[논문]토픽모델링을 활용한 인공지능 관련 이슈 분석

노설현

doi:10.14400/jdc.2020.18.5.075

토픽모델링을 활용한 인공지능 관련 이슈 분석
Analysis of Issues Related to Artificial Intelligence Based on Topic Modeling 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.5, 2020년, pp.75 - 87

노설현 (안양대학교 ICT융합공학부 통계데이터과학전공)

초록
AI-Helper

본 연구는 국내의 인공지능과 관련된 기사들을 LDA 알고리즘에 기반한 토픽모델링 기법으로 분석하여 인공지능 관련 주요 이슈들을 도출하고 세부적으로 분석함으로써 인공지능 기술이 전(全) 산업 분야와 융합을 통해 창출할 수 있는 새로운 가치를 통찰하고, 인공지능 기술을 지식 경영에 적용할 수 있는 분야를 도출하는데 유용한 정보를 생산하고자 하였다. 본 연구에서는 '인공지능'을 검색어로 하여 추출된 11개의 중앙지와 8개의 경제지, 주요 방송사의 2016년부터 2019년까지 3,889건의 기사를 대상으로 오픈 소프트웨어인 R을 활용한 토픽모델링 기법을 사용하여 토픽 별 키워드들을 추출하였다. 각 토픽의 키워드 간 연관성을 나타내는 PMI(Pointwise Mutual Information) 측도를 높이도록 relevance 파라미터 λ를 최적화하여 토픽 별 키워드를 추출하였으며, 키워드들로부터 타당한 근거를 바탕으로 토픽명을 추론하였다. 추출된 토픽들은 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 일어나고 있는 변화 및 정부의 지원 정책과 비전을 폭 넓게 나타냈다.

Abstract ▼ AI-Helper

The present study determined new value that can be created through the convergence between artificial intelligence technology (AIT) and all industries by deriving and thoroughly analyzing major issues related to artificial intelligence (AI). This study analyzes domestic articles related to AI using topic modeling method based on LDA algorithm. Keywords were extracted from 3,889 articles of eleven metropolitan newspapers, eight business newspapers and major broadcasting companies; articles were selected by searching for the keyword "artificial intelligence". Keywords were extracted by optimizing the relevance parameter λ to improve the measure of pointwise mutual information (PMI), which shows the association among the keywords of each topic, and topic names were inferred from keywords based on valid evidence. The extracted topics widely showed changes occurring throughout society, economy, industries, culture, and the support policy and vision of the government.

주제어

표/그림 (8)

그림 Fig. 1. Architecture of LDA algorithm
표 Table 1. Comparison of previous studies with this study
그림 Fig. 2. Trend of PMI between keywords for a topic by λ
그림 Fig. 3. Research process
그림 Fig. 4. Perplexity of number of topics
그림 Fig. 5. Intertopic Distance Map (K=15)
표 Table 3. topic name inferred by topic modeling analysis
표 Table 4. Keywords inferred by topic modeling analysis

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

뉴스 미디어는 사회 구성원들의 높은 수준의 동의가 나타난 뉴스로서의 가치가 있는 의제들을 보도하므로, 뉴스 기사를 대상으로 토픽모델링 기법을 통해 높은 빈도로 추출된 주제(의제)들은 사회 구성원들이공통으로 갖고 있는 관심과 의견 수렴 및 합의에 의해 도출된 주제(의제)들로 볼 수 있다. 따라서 본 연구는 인공지능 기술이 전(全) 산업 분야와 융합을 통해 창출할 수 있는 새로운 가치를 통찰하는 데 유용한 정보를 생산한다는 점에서 중요한 연구라고 할 수 있다.
본 연구는 ‘인공지능’을 키워드로 검색하여 국내 언론사들에서 수집된 기사들로부터 토픽모델링 기법을 통해 핵심 주제들을 찾아내어 인공지능 기술의 영향으로 사회에서 일어나고 있는 변화와 국민들의 관심 분야를 도출했다는 점에서 의의를 지닌다.
각 토픽의 키워드 간 연관성을 나타내는 PMI(Pointwise Mutual Information) 측도를 높이도록 relevance 파라미터 를 최적화하여 토픽 별 키워드를 추출하였으며, 키워드들로부터 타당한 근거를 바탕으로 토픽 명을 추론하였다. 본 연구에서는 54개 매체의 뉴스 기사를 분석 대상으로 하여 토픽모델링 기법을 통해 높은 빈도로 추출된 주제들은 사회 구성원들이 공통으로 갖고 있는 관심과 의견 수렴 및 합의에 의해 도출된 주제들로 볼 수 있으므로 새로운 시장이 창출될 분야를 도출하고, 인공지능 기술이 산업에 적용되어 일으키고 있는 혁신을 살펴봄으로써 인공지능 기술을 지식 경영에 적용할 수 있는 분야를 모색하는데 유용한 정보를 생산하고자 하였다.
본 연구에서는 사회적 매체인 뉴스 기사를 대상으로 토픽모델링 기법으로 이슈 분석을 수행하여 인공지능 기술이 사회, 경제, 산업, 문화 전반에 어떠한 영향을 끼치고 있는지, 사회 구성원들이 인공지능 기술에 대하여 어떤 분야에 관심을 갖고 어떤 의견을 가지고 있는지를 살펴보고자 하므로 연구문제 1을 설정하였다. 본 연구에서는 LDA 알고리즘에 기반한 토픽모델링 기법을 사용하여 토픽들이 명확하게 구분되고 타당한 토픽이 추출되도록 LDA 알고리즘의 파라미터들을 최적화하기 위해 연구문제 2를 설정하였다. 또한 토픽모델링 기법을 통해 높은 빈도로 추출된 주제들은 사회 구성원들이 공통으로 갖고있는 관심과 의견 수렴 및 합의에 의해 도출된 주제들로 볼 수 있으므로, 이로부터 인공지능 기술로 인해 산업에서 나타나고 있는 혁신을 살펴봄으로써 지식 경영에 적용할 수 있는 인공지능 기술을 모색하기 위해 연구문제 3을 설정하였다.
본 연구에서는 LDA 알고리즘에 등장하는 파라미터 α, β, K, λ의 값을 최적화하여 토픽 간 구분이 명확해지고 타당한 토픽이 추출될 수 있도록 하였다.
본 연구에서는 각 토픽의 임의의 두 키워드 쌍에 대한단어 간 연관성을 나타내는 척도 PMI가 커지도록 λ의 값을 설정하여 각 토픽이 특징적으로 분명하게 추출될 수 있도록 하였다.
현재까지의 연구에서는 기술적 매체인 특허와 학문적 매체인 논문을 대상으로 토픽모델링 기법을 활용하여 인공지능에 대한 기술동향 및 연구동향을 분석하였다. 본 연구에서는 사회적 매체인 뉴스 기사를 대상으로 이슈 분석을 수행하여 인공지능 기술이 사회, 경제, 산업, 문화 전반에 어떠한 영향을 끼치고 있는지, 사회 구성원들이 인공지능 기술에 대하여 어떤 분야의 관심을 갖고 어떤 의견을 가지고 있는지에 대한 분석을 통해 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 인공지능 기술이 일으키고 있는 혁신과 전 산업 분야와 융합을 통해 창출할 수 있는 새로운 가치를 통찰하는 데 유용한 정보를 생산하고자 하였다. 본 연구에서는 ‘인공지능’을 검색어로 하여 추출된 11개의 중앙지와 8개의 경제지, 주요 방송사의 2016년부터 2019년까지 3,889건의뉴스를 대상으로 오픈 소프트웨어인 R을 활용한 토픽모델링 기법을 사용하여 토픽 별 키워드를 추출하였다.
본 연구에서는 사회적 매체인 뉴스 기사를 대상으로 토픽모델링 기법으로 이슈 분석을 수행하여 인공지능 기술이 사회, 경제, 산업, 문화 전반에 어떠한 영향을 끼치고 있는지, 사회 구성원들이 인공지능 기술에 대하여 어떤 분야에 관심을 갖고 어떤 의견을 가지고 있는지를 살펴보고자 하므로 연구문제 1을 설정하였다. 본 연구에서는 LDA 알고리즘에 기반한 토픽모델링 기법을 사용하여 토픽들이 명확하게 구분되고 타당한 토픽이 추출되도록 LDA 알고리즘의 파라미터들을 최적화하기 위해 연구문제 2를 설정하였다.
본 연구에서는 토픽모델링 기법으로부터 도출된 주제별 키워드들로부터 타당한 근거를 바탕으로 토픽 명을 유추하여, 인공지능 기술의 영향으로 사회에서 일어나고 있는 변화와 국민들의 관심 분야를 객관적으로 도출하였다. 연구 결과 핵심 주제로 도출된 토픽들은 전체 문서에서 차지하는 토픽 빈도순으로 나열하면, ‘4차 산업혁명 시대에 인공지능의 역할과 정부의 지원 정책’, ‘인공지능과 인류의 공존’, ‘인공지능 선도기업의 동향’, ‘인공지능의 등장과 발전 과정’, ‘인공지능을 활용한 재난·재해 예측 및 대응’, ‘인공지능이 경제에 미치는 영향’, ‘자율주행차와 가전의 인공지능’, ‘의료와 금융의 인공지능’, ‘인공지능 기술 지원과 국가비전’, ‘인공지능 무기경쟁과 패권 경쟁에 대한 우려’의 10가지로서 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 일어나고 있는 변화 및 정부의 지원 정책과 비전을 폭 넓게 나타냈다.
4차 산업혁명 시대에는 빅데이터를 활용한 과학 경영과 인공지능 기술을 지식 경영에 적용하여 의사결정을 유연화하고 경영 최적화를 이룰 수 있는 방법이 다양해지고 있다. 본 연구의 토픽 추론 근거에서 설명한 인공지능 기술로 인해 산업에서 나타나고 있는 혁신과 그 과정 및 기업들이 인공지능을 응용해 온 분야를 살펴봄으로써 인공지능 기술을 지식 경영에 적용할 수 있는 분야를 모색하는데 필요한 정보를 생산하였다.
연구문제 2: 뉴스기사를 대상으로 각 토픽 별 키워드를 추출하고,키워드들로부터 토픽 명을추론하는 분석 과정에서 사용한 독창적인 연구 기법은 무엇인가?
이에 본 연구에서는 국내의 인공지능과 관련된 뉴스 기사들을 토픽모델링 기법으로 분석하여 인공지능 관련주요 이슈를 도출하고 세부적으로 분석함으로써, 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 인공지능 기술이 일으키고 있는 혁신과 국민의 관심 분야를 도출하였다. 뉴스 미디어는 사회 구성원들의 높은 수준의 동의가 나타난 뉴스로서의 가치가 있는 의제들을 보도하므로, 뉴스 기사를 대상으로 토픽모델링 기법을 통해 높은 빈도로 추출된 주제(의제)들은 사회 구성원들이공통으로 갖고 있는 관심과 의견 수렴 및 합의에 의해 도출된 주제(의제)들로 볼 수 있다.
이 사례들은 인공지능 기술이 발전할수록 새로운 제품과 서비스를 위해 인공지능이 사용되는 경우가 많아질 것을 보여준다. 즉 새로운 시장의 창출, 블루오션의 창출을 위해 인공지능을 활용하는 것이다. 본 연구의 분석 과정과 결과는 새로운 시장이 창출될 분야와 인공지능 기술을 지식 경영에 적용할 수 있는 분야를 모색하는데 필요한 정보를 제공할 수 있을 것으로 기대된다.

제안 방법

LDA 알고리즘을 적용할 때, 초기 값으로 설정하는 Dirichlet parameter α와 β의 값을 0.02, 0.04, 0.06,0.08, 0.1에 대해 실험하였으며 실험 결과 추출되는 키워드들에 큰 변화가 없어 토픽 별 키워드 구분이 좀 더 명확해지도록 α와 β의 값을 0.02로 설정하였다.
1인 경우에 대해 토픽모델링을 수행하여 도출되는 키워드들에 큰 변화가 없음을 확인하였고 토픽 별 키워드 구분이 명확해지도록 α와 β의 값을 설정하였다. LDA 알고리즘의 입력 값인 토픽 수 K의 값을 5, 7, 10, 15, 20, 25, 30으로 변화시키면서 perplexity를 측정하여 전체 말뭉치(corpus)의 단어가 토픽에 등장할 확률이 커지도록 하면서 R 프로그램의 실행속도가 저하되지 않도록 최적의 K 값을 설정하여 토픽모델링 분석을 효율적으로 수행하였다. 각 토픽의 키워드들의 순위를 조정하는 relevance metric의 파라미터λ를 작게 설정하면 각 토픽의 임의의 두 키워드 쌍에 대한 단어 간 연관성을 나타내는 척도인 PMI가 커진다는 사실을 발견하여 토픽 간 구분이 명확해지고 타당한 토픽이 추출될 수 있도록 λ의 값을 설정하였다.
02로 설정하였다. LDA 알고리즘의 입력 값인 토픽 수 K의 최적 값을 결정하기 위해 K의 값을 변화시키면서 perplexity를 측정하였다. perplexity는 전체 문서들의 집합인 말뭉치(corpus)의 단어 발생 확률이 커질수록 단조 감소하는 측도로서 다음과 같이 정의된다.
각 토픽의 임의의 두 키워드 쌍에 대한 단어 간 연관성을 나타내는 척도 PMI가 커지도록 λ = 0.2로 설정하여 키워드들을 도출함으로써 각 토픽이 특징적으로 분명하게 추출될 수 있도록 하였다.
본 연구에서는 ‘인공지능’을 검색어로 하여 추출된 11개의 중앙지와 8개의 경제지, 주요 방송사의 2016년부터 2019년까지 3,889건의뉴스를 대상으로 오픈 소프트웨어인 R을 활용한 토픽모델링 기법을 사용하여 토픽 별 키워드를 추출하였다. 각 토픽의 키워드 간 연관성을 나타내는 PMI(Pointwise Mutual Information) 측도를 높이도록 relevance 파라미터 를 최적화하여 토픽 별 키워드를 추출하였으며, 키워드들로부터 타당한 근거를 바탕으로 토픽 명을 추론하였다. 본 연구에서는 54개 매체의 뉴스 기사를 분석 대상으로 하여 토픽모델링 기법을 통해 높은 빈도로 추출된 주제들은 사회 구성원들이 공통으로 갖고 있는 관심과 의견 수렴 및 합의에 의해 도출된 주제들로 볼 수 있으므로 새로운 시장이 창출될 분야를 도출하고, 인공지능 기술이 산업에 적용되어 일으키고 있는 혁신을 살펴봄으로써 인공지능 기술을 지식 경영에 적용할 수 있는 분야를 모색하는데 유용한 정보를 생산하고자 하였다.
본 연구에서는 LDA 알고리즘에 기반한 토픽모델링 기법을 사용하여 토픽들이 명확하게 구분되고 타당한 토픽이 추출되도록 LDA 알고리즘의 파라미터들을 최적화하기 위해 연구문제 2를 설정하였다. 또한 토픽모델링 기법을 통해 높은 빈도로 추출된 주제들은 사회 구성원들이 공통으로 갖고있는 관심과 의견 수렴 및 합의에 의해 도출된 주제들로 볼 수 있으므로, 이로부터 인공지능 기술로 인해 산업에서 나타나고 있는 혁신을 살펴봄으로써 지식 경영에 적용할 수 있는 인공지능 기술을 모색하기 위해 연구문제 3을 설정하였다.
4의 결과를 얻었다. 모든 단어의 발생 확률이 커질수록 perplexity는 작아지므로 perplexity의 감소 폭이 작아지는 K = 15를 토픽 수로 설정하여 토픽 모델링분석이 효율적으로 진행되도록 하였다. Fig.
본 연구에서는 LDA 알고리즘을 활용한 토픽 모델링기법을 활용하여 2.2의 연구 자료에 대해 Fig. 3과 같은 연구 절차를 통해 국내의 인공지능 관련 주요 이슈를 세부적으로 분석하였으며, λ를 0.2로 설정하여 키워드 간의 연관성이 커지게 함으로써 키워드들로부터 명확하게 구분되는 타당한 토픽 명을 추출하였다.
빅 카인즈(www.kinds.or.kr)에서 수집된 3,889건의기사 문서들을 말뭉치(corpus)로 읽어 들인 후, 명사 형태소가 가장 핵심적인 의미를 지니고 있을 것으로 판단하여 명사 중심으로 데이터를 추출하고 불 용어(stopwords)를 제거하는 데이터 전처리 과정을 거쳐 LDA 알고리즘을 적용할 수 있는 데이터 형태로 가공하였다. LDA 알고리즘을 적용할 때, 초기 값으로 설정하는 Dirichlet parameter α와 β의 값을 0.
연구 방법으로는 LDA 알고리즘에 기반한 토픽모델링기법을 사용하였으며 Dirichlet 파라미터인 α와 β의값을 변화시키면서 추출되는 키워드들을 관찰하였고,LDA 알고리즘의 입력 값인 토픽 수 K의 최적 값을 결정하기 위해 K의 값을 변화시키면서 perplexity를 측정하여 토픽모델링 분석이 효율적으로 진행될 수 있는 파라미터 α, β, K의 값을 결정하였다.
현재까지의 연구에서는 기술적 매체인 특허와 학문적 매체인 논문을 대상으로 토픽모델링 기법을 활용하여 인공지능에 대한 기술동향 및 연구동향을 분석하였다. 본 연구에서는 사회적 매체인 뉴스 기사를 대상으로 이슈 분석을 수행하여 인공지능 기술이 사회, 경제, 산업, 문화 전반에 어떠한 영향을 끼치고 있는지, 사회 구성원들이 인공지능 기술에 대하여 어떤 분야의 관심을 갖고 어떤 의견을 가지고 있는지에 대한 분석을 통해 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 인공지능 기술이 일으키고 있는 혁신과 전 산업 분야와 융합을 통해 창출할 수 있는 새로운 가치를 통찰하는 데 유용한 정보를 생산하고자 하였다.

대상 데이터

본 연구에서는 ‘인공지능’을 검색어로 하여 추출된 11개의 중앙지와 8개의 경제지, 주요 방송사의 2016년부터 2019년까지 3,889건의뉴스를 대상으로 오픈 소프트웨어인 R을 활용한 토픽모델링 기법을 사용하여 토픽 별 키워드를 추출하였다.
본 연구에서는 2016년 1월 1일부터 2019년 12월 31일까지를 분석기간으로 설정하였다. 분석 대상은 한국 언론진흥재단의 기사데이터베이스인 빅 카인즈(www.
분석 대상은 한국 언론진흥재단의 기사데이터베이스인 빅 카인즈(www.kinds.or.kr)에서 ‘인공지능’을 검색어로 하여 조선일보, 중앙일보, 동아일보를 비롯한 11개의 중앙지와 매일경제, 서울경제를 비롯한 8개의 경제지, 각종 지역종합지와 주요 방송사에서 추출된 3,889건의 기사이다.

이론/모형

본 연구에서는 문서들의 주제를 도출하기 위해 토픽모델링 방법을 사용하였다. 토픽 모델링은 학문적 매체인 논문, 기술적 매체인 특허, 사회적 매체인 웹 뉴스와 같이 대량의 문헌들을 연구 대상으로 삼는 다양한 분야에서 매체 별로 토픽들의 키워드를 추출하여 토픽을 정의하고, 토픽들의 동향 분석을 통해 각 매체 별로 빅 데이터의 동향을 분석하는 도구로 활용되고 있다.

성능/효과

LDA 알고리즘을 적용할 때 초기값으로 설정하는 Dirichlet 파라미터 α와 β의 값이 0.02, 0.04, 0.06, 0.08, 0.1인 경우에 대해 토픽모델링을 수행하여 도출되는 키워드들에 큰 변화가 없음을 확인하였고 토픽 별 키워드 구분이 명확해지도록 α와 β의 값을 설정하였다.
Topic 1: ‘4차 산업혁명 시대에 인공지능의 역할과 정부의 지원 정책’ 토픽과 topic 9: ‘인공지능 기술 지원과 국가비전’ 토픽이 전체 토픽 빈도 1,575,134 건 중 290,299 건으로 18.4%를 차지하여, 정부의 인공지능 기술 지원 정책과 이를 통해 구현하고자 하는 미래 사회상에 대한 관심이 세 번째로 큰 것으로 나타났다.
다음으로는 topic 2: ‘인공지능과 인류의 공존’ 토픽, topic 4: ‘인공지능의 등장과 발전 과정’ 토픽, topic 6: ‘인공지능이 경제에 미치는 영향’ 토픽이 전체 토픽 빈도 1,575,134 건 중 393,832건으로 25.0%를 차지하여, 인공지능의 등장으로 인한 큰 틀에서의 사회, 경제 변화와 인공지능 기술로 인한 인류의 삶의 변화에 대한 관심이 두 번째로 큰 것으로 나타났다.
본 연구에서는 LDA 알고리즘의 학습 결과를 시각적으로 표현하는 라이브러리인 LDAvis의 가중치(weight parameter) λ가 작을수록 각 토픽의 임의의 두 키워드 쌍에 대한 단어 간 연관성을 나타내는 척도 PMI가 커져 각 토픽이 특징적으로 분명하게 추출된다는 사실을 발견하였으며, 이로부터 파라미터 λ를 최적화하여 키워드들과 토픽을 추출하였다.
연구 결과 핵심 주제로 도출된 토픽들은 전체 문서에서 차지하는 토픽 빈도순으로 나열하면, ‘4차 산업혁명 시대에 인공지능의 역할과 정부의 지원 정책’, ‘인공지능과 인류의 공존’, ‘인공지능 선도기업의 동향’, ‘인공지능의 등장과 발전 과정’, ‘인공지능을 활용한 재난·재해 예측 및 대응’, ‘인공지능이 경제에 미치는 영향’, ‘자율주행차와 가전의 인공지능’, ‘의료와 금융의 인공지능’, ‘인공지능 기술 지원과 국가비전’, ‘인공지능 무기경쟁과 패권 경쟁에 대한 우려’의 10가지로서 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 일어나고 있는 변화 및 정부의 지원 정책과 비전을 폭 넓게 나타냈다.
이 중 topic 3: ‘인공지능 선도기업의 동향’ 토픽, topic 5: ‘인공지능을 활용한 재난·재해 예측 및 대응’ 토픽, topic 7: ‘자율주행차와 가전의 인공지능’토픽, topic 8: ‘의료와 금융의 인공지능’ 토픽이 전체 토픽 빈도 1,575,134 건 중 436,348 건으로 27.7%를 차지하여, 인공지능 기술과 그 응용분야 및 산업 동향에 대한 관심이 가장 크게 나타났다.
연구 결과 핵심 주제로 도출된 토픽들은 전체 문서에서 차지하는 토픽 빈도순으로 나열하면, ‘4차 산업혁명 시대에 인공지능의 역할과 정부의 지원 정책’, ‘인공지능과 인류의 공존’, ‘인공지능 선도기업의 동향’, ‘인공지능의 등장과 발전 과정’, ‘인공지능을 활용한 재난·재해 예측 및 대응’, ‘인공지능이 경제에 미치는 영향’, ‘자율주행차와 가전의 인공지능’, ‘의료와 금융의 인공지능’, ‘인공지능 기술 지원과 국가비전’, ‘인공지능 무기경쟁과 패권 경쟁에 대한 우려’의 10가지로서 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 일어나고 있는 변화 및 정부의 지원 정책과 비전을 폭 넓게 나타냈다. 인공지능 기술과 그 응용분야 및 산업 동향에 대한 관심이 가장 크게 나타났으며 인공지능의 등장으로 인한 큰 틀에서의 사회, 경제 변화와 인공지능 기술로 인한 인류의 삶의 변화에 대한 관심이 두 번째로 큰 것으로 나타났다. 정부의 인공지능 기술 지원 정책과 이를 통해 구현하고자 하는 미래 사회상에 대한 관심이 세 번째로 큰 것으로 나타났다.
정부는 2019년 12월 17일 문재인 대통령 주재로 열린 제 53회 국무회의에서 과학기술정보통신부를 비롯한 전 부처가 참여하여 마련한 「인공지능(AI) 국가전략」을 발표하였다. 주요 내용은 첫째, 세계 최고의 메모리 반도체 경쟁력을 활용하여 AI 반도체 경쟁력 세계 1위를 목표로 AI 반도체 핵심기술 확보와 신개념 반도체(PIM) 개발에 전략 투자를 강화하고, 둘째, 전 국민이 AI 기초 역량을 습득할 수 있는 교육체계를 구축하고, 셋째, 전자정부를 넘어서는 AI 기반 차세대 지능형 정부로 탈바꿈하여 수준 높은 공공서비스를 제공하고, 넷째, AI의 혜택이 기술과 자본을 가진 계층에 집중되지 않고 모든 국민이 고루 누릴 수 있도록 일자리 안전망 구축, AI 윤리 정립 등을 통해 사람 중심의 AI 시대를 구현하겠다는 것이다. 문재인 대통령은 2020년 1월 16일 한국전자통신연구원(ETRI)에서 열린 과학기술정보통신부, 방송통신위원회 대상 신년 업무계획 보고의 모두 발언을 통해 과학기술과 정보통신의 힘으로 미래 먹거리를 확보하고 혁신적 포용국가 시대를 앞당겨야 하며, 과학기술 강국, 인공지능 일등국가가 그 기준이라고 밝혔다.

후속연구

재난 전조를 감지하고 예측하는 체계를 만들기 위해 인공지능, 사물인터넷, 클라 우드, 빅 데이터, 모바일 기술이 도입되며, 재난대비 교육 및 훈련체계를 위해 가상현실과 증강현실이 도입된다. AI를 활용한 효율적인 의사결정 지원 체계를 구축하여 재난이 발생했을 때 신속하게 대응할 수 있도록 하고 재난 현장의 인명탐지, 정보탐색 등 재난 복구 시에는 지능형 로봇을 활용할 예정이다.
Topic 3, topic5, topic 7, topic 8에 나타난 것처럼 인공지능 기술은 다양한 산업에 적용되어 기술을 혁신시킴으로써 제조 산업에서 새로운 제품을 창출하고 생산성을 향상시키고 있으며, 의료, 금융, 서비스 산업에서 소비자에게 질 높은 경험을 제공하고 있을 뿐 아니라 재난·재해 예방과 이에 대한 신속한 대응 및 복구에도 활용되고 있다. Topic 2, topic 4, topic 6에 나타난 것처럼 인공지능 기술의 발전으로 인한 긍정적인 측면을 살펴보면 인간의 불필요한 노동력을 감소시키고 그 노동력을 창의성이 요구되는 생산적인 일에 사용하여 인류의 삶과 가치를 높일 수 있을 것으로 기대되며, 생산성 향상으로 인해 글로벌 GDP가 증가할 것으로 전망된다. 한편 인공지능이 정착되는 과정에서 발생하는 부정적 영향을 법적 제도를 마련하고 AI 윤리 정립을 통해 예방하고 억제해야 하는 과제가 남아 있다.
기업의 정보처리는 데이터의 처리에서 정보의 처리로 그리고 지식의 처리 단계로 발전했고 이제 지혜 또는 지능에 대한 처리단계의 초입에 와 있다[25]. 기업이 인공지능 도입을 고려할 때는 현재 갖고 있는 문제 중에서 해결해야 할 가장 중요한 문제를 선택한 후 이를 해결할 여러 인공지능 기법들과 비 인공지능 기법들을 대안에 올려놓고 실험과 평가를 통해 그 문제를 해결할 수 있는 기술을 선택하고 구현해야 할 것이다. 가장 주안점을 둘 부분은 topic 3,topic 5, topic 7, topic 8의 토픽 추론 근거에 나타난 것처럼 새로운 시장을 창출하기 위해 인공지능을 활용하는 것이다.
즉 새로운 시장의 창출, 블루오션의 창출을 위해 인공지능을 활용하는 것이다. 본 연구의 분석 과정과 결과는 새로운 시장이 창출될 분야와 인공지능 기술을 지식 경영에 적용할 수 있는 분야를 모색하는데 필요한 정보를 제공할 수 있을 것으로 기대된다.
향후에는 산업에서 인공지능 기술이 일으키고 있는 혁신을 나타내는 topic 3: ‘인공지능 선도기업의 동향’ 토픽, topic 5: ‘인공지능을 활용한 재난·재해 예측 및 대응’ 토픽, topic 7: ‘자율 주행 차와 가전의 인공지능’ 토픽,topic 8: ‘의료와 금융의 인공지능’ 토픽들에 대해 ‘경영’을 검색어에 추가하여 세부 주제 토픽모델링을 수행함으로써, 기업이 인공지능 기술을 활용하여 창출할 수 있는 새로운 시장과 지식 경영에 인공지능 기술을 적용할 수 있는 분야를 구체적으로 도출하고, relevance 파라미터가 작아질수록 각 토픽의 임의의 두 키워드 쌍에 대한 단어 간 연관성을 나타내는 척도 PMI가 커진다는 사실을 수학적으로 증명한다면 관련 연구들이 양적, 질적으로 더욱 풍부해질 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인공지능 선도기업의 동향으로 TOPIC 3의 이름을 추론한 근거는 무엇인가?	Topic 3의 토픽 명을 ‘인공지능 선도기업의 동향’으로 추론한 근거는 다음과 같다. 2016년 알파고가 전 세계의 주목을 받은 이후 2017년 구글의 CEO인 선다 피차이(Sundar Pichai)는 회사 전략이 ‘Mobile first'에서 ‘AI first'로 전환되었다고 발표하였으며 마이크로소프트 역시 2017년 연차 보고서를 통해 ‘Mobile․Cloud first'에서 ‘AI first'로 회사 전략의 중심축이 이동했음을 보여주었다[17]. 인공지능 기술과 시장 환경의 급격한 변화로 기업들은 자체 연구개발만으로 기술과 서비스 혁신의 속도를 따라잡을 수 없게 되어, 기술과 인재 획득을 위한 M&A, 스타트업에 대한 투자와 오픈소스를 통한 개방형 R&D를 적극적으로 추진해 왔다.
	뉴스 기사들을 토픽모델링 기법으로 분석하여 도출하고자 하는 것은 무엇인가?	이에 본 연구에서는 국내의 인공지능과 관련된 뉴스기사들을 토픽모델링 기법으로 분석하여 인공지능 관련 주요 이슈를 도출하고 세부적으로 분석함으로써, 인공지능 기술의 응용 분야와 사회, 경제, 산업, 문화 전반에서 인공지능 기술이 일으키고 있는 혁신과 국민의 관심 분야를 도출하였다. 뉴스 미디어는 사회 구성원들의 높은 수준의 동의가 나타난 뉴스로서의 가치가 있는 의제들을 보도하므로, 뉴스 기사를 대상으로 토픽모델링 기법을 통해 높은 빈도로 추출된 주제(의제)들은 사회 구성원들이 공통으로 갖고 있는 관심과 의견 수렴 및 합의에 의해 도출된 주제(의제)들로 볼 수 있다.
	인공지능이란 무엇인가?	인공지능(Artificial Intelligence, AI)은 학습, 이해, 추론 및 상호작용과 같은 인간과 같은 인지 과정을 수행하는 기계를 설명하는 데 사용하는 용어로서, 우리나라는 2016년 12월 공개한 「제4차 산업혁명에 대응한 지능정보사회 중장기 종합대책」에서 인공지능을 “인간의 인지능력(언어․음성․시각․감성 등)과 학습, 추론 등 지능을 구현하는 기술로 인공지능 SW/HW, 기초기술(뇌과학․산업수학 등)을 포괄”한다고 정의하였다. 1990년대 중반부터 인터넷의 폭발적 확산으로 생성된 방대한 양의 데이터와 GPU를 비롯한 컴퓨팅 자원의 발달로 인해 제프리 힌튼(Geoffrey Hinton) 교수가 제안한 딥러닝(Deep Learning) 기술이 실용화되기 시작했다.

참고문헌 (26)

KSBI. (2019). Global SME Policy Trend, 2(9).
J. Park & M. Song. (2013). A study on the research trends in library & information science in Korea using topic modeling, Journal of the Korean society for information management, 30(1), 7-32. DOI : 10.3743/KOSIM.2013.30.1.007
S. T. Flora. (2017). Blogger-link-topic model for blog mining, Pacific-Asia Conference on Knowledge Discovery and Data Mining, 28-39.
J. H. Lau, N. Collier & T. Baldwin. (2012). On-line trend analysis with topic models: #twitter trends detection topic model online, Proceedings of COLING 2012, 1519-1534.
D. H. Jeong & M. Song. (2014). Time gap analysis by the topic model-based temporal technique, Journal of Informetrics, 8(3), 776-790. DOI : 10.1016/j.joi.2014.07.005

상세보기
J. S. Park, S. G. Hong & J. W. Kim. (2017). A Study on Science Technology Trend and Prediction Using Topic Modeling, Journal of the Korea Industrial Information Systems Research, 22(4), 19-28. DOI : 10.9723/jksiis.2017.22.4.019
M. S. Chung, S. H. Park, B. H. Chae & J. Y. Lee. (2017). Analysis of major research trends in artificial intelligence through analysis of thesis data, Journal of Digital Convergence, 15(5), 225-233. DOI : 10.14400/JDC.2017.15.5.225

원문보기 상세보기
M. S. Chung, S. H. Jeong & J. Y. Lee. (2018). Analysis of major research trends in artificial intelligence based on domestic/international patent data, Journal of Digital Convergence, 16(6), 187-195. DOI : 10.14400/JDC.2018.16.6.187
M. S. Chung & J. Y. Lee. (2018). Systemic Analysis of Research Activities and Trends Related to Artificial Intelligence(A.I.) Technology Based on Latent Dirichlet Allocation(LDA) Model, Journal of the Korea Industrial Information Systems Research, 23(3), 87-95. DOI : 10.9723/JKSIIS.2018.23.3.087
S. Hwang & M. Kim. (2019). An analysis of artificial intelligence (A.I.)_related studies' trends in Korean focused on topic modeling and semantic network analysis, Journal of Digital Contents Society, 20(9), 1847-1855.

상세보기
D. M. Blei, A. Y. Ng & M. I. Jordan. (2003). Latent Dirichlet allocation, Journal of Machine Learning Research, 3, 993-1022. DOI : 10.14400/JDC.2016.14.12.1
C. Sievert & E. Shirley. (2014). LDAvis: A method for visualizing and interpreting topics, Proceedings of the Workshop on Interactive Learning, Visualization, and Interfaces, 63-70.
D. Newman, S. Karimi & L. Cavedon. (2009). External evaluation of topic models, Proceedings of th 14th Australasian Document Computing Symposium, 11-18.
S. Song. (2017). Historical development of industrial revolutions and the place of so called the fourth industrial revolution, Journal of Science and Technology Studies, 17(2), 5-40.
P. R. Daugherty & H. J. Wilson (2018). Collaboration Intelligence, Human and AI Join Forces. Harvard Business Review Korea Magazine, July, 2018.
A. Damasio. (1995). Descartes's Error: Emotion, Reason, and the Human Brain. Penguin Books.
H. Yang et al. (2018). A Prospective Analysis of Artificial Intelligence(AI) Technology and Innovation Policies: Focused on Improving Korea's National AI R&D Policy. Policy Research 2018-13.
EPRS. (2019). Economic impacts of artificial intelligence(AI). European Parliamentary Research Service PE637.967.
COMPA. (2018). Autonomous Vehicles. S&T Market Report, 65.
J. H. Lee. (2017). Impact of fintech spread on financial sector and audit implications, AIRI Research Report 2017-014.
G. Y. Lee. (2016). Domestic and Overseas RoboAdvisor Trend and Status Analysis. e-Finance and Financial Security 2016-04.
ETRI Standard Research Division. (2017). Blockchain, ETRI Standardization Trend 2017-2.
PAX. (2019). State of AI: Artificial intelligence, the military and incresingly autonomous weapons.
J. Y. Kim. (2019). Historical Patterns in the US-China AI Hegemonic Rivalry and the Latest Trend, SPRI SW Industry Trend.
G. Lim. (2016). The digital management innovation of company in AI era, the direction to go forward, Seoul Economy Daily, https://www.sedaily.com/NewsVIew
G. Lee. (2017). Artificial intelligence, a way to optimize management, Dong-A Business Review, https://dbr.donga.com/article/view/1101/article_no/8179

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증