책임감 있는 AI(RAI) 분석

데이터 프라이버시, 편향성 및 학계 동향 (2/2)

다음 페이지

데이터 프라이버시 문제

데이터 공동체(data commons) 위축

AI 학습에 사용되는 공개 웹 데이터 접근이 점점 더 제한되고 있습니다.

영향: 데이터 다양성 부족, 모델 정렬, 편향성 문제 발생

개인정보 보호 요구 증가

데이터 규제 강화

기업 개인정보 보호 신뢰도
50% -3%

기업 투명성 점수 개선

37%

2023년 10월

58%

2024년 5월

파운데이션 모델 개발사 투명성 진행 상황:

데이터 출처 공개 65%
훈련 방법론 공개 52%
평가 결과 상세 공개 47%

개선은 진행 중이지만 여전히 상당한 개선 여지가 있음

편향성 지속 문제

명시적 편향을 줄이려는 노력에도 불구하고, GPT-4 등 최신 LLM에서도 여전히 암묵적 편향이 나타나고 있습니다.

인종 편향

특정 인종에 대한 고정관념 강화 및 부정적 연관성 발견

성별 편향

성별에 따른 직업, 성격 특성 관련 제한적 관점 유지

문화적 편향

서구 중심적 관점과 가치 우선시 경향

사회경제적 편향

특정 계층 관점에서의 문제 인식 및 해결책 제시

편향성 감소를 위한 체계적 접근이 필요합니다

선거 허위 정보

AI 관련 선거 허위 정보가 전 세계적으로 확산되었으나, 실제 선거 결과에 미친 영향은 아직 명확하지 않습니다.

주요 우려 사항

  • 딥페이크 영상 증가
  • AI 생성 가짜 뉴스
  • 허위 음성 메시지

대응책

  • 워터마킹 기술
  • 출처 검증 도구
  • 미디어 식별 기술

학계의 RAI 관심 증대

992

2023년

1,278

2024년

+28.8%

증가율

주요 AI 학회에서 채택된 RAI 관련 논문 수 추이

편향성

+32%

투명성

+35%

안전성

+41%