표제지
목차
01. 인공지능 인프라의 정의와 분류 4
제1절 제도적 인프라의 필요성 5
제2절 사회적 인프라의 필요성 7
제3절 기술적 인프라의 필요성 8
02. 제도적 인프라 9
제1절 윤리 10
1. 배경 및 필요성 10
2. 국내ㆍ외 인공지능 윤리원칙과 거버넌스 20
3. 인공지능 윤리원칙 활성화 방안 49
제2절 법제도 51
1. 정부 법제도 규제 정비 현황 51
2. 법적 이슈와 쟁점 58
3. 윤리ㆍ법제도 주요 키워드별 활성화 방안 62
03. 사회적 인프라 66
제1절 사회안전을 위한 평등 67
1. 인공지능 공급자 관점의 평등 67
2. 인공지능 소비자 관점의 평등 72
3. 시사점 및 제언 83
제2절 고급인재양성 86
1. 배경 및 필요성 86
2. 해외의 AI 인력 양성 정책 사례 87
3. 인공지능(AI) 전문가 양성을 위한 우리나라의 노력 102
4. 고급인재 양성 정책에 대한 시사점 108
5. 고급인재 양성을 위한 정책 제언 110
제3절 국제협력 115
1. 배경 115
2. 왜 국제협력이 필요한가? 116
3. 국제협력의 종류와 사례 117
4. 국제협력의 핵심 분야 121
5. 국제 협력에 대한 시사점 123
6. 국제 협력을 위한 정책 제언 124
04. 기술적 인프라 128
제1절 정보기술 인프라 131
1. 소프트웨어 인프라 131
2. 하드웨어 인프라 158
제2절 데이터 168
제3절 보안 180
1. 보안의 유형 180
2. 인공지능을 활용한 보안(AI for Security) 181
3. 인공지능을 위한 보안(Security of AI) 193
[참고] 참고 문헌 및 사이트 203
판권기 209
표 1. 인공지능 신뢰성 관련 위협 요인 10
표 2. 사람이 중심이 되는 인공지능 윤리기준 3대 기본원칙 22
표 3. 사람이 중심이 되는 인공지능 윤리기준 10대 핵심 요건 23
표 4. 인공지능 윤리기준 실천을 위한 핵심 요건 별 점검항목 수 25
표 5. 초거대 AI 경쟁력 강화방안 25
표 6. 인공지능(AI) 개인정보보호 자율 점검표 27
표 7. 인공지능 관련 이슈의 대응 방안 28
표 8. 인공지능 기반 미디어 추천 서비스 이용자 보호 기본 핵심 3원칙 29
표 9. 인공지능 기반 미디어 추천 서비스 이용자 보호 기본 실행원칙 30
표 10. (사)인공지능윤리협회가 발표한 '인공지능 윤리 현장' 31
표 11. (사)인공지능윤리협회가 발표한 '디지털 휴먼 윤리 가이드라인' 33
표 12. 한국인공지능윤리학회 공동학술대회의 주요 연구 34
표 13. 한국인터넷윤리학회의 주요 연구 35
표 14. 신뢰할 수 있는 AI를 위한 윤리지침 7가지 핵심 요구사항 37
표 15. 유네스코 인공지능 윤리권고의 내용 38
표 16. 버크만 센터의 인공지능 윤리 키워드 분석 결과 40
표 17. 인공지능 혁신을 위한 10대 규칙 원칙 41
표 18. 네이버 인공지능 윤리준칙 44
표 19. 카카오의 윤리현장 46
표 20. 삼성전자 인공지능 윤리원칙 48
표 21. 인공지능 윤리기준 키워드 분석 50
표 22. (제목없음) 52
표 23. (제목없음) 53
표 24. (제목없음) 53
표 25. (제목없음) 54
표 26. (제목없음) 54
표 27. (제목없음) 55
표 28. (제목없음) 55
표 29. (제목없음) 56
표 30. (제목없음) 56
표 31. (제목없음) 61
표 32. (제목없음) 62
표 33. (제목없음) 62
표 34. 디지털 격차의 단계별 유형 및 개념 72
표 35. 인공지능과 인간 간 인터페이스 유형 및 제공 장치 분류 74
표 36. 산업분야 별 인공지능 도입 사례 및 노동시장 영향도 예상 79
표 37. 인공지능 신뢰 확보를 위한 요건 83
표 38. '인공지능 국가 이니셔티브'의 AI 인재 양성 90
표 39. 차세대 AI 발전계획의 인력양성 부분 92
표 40. AI 발전을 위한 대학의 핵심 역할 93
표 41. '통합 혁신 전략 추진 회의'의 AI 인재 양성 정책 95
표 42. 'AI 전략 2019'의 AI 인재 양성 정책 96
표 43. '영국 AI 산업 발전'의 AI 전문역량 공급 개선을 위한 6개 권고사항 97
표 44. '산업 전략-AI 분야 합의안'의 인재 양성 방안 98
표 45. '영국의 AI: 준비, 의지, 가능성'의 인재 양성 방안 99
표 46. 'AI 국가전략'의 인력 확보 정책 99
표 47. 딥러닝 프레임워크 비교 134
표 48. 대표적인 딥러닝 프레임워크 비교 135
표 49. 주요 기업별 주요 언어 모델과 생성 AI 142
표 50. 독점 모델과 오픈소스 모델의 장단점 비교 147
표 51. 투명성 기술도구의 기능과 AI 신뢰성 구성요소의 대응 155
표 52. 미국-유럽연합 무역기술위원회의 중단기 로드맵 156
표 53. 인공지능 반도체 세대별 유형 및 사례 162
표 54. 인공지능 사업 운영상 AI 인프라(컴퓨팅) 부족으로 느끼는 애로사항 164
표 55. 모델 중심 접근과 데이터 중심 접근에 따른 정확도 비교표 168
표 56. AI 국가전략중 AI 인프라 확충 방안 171
표 57. 주요 인공지능 관련 사업 현황 173
표 58. 산업별 합성데이터 활용 사례 178
표 59. 국내외 지능형 통합보안관제 서비스 사례 184
표 60. 네트워크 침입탐지 시스템의 유형 186
표 61. 악성코드 침해사고 방지 기술 188
표 62. 사회 공학적 해킹의 유형과 대응 방안 악성코드 침해사고 방지 기술 191
표 63. 백도어 공격을 평가하는 지표 197
표 64. 머신러닝 모델의 보안 위협 유형과 대응방안 199
그림 1. PredPol 홈페이지에서 설명하는 효과적인 순찰 자원 할당이 가능한 자료 제시 12
그림 2. 구글 비전 출력 결과 13
그림 3. 기계학습에서 편향성을 발생시키는 주요 요인 14
그림 4. GAN 모델에 의한 이미지 생성의 진화 15
그림 5. Ukrayina 24 방송 네트워크의 해킹된 웹사이트에 나타난 딥페이크 영상 사진 15
그림 6. ChatGPT를 사용하여 다크웹 마켓플레이스 스크립트를 사용하는 위협 행위자 16
그림 7. 도미노피자의 '돔 피자 체커' 인공지능 설명 19
그림 8. 지능정보사회 윤리 가이드라인중 4PACT 20
그림 9. 인공지능 국가전략 발표 중 사람중심의 인공지능 구현 방안 21
그림 10. 사람이 중심이 되는 인공지능 윤리기준 22
그림 11. 초거대 AI 경쟁력 강화방안 26
그림 12. 국가별 인공지능 윤리 주제 분포도 36
그림 13. 마이크로소프트의 책임감 있는 인공지능(AI) 원칙 42
그림 14. 구글의 AI Test Kitchen의 리스크 평가 프레임워크 43
그림 15. 구글의 인공지능(AI) 원칙 거버넌스 전략 44
그림 16. 카카오의 인공지능(AI) 윤리 홈페이지 46
그림 17. LG AI 윤리원칙 47
그림 18. 인공지능 법제도 규제 정비 로드맵의 목표 및 기본 방향 51
그림 19. 정보취약계층 디지털정보화 수준 73
그림 20. 애플, 메타의 MR 디바이스 비교 75
그림 21. ChatGPT 사용 전/후의 생산성 및 정확도 비교 75
그림 22. 산업별 AI 채택 현황 77
그림 23. 생성AI의 일자리 대체영향(미국 기준), AI 자동화로 인한 업종별 직업 대체 비율 78
그림 24. GDP 상위 12개국의 AI 일자리 수요 86
그림 25. 미국 내 AI 일자리 수요 87
그림 26. 국내 인공지능 종사자 수 87
그림 27. AI인재 양성에 대한 내용이 포함된 2016년 오바마 정부의 AI 보고서 88
그림 28. 트럼프 행정부 'AI for the American People'의 인재양성 정책 89
그림 29. 국내 AI 인재 부족 전망 102
그림 30. 인공지능대학원 사업 선정 현황 104
그림 31. SW중심대학 사업 선정 현황 107
그림 32. OECD AI 연구 네트워크 115
그림 33. 인공지능 기술적 인프라 구성요소 129
그림 34. 딥러닝 관련 오픈소스 역사 및 발전 132
그림 35. 전 세계 기준, 최근 5년간 딥러닝 프레임워크 구글 검색 트렌드 136
그림 36. 미국 기준, 최근 5년간 딥러닝 프레임워크 구글 검색 트렌드 136
그림 37. 인공지능 개념도 137
그림 38. 트랜스포머 모델의 구조와 예시 140
그림 39. 트랜스포머 인코더 구조 140
그림 40. 트랜스포머 디코더 구조 141
그림 41. A foundation model can centralize the information from all the data from various modalities. This one model can then be adapted to a wide range of downstream tasks 143
그림 42. 파운데이션 모델의 발전사 145
그림 43. GPT4와 메타의 초거대언어모델 비교 146
그림 44. 기업독점형 모델과 오픈소스 모델의 예시 149
그림 45. 국제 인공지능 표준화(ISO/IEC JTC1/SC42) 조직 구성도 151
그림 46. 경량화 LLM 기술개념도 152
그림 47. 스테빌리티닷에이아이 로고 153
그림 48. AI 성숙도 모델 기반의 개발 프로세스 157
그림 49. 인공지능(AI) 반도체 기술진화 160
그림 50. AI반도체 시장 규모 전망 161
그림 51. 인공지능 반도체의 유형 및 특징 161
그림 52. 엔비디아의 성능 향상 162
그림 53. 머신러닝 서비스 개발생명주기에 따른 GPU 사용 166
그림 54. 온프레미스 데이터센터와 퍼블릭 클라우드의 보안 정책 비교 167
그림 55. 인공지능 사업 운영상의 애로사항 169
그림 56. 인공지능 학습용 데이터 확보 방식(복수응답) 169
그림 57. '데이터 확보 → 알고리즘 학습(컴퓨팅) → 검증' One-Stop 지원 플랫폼 구성안 171
그림 58. 정보 전용 초거대 AI 개념도 172
그림 59. 데이터플랫폼 기반의 개인 데이터 참여와 보상의 선순환 175
그림 60. 연합학습모델의 개념도 176
그림 61. 실제 데이터 기반의 합성 데이터 생성 절차 177
그림 62. NVIDIA 옴니버스에서 차량용 합성 데이터를 생성하는 절차 178
그림 63. 가트너의 합성 데이터 사용 예상 179
그림 64. '인공지능과 보안의 관계'를 DALL-E 2를 이용하여 생성한 그림 180
그림 65. 인공지능을 보안의 관점에서 바라보는 2가지 유형 181
그림 66. 전문 분야별 충원(보완)이 필요한 정보보호 인력 183
그림 67. 네트워크 기반 침입탐지 시스템의 구조 185
그림 68. 세계 콘텐츠 시장규모 및 전망, 2017-2026 189
그림 69. 인공지능 모델 개발 생명주기 195
그림 70. 학습용 데이터세트에 공격자가 악의적인 데이터를 주입하는 포이즌닝 공격 196
그림 71. 회피 공격(Evasion attack)의 개념 197
그림 72. 모델 도치(Model inversion) 공격의 동작 원리 198