최신 Flashcards
디지털 전환 촉진 AI 기술
[디지털 전환 개념] ICT 기술을 활용, 기업의 비즈니스 운영 방식 및 고객 제공 가치를 근본적으로 변화시키는 혁신 전략
[AI 기술 역할] 자동화, 최적화(개인화, 학습 기반 예측의 의사결정 지원)
* 초거대 AI 등장으로 인간과 유사한 사고 및 작업 처리 가능 AI 등장
[디지털 촉진 AI 기술]
<자동화 기반의 효율성, 운영성 향상 기술>
- 업무 생산성 : IPA 기반 업무 자동화(프로세스 마이닝), Cobots 기반 공정 개선(협동 로봇)
- 시스템 운영성 향상 : AIOps 기반 운영 자동화 (기계학습 기반 IT 운영 플랫폼 관리), SOAR 기반 예측 관제(사이버 보안 메시)
<최적화 기반의 제공 가치, 혁신 대응성 향상 기술>
- 사용자 경험 향상 : AI-Driven 개인화(고객 행동 분석), 챗봇 기반 CX 향상(NLP, 감성분석)
- 혁신대응 적시성 : AI 거버넌스 프레임워크(AI 기반 전략,기술 관리 체계화), 가상융합 플랫폼(디지털트윈, 메타버스)
* AlaaS 확산으로 구현 용이, 단 문제 발생시 위험 파악이 어려운 AI 기술 특성상 안전성 고려 필요
AI 실생활 서비스 사용시 문제점 및 해결 방안
[리드] 지능정보사회 전환 위한 핵심기술, AI 확산 배경
[AI 확산 배경]
- 지식정보사회 전환 위한 국가정보화 패러다임 확산
- 데이터 경제 확산 및 딥러닝, 뉴로모픽 컴퓨팅 등 활용 기술 향상
[이슈]
1. 정보 편향, 불투명성 (편향에 의한 차별, 불투명성/설명 불가능성)
- AI 생명주기 검증 체계 구축 (편향성 검증, 전처리 단계 자동화, 자기지도 학습 모델)
- 설명 가능성 확보 : XAI 기반 모델, 텐서플로등 공개 플랫폼 사용, Chalenger 모델로 병행
2. 프라이버시 및 보안 침해 (프라이버시 침해, 보안 침해)
- 비식별 조치 및 데이터 주권강화 : 동형암호화, 양자 암호화, DID 기반 자기신원증명
- 보안 거버넌스 구축 : ISO 27001 기반 기업 정보보안 거버넌스, ISO 8000(데이터 품질), ISO 25000 기반 데이터 품질 관리
3. 해킹에 의한 오동작 (판별 결과 조작, 모델 해킹)
- 데이터 공격 저항성 강화 : 적대적 훈련, 단계별 AI 성능 평가
- 모델 추정 정보 암호화 : 차분 프라이버시 활용, 쿼리 횟수 제한, 질의 결과 변화량 제한
4. AI 책임 및 윤리 문제 (법적 책임 모호, AI 윤리 기준 모호)
- 합리적 배상 체계 구축 : 보험제도 도입, AI 관련 사업자 책임 범위 명확화
- AI 윤리 기준 정립 : 윤리 규정을 토한 투명성 확보, 글로벌 기준과 정합성 갖춘 범 국가적 AI 윤리 기준 수립
초자동화(하이퍼오토메이션)
[리드] 기업의 회복 탄력성
[정의] AI와 RPA를 기반으로 최대한 많은 비즈니스 프로세스를 신속하게 찾아내고 검증 자동화를 추진하는 접근법
[등장배경] 기업의 회복 탄력성 부각, 업무 자동화 확대
[기술요소]
- RPA : 데이터 수집, 자동화 스크립트
- 프로세스마이닝 : 업무 분석, 모델링
- AI 플랫폼 : 자연어처리, OCR/ICR(딥러닝 기반 문자 및 문서 인식)
- Potal/배포 : 대시보드, 서비스 스케줄링
[차별화] 도입전략
- 표준화 및 상화 운영성 확보 → 프로세스 원격관리 및 제어 → 자동화 프로세스 운영
데이터 전처리시 결측값, 이상값
[결측값]정보의 손실, 연구대상의 탈락, 연구대상의 무응답 등으로 관측되어야 할 값을 얻지 못한 데이터
[종류]-완전 무작위(MCAR)
-무작위(MAR)
-비무작위(NMAR)
[결측치 처리방법]-제거법, 단순대치법,다중대치법
[이상값]각 변수의 분포에서 비정상적으로 분포를 벗어나는 극단적인 값
[이상값 검출 방법]
-통계기법 활용, 시각화활용, 머신러닝 기법 활용
[이상값 처리 방법]-삭제, 변환, 대체
베이지안 최적화
[정]목적 함수의 표현식을 명시적으로 알지 못하면서 (Black Box Function)가능한 적은 수 입력 값 후보들에 대해서 Acquisition Function과 Surrogate Function 활용, 최적화된 Hyperparameter 값을 찾아주는 기법
[구]1.surrogate function:-가우시안 프로세스:연속적 입력에 대해 정규 분포를 가정하는 확률 모델
-확률적 추정:기존 입력값을 활용하여 목적함수 확률적 추정 수행
2.Acquisition function:-POI:현재까지 관측된 최소값보다 더 좋은 결과를 얻을 확률을 최대화하는 입력값을 찾는데 사용
-EI:현재까지의 최적해 기반 새로운 샘플의 기대치를 최대화하는 입력값을 선택
-UCB:평균 추정치와 불확실성을 모두 고려하여 새로운 평가 지점을 선택
하이퍼파라미터 최적화 기법
1.베이지안 최적화:Surrogate, Acquisition, 불확실성과 예측값 조화
2.Grid Search:그리드에 속한 모든 조합 비교 평가, 일반화 성능
3.Random Search:랜덤하게 입력, 이후 정해진 그리드 사이 위치 값으로 확률적 계산
