최근의 인공지능, 특히 생성형 AI에 대한 이해를 통해 인공지능 기술의 사회적 함의에 대한 이해를 넓히는 것을 목적으로 함.

머신러닝, CNN, GAN, 확산모델, 트랜스포머, LLM, 멀티 모달 모델의 발전 과정을 살펴보고,
이런 기술이 사회에 미칠 영향을 과학기술학(STS: Science Technology Studies) 관점에서 살펴봄으로써 향후 인공지능 전문학자로서 지녀야 할 덕성을 함양시키는 것을 목표로 함

본 과목은 ‘인공지능 수학여행’ 과목과 연결되어 진행됨

하지만 '인공지능 수학여행' 과목을 이수하지 않았어도 본 과목을 수강하는 데에는 지장이 없음
인공지능 수학의 역사 관련 과목인 '인공지능 수학여행'은 본 과목을 수강한 이후에 수강해도 무방함

기말고사(50%), 조별 발표(20%), 기말보고서/구두시험(10%), 과제물/Quiz(10%), 출석(10%)

발표 점수 산정: 발표문 제출 시간 엄수(3), 발표 내용(10), 발표 능력(3), 답변 능력(4), 자유 토론 운영 능력 (5), 지정 토론 질문 능력 (10) 등 총 35점으로 전체 점수에 비율을 적용해 반영

파이썬 코딩 실력 성적 반영 여부 : 파이썬 코딩 실력 자체는 Python Quiz 시간을 운영하는 경우를 제외하고는 전체 학생을 대상으로 하는 성적 평가에는 반영하지 않는다.

기본 교육 자료 : 강의 시작 전에 전체 강의 내용을 pdf 파일로 제공함.

참고 도서:
Kevin Murphy, Probabilistic Machine Learning: An Introduction (MIT Press, 2022), 케빈 머피 (이판호 옮김), 『확률론적 머신러닝: 기본편』 (에이콘, 2024). 머신러닝 기초 이론 참고용
사이토 고키, (개앞맵시 옮김), 『밑바닥부터 시작하는 딥러닝 5』 (한빛미디어, 2024).

- 강의 전반적 내용

강의 초반부에서는 최근에 급속하게 발전하고 있는 머신러닝, CNN, GNN, GAN, 확산모델, 자연어처리, 트랜스포머, LLM, 멀티 모달 인공지능 모델의 발전 과정에 대해 살펴본다.
여기서 학생들은 인공지능 분야의 최근 동향과 전반적인 내용에 대한 개념적 이해를 얻게 된다.
강의 중반 이후에는 최근에 발전한 인공지능 분야가 미치는 사회적 영향에 대해 본격적으로 살펴본다.

1. 과목 소개 : 인공지능과 인류의 미래
2. 머신러닝 개괄
3. 딥러닝의 발전
4. 자연어처리, 트랜스포머, LLM
5. 음성처리와 음성 인식 : 예비 강의
6. Generative AI : VAE, GAN, Diffusion Model, Multi-modal model
7. 데이터 윤리 : Big Data, Bias, Fairness, Transparency
8. 과학기술학 : 행위자 네트워크 이론과 사회-기술 앙상블 이론
9. 인공지능과 위험 소통 : Deepfake, Risk-management, Recourse, Accountability

특별 강의 : 과학기술 혁신과 예술(인공지능과 예술)

강연과 실습/발표를 번갈아 하면서 진행하는 3학점 강의

- 학생 자습용 파이썬 기초 라이브러리 실습 : Pandas (학생들이 스스로 학습하는 것을 원칙으로 함. 교수가 관련 기본 코드를 사전에 배부하고 교수 실습 시간에 Python Quiz 시간을 운영함)
파이썬, 넘파이, 시각화 관련 라이브러리, 확률 통계 관련 라이브러리는 '인공지능 수학 여행' 과목에서 다룸

- 교수 지도 아래 조교가 진행하는 머신러닝/딥러닝, 자연어처리 기초 라이브러리 실습 : Scikit-learn, Statsmodels, Pytorch, 자연어처리 관련 라이브러리


- 학생 발표의 두 가지 유형
1. 인공지능과 관련된 포괄적인 일반 주제 발표 (윤리적, 법적, 사회적 이슈 포함)
2. 인공지능과 관련된 논문 분석 및 해설

- 기말보고서 유형 : 인공지능 관련 Essay Review (구두시험으로 대체할 수도 있음)

수업은 강의 및 실습, 그룹별 발표 및 토론 6회, 과제물 제출 혹은 Python Quiz, 기말시험 및 기말보고서/구두시험 등으로 진행된다.

발표 진행 방식

발표 그룹은 담당 교수의 허락을 받아 인공지능 관련 발표 주제를 자유롭게 선정한다.
발표 그룹은 지정 토론 그룹에게 적어도 발표 24시간 전에 발표 초안을 보내주어야 한다.
발표는 30분 이상 45분 이내로 하고 발표자와 답변자는 다수 인원이 담당하여도 무방하다.
발표문 마지막에 2-3개의 토론 주제를 제시하여 종합 토론을 유도한다.
지정 토론은 발표 내용에 대한 점검, 평가, 보완을 중심으로 전개하되 10분 이내로 질문을 독점할 수 있다.
지정 토론이 끝나면 발표 그룹은 강의 종료 5분 전까지 자유 토론을 진행한다.
강의 종료 5분 전이 되면 발표 그룹은 그동안 나왔던 토론 내용을 정리하고 발표를 마무리한다.