sehee

목차
1. 모든 데이터를 연결하는 데이터 표준화 (230315)
2. 양자컴퓨터와 양자컴퓨팅 개발 플랫폼의 최신 동향 (230315)
3. 과학기술&ICT 정책·기술 동향 233호 (230308)

1. 모든 데이터를 연결하는 데이터 표준화 (230315)

(출처: ITFIND 정보통신기획평가원 IITP, 간행물 > 주간기술동향 2083호, 한국지능정보사회진흥원 이수민 연구원(053-230-1540, suminlee@nia.or.kr), 전형하 선임연구원)

표준화란?

• 사물, 개념, 방법 및 절차 등에 대해 합리적인 표준(standard)을 설정하고, 이를 따르고 활용하기 위한 규칙, 지침, 가이드 등을 만드는 조직적 행위

데이터 표준화란?

• 데이터의 명칭·설명·형식 등을 일관되게 적용하는 일련의 활동
• 데이터 생애주기에 따라 크게 최초 수집·생성 시점 혹은 제공 시점에서 표준화하는 것으로 구분
• 최초 수집·생성 시점: 가장 초기 단계인 데이터 모델을 만들 때부터 데이터 구성의 최소 단위인 항목(컬럼) 등에 표준을 적용, 생성시부터 표준화된 명칭과 형식으로 데이터 저장 → 데이터 연계 시 추가적인 표준화 작업이 필요 없음
• 제공 시점: 기관 간 데이터를 연계하여 활용하려면 제공기관 및 활용기관 간 연계표준과 기준 등 연계정보를 협의해야 함, 추가의 시간과 비용이 발생하므로 비효율적

• 데이터 표준화는 다음 매뉴얼에 따라 실시할 수 있으며, 데이터 현황 분석을 진행해야 함

데이터 표준화는 데이터의 의미와 형식 등을 정의함으로써 데이터를 이해할 수 있게 하고, 다른 데이터와 연결하는 데 도움을 줌

따라서 업무담당자뿐만 아니라 의사결정권자 및 시스템 구축 업체 등 다양한 이해관계자가 데이터 표준화의 필요성을 인지하고, 데이터 표준관리에 대한 공감대를 형성하는 것이 중요함

범정부에서는

1) 품질·표준 교육 프로그램을 운영 중

2) 공통표준을 확산시키기 위해 공통표준용어를 확대하여 제정할 계획

3) 현재의 비표준 정보는 표준화할 수 있도록 표준과 매핑하여 변환·관리하도록 지원할 예정

2. 양자컴퓨터와 양자컴퓨팅 개발 플랫폼의 최신 동향 (230315)

(출처: ITFIND 정보통신기획평가원 IITP, 간행물 > 주간기술동향 2083호, 한성대학교 서화정 부교수(02-760-8033, hwajeong@hansung.ac.kr))

• 2019년 10월, 구글은 54 큐비트 양자프로세서를 개발하여 양자 우월성을 증명, 양자컴퓨터가 현존하는 슈퍼컴퓨터의 성능을 능가할 수 있음을 증명

IBM Qiskit

IBM에서 개발한 오픈소스 양자소프트웨어 프레임워크인 Qiskit: Quantum Lab과 Quantum Composer 기능 제공

• Quantum Lab: jupyter notebook 형식으로 파이썬(python)과 양자 명령어인 OpenQASM(Open Quantum Assembly Language)를 활용하여 구현 가능
• Composer: drag and drop 방식으로 큐비트 및 양자 게이트를 배치하여 손쉽게 회로를 구성하고 실행시킬 수 있음

양자컴퓨팅 플랫폼 비교 분석

<자료> “Open-Source Quantum Development,“ https://qiskit.org/
“Powerful open source software for quantum computing,” https://projectq.ch/
“Quantum Computing Service – Amazon Braket,” https://aws.amazon.com/ko/braket/
“Azure Quantum documentation,” https://learn.microsoft.com/en-us/azure/quantum/
“PennyLane,” https://pennylane.ai/

3. 과학기술&ICT 정책·기술 동향 233호 (230308)

(출처: S&T GPS 글로벌 과학기술정책정보 서비스, 간행물, 233호)

미국, AI 혁신을 위한 10대 규제 원칙 발표

• 데이터혁신센터(CFDI)는 AI 혁신을 해치지 않는 10대 규제 원칙 보고서 발표('23.2.)

* Ten Principles for Regulation That Does Not Harm AI Innovation

1. 친인간적 편향을 피할 것: 인간에게 합법적인 것은 AI도 할 수 있도록 허용
2. 결과를 규제할 것: 안전성, 유효성 프로세스보다 AI 시스템의 성능 규제
3. 분야를 규제할 것: 기술 자체 규제보다 의료, 교통 등 분야별 규칙 필요
4. 근시안적인 규제를 피할 것: 예상되는 문제에 대해 근본적 해결책을 제시할 것
5. AI를 정확하게 정의할 것: 다른 규제 범위에 포함되지 않도록 명확하게 정의
6. 기존 규정을 적용할 것: AI도 기존 규정을 준수할 필요가 있음
7. 비용보다 이점이 더 큰지 확인할 것: 규제로 인한 편익이 비용보다 더 큰지 고려
8. 규제를 최적화할 것: 규제가 긍정적 영향을 미치더라도 혜택 극대화 노력 필요
9. 기업을 동등하게 대할 것: 모든 기업을 동등하게 대우하여 공정 경쟁의 장 제공
10. 전문성을 확보할 것: 인공지능 전문가의 규제 입안 과정 참여 필요