¼öÇè¼ | Âü°í¼ | Àڰݼ | ÀϹݵµ¼ | + ½°ÅÍ |
XAI, ¼³¸í °¡´ÉÇÑ AI ºñÁ¦ÀÌÆÛºí¸¯/¿À¿À¾²º¸ ³ª¿ÀÅ° ¿Ü
- »óÇ°Á¤º¸
- »óÇ°Æò°¡
- »óÇ°¹®ÀÇ
- ¹è¼Û/¹ÝÇ°/ȯºÒ
XAI, ¼³¸í °¡´ÉÇÑ AI
ÁÖ¿ä ÆÄÀ̽㠶óÀ̺귯¸®¸¦ È°¿ëÇÑ °³º° ±â¼ú ÇнÀ°ú ½Ç½À±îÁö
Á¤°¡ : 27,000¿øÆǸŰ¡ 24,300¿ø (10% ÇÒÀÎ)
Ç°¸ñÁ¤º¸
Ãâ°£ÀÏ | 2022³â 11¿ù 24ÀÏ |
---|---|
Âʼö, ¹«°Ô, Å©±â | 284ÂÊ | 188*245*20mm |
ISBN13 | 9791165921644 |
ISBN10 | 1165921642 |
Ã¥¼Ò°³
±× ¼ø°£, ÀΰøÁö´ÉÀº ¿Ö ±×·¸°Ô »ý°¢ÇßÀ»±î?
¼³¸í °¡´ÉÇÑ AIÀÎ XAI·Î, AIÀÇ ¸¶À½¼ÓÀ» µé¿©´Ùº»´Ù!
¾î´Àµ¡ ¿ì¸® ÁÖº¯¿¡¼ AI¸¦ ½±°Ô Á¢ÇÒ ¼ö ÀÖ´Â ½Ã´ë°¡ µÇ¾ú´Ù. ¿©·¯ ´Ù¾çÇÑ ±â¾÷¿¡¼µµ AI¸¦ ÅëÇØ Àü·«À» ¼ö¸³Çϰųª ÅõÀÚ¸¦ °áÁ¤ÇÏ°í, µ¥ÀÌÅÍ °ü·Ã ¹ýÀÌ Á¦Á¤ ¹× °øÇ¥µÇ¾î ºòµ¥ÀÌÅ͸¦ ¼öÁýÇÏ°í È°¿ëÇÏ´Â ±Ù°Å°¡ ¸¶·ÃµÇ°í ÀÖ´Ù. ÇÏÁö¸¸ AI°¡ °©ÀÚ±â ÀϹÝÀûÀÎ °á°ú¿¡¼ ¹þ¾î³ª ¾û¶×ÇÑ °á°ú¸¦ µµÃâÇÑ´Ù¸é ¾î¶»°Ô µÉ±î? ¸¸¾à »ý¸í°ú °ü·ÃµÈ AI¿¡ ÀÌ·¯ÇÑ ¹®Á¦°¡ ¹ß»ýÇÑ´Ù¸é Å« »ç°í·Îµµ À̾îÁú ¼ö ÀÖ´Ù. ÇÏÁö¸¸ ‘AIÀÇ Ã¥ÀÓ¼º’, Áï AI°¡ µµÃâÇÏ´Â Ãß·Ð °á°ú¿¡ ¸íÈ®ÇÑ ±Ù°Å¸¦ Á¦½ÃÇϱ⠾î·Á¿î °ÍÀÌ Çö½ÇÀε¥, À̶§ ±× ÇØ°áÃ¥À¸·Î½á 'eXplainable AI', Áï XAI°¡ ÁÖ¸ñ¹Þ°í ÀÖ´Ù.
XAI´Â AI¿¡ °üÇÑ ¾÷¹«¸¦ ¼öÇàÇϰųª °ü½ÉÀÌ ÀÖ´Ù¸é ¹Ýµå½Ã ¾Ë¾ÆµÎ¾î¾ß ÇÒ ºÐ¾ßÀÌ´Ù. ÀÌ Ã¥Àº XAIÀÇ ¹è°æºÎÅÍ °³º° ±â¼ú±îÁö ü°èÀûÀ¸·Î ÇнÀÇÏ°í ¸î °¡Áö ÁÖ¿ä ¶óÀ̺귯¸®¸¦ ½ÃÇè »ï¾Æ ±¸µ¿ÇØ º¸¸é¼ ½Ç¹« Áö½ÄÀ» ¾òÀ» ¼ö ÀÖ´Â Çؼ³¼ÀÌ´Ù. ƯÈ÷ °¢ ±â¼úµéÀ» ÃÖ¼ÒÇÑÀÇ ¼öÇÐÀû Àü°³¸¦ ÅëÇØ ¼³¸íÇϸç, ÆÄÀ̽ãÀ¸·Î ±¸ÇöÇϱ⠶§¹®¿¡ XAI¸¦ ½Ç¹«¿¡¼ ºü¸£°Ô Àû¿ëÇÒ ¼ö ÀÖµµ·Ï Çϸç, ±× ¿Ü¿¡ XAI¿¡ ´ëÇÑ ÁÖ¿ä À̽´ ¹× ¾ÕÀ¸·ÎÀÇ Àü¸Áµµ ¼³¸íÇÑ´Ù. XAI°¡ ¹«¾ùÀÎÁö °³³äÀ» Àâ°í ½Í°Å³ª °¢ ±â¼úÀ» Á÷Á¢ ¼Ò½º ÄÚµå·Î ±¸ÇöÇØ ºü¸£°Ô È®ÀÎÇØ º¸°í ½Ç¹«¿¡ Àû¿ëÇÏ·Á´Â ºÐµé¿¡°Ô ²À ÇÊ¿äÇÑ Ã¥ÀÌ µÉ °ÍÀÌ´Ù.
¼³¸í °¡´ÉÇÑ AIÀÎ XAI·Î, AIÀÇ ¸¶À½¼ÓÀ» µé¿©´Ùº»´Ù!
¾î´Àµ¡ ¿ì¸® ÁÖº¯¿¡¼ AI¸¦ ½±°Ô Á¢ÇÒ ¼ö ÀÖ´Â ½Ã´ë°¡ µÇ¾ú´Ù. ¿©·¯ ´Ù¾çÇÑ ±â¾÷¿¡¼µµ AI¸¦ ÅëÇØ Àü·«À» ¼ö¸³Çϰųª ÅõÀÚ¸¦ °áÁ¤ÇÏ°í, µ¥ÀÌÅÍ °ü·Ã ¹ýÀÌ Á¦Á¤ ¹× °øÇ¥µÇ¾î ºòµ¥ÀÌÅ͸¦ ¼öÁýÇÏ°í È°¿ëÇÏ´Â ±Ù°Å°¡ ¸¶·ÃµÇ°í ÀÖ´Ù. ÇÏÁö¸¸ AI°¡ °©ÀÚ±â ÀϹÝÀûÀÎ °á°ú¿¡¼ ¹þ¾î³ª ¾û¶×ÇÑ °á°ú¸¦ µµÃâÇÑ´Ù¸é ¾î¶»°Ô µÉ±î? ¸¸¾à »ý¸í°ú °ü·ÃµÈ AI¿¡ ÀÌ·¯ÇÑ ¹®Á¦°¡ ¹ß»ýÇÑ´Ù¸é Å« »ç°í·Îµµ À̾îÁú ¼ö ÀÖ´Ù. ÇÏÁö¸¸ ‘AIÀÇ Ã¥ÀÓ¼º’, Áï AI°¡ µµÃâÇÏ´Â Ãß·Ð °á°ú¿¡ ¸íÈ®ÇÑ ±Ù°Å¸¦ Á¦½ÃÇϱ⠾î·Á¿î °ÍÀÌ Çö½ÇÀε¥, À̶§ ±× ÇØ°áÃ¥À¸·Î½á 'eXplainable AI', Áï XAI°¡ ÁÖ¸ñ¹Þ°í ÀÖ´Ù.
XAI´Â AI¿¡ °üÇÑ ¾÷¹«¸¦ ¼öÇàÇϰųª °ü½ÉÀÌ ÀÖ´Ù¸é ¹Ýµå½Ã ¾Ë¾ÆµÎ¾î¾ß ÇÒ ºÐ¾ßÀÌ´Ù. ÀÌ Ã¥Àº XAIÀÇ ¹è°æºÎÅÍ °³º° ±â¼ú±îÁö ü°èÀûÀ¸·Î ÇнÀÇÏ°í ¸î °¡Áö ÁÖ¿ä ¶óÀ̺귯¸®¸¦ ½ÃÇè »ï¾Æ ±¸µ¿ÇØ º¸¸é¼ ½Ç¹« Áö½ÄÀ» ¾òÀ» ¼ö ÀÖ´Â Çؼ³¼ÀÌ´Ù. ƯÈ÷ °¢ ±â¼úµéÀ» ÃÖ¼ÒÇÑÀÇ ¼öÇÐÀû Àü°³¸¦ ÅëÇØ ¼³¸íÇϸç, ÆÄÀ̽ãÀ¸·Î ±¸ÇöÇϱ⠶§¹®¿¡ XAI¸¦ ½Ç¹«¿¡¼ ºü¸£°Ô Àû¿ëÇÒ ¼ö ÀÖµµ·Ï Çϸç, ±× ¿Ü¿¡ XAI¿¡ ´ëÇÑ ÁÖ¿ä À̽´ ¹× ¾ÕÀ¸·ÎÀÇ Àü¸Áµµ ¼³¸íÇÑ´Ù. XAI°¡ ¹«¾ùÀÎÁö °³³äÀ» Àâ°í ½Í°Å³ª °¢ ±â¼úÀ» Á÷Á¢ ¼Ò½º ÄÚµå·Î ±¸ÇöÇØ ºü¸£°Ô È®ÀÎÇØ º¸°í ½Ç¹«¿¡ Àû¿ëÇÏ·Á´Â ºÐµé¿¡°Ô ²À ÇÊ¿äÇÑ Ã¥ÀÌ µÉ °ÍÀÌ´Ù.
¸ñÂ÷
Á¦¥°ºÎ °úÁ¦ ¼³Á¤
Á¦1Àå AI¿¡°Ô ‘¼³¸í’ÀÌ ÇÊ¿äÇÑ ÀÌÀ¯
1.1 AI º¸±Þ°ú »õ·Î¿î ¿ä±¸ »çÇ×
1.2 AIÀÇ °øÆò¼º¤ýÃ¥ÀÓ¼º¤ýÅõ¸í¼º
1.2.1 AIÀÇ °øÆò¼º(Fairness) 4
1.2.2 AIÀÇ Ã¥ÀÓ¼º(Accountability) 5
1.2.3 AIÀÇ Åõ¸í¼º(Transparency) 5
1.3 AIÀÇ ¼³¸í °¡´É¼º
1.3.1 ¼³¸í °¡´É¼ºÀÌ ³ôÀº ¾Ë°í¸®Áò
1.3.2 ¼³¸í °¡´É¼ºÀÌ ³·Àº ¾Ë°í¸®Áò
1.4 AI¸¦ ¾÷¹«¿¡ Àû¿ëÇÒ ¶§ AI ¼³¸íÀÌ ÇÊ¿äÇÑ ÀÌÀ¯
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦¥±ºÎ ±âÃÊ Áö½Ä
Á¦2Àå ‘¼³¸í °¡´ÉÇÑ AI’ÀÇ °³¿ä
2.1 XAI¶õ ¹«¾ùÀΰ¡?
2.1.1 XAIÀÇ ¸ñÀû
2.1.2 ‘¼³¸í °¡´ÉÇÑ AI’¿Í ‘Çؼ® °¡´ÉÇÑ AI’
Column XAI °ü·Ã ¿ë¾î ÀǹÌ
2.2 XAI µ¿Çâ
2.2.1 XAI¿¡ ´ëÇÑ ¿Õ¼ºÇÑ ¿¬±¸ È°µ¿
2.2.2 XAI ±¸Çö
2.3 ‘Àü¿ª ¼³¸í’°ú ‘±¹¼Ò ¼³¸í'
2.3.1 Àü¿ª ¼³¸í(Global Explanations)
2.3.2 ±¹¼Ò ¼³¸í(Local Explanations)
2.4 ¼³¸í ¹æ¹ýÀÇ Â÷ÀÌÁ¡
2.5 ¸ðµ¨ ÀÇÁ¸¼º
2.5.1 ¸ðµ¨ ÀÇÁ¸Çü XAI
2.5.2 ¸ðµ¨ ºÒ¹®Çü XAI
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦3Àå XAI È°¿ë ¹æ¹ý
3.1 ¼³¸í ºÐ·ùº° È°¿ë ¹æ¹ý
3.1.1 ±¹¼Ò ¼³¸í È°¿ë ¹æ¹ý
3.1.2 Àü¿ª ¼³¸í È°¿ë ¹æ¹ý
3.2 ±¹¼Ò ¼³¸í È°¿ë ¹æ¹ý
3.2.1 ½Å°í ³»¿ëÀÇ Å¸´ç¼º °ËÁõ
3.2.2 Àǵµ¿Í ´Ù¸¥ ÇнÀ Àç°ËÅä
3.3 Àü¿ª ¼³¸í È°¿ë ¹æ¹ý
3.3.1 AI ¸ðµ¨ÀÇ °³¼± ¿î¿ë
3.3.2 Àû´ëÀû °ø°Ý °ËÁõ
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦4Àå ´Ù¾çÇÑ XAI ±â¼ú
4.1 ´Ù¾çÇÑ ¼³¸í ¹æ¹ý
4.1.1 XAI ¶óÀξ÷
4.1.2 ÀÌ Ã¥ÀÇ Çؼ³ ³»¿ë
4.2 ±â¼ú ¼Ò°³ ¨ç LIME
4.2.1 °³³ä°ú µ¿ÀÛ ¿ø¸®
4.2.2 µ¥ÀÌÅÍ Á¾·ùº° µ¿ÀÛ ¿ø¸®
4.2.3 LIMEÀÇ Æ¯Â¡°ú ÁÖÀÇÁ¡
4.2.4 LIME Á¤¸®
4.3 ±â¼ú ¼Ò°³ ¨è SHAP
4.3.1 ¼¨Çø® °ªÀ̶õ
4.3.2 SHAPÀÇ °³³ä
4.3.3 SHAP °è»ê ¾Ë°í¸®Áò
4.3.4 SHAP Á¤¸®
4.4 ¼Ò°³ ±â¼ú ¨é Permutation Importance
4.4.1 Permutation ImportanceÀÇ °³³ä
4.4.2 Permutation ImportanceÀÇ µ¿ÀÛ ¿ø¸®
4.4.3 Permutation Importance Á¤¸®
4.5 ¼Ò°³ ±â¼ú ¨ê Partial Dependence Plot
4.5.1 PDP / ICEÀÇ °³³ä
4.5.2 PDP / ICEÀÇ Æ¯ÀåÁ¡°ú ÁÖÀÇÁ¡
4.5.3 PDP / ICE Á¤¸®
4.6 ¼Ò°³ ±â¼ú ¨ë Tree Surrogate
4.6.1 Tree SurrogateÀÇ °³³ä
4.6.2 ÀÇ»ç°áÁ¤ Æ®¸® ´ë¸® ¸ðµ¨ÀÇ Æ¯¤ýÀåÁ¡°ú ÁÖÀÇÁ¡
4.6.3 ÀÇ»ç°áÁ¤ Æ®¸® ´ë¸® ¸ðµ¨ Á¤¸®
4.7 ¼Ò°³ ±â¼ú ¨ì CAM / Grad-CAM
4.7.1 CAMÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.7.2 Grad-CAMÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.7.3 °ü·Ã ±â¼ú¤ýÆÄ»ý ±â¼ú
4.7.4 CAM / Grad-CAM ´ëÀÀ ¸ðµ¨
4.7.5 CAM°ú Grad-CAM Á¤¸®
4.8 ¼Ò°³ ±â¼ú ¨í Integrated Gradients
4.8.1 Integrated GradientsÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.8.2 Integrated Gradients ´ëÀÀ ¸ðµ¨
4.8.3 Integrated Gradients Á¤¸®
4.9 ¼Ò°³ ±â¼ú ¨î Attention
4.9.1 AttentionÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.9.2 Attention ´ëÀÀ ¸ðµ¨
4.9.3 Attention Á¤¸®
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦5Àå XAI ¶óÀ̺귯¸® Æò°¡?¼±Á¤
5.1 XAI¸¦ Æò°¡ÇÏ´Â ±âº»ÀûÀÎ °üÁ¡
5.1.1 »ç¿ëÇÒ XAI¸¦ °áÁ¤Çϱâ À§ÇÑ °üÁ¡
5.1.2 ¹üºÐ¾ß(Cross-Cutting) Æò°¡ °üÁ¡
5.2 XAI ¼±Á¤ ¹æ¹ý
5.2.1 XAI ¼±Á¤ ÀýÂ÷(Flow)
5.2.2 ¸ñÀû¤ýÃÖ¼Ò Á¶°Ç°ú ºÎÇÕÇϴ°¡?
5.2.3 Áß¿ä Á¶°Ç°ú ºÎÇÕÇϴ°¡?
5.2.4 »ç¿ëÀÚ°¡ ¸¸Á·ÇÒ ¼ö Àִ°¡?
5.3 ÀÏ°üµÈ °üÁ¡
5.3.1 Æò°¡ °üÁ¡ ¨ç ‘Ãæ½Çµµ’
5.3.2 Æò°¡ °üÁ¡ ¨è ‘½Å·Ú¼º’
5.3.3 Æò°¡ °üÁ¡ ¨é ‘¸¸Á·µµ’
5.3.4 Æò°¡ °üÁ¡ ¨ê ‘Mental Model’
5.3.5 Æò°¡ °üÁ¡ ¨ë ‘½ÇÀÛ¾÷ ģȼº’
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦¥²ºÎ ½Çõ ¸Å´º¾ó
Á¦6Àå LIMEÀ» È°¿ëÇÑ Ç¥ Çü½Ä µ¥ÀÌÅÍ ±¹¼Ò ¼³¸í
6.1 °ËÁõ ¸ñÀû
6.2 ¶óÀ̺귯¸® Áغñ
6.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ
6.3.1 µ¥ÀÌÅÍ °³¿ä
6.3.2 µ¥ÀÌÅÍ ÀÌÇØ
6.4 ¸ðµ¨ ÇнÀ
6.4.1 Àüó¸®
6.4.2 ¸ðµ¨ ÇнÀ
6.5 LIMEÀ» È°¿ëÇÑ ¿¹Ãø °á°úÀÇ ¼³¸í
6.5.1 LIME »ç¿ë Áغñ
6.5.2 ÁÖ¿ä ÆĶó¹ÌÅÍ
6.5.3 LIME ½ÇÇà
6.5.4 ´Ù¸¥ µ¥ÀÌÅÍ¿¡ ´ëÇÑ ¼³¸í
Column ÀÌÇØ °¡´ÉÇÑ ¼³¸íÀΰ¡
6.6 ±¹¼Ò ¼³¸íÀÇ ¼öÁØÀ» Á¶Á¤ÇÏ´Â kernal width
°ËÁõ °á°ú Á¤¸®
Á¦7Àå LIME°ú Grad-CAMÀ» È°¿ëÇÑ À̹ÌÁö µ¥ÀÌÅÍÀÇ ±¹¼Ò ¼³¸í
7.1 °ËÁõ ¸ñÀû
7.2 ¶óÀ̺귯¸® Áغñ
7.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ
7.4 AI ¸ðµ¨ Áغñ¿Í ¿¹Ãø
7.5 LIMEÀ» È°¿ëÇÑ ¼³¸í
7.5.1 LIMEÀ» È°¿ëÇÑ AI ¸ðµ¨ ¼³¸í
7.5.2 LIME ¼³¸í °¡½ÃÈ¿Í Çؼ®
7.5.3 LIMEÀ» È°¿ëÇÑ ¼³¸í Á¤¸®
7.6 Grad-CAMÀ» È°¿ëÇÑ ¼³¸í
7.6.1 Grad-CAMÀ» È°¿ëÇÑ AI ¸ðµ¨ ¼³¸í
7.6.2 Grad-CAM ¼³¸í °¡½ÃÈ¿Í Çؼ®
7.6.3 Grad-CAMÀ» È°¿ëÇÑ ¼³¸í Á¤¸®
°ËÁõ °á°ú Á¤¸®
Á¦8Àå LIME°ú Integrated Gradients ÅؽºÆ® ºÐ·ùÀÇ ±¹¼Ò ¼³¸í
8.1 °ËÁõ ¸ñÀû
8.2 ¶óÀ̺귯¸® Áغñ
8.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ
8.4 ¸ðµ¨ ÇнÀ°ú ¿¹Ãø
8.5 LIMEÀ» È°¿ëÇÑ ¸ðµ¨ Çؼ®
8.6 Integrated Gradients¸¦ È°¿ëÇÑ ¹æ¹ý
°ËÁõ °á°ú Á¤¸®
Column Attention °¡½ÃÈ
Á¦9Àå SHAPÀÇ ±¹¼ÒÀû?Àü¿ªÀû ¼³¸í°ú ´ëÀÀ
9.1 ¼³¸í Áغñ
9.1.1 ȯ°æ ±¸Ãà
9.1.2 µ¥ÀÌÅÍ ¼¼Æ® Áغñ
9.1.3 ¸ðµ¨ Áغñ
9.2 SHAP °ª »êÃâ°ú ÀÌÇØ
Column LightGBMÀÇ SHAP ¿¬°è ±â´É
9.3 SHAP °ª °¡½ÃÈ
9.3.1 °³º° ¿¹Ãø¿¡ ´ëÇÑ Æ¯Â¡·®ÀÇ ¿µÇâ
9.3.2 µ¥ÀÌÅÍ ¼¼Æ® Àüü¿¡ ´ëÇÑ Æ¯Â¡·® ¹Ý¿µ ¹æ¹ý
Column Ư¡·® Áß¿äµµ »óÈ£ ºñ±³?
9.3.3 SHAP °ª°ú Ư¡·®ÀÇ »ó°ü °ü°è °¡½ÃÈ
Column º¯¼ö »çÀÌÀÇ »óÈ£ ÀÛ¿ëÀ» È°¿ëÇÑ »ó¼¼ °üÂû ¹æ¹ý: SHAP Interaction aVlues
9.4 SHAP °ªÀÇ Ãß°¡ÀûÀÎ È°¿ë
9.4.1 SHAP °ªÀÇ Å¬·¯½ºÅ͸µÀ» È°¿ëÇÑ µ¥ÀÌÅÍ ºÐ·ù
9.4.2 Â÷¿ø »èÁ¦¿¡ µû¸¥ Ư¡·®ÀÇ Á¶ÇÕ ÃßÃâ
9.4.3 À¯»ç µ¥ÀÌÅÍ °Ë»ö°ú ½Å±Ô¼ºÀÇ »êÃâ
°ËÁõ °á°ú Á¤¸®
Á¦10Àå ELI5, PDPbix, Skater¸¦ È°¿ëÇÑ Àü¿ª ¼³¸í
10.1 ´Ù¾çÇÑ Àü¿ª ¼³¸í XAI
10.1.1 ¸ðµ¨ ¼³¸íÀ» ¼öÇàÇÏ´Â ¶óÀ̺귯¸®
10.1.2 °³¹ß ¼º¼÷µµ
10.2 »çÀü Áغñ
10.2.1 XAI ½ÇÇàÀ» À§ÇÑ °úÁ¤
10.2.2 ÆÄÀ̽ã ȯ°æ ±¸Ãà
10.2.3 XAI ¶óÀ̺귯¸® ¼³Ä¡
10.3 ELI5(Permutation Importance)
10.3.1 ELI5´Â ¾î¶°ÇÑ ±â¼úÀΰ¡?
10.3.2 ELI5 ½ÇÇà
10.3.3 ELI5 Æò°¡
10.4 PDPbox(PDP¤ýICE)
10.4.1 PDPbox´Â ¾î¶°ÇÑ ±â¼úÀΰ¡?
10.4.2 PDPbox ½ÇÇà
10.4.3 PDPbox Æò°¡
10.5 Skater(Tree Surrogate)
10.5.1 Skater´Â ¾î¶°ÇÑ ±â¼úÀΰ¡?
10.5.2 Skater ½ÇÇà
10.5.3 Skater Æò°¡
°ËÁõ ¼º°ú Á¤¸®
Á¦11Àå LIME, SHAPÀÇ ÇÑ°è¿Í ÇØ°áÃ¥
11.1 XAI ¹æ¹ýÀÇ ÇÑ°è
11.2 LIME °á°ú ¾ÈÁ¤¼º
11.3 SHAP °è»ê ½Ã°£ ´ëó ¹æ¾È
11.4 ½ºÆĽº(Sparse) µ¥ÀÌÅÍ ºÐ¼®
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦¥³ºÎ Àå·¡ Àü¸Á
Á¦12Àå ¾÷¹«¿¡¼ ÇÊ¿äÇÑ ¼³¸í ´É·Â
12.1 ºñÁî´Ï½º»óÀÇ ¼³¸í
12.1.1 AI È°¿ë »óȲ
12.1.2 ¼³¸íÀÌ ÇÊ¿äÇÑ ºñÁî´Ï½º »óȲ
12.1.3 ºñÁî´Ï½º»ó ÇÊ¿äÇÑ ¼³¸í ºÐ·ù
12.2 Á¤¹Ðµµ¿Í ¼³¸í ´É·ÂÀÇ Trade Off
12.2.1 º¹ÀâÇÑ »ç»óÀÇ ¼³¸íÀº ±Ùº»ÀûÀ¸·Î º¹ÀâÇÏ´Ù
12.2.2 XAI¿¡ °úµµÇÑ ±â´ë´Â ±Ý¹°
12.3 ¼³µæ·Â Å°¿ì±â
12.3.1 ÇÊ¿äÇÑ °ÍÀº ‘ÀÌÇØ’°¡ ¾Æ´Ñ ‘¼³µæ’?
12.3.2 ¿Ö XAIÀÇ ¼³µæ¿¡ ¼±Çüȸ±Í°¡ »ç¿ëµÇ´Â°¡?
12.3.3 XAI¸¦ »ç¿ëÇØ ¼³µæÇÒ ¼ö Àִ°¡?
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦13Àå XAIÀÇ Àü¸Á
13.1 »ç¿ëÀÚ¿¡°Ô XAI¶õ
13.1.1 XAIÀÇ µµ´ÞÁ¡
13.1.2 XAI´Â »ç¿ëÀÚ¿¡°Ô µµ¿òÀÌ µÇ´Â°¡?
13.2 ¼³µæÇÒ ¼ö ÀÖ´Â ¼³¸íÀ» À§ÇÑ µµÀü
13.2.1 ¼³µæ·Â ºÎÁ·¿¡ ´ëÇÑ ÀÌÀ¯
13.2.2 Áö½Ä È°¿ë ¹æħ
Column Áö½Ä Ŭ·´°ú LOD
13.3 XAIÀÇ ÀÌ»óÀûÀÎ ¸ð½À
13.3.1 ºÐ¾ß¸¦ ³Ñ³ªµå´Â ¹ßÀü ¹æÇâ ±â´ë
13.3.2 XAI°¡ °®Ãß¾î¾ß ÇÒ ¸ð½À
ºÎ·Ï - ȯ°æ ±¸Ãà ¹æ¹ý
A.1 ÆÄÀ̽ã ȯ°æ
A.2 Jupyter notebook ȯ°æ ±¸Ãà
Á¦1Àå AI¿¡°Ô ‘¼³¸í’ÀÌ ÇÊ¿äÇÑ ÀÌÀ¯
1.1 AI º¸±Þ°ú »õ·Î¿î ¿ä±¸ »çÇ×
1.2 AIÀÇ °øÆò¼º¤ýÃ¥ÀÓ¼º¤ýÅõ¸í¼º
1.2.1 AIÀÇ °øÆò¼º(Fairness) 4
1.2.2 AIÀÇ Ã¥ÀÓ¼º(Accountability) 5
1.2.3 AIÀÇ Åõ¸í¼º(Transparency) 5
1.3 AIÀÇ ¼³¸í °¡´É¼º
1.3.1 ¼³¸í °¡´É¼ºÀÌ ³ôÀº ¾Ë°í¸®Áò
1.3.2 ¼³¸í °¡´É¼ºÀÌ ³·Àº ¾Ë°í¸®Áò
1.4 AI¸¦ ¾÷¹«¿¡ Àû¿ëÇÒ ¶§ AI ¼³¸íÀÌ ÇÊ¿äÇÑ ÀÌÀ¯
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦¥±ºÎ ±âÃÊ Áö½Ä
Á¦2Àå ‘¼³¸í °¡´ÉÇÑ AI’ÀÇ °³¿ä
2.1 XAI¶õ ¹«¾ùÀΰ¡?
2.1.1 XAIÀÇ ¸ñÀû
2.1.2 ‘¼³¸í °¡´ÉÇÑ AI’¿Í ‘Çؼ® °¡´ÉÇÑ AI’
Column XAI °ü·Ã ¿ë¾î ÀǹÌ
2.2 XAI µ¿Çâ
2.2.1 XAI¿¡ ´ëÇÑ ¿Õ¼ºÇÑ ¿¬±¸ È°µ¿
2.2.2 XAI ±¸Çö
2.3 ‘Àü¿ª ¼³¸í’°ú ‘±¹¼Ò ¼³¸í'
2.3.1 Àü¿ª ¼³¸í(Global Explanations)
2.3.2 ±¹¼Ò ¼³¸í(Local Explanations)
2.4 ¼³¸í ¹æ¹ýÀÇ Â÷ÀÌÁ¡
2.5 ¸ðµ¨ ÀÇÁ¸¼º
2.5.1 ¸ðµ¨ ÀÇÁ¸Çü XAI
2.5.2 ¸ðµ¨ ºÒ¹®Çü XAI
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦3Àå XAI È°¿ë ¹æ¹ý
3.1 ¼³¸í ºÐ·ùº° È°¿ë ¹æ¹ý
3.1.1 ±¹¼Ò ¼³¸í È°¿ë ¹æ¹ý
3.1.2 Àü¿ª ¼³¸í È°¿ë ¹æ¹ý
3.2 ±¹¼Ò ¼³¸í È°¿ë ¹æ¹ý
3.2.1 ½Å°í ³»¿ëÀÇ Å¸´ç¼º °ËÁõ
3.2.2 Àǵµ¿Í ´Ù¸¥ ÇнÀ Àç°ËÅä
3.3 Àü¿ª ¼³¸í È°¿ë ¹æ¹ý
3.3.1 AI ¸ðµ¨ÀÇ °³¼± ¿î¿ë
3.3.2 Àû´ëÀû °ø°Ý °ËÁõ
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦4Àå ´Ù¾çÇÑ XAI ±â¼ú
4.1 ´Ù¾çÇÑ ¼³¸í ¹æ¹ý
4.1.1 XAI ¶óÀξ÷
4.1.2 ÀÌ Ã¥ÀÇ Çؼ³ ³»¿ë
4.2 ±â¼ú ¼Ò°³ ¨ç LIME
4.2.1 °³³ä°ú µ¿ÀÛ ¿ø¸®
4.2.2 µ¥ÀÌÅÍ Á¾·ùº° µ¿ÀÛ ¿ø¸®
4.2.3 LIMEÀÇ Æ¯Â¡°ú ÁÖÀÇÁ¡
4.2.4 LIME Á¤¸®
4.3 ±â¼ú ¼Ò°³ ¨è SHAP
4.3.1 ¼¨Çø® °ªÀ̶õ
4.3.2 SHAPÀÇ °³³ä
4.3.3 SHAP °è»ê ¾Ë°í¸®Áò
4.3.4 SHAP Á¤¸®
4.4 ¼Ò°³ ±â¼ú ¨é Permutation Importance
4.4.1 Permutation ImportanceÀÇ °³³ä
4.4.2 Permutation ImportanceÀÇ µ¿ÀÛ ¿ø¸®
4.4.3 Permutation Importance Á¤¸®
4.5 ¼Ò°³ ±â¼ú ¨ê Partial Dependence Plot
4.5.1 PDP / ICEÀÇ °³³ä
4.5.2 PDP / ICEÀÇ Æ¯ÀåÁ¡°ú ÁÖÀÇÁ¡
4.5.3 PDP / ICE Á¤¸®
4.6 ¼Ò°³ ±â¼ú ¨ë Tree Surrogate
4.6.1 Tree SurrogateÀÇ °³³ä
4.6.2 ÀÇ»ç°áÁ¤ Æ®¸® ´ë¸® ¸ðµ¨ÀÇ Æ¯¤ýÀåÁ¡°ú ÁÖÀÇÁ¡
4.6.3 ÀÇ»ç°áÁ¤ Æ®¸® ´ë¸® ¸ðµ¨ Á¤¸®
4.7 ¼Ò°³ ±â¼ú ¨ì CAM / Grad-CAM
4.7.1 CAMÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.7.2 Grad-CAMÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.7.3 °ü·Ã ±â¼ú¤ýÆÄ»ý ±â¼ú
4.7.4 CAM / Grad-CAM ´ëÀÀ ¸ðµ¨
4.7.5 CAM°ú Grad-CAM Á¤¸®
4.8 ¼Ò°³ ±â¼ú ¨í Integrated Gradients
4.8.1 Integrated GradientsÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.8.2 Integrated Gradients ´ëÀÀ ¸ðµ¨
4.8.3 Integrated Gradients Á¤¸®
4.9 ¼Ò°³ ±â¼ú ¨î Attention
4.9.1 AttentionÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸®
4.9.2 Attention ´ëÀÀ ¸ðµ¨
4.9.3 Attention Á¤¸®
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦5Àå XAI ¶óÀ̺귯¸® Æò°¡?¼±Á¤
5.1 XAI¸¦ Æò°¡ÇÏ´Â ±âº»ÀûÀÎ °üÁ¡
5.1.1 »ç¿ëÇÒ XAI¸¦ °áÁ¤Çϱâ À§ÇÑ °üÁ¡
5.1.2 ¹üºÐ¾ß(Cross-Cutting) Æò°¡ °üÁ¡
5.2 XAI ¼±Á¤ ¹æ¹ý
5.2.1 XAI ¼±Á¤ ÀýÂ÷(Flow)
5.2.2 ¸ñÀû¤ýÃÖ¼Ò Á¶°Ç°ú ºÎÇÕÇϴ°¡?
5.2.3 Áß¿ä Á¶°Ç°ú ºÎÇÕÇϴ°¡?
5.2.4 »ç¿ëÀÚ°¡ ¸¸Á·ÇÒ ¼ö Àִ°¡?
5.3 ÀÏ°üµÈ °üÁ¡
5.3.1 Æò°¡ °üÁ¡ ¨ç ‘Ãæ½Çµµ’
5.3.2 Æò°¡ °üÁ¡ ¨è ‘½Å·Ú¼º’
5.3.3 Æò°¡ °üÁ¡ ¨é ‘¸¸Á·µµ’
5.3.4 Æò°¡ °üÁ¡ ¨ê ‘Mental Model’
5.3.5 Æò°¡ °üÁ¡ ¨ë ‘½ÇÀÛ¾÷ ģȼº’
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦¥²ºÎ ½Çõ ¸Å´º¾ó
Á¦6Àå LIMEÀ» È°¿ëÇÑ Ç¥ Çü½Ä µ¥ÀÌÅÍ ±¹¼Ò ¼³¸í
6.1 °ËÁõ ¸ñÀû
6.2 ¶óÀ̺귯¸® Áغñ
6.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ
6.3.1 µ¥ÀÌÅÍ °³¿ä
6.3.2 µ¥ÀÌÅÍ ÀÌÇØ
6.4 ¸ðµ¨ ÇнÀ
6.4.1 Àüó¸®
6.4.2 ¸ðµ¨ ÇнÀ
6.5 LIMEÀ» È°¿ëÇÑ ¿¹Ãø °á°úÀÇ ¼³¸í
6.5.1 LIME »ç¿ë Áغñ
6.5.2 ÁÖ¿ä ÆĶó¹ÌÅÍ
6.5.3 LIME ½ÇÇà
6.5.4 ´Ù¸¥ µ¥ÀÌÅÍ¿¡ ´ëÇÑ ¼³¸í
Column ÀÌÇØ °¡´ÉÇÑ ¼³¸íÀΰ¡
6.6 ±¹¼Ò ¼³¸íÀÇ ¼öÁØÀ» Á¶Á¤ÇÏ´Â kernal width
°ËÁõ °á°ú Á¤¸®
Á¦7Àå LIME°ú Grad-CAMÀ» È°¿ëÇÑ À̹ÌÁö µ¥ÀÌÅÍÀÇ ±¹¼Ò ¼³¸í
7.1 °ËÁõ ¸ñÀû
7.2 ¶óÀ̺귯¸® Áغñ
7.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ
7.4 AI ¸ðµ¨ Áغñ¿Í ¿¹Ãø
7.5 LIMEÀ» È°¿ëÇÑ ¼³¸í
7.5.1 LIMEÀ» È°¿ëÇÑ AI ¸ðµ¨ ¼³¸í
7.5.2 LIME ¼³¸í °¡½ÃÈ¿Í Çؼ®
7.5.3 LIMEÀ» È°¿ëÇÑ ¼³¸í Á¤¸®
7.6 Grad-CAMÀ» È°¿ëÇÑ ¼³¸í
7.6.1 Grad-CAMÀ» È°¿ëÇÑ AI ¸ðµ¨ ¼³¸í
7.6.2 Grad-CAM ¼³¸í °¡½ÃÈ¿Í Çؼ®
7.6.3 Grad-CAMÀ» È°¿ëÇÑ ¼³¸í Á¤¸®
°ËÁõ °á°ú Á¤¸®
Á¦8Àå LIME°ú Integrated Gradients ÅؽºÆ® ºÐ·ùÀÇ ±¹¼Ò ¼³¸í
8.1 °ËÁõ ¸ñÀû
8.2 ¶óÀ̺귯¸® Áغñ
8.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ
8.4 ¸ðµ¨ ÇнÀ°ú ¿¹Ãø
8.5 LIMEÀ» È°¿ëÇÑ ¸ðµ¨ Çؼ®
8.6 Integrated Gradients¸¦ È°¿ëÇÑ ¹æ¹ý
°ËÁõ °á°ú Á¤¸®
Column Attention °¡½ÃÈ
Á¦9Àå SHAPÀÇ ±¹¼ÒÀû?Àü¿ªÀû ¼³¸í°ú ´ëÀÀ
9.1 ¼³¸í Áغñ
9.1.1 ȯ°æ ±¸Ãà
9.1.2 µ¥ÀÌÅÍ ¼¼Æ® Áغñ
9.1.3 ¸ðµ¨ Áغñ
9.2 SHAP °ª »êÃâ°ú ÀÌÇØ
Column LightGBMÀÇ SHAP ¿¬°è ±â´É
9.3 SHAP °ª °¡½ÃÈ
9.3.1 °³º° ¿¹Ãø¿¡ ´ëÇÑ Æ¯Â¡·®ÀÇ ¿µÇâ
9.3.2 µ¥ÀÌÅÍ ¼¼Æ® Àüü¿¡ ´ëÇÑ Æ¯Â¡·® ¹Ý¿µ ¹æ¹ý
Column Ư¡·® Áß¿äµµ »óÈ£ ºñ±³?
9.3.3 SHAP °ª°ú Ư¡·®ÀÇ »ó°ü °ü°è °¡½ÃÈ
Column º¯¼ö »çÀÌÀÇ »óÈ£ ÀÛ¿ëÀ» È°¿ëÇÑ »ó¼¼ °üÂû ¹æ¹ý: SHAP Interaction aVlues
9.4 SHAP °ªÀÇ Ãß°¡ÀûÀÎ È°¿ë
9.4.1 SHAP °ªÀÇ Å¬·¯½ºÅ͸µÀ» È°¿ëÇÑ µ¥ÀÌÅÍ ºÐ·ù
9.4.2 Â÷¿ø »èÁ¦¿¡ µû¸¥ Ư¡·®ÀÇ Á¶ÇÕ ÃßÃâ
9.4.3 À¯»ç µ¥ÀÌÅÍ °Ë»ö°ú ½Å±Ô¼ºÀÇ »êÃâ
°ËÁõ °á°ú Á¤¸®
Á¦10Àå ELI5, PDPbix, Skater¸¦ È°¿ëÇÑ Àü¿ª ¼³¸í
10.1 ´Ù¾çÇÑ Àü¿ª ¼³¸í XAI
10.1.1 ¸ðµ¨ ¼³¸íÀ» ¼öÇàÇÏ´Â ¶óÀ̺귯¸®
10.1.2 °³¹ß ¼º¼÷µµ
10.2 »çÀü Áغñ
10.2.1 XAI ½ÇÇàÀ» À§ÇÑ °úÁ¤
10.2.2 ÆÄÀ̽ã ȯ°æ ±¸Ãà
10.2.3 XAI ¶óÀ̺귯¸® ¼³Ä¡
10.3 ELI5(Permutation Importance)
10.3.1 ELI5´Â ¾î¶°ÇÑ ±â¼úÀΰ¡?
10.3.2 ELI5 ½ÇÇà
10.3.3 ELI5 Æò°¡
10.4 PDPbox(PDP¤ýICE)
10.4.1 PDPbox´Â ¾î¶°ÇÑ ±â¼úÀΰ¡?
10.4.2 PDPbox ½ÇÇà
10.4.3 PDPbox Æò°¡
10.5 Skater(Tree Surrogate)
10.5.1 Skater´Â ¾î¶°ÇÑ ±â¼úÀΰ¡?
10.5.2 Skater ½ÇÇà
10.5.3 Skater Æò°¡
°ËÁõ ¼º°ú Á¤¸®
Á¦11Àå LIME, SHAPÀÇ ÇÑ°è¿Í ÇØ°áÃ¥
11.1 XAI ¹æ¹ýÀÇ ÇÑ°è
11.2 LIME °á°ú ¾ÈÁ¤¼º
11.3 SHAP °è»ê ½Ã°£ ´ëó ¹æ¾È
11.4 ½ºÆĽº(Sparse) µ¥ÀÌÅÍ ºÐ¼®
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦¥³ºÎ Àå·¡ Àü¸Á
Á¦12Àå ¾÷¹«¿¡¼ ÇÊ¿äÇÑ ¼³¸í ´É·Â
12.1 ºñÁî´Ï½º»óÀÇ ¼³¸í
12.1.1 AI È°¿ë »óȲ
12.1.2 ¼³¸íÀÌ ÇÊ¿äÇÑ ºñÁî´Ï½º »óȲ
12.1.3 ºñÁî´Ï½º»ó ÇÊ¿äÇÑ ¼³¸í ºÐ·ù
12.2 Á¤¹Ðµµ¿Í ¼³¸í ´É·ÂÀÇ Trade Off
12.2.1 º¹ÀâÇÑ »ç»óÀÇ ¼³¸íÀº ±Ùº»ÀûÀ¸·Î º¹ÀâÇÏ´Ù
12.2.2 XAI¿¡ °úµµÇÑ ±â´ë´Â ±Ý¹°
12.3 ¼³µæ·Â Å°¿ì±â
12.3.1 ÇÊ¿äÇÑ °ÍÀº ‘ÀÌÇØ’°¡ ¾Æ´Ñ ‘¼³µæ’?
12.3.2 ¿Ö XAIÀÇ ¼³µæ¿¡ ¼±Çüȸ±Í°¡ »ç¿ëµÇ´Â°¡?
12.3.3 XAI¸¦ »ç¿ëÇØ ¼³µæÇÒ ¼ö Àִ°¡?
À̹ø ÀåÀ» Á¤¸®Çϸç
Á¦13Àå XAIÀÇ Àü¸Á
13.1 »ç¿ëÀÚ¿¡°Ô XAI¶õ
13.1.1 XAIÀÇ µµ´ÞÁ¡
13.1.2 XAI´Â »ç¿ëÀÚ¿¡°Ô µµ¿òÀÌ µÇ´Â°¡?
13.2 ¼³µæÇÒ ¼ö ÀÖ´Â ¼³¸íÀ» À§ÇÑ µµÀü
13.2.1 ¼³µæ·Â ºÎÁ·¿¡ ´ëÇÑ ÀÌÀ¯
13.2.2 Áö½Ä È°¿ë ¹æħ
Column Áö½Ä Ŭ·´°ú LOD
13.3 XAIÀÇ ÀÌ»óÀûÀÎ ¸ð½À
13.3.1 ºÐ¾ß¸¦ ³Ñ³ªµå´Â ¹ßÀü ¹æÇâ ±â´ë
13.3.2 XAI°¡ °®Ãß¾î¾ß ÇÒ ¸ð½À
ºÎ·Ï - ȯ°æ ±¸Ãà ¹æ¹ý
A.1 ÆÄÀ̽ã ȯ°æ
A.2 Jupyter notebook ȯ°æ ±¸Ãà
»ó¼¼ À̹ÌÁö
(0°³)
¸®ºäº¸µå
µî·ÏµÈ ¸®ºä°¡ ¾ø½À´Ï´Ù.
(0°³)
»óÇ°¹®ÀÇ
»óÇ° °í½Ã Á¤º¸
1. ¹è¼Û
¹è¼ÛÀº ´çÀÏ ¿ÀÈÄ 5½ÃÀÌÀü(Åä¿äÀÏÀº ¿ÀÈÄ1½Ã)¿¡ ÁÖ¹®¹× °áÀ縦 ÇÏ½Ã¸é ´çÀϹè¼ÛµË´Ï´Ù.
¹è¼ÛÀº ÁÖ¹® ÈÄ °áÀç¿Ï·áÀÏÀ» ±âÁØÀ¸·Î 1~2ÀÏ ¾È¿¡ ¹è¼Û¿Ï·á¸¦ ¿øÄ¢À¸·Î ÇÏ°í ÀÖ½À´Ï´Ù.
´Ù¸¸ ºÎµæÀÌÇÑ °æ¿ì(ÇØ´ç»óÇ°ÀÇ Ç°Àý ¹× ÀýÆÇ) °í°´´Ô²² Àüȸ¦ µå·Á¼ 󸮸¦ ÇÕ´Ï´Ù.
¹è¼ÛÀº ´çÀÏ ¿ÀÈÄ 5½ÃÀÌÀü(Åä¿äÀÏÀº ¿ÀÈÄ1½Ã)¿¡ ÁÖ¹®¹× °áÀ縦 ÇÏ½Ã¸é ´çÀϹè¼ÛµË´Ï´Ù.
¹è¼ÛÀº ÁÖ¹® ÈÄ °áÀç¿Ï·áÀÏÀ» ±âÁØÀ¸·Î 1~2ÀÏ ¾È¿¡ ¹è¼Û¿Ï·á¸¦ ¿øÄ¢À¸·Î ÇÏ°í ÀÖ½À´Ï´Ù.
´Ù¸¸ ºÎµæÀÌÇÑ °æ¿ì(ÇØ´ç»óÇ°ÀÇ Ç°Àý ¹× ÀýÆÇ) °í°´´Ô²² Àüȸ¦ µå·Á¼ 󸮸¦ ÇÕ´Ï´Ù.
2. ¹è¼Û·á
¹è¼Û·á´Â 3¸¸¿ø ÀÌ»óÀÌ °æ¿ì À̱×ÀëÇ÷¯½º¿¡¼ ºÎ´ãÇÏ°í, ¹Ì¸¸ÀÏ °æ¿ì °í°´ÀÌ 2,500¿øÀ» ºÎ´ãÇÕ´Ï´Ù.
´Ù¸¸ ±¸¸Å±Ý¾×ÀÌ 3¸¸¿ø ÀÌ»óÀε¥ Àû¸³±Ý µîÀ» »ç¿ëÇÏ¿© ½ÇÁ¦ °áÀç±Ý¾×ÀÌ 3¸¸¿ø ¹Ì¸¸ÀÌ µÇ´õ¶óµµ À̱×ÀëÇ÷¯½º¿¡¼ ¹è¼Û·á¸¦ ºÎ´ãÇÏ°í, Á¦ÁÖ¸¦ Á¦¿ÜÇÑ µµ¼Áö¿ªÀÇ °æ¿ì´Â 5,000¿øÀÌ Ãß°¡µÈ´ä´Ï´Ù. Çؿܹè¼ÛÀº Àü¾× °í°´ºÎ´ãÀÌ µÈ´ä´Ï´Ù.
5. ¹ÝÇ°/±³È¯
¹ÞÀ¸½Å ³¯ ºÎÅÍ ÀÏÁÖÀÏ À̳» ¹ÝÇ°/±³È¯ÀÌ °¡´ÉÇϽʴϴÙ. ½Ã°£ÀÌ Áö³ª¸é 󸮰¡ ºÒ°¡ÇÔÀ» ¾Ë·Á µå¸³´Ï´Ù. ´Ù¸¸ ÁÖ¹®ÇϽŠ»óÇ°°ú ´Ù¸¥ »óÇ°ÀÌ ¹è¼ÛµÇ°Å³ª Æĺ», ³«ÀåÀÌ ÀÖ´Â µµ¼ÀÇ °æ¿ì ÀÌ¿ë¾à°ü¿¡ ÁØÇÏ¿© À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î ±³È¯, ¹ÝÇ° ¹× ȯºÒ µîÀ» Çص帳´Ï´Ù.
¹ÞÀ¸½Å ³¯ ºÎÅÍ ÀÏÁÖÀÏ À̳» ¹ÝÇ°/±³È¯ÀÌ °¡´ÉÇϽʴϴÙ. ½Ã°£ÀÌ Áö³ª¸é 󸮰¡ ºÒ°¡ÇÔÀ» ¾Ë·Á µå¸³´Ï´Ù. ´Ù¸¸ ÁÖ¹®ÇϽŠ»óÇ°°ú ´Ù¸¥ »óÇ°ÀÌ ¹è¼ÛµÇ°Å³ª Æĺ», ³«ÀåÀÌ ÀÖ´Â µµ¼ÀÇ °æ¿ì ÀÌ¿ë¾à°ü¿¡ ÁØÇÏ¿© À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î ±³È¯, ¹ÝÇ° ¹× ȯºÒ µîÀ» Çص帳´Ï´Ù.
4. ȯºÒ
¹ÞÀ¸½Å ³¯ºÎÅÍ 2ÀÏ À̳»·Î Àüȳª 1:1 °Ô½Ã±Û·Î Àû¾îÁÖ¼Å¾ß °¡´ÉÇϽʴϴÙ.
5. ÁÖÀÇ
°í°´´Ô º¯½ÉÀ¸·Î ÀÎÇÑ ±³È¯/¹ÝÇ°/ȯºÒ °í°´´Ô²²¼ Åùèºñ(¿Õº¹Åùèºñ)¸¦ ºÎ´ãÀÌ µÇ´Ï ÀÌÁ¡ À¯ÀÇÇØ ÁֽʽÿÀ. ¶ÇÇÑ °ÀÇÅ×ÀÙ/¾ãÀº¹®Á¦Áý/ºñ´ÒÆ÷ÀåµÈÁ¦Ç°µîÀº Çѹø ±¸¸ÅÇÏ½Ã¸é ±³È¯/¹ÝÇ°/ȯºÒÀÌ ÀüÇô ¾ÈµË´Ï´Ù. ½ÅÁßÈ÷ »ý°¢Çϼż ±¸¸Å ºÎŹµå¸³´Ï´Ù. ´Ù¸¸ ºÒ·®Å×ÀÙÀÇ °æ¿ì ±× ºÒ·®ÀÌ µÈ °³º°Å×ÀÙÀ» À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î A/S¸¦ Çص帳´Ï´Ù.
6. ÁÖ¹®Ãë¼Ò, ±³È¯, ¹ÝÇ° ¹× ȯºÒÀº ´çÀÏ 5½Ã ÀÌÀü¿¡ ÇØÁÖ¼Å¾ß °¡´ÉÇÕ´Ï´Ù.
±× ÀÌÈÄ´Â ¹è¼Û µî¿¡ µû¸¥ Á¦ºñ¿ëÀ» ºÎ´ãÇÏ¼Å¾ß ÇÕ´Ï´Ù.