Earticle

본 논문에서는 사람의 기억 순환 메커니즘에 대한 소프트웨어적 구현에 있어서 인지과학적 기억의 관점, 시각 데이 터 처리의 관점 및 신호처리의 관점에서 새로운 시각 자극의 표현 기법을 제안한다. 특히, 사람의 시각과 기억의 순 환 모델링을 위해 높은 차원의 시각 자극에 대해 낮은 차원의 추상화 및 개념화 과정을 통해 표현하는 새로운 기법 을 제안한다. 제안 기법은 생성 모델 기반 오토 인코더와 클러스터링을 통해 고차원의 시각 입력 데이터에 대해 저 차원의 속성 데이터로 표현한다. 이때, 저차원 속성 데이터 표현에 있어 시맨틱의 임베딩 및 클래스 간 거리 유지에 유리한 희소 분포 표현 (SDR: Sparse Distributed Representation)을 사용한다. 본 논문에서는 28x28 화소로 구성되는 MNIST와 Fashion MNIST 데이터셋에 대해 적용한 실험 결과 각 클래스에 대해 변환된 저차원 SDR이 고차원 데이터 특성을 잘 반영함을 분류기 관점에서 확인하였다. 실험에서 784차원을 10차원으로 변경하더라도 2% 이하 분류 에러 수준에서 변환된 저차원 표현이 고차원 입력을 충분히 표현할 수 있음을 확인하였다.

This paper proposes a new representation scheme for visual stimuli in the software implementation for human memory circular mechanism using memory model, visual data processing, and signal processing in cognitive science. Especially, this paper proposes a noble scheme for a lower dimensional abstracted and conceptualized representation of higher dimensional visual stimuli in human vision-memory circular model. The proposed scheme employes generative model based auto encoder and clustering for representing high-dimension visual input data as low-dimension attribute data. In this process, SDR (Sparse Distributed Representation) is used for low-dimension attribute representation, because it can guarantee semantic embedding and distance between classes. In this paper, the experimental results applied to the MNIST and Fashion MNIST datasets, which consist of 28x28 pixels, confirmed from the classifier point of view that the low-dimensional SDRs for each class obtained well reflect their respective characteristics. The experiment confirmed that even if 784 dimensions were changed to 10 dimensions, low-dimensional expressions converted at a classification error level of less than 2% could sufficiently express high-dimensional inputs.

Our paramount task is to examine and detect network attacks, is one of the daunting tasks because the variety of attacks are day by day existing in colossal number. The program proposed detects botnet attacks using the newest CSE-CIC-IDS2018 cyber dataset published by the Canadian Cybersecurity Establishment (CIC). The cyber dataset can be accessed on AWS (Amazon Web Services). The realistic network dataset consists of all the modern and existing attacks such as Brute-force attacks and password cracking, Heartbleed, Botnet, DoS (Denial of Service), DDoS also known as Distributed Denial of Service, Web attacks i.e. vulnerable web app attacks, and infiltration of the network from inside. The objective of the proposed research is to identify a classification of Botnet attacks. Botnet attack is a Trojan Horse malware attack that poses a serious security threat to the banking and financial sectors. Since a specific classifier could possibly work for such datasets it is crucial to finish a comparative examination of classifiers in order to achieve the most noteworthy execution in such basic detection of network attacks. The proposed framework is to incorporate different classifier methods such as KNearset Neighbor classifier, Naive Bayes, Adaboost with Decision Tree, Support Vector Machine classifier, Random Forest classifier, and Artificial Intelligence to distinguish a portrayal of botnet attacks on the recent and realistic cyber dataset CSE-CIC-IDS2018. The results of the classification are given as precise precision for the specific classifiers. And furthermore, the proposed framework uses the Calibration curve as a standard approach in analytical methods which generates reliability diagrams to check the predicted probabilities of various classifiers are well-calibrated or not. Finally, the displayed graph proves how well the artificial intelligence technique outperforms all other classifiers which generates reliability diagrams to check the predicted probabilities of various classifiers are well-calibrated or not.

인공지능은 우리의 일상 생활과 정치, 경제, 문화 등의 모든 분야에서 폭넓게 변화를 이끌고 있으며, 현재를 살 아가는 사람들뿐만 아니라, 미래를 살아갈 학생들에게 기본적인 소양으로서 인공지능 교육이 중요해지고 있다. 본 연구는 고등학생을 위한 인공지능 머신러닝 교육 프로그램을 개발하고, AI 리터러시에 미치는 영향을 검증하는데 목적이 있다. 이를 위해 프로그램을 설계하여 개발하고, 고등학교 1, 2학년 학생 33명을 대상으로 9차시 교육에 적 용하였다. 교육 프로그램은 인공지능의 이해, 인공지능 윤리, 머신러닝의 이해, 머신러닝 활용으로 구성 하였으며, 프로그램 적용 후, 대응 표본 t-test를 통해 결과를 분석하였고, 통계적으로 유의미한 차이가 있음을 알 수 있었다. 검사 도구로 측정한 결과, 인공지능 사회적 영향, 인공지능 문제 해결, 인공지능의 이해, 인공지능 윤리, 인공지능 실행 계획, 데이터 리터러시, 6가지의 모든 하위 요소에서 평균 점수가 향상된 것으로 나타났다. 즉, 인공지능 머신 러닝 교육 프로그램은 AI 리터러시 향상에 효과적임을 확인할 수 있었다.

Artificial Intelligence is leading broad changes in our daily lives and across various fileds such as politics, economy, and culture. It is becoming increasingly important not only for people living in the present but also for students who will shape the future to have basic knowledge of AI as part of their education. This study aims to develop an AI machine learning education program for high school students and verify its effect on AI literacy. To achieve this, a program was designed, developed, and implemented in a 9-hour course for 33 high school students in grades 1 and 2. The educational program was structured to cover understanding AI, AI ethics, understanding and utilizing machine learning. After the program was implemented, the results were analyzed through paired sample t-tests, revealing statistically significant differences. The results measured by the assessment tools indicated an improvement in average scores across all six sub-elements: social impact of AI, problem-solving with AI, understanding of AI, AI ethics, AI implementation planning, and data literacy. In conclusion, the AI machine learning education program was found to be effective in enhancing AI literacy.

앞으로의 시대는 인공지능을 이용한 다양한 분야에 다양한 제품이 생성될 것이다. 이러한 시대에 인공지능의 학습 방법의 동작 원리를 알고 이를 정확하게 활용하는 것은 상당히 중요한 문제이다. 이 논문은 지금까지 알려진 인공 지능 학습 방법을 소개한다. 인공지능의 학습은 수학의 고정점 반복 방법(fixed point iteration method)을 기반으로 하고 있다. 이 방법을 기반으로 수렴 속도를 조절한 GD(Gradient Descent) 방법, 그리고 쌓여가는 양을 누적하는 Momentum 방법, 마지막으로 이러한 방법을 적절히 혼합한 Adam(Adaptive Moment Estimation) 방법 등이 있다. 이 논문에서는 각 방법의 장단점을 설명한다. 특히, Adam 방법은 조정 능력을 포함하고 있어 기계학습의 강도를 조정 할 수 있다. 그리고 이러한 방법들이 디지털 신호에 어떠한 영향을 미치는 지에 대하여 분석한다. 이러한 디지털 신호의 학습과정에서의 변화는 앞으로 인공지능을 이용한 작업 및 연구를 수행함에 있어 정확한 활용과 정확한 판단의 기준이 될 것이다.

In the future, various products are created in various fields using artificial intelligence. In this age, it is a very important problem to know the operation principle of artificial intelligence learning method and to use it correctly. This paper introduces artificial intelligence learning methods that have been known so far. Learning of artificial intelligence is based on the fixed point iteration method of mathematics. The GD(Gradient Descent) method, which adjusts the convergence speed based on the fixed point iteration method, the Momentum method to summate the amount of gradient, and finally, the Adam method that mixed these methods. This paper describes the advantages and disadvantages of each method. In particularly, the Adam method having adaptivity controls learning ability of machine learning. And we analyze how these methods affect digital signals. The changes in the learning process of digital signals are the basis of accurate application and accurate judgment in the future work and research using artificial intelligence.

인공지능은 인공신경망을 이용한 기계학습에 기초하고 있는 점이 특징으로, 인공지능 관련 발명은 인공지능의 구현에 특징이 있는 발명, 인공지능 기술의 응용분야에 특징이 있는 발명, 인공지능에 의하여 생 성된 발명 등으로 구분할 수 있다. 인공지능 자체의 구현에 관한 발명과 인공지능의 응용에 관한 발명은 기존의 컴퓨터프로그램의 성립성 판단 기준, 영업방법에 관한 발명의 성립성 판단 기준 등을 원용하여 적용이 가능할 것이다. AI에 의하여 ‘생성된 발명’의 경우에는 AI의 생성물이 데이터나 이미 지인 경우에는 저작물에 해당할 여지는 있으나 자연법칙을 이용한 기 술적 사상의 창작으로서의 발명으로 보기는 힘들다. 학습데이터에 기초 하여 생성된 학습모델에 새로운 데이터의 입력에 의하여 자동적으로 인공지능 생성물이 생성되는 경우에는, 자연법칙을 이용한 기술적 사상 의 ‘창작’으로 인정할 수 있는지 여부가 쟁점으로 될 것으로 예상되는데, 이러한 창작성이 인공지능에 의하여 발휘된 것으로 인정하기는 어려울 것이다. 발명자의 특정과 관련하여, AI 자체에 특징이 있는 발명, AI의 응용에 특징이 있는 발명의 경우에는 AI의 설계, 구축, 응용, 학습에 주도적으로 관여한 자연인이 발명자로 쉽게 인정될 것이다. 반면에 AI에 의하여 ‘생성된 발명’의 경우, 발명자를 어느 사람(것)으로 특정하여야 하는가 의 문제가 있고 이러한 문제는 AI가 발명자로 될 수 있는 자격이 있는지 의 문제와도 연관이 있다. AI에 대하여 발명자(출원인, 특허권자)의 법인격을 부여할 수 있는지 의 문제는, 현재 실현된 인공지능의 기술적 특징 및 그 본질에 비추어 볼 때, 당분간 자연인에 필적하는 법인격을 부여하기는 힘들 것으로 생각된다. 다만 강한 AI(또는 AGI)가 향후 등장한다면 법인격의 부여와 더불어 이러한 AI에 의하여 생성된 발명에 대해서는 자연법칙을 이용 한 기술적 사상의 ‘창작’으로서 발명의 성립성을 인정할 수 있는 여지는 더욱 증가할 것이다.

Artificial intelligence is characterized by the fact that it is based on machine learning using artificial neural networks. Artificial intelligence-related inventions can be classified into inventions characterized by the implementation of artificial intelligence, inventions characterized by the application field of artificial intelligence technology, and inventions created by artificial intelligence. For inventions related to the realization of artificial intelligence itself and inventions related to the application of artificial intelligence, it is possible to apply the criteria for judging the patent eligibility of computer programs and inventions related to business methods. In the case of “invention created” by AI, it is difficult to see it as an invention when the product of AI is data or image. In the case where an artificial intelligence product is automatically generated by inputting new data to a learning model created based on the learning data, the issue will be whether it can be recognized as a “creation” of technical ideas. It is, however, difficult to admit that such creativity was exerted by artificial intelligence. With regard to the identification of the inventors for the 'inventions created' by AI, there is a question of which person (thing) should be specified as an inventor. These issues are also related to the question of whether AI is qualified to become an inventor. With regard to the question of whether a legal personality as an inventor (applicant, patentee) can granted to AI, it is not plausible for the time being to give a legal personality similar to a natural person, in light of the technical characteristics and nature of artificial intelligence currently realized. However, if strong AI (or AGI) emerges in the future, there will be more room to recognize the subject-matter patentability of the inventions created by AI along with granting legal personality to AI.

본 논문은 AI와 시각, 컴퓨터비전과 이미지의 관계를 비평적 관점에서 논하고 있다. 초대형 IT기업들은 빠짐없이 AI의 기계학습을 위한 컴퓨터비전의 개발에 앞장서면서 이미지의 입력을 통해 세상의 정보를 데이터베이스의 형태로 집적하고 있다. 컴퓨터비전의 분야는 ‘비전’이라는 단어가 가리키듯 인간의 시각과 컴퓨터의 시각데이터집적과정을 비유하지만, 실제로는 기계적이고 알고리즘화된 인간의 시각과는 전혀 별개의 성질을 갖는다. 기계에 정보를 제공하는 기계학습을 위한 이미지의 모음인 이미지 데이터셋은 AI의 성능개발에 핵심적인데, 온라인상의 이미지가 무작위로 사용되거나 학습과정에서 사회적 차별이나 편견이 그대로 반영될 가능성이 높은 것으로 경계가 필요하다. AI와 예술의 접목에서는 주로 생성적 적대 신경망을 사용하여 기존의 미술품을 학습한 후 이와 유사하지만 다른 이미지를 만들어내는 방식이 다용되고 있다. 컴퓨터비전이 시각과 차이가 있듯, AI 미술이 기존 예술의 일부로 흡수되기 위해서는 새로운 기준들이 필요할 것이다.

This paper is a critical examination of the relationship between artificial intelligence, computer vision, and images. The IT industry has been building up massive repositories of image data to be used for machine learning and computer vision. Although the term computer “vision” suggests it assimilates human vision, they differ fundamentally because computer vision is an algorithmic process. While the collection of image datasets is crucial for enhancement of AI’s creative capability, the risk of uncontrolled mass collection of image data and their prejudicial or discriminatory use for machine learning has become highly problematic. Often in AI art, images are artificially generated by Generative Adversarial Networks (GAN) that are trained with images of historic artworks. As computer vision differs from human vision, AI-generated artistic images cannot be evaluated using conventional criteria. The formulation of new criteria would be essential if the new AI art were to be accepted into the creative art at large.

본고는 한국어 교육의 관점에서 인공지능 시대 신속하게 발전하는 기계번역 기술의 활용가능성을 탐구하고자 하였다. 한국어 교육에서 번역은 교수법으로서의 번역 방법과 교육 대상으로서의 번역 교육으로 나눌 수 있는데, 전자는 언어 인식의 고양, 후자는 번역 수행에 수반되는 종합적인 능력 함양을 지향한다. 교육 현장에서 지향하고 있는 이러한 번역의 교육적 목표는 기계번역의 결과물에 대한 후속 편집 작업을 통해 효과적으로 성취할 수 있는 것이다. 왜냐하면 기계번역은 어느 정도의 정확성을 확보할 수 있는 결과물을 신속하게 산출할 수 있지만 현재까지는 명백한 한계를 보여주고 있기 때문이다. 또한 기계번역을 비판적으로 수용하고 창조적으로 활용할 수 있는 능력의 함양은 인공지능과의 공존 관계를 구성해야 하는 지금의 시대적 요구이기도 하다. 대상 텍스트 유형에 따른 기계번역의 특성과 한계점을 살펴보기 위해 본고는 정보적 텍스트, 호소적 텍스트, 표현적 텍스트에 대한 기계번역과 인간번역의 결과물을 어휘적, 문법적, 화용적 층위에서 비교 분석하였다. 정보적 텍스트의 경우, 기계번역은 인간번역의 결과물과 유사한 어휘, 문법 등을 사용하여 비교적 높은 수준의 번역문을 생산하였으나 유창성과 전달력이 다소 부족한 면을 보여주었다. 호소적 텍스트의 경우, 기계번역은 다양한 맥락이 존재하는 텍스트의 의미를 제대로 파악하지 못해 오류가 여러 층위에서 발생하였다. 표현적 텍스트의 경우, 기계번역은 결과물의 완성도 측면에서 인간번역과 비교적 큰 차이를 보여주었으며 전반적인 수정 작업이 요구된다. 이와 같은 결과를 고려하여 기계번역의 교육적 활용에 대해 번역 목적, 텍스트 유형, 학습자 수준 등 세 가지 측면에서 제안하였다.

This study aims to explore the possibility of educational use of Korean language in machine translation technology that develops rapidly in the age of artificial intelligence. Translation in Korean language can be divided into translation methods as a teaching method and translation education as a subject of education, with the former aiming to enhance language awareness and the latter to foster comprehensive ability involved in translation performance. the former aims to enhance language awareness and the latter to develop comprehensive skills involved in translation performance. The educational objective of translation is to be achieved effectively through post-editing work on the results of machine translation. This is because machine translation can quickly produce results that can ensure some degree of accuracy, but so far it shows clear limitations. Furthermore, the cultivation of the ability to accept machine translation critically, and utilize it creatively is also a demand of the present era to form a coexistence relationship with artificial intelligence. To look at the characteristics and limitations of machine translation according to the type of source text, this study compared and analyzed the results of machine translation and human translation on lexical, grammatical and pictorial layers for informative text, operative text and expressive text. Considering the result, suggestions were made on the use according to the translation purpose, text type and learners’ level.

Today human-machine collaboration for a translation is urgently needed. Due to the ease and convenience of using machine translation, its use has become routine for the general public, and as a result, translation is no longer recognized as a specialized field for the professional translators. In addition to translation, learners in all fields are increasingly using convenient and free online translators to translate, read, and write. However, despite being fully aware of the situation, educators in all fields have been mostly negative and passive in their responses. Therefore, it is clear that machine translation has become a taboo topic in today’s university classrooms, especially in graduate schools of translation and interpreting, and are marginalized from formal discussions. In this context, the machine translation literacy instruction needs to be introduced into translation education for a sustainable translation profession in the age of AI. And future education of machine translation literacy should cultivate professional translators who are both informed and critical about various machine translation technologies and machine translation consultants who can utilize their expertise in the use of machine translation to help citizens and clients use machine translation wisely and responsibly.

In this paper, we developed a health pre-diagnosis system with ART2 neural network for Pet dog health monitoring. This system is for the pet owner who does not have deep knowledge on the pet diseases nor computer technology. The standardized database of symptoms/diseases associations is constructed from textbooks and the user simply gives the most unusual symptom that is found from the dog and then the communication between the user and the system refines and expands the input symptoms through queries. Then an unsupervised ART2 learning system checks the similarity between input and stored diseases with confidence and generates three most probable diseases as output. The system has incremental learning ability and learning by experience ability thus appropriately changes the database over time even without user’s database update. In spite of the fact that the system is ad-hoc in nature, the system’s performance is verified by veterinarian as adequate and it can stimulate the owner’s attention on the dog’s abnormality in time such that appropriate professional treatment is given in its early stage.

Artificial Intelligence in machines is a very challenging discussion. It involves the creation of machines which can simulate intelligence. This paper discusses some of the current trends and practices in AI and subsequently offers alternative theory for improvement in some of today’s prominent and widely accepted postulates. For this, focus on the structuring and functioning of a simple A.I. system - chatbots (or chatter bots) is made. The paper shows how current approach towards A.I. is not adequate and offers a new theory that discusses machine intelligence, throwing light to the future of intelligent systems.

본 연구는 도자공예에서 인공지능과 기계 기술이 적용된 다양한 사례를 정리·분석하였다. 구체적으로, 이미지 생성 기술을 활용한 도자 문양 디자인, 알고리즘 및 3D 프린팅을 통한 조형 혁신, 머신러닝 기반의 유약 조성 최적화 등이 이에 해당한다. 이러한 사례를 분석·정리한 결과, 인공지능 기술의 적용은 초기 도자 디자인 단계에서 다양한 창작 스타일 선택지를 제공할 수 있음이 확인되었다. 또한, 지능형 알고리즘의 활용은 도면 설계의 효율성을 높이고 예술적 표현의 다양성을 확장시켰으며, 기계 기술의 적용은 도자 작품에 특유의 공예적 표현 언어를 부여하여 문양과 조형의 예술성을 한층 강화하였다. 더불어, 디지털 기반의 머신러닝 알고리즘은 도자 작품 소성 후의 색채와 형태를 예측함으로써 창작자에게 보다 편리한 제작 조건을 제공하고, 실패율을 감소시키며, 도자공예의 창작 방법과 미학적 표현에 새로운 가능성을 부여하여 도자공예의 혁신과 발전을 촉진하였다. 아울러, 본 연구는 인공지능이 향후 도자 분야에서 발전할 수 있는 방향을 전망하며, 단순한 보조 도구를 넘어 창작 체계를재구성하는 시스템적 전환 가능성을 제시하였다. 또한, 디지털 문화와 소비 환경 속에서 도자공예가 창출할 수 있는 다양한 응용 장면을 설명하고, 인공지능과 기계 기술의 적용이 작품 스타일의 동질화를 초래할 수 있는 잠재적 위험성을 보다 구체적으로 지적하였다. 나아가 수공 제작과 기계 활용 간의 균형을 모색할 필요성을 제시하였다. 본 연구는 인공지능 기술과 도자공예의 융합이 지닌 발전 잠재력을 밝혀내고, 이러한 융합과 활용이 도자공예의 지속 가능한 발전 가능성을 넓힐 수 있음을 논증하였다.

This study organizes and analyzes a variety of cases in which artificial intelligence (AI) and mechanical technologies have been applied to ceramic art. Specifically, these include ceramic pattern design utilizing image generation technology, morphological innovations achieved through algorithms and 3D printing, and glaze formulation optimization based on machine learning. Through the analysis and compilation of such cases, it was confirmed that the application of AI technologies can offer diverse stylistic options during the initial ceramic design stage. Furthermore, the use of intelligent algorithms has enhanced the efficiency of blueprint design and expanded the diversity of artistic expression, while the application of mechanical technologies has endowed ceramic works with a distinctive craft-oriented expressive language, thereby enhancing the artistic quality of both patterns and forms. In addition, digital machine learning algorithms can predict the color and shape of ceramic works after firing, providing creators with more convenient production conditions, reducing failure rates, and injecting new possibilities into the creative methods and aesthetic expressions of ceramic art, thereby promoting innovation and development in the field. Moreover, this study explores potential future directions for AI in the ceramic sector, proposing its possible evolution from a simple auxiliary tool into a systemic force capable of restructuring the creative framework. It also illustrates the various application scenarios that ceramic art can generate within the context of digital culture and consumer environments, while more concretely identifying the potential risk of stylistic homogenization that may arise from the application of AI and mechanical technologies. Furthermore, it recommends the pursuit of a balance between manual production and the use of machines. This study demonstrates the developmental potential of integrating AI technologies into ceramic art, and argues that such integration and application can expand the possibilities for the sustainable development of ceramic craftsmanship.

배경 및 목적 본 연구에서는 데이터를 기반으로 다양한 서비스를 제공하는 AI 스피커가 고령화 시대에 노인층의 삶의 질 을 향상하는 지원 도구로서의 사회적 가치 실현 가능성을 예측하였다. 방법 머신러닝 기법 중 로지스틱 회귀분석(LR), K-최근접 이웃 분류(KNN), 의사 결정 나무(DT), 서포트 벡터 머 신(SVM) 그리고 랜덤 포레스트(RF) 알고리즘을 이용하여 사회적 가치 구현 예측에 대한 최적화된 모형을 도출하였다. 나아가, 그 최적화 모형에 따라 사회적 약자층과 일반 고령층으로 구분한 두 집단에서 삶의 질 향상의 영향 요인 차이를 탐색하여, 공공재로서 AI 스피커의 사회적 가치 창출과 지속에 필요한 효율적인 방 안을 제시하였다. 결과 연구 결과, 예측력이 가장 높은 알고리즘은 랜덤 포레스트였으며, 사회적 약자층에서는 AI 스피커의 정서적 인 지원 속성이, 일반 노령층에서는 기능적 지원 속성이 삶의 질 향상의 주요 요인으로 검증되었다. 논의 및 결론 본 연구는 AI 스피커가 공공의 사회적 가치 실현을 위해서는, 첫째 사용의 용이성을 증대하는 등 제품의 성능 을 지속적으로 향상시키고, 둘째 AI 스피커와 사회적 약자가 교감하는 정서적 지원을 제공하여야 한다는 실 무적인 시사점을 얻었다.

Objectives Artificial intelligence (AI) has emerged as a major industry. Among a variety of AI-based products, AI speakers have gained attention for their utility and showed rapid growth in the consumer Internet of Things (IoT) market. This study applied five machine learning algorithms to predict the possibility of socially responsible values of AI speakers as a tool of social support for improving the quality of life of the older generation. Methods The five machine learning algorithms were applied into the analyses of the this study. Results The results indicated that the random forest algorithm produced the most optimized prediction for improvements. In detail, the functional aspects helped to improve the quality of life of older people while the affective aspects influenced that of the weaker ones in the same way. Conclusions Several policy implications and practical insights were provided.

산업용 로봇으로부터 시작된 로봇에 관한 연구는 서비스 로봇에 대한 개념이 확산되면서 최근 폭발적으로 그 영역을 넓혀가고 있다. 또한, 인간과 함께 생활하는 서비스 로봇의 경우 로봇 스스로가 인간 및 환경을 이해하고 조작할 수 있어야 하므로 매우 높은 수준의 지능이 요구되고 있다. 이에 본 논문에서는 로봇의 지능이란 무엇인가라는 근본적인 문제에 대해 공학적인 측면에서 다루고자 한다. 구체적으로 기존의 개발된 로봇들을 통해 로봇의 지능을 구성하는 요소들을 분석해내고 이를 활용해 특정 로봇의 지능 수준을 측정하거나 또는 서로 다른 두 로봇 간의 지능들을 비교할 수 있는 척도에 대해 제시하고자 한다. 기존의 퍼지 적분 기반 기계 지능 측정법에서의 방법, 즉 Choquet 퍼지 적분과 Sugeno 퍼지 적분을 함께 사용함으로써 정량적/정성적인 판단을 동시에 진행하는 방법을 응용함으로써 인간의 IQ에 해당되는 로봇의 IQ 수치를 얻어낼 수 있게 된다.

Artificial intelligence (AI) and machine learning (ML) are anticipated to transform the practice of medicine. As one of the largest sources of digital data in healthcare, laboratory results can strongly influence AI and ML algorithms that require large sets of healthcare data for training. Embedded bias introduced into AI and ML models not only has disastrous consequences for quality of care but also may perpetuate and exacerbate health disparities. The lack of test harmonization, which is defined as the ability to produce comparable results and the same interpretation irrespective of the method or instrument platform used to produce the result, may introduce aggregation bias into algorithms with potential adverse outcomes for patients. Limited interoperability of laboratory results at the technical, syntactic, semantic, and organizational levels is a source of embedded bias that limits the accuracy and generalizability of algorithmic models. Population-specific issues, such as inadequate representation in clinical trials and inaccurate race attribution, not only affect the interpretation of laboratory results but also may perpetuate erroneous conclusions based on AI and ML models in the healthcare literature.

Acute care settings, including emergency medicine and intensive care units, comprise a substantial portion of healthcare and are essential in the prompt management of conditions that can prove fatal. Critical care conditions require timely management that can be delayed by high patient volumes and the need for complex clinical decision making. Artificial intelligence (AI) tools have been created to enhance diagnostic accuracy and optimize workflow to improve patient care. This narrative review discusses the current status of AI in acute care, with a focus on its applications in triaging and diagnosis. AI-enhanced electrocardiogram analysis, identification of myocardial infarction and acute coronary syndrome, and heart failure risk stratification led to better patient-specific management and improved results. AI models successfully determined and aided in the timely management of various acute conditions, including pneumonia, pulmonary embolism, and respiratory failure. The AI algorithms used accurately determined sepsis onset and course, superseding traditionally used clinical tools and leading to early diagnosis and reduced sepsis mortality. These models showed high sensitivity and specificity in diagnosing and triaging neurological conditions, including altered levels of consciousness, seizures, and intracranial hemorrhages. AI that involved advanced machine learning imaging software led to faster and more accurate stroke diagnosis. Diagnostic tools assisted by AI improved the detection and classification of acute pancreatitis, appendicitis, and gastrointestinal bleeding. AI has shown promising results in optimizing management in acute care settings. However, critical issues in data standardization, ethical considerations, and clinical workflow integration need to be addressed to enable clinical implementation.

Artificial intelligence (AI) is being applied across healthcare, including disease diagnosis, personalized treatment, and rehabilitation management. In urology, AI research has evolved from traditional machine learning to advanced deep learning and generative models. This review categorizes these developments into 3 primary domains. First, machine learning has been applied to mobile-based platforms for continuous urinary health monitoring and personalized healthcare. Second, deep learning-based diagnostic systems have improved the identification of conditions such as prostatic hyperplasia, ureteral strictures, and urinary stones, thereby supporting clinical decision-making. Finally, generative AI, including large language models and vision transformers, is reshaping medical image analysis through data augmentation and expanding patient education through natural language interactions. This review examines integrated applications of AI in urological diseases and discusses current research trends and future prospects for a digital healthcare ecosystem in urology.

본 논문에서는 머신러닝 플랫폼을 활용하여 STEAM 교육을 하는 인공지능 융합교육 프로그램이 초등학생의 융합인재소양과 학습몰입에 미치는 영향에 대해 분석하였다. 동질집단인 초등학교 6학년 44명을 실험집단과 통제집단으로 나누고 통제집단에는 일반 교과 융합 수업 10차시를, 실험집단에는 머신러닝 포 키즈(Machine learning for Kids)를 활용한 STEAM 기반 인공지능 융합 수업 10차시를 적용하였다. 인공지능 융합교육 프로그램은 2015 개정 교육과정의 목표, 성취기준 및 내용 요소를 분석하여 융합교육 프로그램 설계를 위한 교과목 및 수업 내용을 선정하였고, 소프트웨어 수업 모델, 다양한 교수·학습 전략 등을 활용한 교수·학습 과정안 및 학습지를 개발하였다. 융합인재소양 검사와 학습몰입 검사 결과, 실험집단과 통제집단 간에 유의미한 차이가 있는 것으로 나타났다. 특히 인공지능 기능을 확장시킨 코딩 환경이 학습자들의 몰입과 융합인재소양에 긍정적인 영향을 미친다는 것을 확인할 수 있었다. 융합인재소양의 하위 요소 중 융합, 창의 영역과 같은 개인적인 역량을 발휘하는 부분에서 유의미한 차이가 나타났으며, 학습몰입의 하위 요소 중 도전과 능력의 조화, 명확한 목표, 과제에 대한 집중, 자기 목적적 경험 영역에서 유의미한 차이가 나타났다. 추후 더욱 확장된 연구가 이루어진다면, 미래를 대비하는 더욱 효과적인 교육을 위한 기초 연구가 될 수 있을 것이다.

In this paper, the effect of artificial intelligence convergence education program that provides STEAM education using machine learning platform on elementary school students' STEAM literacy and learning flow was analyzed. A homogeneous group of 44 elementary school 6th graders was divided into an experimental group and a control group. The control group received 10 lessons of general subject convergence class, and the experimental group received 10 lessons of STEAM-based artificial intelligence convergence education using Machine learning for Kids. To develop the artificial intelligence convergence education program, the goals, achievement standards, and content elements of the 2015 revised curriculum to select subjects and class contents is analyzed. As a result of the STEAM literacy test and the learning flow test, there was a significant difference between the experimental group and the control group. In particular, it can be confirmed that the coding environment in which the artificial intelligence function is expanded has a positive effect on learners' learning flow and STEAM literacy. Among the sub-elements of convergence talent literacy, significant differences were found in the areas of personal competence such as convergence and creativity. Among the sub-elements of learning flow, significant differences were found in the areas such as harmony of challenge and ability, clear goals, focus on tasks, and self-purposed experiences. If further expanded research is conducted in the future, it will be a basic research for more effective education for the future.

Science and technology in the 21st century is accelerating the humanization of machines (artificial intelligence and humanoid) and the mechanization of humans (artificial prosthetics and human cloning) and allowing us to view humans and machines in successive spectra. There are many works in literature and movies that deal with both of them, inspired by Frankenstein’s creation in Mary Shelley’s Frankenstein . For the 20th and 21st centuries, Frankenstein has been reinterpreted and recreated as science developed. The novel Frankenstein began with “warning us about future developments” (Kellner 302) and has now evolved into cyberpunk fiction and movie. First of all, this paper will examine the limitation of Frankenstein’s creation in the process of his development into a human being, compared to an authentic human; next, in terms of literary and scientific imagination, attempt to shed new light on Frankenstein’s creation by comparing it with machine learning of artificial intelligence from a mechanical point of view; lastly, from the humanities point of view, try to discuss scientists’ ethical responsibility in the production process of artificial intelligence. This paper will specifically compare the learning process of Frankenstein’s creation with the machine learning of artificial intelligence, and try to present a direct link between Frankenstein’s intelligent being and artificial intelligence.

Objectives: The incidence of type 2 diabetes mellitus has increased significantly in recent years. With the development of artificial intelligence applications in healthcare, they are used for diagnosis, therapeutic decision making, and outcome prediction, especially in type 2 diabetes mellitus. This study aimed to identify the artificial intelligence (AI) applications for type 2 diabetes mellitus care. Methods: This is a review conducted in 2018. We searched the PubMed, Web of Science, and Embase scientific databases, based on a combination of related mesh terms. The article selection process was based on Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Finally, 31 articles were selected after inclusion and exclusion criteria were applied. Data gathering was done by using a data extraction form. Data were summarized and reported based on the study objectives. Results: The main applications of AI for type 2 diabetes mellitus care were screening and diagnosis in different stages. Among all of the reviewed AI methods, machine learning methods with 71% (n = 22) were the most commonly applied techniques. Many applications were in multi method forms (23%). Among the machine learning algorithms applications, support vector machine (21%) and naive Bayesian (19%) were the most commonly used methods. The most important variables that were used in the selected studies were body mass index, fasting blood sugar, blood pressure, HbA1c, triglycerides, low-density lipoprotein, high-density lipoprotein, and demographic variables. Conclusions: It is recommended to select optimal algorithms by testing various techniques. Support vector machine and naive Bayesian might achieve better performance than other applications due to the type of variables and targets in diabetes-related outcomes classification.

There is no agreed definition of intelligence. The ability to adapt to the environments is a kind of intelligence. Expert functionally recognize environment using their five senses, and acquire and memorize knowledge necessary for operating machines. Knowledge that they cannot acquire directly is acquired in indirect ways. The purpose of intelligence machines is applying to machines experts' knowledge acquisition process and their skills in operating machine. An agent is an autonomous process that recognizes external environment, exchanges knowledge with external machines and performs an autonomous decision-making function in order to achieve common goals. This paper describes agent application for intelligence machine.