라벨링교육 인공지능 윤리와 법(필수) 수강 후기 [2022년 인공지능 학습용 데이터 라벨링 전문 교육]

★ AI Data 교육 안내 및 수강신청 사이트 - http://aidata.elancer.co.kr/student/edulist.php

교육 신청하기 | 2022 인공지능 학습용 데이터 라벨링 전문 교육

사진출처 - '22년 6월 인공지능 학습용 데이터 라벨링 전문교육 안내 (AI Data 공지사항)

※ 해당 교육은 사전에 수강신청을 한 후, 신청한 날짜에 맞춰서 교육을 참여할 수 있는 구조입니다. 오프라인은 물론 온라인 교육도 제한인원이 많지 않아 마감이 빠르게 이루어지므로, 관심 강의가 있으시다면 빠르게 접수하시는 것을 추천드립니다.

수강료는 없으며 교육을 수료한 이후 해당 과정의 수료증이 발급되오니, 아래 후기나 관련 정보를 보고 해당 교육에 관심이 생기신 분들께서는 교육을 수강해 주시면 되겠습니다. 

 

사진 출처 : 데이터 라벨링 전문 교육 AI Data - 교육과정 소개

올 여름에 SNS 광고로 이 교육을 알게 되었고, '2022년 인공지능 학습용 데이터 라벨링 전문 교육'이라는 프로그램에 참여하게 되었습니다. 데이터 분석을 위해 라벨링(레이블링)에 대해서 배우고 싶다는 생각이 있었고 음성, 텍스트, 이미지/영상 등 종류별로 라벨링을 배우고 실습할 수 있다고 하여 해당 교육을 듣게 되었습니다.

 

오늘 게시글은 전체 교육 중 필수과정인 '인공지능 윤리와 법'에 관한 내용입니다. 위 내용과 같이 인공지능 윤리, 개인정보, 저작권, 지식재산권 등에 대한 내용을 배울 수 있었습니다.

 

사진출처 - AI DATA LMS (데이터 라벨링 전문 교육 - 교육 수강하기)

 

'인공지능 개요' 챕터에서는 인공지능의 개념과 4차 산업의 소개, 그리고 'AI 학습용 데이터셋 구축 사업' 소개 등의 기본 개념과 추진 사업에 대한 설명이 주된 내용이었습니다. 과학기술정보통신부에서 주관하고, 한국지능정보사회진흥원(NIA)에서 전담하는 교육인 만큼 국가적인 차원에서 진행된 사업의 목적과 성과가 상당 비중을 차지했습니다. 그 중에서 'AI 허브(AI Hub)'라는 플랫폼에서 인공지능 데이터 개방이 총 191종(약 5억여 건)이나 이루어졌다는 것이 인상적이었습니다. AI 데이터가 "Seed Data"로서 역할을 기대한다는 점에서, 해당 데이터를 얼마나 잘 활용하는 것이 앞으로도 중요한 이슈가 될 것이라는 것을 배울 수 있었습니다.

(※ 참고자료 - 정부, AI 학습용 데이터 170종 4억8천만건 민간 개방 (지디넷코리아, 2021.06.) https://zdnet.co.kr/view/?no=20210618101038)

정부, AI 학습용 데이터 170종 4억8천만건 민간 개방

 

다음은 '인공지능 윤리 및 이해' 부분입니다. 기술 오남용, 데이터 편향성, 알고리즘 차별, 프라이버시 침해 등의 윤리적 이슈 사례가 소개되었습니다. 예를 들어, 아마존의 '알렉사', 구글의 '구글 어시스턴트', 애플의 '시리' 등 인공지능 스피커로 수집된 음성 정보를 제3의 외부업체가 청취한다는 사례를 통해 인공지능의 윤리 문제의 중요성과 심각성을 느낄 수 있었습니다. 이를 대처하기 위해 정부기관, 국제기구, 기업 등이 윤리적 권고사항과 개인정보 보호 지침을 발표 및 논의를 진행하고 있다는 점에서, 관련 원칙이 어떤 것이 있고 잘 지켜지고 있는지 꾸준한 관심이 필요하겠다고 생각하게 되었습니다.

(※ 참고자료 - 프라이버시 침해 이슈 : AI스피커 개인정보 https://www.upinews.kr/newsView/upi201909040060)

박선숙, "AI스피커에도 개인정보 최소수집 원칙 적용해야"

 

'개인정보 보호' 또한 중요하게 다가왔습니다. 여기서는 개인을 식별할 수 있는 상태에서 비식별화 과정을 통해 개인을 식별할 수 없게 처리한 정보인 '비식별화 정보'가 주요 소재로 언급되었습니다. 가명처리, 총계처리, 데이터 삭제, 데이터 범주화, 데이터 마스킹 등 데이터를 다루는 것에 있어 비식별 조치 방법을 잘 활용하는 것이 중요하는 것을 배울 수 있었습니다. 또한 AI 개인정보보호 자율점검표가 대외적으로 공개되어 있다는 점을 토대로, 인공지능 데이터를 활용할 때 개인정보 문제가 없는지 활용할 수 있을 것이라 생각합니다.

(※ 참고자료 - 인공지능(AI) 개인정보보호 자율점검표 (개인정보보호위원회) https://www.pipc.go.kr/np/cop/bbs/selectBoardArticle.do?bbsId=BS217&mCode=D010030000&nttId=7347)

개인정보보호위원회

 

이후에는 'AI 저작권과 안면인식 초상권'에 대해 배웠습니다. 일상 속의 저작권 침해 사례부터 인공지능 학습용 데이터 획득 시의 침해 사례까지 다양한 면에서 저작권 침해가 될 수 있다는 점을 알 수 있었습니다. 이를 해결하기 위해 민법 및 형법 개정, 적극적인 실태 조사 및 학계 차원의 공동 연구, 홍보와 교육 강화, 인식과 견해 변화를 위한 공동의 노력, 사람의 사고 전환 등이 언급되었습니다. 특히 '정당한 대가를 지불'해야 한다는 점이 중요하게 다가왔으며, 이 부분에서 가치가 비교적 정확하게 매겨질 수 있으면 더 좋겠다는 생각이 들었습니다.

(※ 참고자료 - 2020 저작권 보고 자체점검 지침서 (한국저작권보호원) https://www.kcopa.or.kr/lay1/bbs/S1T11C293/A/66/view.do?article_seq=1661) 

홈 >자료마당>공개자료

 

'인공지능 지식재산권' 문제는 소송 판례와 책임이 제시되었습니다. 불안정한 사용환경, 빈약한 문서, 지적 재산권과 같은 오픈소스의 한계점을 극복하기 위해 제도 정착과 인식 변화가 함께 이루어지는 것이 필요하다는 것을 배울 수 있었습니다.

(※ 참고자료 - 인공지능(AI) ‘저작권’, 그 신청 결과는?… 美 저작권청 (IP데일리)

http://www.ipdaily.co.kr/2022/02/28/23/16/12/19351/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5ai-%EC%A0%80%EC%9E%91%EA%B6%8C-%EA%B7%B8-%EC%8B%A0%EC%B2%AD-%EA%B2%B0%EA%B3%BC%EB%8A%94-%E7%BE%8E-%EC%A0%80%EC%9E%91%EA%B6%8C%EC%B2%AD

인공지능(AI) ‘저작권’, 그 신청 결과는?… 美 저작권청

 

강의의 마지막 챕터는, 'AI 관련 경력 개발 경로 및 비전'이었습니다. 라벨러 교육을 왜 하는지, 데이터 가공(라벨링) 교육이 왜 중요한지, 그리고 라벨러의 전망이 어떠한 지에 대해 알 수 있었습니다. 인공지능 데이터 구축과 활용의 성공을 위해 숙련된 라벨러가 절대적으로 필요하다는 점을 토대로, 라벨링에 대해서도 이번 교육과 함께 꾸준한 관심을 이어가야겠다고 생각하게 되었습니다.

 

 

 

혹시 이 글을 끝까지 읽고 해당 강의에 관심이 생기신 분들을 위해, 교육 신청을 위한 사이트를 아래에 다시 올려두겠습니다.

★ AI Data 교육 안내 및 수강신청 사이트 - http://aidata.elancer.co.kr/student/edulist.php

교육 신청하기 | 2022 인공지능 학습용 데이터 라벨링 전문 교육