연구배경 지능정보사회(intelligent information society)로 나아감에 따라 인공지능은 다양한 분야에서 미래의 정보사회를 이끌어 나갈 기술로 주목받고 있다. 이에 최근 몇 년간 AI 기반의 여러 혁신 사례가 지속적으로 발표되고 있지만, 지금까지의 인공지능은 의사결정을 지원할 때 결과만 알려주고 어떤 근거로 이 판단에 이르렀는지 논리적으로 설명할 수 없는 점이 한계로 지적되며 ‘블랙박스’로 취급되었다. 이에 모델링 해석의 필요성과 중요성이 높아지고 있지만, 그 프로세스를 시각화할 때 어떻게 접근해야 할지에 대한 학술적 논의는 매우 부족한 실정이다. 따라서 본 연구에서는 인공지능의 수행과정을 시각화한 선행연구 분석을 통해 각 과정별 시각화 접근방법을 살펴보고자 한다.
연구방법 본 연구에서는 일반적인 예측 모델링 프로젝트에서의 머신러닝과 딥러닝 파이프라인(Pipeline)을 살펴보고, 이를 적용한 연구들을 조사하여, 인공지능의 수행과정을 세 단계(탐색, 학습, 추론)로 구분하였다. 그리고 각 단계별로 어떻게 시각화가 이루어지고 있는지 리서치 프레임워크(Research Framework)를 토대로 분석하였다.
연구결과 인공지능 파이프라인의 시각화를 다룬 논문들을 조사하여, 인공지능의 수행과정을 ① 탐색단계(데이터 수집, 전처리, 다양한 기계학습 기법에 적용 등 모형개발 전 단계에 관한 시각화) ② 학습단계(특징 추출, 특징 선택 등 모형 선택 후 실제 데이터 학습 과정에서의 시각화) ③ 추론단계(알고리즘의 정확성과 유의미성 평가 등 모형의 성능에 관한 시각화)로 구분하였고, 각 단계별 시각화 방법을 살펴본 결과 목적(모델 작동 이해/오분류 원인 파악, 디버깅 지원 등) 및 대상(전문가/비전문가)에 따라 데이터시각화 제공방법에 차이가 있는 것으로 나타났다.
결론 본 연구에서 도출된 항목들은 앞으로 인공지능의 수행과정에 따른 데이터시각화 디자인 사례를 분석하기 위한 기초 자료로 사용될 것이다. 본 연구를 토대로 향후 더욱 다양한 관점에서의 사례 분석이 진행된다면 인공지능의 수행과정을 시각화하기 위한 전략 수립과 이론적 토대 마련이 가능할 것으로 기대한다.