레이블이 알고리즘인 게시물을 표시합니다. 모든 게시물 표시
레이블이 알고리즘인 게시물을 표시합니다. 모든 게시물 표시

2018년 5월 7일 월요일

필터버블(filter bubble)


필터버블(filter bubble)
​



■ 필터버블 

구글과 야후 등 세계적인 인터넷 검색 업체와 페이스북 등 소셜 미디어 기업들이 제공하는 정보에 의존해 정보 편식을 하는 이용자들이 점점 자신만의 울타리에 갇히고 있다는 것을 설명하기 위해 등장한 말이다.

미국의 온라인 시민단체 무브온의 이사장인 엘리 프레이저가 자신의 저서 『생각 조종자들』에서 제시한 개념이다.

프레이저는 필터 버블 현상이 발생하는 원인으로 인터넷 기업들이 추구하고 있는 개별화 전략을 지목하고 있다. 개별화 전략은 이용자의 성향과 취향, 기호 등을 파악해 이들에게 맞춤형 정보만 제공하는 것을 말한다.

“인터넷 필터가 당신이 실제로 무슨 일을 했는지 살펴보고, 무엇을 좋아하는지 추론”하며, “광고를 조율하는 (상업적) 알고리즘이 우리의 생활을 조율하기 시작했다.”

필터 버블 현상을 불러온 선구자는 세계 최대의 온라인 서점 아마존이다.

단골의 취향을 파악해 책을 추천해주는 동네 서점의 판매 방식을 온라인에서도 구현하겠다는 아이디어가 적용된 아마존은 개인의 취향과 기호를 분류하는 필터링을 사용해 크게 성공했는데, 빅데이터(Big Data) 시대가 개막하면서 맞춤형 정보 제공은 대세가 되었다.

검색 서비스도 개별화 전략으로 진화하고 있다.
​
사람의 마음을 읽는 검색엔진을 강조하고 있는 구글의 지식 그래프와 소셜 검색을 전면에 내세운 페이스북의 그래프 서치가 그런 경우다. 한국 최대의 포털 사이트 네이버 역시 맞춤형 정보를 제공하고 있다.

맞춤형 정보 제공은 마케팅 영역에서 시작되었지만 필터 버블에서 프레이저가 가장 우려하는 것은 뉴스의 개별화다.
​
 현재 야후 뉴스나 『뉴욕타임스』 인터넷판 같은 웹 사이트들은 사용자의 특별한 관심이나 욕구에 맞춰 톱뉴스를 올려주고 있는데 이에 대해 프레이저는 ‘개별화’로 특화된 세계는 “우리가 좋아하는 사람들과 생각들이 모여 있는 편안한 곳”이지만, 필터 버블은 필연적으로 왜곡 효과를 낳을 수밖에 없기 때문에 이용자들은 확증편향 속에 갇혀 살 운명에 처했다고 경고한다.


▷ 필터버블의 개념
필터버블(filter bubble)은 사람들이 인터넷을 탐색할 때 사람들마다 다른 탐색결과를 보여주는 것을 말한다.

탐색결과는 탐색하는 사람이 누구냐(술 마시는 걸 좋아하는 사람, 친숙한 사람, 음악가, 문제아, 젊은 사람, 나이든 사람, 워커홀릭 등)에 따라, 탐색 히스토리에 따라, 지금까지 클릭한 문서에 대한 히스토리에 따라 달라진다.

그래서 동일한 검색 키워드인 ‘Egypt’에 대해, 한 사람은 ‘이집트의 시위에 대한 사이트들’의 목록을, 다른 한 사람은 ‘이집트의 여행정보’에 대한 목록을 검색 결과로 얻게 되는 것이다.

구글이 인터넷 상의 이용자 활동을 기반으로 개인정보를 수집하는 방법을 대표적으로 들자면,

첫째, PageRank 알고리즘을 이용한 웹의 연결구조 파악을 기반으로 한 웹 페이지 순위 정보를 확보하며 이는 이용자들의 웹 방문 및 링크정보를 활용한다.

둘째, 이용자의 탐색어, 방문한 URL, 사용자의 IP주소, 검색시간, 사용한 브라우저, 운영체제, 쿠키 아이디 등에 대한 사용자 정보 등이다.

이러한 다양한 정보들이 구글의 필터링서비스의 성능을 높이고 있는 것이다.
​
▷ 필터버블의 문제점

그러나 필터링 서비스의 문제점을 지적한 연구자가 있으며, Pariser는 2011년의 TED 연설41)에서 필터버블을 당한 사례를 놀라운 일로 소개했다.
​
즉 본인은 매우 진보적인 성향의 사람이며 따라서 의도적으로 보수적인 성향의 사람들을 만나고 그들의 의견을 듣기 위해 노력했다는 것이다.

그런데 어느 날 페이스북에서 보수주의적 성향의 사람들의 글이 모두 제거되었다는 것이다.
​
이는 Pariser가 평소에 진보주의적 성향의 사람을 더 많이 클릭했기 때문이다.

사람마다 각각 다른 취향과 관점과 성향을 가지고 있지만 누구나 중간적인 관점, 세계적인 관점(worldview)을 갖고자 하며, 가질 기회를 가져야 한다.
​
그러나 필터버블은 이러한 기회를 필터링을 통해 원천적으로 봉쇄해 버릴 수 있다.

바로 이점은 어떠한 편견도 없이 정보를 제공해야 하는 사서에게 도전이 되는 과제가 된다.
​
도서관은 이용자 개개인의 요구에 따라 맞춤형 서비스를 제공하기 위해 노력하지만, 여기에는 의도되지 않은 위험스러운 결과가 발생할 수 있다.

즉 필터버블이라는 트랩에 걸리게 된다.

필터버블을 주의해야 하는 또 다른 이유는 탐색결과 및 탐색히스토리가 수집되고, 수집된 정보들은 공유되고 판매될 수 있기 때문이다.


▷ 필터버블 참고자료

● 온라인 “필터 버블”을 주의하세요 (엘리 프레이저(Eli Pariser)
 - 필터 버블은 인터넷 검색 사이트와 소셜미디어에 의존해 정보 편식을 하는 이용자들이 자신만의 울타리에 점점 갇히는 현상을 설명하는 용어로, 엘리 프레이저가 그의 책 ' The Filter Bubble'에서 제시한 개념이다.
​
 - 필터 버블은 정치적이거나 상업적인 논리가 개입된, 필터링을 거친 정보만을 받아들이는 이용자들이 자신도 모르는 사이에 정보를 편식하게 되고, 그로 인해 가치관의 왜곡이 일어날 수 있다는 점을 경고하고 있다.

http://cafe.naver.com/rapid7/3188


● 필터버블 ... 한국언론진흥재단 신문과방송(2017년 7월호)
o 필터버블, 플랫폼의 예방 노력이 중요 (필터버블 논란, 실체없는 기우인가)
o 맞춤형 정보 제공 → 민주주의 ‘독배’ 변질 막아야 (포털의 뉴스 알고리즘과 필터버블 우려)
o SNS 세상에서 더 견고해지는 ‘생각의 감옥’ (소셜미디어·메시징 앱과 필터버블)

o 위키트리뷴과 가짜뉴스와의 전쟁

http://cafe.naver.com/rapid7/3189


● 필터버블 방지 방법
- Eli Pariser(2011)는 필터버블이라는 용어를 최초로 사용한 사람이며, 그의 저서 ‘The Filter Bubble: What the Internet Is Hiding from You’ 에서 이 개념에 대해서 기술하고 있다.
​
- 또한 그의 블로그를 통해서 중립적이나 개인화되지 않은 웹이면서, 필터되지 않았고, 필터버블을 해소할 수 있는 10가지 방법을 소개하고 있으며 많은 방법이 브라우저 설정을 바꾸는 것과 관련된다.

① 쿠키를 삭제하라(Burn your cookies).
② 웹 히스토리를 삭제하라(Erase your web history).
③ 페이스북에게 당신의 데이터를 기밀로 유지해 줄 것을 요구한다(Tell Facebook to keep your data private).
④ 생년월일에 대한 정보를 숨겨라(It’s your birthday, and you can hide it if you want to).
⑤ 타깃 광고를 해지하고, 스토킹 스니커를 떠나게 하라(Turn off targeted ads, and tell the stalking sneakers to buzz off).
⑥ 비밀스럽게 방문하라(Go incognito).
⑦ 더 바람직하게는 익명으로 브라우저를 이용하라(Or better yet, go anonymous).
⑧ 브라우저를 개인화하지 말라(Depersonalize your browser).
⑨ 이용자의 필터를 보고 통제하는 구글이나 페이스북에게 말하라(Tell Google and Facebook to make it easier to see and control your filters).
⑩ 의회에 말하라(Tell Congress you care).

http://cafe.naver.com/rapid7/3190
​
​
ICT에 기반을 둔 비지니스 파트너



​

2018년 3월 26일 월요일

EU의 알고리즘 규제 이슈와 정책적 시사점

 뉴딜코리아 홈페이지 




▣ EU의 알고리즘 규제 이슈와 정책적 시사점

최근 인공지능 기술ㆍ서비스가 크게 확산되면서 정보의 생산과 유통 주체가 사람이 아닌 인공지능 알고리즘에 의해 가능해지기 시작했다.

그런데 인공지능의 산업적 편익 못지 않게 그것에 대한 반작용으로 인공지능의 기술적ㆍ사회적 부작용이나 역기능에 대한 규범적 대응, 예컨대 ‘알고리즘 책무성(algorithmic accountability)’ 또는 ‘알고리즘 투명성’을 규범화하려는 논의도 활발하게 전개되고 있다.

그러한 논의의 출발점은 인공지능 알고리즘이 공정하고 중립적인 것이 아니라 특정한 알고리즘의 선택이나 알고리즘 기반의 의사결정이 차별적 ㆍ배제적인 결과를 초래한다는 데 있다.

예컨대 최근 미국 대선에서도 논란이 있었듯이, 구글이나 페이스북의 추천 및 검색 알고리즘이 정치적으로 편향된 여론 형성을 초래할 수도 있다는 우려인 셈이다.

그래서 올해 미국 오바마 행정부는 널리 상용화된 빅데이터 분석 알고리즘이 사회적 편견과 왜곡, 특히 성차별, 인종 차별의 문제를 야기시킬 수 있음을 경고하기도 했다.

따라서 알고리즘도 인간의 판단이나 선택에 의해 구성되므로 편향성, 차별성을 내포할 수밖에 없기 때문에 알고리즘 설계ㆍ개발 및 활용과정 전반에 대한 규제의 필요성이 자연스럽게 제기된다.

알고리즘규제(algorithmic regulation)와 관련한 본격적 논의는 최근 유럽연합 (EU)의‘개인정보보호규정(GDPR: General Data Protection Regulation)’이 알고리즘 투명성(algorithmic transparency)과 관련해서 프로파일링(profiling) 등 자동화된 개인적 의사결정에 대해 ‘설명을 요구할 권리(right to explanation)’를 적극 포함한 데서 비롯되었다.

알고리즘이 단순히 자동화되어 작동하는 ‘기계의 영역’이 아니라 ‘공공의 영역’에서 사회적 감시와 규제를 받아야 하는 존재로써 부각되기 시작한 셈이다.

EU GDPR의 ‘설명을 요구할 권리’ 규정은 인공지능 시대 알고리즘규제의 중요한 전환점을 제공한 것으로 평가 받는데, 본고는 이 ‘설명을 요구할 권리’를 중심으로 최근 EU의 알고리즘 규제 이슈 및 그 정책적 시사점을 검토하고자 한다


◆ 알고리즘 기반 사회의 도래

○ 자동화, 무인화로 특징지어지는 인공지능(AI) 기술의 급격한 진전은‘알고리즘(algorithm)’으로 대표되는 소프트웨어 주도형 사회로의 변화를 가속화시킴

- 예컨대 검색ㆍ추천 알고리즘이 디지털 상품의 거래구조를 근본적으로 변화시키고, 알고리즘에 의한 노동대체도 가속화되는 등 알고리즘의 사회경제적 영향력이 급증하고 있음

- 실제로 알고리즘이 이용자의 행위를 기반으로 음악, 방송, 영화 등의 상품이나 서비스를 추천, 선택하는 경우도 늘어나고 있음

- 심지어 ‘로봇 저널리즘’의 예와 같이 저널리즘 영역에서도 뉴스 콘텐츠를 알고리즘(기계)이 자동화하여 생산, 유통하는 사례도 급증 하고 있음(오세욱, 2016)


○‘알고리즘’이란 “컴퓨터 혹은 디지털 대상이 과업을 수행하는 방법에 대한 설명으로 명확히 정의된 한정된 개수의 규제나 명령의 집합”(Goffey, 2008: 15)으로 정의됨

- 즉 특정한 값(value)이나 값의 집합을 받아 처리해 또 다른 값이나 값의 집합을 내놓은 사전에 잘 정의된 계산 절차, 즉 ‘데이터를 처리하는 규칙’이라고 할 수 있음(오세욱ㆍ김수아, 2016: 17)

- ‘코드는 법(Code is Law)’이라는 로렌스 레식(Lessig, 1999)의 명제가 있듯이, 알고리즘도 우리가 접하는 정보의 취사선택 및 의사결정에 큰 영향을 미친다는 점에서 일종의 ‘미디어 프레임(media frame)’으로 기능함 (최수진, 2016)


○ 그런데 알고리즘의 사회경제적 활용이 급증하고 있지만 알고리즘이 과연 공정하고 중립적이고 객관적인가에 대한 문제들이 지속적으로 제기되고 있음

- 알고리즘이 내리는 자동화된 의사결정에는 우선순위 결정, 분류, 관련짓기, 필터링이라는 과정(Diakopoulos, 2015, 2016)이 존재하는데, 이 과정이 인간 개입에 따른 오류와 편향성, 검열의 가능성 등 본질적으로 차별적인 성격을 내포하기 때문임

- 알고리즘은 정의된 명령에 따라서만 작동하는 것이 아니라 이용하는 사람 혹은 객체와의 상호작용 속에서 끊임없이 수정 및 조정 되므로 인간(소프트웨어 개발자)의 편견이나 선입견이 반영될 가능성 상존

- 특히, 알고리즘은 과거로부터 쌓여온 데이터를 학습하면서 인종차별, 성차별 등 역사적 편향성을 반영할 가능성도 매우 높음

- 이와 관련해서 지난 2016년 5월, 미국 백악관은 ‘빅데이터: 알고리즘 시스템, 기회와 시민권(Big Data: A Report on Algorithmic Systems,Opportunity, and Civil Rights)’이라는 제목의 보고서에서 알고리즘이 4가지의 편향된 데이터를 반영할 가능성을 제기


○ 따라서 인공지능, 로봇, 소프트웨어의 숨은 명령어로서의 알고리즘에 의한 비의도적인 차별성, 편향성, 편협성 등의 같은 윤리적, 정치사회적 문제가 계속 발생

-  (인종차별) 2016년 7월, 인공지능을 활용한 온라인 국제미인대회에 출전한 참여자들의 프로필 사진을 심사하는 인공지능 프로그램 ‘뷰티닷에이아이(Beauty.AI)’가 백인을 제외한 유색인종 여성들을 전혀 입선하지 않았던 사건(Levin, 2016)

-  (알고리즘 조작) 지난 2016년 5월, 미국의 IT매체 ‘기즈모도’가 페이스북이 특정 미국 대선후보를 낙선시키기 위해 자신의 뉴스편집 서비스‘트렌딩 토픽’의 알고리즘을 조작했다는 의혹을 제기한 사건(Nunez, 2016)

- (미국 대선 여론 조작) 기계학습의 알고리즘적 편견이 반영된 개인 추천 시스템(personal reccommendation system)이 미국 대통령 선거후보자에 대한 유권자들의 선택에 영향을 미쳤다는 주장도 제기(Polonski, 2016)

※ 예컨대 미국 대선동안 유투브의 인공지능 동영상 추천시스템이 80% 이상의 동영상을 트럼프 후보에 우호적인 결과물로 검색, 추천하였는데, 이 추천의 대부분이 가짜 뉴스(fake news)에 의한 추천인 것으로 밝혀짐(Chaslot, 2016).

- (인터넷 극단주의) 최근 가디언(The Guardian)지는 구글의 검색 및 자동완성 알고리즘이 극우적 편견을 포함한 허위정보를 확산시키는 극우집단의 디지털 수단으로 악용될 우려를 경고하기도 했음(Solon & Levin, 2016).


○ 알고리즘을 구축하는 단계에서 개발자의 성향과 판단, 사회적 풍토, 외적인 압력이 개입되기 때문에 알고리즘은 편향적일 수밖에 없으며, 기술적이든 제도적이든 알고리즘의 책임성, 공정성, 투명성을 제고하기 위한 사회적 제어 노력이 요구됨

- 알고리즘은 사회적 상호작용과 독립된 것이 아니라 그 자체가 사회적 상호작용의 한 기능이므로, 사용자들의 피드백이 어떻게 시스템에 선입견이나 편향을 주입하는지에 대한 철저한 고려가 필요

- 그래서 미국 정부는 잘못된 데이터를 학습한 빅데이터 알고리즘의 부작용(차별, 편견, 배제 등)을 우려하고 이에 대한 정책 대응의 필요성을 역설(FTC, 2016.1; Executive Office of the President, 2016.5)

- 최근 독일의 메르켈 총리도 알고리즘 투명성의 결여는 우리의 인식을 왜곡시키고 토론문화와 공론장을 위험에 빠트릴 수 있다며 경고한바 있음(Conolly, 2016)

- 특히 유럽연합(EU)은 개인정보보호 차원에서 알고리즘 규제를 제도화 하려는 노력을 적극 추진하고 있는데, 지난 2016년 4월 개인정보의 수집, 저장, 사용에 대한 포괄적인 규제를 담고 있는 법안인 ‘개인정보보호 규정’(General Data Protection Regulation, Regulation (EU) 2016/679, 이하 ‘GDPR’)4)을 발표

- EU의 GDPR은 머신러닝이나 의사결정 알고리즘 등 새로운 IT기술에 대비하기 위한 규제의 일환으로 정보주체에게 알고리즘 의사결정에 대해 ‘설명을 요구할 권리(right to explanation)’를 제안

- 본 고는 EU의 알고리즘 규제를 가장 체계적으로 정리한 것으로 평가받는 굿맨과 플랙스맨(Goodman & Flaxman, 2016)의 논의를 중심으로 그 내용을 검토하고자 함(Goodman & Falxman, 2016)5)

- 이러한 알고리즘 규제의 흐름은 이제 알고리즘이 단순히 자동화되어 작동하는 ‘기계의 영역’이 아니라 ‘공공의 영역’에서 사회적 감시와 비판을 받아야 하는 존재임을 시사함(최수진, 2016)


☞ 추가 상세내용은 첨부파일을 참고 바랍니다

▶ 이 원 태(정보통신정책연구원 연구위원)
GDPR 교육 및 컨설팅 | ISMS 인증 컨설팅
(070-7867-3721, ismsbok@gmail.com)



EU의 인공지능 新규제메카니즘 설명가능 인공지능(XAI)

 뉴딜코리아 홈페이지 

EU의 인공지능 新규제메카니즘 설명가능 인공지능(XAI)




2018년 5월25일부터 발효되는 EU의 일반정보보호규정(GDPR) 내용중, 최근 이슈가 되고 있는 머신러닝 인공지능 관련된 규정의 내용과 시사하는 바를 요약, 정리하였습니다.

ㅇ 머신러닝 AI가 문제 해결능력이 뛰어나고, 빅데이터를 통한 효과적인 의사결정으로 비즈니스 활용 수요가 증가하는 한편,
- 알고리즘의 조작가능성, 의사결정의 편향성 등 부작용이 세상에 알려지면서 머신러닝 AI에 대한 신뢰성 문제가 제기

ㅇ EU는 적절하고 안전하며 신뢰할 수 있는 알고리즘 기능뿐만 아니라 기본 권리를 보장하기 위한 규제 메카니즘을 구축 - 정보주체가 인공지능의 의사결정에 대해 설명을 요구할 수 있는 권리를 법제화함으로써 AI규제에 대한 중요한 전환점으로 평가

ㅇ 이러한 안전장치의 핵심은 공정과 신뢰의 도덕적 원칙이 알고리즘을 통해 발현될 수 있도록 기업을 독려하는 것으로,
- 기업으로 하여금 공정한 알고리즘의 설계, AI윤리의 선포, 설명가능 AI 기술개발, 품질관리 등 자발적 규제준수 노력을 요구

Ⅰ. 개요
Ⅱ. EU의 ML/AI 신 규제 메카니즘
Ⅲ. 신뢰의 ML/AI를 향한 자발적 조치
Ⅳ. 시사점

본 보고서는 EU의 일반정보보호규정(GDPR) 보고서 및 , ‘Regulatory Mechanisms and Algorithms towards Trust in AI/ML, Eva Thelisson 등 3인 공저, 2017’ 논문을 요약․정리한 것으로 원문에 대한 저작권은 EU 및 논문 저작자에 있습니다.

작성 및 문의
- 정책본부 미래전략센터 김동현 수석(053-230-1288, kimdh@nia.or.kr)​

첨부파일 :
EU의 인공지능 新규제메카니즘: ‘설명가능 인공지능(XAI)


GDPR 컨설팅 & DPO교육
(070-7867-3721, ismsbok@gmail.com)


2017년 11월 26일 일요일

솔라리스 패스워드 암호 알고리즘

 뉴딜코리아 홈페이지 



☞ 패스워드 암호화 알고리즘을 sha256 이상으로 변경 필요
 
 
Step 1. Solaris 10 U6 이후 부터 적용
 
# cat /etc/release
                       Solaris 10 8/07 s10s_u4wos_12b SPARC
           Copyright 2007 Sun Microsystems, Inc.  All Rights Reserved.
                        Use is subject to license terms.
                            Assembled 16 August 2007
 
※ U6 이전일 경우 140905-02 패치를 적용해 준다
 
# showrev
Hostname:
Hostid:
Release: 5.10
Kernel architecture: sun4u
Application architecture: sparc
Hardware provider: Oracle Corporation
Domain:
Kernel version: SunOS 5.10 Generic_147440-09
 

Step 2. 적용 가능한 알고리즘

# cat /etc/security/crypt.conf
 
# Copyright 2008 Sun Microsystems, Inc.  All rights reserved.
# Use is subject to license terms.
#
#ident  "@(#)crypt.conf 1.2     08/05/14 SMI"
#
# The algorithm name __unix__ is reserved.
 
1       crypt_bsdmd5.so.1
2a      crypt_bsdbf.so.1
md5     crypt_sunmd5.so.1
5       crypt_sha256.so.1
6       crypt_sha512.so.1
 
 
Step 3. 알고리즘 적용
 
# cat /etc/security/policy.conf
 
CRYPT_ALGORITHMS_ALLOW=1,2a,md5,5,6
CRYPT_DEFAULT=5
 
 
Step 4. 암호화 적용 확인
 
# cat /etc/shadow
UserID:$sha256$WWPosyC1$$heOphUzdBSUGdktGO98EQ/:15540::84::::



암호화 & Key관리 솔루션 공급사
뉴딜코리아 솔루션사업부 (070-7867-3721, ismsbok@gmail.com)

2016년 6월 26일 일요일

해시함수 LSH 코드

카페 > 뉴딜코리아 홈페이지 | 뉴딜코리아
http://cafe.naver.com/rapid7/2535
​
국산 암호 알고리즘 LSH 코드


1. 해시 함수 LSH
      LSH는 메시지 인증, 사용자 인증, 전자서명 등 다양한 암호 응용 분야에 활용 가능한 암호학적
      해시 함수입니다.


2. 주요 특성
   개발연도 : 2014년
   알고리즘 구분 : 해시 함수
   출력 길이 : 224비트, 256비트, 384비트 또는 512비트
   구조 : Wide-pipe Merkle Damgaard 구조


3. 성능
  
  다양한 SW 환경에서 국제 표준(SHA2/3) 대비 2배 이상 성능

   256비트 출력
CPU LSH-256 SHA-256 SHA3-256
Intel Core i7-4770K@3.5Ghz 3.60 1.82 10.56
ARM Cortex-A15@1.7GHz 11.17 19.91 36.03
256비트 출력 해시 함수 구현 효율성 비교 (메시지 길이: 1MB, 단위: cycles/byte)

   512비트 출력
CPU LSH-512 SHA-512 SHA3-512
Intel Core i7-4770K@3.5Ghz 2.39 7.65 16.36
ARM Cortex-A15@1.7GHz 8.94 44.13 63.31
512비트 출력 해시 함수 구현 효율성 비교 (메시지 길이: 1MB, 단위: cycles/byte) 
​
​
​4. 표준화
   LSH 규격은 국내 TTA 표준으로 제정되었습니다.
​
분류 표준명
LSH TTAK.KO-12.0276, 해시 함수 LSH
​
​5. 지적재산권
  
    LSH는 지적재산권에 대한 사용료 없이 제품 생산 및 판매와 관련하여 적용할 수 있습니다.
​
​
​
6. LSH 소스코드

  - 코드 구성 및 특징
구분 특징
SIMD 고속 구현 코드 SSE2, SSSE3, AVX2, XOP, NEON 지원
C 레퍼런스 코드 구현 참조용 코드
Java 코드 Java 1.5 이상 지원
Python 코드 Python 2.7 이상, 3.2 이상 지원


- 제공 기능
   LSH-224, LSH-256, LSH-512-224, LSH-512-256, LSH-384, LSH-512
   LSH 기반 메시지 인증 코드(HMAC)

- 본 소스코드는 지적재산권에 대한 사용료 없이 제품 생산 및 판매와 관련하여 적용할 수 있습니다.
- 소스코드 관련 문의는 cryptoalg@nsr.re.kr 로 주시기 바랍니다.

​




​7. 첨부파일
      LSH 규격서
      LSH 논문(영문)
      LSH 소스코드
      LSH 소스코드 매뉴얼

​

2016년 3월 13일 일요일

알파고(AlphaGo)의 인공지능 알고리즘 분석

출처 카페 > 뉴딜코리아 홈페이지 | 뉴딜코리아
원문 http://cafe.naver.com/rapid7/2263


알파고(AlphaGo)의 인공지능 알고리즘 분석

구글 DeepMind가 바둑 인공지능 프로그램 AlphaGo를 공개한지 한 달의 시간이 흘렀다.

유럽 바둑챔피온인 판후이 프로 2단을 꺾고, 세계 바둑챔피온 이세돌 프로 9단에게 도전장을 냈다.

아직까지 많은 전문가들이 이세돌 9단의 우세를 점치고 있으나, 도전자인 AlphaGo가 챔피온이 되는 날이 머지않을 것으로 전망했다.

판후이와 대국 당시, 심판과 전문 프로기사들 역시 AlphaGo의 바둑이 사람과 크게 다르지 않다고 평했다.

인공지능 바둑프로그램이 인간을 넘어서는 초읽기가 시작된 것이다.

그렇다면 “어떻게 사람처럼 바둑을 두는 것이 가능한가?”에 대한 자연스러운 물음을 하게 된다.

AlphaGo가 기존 바둑프로그램의 한계를 뛰어 넘은 핵심을 더 깊게 이해할 필요가 있다.

본 보고서는 AlphaGo의 인공지능 알고리즘을 더 이해하기 쉽게 전달하는 것을 목표로 한다. AlphaGo에 대한 막연한 궁금증을 풀기위해서 인공지능 게임 알고리즘의 핵심인 게임 트리 알고리즘부터 살펴보고자 한다.

원문 :
AlphaGo의 인공지능 알고리즘 분석 [소프트웨어정책연구소 2016.03.04]