인공지능 시대 기본권 보장의 과제 - 인공지능의 공정성, 편향성, 차별을 중심으로 -

이권일

doi:10.38176/PublicLaw.2024.10.53.1.151

추천

검색

질문

자료유형: 학술저널

저자정보: 이권일 (경북대학교)

저널정보: 한국공법학회 공법연구 公法硏究第53輯第1號

발행연도: 2024.10

수록면: 151 - 177 (27page)

DOI: 10.38176/PublicLaw.2024.10.53.1.151

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

이 글은 인공지능으로 인한 기본권 보장과 관련하여 특히 인공지능의 공정성, 편향성 문제, 이로 인한 차별문제를 다루었다. 학습데이터의 내용이 잘못되었거나 알고리즘이 잘못 설계되거나 잘못 조작된 경우 나타나게 되는 성별, 인종, 나이 등에 따른 차별 문제는 그간 많이 논의되었고 어느 정도의 해결책도 제시되었다고 생각된다.
이 글은 그 중 인공지능이 우리 사회의 편향성을 반영하는 경우 이에 대한 인공지능의 공정성, 편향성 문제를 어떻게 해결할 수 있을 것인지에 대해 집중적으로 논의하였다. 학습데이터도 편향성이 없고 알고리즘도 편향성이 없이 가치중립적으로 설계되었으나 학습된 인공지능이 일부 집단을 차별하는 결론을 도출하는 경우 즉, 인공지능은 가치중립적으로 개발되고 학습되었으나 사회가 편향적이어서 그 사회의 편향성을 인공지능이 그대로 학습하여 이를 결과물로 도출해내는 경우의 인공지능의 공정성 문제에 대해 여러 가지 사례와 그 원인에 대해 설명하고 원론적인 해결책을 비교법적으로 도출하고자 하였다.
하지만 인공지능은 편향적이지 않으나 우리 사회가 편향적이어서 편향적인 결론이 나오는 것을 어떻게 규제할 수 있을 것인지는 어려운 문제이다. 우리사회가 편향적이라는 것은 현상(sein)의 영역인데, 이를 극복하여 공정한 결과를 도출할 것을 요구하는 것은 당위(sollen)의 영역이기 때문에, 인공지능이 ‘sollen’을 학습할 수 있는지, 결론이 산술적으로 평등하다면 이를 공정하다고 할 수 있을 것인지에 대한 논의가 필요하다. 그리고 인공지능의 결과값의 평등을 위해 학습데이터와 알고리즘의 적극적 조정이 필요한지, 필요하다면 어느 정도까지 조정을 해야 할지, 이러한 검사와 규제는 어느 기관에서 어떻게 심사하고 평가할 것인지에 대한 논의도 필요하다. EU는 인공지능법을 통해, 미국은 법률과 대통령위원회를 통해 이러한 문제에 대응하고 있다, 우리나라도 국가인공지능위원회를 설치하여 이러한 문제에 대응하고자 하는데, 구체적으로 어떠한 권한과 심사기준을 가지고 이러한 문제에 대응할 것인지에 대하여 시급히 고민해야 할 때이다.

In diesem Artikel haben wir die Frage der Fairness, Voreingenommenheit und Diskriminierung in der künstlichen Intelligenz im Zusammenhang mit dem Schutz der Grundrechte erörtert. Das Problem der Diskriminierung aufgrund von Geschlecht, Ethnie, Alter usw., das auftritt, wenn die Trainingsdaten nicht korrekt sind oder der Algorithmus schlecht konzipiert oder manipuliert ist, wurde breit diskutiert und es wurden Lösungen vorgeschlagen.
Dieser Artikel konzentriert sich auf die Fairness der KI und darauf, wie das Problem der Voreingenommenheit gelöst werden kann, wenn die KI die Voreingenommenheit unserer Gesellschaft widerspiegelt. Mit anderen Worten, wenn die Trainingsdaten unvoreingenommen sind und der Algorithmus so konzipiert ist, dass er wertneutral und unvoreingenommen ist, die trainierte KI aber voreingenommene Schlussfolgerungen zieht, die einige Gruppen diskriminieren, oder wenn die KI wertneutral entwickelt und trainiert wurde, die Gesellschaft aber voreingenommen ist und die KI die Voreingenommenheit der Gesellschaft erlernt und als Ergebnis die Voreingenommenheit der Gesellschaft zieht, habe ich versucht, verschiedene Fälle und Ursachen für das Fairnessproblem der KI zu erklären und eine theoretische Lösung vergleichend abzuleiten.
KI ist jedoch nicht voreingenommen, aber wie die voreingenommenen Schlussfolgerungen unserer Gesellschaft zu regulieren sind, ist ein schwieriges Problem, weil unsere Gesellschaft voreingenommen ist. Da es der Bereich des Phänomens (sein) ist, dass unsere Gesellschaft voreingenommen ist, und es der Bereich der Autorität (sollen) ist, der von uns verlangt, diese Voreingenommenheit zu überwinden und faire Ergebnisse zu produzieren, ist es notwendig zu diskutieren, ob KI „sollen“ lernen kann und ob sie als fair bezeichnet werden kann, wenn die Ergebnisse rechnerisch gleich sind. Außerdem muss erörtert werden, ob und inwieweit Trainingsdaten und Algorithmen aktiv angepasst werden müssen, um die Gleichheit der Ergebnisse zu gewährleisten, und wie solche Tests und Regelungen von welchen Institutionen durchgeführt und bewertet werden sollen. Die EU reagiert auf diese Fragen mit dem KI-Gesetz, die USA mit Gesetzen und einer Präsidentenkommission, und Korea plant die Einrichtung einer Nationalen KI-Kommission, aber es ist dringend an der Zeit, darüber nachzudenken, welche Art von Autorität und welche Prüfkriterien verwendet werden sollen, um auf diese Fragen zu reagieren.

#인공지능 #차별 #공정성 #데이터편향성 #알고리즘편향성 #Künstliche Intelligenz #Diskriminierung #Gerechtigkeit #Datenverzerrung #algorithmische Verzerrung

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문과 함께 이용한 논문

전우정 , 노태엽 저스티스 2024 .08

유튜브 알고리즘과 확증편향

김인식 , 김자미 한국컴퓨터교육학회 학술발표대회논문집 2021 .01

인공지능의 윤리적 쟁점에 관한 탐색적 연구

배영임 , 김유나 경기연구원 기본연구 2022 .10

인공지능의 공정성과 데이터의 편향성

정원섭 철학과 현실 2021 .09

트랜스휴머니즘과 인공지능의 위험성: 〈업그레이드〉(2018)

장미화 영화연구 2024 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-091212966

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)