ㅁ 데이터베이스

ㅇ 정의: 데이터베이스는 데이터를 체계적으로 저장하고 관리하는 시스템으로, 다양한 데이터의 검색, 삽입, 삭제, 갱신 등을 효율적으로 처리할 수 있도록 설계됨.

ㅇ 특징: 데이터의 무결성, 일관성, 보안성을 보장하며, 대규모 데이터를 효율적으로 처리하고 다중 사용자 환경에서도 안정적인 운영이 가능함.

ㅇ 적합한 경우: 대량의 데이터를 저장하고 이를 빠르게 검색하거나 분석해야 하는 경우, 다수의 사용자가 동시에 데이터에 접근해야 하는 경우.

ㅇ 시험 함정: 데이터베이스와 데이터웨어하우스의 차이를 혼동하거나, 관계형 데이터베이스와 비관계형 데이터베이스의 특징을 명확히 구분하지 못하는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
O: 데이터베이스는 데이터를 체계적으로 저장하고 관리하는 시스템이다.
X: 데이터베이스는 데이터를 분석하여 인사이트를 도출하는 데 특화된 시스템이다.

================================

1. AI Incident Database

ㅇ 정의: AI Incident Database는 인공지능 시스템이 실패하거나 의도치 않은 결과를 초래한 사례를 수집, 저장, 분석하는 데이터베이스.

ㅇ 특징: 전 세계적으로 발생한 AI 관련 사고를 체계적으로 기록하여, 유사한 사고의 재발을 방지하고 AI 시스템의 신뢰성을 높이는 데 기여함.

ㅇ 적합한 경우: AI 시스템의 리스크를 사전에 파악하거나, AI의 윤리적 문제를 연구하고 예방 전략을 수립하고자 할 때.

ㅇ 시험 함정: AI Incident Database를 단순히 AI 개발을 위한 데이터셋으로 오해하거나, 사고 사례와 일반적인 AI 학습 데이터의 차이를 혼동하는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
O: AI Incident Database는 AI 시스템의 실패 사례를 기록하여 유사한 사고를 예방하는 데 기여한다.
X: AI Incident Database는 AI 시스템의 학습 데이터를 제공하는 주요 데이터베이스이다.

ㅁ 추가 학습 내용

AI Incident Database와 관련된 학습 노트 정리:

1. **AI 사고 사례의 유형별 분류**:
– **편향(Bias)**: AI 시스템이 학습 데이터의 편향을 반영하거나 새로운 편향을 만들어내는 경우. 예: 채용 시스템에서 특정 성별이나 인종에 대한 차별적 결과를 생성.
– **데이터 누락(Missing Data)**: 중요한 데이터가 누락되어 AI 모델의 성능이 저하되거나 잘못된 예측을 하는 경우. 예: 의료 진단 AI에서 특정 인구 집단의 데이터가 부족하여 진단의 정확도가 떨어지는 경우.
– **윤리적 문제(Ethical Issues)**: AI의 사용이 윤리적 기준을 위반하거나 사회적 논란을 일으키는 경우. 예: 감시 기술의 남용으로 인해 사생활 침해가 발생.
– **보안 및 프라이버시(Security and Privacy)**: AI 모델이 민감한 정보를 노출하거나 해킹에 취약한 경우. 예: 음성 인식 시스템이 사용자 데이터를 무단으로 저장.
– **시스템 오류(System Failures)**: 예기치 않은 기술적 오류로 인해 오작동하거나 잘못된 결과를 초래하는 경우. 예: 자율주행차의 센서 오류로 인한 사고 발생.

2. **주요 사고 사례의 구체적인 예시**:
– 2018년, 아마존의 채용 AI가 여성 지원자에 대해 낮은 점수를 부여한 사례. 이는 과거 데이터가 남성 중심적이었기 때문에 발생한 편향 문제.
– 2020년, 영국에서 A-level 시험 점수를 예측하는 AI가 사회·경제적 약자에게 불리한 점수를 부여한 사례. 데이터 누락과 편향이 복합적으로 작용.
– Clearview AI의 얼굴 인식 기술이 무단으로 대규모 얼굴 이미지를 수집하여 프라이버시 침해 논란을 일으킨 사례.

3. **AI Incident Database의 활용 방안**:
– **사고 예방**: 과거 사례를 분석하여 비슷한 사고가 반복되지 않도록 예방하는 데 활용.
– **교육 및 연구**: AI 개발자와 연구자들이 윤리적 문제와 기술적 한계를 학습할 수 있는 자료로 활용.
– **정책 수립**: 정부와 기업이 AI 정책과 규제를 수립하는 데 참고 자료로 사용.

4. **AI 윤리적 관점에서의 중요성**:
– AI 시스템은 인간의 삶에 큰 영향을 미치므로, 사고 사례를 통해 윤리적 기준을 강화할 필요가 있음.
– 사고 사례 분석은 AI의 책임성을 높이고, 투명성과 신뢰를 구축하는 데 기여.
– AI 기술의 발전이 사회적 가치와 조화를 이루도록 방향성을 제시.