AIForEveryone_AI and society

AI와 윤리 관련 이슈들

• AI and hype
• AI의 한계
  • bias
  • adversarial attacks
• AI, developing economics, jobs

AI에 대한 현실적인 관점

• 너무 긍정도 부정도 아닌 편이 좋다
• AI가 모든 문제를 다 해결해주지도 않고, 그리고 AI가 인류를 멸망시켜주지도 않는다

AI의 한계

• 편향된 데이터에 의한 편향된 AI
• AI에 대한 반대 공격(Adversarial attacks)

식별 편향

식별 편향의 예시로

• 아빠가 여성이고 엄마가 아빠로 인식되는 등 편향 식별이 발생할 수 있다

식별 편향으로 인해:

• 소수 인종에게 높은 금리 점수를 매기거나
• 불공정한 편견을 강화하거나
• 피부색에 따라 얼굴 인식을 달리한다거나
• 고용 시 여성에게 불리하게 적용하거나
  등의 문제를 야기할 수 있다

편견을 없애기 위해:

• 덜 편향적인 데이터를 사용하는 등 기술적으로 접근하거나
• 투명한 절차를 통해 AI를 구현하거나
• 다양성을 가진 팀으로 구성하던가

Adversarial attacks on AI

의도적으로 AI를 바보로 만들 수도 있다.

Adverse uses of AI

불순한 AI 사용 예시

• deep fakes : 실제로 하지 않은 일을 한 것처럼 비디오를 합성하는 경우
• undermining of democracy and privacy : 압제적인 감시에 활용(민주주의와 개인정보)
• Generating fake comments
• spam vs. anti-spam
• fraud vs. anti-fraud

AI and developing economies

비록 미국과 중국이 AI를 리딩하고 있지만, 좁은 영역에 강한 국가나 조직도 AI를 활용하면 큰 경쟁력을 가질 수 있다.

그리고 정부와 민간 섹터가 함께 협력하여 나아가야 한다.

아직 AI는 미성숙한 분야이기 때문에 교육에 대한 기대효과가 크다.

AI and jobs

맥킨지에 따르면 2030년까지 AI는 전세계에

• 400-800 백만개를 없애고
• 555-890 백만개의 새로운 직업을 만들 것으로 전망

AI 직업 대체에 대해 이야기중인 해결 대안들:

• conditional basic income : 안전망을 제공하고 학습을 도모
• lifelong learning
• Political solutions