인공지능 데이터해석학

AI와 인간의 정서적 소통을 위해서는,

인간 중심의 다양한 AI 인문데이터가 필요하다!

인간과 인간의 의사소통이 언어로 이루어진다면, 인간과 AI의 의사소통은 ‘인문데이터’를 통하여 이루어진다. 우리는 컴퓨터 과학이나 자연언어처리를 위하여 숫자로 이루어진 표준 데이터 세트와 구별하기 위해서 인문데이터를 ‘인문학’의 범주로 분류하였다.

인문데이터는 인공지능 기술 발전이 인간의 가치와 윤리적 기준에 부합하도록 보장하는 기초적인 관점을 제공할 뿐만 아니라, AI가 사회문화적 맥락에 어떠한 영향을 미치는지 조명할 수 있다. 또한 AI 개발에 인간 중심적인 데이터의 속성과 정보를 제공하고, 나아가 AI가 인문학적 주제와 인간 사회에 대한 이해를 돕는 데 기여할 것으로 본다. 이를 통해 기술이 인간과 공감하면서 문화적으로 다양하게 인식되며, 윤리적으로 건전하게 개발될 수 있도록 하는 중추적인 연구 분야로 자리 잡을 것이다.

앞으로 AI가 감정 능력을 지니며 인간과 정서적으로 소통하기 위해서는 다양한 AI 인문데이터의 구축이 필요하다. 이 책에서 제시한 감정 데이터, 비윤리 데이터 등의 AI 인문데이터는 인간과 AI가 상호작용하기 위해서 인간의 감정, 윤리, 경험의 다면성, 복잡성 등을 고려하여 인간 주석자를 통해 구축되었으며, 한국인의 정서에 적합한 데이터를 구축했다는 점에서 의의가 있다.

이 책에서는 특히, AI 인문데이터의 구축과 활용의 실제를 살펴보는데, 인간의 마음을 다루는 어휘, 음성, 이미지 형태의 감정 데이터를 중심으로 인간의 복잡한 감정이 AI와 연결되도록 시도하고 있다. 구체적으로 한국어 감정 어휘를 24개의 감정 유형으로 구분하고 사전의 표제어와 용례를 기반으로 감정 어휘 사전을 구축했고, 데이터 설계와 구축 절차를 제공했으며, 딥러닝을 활용한 감성 분석을 제시했다.

지은이 : 강우규

중앙대학교 국어국문학과에서 고전문학 전공으로 박사학위를 받 았다. 고전문학과 문화콘텐츠, 고전문학과 디지털 기술의 융합 연구에 관심이 있으며, 디지털 기술을 활용한 고전소설의 감정 연구를 진행하고 있다. 현재는 강원대학교 국학연구소 학술연구 교수로 재직 중이다.

지은이 : 남영자

인문콘텐츠연구소 HK+인공지능인문학단에서 HK연구교수로 재직 중이다. 음성학/speech perception을 전공하였으며, 음성감정인식/AI스피커 음성 관련 연구를 진행하고 있다.

지은이 : 정유남

고려대학교 국어국문학과에서 국어학으로 박사학위를 받았다. 한국어의미론, 말뭉치언어학, AI 리터러시, 언어교육학 분야에서 연구하고 있다. 중앙대학교 인문콘텐츠연구소에서 HK 연구교수 로 재직하였으며, 현재는 국립순천대 조교수로 재직 중이다.

지은이 : 조희련

일본 교토대학교에서 정보학으로 박사학위를 받았다. 사회정보 학을 전공하고, 텍스트와 이미지의 감성 분석 방법을 연구하였 다. 중앙대학교 인문콘텐츠연구소 HK 교수를 역임했다.

머리말 - 인문데이터로 인간 읽기

1장 들어가며

2장 인공지능 인문데이터

1. 인공지능 인문데이터의 정의

2. 인공지능 인문데이터의 특성

(1) 인문데이터의 속성

(2) 인문데이터 구축의 중요성

3장 인공지능 인문데이터 구축의 실제

1. 비윤리 텍스트 데이터

(1) AI 데이터 구축에서 비윤리 텍스트가 가지는 의미

(2) 비윤리 텍스트 말뭉치 구축 동향

(3) 비윤리 텍스트 말뭉치 구축의 실제

2. 감정 온톨로지 데이터

(1) 인공지능과 인간의 감정

(2) 감정 온톨로지 데이터 기획 및 설계

(3) 학문 영역별 감정 온톨로지 데이터 구축

4장 인공지능 인문데이터 분석의 실제

1. 어휘 데이터의 분석

(1) 24개 감정에 기반한 한국어 감정 어휘 사전

(2) 감정 어휘 사전 구축 절차

(3) 감정 어휘 사전을 활용한 감성 분석

2. 음성 데이터의 분석

(1) 제1차 중앙대학교 인문콘텐츠연구소 한국어 음성 감정 데이터베이스

(2) 제2차 중앙대학교 인문콘텐츠연구소 한국어 음성 감정 데이터베이스

(3) 딥러닝 기반 음성 감정 인식

3. 이미지 데이터의 분석

(1) 24개 한국인 감정 기반 얼굴 표정 인식 데이터 세트

(2) 관련 연구

(3) 데이터 세트의 구축

(4) 얼굴 표정 기반 감정 인식 기계학습 모델의 학습과 성능

(5) 결론

4. 인문데이터 구축의 한계와 의의

참고문헌