EU AI 법규 준수를 위한 T‑노름 연산 비교: 루카시비치·프로덕트·고델 적용 분석
본 논문은 EU AI Act 준수 분류에 사용되는 세 가지 삼값 논리 연산인 루카시비치(Lukasiewicz), 프로덕트(Product), 고델(Gödel) t‑norm을 비교한다. LGGT+ 엔진과 1,035개의 라벨링된 AI 시스템 설명 데이터셋을 이용해 정확도, 위양성·위음성 비율, 경계 사례에서의 행동을 평가하였다. 고델 t‑norm이 가장 높은 전체 정확도(84.5%)와 경계 사례 재현율(85%)을 보였지만 위양성 0.8%를 발생시켰다…
저자: Adam Laabs
**1. 서론**
EU AI Act는 AI 시스템을 네 가지 위험 등급(금지, 고위험, 제한위험, 최소위험)으로 분류하도록 규정한다. 각 등급은 여러 조건이 동시에 충족될 때 성립하는 전형적인 ‘AND’ 구조를 가진다. 이러한 조건 결합을 연속적인 신뢰도 점수에 적용하기 위해 논문은 삼값 논리의 t‑norm을 도입한다. 기존 연구에서는 t‑norm이 신경‑심볼릭 시스템에 사용된 사례는 있으나, 규제 준수 분류에 어느 t‑norm이 가장 적합한지는 실증적으로 검증되지 않았다.
**2. 배경**
t‑norm은
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기