독일에서 공법상 인공지능(AI) 활용의 억제와 육성 논의

김용욱

추천

검색

질문

자료유형: 학술저널

저자정보: 김용욱

저널정보: 성균관대학교 법학연구원 성균관법학 성균관법학 제35권 제4호

발행연도: 2023.12

수록면: 39 - 80 (42page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근 OpenAI 이사회가 ChatGPT의 아버지인 Sam Altman을 전격 해 고하였다가 닷새만에 복귀한 사례가 보여주는 것처럼 세계적으로 AI의 억제와 육성에 관한 논의가 첨예하게 대립 중이다. 이는 현재로서는 정확하게 알 수 없는 AI 발전에 대한 불안과 기대가 공존하기 때문이다. 그러나 AI는 당장에 막대한 부를 가져다줄 것이기에 그것이 “실제 가능 하냐”의 문제가 있을 뿐 시대의 흐름을 막을 수는 없고, 국가간 경쟁에 서 뒤처질 우려로 인해 더욱 그렇다. 최근 EU 의회 및 이사회가 합의한 AI법안과 EU GDPR(유럽 일반데이터보호규정)을 비롯한 독일 연방행정 절차법 제35a조, Bayern 주와 Schleswig-Holstein 주의 주법 등은 공공행정에서 AI 억제 및 육성과 관련된 여러 요소를 정하고 있다. 판단의 공정성 및 예측가능성의 문제에서, 불완전하고 주관적인 인간이 같은 인간을 판단하고 있다는 모순적 상황을 고려한다면, -AI가 인간보다 조금 이나마 더 낫다는 것을 전제로- (결국 재량영역으로, 종국적으로는 司法 판단까지로도 귀결될) AI 가치판단의 문제를 원천적으로 거부할 수는 없다. 물론 AI도 차별 등 오류의 위험이 있으나 이는 알고리즘 설계 혹은 그 발전을 통해 예방 노력을 할 수 있다는 점에서, 올바른 알고리즘으로 통제·유도할 수 없는 인간의 주관적 판단과는 다르다. 가치판단의 영역에서 AI를 실제 활용하기 위해서는 “정보의 초연결성”과 “AI 활용의 투명 성”이 충족되어야 한다. 전자는 데이터보호와 상충관계라는 큰 문제가 있고, 후자는 AI 활용사실의 관련자에 대한 고지와, 최종 결론에 이른 AI 알고리즘 프로토콜에 대한 해명을 포괄한다. 이 두 과제의 해결은 결국 “기술발전”만으로 가능하며, EU AI법안처럼 시장 출시 전 회원국의 전폭적인 지원하에 제한된 기간 통제된 환경을 제공하여 혁신적인 AI 시스템 개발·테스트·검증 등을 도울 수 있는 –또한 일종의 AI 규제 샌드박스 역할도 할 수 있을 것으로 보이는- AI 실증 연구소(KI-Reallabore) 제도와 같은 국가적 지원방안이 필요하다.

The global debate over the curbing and fostering of AI is at a fever pitch, as evidenced by the recent firing of Sam Altman, the father of ChatGPT, by the OpenAI board, only to have him reinstated five days later. This is due to a combination of anxiety and excitement about the future of AI, which is currently unclear. However, there is no stopping the development of AI, as it will bring enormous wealth in the near future. Just as the amendments to the AI Law adopted by the EU Parliament are more focused on restraint, so too is Germany, with Article 22 of the GDPR, Article 35a of the Federal Administrative Procedure Act, and state laws in the states of Bayern and Schleswig-Holstein to minimize concerns about violations of individual rights. One of the main arguments for fostering AI in public administration is the fairness and predictability of judgment. Of course, AI is also at risk of errors, such as discrimination. However, this can be prevented through algorithm design, which is better than human subjective judgment, which cannot be controlled and guided by the right algorithm. The fairness of judgment is ultimately a matter of value judgment, so it comes down to a matter of discretion, which is ultimately the same as judicial judgment. As a prerequisite for AI judgment, "hyperconnectivity of information" and "transparency of AI utilization" are necessary. The former has a big problem of conflicts with data protection. The latter encompasses the disclosure of the facts of AI utilization to the relevant parties and the explanation of the AI algorithm protocols that led to the final conclusion. These two challenges can only be solved by "technological progress". Effective national support is needed, such as the EU AI law's “AI labs” (which will also serve as a kind of AI regulatory sandbox), which will allow countries to provide a controlled environment for a limited period of time to develop, test, and validate innovative AI systems before they go to market.

#인공지능 #자동화 행정행위 #인공지능법 #연방행정절차법 제35a조 #GDPR #투명성 #AI #Artificial Intelligence #Automated Administrative Action #AI Act #Article 35a of the Federal Administrative Procedure Act #GDPR #Transparency

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문과 함께 이용한 논문

국내외 언론이 바라본 딥페이크 기술

최창욱 , 정유미 디지털콘텐츠학회논문지 2022 .05

인공지능(AI) 입법 방법론에 관한 소고 - EU AI Act(AIA)를 중심으로 -

권오민 , 김동희 법이론실무연구 2024 .11

한국의 인공지능 서비스 및 규율 동향에 관한 연구 - 한국의 인공지능 일반적 규율 동향 -

안경봉 국민대학교 법학연구소 학술발표대회 논문집 2022 .12

생성형 인공지능 모델(GPT)을 활용한 고소 프로세스 개선에 관한 연구: 차용사기 사건을 중심으로

이정우 , 노승국 형사정책연구 2023 .09

인공지능 알고리즘 규율을 위한 법제 동향 - 미국과 EU 인공지능법의 비교를 중심으로 -

김광수 행정법연구 2023 .03

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-091223576

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)