|
생성형 AI 기술의 현황과 사회적 파급효과
2.2 저작권과 지적재산권 침해 쟁점
2.3 딥페이크와 허위정보 확산 문제
2.4 개인정보 보호 및 프라이버시 침해 이슈
2.5 AI 편향성과 알고리즘 공정성 문제
2.6 교육 분야의 윤리적 도전과
|
|
|
AI World 2024 강연. https://www.youtube.com/watch?v=nT1KeIDAyNI
IBM. (2024). EU AI 법이란 무엇인가요? https://www.ibm.com/kr-ko/think/topics/eu-ai-act 1. 서론
2. 본론
2.1 인공지능 기술의 발전 현황과 사회적 영향
2.2 인공지능 윤리의 핵심 쟁점들
2.3 생성형
|
|
|
생성형 인공지능의 미래
2. 생성형 인공지능의 발전방향
(1) 정보 신뢰성과 콘텐츠 투명성 확보
(2) 저작권 및 법적 규율 체계 정비
(3) 윤리적 알고리즘 설계 및 편향성 방지 체계 강화
(4) 노동시장 변화 대응 및 디지털 역량 강화
(5) 공공성
|
|
|
AI) 창작물의 보호 여부에 대한 논의
1) 인공지능 창작물의 보호 논의 동향
2) 인공지능 창작물에 대한 보호의 검토
5. 생성형 AI의 저작권에 관한 법적 쟁점
1) 생성형 AI의 저작권 문제
2) 데이터 학습과정에서의 저작권 침해
3) 저작권 침해
|
|
|
1. 저작권 이슈
2. 보안 및 정보침해
3. 윤리적인 이슈
4. 경제에 미치는 악영향
5. 전력소모 및 탄소배출 증가
6. 참고자료 1. 저작권 이슈
2. 보안 및 정보침해
3. 윤리적인 이슈
4. 경제에 미치는 악영향
5. 전력소모 및 탄소배출 증가
6.
|
|
 |
ai ChatGPT 사용 시 발생할 수 있는 부작용 및 윤리적 이슈
https://appexpress.ai/article/side-effects-caused-by-chatgpt/
7. 연합뉴스TV 생성형 AI와 관련된 최신 뉴스 및 사회적 이슈
https://www.yonhapnewstv.co.kr/news/AKR20250212053659228
8. Semantic Scholar (논문1) ChatGPT 및
|
|
|
윤리적 쟁점
(1) 프라이버시 침해
(2) 명예훼손
(3) 청소년 보호
(4) 저작권 침해
(5) 전자우편 문제 등
3. 인터넷과 미디어 윤리
Ⅳ. 사례연구: 융합시대 일본의 미디어 윤리
1. 방송․통신융합에 대한 일본의 대응
1
|
|
|
저작권에 악성댓글이나 악의적인 유해 정보의 유포, 저작권 침해 등은 아직까지 사이버 공간의 질서체계에 대한 의식이 정립되지 않았기 때문이다. 사이버 공간에서 자율적 윤리규범에 의해 질서가 형성될 수만 있다면 국가의 간섭 여지는
|
|
|
윤리의식, 해킹경험, 애국심 등 다양한 측면의 과학적 조사를 통해 국가에 이익이 될 수 있는 사이버 전쟁 전문가를 선발하고, 이들을 전문직 공무원이나 전문위원 수준의 대우를 통해 신분을 보장함으로써 자연스럽게 국가의 이익에 복무하
|
|
|
AI), 국제인권연맹(ILHR), 인권감시협회(Human Rights Watch) 등의 국제 인권 기구들의 영향력이 더욱 강해질 수 밖에 없는데 이들이 앞으로도 정부나 국가가 다룰 수 없는 북한의 인권 문제와 실태를 끊임없이 조사하고, 여론을 조성하며, 대응책을
|
|
 |
윤리적 문제에 민감하게 대응하는 태도를 지니고 있습니다.
Q8. LG생활건강에서 인턴십을 통해 이루고 싶은 목표는 무엇인가요?
먼저 생성형 AI 기술을 실무에 직접 적용해 보며 실무 역량을 키우고 싶습니다. 또한, 디지털 마케팅과 고객 경험
|
|
 |
AI 기술을 보험 산업에 적용할 때 주의해야 할 점은 무엇입니까?
보험 산업은 고객의 민감한 데이터를 다루기 때문에, 데이터 보안과 윤리적 활용이 무엇보다 중요합니다. AI 모델이 고객의 권익을 침해하지 않도록 철저히 관리해야 합니다. 저
|
|
 |
제시 등이 가능한 시스템을 만드는 것입니다. 이를 통해 의료 서비스의 정확성과 효율성을 높여 국민 건강 증진에 기여할 수 있을 것입니다.
또한 AI 윤리 문제 해결에도 힘쓰고자 합니다. AI 기술이 발전할수록 개인정보 침해, 차별, 편향성 등
|
|
 |
AI-Hub 교육자료 등)을 정제하고, 교육 전문가의 검토를 거쳐 생성 콘텐츠의 품질을 평가하겠습니다.
또한 Reinforcement Learning with Human Feedback(RLHF) 방식을 도입하여 ‘좋은 교육 콘텐츠’의 기준을 반영한 출력 제어 알고리즘을 실험할 예정입니다
|
|
 |
AI 튜터 기반 학습, 실시간 피드백 기반 프로그램 등을 접목시켜 교육의 효율성과 몰입도를 높이는 방안도 제시할 수 있습니다. 결국 기술의 시대일수록 ‘사람을 위한 교육’이 더욱 절실해진다고 믿으며, DRB에서 이러한 관점을 현실로 실현
|
|
메뉴펼치기
