[사이언스 칼럼] AI 시대, 다시 묻는 측정의 가치

AI 요약

저자는 새뮤얼 존슨의 경구와 인도 코브라 사례를 들어 선한 의도가 반드시 선한 결과로 이어지지 않으며, 잘못된 측정 지표가 의도를 배반할 수 있음을 지적합니다. 인공지능은 학습 데이터와 알고리즘에 기반해 결과를 생성하므로 데이터 품질 부족이나 편향, 생성형 AI의 환각 등으로 잘못된 판단을 만들 수 있어 모든 결과는 검증의 대상이며, 측정과학의 불확도 표시는 이러한 한계를 투명하게 드러내 신뢰성을 높인다고 강조합니다. 신뢰할 수 있는 인공지능을 위해서는 데이터 품질 확인과 결과 신뢰 수준 평가를 위한 공통의 기준과 표준이 필요하며, 한국표준과학연구원(KRISS)에서 관련 연구가 이어지고 있다고 덧붙입니다.