리즘을 제안한다. 또한, 프로야구 일정 히스토리와 자동기상관측장비의 관측 자료를 데이터마이닝의 분류 알고리즘을 적용하여 실험을 수행하고, 제안한 알고리즘의 향상된 성능을 검증하였다.

Recently, the outdoor activities were increased in accordance with economic growth and improved quality of life. In addition, weather and outdoor activities are closely related. Currently, Outdoor Activities decisions are determined by the Korea Meteorological Administrator's forecasts and subjective experience. Therefore, we need the analysis method that can provide a basis for the decision on outdoor activities based on meteorological information. In this paper, we propose an algorithm that can analyze meteorological information to support decision-making outdoor activities. And the algorithm is based on the data mining. In addition, we have constructed a baseball game schedule with automatic weather system's observation data in the training data. We verified the improved performance of the proposed algorithm.

As many users of electronic devices have demanded security functions for their devices, many security products have been recently developed and released. Only a few products, unfortunately, are selected by users and most of products are disappeared. The kinds and demand-side market of electronic devices have been dramatically increased. And potential users consider various factors when they purchase security products. However, until now, security products have been developed in no consideration of user’s selection features with effective evident criteria and that’s the reason why most of products are disappeared. Thus this study explores the key factors and preference tendencies that are essentially deliberated when users choose security products. This study provides a decision-making model for software developers, users and market strategist. Also this paper proposes the assessment matrix for measuring the factor level to form the criteria which can be utilized in a security product market.

Adult spinal deformity (ASD) is one of the most challenging spinal disorders associated with broad range of clinical and radiological presentation. Correct selection of fusion levels in surgical planning for the management of adult spinal deformity is a complex task. Several classification systems and algorithms exist to assist surgeons in determining the appropriate levels to be instrumented. In this study, we describe our new simple decision making algorithm and selection of fusion level for ASD surgery in terms of adult idiopathic idiopathic scoliosis vs. degenerative scoliosis.

A multifunctional sensor is designed to measure viscosity, cleanness, temperature and capacitance of engine oil to make a clear decision on its condition. The simple structure helps easy fabrication and low cost while measuring four parameters by one sensor. The operation is described theoretically and is supported by experimental data. A fuzzy based algorithm to fuse the four kinds of data from multi-functional sensor in order to make a decision on the best time to change the oil is proposed.

The four fuzzy criteria to distinguish the internal fault from the inrush fur the power transformer protection have been identified. They are based on the wave shape, terminal voltage, fundamental and second harmonic component of differential current. systematic way to determine the associated fuzzy membership function is also proposed.

Interpreting qualitative terms in the International Regulations for Preventing Collisions at Sea (COLREGs) remains challenging for conventional geometric collision-avoidance algorithms, while large language models (LLMs) can exhibit geometric hallucinations that lead to unsafe maneuvers. To address this, we propose a hybrid decision-making framework that couples LLM-based semantic reasoning with a deterministic Safety Shield. The framework employs Retrieval-Augmented Generation (RAG) to ground decisions in regulatory texts and authoritative interpretations, while the Safety Shield enforces hard physical constraints based on the Closest Point of Approach (CPA) and Time to CPA (TCPA) to ensure collision-free navigation. Validation on real-world Automatic Identification System (AIS) encounters shows that the proposed method achieves the lowest Intrinsic Illegality Rate (IIR) among baselines, remaining robust under sampling uncertainty. Qualitative case studies further demonstrate compliant behavior in complex scenarios, including speed-controlled pass-astern maneuvers and unified actions that resolve multi-vessel conflicts. By structurally decoupling semantic interpretation from physical safety assurance, this study provides a robust pathway toward explainable and COLREGs-compliant autonomous navigation.

Interpreting qualitative terms in the International Regulations for Preventing Collisions at Sea (COLREGs) remains challenging for conventional geometric collision-avoidance algorithms, while large language models (LLMs) can exhibit geometric hallucinations that lead to unsafe maneuvers. To address this, we propose a hybrid decision-making framework that couples LLM-based semantic reasoning with a deterministic Safety Shield. The framework employs Retrieval-Augmented Generation (RAG) to ground decisions in regulatory texts and authoritative interpretations, while the Safety Shield enforces hard physical constraints based on the Closest Point of Approach (CPA) and Time to CPA (TCPA) to ensure collision-free navigation. Validation on real-world Automatic Identification System (AIS) encounters shows that the proposed method achieves the lowest Intrinsic Illegality Rate (IIR) among baselines, remaining robust under sampling uncertainty. Qualitative case studies further demonstrate compliant behavior in complex scenarios, including speed-controlled pass-astern maneuvers and unified actions that resolve multi-vessel conflicts. By structurally decoupling semantic interpretation from physical safety assurance, this study provides a robust pathway toward explainable and COLREGs-compliant autonomous navigation.

본 연구는 비 정형 농산물 중 6년근 수삼의 자동 등급 분류하기 위한 선행연구로, 이를 위해 4방향에서 이미지 취득이 가능한 수삼 영상 측정기를 제작 하였으며 총 245 수삼 개체에 대해서 영상을 취득하였다. 취득된 영상의 각 수삼 개체마다 12개의 파라미터를 추출하였으며, KGC 인삼공사의 수삼등급 분류 기준과 각 등급별 평균 파라미터의 분포를 조사하여 최종 4개 파라미터를 선정하였다. 패턴인식 분류기는 Support Vector Machine을 사용하였으며 공용 소프트웨어인 OpenCV Library를 사용하여 k-Class 분류기를 설계하였다. 각 등급별 학습 데이터 수를 10, 15, 20으로 조정하여 등급별 인식률, 본인 거부율, 타인 인식율을 조사하였으며, 학습데이터 수가 10개일 때 1등급 인식률 94%, 2등급 인식률 98%, 3등급 인식률 90%로 가장 높은 인식 성능을 보였다.

This study is a leading research project to develop an automatic grade decision making algorithm of a 6-years-old fresh ginseng. For this work, we developed a Ginseng image acquiring instrument which can take 4-direction's images of a Ginseng at the same time and obtained 245 jingen images using the instrument. The 12 parameters were extracted for each image by a manual way. Lastly, 4 parameters were selected depending on a Ginseng grade classification criteria of KGC Ginseng research institute and a survey result which a distribution of averaging 12 parameters. A pattern recognition classifier was used as a support vector machine, designed to "k-class classifier" using the OpenCV library which is a open-source platform. We had been surveyed the algorithm performance(Correct Matching Ratio, False Acceptance Ratio, False Reject Ratio) when the training data number was controlled 10 to 20. The result of the correct matching ratio is 94% of the $1^{st}$ ginseng grade, 98% of the $2^{nd}$ ginseng grade, 90% of the $3^{rd}$ ginseng grade, overall, showed high recognition performance with all grades when the number of training data are 10.

플라즈마 식각 공정에서 식각 종료점 검출은 중요한 요소이다. Optical Emission Spectroscopy (OES) 는 플라즈마 반응을 분석하는데 사용한다. 그리고 Plasma Impedance Monitoring (PIM) 은 플라즈마 공정 중에 RF power에 의한 voltage, current, power, impedance를 분석하는데 사용한다. 본 논문에서는 새로 제안하는 의사결정 알고리즘을 이용하여 single layer 산화막 플라즈마 식각에서 식각 종료점 검출의 성능을 향상시키는 것을 제안한다. 식각 종료점 검출의 정확도를 높이기 위해 OES 데이터와 PIM 데이터들을 의사결정 알고리즘에 모두 적용하여 사용한다. 제안된 방법은 SiOx 플라즈마 식각에서 식각 종료점을 정확하게 검출한다.

The endpoint detection (EPD) is the most important technique in plasma etching process. In plasma etching process, the Optical Emission Spectroscopy (OES) is usually used to analyze plasma reaction. And Plasma Impedance Monitoring (PIM) system is used to measure the voltage, current, power, and load impedance of the supplied RF power during plasma process. In this paper, a new decision making algorithm is proposed to improve the performance of EPD in SiOx single layer plasma etching. To enhance the accuracy of the endpoint detection, both OES data and PIM data are utilized and a newly proposed decision making algorithm is applied. The proposed method successfully detected endpoint of silicon oxide plasma etching.

오늘날 인공지능의 발달에 따라 알고리즘(algorithm)에 의하여 이루어지는 의사결정의 일상적 활용이 확대되고 있다. 알고리즘에 의하여 이루어지는 의사결정은 자동의사결정(automated decision-making)이 가능하도록 한다. 자동의사결정은 프로파일에 기반하여 인간인 행위자가 없이 의사결정을 하는 일반적인 기능 내지 능력을 의미하며, 개인정보를 이용하는 프로파일링을 필연적으로 수반한다. 따라서 자동의사결정은 개인정보보호와 직결되는 문제이며, 자동의사결정에 활용되는 알고리즘은 개인정보의 이용에 영향을 미치는 주요 요소가 되었다. 해외에서는 유럽연합의 일반개인정보보호규칙(General Data Protection Regulation, 이하 GDPR) 제정을 계기로 하여 정보주체가 자동의사결정 알고리즘에 관한 설명을 요구하는 권리인 자동의사결정 알고리즘 설명요구권에 관한 논의가 전개되고 있다. 자동의사결정 알고리즘 설명요구권에 관한 해외의 논의는 주로 GDPR의 해석론을 중심으로 이루어지고 있으며, 정설이 형성되었다고 하기는 아직 어려운 상태이다. 한국은 이미 정보사회의 발달이 상당히 진행되어 자동의사결정이 다방면에서 활용되고 있으며, 이른바 제4차 산업혁명 대응이 각광받으면서 자동의사결정의 대표적인 구현형태인 인공지능의 발전과 활용이 주목받고 있다. 자동의사결정 알고리즘의 특성에 대응하는 규제의 필요성과 정부가 주도하는 인공지능 및 알고리즘 관련 정책 추진에 대한 헌법적 제어의 필요성 등을 고려하면 자동의사결정을 위한 개인정보 활용에 대응하는 기본권 보호라는 취지에서 한국에서도 자동의사결정 알고리즘 설명요구권에 대한 헌법학적 고찰이 필요한 시점이라고 할 수 있다. 자동의사결정 알고리즘 설명요구권은 개인정보자기결정권의 발전적 형태로서 현행 헌법상 규범적 근거를 지니며, 현 시점에서는 일반적 정보공개청구권과 구별되는 법적 성격을 지닌다고 평가할 수 있다. 자동의사결정 알고리즘 설명요구권은 대국가적 효력과 더불어 대사인적 효력도 중요한 의미가 있다. 자동의사결정 알고리즘 설명요구권을 수용하더라도 알고리즘에 의한 자동의사결정에 활용되는 개인정보를 보호하기 위한 구체적인 입법은 향후의 과제로 남아있다. 그러한 입법은 헌법에 합치되어야 하며, 바로 이러한 점에서 자동의사결정 알고리즘 설명요구권을 헌법학적 시각에서 논의하는 의미를 찾을 수 있는 것이다.

The use of algorithmic decision-making is expanding with the development of artificial intelligence. Algorithms enables automated decision-making. Automated decision-making is the general ability to make decisions based on the generated profiles without human actors, and necessarily entails profiling using personal data. Therefore, automated decision-making is directly related to the personal data protection, and algorithm for automated decision-making is a important factor influencing the use and protection of personal data. In Europe, discussion of right to explanation is underway on the demand for explanation of automated decision-making on the occasion of enactment of General Data Protection Regulation(GDPR). The discussion in Europe is focused on the interpretation of GDPR related to automated decision-making, and there is no orthodoxy on right to explanation. In Korea, the development of the information society has progressed considerably, and automated decision-making has been used in various fields. And the development and application of artificial intelligence, which is a representative embodiment of automated decision-making, has attracted attention with the spotlight on the 4th Industrial Revolution. There being the necessity of regulation of automated decision-making algorithm and constitutional control on government policy on artificial intelligence and algorithm, it is time to study on right to explanation as a constitutional fundamental right corresponding to the use personal data for automated decision-making in Korea. Right to explanation is involved in right to informational self-determination and has normative bases in the present Korean Constitution and it is distinguished from general freedom of information at this time. It becomes effect to private person as well as state. There are some tasks on specific legislation to protect personal data used in algorithmic automated decision-making. Such legislation should be in conformity with Constitution. So it is worthy to study on right to explanation in constitutional law.

알고리즘이 우리의 일상생활에 대하여 중요한 결정을 내리는 것이 증가하고 있으나, 이에 의하여 영향을 받는 사람들이 이러한 의사결정 과정에 관여하는 것은 미미하고, 이러한 의사결정이 어떻게 이루어지는지 거의 설명할 수 없다. 알고리즘은 문제점으로는, ① 알고리즘이 거의 투명하지 않은 비밀․불명료한 블랙박스이고, ② 알고리즘이 인과관계가 아니라 상관관계에 기초하여 작동하고 ‘설명’보다는 ‘예측’을 생성하고, ③ 알고리즘의 행태는 이해가능성․예측가능성이 결여될 수 있고, ④ 인지나 인식에 대한 지금까지의 방법을 무력화시킬 수 있는 등의 문제점을 야기하고, 따라서 알고리즘에 의한 자동 의사결정 시스템을 통제할 필요성이 있게 된다. 개인정보 규범에 의한 자동 의사결정의 규율에 대한 논의는 GDPR이 DPD의 규정을 최신화․확대 규정하고, 최근 인공지능의 급격한 발전․활용에 기초하고 있다. 알고리즘 투명성․책임성은 개인정보에 관한 일반법이 존재하지 않는 미국에서는 적법절차 등과 관련되어 최근 논의가 시작되었고, 유럽에서는 GDPR과 관련하여 논의되고 있으나 설명권과 관련하여 많은 쟁점들이 여전히 논의되고 있다. 곧 해외에서도 알고리즘에 의한 자동 의사결정에 대하여 설명권 등 정보주체의 권리에 관한 논의는 이제 그 논의가 시작된 새로운 쟁점이다. 국내적으로는 데이터 3법 개정에 의하여 자동화평가 결과에 대한 설명요구권 및 이의제기권을 부여(§36조의2)한 신용정보법이 개정되었다. 신용정보법의 내용은 GDPR과 사실상 동일한 측면도 있지만, 개인신용평가를 중심으로 하는 금융분야에 한정되는 것이고, 일반 개인정보에 대해서는 입법이 이루어지지 않았다. 그러나 2023년 3월 개인정보보호법 개정에 의하여 ‘자동화된 결정에 대한 정보주체의 권리’에 관한 규정(§37조의2)이 입법됨으로써, 한국도 GDPR과 거의 동일한 내용이 규정되었다. 이 글은 인공지능 알고리즘을 고려하여 정보주체를 보호하기 위하여 개인정보 규범에 알고리즘에 의한 자동 의사결정과 관련된 정보주체를 보호하기 위한 권리를 인정하여 정보주체를 보호하기 위한 개인정보 규범을 논의하고, 한국의 입법 및 이에 대한 개선안을 제안하고자 한다.

Algorithms are increasingly making important decisions about our daily lives, but the people who are affected by them are rarely involved in the decision-making process and can rarely explain how these decisions are made. Algorithms are problematic because they are secretive and opaque black boxes with little transparency; they operate on the basis of correlation rather than causation, and generate "predictions" rather than "explanations"; their behavior can lack comprehensibility and predictability; and they can override traditional methods of cognition and perception, thus creating the need to control algorithmic decision-making systems. The discussion on the regulation of automated decision-making by privacy norms is based on the fact that the GDPR updates and extends the provisions of the DPD and the recent rapid development and use of artificial intelligence. Algorithmic transparency and accountability have recently been discussed in the U.S., where there is no general law on personal information, in connection with due process, and in Europe in connection with the GDPR, but many issues related to the right to explanation are still being discussed. Domestically, the Credit Information Act was amended by the amendment of the Data 3 Act to grant the right of explanation and objection to automated evaluation results (§36(2)). Although the contents of the Credit Information Act are virtually identical to those of the GDPR, it is limited to the financial sector centered on personal credit evaluation. In March 2023, the Personal Information Protection Act was amended to include a regulation on the rights of information subjects regarding automated decisions (§37(2)), which is almost identical to the GDPR. This article discusses the privacy norms to protect data subjects in light of artificial intelligence algorithms by recognizing the right to protect data subjects related to automated decision-making by algorithms in the privacy norms, and suggests improvements to the Korean legislation.

알고리즘 자동의사결정 시스템에서는 기계가 인간을 평가한다. 개인정보와 사용자 정보를 모아 개인의 성향을 파악하여 광고를 하고, 채용여부를 결정하기도 한다. 자동의사결정은 효율적이고 일관성 있는 결과를 가져올 수 있다는 기대를 받고 있으나, 그 이면에는 개인의 사생활을 침해하고, 자율성을 파괴하고, 표현의 자유와 일반적 행동권을 침해할 수 있다. 뿐만 아니라 자동의사결정과 프로파일링은 차별과 편견에서 전혀 자유롭지도 않으며, 악용되는 경우 민주주의를 적극적으로 위협할 수 있는 가능성도 가지고 있다. 유럽연합은 일반정보보호법을 제정하여 자동의사결정에 대한 인간의 개입권을 만들었다. 인간의 개입권은 비록 적용범위가 한정적이고, 권리 구제 효율적이라고 보기 어렵지만 그 자체가 가지는 고유의 의미에 대해서는 주목할 필요가 있다. 인간의 개입권은 인간이 대상화되고 도구화 되는 구조에 대항하는 권리이며, 개인의 정보와 사생활, 자율성에 대한 최소한의 통제를 잃지 않기 위한 최소한의 장치이다. 인간은 클릭이 만들어 내는 정보의 조합이 아니며, 기계가 만드는 낮선 정체성에 맞추어 규정되어서도 안 된다. 유럽일반정보보호법상의 인간의 개입권은 단지 ‘개입’에 불과한 권리가 아니며, 일상적으로 이루어지는 개인에 대한 기계의 추론과 결정에 대해 ‘아니’ 말할 인간 고유의 자율성의 선언이다. 차후 이러한 인간의 개입권은 우리 법체계에서도 진지하게 논의될 것이라고 예상된다. 다만 정보의 처리와 관련한 권리구제 및 보호를 다루는 기존의 개인정보자기결정권의 법리는 정보 자체를 보호대상으로 하여 개인의 권리 침해를 막는 법적 구조를 가지고 있어 자동의사결정의 영향으로부터의 정보 주체를 보호하는 목적을 가지는 인간의 개입권을 설명하기가 쉽지 않다. 이 논문에서는 이러한 점을 살펴보고 개인정보자기결정권의 법리 확장과 개인정보 개념의 확장의 필요성을 논한다.

In an algorithmic automatic decision system, a machine evaluates a human. Personal information and user information can be gathered to identify individual tendencies and to be advertised. Automated decision making is expected to produce efficient and consistent results, but it can intrude the privacy of the individual, destroy the autonomy of the individual, and violate the freedom of expression and the general right of action. Automated decision making and profiling are not free from discrimination and prejudice at all, and if abused, they have the potential to actively threaten democracy. And as human beings become data resources for profiling, human dignity is undermined. The European Union enacted the General Data Protection Act to create human intervention rights to automatic decision-making. The right to human intervention has its own meaning, although its scope of application is limited and inefficient. The right to human intervention is the right to oppose the structure in which human beings are targeted and instrumented, and is the minimum device by which human beings do not lose control. Humans are not a combination of information that clicks generate. Human rights to intervene under the General European Data Protection Act are therefore not just for the right to intervene. It gives the right and the opportunity to say no to the inference and decision of the machine to the individual. However, since the law of personal information self-determination has a legal structure that protects the information itself. Therefore It is not easy to explain the right to human intervention. Therefore, it is necessary to consider the expansion of the jurisdiction and the expansion of the concept of personal information.

모순에 대한 일반적인 생각은 모순을 해결 가능성이 전혀 없는 공집합이나 논리적으로 틀린 것이다. 두 가지 대안 중에서 어느 쪽도 바람직하지 못한 결과를 초래하는 딜레마는 그 안에 숨어 있는 모순을 해결해야 하므로 해결이 어렵다. 하지만 이런 특성으로 인해 역설적으로 모순 해결은 혁신적이고 창의적인 문제 해결로 간주 되어왔다. 문제의 해법을 모순 해결의 관점에서 분석하는 트리즈(TRIZ)는 그동안 컴퓨터보다는 인간의 관점에서 문제 해결 방법으로 사용되었다. 트리즈처럼 모순 해결 중심으로 문제를 분석하는 나비 모형은 문제 해결의 자동화 관점에서 기호 논리학을 이용하여 모순 문제의 유형을 분석하였다. 모순문제유형별 구체적 해결전략을 적용하기 위해 본 연구에서는 의사결정트리 기반의 나비 알고리즘을 설계하였다. 본 연구는 파이선 tkInter를 바탕으로 주어진 모순 문제의 구체적 해결전략을 찾아 사용자들에게 제시하는 시각화 도구를 개발하였다. 개발한 도구를 검증하기 위하여 중학교 3학년 학생들이 나비 알고리즘을 학습한 후, 나무지지대의 모순 문제를 분석하도록 하였다. 학생들이 새로운 해결책을 찾아 발명대회에 참가하여 대상을 받았다. 본 연구에서 개발한 의사결정트리 기반 나비 알고리즘은 문제 해결 초기에 문제의 해결공간을 체계적으로 줄여주어 시행착오 없이 모순 문제를 해결하는데 도움을 줄 수 있다.

It is easy to assume that contradictions are logically incorrect or empty sets that have no solvability. This dilemma, which can not be done, is difficult to solve because it has to solve the contradiction hidden in it. Paradoxically, therefore, contradiction resolution has been viewed as an innovative and creative problem-solving. TRIZ, which analyzes the solution of the problem from the perspective of resolving contradictions, has been used for people rather than computers. The Butterfly model, which analyzes the problem from the perspective of solving the contradiction like TRIZ, analyzed the type of contradiction problem using symbolic logic. In order to apply an appropriate concrete solution strategy for a given contradiction problems, we designed the Butterfly algorithm based on decision making tree. We also developed a visualization tool based on Python tkInter to find concrete solution strategies for given contradiction problems. In order to verify the developed tool, the third grade students of middle school learned the Butterfly algorithm, analyzed the contradiction of the wooden support, and won the grand prize at an invention contest in search of a new solution. The Butterfly algorithm developed in this paper systematically reduces the solution space of contradictory problems in the beginning of problem solving and can help solve contradiction problems without trial and errors.

인공지능 기술의 급속한 발전에 따라 알고리듬이 매개하는 자동화된 의사결정이 확산되고 있다. 알고리듬의 영향력이 커지면서, 이로 인해 발생하는 문제에 대응하기 위해 문제의 원인과 영향을 설명할 책임, 그리고 가장 중요하게는, 발생한 문제의 책임을 누가 져야 하는지에 대한 정책적 접근의 필요성이 새롭게 대두되면서, 알고리듬 책무성 개념이 활발하게 논의되고 있다. 알고리듬 책무성의 한 차원으로 GDPR에서는 설명을 요구할 권리가 제시되었다. 이는 알고리듬이 만든 특정화된 결정에 대해 정보주체가 이해하고 자신의 권리를 보호하기 위해서 정보관리자에게 설명을 요구할 권리가 있음을 의미한다. 그러나 설명의 요구범위와 설명가능성과 관련해서 다양한 관점이 제시되고 있어, 현재까지는 불안정한 개념으로 자리잡고 있다. 이에 이 글에서는 설명을 요구할 권리에 대한 법률적 해석과는 별개로, 알고리듬 설명가능성 문제를 컴파스(COMPAS) 알고리듬 공정성을 둘러싼 논쟁을 중심으로 논하였다. 컴파스 알고리듬 사례를 중심으로 알고리듬이 발생시키는 문제의 유형을 살펴보고, 알고리듬의 설명가능성을 확보하기 위한 검증 방법의 하나로 리버스 엔지니어링 기법을 소개하였다. 끝으로 데이터에 대한 요구가 가능하고 사전 설계단계에서 사회적 규제의 필요성이 있는 공공 분야 알고리듬에 대한 사전 영향성 평가를 제안했다.

Algorithmic systems in social media platforms are increasingly being used as part of decision-making processes in both public and private sectors, with potentially significant consequences for individuals, organizations, and societies as a whole. However, there are growing concerns that many of these systems are opaque to people affected by their use due to the lack of clear explanations for how a particular algorithmic decision is made. This study first introduces problems of personalized algorithm in social media platforms (i.e., the creation of filter bubble in online communities, collection of private information of social media users, and algorithmic bias and unfairness) as a backdrop of rising issues of algorithmic accountability. In addition, the current study illustrates a case of COMPAS and explores explanability of algorithm in the case. Finally, this research suggests revers engineering techniques as a method to promote algorithmic accountability.

현대 정보통신기술(ICT)은 인공지능을 등장시키고 발전시킴으로써 인간 사회의 패러다임에 큰 변화를 가져오고 있다. 인공지능 발전의 가장 핵심적인 기술은 빅데이터와 알고리즘이다. 빅데이터의 알고리즘 시스템은 정교한 프로세스를 사용한다. 또 이러한 프로세스에는 데이터의 입력이 필요하다. 빅데이터와 알고리즘 기술을 가장 많이 활용하는 주체는 기업이며, 정당 등 정치적 목적을 가진 분야에서도 활발하게 이용되고 있다. 만약 알고리즘 시스템의 설계자가 데이터의 입력과 조작 등에 있어 자신의 특정한 성향이나 세계관만을 따른다면, 인공지능 알고리즘의 자동화된 의사결정과 그 생성물은 편향성, 차별성, 불공정성 등을 나타내게 된다. 이때 알고리즘은 이념의 생성물로서 필연적으로 정치적인 속성을 내포하게 된다. 알고리즘에 의한 자동화된 의사결정이 제공하는 결과가 전적으로 중립적이라고 볼 수는 없게 되는 것이다. 그 결과가 객관성과 공정성을 담아내지 못함에도 불구하고, 그 결과가 사회에 미치는 영향은 정치․경제․문화 등의 모든 분야를 망라하며, 이용자들의 선호와 판단 그리고 행동까지도 변화하게 만든다. 오늘날 알고리즘은 국가와 사회의 정치적, 사회적, 경제적, 문화적 상호작용과 의사결정에 중요한 기능과 역할을 담당하면서 계속해서 영향력을 높여 나가고 있다. 또한, 그 자체가 하나의 거대한 정치권력이 되어가는 모습마저도 나타낸다. 따라서 편향적인 데이터와 이를 통해 학습한 인공지능 알고리즘이 만들어내는 부정적인 결과인 차별, 편견, 배제, 불공정성 등을 효과적으로 통제하는 방안을 모색하는 사회적 논의와 법적 대응책이 필요하다. 이에 EU의 일반정보보호규정(General Data Protection Regulation: GDPR)의 도입과 발효(2018년 5월)는 알고리즘의 투명성과 책무성에 대한 규범적 쟁점과 논의를 확대하는 계기를 마련해 주었다. GDPR은 정보 주체가 프로파일링에 대해 반대할 권리와 자동화된 의사결정의 대상이 되지 않을 권리가 있음을 규정하고 있다. 또한, 정보 주체가 그들에 관하여 수집된 정보에 접근할 권리가 있으며, 수집된 개인정보에 관해 통지를 받을 권리가 있음을 규정하고 있다. 이러한 규정들과 이의 해석을 통해서, 알고리즘에 기반한 자동화된 의사결정에 대한 설명을 요구할 권리(Right to explanation)가 도출될 수 있다. 설명을 요구할 권리는 이용자에게 프로파일링 기반의 알고리즘 결정에 관해 설명을 요구할 기회를 부여함과 동시에, 알고리즘 설계과정에서 인간적 개입의 중요성을 강조한 점에서 큰 의미가 있다. 또한, 설명을 요구할 권리는 해당 기업의 영업 비밀에 해당하는 알고리즘 설계과정에 정보 주체가 개입할 수 있도록 강제하는 규범적 가능성을 열어줌으로써, 알고리즘의 공정성․투명성 및 차별성 이슈를 풀어나가는데 핵심적인 역할을 할 것으로 생각된다.

Modern information and communication technologies(ICTs) are bringing huge changes to the paradigms of human society by presenting and developing artificial intelligence(AI). The very core technologies in the development of AI are Big Data and algorithms. The algorithm system of Big Data uses an exquisite process, which requires the input of data. Big Data and algorithm technologies are most used by corporations and actively used in the fields with political purposes such as political parties. If the designer of an algorithm system bases data entry and manipulation only on his or her certain tendencies or world views, automated decision-making and its outcomes in the AI algorithm will display a bias, differentiation, and unfairness. In such a case, the algorithm is a product of ideology and necessarily has political attributes. There is no saying that outcomes by the automated decision-making process based on the algorithm are totally neutral. Even though such outcomes have no objectivity and fairness, their influences will encompass all the sectors of the society including politics, economy, and culture and change even the preferences, judgments and actions of users. Today, algorithms perform important functions and roles in political, social, economic, and cultural interactions and decision-making processes at the national and social level, continuing to increase their influences. They are even becoming an entity of huge political power themselves. There is thus a need for social discussions and legal measures to explore plans of effectively controlling discrimination, prejudice, exclusion, and unfairness that are negative outcomes of biased data and AI algorithms whose learning is based on biased data. EU-General Data Protection Regulation(GDPR) were introduced and came into effect in May, 2018, creating a chance to expand normative issues and discussions about the transparency and accountability of algorithms. EU-GDPR stipulate that the subjects of information have rights to refuse their profiling and not to become subjected to automated decision-making processes. EU-GDPR also state that they have rights to access to the information collected regarding them and notices about their personal information collected. The interpretations of these regulations and objections to them can result in a right to explanations about automated decision-making processes based on an algorithm. This right to explanations holds huge significance in that it grants an opportunity for users to request explanations about profiling-based algorithm decisions and puts an emphasis on the importance of human interventions in the algorithm design process. This right to explanations also opens up the normative possibilities of enforcing an intervention into the algorithm design process, which is part of a corporation's confidential business information, by the information subject, thus playing an essential role in addressing the fairness, transparency, and differentiation issues of algorithms.

태양광 발전 시스템의 고장검출은 고장으로 인해 발생되는 기술적 및 경제적 손실을 최대한 줄이기 위한 첨단 기술로 각광을 받고 있다. 본 논문은 푸리에 신경회로망과 확률론적 의사결정법을 이용한 태양광 발전 시스템의 새로운 고장진단 알고리즘을 제안한다. 우선 태양광 시스템의 동적 모델링을 위하여 최급강하 기반 최적화 기법을 통해 신경회로망 모델을 구성하며 GLRT 알고리즘을 이용하여 태양광 시스템의 확률론적 고장검출 기법을 제안한다. 제안한 고장검출 알고리즘의 타당성 검증을 위하여 태양광 고장검출 테스트베드를 제작하여 실시간 실험을 실시하였으며 이 때 태양광으로부터의 신호는 직류 전력선 통신을 이용하였다.

Fault detection technique for photovoltaic power systems is significant to dramatically reduce economic damage in industrial fields. This paper presents a novel fault detection approach using Fourier neural networks and stochastic decision making strategy for photovoltaic systems. We achieve neural modeling to represent its nonlinear dynamic behaviors through a gradient descent based learning algorithm. Next, a general likelihood ratio test (GLRT) is derived for constructing a decision malling mechanism in stochastic fault detection. A testbed of photovoltaic power systems is established to conduct real-time experiments in which the DC power line communication (DPLC) technique is employed to transfer data sets measured from the photovoltaic panels to PC systems. We demonstrate our proposed fault detection methodology is reliable and practicable over this real-time experiment.

The two fuzzy criteria to distinguish the internal fault from the inrush for the power transformer protection have been identified. They are based on the terminal voltage, fundamental and second harmonic component of differential current. A systemetic way to determine the associated fuzzy membership function is also proposed.

태양광 발전 시스템의 고장검출은 고장으로 인해 발생되는 기술적 및 경제적 손실을 최대한 줄이기 위한 첨단 기술로 각광을 받고 있다. 본 논문은 푸리에 신경회로망과 확률론적 의사결정법을 이용한 태양광 발전 시스템의 새로운 고장 진단 알고리즘을 제안한다. 우선 태양광 시스템의 동적 모델링을 위하여 최급강하 기반 최적화 기법을 통해 신경회로망 모델을 구성하며 GLRT 알고리즘을 이용하여 태양광 시스템의 확률론적 고장검출 기법을 제안한다. 제안한 고장검출 알고리즘의 타당성 검증을 위하여 태양광 고장검출 테스트베드를 제작하여 실시간 실험을 실시하였으며 이 때 태양광으로부터의 신호는 직류 전력선 통신을 이용하였다.

Fault detection technique for photovoltaic power systems is significant to dramatically reduce economic damage in industrial fields. This paper presents a novel fault detection approach using Fourier neural networks and stochastic decision making strategy for photovoltaic systems. We achieve neural modeling to represent its nonlinear dynamic behaviors through a gradient descent based learning algorithm. Next, a general likelihood ratio test (GLRT) is derived for constructing a decision making mechanism in stochastic fault detection. A testbed of photovoltaic power systems is established to conduct real-time experiments in which the DC power line communication (DPLC) technique is employed to transfer data sets measured from the photovoltaic panels to PC systems. We demonstrate our proposed fault detection methodology is reliable and practicable over this real-time experiment.

유전 알고리즘은 생물 유전학에 기본 이론을 두는 전역 탐색 알고리즘으로, 산업, 뉴럴 네트워크, 웹, 그리고 국방 등의 분야에서 활발히 사용되고 있다. 하지만 기존의 유전 알고리즘은 염색체의 개수가 고정되어 있는 형태여서 시뮬레이션 도중 초기에 주어진 상황보다 더 복잡한 상황이 주어질 수 있는 경우에는 적용이 힘들다는 한계점이 존재한다. 본 연구에서는 이를 극복하기 위해서 염색체 비분리를 적용한 가변 염색체 유전 알고리즘을 제안하였다. 그리고 염색체 수의 변화가 시뮬레이션 결과에 영향을 미치는 것을 확인하기 위하여 대 잠수함 HVU 호위 임무 시뮬레이션에 염색체 비분리를 적용한 가변 염색체 유전 알고리즘을 적용하였다. 시뮬레이션 결과 기존의 유전 알고리즘과는 달리 가변 염색체 유전 알고리즘에서는 더 복잡한 전술이 더 일찍 등장하였으며, 그에 따라 염색체 수가 증가하는 방향으로 진화가 일어나는 것을 확인할 수 있었다.

The Genetic Algorithm(GA) is a global search algorithm based on biological genetics. It is widely used in various fields such as industrial applications, artificial neural networks, web applications and defense industry. However, conventional Genetic Algorithm has difficulty maintaining feasibility in complicated situations due to its fixed number of chromosomes. This study proposes the Genetic Algorithm using variable chromosome with chromosome attachment. And in order to verify the implication of changing number of chromosomes in the simulation, it applies the Genetic Algorithm using variable chromosome with chromosome attachment to antisubmarine High Value Unit(HVU) escort mission simulation. As a result, the Genetic Algorithm using variable chromosome has produced complex strategies faster than the conventional method, indicating the increase of the number of chromosome during the process.