$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

포인트 클라우드를 이용한 블록체인 기반 설명 가능한 인공지능 연구
Explanable Artificial Intelligence Study based on Blockchain Using Point Cloud 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.11 no.8, 2021년, pp.36 - 41  

홍성혁 (백석대학교 스마트IT공학부, 핀테크 전공)

초록
AI-Helper 아이콘AI-Helper

인공지능을 이용하여 예측이나 분석하는 기술은 지속적으로 발전하고 있지만, 의사결정 과정을 명확히 해석하지 못하는 블랙박스 문제가 존재한다. 따라서 인공지능 모델의 의사결정 과정에서 사용자의 입장에서 해석이 불가능하여 결과를 신뢰할 수 없는 문제가 발생한다. 본 연구에서는 인공지능의 문제점과 이를 해결하기 위한 블록체인을 활용한 설명 가능한 인공지능에 대해 연구를 진행하였다. 블록체인을 이용해서 설명 가능한 인공지능 모델의 의사결정 과정에서의 데이터를 타임스탬프 등을 이용하여 부분별로 블록체인에 저장한다. 블록체인을 이용하여 저장된 데이터의 위변조 방지를 제공하고 블록체인의 특성상 사용자는 블록에 저장된 의사결정 과정등의 데이터를 자유롭게 접근할 수 있다. 설명 가능한 인공지능 모델의 구축이 힘든 것은 기존 모델의 복잡성이 큰 부분을 차지한다. 따라서 포인트 클라우드를 활용해서 3차원 데이터 처리와 가공과정의 효율성을 높여서 의사결정 과정을 단축해 설명 가능한 인공지능 모델의 구축을 원활하게 한다. 블록체인에 데이터 저장과정에서 데이터 위변조가 발생할 수 있는 오라클 문제를 해결하기 위해 저장과정에 중간자를 거치는 블록체인 기반의 설명 가능한 인공지능 모델을 제안하여 인공지능의 블랙박스 문제를 해결하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Although the technology for prediction or analysis using artificial intelligence is constantly developing, a black-box problem does not interpret the decision-making process. Therefore, the decision process of the AI model can not be interpreted from the user's point of view, which leads to unreliab...

주제어

#인공지능   #설명 가능한 인공지능   #포인트 클라우드   #블록체인   #오라클 문제  

표/그림 (6)

참고문헌 (15)

  1. M. Ridley. (2019). Explainable Artificial Intelligence. Ethics of Artificial Intelligence, (299), 28-46. DOI : 10.29242/rli.299.3 

    상세보기 crossref

  2. A. Ignatiev. (2020). Towards Trustable Explainable AI. Proceedings of the Twenty-Ninth International Joint Conference on Artificial Intelligence. DOI : 10.24963/ijcai.2020/726 

    crossref

  3. S. Mahamood. (2019). Explainable Artificial Intelligence and its potential within Industry. Proceedings of the 1st Workshop on Interactive Natural Language Technology for Explainable Artificial Intelligence (NL4XAI 2019). DOI : 10.18653/v1/w19-8401 

    crossref

  4. A. Holzinger. (2018). From Machine Learning to Explainable AI. 2018 World Symposium on Digital Intelligence for Systems and Machines (DISA). (pp. 55-66). IEEE. DOI : 10.1109/disa.2018.8490530 

    crossref

  5. B. S. Miguel, A. Naseer & H. Inakoshi. (2020). Putting Accountability of AI Systems into Practice. Proceedings of the Twenty-Ninth International Joint Conference on Artificial Intelligence. DOI : 10.24963/ijcai.2020/768 

    crossref

  6. E. Daglarli, (2020). Explainable Artificial Intelligence (xAI) Approaches and Deep Meta-Learning Models. Advances and Applications in Deep Learning. 79. DOI : 10.5772/intechopen.92172 

  7. Jo, T. (2020). Decision Tree. Machine Learning Foundations, 141-165. DOI : 10.1007/978-3-030-65900-4_73. 

  8. F. Mahan, M. Mohammadzad, S. M. Rozekhani & W. Pedrycz. (2021). Chi-MFlexDT: Chi-square-based multi flexible fuzzy decision tree for data stream classification. Applied Soft Computing, 105, 107301. DOI : 10.1016/j.asoc.2021.107301 

    상세보기 crossref

  9. L. H. Gilpin, D. Bau, B. Z. Yuan, A. Bajwa, M., Specter & L. Kagal. (2018). Explaining Explanations: An Overview of Interpretability of Machine Learning. 2018 IEEE 5th International Conference on Data Science and Advanced Analytics (DSAA). DOI : 10.1109/dsaa.2018.00018 

    crossref

  10. M. Langer et al. (2021). What do we want from Explainable Artificial Intelligence (XAI)? - A stakeholder perspective on XAI and a conceptual model guiding interdisciplinary XAI research. Artificial Intelligence, 296, 103473. DOI : 10.1016/j.artint.2021.103473 

    상세보기 crossref

  11. M. Nassar, K. Salah, M. H. ur Rehman & D. Svetinovic. (2020). Blockchain for explainable and trustworthy artificial intelligence. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 10(1), e1340. DOI : 10.1002/widm.1340 

    상세보기 crossref

  12. Z. Zhang, Y. Dai & J. Sun. (2020). Deep learning based point cloud registration: an overview. Virtual Reality & Intelligent Hardware, 2(3), 222-246. DOI : 10.1016/j.vrih.2020.05.002 

    상세보기 crossref

  13. H. J. Kim, K. H. Han & S. S. Shin. (2021). Hash-based SSDP for IoT Device Security. Journal of the Korea Convergence Society, 12(5), 9-16. 

  14. G. Caldarelli & J. Ellu. (2021). The blockchain ORACLE problem in Decentralized finance - A Multivocal Approach. DOI : 10.20944/preprints202107.0231.v1 

  15. G. Caldarelli. (2020). Understanding the Blockchain Oracle Problem: A Call for Action. Information, 11(11), 509. DOI : 10.3390/info11110509 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로