체리체리체인지 스토어

체리체리체인지

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

10개
전체 판매량

25개
최근 3개월 판매량

0개
자료후기 점수

-
자료문의 응답률

-

전체자료 10개

판매자 표지

공학윤리 레포트 빅데이터(AI)의 공정성

Report주제 : 빅데이터 활용과 윤리문제 – 빅데이터(AI)의 공정성2022.6.30목차서론주제 선택 배경빅데이터의 정의 및 AI와의 연관성빅데이터의 다양한 부작용본론빅데이터 부작용 예시문제 원인 분석결론참고문헌서론주제 선택 배경지난 해에 미국 언론사 Vox의 유튜브 채널에서 ‘우리는 인종차별을 자동화하는가?(Are we automatic Racism?)’이라는 제목의 영상을 보게 되었다. 영상에서는 AI가 매우 ‘차별적’으로 움직인다는 사실이 담겨있었다. 이는 아주 충격적이었는데, 대부분의 사람들처럼 나도 기계는 객관적일 것이라 믿었기 때문이다. 단 한 번도 기계가 중립적이지 않을 것이란 의심은 해본적이 없었다. 물론 이미 2016년도의 ‘테이’와 2021년도의 ‘이루다’의 사례를 통해 기계도 틀릴 수 있다는 사실은 알았지만, 그는 사용자들이 의도적으로 훈련시켰기 때문이라고 생각했지, 기본적으로도 차별적일 것이라 생각하진 못했다. 이번 기회를 통해 더 많은 사례와 자료를 찾아보고 어떤 접근방식이 필요한 지 생각해보고자 한다.빅데이터의 정의와 AI와의 연관성빅데이터를 정의할 때 가장 일반적으로 쓰이는 것은 3V-규모(volume), 속도(velocity), 다양성(variety)이다(2012,가트너). 즉, 이전의 아날로그 환경에서 생성되던 데이터와 비교했을 때, 대량의 데이터(volume)을 빠르게(velocity) 처리하며 비정형 데이터를 처리할 수 있어야 한다. 비정형 데이터란 정형 데이터의 반대 개념으로, 음성, 영상, 텍스트 같은 데이터가 여기에 속한다. 이런 비정형 데이터를 처리할 때 Al, 엄밀히 하면 기계학습이 연계 되어있다. 현대의 AI가 빅데이터의 다양성 부분을 구현할 수 있게 하게한다. 동시에, 빅데이터는 AI가 많은 정보를 학습하는 것을 지원한다. 이런 식으로 AI와 빅데이터는 상호보완적 관계에 있다.빅데이터의 부작용빅데이터를 활용하는데 있어 개인정보 및 사생활 보호 권리 침해의 우려와 차별과 오용의 위험성이 부작용으로 지적되고 있다.비의도적이건 차별적인 결과를 내놓을 수 있다.사람들은 흔히 더 많은 데이터가 있으면 더 좋은 의사결정을 내린다고 생각한다. 하지만 과도한 데이터는 오히려 의사결정을 방해하고, 결과를 오염시키기도 한다.Ⅰ. 빅데이터 부작용의 예시현대에 들어 급속히 발전한 빅데이터(AI)기술은 2015년 이후, 전세계적으로 시행되며 다수의 부작용의 사례가 있었다. 그 중 대표적인 것들에 대해 간단히 알아보고자 한다.구글 포토구글에서는 사진 앨범에서 자동적으로 사진을 분류해주는 기능을 2015년에 선보인 바 있다. 이때 흑인 커플의 얼굴을 고릴라로 분류한 것이 알려지며 큰 파장이 있었다. 구글 측은 공식적으로 사과하고 해결하겠다고 했지만, 결국 그들은 사진 분류에서 고릴라를 없애는 방법을 썼다.마이크로소프트 챗봇 – 테이(Tay)2016년 마이크로 소프트사에서 선보인 인공지능 채팅 AI 테이는 일부 사용자들이 훈련시킨 혐오표현을 따라하며 결국, 마이크로소프트측은 서비스 시작 17시간만에 서비스 중단을 선언했다.Tay의 혐오발언트위터 – 사진 자동 자르기(image-cropping)2021년 3월, Vox는 ‘우리는 인종차별을 자동화하고 있는가?’라는 영상을 통해 트위터의 이미지 크롭 기능이 차별적이라 지적했다. 트위터에서 사진을 업로드 할 때, 세로로 긴 사진의 경우 자동 자르기 기능을 통해 일부만 보여준다. 이에 대해서 이전부터 트위터 사용자들 사이에서 여러 의구심이 제기된 상황이었다. Vox는 임의로 만들어진 가상의 인물이 들어간 180장의 사진을 업로드하며 실험했다. 백인 67%, 흑인 33%로 백인이 흑인보다 더 많이 보였다.트위터의 자동 사진 크롭 기능트위터는 이 기능을 위해 ‘핵심 예측 모델’ 기술을 이용하는데 이는 데이터 세트 사진을 볼 때 눈동자의 움직임을 기반으로 컴퓨터에게 핵심이 무엇인지 가르치고, 그에 기반하여 다른 사진들의 핵심을 예측하는 기술이다. 해당 기술을 만든 회사에서는 자세한 내용을 공개하기를 거부했다. 비슷한 기술을 만든 그라디오에서 인터뷰에 응했는(흑인: 45%, 백인: 23%). 반대로 재범률이 낮은 것으로 예측되었지만 실제로 2년간 범죄를 저지른 경우가 백인이 흑인보다 훨씬 높았다(백인:48%, 흑인:28%). 이 두가지를 근거로 ProPublica는 COMPAS가 흑인은 고위험군으로, 백인은 저위험군으로 더 많이 분류한다고 주장했다.사측은 이 주장을 반박하며 기본구성비율 자체에 있어 인종별 재범률의 차이를 지적했다. 흑인의 일반범죄 재범률(51%)은 백인(39%)에 비해 높으며, 흑인의 강력범죄 재범률(14%) 역시 백인(9%)에 비해 높다. 즉, 높은 값의 위양성 값은 기본구성비율 자체의 차이에서 기인한 것일 뿐, 컴파스 알고리즘의 판정이 인종차별적임을 보이는 증거가 아니라는 것이다.하지만, ProPublica는 “‘예측적 공정성’이 라는 것은 실로 ‘최적의 차별’(optimal discrimination)이다” 라고 평가한 시카고 대학교의 통계학자 네이튼 스레브로(Nathan Srebro)의 논평을 인용하면서, 예측적 공정성이 결국 흑인에 대해 허위 고위험 군을 더 많이 만들어낸 결과를 낳는다고 비판했다.Ⅱ. 문제 분석앞에서 살펴보다시피 빅데이터 모델에 의한 결정은 차별적인 결과를 낳을 수 있다. 이는 의도적으로도, 비의도적으로도 나타날 수 있다. 그렇다면 왜 이런 결과들이 나타났을까? 그리고 이런 결과 뒤에 숨어있는 다른 문제점에 대해서 알아보고자 한다.대리 변수의 문제성별, 인종, 피부와 같은 민감한 영역은 직접적으로 묻는 게 금지되어 있지만 대리변수를 이용하면 이런 정보를 사실상 추정해 낼 수 있다. 취업 면접자에게 부모의 직업과 소득을 묻지 않아도, 거주지, 소비 패턴, 취미활동 등에 대한 정보를 결합하면 어렵지 않게 추정할 수 있는 것처럼 말이다. 성별이나 인종에 대해서도 이런 주변 데이터를 결합 비교하거나 관련된 질문을 몇 개 던지면 쉽게 추정할 수 있게 된다.목표 변수 설정의 문제결과를 도출하기 위해 어떤 데이터를 변수를 쓸 것인가라는 아주 기초적인 단계에서부터 편향적 결과를 야기 많은 비용이 투자되어야 한다는 문제가 있다.불투명성많은 회사에서 저작권 등을 이유로 구체적인 판단과정을 공개하지 않는다. 판단과정 뿐만 아니라 어떤 변수를 어떤 근거로 사용하는지도 공개되지 않는다. 사용자(혹은 국민)들은 드러난 몇몇 결과만을 갖고 단순히 짐작만 할 뿐이다.피드백 효과위와 같은 여러 문제가 포함된 모델의 사용이 광범위적으로 시작되고 나면 피드백 효과를 가져온다. 이를테면 COMPAS는 기존 데이터에 기반한 리스크 스코어 산정 방식에 따라, 흑인 피의자에게 더 높은 위험도를 부여한다. 그러면 흑인의 형량은 늘어나고 백인의 형량은 상대적으로 줄어든다. 이후, 백인에 비해 흑인은 가석방될 확률도 낮아진다. 이들은 더 오래 수감되고 오래 수감된 자들은 사회에 적응하지 못하고 다시 범죄를 저지르게 될 확률이 높다. 이는 다시 이후 재판을 받는 흑인들의 위험도를 높이는 결과를 가져온다.Ⅲ. 해결방안위와 같은 문제점들이 제기되고 세계 각국에서는 이를 해결하기 위한 법안과 가이드라인이 만들어지고 있다.EU2019년 4월, EU는 신뢰할 수 있는 윤리지침 가이드라인을 만들어 배포하였다. 이 가이드 라인은 인간의 관리감독, 기술적 견고성과 안전, 개인정보 보호, 투명성, 차별 금지, 환경 친화, 책무성이라는 7가지를 제시했다. 이후 2021년 4월, EU집행위원회에서는 인공지능 기술을 위험도에 따라 분류해 각기 다른 수준으로 규제하는 인공지능 규제 정책안을 발표했다.국내국가인권위원회에서는 올해 5월 11일 가이드라인을 만들고 이에 기초한 법안 제정을 권고하였다. 가이드 라인에는 인간의 존엄성 및 개인의 자율성과 다양성 보장, 투명성과 설명 의무, 개인정보 자기결정권 보장, 차별 금지, 인공지능 인권영향평가 시행, 위험도 등급 및 관련 법 제도 마련이 포함되었다.또한 작년 7월, 인공지능 육성 및 신뢰 기반 조성 등에 관한 법률안이 발의되었다. 이 법률안은 특수활용 AI 서비스를 제공하는 사업자의 사전고지의무, 이용자의 설명 요구권을 포함하고 있다.결론빅데이터 nal and comparative legal study on Big Data(2016, The Netherlands Scientific Council for Government Policy (WRR))THE LSI-R AND THE COMPAS Validation Data on Two Risk-Needs Tools(2008, TRACY L. FASS, KIRK HEILBRUN, DAVID DEMATTEO, RALPH FRETZ)Fair prediction with disparate impact: A study of bias in recidivism prediction instrument (2017, Alexandra Chouldechova)Probulica, Machine Bias (2016.5.23, Julia Angwin, Jeff Larson, Surya Mattu and Lauren Kirchner) ( Hyperlink "https://www.propublica.org/article/machine-bias-risk" https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing)Equivant, Response to ProPublica: Demonstrating accuracy equity and predictive parity (https://www.equivant.com/response-to-propublica-demonstrating-accuracy-equity-and-predictive-parity/)Probulica, ProPublica Responds to Company’s Critique of Machine Bias Story (2016.6.29, Julia Angwin and Jeff Larson) (https://www.propublica.org/article/propublica-responds-to-companys-critique-of-m21)

공학/기술| 2022.08.24| 10페이지| 1,500원| 조회(181)

인공지능윤리, AI윤리, 빅데이터윤리

미리보기

닫기
판매자 표지

생물학개론 A+레포트 성결정요인

성별 결정에 영향을 주는 요인Ⅰ. 연구의 필요성 및 목적흔히 사람들은 XX 염색체를 가진 사람은 여성, XY 염색체를 가진 사람은 남성이라고 생각하고 거기에 온전히 부합하는 성기를 가지게 된다고 생각한다. 그리고 이를 기반으로 젠더 스펙트럼이 존재한다는 사실을 거부하고 젠더의 존재 자체를 부정하는 사람들도 많다. 하지만 실제로는 생물학적으로 사람의 신체적 성별 또한 남성 또는 여성 이 두가지로만 나눌 수 없으며 교차 등 다양한 이유에 의해 스펙트럼처럼 다양한 양상을 보인다. 두 성기를 모두 갖고 있는 간성(intersex)이 가장 대표적인 예시이다. 이에 대한 다양한 사례를 찾아보고 신체적 성별에 영향을 미치는 다양한 유전자와 성호르몬에 대해 알아보고자 한다.Ⅱ. 연구방법 및 절차인터넷 검색을 통해 영상자료를 찾아보고 관련 단체의 웹사이트를 참고하였다. 그를 바탕으로 외국 논문을 위주로 찾아보았고 추가적으로 신문기사와 두 권의 책을 읽어 자료를 보강하였다.Ⅲ. 연구결과사람은 22쌍의 상염색체와 1쌍의 성염색체를 가지며 XX는 여성, XY는 남성이라고 생각한다. 하지만 대부분의 사람들은 실제로 핵형 분석을 하지 않고서 태어나자마자 성별을 갖게 된다. 이런 특성 때문에 지정 성별이라고 하기도 한다. 하지만 이런 이분법은 간성의 존재를 잊은 방식이다. 간성은 보통 2,000명 중에 1명 꼴이라고 보고된다. ISAN(Intersex Society of North America)에 따르면 100명 중 1명은 남성 혹은 여성의 전형적인 신체와는 다르며 1,000명 중 1명혹은 2명이 신체를 ‘정상화’하기 위해서 외과적 수술을 받는다. (표 1. 간성 출생 비율 참고)분류수백분율(%)XX나 XY가 아님1666명 중 1명0.06%클라인펠터 증후군(XXY)1000명 중 1명0.1%안드로겐 불감증 증후군13,000명 중 1명0.0077%부분적 안드로겐 불감증 증후군130,000명 중 1명0.0007%선천성 부신 과형성증13,000명 중 1명0.0077%질 무형성증6,000명 중 1명0.167%여성 혹은 남성의 표준적인 신체와 다름100명중 1명1%신체를 정상화하기위해 외과적 수술을 받음1000명중 1명~2명0.1%~0.2%[표 SEQ 표 * ARABIC 1. 간성 출생 비율]위의 나열된 이유를 봐도 알 수 있다시피 인간의 성을 결정하는 데는 굉장히 많은 요소가 복합적으로 영향을 미친다.그중 성결정에 영향을 미치는 것으로 가장 잘 알려진 유전자는 SRY(Sex-determining Region Y) 유전자이다. SRY유전자가 발현되어 만들어진 단백질은 17번 염색체 상에 존재하는 SOX9 이라는 유전자를 활성화시키는 역할을 한다. SOX9 유전자가 활성화되면 고환을 형성하고 난소와 나팔관의 형성을 억제되는 작용을 한다. SRY유전자는 이름처럼 Y염색체 상에 존재하며 X염색체에 존재하는 유전자와의 유사성이 충분하여 교차에 의해 X염색체상에 존재하게 될 수도 있다. 결과적으로 XY염색체를 가지고도 여성으로 보이는 신체를 가지거나 XX염색체를 가지더라도 남성으로 보이는 신체를 가지게 될 수 있다. 한편, SOX9의 인핸서(enhancer)는 SRY유전자 뿐 아니라 SF-1, WT1 유전자에 의해서도 활성화된다는 사실이 최근 발표되었다. SF-1 유전자는 9번 염색체의 긴 팔에 위치한다.즉 Y염색체 이상으로 SRY유전자에 대한 돌연변이가 일어나지 않더라도 SOX9 유전자가 발현될 수 있고 그로 인해 정소가 발달될 수 있다는 것이다.한편 외부 생식기의 경우 테스토스테론의 영향을 받는다. 테스토스테론은 간단하게 남성 호르몬이라고 불린다. 주로 정소에서 많이 생성되며 이것이 많이 나오면 음경, 적게 나오면 음순이 발달한다. 하지만 정소가 아닌 부신과 난소에서도 테스토스테론이 분비된다. 대부분의 경우 소량이지만 부신에서 테스토스테론이 과도하게 분비되면 XX염색체를 가졌음에도 음경이 발달할 수 있다. 표1에서는 선천적 부신 과형성증이 이 분류에 해당한다.그림 1은 Sry 유전자와 Sox9 유전자에 영향을 주는 다른 유전자들을 간단하게 표현한 것이다. 그림1에서 보이듯이 지금 언급한 유전자 외에도 굉장히 많은 유전자가 Sox9 유전자 활성에 영향을 미친다. 간단히 설명하자면 Dax1은 X염색체에 존재하며 부신형성에 관여한다. 부신에서 또한 많은 생물학자들은 이외에도 더 많은 요소가 얽혀 있을 것이라고 추정한다.한편 이러한 1차 성징에서의 성발달이 다르게 나타나는 경우 외에도 2차성징에서 성발달이 다르게 일어나는 경우가 있다. 대표적으론 표1에 나온 안드로겐 불감증 증후군(Androgen insensitivity syndrome)이 있다. 이는 세포에서 안드로겐 수용체에 이상이 생겨 XY염색체를 가졌으나 정소나 고환이 발달되지 않는 것이다. 그중 불완전 안드로겐 불감성 증후군(partial androgen insensitivity syndrome)은 출생시에는 불완전한 남성의 성기를 가지나 2차 성징 시 유방이 발달하며 음핵은 발달하지 않는다는 특징이 있다.Ⅳ. 논의사람의 염색체가 23쌍이라는 것을 안 순간부터 여자는 XX, 남자는 XY염색체를 가진다고 알고 있었다. 하지만 생각보다 인간의 성을 결정짓는데 영향을 주는 요소는 매우 다양하였으며 신체적인 남성과 여성의 구분 역시 애매한 경우가 생각보다 훨씬 많았다. 그런 것에 비해 간성의 존재는 너무 늦게 조명되고 있고 아직까지도 제3자의 결정으로 외과적 수술을 진행해 버리는 것은 적절치 않다는 생각이 들었다.이번조사에서는 세부적인 화학작용이나 관련 호르몬의 영향보다는 유전자들의 연관관계에 집중하였다. 이후에는 호르몬의 영향에 대해서 조사해보거나 유전자들의 연관관계를 조금 더 깊이 있게 분석해보고 싶다.Ⅴ. 참고문헌Intersex Society of North America(https://isna.org/)What makes an Individual a Male or Female? (https://link.springer.com/article/10.1007%2Fs12045-020-0938-6)여성도 남성도 아닌 제 3의 성 인터섹스/스브스뉴스 (https://www.youtube.com/watch?v=s029TfHZq7E)How sex genes are more complicated than you thought (https://www.youtube.com/watch?v=jhHGCvMlrb0)XX는 여성, XY는 남성? …복잡다단한 성염색체의 세계/뉴스1 ( Hyperlink "https://www.news1.kr/articles/?3956901" https://www.news1.kr/articles/?3956901)Human sex reversal is caused by duplication or deletion of core enhancers upstream of SOX9 (2018, Brittany Croft 외 17명)서울아산병원 인체정보 (http://m.amc.seoul.kr/asan/mobile/healthinfo/body/bodyDetail.do?bodyId=105&partId=B000011)Regulation of male sexual development by Sry and Sox9 (2001, Peter Koopman외 2명)서울아산병원 의학유전학센터-의학유전학강좌(http://amcmg.amc.seoul.kr/asan/depts/amcmg/K/bbsDetail.do?menuId=3807&contentId=247235)

자연과학| 2022.08.24| 6페이지| 1,500원| 조회(131)

성결정, 간성, SRY, 인터섹스, 성별결정

미리보기

닫기
판매자 표지

플레밍의법칙 일반물리학및실험2 결과보고서

<썸네일을 참고해 주세요>

공학/기술| 2022.08.23| 2페이지| 1,000원| 조회(154)

플레밍, 플레밍의법칙, 플레밍법칙

미리보기

닫기
판매자 표지

등전위선측정실험 결과보고서

 측정값 각각의 전극체의 모양에 대해 다른 그래프 용지에 표시한다.결과 토의 및 결론참고문헌General Physics and Experiments ⅡGeneral Physics and Experiments Ⅱ

공학/기술| 2022.08.23| 2페이지| 1,000원| 조회(162)

등전위선, 측정값

미리보기

닫기
판매자 표지

휘트스톤 브릿지 일반물리학및실험 결과보고서

<썸네일을 참고해 주세요>

공학/기술| 2022.08.24| 4페이지| 1,000원| 조회(171)

휘트스톤브릿지, 휘스스톤, 휘스스톤브릿지

미리보기

닫기