[LG Aimers] Module 1. AI Ethics

해당 게시물은 LG Aimers 3기 활동 중 학습한 내용을 간단하게 정리하기 위해 작성하였습니다.

 

Part 1. 데이터 분석과 AI학습에서 유의할 점

---

• 상관관계와 인과관계는 다르다.
• Error bar 추가하기
• 아웃라이어 제거하기
• 데이터 표준화하기
• EDA 시간 충분히 확보하기
• 인터넷 상의 의견이 대표성 있는 의견이 아닐 수 있음을 항상 인지하기
• 오정보의 빠른 확산으로 인한 인포데믹 현상 대비

결론

---

데이터의 확보, 전처리,분석, 해석의 전 과정이 중요

• 고품질의 데이터가 입력되었을 때 학습 결과가 유의하며, 데이터가 가지는 오차 범위와 특이점,
• 대표성에 대한 충분한 이해를 가지고 접근하기

알고리즘의 설명력, 편향, 신뢰의 문제에 주의

• 블랙박스 알고리즘이 실제 사회에 사용되기 위해서는 설명력 보강이 필요하며, 노이즈와 데이터 가변성에도 대처 가능한 알고리즘을 개발하도록 노력해야 함.
• AI가 다양한 사회 서비스에서 인간 결정을 돕거나 대체함에 따라 윤리적 의사결정이 확보되도록 점검해야 함.

 

Part 2. AI Ethics

---

인간의 창조적 활동 영역으로 들어온 인공지능

---

AI가 기술혁신과 창작 도구로 활용이 점차 확대됨에 따라, 인간의 개입 없이 독자적 창작과 혁신활동이 가능한 수준으로 발전하게 됨

AI 시대 지식재산, 법인격, 처벌 그리고 윤리의 문제 부각

---

AI에 의한 발명과 저작 등에 대한 법제 정비, 미래 강한 AI가 등장했을 시 법인격을 부여할지 논의, 오동작시 처벌과 윤리 규정을 마련 등이 필요하며, 이러한 논의가 다양한 계층 시민의 수요와 요구를 반영하도록 유의해야 함

AI 저작권 이슈

---

• 학습에 사용된 데이터를 제공한 사람에게 혜택을 돌려준 방안이 없음 ( 학습 데이터마다 얼만큼의 기여를 했는지, 그 데이터의 원 제작자는 누구인지 찾는 과정도 쉽지 않음)
• AI를 창작자로 볼 수 있는 현재의 법적 제도가 부재하다.
• 예술가의 스타일을 따라서 예술 작품을 만들 경우 상업적 피해를 준다
• 창작된 작품이 인간의 윤리적 규범을 따르지 않을 수 있다.

결론

---

기술 발전보다는 인류를 먼저 생각하는 데이터 과학자가 되자!

 

Part 3. 세계적인 데이터 과학자가 되는 방법

---

마크 저커버그

---

Q. 왜 항상 회색 티셔츠만 입고 계시나요?

A. 내가 무엇을 먹고 입는지에 대한 결정으로 잠시라도 시간을 낭비하고 싶지 않다.

변화가 곧 생존

---

스스로를 끊임없이 변화하고 트렌드를 익히고 확장하자!

아인슈타인

---

어제와 똑같이 살면서 다른 내일을 기대하는 것은 정신병 초기 증세이다.

페이스북 스타일 목표 세우기

---

• What gets scheduled, gets done
• 목표가 낮아서 너무 빨리 성취하는 오류
• 50%만 달성 가능한 목표를 세운다.
• 50%의 성공확률을 가지는 설레는 목표
• 계속해서 재조정하기

"성공의 원칙" - 레이 달리오

---

첫째, 목표가 무엇인지 안다.

둘째, 물제를 찾아낸다.

셋째, 근본적인 원인을 찾아낸다.

넷째, 극복하기 위한 계획을 세운다.

다섯째, 실행한다.

 

이걸 수없이 반복을 해야지 더 높은 수준으로 이룰 수 있다.