본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

목차

발간사 3

요약 15

제1장 서론: 연구의 목적 35

제1절 연구 배경 35

1. 인공지능의 부상 35

2. 한국의 낮은 위상 37

제2절 연구 목적 및 프레임워크 38

제2장 인공지능 기술 리뷰 및 중요도/성숙도 분석 40

제1절 인공지능의 개념 및 역사 40

1. 인공지능이란 무엇인가 40

2. 굴곡의 역사를 거쳐 온 인공지능 43

제2절 인공지능 기술 동향 및 분류체계 46

1. 주요 인공지능 알고리즘 46

2. 기계학습 및 심층 신경망(deep learning) 59

3. 컴퓨팅 및 데이터 66

4. 인공지능 기술 분류체계(안): 알고리즘 관점 70

제3절 인공지능 기술 중요도/성숙도 분석 87

1. 인공지능 기술 수준진단 관련 기존문헌 연구 87

2. 인공지능 기술 중요도/성숙도 분석 90

3. 분석종합 및 시사점 92

제3장 인공지능 기업 생태계 및 경쟁력 분석 96

제1절 주요 기업 연구개발 및 제품/서비스 동향 96

1. 구글 96

2. 아마존 101

3. 페이스북 103

4. 마이크로소프트 105

5. IBM 108

6. 엔비디아 112

7. 바이두 115

8. 알리바바 119

9. 텐센트 122

10. 삼성전자 125

11. SK텔레콤 128

12. 네이버 132

13. 분석종합 및 시사점 136

제2절 주요 기업 경쟁력 분석 145

제4장 핵심 응용분야 별 인공지능 활용 시나리오 분석 152

제1절 개요 152

제2절 인공지능 제품 및 서비스 사용자 경험 사이클 수립 154

1. 스마트홈 154

2. 자율주행차 158

3. 핀테크 165

4. 디지털 헬스케어 170

5. 상거래 175

제3절 소비자 pain point 및 기술적 대응방안 분석 180

1. 스마트홈_음성 정보검색 180

2. 스마트홈_기기 제어 184

3. 자율주행차_일반 차량 주행 186

4. 자율주행차_대중교통(시내버스) 주행 189

5. 핀테크_로보어드바이저 191

6. 핀테크_P2P 대출 194

7. 디지털 헬스케어_진단 보조 196

8. 디지털 헬스케어_웨어러블 건강관리 199

9. 상거래_온라인 쇼핑 202

10. 상거래_무인 오프라인 매장 204

11. 분석종합 및 시사점 206

제5장 인공지능 관련 혁신정책 개선 방안 208

제1절 국내 인공지능 연구개발(R&D) 전략 및 사업 동향 209

1. 주요 인공지능 정책 209

2. 인공지능 핵심 기술 관련 R&D 사업 214

3. 인공지능 융합과제(과학기술정보통신부, 산업통상자원부 등) 217

4. 인공지능 관련 학술 및 인력양성 프로그램 220

제2절 해외 주요국 인공지능 전략 225

1. 미국 225

2. 일본 231

3. 중국 234

제3절 우리나라 인공지능 혁신정책 개선 방향 237

1. 연구개발 포트폴리오 측면 237

2. 연구개발 방식 측면 248

3. 규제 개선 측면 254

참고문헌 259

[부록] 280

인공지능 기술 중요도/성숙도 및 기업 역량 분석 설문 280

User pain points with artificial intelligence(AI) 286

Summary 298

판권기 2

표목차

〈표 2-1〉 인공지능에 대한 다양한 정의 41

〈표 2-2〉 오류 역전파 알고리즘 63

〈표 2-3〉 컨테이너와 서버 가상화 비교 67

〈표 2-4〉 인공지능과 관련된 학문영역 70

〈표 2-5〉 국내ㆍ외 주요기관에서 제시한 인공지능 기술 분류체계 목록 71

〈표 2-6〉 Waltz, D.(2006)의 인공지능 기술 분류 72

〈표 2-7〉 스튜어드 러셀ㆍ피터 노빅(2016)의 인공지능 기술 분류 73

〈표 2-8〉 Tractica(2015)의 인공지능 기술 분류 75

〈표 2-9〉 Mills, M.(2016)의 인공지능 기술 분류 75

〈표 2-10〉 곽현 외(2016)의 인공지능 기술 분류 77

〈표 2-11〉 특허청(2017)의 인공지능 기술 분류 78

〈표 2-12〉 인공지능 기술 분류체계(안) 전문가 자문단 81

〈표 2-13〉 인공지능 기술 분류체계(안): 알고리즘 관점 83

〈표 2-14〉 인공지능 기술 분류체계(안) 기준 주 활용 분야 86

〈표 2-15〉 주요국의 인공지능 기술 산업화 수준 비교 89

〈표 2-16〉 주요국의 인공지능 기술 상대적 수준 비교 89

〈표 2-17〉 기술 중요도/성숙도 평가 항목 90

〈표 2-18〉 기술 중요도/성숙도 조사 참여 연구자 소속기관 91

〈표 3-1〉 2012-2017년 구글이 인수/투자한 인공지능 기업 97

〈표 3-2〉 구글의 인공지능 연구개발 조직 99

〈표 3-3〉 2012-2017년 아마존이 인수/투자한 인공지능 기업 102

〈표 3-4〉 아마존의 인공지능(알렉사) 연구개발 조직 102

〈표 3-5〉 AWS를 통해 제공되는 인공지능 서비스 103

〈표 3-6〉 2012-2017년 페이스북이 인수한 인공지능 기업 104

〈표 3-7〉 페이스북 인공지능 연구개발 조직 105

〈표 3-8〉 인공지능을 활용하고 있는 마이크로소프트 제품 106

〈표 3-9〉 2012-2017년 마이크로소프트가 인수/투자한 인공지능 기업 107

〈표 3-10〉 마이크로소프트 인공지능 연구소 조직 및 연구 분야 107

〈표 3-11〉 2012-2017년 IBM이 인수/투자한 인공지능 기업 111

〈표 3-12〉 인공지능 관련 IBM 연구소 현황 111

〈표 3-13〉 2012-2017년 엔비디아가 인수/투자한 기업 114

〈표 3-14〉 엔비디아의 자율주행차 개발 협력 현황 114

〈표 3-15〉 바이두 주요 인공지능 제품 및 서비스 115

〈표 3-16〉 2014-2017년 바이두가 인수/투자한 주요 인공지능 기업 116

〈표 3-17〉 바이두 인공지능 연구소 및 연구 분야 117

〈표 3-18〉 바이두 인공지능 서비스 분류 117

〈표 3-19〉 알리바바 주요 인공지능 제품 및 서비스 119

〈표 3-20〉 알리바바 이티 브레인(ET Brain) 기반 서비스 120

〈표 3-21〉 2016-2018년 알리바바가 인수/투자한 주요 인공지능 기업 121

〈표 3-22〉 알리바바 인공지능 연구소 및 연구 분야 121

〈표 3-23〉 텐센트 주요 인공지능 제품 및 서비스 122

〈표 3-24〉 2016-2018년 텐센트가 투자한 인공지능 기업 122

〈표 3-25〉 텐센트 인공지능 연구소 및 연구 분야 124

〈표 3-26〉 삼성전자 국내외 인공지능 연구소 현황 127

〈표 3-27〉 SK텔레콤 AI기술본부 주요 실적 130

〈표 3-28〉 네이버랩스의 주요 프로젝트 현황 133

〈표 3-29〉 클로바 AI 리서치 주요 연구 분야 134

〈표 3-30〉 2012-2017년 M&A 상위 5개 기업의 인수 기업 및 기술 적용 사례 136

〈표 3-31〉 주요 기업별 인공지능 개발자 플랫폼 오픈소스화 시기 138

〈표 3-32〉 미중 인공지능 연구개발 역량 비교 140

〈표 3-33〉 2010-2015년 인공지능발전협회(AAAI) 국가별 발표 논문 수 141

〈표 4-1〉 소비자 pain point 유형화의 이론적 근거 154

〈표 4-2〉 스마트홈 발전 추세 154

〈표 4-3〉 인공지능의 금융 산업 적용 사례 165

〈표 4-4〉 헬스케어 분야 주요 인공지능 기술 171

〈표 4-5〉 음성 정보검색 시 pain point 해소를 위한 인공지능 기술 분석 183

〈표 4-6〉 기기 제어 시 pain point 해소를 위한 인공지능 기술 분석 185

〈표 4-7〉 일반 차량 주행 시 pain point 해소를 위한 인공지능 기술 분석 188

〈표 4-8〉 대중교통 주행 시 pain point 해소를 위한 인공지능 기술 분석 190

〈표 4-9〉 로보어드바이저 이용시 pain point 해소를 위한 인공지능 기술 분석 193

〈표 4-10〉 P2P대출 이용시 pain point 해소를 위한 인공지능 기술 분석 196

〈표 4-11〉 진단 보조 이용 시 pain point 해소를 위한 인공지능 기술 분석 198

〈표 4-12〉 웨어러블 건강관리 시 pain point 해소를 위한 인공지능 기술 분석 201

〈표 4-13〉 온라인 쇼핑 시 pain point 해소를 위한 인공지능 기술 분석 204

〈표 4-14〉 무인 오프라인 매장 이용 시 pain point 해소를 위한 인공지능 기술 분석 206

〈표 5-1〉 SW컴퓨팅산업원천기술개발 사업 내 주요 인공지능 과제 214

〈표 5-2〉 SW컴퓨팅산업원천기술개발 사업 내 인공지능 HW 개발 과제 214

〈표 5-3〉 지능정보 플래그십 프로젝트 과제 및 수행기관 215

〈표 5-4〉 국가전략프로젝트의 AI 공통 플랫폼 분야별 고도화 목표 216

〈표 5-5〉 2017년 인공지능 국가전략 프로젝트 신규 과제 216

〈표 5-6〉 「2018년도 로봇-인공지능 융합 기술개발 과제 공고」 주요 내용 219

〈표 5-7〉 인공지능 관련 SW스타랩 현황 220

〈표 5-8〉 인공지능 관련 선도연구센터 과제목록(2017년 8월 기준) 221

〈표 5-9〉 2018년 인공지능/빅데이터 분야 신규 선정과제(소재 포함) 222

〈표 5-10〉 품목 지정 9개 공모 분야 223

〈표 5-11〉 산업별 빅데이터 구축 방안 241

〈표 5-12〉 국가별 센서 기술 수준 247

〈표 5-13〉 최근 캐나다에 설립된 글로벌 기업들의 인공지능 연구소 252

〈표 5-14〉 지능정보사회 윤리 가이드라인의 개발자 대상 세부 지침 257

〈표 5-15〉 정책 제언과 주요 연구 내용 관계 요약 258

그림목차

[그림 1-1] 한국과 주요국의 인공지능 기술수준 비교 37

[그림 1-2] 연구 프레임워크 39

[그림 2-1] 인공지능 구성기술 46

[그림 2-2] 규칙 기반 모델의 구조 47

[그림 2-3] SVM 최대 마진 분류기 48

[그림 2-4] Gaussian Kernel을 활용한 SVM 분류기 49

[그림 2-5] k-means clustering 학습 과정 50

[그림 2-6] HMM의 형식 모형 51

[그림 2-7] RL의 작동 개념도 53

[그림 2-8] CNN의 아키텍처 54

[그림 2-9] RNN의 아키텍처 56

[그림 2-10] DRL의 작동원리 57

[그림 2-11] 알파고의 DRL 적용 사례 57

[그림 2-12] GAN 활용 사례: 이미지 복원 58

[그림 2-13] 인공지능 기계학습 기술의 범용성 59

[그림 2-14] 단층 퍼셉트론의 구조 60

[그림 2-15] 다층 퍼셉트론의 구조 62

[그림 2-16] XAI의 개념도 65

[그림 2-17] Google의 AutoML 개념도 65

[그림 2-18] 클라우드 컴퓨팅 개념도 66

[그림 2-19] 빅데이터 구성도 68

[그림 2-20] 하둡(2.0 버전)과 스파크의 스택(stack) 구조 70

[그림 2-21] 지능형 에이전트 개념도 80

[그림 2-22] CNN을 활용한 이미지 생성 예 84

[그림 2-23] 구글의 관계형 추론(relational network) 개념도 85

[그림 2-24] 가트너(Gartner) 인공지능 하이프 사이클 및 S곡선 88

[그림 2-25] 인공지능 기술이 인간을 능가하는 시기 88

[그림 2-26] 기술 중요도/성숙도 분석 결과 92

[그림 2-27] 심정지 및 사망 위험도 예측 시스템 뷰노메드 DEWS 94

[그림 3-1] 구글의 주요 인공지능 활용 서비스 및 제품 97

[그림 3-2] 구글 및 주요 기업, 국가들의 인공지능 연구개발 규모(2015년) 99

[그림 3-3] 사람(좌)과 인공지능(우)이 설계한 기계학습 알고리즘 100

[그림 3-4] 아마존 에코 제품군 101

[그림 3-5] 페이스북 10년 로드맵 104

[그림 3-6] FAIR가 공개한 연구개발 성과 105

[그림 3-7] IBM 왓슨 응용 사례 109

[그림 3-8] 기존 반도체와 뉴로모픽칩 비교 및 IBM 트루노스 구조 110

[그림 3-9] CPU와 GPU 구조 비교 112

[그림 3-10] 엔비디아 GPU 적용 분야 113

[그림 3-11] 바이두 아폴로 프로젝트 협력 생태계 118

[그림 3-12] 텐센트 헬스케어 분야 파트너십 및 투자 기업 125

[그림 3-13] 2017년 삼성개발자대회(SDC)에서 공개된 신기술 126

[그림 3-14] SK텔레콤 중장기전략 128

[그림 3-15] SK텔레콤 홀로박스 129

[그림 3-16] 네이버 주요 사업조직 132

[그림 3-17] 미중 인공지능 특허 수 비교 140

[그림 3-18] 미중 인공지능 분야별 기업 수 분포 144

[그림 3-19] 주요 기업 이미지ㆍ영상 인식/분석 기술 및 제품/서비스 역량 145

[그림 3-20] 주요 기업 신호 인식/분석 기술 및 제품/서비스 역량 146

[그림 3-21] 주요 기업 텍스트ㆍ언어 인식/분석 기술 및 제품/서비스 역량 146

[그림 3-22] 주요 기업 데이터 보유/처리 기술 및 제품/서비스 역량 147

[그림 3-23] 주요 기업 컴퓨팅 기술 및 제품/서비스 역량 148

[그림 3-24] 주요 기업 인공지능 기술 및 제품/서비스 역량 비교 148

[그림 3-25] 국가별 5대 인공지능 기술 및 제품/서비스 역량 종합 149

[그림 4-1] 핵심 응용분야 별 인공지능 활용 시나리오 분석 프로세스 153

[그림 4-2] 주요 기업들이 출시한 지능형 개인비서 기기 155

[그림 4-3] 음성 정보검색 사용자 경험 사이클 156

[그림 4-4] 기기 제어 사용자 경험 사이클 158

[그림 4-5] 자율주행차의 개념: 기존 자동차와 작동원리 비교 및 주요 사례 159

[그림 4-6] 자율주행의 레벨 및 완전 자율주행의 개념 160

[그림 4-7] 일반 차량 주행 사용자 경험 사이클 161

[그림 4-8] 대중교통(시내버스) 주행 사용자 경험 사이클 164

[그림 4-9] 로보어드바이저 사용자 경험 사이클 167

[그림 4-10] P2P 대출 사용자 경험 사이클 169

[그림 4-11] 진단보조 사용자 경험 사이클 172

[그림 4-12] 웨어러블 건강관리 사용자 경험 사이클 174

[그림 4-13] 유통산업의 발전 개념도 176

[그림 4-14] 온라인 쇼핑 사용자 경험 사이클 177

[그림 4-15] 무인 오프라인 매장 사용자 경험 사이클 179

[그림 4-16] 음성 정보검색 시 소비자 pain point 및 체감 수준 181

[그림 4-17] 알고리즘 개선으로 성능 향상이 가능한 음향 모델링 및 언어 모델링 182

[그림 4-18] 기기 제어 시 소비자 pain point 및 체감 수준 184

[그림 4-19] 일반 차량 주행 시 소비자 pain point 및 체감 수준 186

[그림 4-20] 현대자동차의 4단계 자율주행 적용 차량 NEXO 및 웰니스 케어 화면 187

[그림 4-21] 대중교통(시내버스) 주행 시 소비자 pain point 및 체감 수준 189

[그림 4-22] 로보어드바이저 이용 시 소비자 pain point 및 체감 수준 191

[그림 4-23] 인공지능 기반 로보어드바이저 자산관리 개념 192

[그림 4-24] P2P대출 이용 시 소비자 pain point 및 체감 수준 194

[그림 4-25] 8퍼센트 챗봇 '에이다'의 상담모습 195

[그림 4-26] 진단 보조 이용 시 소비자 pain point 및 체감 수준 197

[그림 4-27] 웨어러블 건강관리 시 소비자 pain point 및 체감 수준 199

[그림 4-28] 핏빗(Fitbit) Charge2, Versa, Ionic 제품 200

[그림 4-29] 온라인 쇼핑 시 소비자 pain point 및 체감 수준 202

[그림 4-30] 무인 오프라인 매장 이용 시 소비자 pain point 및 체감 수준 205

[그림 5-1] 혁신정책 개선 방안 도출 프레임워크 208

[그림 5-2] 인공지능 R&D 전략 주요 내용 및 로드맵 210

[그림 5-3] 전략 투자 분야 중 인공지능 핵심 기술 211

[그림 5-4] 혁신성장 전략 투자 방향 주요 내용 및 로드맵 212

[그림 5-5] 소프트웨어 일자리 창출 전략 주요 과제 213

[그림 5-6] 미국 국가 인공지능 R&D 전략계획 구조 227

[그림 5-7] 미국 국가 인공지능 R&D 전략계획의 7대 실천계획 228

[그림 5-8] 일본의 인공지능 산업화 로드맵 233

[그림 5-9] 엑소브레인 응용 및 활용 분야 238

[그림 5-10] '신호 인식/분석 연구개발 투자 규모 및 범위 확대' 제안 과제 240

[그림 5-11] 우리나라 공공데이터 개방지수 및 대용량 데이터셋 제공 순위 240

[그림 5-12] '양질의 데이터셋 구축 및 공유 확대' 제안 과제 243

[그림 5-13] 뇌연구분야와 인공지능 연계 가능 분야 244

[그림 5-14] '기초학문 연구 범위 확대 및 교육 강화' 제안 과제 245

[그림 5-15] 인공지능 R&D 전략의 'AI+타 기술 분야 혁신 방안' 개선안 246

[그림 5-16] 중국 바오우강철의 新일체양익 전략 248

[그림 5-17] '인공지능 기반 국가 주력산업 고도화를 국가 전략화' 제안 과제 248

[그림 5-18] 하향식(top-down)ㆍ상항식(bottom-up) 연구개발 해외 사례 250

[그림 5-19] '하향식 원천ㆍ기초 연구개발과 상향식 응용 연구개발의 조화' 제안 과제 250

[그림 5-20] 인공지능 브레인랩 조성 방안 251

[그림 5-21] '개방형 글로벌 연구 네트워크 구축 및 우수 인재 이탈 방지(retention) 방안 수립' 제안 과제 253

[그림 5-22] My data 개요 255

[그림 5-23] '데이터 활용성 제고를 위한 제도 개선' 제안 과제 255

[그림 5-24] 인공지능 관련 주요 리스크 사례 256

[그림 5-25] '윤리ㆍ안전성 강화 가이드라인 및 책임 법제 마련' 제안 과제 257

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기