XAI (eXplainable AI, 설명 가능한 인공지능)

I. 설명 가능한 인공지능, XAI

배경– 인공지능 시스템에 대한 사회 수용/신뢰 우려
– 전문가 시스템 도출 결과 이해 불가 한계를 극복
개념– 인공지능 시스템의 동작 및 최종 결과를 해석하여 결과물이 생성되는 과정을 설명해주는 기술

– 미 국방성 산하 DARPA에서 ‘17년부터 XAI 관련 학습 모델의 개발/테스트 프로젝트 추진

 

II. XAI 구현을 위한 기술 요소

기술 요소개념도기술 설명/세부 기술
기존
학습 모델
변형
– CNN 학습과정 역연산
– 특징 영향 요소 시각화
– Unpooling
– Unnormalization
신규
학습 모델
개발
– 도출 표현 모델 개발
– 상위 개념, 하위 세분화
– AND-OR Graph
– 터미널 노드 특징 맵핑
학습 모델
간 비교
[설명가능 분류모델]
(비교) ← 도출 근거
[타깃 분류 모델]
– 설명가능모델 대조/추론
– 목표 분류 모델 설명
– 픽셀 기반 모델 비교
– 범용적 모델 진단 기술

– 빅데이터와 AI 활용 기술로 인한 사회적 차별, 불평등에 대한 신뢰성 제공 및 시스템 성능 향상 가능

 

III. XAI가 인공지능에 미치는 영향

구분적용 사례고려사항
사회적
측면
사용자, 고객에
신뢰 확보
– 다양한 분야(금융, 보험) 활용
– AI 사용자로부터 신뢰 확보
사회적 수용
공감대 형성
– 편향된 결과 제거
– 타당한 설명 가능
기술적
측면
고성능
학습모델 도출
– 동일 목적과 결과를 갖는 학습 모델 도출, 성능 향상
신규 인공지능
전략 도출
– 빅데이터 기반 패턴 추출
– 새로운 전략 도출 가능
법/제도
측면
분쟁 원인파악
용이
– 잘못된 판단 원인 파악
– 분쟁 발생 시 중재 가능
GDPR 등
규정준수
– 개인정보보호 규정 등
– 규정준수 여부 판단 가능
인공지능
산업측면
인공지능
산업 활성화
– 부정적 인식 제거
– 산업 활성화 환경 조성
비즈니스
활용 수요 증대
– 효과적 의사결정
– 비즈니스 활용수요 증가

 

IV. XAI 기술 적용 사례 및 고려사항

구분적용 사례고려사항
법적 책임
준수 확인
EU GDPR
22조 준수
– 지능화 의사결정 설명 권리 부여
– XAI 기반 의사판단 과정 설명
성능 향상최적 학습
모델 도출
– High Variance 과적합 방지
– 시스템 성능 저하 요인 파악

– 데이터 마이닝, 패턴 인식 기반 법칙, 전략 도출 가능

콘텐츠 사용 시 출처 표기 부탁 드리고, 댓글은 큰 힘이 됩니다^^