AI-World-Story

혈액검사와 기본 임상정보를 머신러닝으로 분석해 수면무호흡증 중증도를 예측하는 AI 기반 선별검사 기술을 표현한 이미지. 수면다원검사 없이도 중증 환자를 먼저 선별할 수 있는 인공지능 모델이 제안됐다. 잠을 자는 동안 반복적으로 호흡이 멈추는 폐쇄성 수면무호흡증(OSAHS)은 고혈압, 심혈관질환, 당뇨병, 뇌졸중 위험을 높이는 대표적인 수면질환이다. 하지만 정확한 진단을 위해서는 하룻밤 동안 병원에서 시행하는 수면다원검사(PSG)가 필요해 비용과 접근성의 한계가 있다. 최근 발표된 연구에서는 혈액검사와 기본 건강검진 정보만으로 수면무호흡증의 중증도를 예측하는 머신러닝 모델 을 개발했다. 연구 결과 다섯 가지 인공지능 모델 가운데 XGBoost가 가장 우수한 성능을 보였으며, 중등도 이상의 환자를 선별하는 보조도구로 활용 가능성을 확인했다. 병원마다 수면다원검사를 받기 어려운 이유 폐쇄성 수면무호흡증은 전 세계적으로 수억 명이 앓고 있는 흔한 질환이다. 그러나 진단률은 매우 낮다. 가장 큰 이유는 표준검사인 수면다원검사가 시간과 비용이 많이 들고 전문 장비와 숙련된 인력이 필요하기 때문이다. 이 때문에 실제 임상에서는 코골이나 주간 졸림 증상이 있어도 검사를 받지 못하거나 진단이 늦어지는 경우가 적지 않다. 연구진은 이러한 문제를 해결하기 위해 병원에서 쉽게 얻을 수 있는 임상정보만으로 중증도를 예측할 수 있는 모델을 개발하고자 했다. 432명의 임상 데이터를 이용해 AI를 학습했다 연구에는 중국 취징중앙병원 환자 432명이 참여했다. 연구진은 나이, 성별, BMI(체질량지수), 혈압, 혈당, 적혈구와 혈소판 수치, 간 기능 검사, 신장 기능 검사, 호모시스테인(HCY), 총 빌리루빈(TBIL), 경동맥 초음파 결과 등 총 25개의 임상 변수를 활용했다. 환자의 70%는 AI 학습에, 나머지 30%는 성능 검증에 사용했다. 또한 과적합을 줄이기 위해 5겹 교차검증과 하이퍼파라미터 최적화를 적용했다. ...

체화지능(Embodied Intelligence)을 적용한 휴머노이드 로봇, 사족보행 로봇, 드론이 협력해 전력설비를 점검하고 유지보수를 수행하는 미래 전력 산업의 개념도. 사람의 위험한 현장 작업을 줄이고 안전성과 운영 효율을 높이는 차세대 기술을 표현했다. 사람 대신 위험한 전력 현장에 투입되는 '체화지능(Embodied Intelligence)' 기술의 현재와 한계를 살펴보다 전력설비를 점검하거나 고압 송전선을 수리하는 작업은 산업 현장에서도 가장 위험한 업무에 속한다. 높은 곳에서 작업해야 하고, 감전 위험은 물론 태풍이나 산사태 같은 재난 상황에서도 긴급 복구가 필요하기 때문이다. 최근 이러한 문제를 해결할 차세대 기술로 체화지능(Embodied Intelligence, EI) 이 주목받고 있다. 단순히 AI가 판단만 하는 것이 아니라, 로봇이 직접 보고(Perception), 이해하고(Cognition), 행동하는(Execution) 하나의 통합 시스템이다. 2026년 발표된 리뷰 논문은 지금까지의 연구 125편을 분석해 전력 시스템에서 체화지능이 어디까지 발전했으며 앞으로 어떤 과제를 해결해야 하는지를 종합적으로 정리했다. 기존 전력 점검 로봇은 왜 한계에 부딪혔을까 지금도 변전소나 송전선에는 다양한 점검 로봇이 사용된다. 하지만 대부분은 미리 입력된 경로를 따라 움직이는 수준이다. 예를 들어 작업 차량이 예상하지 못한 위치에 주차되어 있거나, 태풍으로 지형이 바뀌거나, 공사 장비가 놓여 있으면 로봇은 스스로 판단하지 못하고 작업을 중단하는 경우가 많다. 연구진은 이러한 이유를 기존 로봇이 인지와 행동이 분리된 구조 를 사용하기 때문이라고 설명한다. 즉, 장애물을 발견해도 그것이 무엇인지 이해하거나 새로운 방법을 계획하는 능력이 부족하다. 체화지능은 '보고-생각하고-행동하는' 하나의 시스템이다 논문은 체화지능의 핵심을 'Brain-Body Integration...

DR-Transformer는 희소 어텐션과 지도 대조학습을 결합해 소셜미디어 게시글에서 스트레스 신호를 보다 정확하고 효율적으로 탐지하도록 설계된 경량 Transformer 모델이다. 희소 어텐션과 대조학습을 결합한 DR-Transformer가 정확도와 해석 가능성을 동시에 높였다. 소셜미디어에는 스트레스와 불안, 우울감을 드러내는 글이 매일 수없이 올라온다. 이러한 글을 자동으로 분석하면 정신건강 연구나 온라인 상담, 콘텐츠 관리에 도움을 줄 수 있다. 하지만 기존의 Transformer 기반 AI는 성능은 뛰어나도 왜 특정 글을 스트레스로 판단했는지 이해하기 어렵고, 학습과 운영에 고성능 GPU가 필요한 경우가 많았다. 이번 연구에서는 이러한 문제를 해결하기 위해 DR-Transformer(Dual-Regularized Transformer) 라는 새로운 모델을 제안했다. 연구진은 기존 Transformer에 두 가지 학습 기법을 결합해 정확도를 높이면서도 중요한 단어에 집중하는 구조를 만들었고, 약 950만 개의 매개변수만으로도 1억 1천만 개 이상의 매개변수를 가진 MentalBERT와 거의 같은 수준의 성능을 달성했다. 기존의 스트레스 탐지 AI에는 한계가 있다 최근 자연어 처리 기술은 SNS 게시글만으로 스트레스나 우울 위험을 예측하는 수준까지 발전했다. 그러나 실제 활용에는 두 가지 문제가 있었다. 첫 번째는 해석 가능성 이다. AI가 어떤 단어와 문장을 근거로 스트레스를 판단했는지 명확히 알기 어려웠다. 의료진이나 콘텐츠 관리자 입장에서는 결과만 제시되는 AI를 그대로 신뢰하기 어렵다. 두 번째는 계산 비용 이다. 최신 모델들은 대부분 수억 개 이상의 매개변수를 사용하기 때문에 일반적인 개인용 컴퓨터에서는 학습이 어렵다. 연구진은 "조금 더 작은 모델이라도 중요한 정보에 집중하도록 만들면 충분히 경쟁력 있는 성능을 낼 수 있다"는 가설을 검증하고자 했다. 중요한 단어만 집중하...

사우디아라비아는 Vision 2030을 기반으로 대학 교육에 인공지능(AI)을 적극 도입하고 있으며, ChatGPT와 AI 챗봇 등 생성형 AI를 활용한 맞춤형 학습과 교육 혁신 연구가 빠르게 확대되고 있다. ChatGPT부터 AI 챗봇까지, 사우디 고등교육 연구를 체계적으로 분석한 최신 리뷰 사우디아라비아는 국가 발전 전략인 Vision 2030 을 통해 인공지능(AI)을 교육 현장에 적극 도입하고 있다. 하지만 실제 대학에서는 AI가 얼마나 활용되고 있으며, 어떤 분야의 연구가 활발할까. 2026년 Frontiers in Big Data 에 발표된 체계적 문헌고찰(Systematic Literature Review)은 2022년 1월부터 2026년 2월까지 발표된 연구 66편을 분석해 이러한 질문에 답했다. 연구진은 PRISMA 기준과 VOSviewer 분석을 활용해 사우디 대학의 AI 연구 동향과 핵심 주제, 주요 연구기관, 향후 과제를 종합적으로 정리했다. AI 연구는 왜 빠르게 늘어나고 있을까 사우디 정부는 Vision 2030과 국가 AI 전략(NSDAI)을 통해 대학 교육의 디지털 전환을 핵심 과제로 추진하고 있다. 이에 따라 AI를 교육과 연구, 행정에 활용하려는 움직임이 빠르게 증가하고 있다. 그러나 기존 연구들은 특정 사례나 설문조사 중심이 많았고, 사우디 전체 대학의 연구 흐름을 종합적으로 분석한 자료는 부족했다. 또한 학생들의 높은 관심과 달리 대학의 준비 수준은 기관마다 큰 차이를 보인다는 점도 문제로 지적됐다. 이 연구는 이러한 공백을 메우기 위해 최근 4년간 발표된 논문 전체를 체계적으로 분석했다. 최근 4년 동안 연구가 폭발적으로 증가했다 연구진은 Scopus와 Web of Science 데이터베이스에서 논문을 검색한 뒤 중복을 제거하고 최종적으로 66편을 분석 대상으로 선정했다. 연도별 논문 수를 보면 AI 연구가 꾸준히 증가하는 모습을 확인할 수 있다. 2022년 ...

  수사 인터뷰는 형사사법의 핵심 절차이며, 인공지능은 정보 수집과 분석을 지원할 잠재력을 지니지만 기억 왜곡과 자동화 편향 등 새로운 위험도 함께 고려해야 한다. 수사 인터뷰(investigative interviewing)는 피해자와 목격자, 용의자로부터 정확하고 완전한 진술을 확보하는 과정으로, 형사사법제도의 핵심을 이루는 절차이다. 범죄가 발생하면 대개 누군가는 사건에 관한 정보를 알고 있다. 그러나 경찰이 인터뷰를 어떻게 수행하느냐는 단순히 정보를 확보할 수 있는지를 넘어, 그 정보의 신뢰성과 완전성은 물론 이후 형사사법 절차 전반의 신뢰성까지 좌우한다. 20세기 대부분의 기간 동안, 그리고 오늘날에도 여전히 많은 지역에서 경찰은 허위 자백의 위험을 높이는 추궁형 비증거 기반 심문 기법을 주로 사용했다. 영국 내무부의 의뢰로 존 볼드윈(John Baldwin)이 1992년 잉글랜드와 웨일스에서 실시된 600여 건의 경찰 인터뷰를 분석한 연구를 비롯한 여러 연구는, 경찰관들이 열린 자세로 정보를 수집하기보다 기존의 가정과 확증 편향에 의존하는 경향이 강했음을 보여주었다. 그 결과 무고한 사람으로부터 허위 자백이 받아들여지는 사례가 발생했고, 목격자의 진술은 질문 방식에 따라 왜곡되었으며, 증거의 신뢰성은 수집되는 순간부터 훼손되는 일이 적지 않았다. 직장의 인공지능 수사 인터뷰의 핵심에는 인간의 기억은 녹음기처럼 사실을 그대로 저장하는 것이 아니라는, 널리 과학적으로 입증된 사실이 자리하고 있다. 기억은 사건을 그대로 재생하는 것이 아니라 재구성되는 과정이다. 따라서 사건을 목격한 이후 접하는 유도 질문, 언론 보도, 다른 목격자의 이야기와 같은 정보에 의해 쉽게 왜곡될 수 있다. 이는 경찰이 인터뷰를 어떻게 진행해야 하는지에 중요한 시사점을 제공한다. 사건 이후 잘못된 정보에 노출되면 목격자의 기억이 변형되는 이른바 오정보 효과(misinformation effect) 는 인지심리학에서 가장 견고하게 입증된 현...

AI 음성 번역 기술은 언어 장벽을 낮추는 강력한 도구지만, 인간의 맥락 이해와 의사소통 능력을 완전히 대체할 수는 없다. 공공서비스와 같이 정확성이 중요한 분야에서는 AI와 전문 통역사가 상호 보완적으로 협력하는 하이브리드 접근이 더욱 중요해지고 있다. 휴대전화에 대고 말하면 애플리케이션은 몇 초 만에 그 말을 다른 언어로 바꾸어 전달한다. AI 기반 음성 번역은 빠르고 편리하며 매우 유창할 수 있다. 그러나 번역이 아무리 유창해도 사람들이 서로를 온전히 이해하게 된다는 보장은 없다. 가장 최근 인구조사에 따르면 잉글랜드와 웨일스에서 영어를 능숙하게 구사하지 못한다고 답한 사람은 88만 명, 전혀 하지 못한다고 답한 사람은 16만 1천 명에 이른다. 다시 말해 100만 명이 넘는 주민이 일상생활은 물론 필수 공공서비스를 이용할 때에도 언어 지원을 필요로 할 수 있다는 뜻이다. 언어적 다양성은 매우 폭넓다. 런던에만 250개가 넘는 언어가 사용된다. 그러나 예산 부족과 일부 언어 통역사의 인력난으로 인해 긴급한 법률, 의료, 사회복지 현장에서 적절한 방언과 전문성을 갖춘 통역사를 확보하기는 쉽지 않다. 여기서 말하는 것은 번역가(translator)가 아니라 통역사(interpreter)다. 전문 언어 서비스에서 번역은 주로 문서와 같은 서면 텍스트를 다루는 반면, 통역은 대면·전화·화상 등 다양한 환경에서 서로 다른 구어 또는 수어 사용자가 즉석에서 의사소통할 수 있도록 돕는 역할을 한다. 대화는 단순히 문장을 주고받는 행위가 아니다. 사람들은 앞선 발언에 반응하며 다음 대화를 만들어 간다. 머뭇거림, 말을 다시 꺼내는 순간, 앞서 한 이야기를 되짚는 과정에서도 새로운 의미가 형성된다. 단어는 이러한 상호작용의 일부일 뿐이다. 말투와 속도, 침묵, 비언어적 신호까지 모두가 발화의 의미를 결정하는 요소가 된다. 인간 상호작용의 복잡성 자동 음성 번역은 속도와 접근성 면에서 분명한 장점을 지닌다. 영국의 보건·사회복지...

광음향 신호를 웨이블릿 변환(CWT)으로 시간-주파수 형태로 변환한 뒤 CNN 기반 인공지능이 저흡수 미세·나노입자의 크기와 농도를 높은 정확도로 분류하는 과정을 표현한 개념 이미지. 낮은 신호 대 잡음비에서도 입자 크기와 농도를 높은 정확도로 구분한 새로운 광음향 AI 분석법 미세입자나 나노입자를 구분하는 일은 의료 진단과 신소재 분석에서 매우 중요하다. 하지만 빛을 잘 흡수하지 않는 입자는 광음향(Photoacoustic) 신호가 매우 약해 기존 분석법으로는 크기나 농도를 정확하게 구별하기 어려웠다. 대부분의 기존 연구는 금 나노입자처럼 빛을 강하게 흡수하는 물질을 대상으로 했기 때문에 실제 생체 조직과 유사한 저흡수 입자에서는 성능이 크게 떨어지는 한계가 있었다. 이번 연구는 이러한 문제를 해결하기 위해 연속 웨이블릿 변환(CWT)과 합성곱 신경망(CNN)을 결합한 새로운 분석 프레임워크를 제안했다. 연구 결과, 원시 광음향 신호를 그대로 사용할 경우 분류 정확도는 약 46.9%에 불과했지만, 시간과 주파수 정보를 담은 웨이블릿 스케일로그램을 이용하면 입자 크기는 100%, 부피분율(농도)은 96% 이상의 정확도로 분류할 수 있었다. 약한 광음향 신호는 왜 분석하기 어려운가 광음향 기술은 레이저를 조사했을 때 발생하는 아주 작은 음파를 측정해 물질의 특성을 알아내는 방법이다. 의료 영상, 세포 분석, 나노입자 검출 등 다양한 분야에서 활용되고 있지만, 빛을 거의 흡수하지 않는 물질에서는 발생하는 음향 신호 자체가 매우 약하다. 여기에 초음파 센서의 대역폭 제한과 산란 현상까지 더해지면 서로 다른 크기의 입자라도 비슷한 신호를 만들 수 있다. 특히 농도가 높아질수록 빛이 표면에서 대부분 흡수되는 차폐 효과(shielding effect) 때문에 신호 세기만으로는 입자 농도를 정확하게 추정하기 어려웠다. 연구진은 시간보다 ‘시간과 주파수’를 함께 살펴봤다 연구진은 기존처럼 시간축 신호만 분석하지 않았다...