금융, 의료, 안전 등과 같은 고위험 인공지능 적용 분야에서 모델 구축에 필수적인 데이터의 중요성은
증가하고 있다. 그러나 인공지능 모델 구축 초기 단계인 데이터 품질 관리는 인공지능 분야에서
가장 저평가 받는 영역이다. 데이터 분야를 과소평가하는 관행으로 인해 모델의 오류가 누적되는
데이터 캐스케이드 현상은 인공지능 업계 전반에 만연되어 있다. 따라서 데이터 캐스케이드 징후를
사전에 식별하고 방지하기 위해서는 인공지능 생태계의 사회적, 구조적, 기술적 고려가 필요하다.
'정책칼럼' 카테고리의 다른 글
디지털위안화(e-CNY)의 최근 동향과 과제 外(22-4-9)/KIF (0) | 2022.04.10 |
---|---|
우크라이나 사태의 국제곡물 시장 영향 분석(22-4-4)/김종진(농촌경제연구소)外.NKIS (0) | 2022.04.08 |
선박 대체연료 확산이 해운산업에 미치는 영향(22-4-4)/김대진.KDB미래전략연구소 (0) | 2022.04.08 |
글로벌 원전의 게임 체인저, 한국(22-4-1)/박윤경.NH금융연구소 (0) | 2022.04.08 |
클라우드 네이티브(Cloud Native)의 부상(22-4-4)/오민석(메가존디지털).KOSCOM (0) | 2022.04.08 |