인공지능 윤리에 대한 탐색적 연구: 토픽 모델링을 활용한 뉴스 기사 분석
An Exploratory Study on Artificial Intelligence Ethics: News Article Analysis Using Topic Modeling
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
인공지능(Artificial Intelligence, AI)이 급격하게 발전함에 따라 다양한 사회적, 윤리적 문제 또한 야기되고 있다. 이에 따라 학계와 산업계에서 활발한 논의가 이루어지고 있다. 본 연구는 국내 주요 언론사의 뉴스 데이터를 수집하여 토픽 모델링의 대표적인 알고리즘인 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA)을 통해 AI 윤리와 관련하여 논의되고 있는 주요 주제를 파악하였다. 약 1년 6개월간 발행된 뉴스 데이터를 2023년 상반기, 2023년 하반기, 2024년 상반기로 나누어 토픽 모델링을 통해 분석한 결과, (1) AI 윤리의 기반 마련, (2) AI 윤리 교육과 새로운 비즈니스 가능성, (3) AI의 적용 및 실제적인 문제의 등장과 같이 시간의 흐름에 따라 논의되는 주제가 보다 구체화되면서 변화하고 있는 것으로 나타났다. 이러한 시간의 흐름에 따른 주제의 변화는 AI의 윤리적 프레임워크를 구축하는 데 있어서 지속적으로 관련 주제에 대한 관찰과 통찰이 필요함을 시사한다. 본 연구는 또한 다양한 미래 정책 방향을 제안함으로써 보다 윤리적이고 안전한 AI 생태계를 만드는 데 기여한다.
Abstract
As artificial intelligence (AI) is rapidly developing, various social and ethical issues are also being raised. Accordingly, active discussions are taking place in academia and industry. This study collected news articles from major domestic media outlets and identified major topics being discussed in relation to AI ethics through latent dirichlet allocation (LDA), a representative topic modeling algorithm. As a result of analyzing news data published for approximately 1 year and 6 months in the first half of 2023, the second half of 2023, and the first half of 2024 through topic modeling, it was found that the topics being discussed are changing and becoming more specific over time, such as (1) establishing the foundation for AI ethics, (2) AI ethics education and new business possibilities, and (3) the application of AI and the emergence of practical issues. This change in topics over time suggests that continuous observation and insight into related topics are necessary in establishing an AI ethics framework. This study also contributes to creating a more ethical and safe AI ecosystem by proposing various future policy directions.
참고문헌 (19)
- 김강민, "토픽모델링과 네트워크 분석을 이용한 자율 주행 윤리 연구 동향 분석", Journal of Digital Contents Society, 25(1), pp.187~197 (2024)
- 김명주, "인공지능 윤리의 필요성과 국내외 동향", 한국통신학회지(정보와통신), 34(10), pp.45~54 (2017)
- 김미영, "텍스트 마이닝을 활용한 인공지능 윤리 연구 동향 분석", 정보교육학회논문지, 27(1), pp.23~33 (2023)
- 김문구, "키워드 네트워크 분석과 토픽모델링을 활용한 AI 윤리연구의 핵심주제 분석", pp.0777~0778 (2024), 2024년도 한국통신학회 동계종합학술발표회
- Aggarwal, C. C., "Mining Text Data" (2012), Springer
- Ananny, M., "Seeing Without Knowing : Limitations of the Transparency Ideal and its Application to Algorithmic Accountability", New Media and Society, 20(3), pp.973~989 (2018)
- Baek, H., "Exploring AI Principles in Global Top 500 Enterprises : A Delphi Technique of LDA Topic Modeling Results", Korean Journal of Artificial Intelligence, 11(2), pp.7~17 (2023)
- Binns, R., "Fairness in Machine learning: Lessons from Political Philosophy", Proceedings of the 2018Conference on Fairness, Accountability, and Transparency, pp.149~159 (2018)
- Blei, D. M., "Probabilistic Topic Models", Communications of the ACM, 55(4), pp.77~84 (2012)
- Blei, D. M., "Latent Dirichlet Allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)
- Buolamwini, J., "Gender Shades : Intersectional Accuracy Disparities in Commercial Gender Classification", Proceedings of Machine Learning Research, 81, pp.1~15 (2018)
- Cath, C., "Artificial Intelligence and the ‘Good Society’ : The US, EU, and UK approach", Science and Engineering Ethics, 24(2), pp.505~528 (2018)
- "Amazon Scraps Secret AI Recruiting Tool That Showed Bias Against Women" (2018)[URL]
- Floridi, L., "A Unified Framework of Five Principles for AI in Society", Harvard Data Science Review, 1(1), pp.8~ (2019)[DOI]
- Jobin, A., "The Global Landscape of AI Ethics Guidelines", Nature Machine Intelligence, 1(9), pp.389~399 (2019)
- Johnson, D. G., "Technology with No Human Responsibility? The Case of Artificial Intelligence", Science and Engineering Ethics, 26(2), pp.1047~1060 (2020)
- Mittelstadt, B. D., "The Ethics of Algorithms : Mapping the Debate", Big Data and Society, 3(2), pp.2053951716679679~ (2016)
- "Ethics of Artificial Intelligence and Robotics" (2020)[URL]
- Newman, D., "Automatic Evaluation of Topic Coherence", Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, pp.100~108 (2010)