Embedding Convolution Neural Network-Based Defect Finder for Deployed Vision Inspector in Manufacturing Company Frontec

Kyoung Jun Lee Jun Woo Kwon Soohong Min Jungho Yoon, Embedding Convolution Neural Network-Based Defect Finder for Deployed Vision Inspector in Manufacturing Company Frontec, IAAI 2020 (The Innovative Applications of Artificial Intelligence Conference), 2020. (Pdf)

Abstract

In collaboration with Frontec, which produces parts such as bolts and nuts for the automobile industry, Kyung Hee University and Benple Inc. develop and deploy AI system for automatic quality inspection of weld nuts. Various constraints to consider exist in adopting AI for the factory, such as response time and limited computing resources available. Our convolutional neural network (CNN) system using large-scale images must classify weld nuts within 0.2 seconds with accuracy over 95%. We designed Circular Hough Transform based preprocessing and an adjusted VGG (Visual Geometry Group) model. The system showed accuracy over 99% and response time of about 0.14 sec. We use TCP / IP protocol to communicate the embedded classification system with an existing vision inspector using LabVIEW. We suggest ways to develop and embed a deep learning framework in an existing manufacturing environment without a hardware change.

Why Are the Largest Social Networking Services Sometimes Unable to Sustain Themselves?

Yong Joon Hyoung, Arum Park, and Kyoung Jun Lee, Why Are the Largest Social Networking Services Sometimes Unable to Sustain Themselves?  Sustainability 2020, 12(2). (Pdf)

Abstract

The sustainability of SNSs (social networking services) is a major issue for both business strategists and those who are simply academically curious. The “network effect” is one of the most important theories used to explain the competitive advantage and sustainability of the largest SNSs in the face of the emergence of multiple competitive followers. However, as numerous cases can be observed when a follower manages to overcome the previously largest SNS, we propose the following research question: Why are the largest social networking services sometimes unable to sustain themselves? This question can also be paraphrased as follows: When (under what conditions) do the largest SNSs collapse? Although the network effect generally enables larger networks to survive and thrive, exceptional cases have been observed, such as NateOn Messenger catching up with MSN Messenger in Korea (Case 1), KakaoTalk catching up with NateOn in Korea (Case 2), Facebook catching up with Myspace in the USA (Case 3), and Facebook catching up with Cyworld in Korea (Case 4). To explain these cases, hypothesis-building and practice-oriented methods were chosen. While developing our hypothesis, we coined the concept of a “larger population social network” (LPSN) and proposed an “LPSN effect hypothesis” as follows: The largest SNS in one area can collapse when a new SNS grows in another larger population’s social network. For the validity and reliability of our case studies, we used an evidence chain and case study protocol with a publicly-accessible LPSN index to determine which SNS is better for participating in or adding offline social networks to their platform.

인공지능 기업의 핵심 의사결정 요소 도출을 위한 Value Engine 모형화

이경전, 손동성, 인공지능 기업의 핵심 의사결정 요소 도출을 위한 Value Engine 모형화, 2020 한국경영정보학회 추계학술대회, 2020.

Abstract

Stabell & Fjeldstad(1998)의 가치배열(Value Configuration) 이론은 기업의 비즈니스 모델을 이해하고 분석하는데 유용한 세 가지 유형을 제시한다. 가치 상점(Value shop)은 고객의 특수한 문제를 해결하는 서비스를 제공하는 기업을 분석하는데 유용하고, 가치 사슬(Value chain)은 대량 생산 체제를 갖춘 기업 분석에 사용되며, 가치 네트워크(Value network)는 두 종류 이상의 고객을 매개함으로써 가치를 창출하는 기업에 적용된다. 가치 상점은 1차 산업 혁명 시기에 탄생한 소규모 상점, 가치 사슬은 2차 산업 혁명시기에 나타난 제조업, 가치 네트워크는 3차 산업 혁명 시기에 탄생한 플랫폼 기업으로 구분한다고 할 때, 본 연구에서는 4차 산업 혁명을 대표하는 인공지능 기업의 비즈니스 모델에 적절한 새로운 가치배열로서, 가치 엔진(Value engine)을 제안한다. 엔진이란 다른 에너지를 기계에너지로 변환하는 기계로, 엔진의 한 유형인 내연 기관(Combustion Engine)은 연료를 연소하여 운동에너지로 변환한다. 한편, Boisot & Canals(2004)은 지능을 가진 자연의 또는 인공 에이전트의 정보 처리 및 행동 메커니즘을, “세계로부터 자극을 입력받아, 감지 필터를 통해 데이터로 변환하고, 개념 필터를 통해 정보로 변환하며, 이를 내면의 가치 체계를 반영하여, 행동으로 의사결정하는 시스템”으로 모형화하였는데, 본 연구는 엔진 메타포에 Boisot & Canals(2004) 모델을 결합하여 AI 엔진을 모형을 제시하였다.
AI 엔진은 데이터를 연료로 활용하여, 가치를 고려한 의사결정을 통해 행동을 도출하는데, AI엔진에 기반하여 사업을 수행하는 기업을 가치 엔진으로 모델링한다. 가치 엔진 모델을 정립하기 위한 대표적인 기업 사례로 뤼이드(Riiid)를 활용하였는데, 뤼이드는 하나의 AI 엔진으로 특정 언어와 시험 영역에 관계없이 다양한 분야에 적용할 수 있다. AI 엔진을 가진 기업은 사용자가 늘어남에 따라 데이터가 축적되고 AI 엔진의 성능이 최적화되고 이에 따라 서비스, 비즈니스 모델, 제품 등의 경쟁력과 가치가 커지는 이른바 데이터 효과(Data effect)를 나타낸다. 본 연구에서는 뤼이드 뿐만 아니라, 뷰노, 비프로컴파니, 웨이모, 테슬라, OpenAI의 GPT-3, 수퍼빈, 플리토 등 여러 인공지능 기업의 비즈니스 모델을 가치 엔진에 따라 분석하였고, 분석 과정을 통해 가치 엔진의 5대 핵심 의사 결정 요소를 다음과 같이 도출하였다: 1) 데이터와 지식의 획득 전략, 2) 가치있는 목표의 설정과 확대 전략, 3) 추론 및 최적화 전략, 4) 인간-AI 협업 전략, 5) 시스템 유지 및 운영 전략.

다분야 서비스 가능 기계학습 엔진 비즈니스 모델 사례 연구

이경전, 손동성, 황보유정, 다분야 서비스 가능 기계학습 엔진 비즈니스 모델 사례 연구, 2020 한국지능정보시스템학회 춘계 학술대회, 2020.

Abstract

인터넷 기술의 발전이 플랫폼 비즈니스 모델을 발전시킨 것과 같이, 인공지능 기술, 특히 기계학습 기술이 과연 프로젝트형, 솔루션 모델을 넘어서 플랫폼 비즈니스 모델과 같은 새로운 비즈니스 모델을 발전시킬 것인가에 대한 산업과 학계의 관심이 늘어나고 있다. 본 논문에서는 에듀테크 기업 뤼이드(Riiid)사례를 통해 기계학습 엔진에 기반한 다분야 서비스 비즈니스 모델의 가능성을 탐색적으로 연구한다. 이 모델은 네트워크 효과에 기반하지 않는다는 면에서 인터넷 기반의 플랫폼 비즈니스 모델과 차별성을 가지며, 데이터 효과가 발생한다는 점에서 인공지능 기반의 비즈니스 모델의 중요한 특성 하나를 도출하며, 일반인공지능(AGI: Artificial General Intelligence)이 추구하는 것이 너무 이상적이고 기술중심적인 상황에 놓여 있는 것에 비해, 기계학습 엔진에 기반하여 다분야에 서비스를 가능하게 하면서 수익을 추구하고 있다는 면에서, 세계적으로 더 유명한 인공지능 기업들 보다 더 우월한 비즈니스 모델을 보여주고 있다.

사용자 중심 인공지능: 정의 와 접근방법(User-Centic AI: Definition and Approach)

이경전, 황보유정, 정백, 박경양, 박종일, 사용자 중심 인공지능: 정의 와 접근방법(User-Centic AI: Definition and Approach), 2020 한국경영정보학회 추계학술대회, 2020.

Abstract

인공지능 시스템의 성능을 높이기 위해 많은 데이터가 필요하지만, 개인정보 관점에서는 사용자 정보를 최소한으로 사용할 필요가 있다. 예를 들어, 인공지능 비서 서비스의 경우, 서비스의 수준을 높이기 위하여 사용자의 정보를 필요 이상으로 수집하여 프라이버시 침해의 우려가 제기되기도 했다. 이에 따라, 프라이버시를 최대한 보호하면서, 서비스할 수 있는 기술의 필요성이 대두되고 있는데, 구글의 경우 Federated Learning을 활용하여 서버에 개인정보를 전달하지 않으면서도 맞춤형 타이핑 서비스인 Gboard를 제공하고 있다.
본 연구에서는 사용자와 기업 모두의 데이터를 직접 공유하지 않고도 서비스를 가능하게 하는 User Centric-AI(UCAI) 구조를 제안한다. 즉, UCAI는 개인 사용자의 프라이버시를 보호하고(Privacy Preserving), 사업자(기업 사용자)의 데이터를 안전하게 상호 활용하면서도(Secure Collaboration), 적절하고 새로움을 주면서, 혜택을 주는(Relevant, Novel, & Beneficial) 서비스를 제공할 수 있는 인공지능 시스템의 구조를 지향한다.
UCAI의 한 구현 알고리즘으로, 사용자의 인적 정보를 활용하지 않고 구매정보만을 활용하면서, 단일 상점 관점에서는 부족한 데이터 상황을 보완하기 위하여, 여타 상점의 구매 정보를 반영하여 추천하는 외삽적인 협업필터링(Extrapolative Collaborative Filtering; ECF) 방법론을 개발하였다. ECF 알고리즘은 Matrix 기반의 M-ECF와, 실제 데이터를 카테고리화하지 않고 자연어 그대로를 활용하여 처리할 수 있도록 Vector 기반의 V-ECF 두 가지 형태로 개발하였다. 다양한 상점의 구매정보를 파악할 수 있는 결제 데이터를 활용하여 ECF 알고리즘을 개발하였고, 사용자 중심 결제 서비스를 제공하고 있는 H결제사의 데이터를 활용하여 알고리즘을 검증하였다. 연구 결과, 인적 정보를 사용하지 않고 오로지 결제 서비스의 수행을 위해 유지하는 구매정보만 가지고, 개인의 프라이버시와 각 상점의 정보를 노출하지 않으면서, 적절한 추천이 가능함을 확인하였다. 더 나아가, H결제사 데이터로 검증 시, 상품명을 카테고리화 하지 않고 자연어 그대로 활용한 추천 또한 가능한 것으로 확인하였다.

악성 댓글 분류 시스템 모니터링 연구: 네이터 클린봇 분석

유지웅, 황보유정, 손동성, 이경전, 악성 댓글 분류 시스템 모니터링 연구: 네이터 클린봇 분석, 2020 한국지능정보시스템학회 춘계학술대회, 2020.

Abstract

인공지능 기기의 오작동 및 편향성 문제 등 여러 부정적 영향에 대해 우려하는 목소리가 적지 않다. 본 논문에서는 네이버의 악성 댓글 분류기 ‘클린봇’을 분석하여 안정적으로 악성 댓글을 분류하는지 확인한다. 네이버 뉴스에서 댓글과 답글을 포함한 90,541건의 댓글을 수집하였고, 악성 댓글 분류 시스템 모니터링 절차에 따라 분석하여 안정성을 확인하였다.
수집된 댓글 중 클린봇에 의해 차단된 댓글은 총 1802건이다. 하지만 연구원들이 직접 분류한 결과 False Positive는 2864건으로 클린봇이 882건의 악성 댓글을 차단하지 못한 것을 알 수 있었다. 또한 False Negative는 8건이 잘못 차단되었다. 즉, 클린봇은 댓글을 대체로 과소하게 차단한다고 추측할 수 있다. Verification단계에서는 클린봇이 어떤 모델을 사용하고 있는지 추론하였으며, 같은 댓글임에도 불구하고 다른 결과가 나타나는 것을 통해 확정적인 규칙 기반 모델을 사용하지는 않은 것으로 판단하였다. 모델의 안정성을 평가하기 위해 댓글에서 사용된 비속어를 수집하여 비속어 사전을 구축하고, 이를 기반으로 변형된 비속어를 클린봇모델이 안정적으로 차단했는지 확인한 결과 변형된 비속어를 포함하는 악성 댓글의 차단율은 약 26.83%로 나타났다.

Uses of Rhetorical Reasoning Theories in Business Communication Researches

MinSeob Lee, Kyoung Jun Lee, Uses of Rhetorical Reasoning Theories in Business Communication Researches, Business Communication Research and Practice 2(1), 2019. (Pdf)

Objectives: By literature review, this paper tries to find how rhetorical reasoning models and theories have been used in business communication both in industry and academia and answer the following questions: 1) Is rhetorical reasoning important for persua- sion in business? 2) What kinds of rhetorical reasoning methods have been used in business communication?


Methods: Dissertations and journal articles from RISS (Research Information Sharing Service) and Google Scholar were gathered. Academic sources were reviewed based on the basic frame of research: Domain, Method, and Results.

Results: Theories and models of Perelman, Toulmin, and van Eemeren have been used to explain various phenomena in the field of business. Business fields in this paper include advertising, bank annual reports, downsizing reports, and policy decision making processes.


Conclusions: Rhetorical reasoning is a widely used method in business communication. Several suggestions for future researches are: First, more rhetorical theories and models are needed to be used to business communication research. Second, existing rhetori- cal reasoning models like the argumentation model of Toulmin need to be tested in more diverse fields of business communication. Third, in addition to text, rhetorical, content analysis, other kinds of research methods such as experiments will be useful for ex- panding the boundaries of business communication research based on rhetorical reasoning theories.