국내외 과학기술 정책에 대한 간략한 정보
단신동향
해외단신
공공 정책 부문의 머신러닝 활용을 위한 방안 원문보기 1
- 국가 미국
- 생성기관 RAND 연구소
- 주제분류 핵심R&D분야
- 원문발표일 2022-11-15
- 등록일 2022-12-09
- 권호 228
○ RAND 연구소(RAND Corporation)는 공공 정책 부문에 머신러닝을 활용하는 것의 혜택과 문제점을 살펴보고, 관련 정책 제언을 제시하는 보고서*를 발표함
* Machine Learning in Public Policy: The Perils and the Promise of Interpretability
○ 인공지능과 머신러닝은 공공 정책 부문에서도 복잡한 관계를 모델링하고, 정책 설계를 개선하며, 의사 결정을 지원하고, 공공 서비스의 속도와 품질을 개선하는 등의 큰 효과를 줄 수 있음
- 머신러닝이 공공 정책 부문에 적용될 경우 예측의 정확도를 개선하고, 상황별 특이성과 공정성을 이해하며, 신속하게 예측하고 조기 경보를 제공하는 것을 가능하게 함
- 반면 머신러닝 알고리듬에 대한 지나친 의존은 잘못된 예측으로 피해를 줄 수 있고 사회에 존재하는 불평등을 고착화시키는 결과로 이어질 수도 있음
○ 머신러닝 알고리듬을 통해 빅데이터를 분석하고 기존의 방법으로는 어려움을 겪었던 연구 부문을 개선하기 위해서는 머신러닝을 적절히 활용하는 것이 중요함
- 머신러닝이 신뢰할 수 있고, 투명하며, 책임감있게 정보를 활용하기 위해서는 설명성(interpretability)을 개선하는 것이 필수적임
- 모델 설명력을 제공하기 위해 모델 자체의 고유한 설명성(intrinsic interpretability)을 갖추거나 사후적인 설명성(post hoc interpretability)을 활용하는 방안을 고려할 수 있음
○ 본 보고서는 공공 정책 부문에 머신러닝을 활용하기 위해 (1) 조율된 투자를 통해 데이터를 개선하고, (2) 설명가능성을 고려한 머신러닝을 활용하며, (3) 정책 가치와 효과를 예측하기 위해 예측 가능한 머신러닝을 활용하는 방안을 추진하여야 함
* Machine Learning in Public Policy: The Perils and the Promise of Interpretability
○ 인공지능과 머신러닝은 공공 정책 부문에서도 복잡한 관계를 모델링하고, 정책 설계를 개선하며, 의사 결정을 지원하고, 공공 서비스의 속도와 품질을 개선하는 등의 큰 효과를 줄 수 있음
- 머신러닝이 공공 정책 부문에 적용될 경우 예측의 정확도를 개선하고, 상황별 특이성과 공정성을 이해하며, 신속하게 예측하고 조기 경보를 제공하는 것을 가능하게 함
- 반면 머신러닝 알고리듬에 대한 지나친 의존은 잘못된 예측으로 피해를 줄 수 있고 사회에 존재하는 불평등을 고착화시키는 결과로 이어질 수도 있음
○ 머신러닝 알고리듬을 통해 빅데이터를 분석하고 기존의 방법으로는 어려움을 겪었던 연구 부문을 개선하기 위해서는 머신러닝을 적절히 활용하는 것이 중요함
- 머신러닝이 신뢰할 수 있고, 투명하며, 책임감있게 정보를 활용하기 위해서는 설명성(interpretability)을 개선하는 것이 필수적임
- 모델 설명력을 제공하기 위해 모델 자체의 고유한 설명성(intrinsic interpretability)을 갖추거나 사후적인 설명성(post hoc interpretability)을 활용하는 방안을 고려할 수 있음
○ 본 보고서는 공공 정책 부문에 머신러닝을 활용하기 위해 (1) 조율된 투자를 통해 데이터를 개선하고, (2) 설명가능성을 고려한 머신러닝을 활용하며, (3) 정책 가치와 효과를 예측하기 위해 예측 가능한 머신러닝을 활용하는 방안을 추진하여야 함
