뉴스 빅데이터로 본 아동 보도 20년: ‘결식아동’에서 ‘성범죄’를 거쳐 ‘아동학대’로

박대민 한국언론진흥재단 2016 연구보고서 Vol.- No.-

방송 동영상 기반 인공지능 학습데이터 구축과 PR 분야에서 인공지능의 활용 가능성

박대민 한국PR학회 2021 한국PR학회 학술대회 Vol.2021 No.0

신뢰할 수 있는 인공지능 기반의 저널리즘 인공지능: 언론 신뢰와 인공지능 신뢰성 간 통약가능성을 바탕으로

박대민 사단법인 언론과 사회 2023 언론과 사회 Vol.31 No.4

이 연구에서는 언론 분야의 인공지능 전환(AIX)이 본격화될 것이라는 전망 아래, 언론 신뢰 논의와 인공지능 신뢰성 논의 간의 통약가능성을 탐색하고 이를바탕으로 ‘신뢰할 수 있는 인공지능(TAI) 기반 저널리즘 인공지능(JAI)’를 이론적으로 모색했다. 언론 신뢰와 인공지능 신뢰성 간의 통약가능성은 JAI에서 TAI 를 구현하고, 이를 통해 언론 신뢰를 달성하는 것으로 실현된다. 이에 JAI는 언론 신뢰와 AI 신뢰성의 조건을 모두 만족시켜야 한다. JAI의 신뢰는 인간 신뢰와기술 신뢰를 포괄하며 언론사의 신뢰성과 언론사가 활용하는 AI 시스템의 신뢰성을 바탕으로, 사용자의 신뢰도 제고를 통해 달성된다. JAI의 신뢰는 JAI가 제공하는 결과물의 사실성과 공정성에 의해 확보된다. TAI로서 JAI의 투명성, 안전성은 사실성 요청에 대한 필요조건, JAI의 다양성, 책임성은 공정성 요청에 대한 필요조건이다. JAI의 신뢰성은 루프 속 인간, 인간 중심 AI 등의 관점에서 언론인이 JAI의 기획, 개발, 운영, 검수에 적극 참여함으로써 추구될 수 있다. JAI의신뢰성은 사용자의 신뢰도 개선으로 이어져야 한다. TAI 기반 JAI는 다음과 같은 세 조건을 충족해야 한다. 첫째, AIX 조건이다. 이는 저널리즘 분야에서 AIX 가 진행된다는 것, 즉 저널리즘과 AI의 실천적 결합이 전면적으로 이뤄진다는것을 의미한다. 둘째, TAI 조건이다. JAI에 TAI를 적용한다는 것, 즉 JAI가 TAI 관점에서 AI의 신뢰성을 확보해야 한다는 것을 뜻한다. 셋째, 도메인 조건이다. TAI 기반 JAI는 언론 신뢰의 개선, 즉 언론사의 신뢰성과 수용자의 신뢰도 증진에 기여해야 한다. 이러한 TAI 기반 JAI의 세 조건은 다른 사회 도메인에서 TAI 를 적용할 때에도 일반화해 적용할 수 있을 것으로 기대된다. In the context of artificial intelligence transformation (AIX) in journalism, this study explores the commensurability between media trust and trustworthy AI and theoretically explores ‘journalism AI (JAI) based on trustworthy AI (TAI)’. The commensurability between media trust and trustworthy AI is achieved by implementing TAI in JAI and building media trust through it. Therefore, JAI must meet the criteria for both media trust and AI trust. JAI’s trust encompasses trust in human and trust in technology, attained by enhancing user credibility based on the trustworthiness of journalists and AI systems used by journalists. The trust in JAI is secured by the factuality and fairness of the outputs it provides. As a TAI, JAI’s transparency and safety are requirements for factuality claims, and JAI’s diversity and accountability are requirements for fairness claims. The credibility of JAI can be pursued by actively engaging journalists in the design, development, operation, and verification of JAI from the perspective of humans in the loop and human-centered AI. The trustworthiness of JAI should lead to improved user credibility. TAI-based JAI must satisfy three primary requirements. First, the AIX requirements imply that AIX is carried out in the field of journalism, ensuring the practical integration of journalism and AI. Second, Second, the TAI requirements involve the application of TAI to JAI, ensuring the trustworthiness of JAI from a TAI perspective. Third, the domain requirements dictate that TAI-based JAI should contribute to the improvement of media trust, encompassing the trustworthiness of the media organization and the credibility of the audience. These three requirements for TAI-based JAI are anticipated to be applicable to the integration of TAI in other social domains as well

방송 동영상 활용 AI 학습데이터의 표준화: AI허브의 데이터세트 관련 문서를 통한 객체, 행동, 상황 클래스 설계

박대민 한국방송학회 2023 방송과 커뮤니케이션 Vol.24 No.1

With the recent development of deep learning techniques in the field of computer vision, more attempts are being made to introduce automated video content analysis based on artificial intelligence (AI). AI is expected to be highly utilized in the broadcasting field in the future as the tasks of production, editing, and distribution. To develop a high-performance deep learning model for the content analysis of broadcast videos based on deep learning, it is necessary to get enough qualified learning data to learn the model. In this study, seven types of AI learning data using broadcasting videos released by the Korea Intelligence Information Society Agency (NIA) on AI Hub were analyzed in terms of design and sought standardization measures, especially focusing on classes. As of October 2022, AI Hub has established and released seven types of AI learning data worth a total of 10,895 hours using videos from nine broadcasters, including KBS, MBN, EBS, SBS, Maeil Economy TV, YTN, OBS, tvN, and Maeil Bussiness Newspaper. The size of the learning data construction is close to 132.88 million, including 129,514,816 objects (based on bounding boxes), 124,521 behaviors (based on clips), 3,136,345 situations (based on clips), 22,099 people (based on bounding boxes and key points), and 60,000 shots (based on key shots). In this study, various tasks were organized into objects, actions, and situations, and the format and class of source data and annotation data were standardized. Object and behavior classes into 3-level categorization, and then standardized their names. The situation was viewed as a combination of objects, actions, times, places, content, and emotions, and standardized by detailed units. Accordingly, we derived standardized classes of 28/212/1338 objects, 18/56/353 behaviors, 8/55 emotions, 8/55 content, 2/10 hours, and 25/92 places. According to the standardization results, there were 477 object classes with more than 4,000 bounding boxes and 41 behavioral classes with more than 300 clips. The standardization of AI hub broadcast video datasets can be useful to develop an integrated broadcasting database, to manage datasets efficiently. This study also contributes to the development of deep learning-based broadcast video analysis models and AI transformation in the broadcasting field.

한류의 산업화, 금융화, 그리고 스타트업화 한류와 K-POP 보도 21년치 뉴스 빅데이터 분석을 중심으로

박대민,이규탁 한국언론정보학회 2022 한국언론정보학보 Vol.112 No.-

The goal of this research is to conceptualize the growth of the Hallyu(Korean Wave) during the 2000s by the method of news big data analysis into industrialization, financialization, and startupization in relation to the evolution of market liberal governmentality. For this purpose, news articles from January 1, 2001 to June 30, 2021 about Hallyu and K-POP were collected from 54 media oulets and 5 sections (political, economic, social, cultural, and international sections) based on BigKinds, the news big data analysis system provided by the Korea Press Foundation. Semantic network analysis was used to examine news sources and keywords from 939,003 quotes collected through natural language processing in a total of 239,817 articles. As a result of the analysis, it was found that government-related news sources were more importantly treated than sources from cultural industries. And among government institutions, the Ministry of Commerce, Energy, and the Ministry of Agriculture, Forestry, and Fisheries were more essential than the Ministry of Culture, Sports and Tourism and its affiliated organizations as news sources. News sources from the financial sector were stressed in the case of the economic section while sources from manufacturing industries such as retails, foods, cosmetics, fashion, and automobiles were emphasized in depth. However, the importance of sources from cultural industries and related communities was overwhelming in K-POP news. When K-POP was analyzed in terms of economic perspectives, sources from the financial sector were more often quoted than others. Based on the further analysis of K-POP news in the economic section, SM Entertainment, YG Entertainment, and JYP Entertainment have tended to expand their business to traditional Hallyu products such as retails, foods, and fashion. On the other hand, BigHit Entertainment (now Hive) has been reported as having the process of acquiring funding as a startup then was listed as a ‘unicorn company’ thanks to its technology-based platform Weverse. The meaning of this study is to understand the evolution of Hallyu ecology not as a distinctiveness of Korean or East Asian popular culture, but as a universal adaptation to long-term changes happening in market liberal governmentality.

중국 보도 10년: 뉴스 빅데이터 분석으로 본 10대 사건

박대민 한국언론진흥재단 미디어본부 2017 미디어이슈 Vol.3 No.5

미디어 인공지능 : 컴퓨터 비전 관련 딥러닝 모델의 미디어 동영상 분야 적용 가능성에 관한 연구

박대민 한국언론학회 2022 커뮤니케이션 이론 Vol.18 No.1

Recently, media researchers employ deep learning models related to computer vision to perform automated content analysis of videos. Understanding deep learning models is also essential to AI(artificial intelligence) driven digital transformation in the media industry. In this paper, we reviewed computer vision-related deep learning models that are widely used for video analytics and generation. First, we looked at convolutional neural networks (CNNs) and recurrent neural networks (RNNs), which are widely used for classification, as well as generative adversarial network (GANs) and autoencoders (AEs) as generation models, and transfer learning using pre-training models. Following that, we proposed tasks in five major categories for which AI could be highly useful: object detection, action recognition, event detection, video summarization, and video classification. Then, for subtasks such as object detection, face recognition, facial expression recognition, landmark recognition, product recognition, pose estimation, anomaly detection, context recognition, video summarization, and video classification, we introduced state-of-the-arts (SOTAs) and benchmark datasets. Finally, the potential academic and practical applications of these models were discussed. We anticipate that media researchers or media service providers will understand the major trend of deep learning in computer vision and will be able to get knowledge when using deep learning models independently or collaborating with programmers. 미디어 동영상 분야는 컴퓨터 비전 관련 딥러닝 모델을 활용해 연구 차원에서는 동영상의 자동화된 내용분석을 수행하고 실무 차원에서는 미디어 분야의 디지털 전환을 통해 서비스를 개선할 여지가 큰 영역이다. 이 논문에서는 미디어 동영상의 분석과 생성에 활용도가 높은 비전 관련 딥러닝 기반 모델을 검토했다. 우선 다양한 모델의 기축이 되는 알고리즘으로서 분류 모델로 널리 사용되는 합성곱 신경망(CNN)과 순환 신경망(RNN), 생성 모델로 사용되는 적대적 생성 신경망(GAN)과 오토인코더(AE), 사전 훈련 모델을 활용하는 전이학습을 살펴보았다. 다음으로 미디어 동영상 영역에서 활용도가 높은 과업을 객체탐지, 행동인식, 사건탐지, 동영상 요약, 동영상 분류 등 5개 대분류와 객체탐지, 안면인식, 표정인식, 랜드마크 인식, 상품인식, 행동인식, 자세추정, 이상탐지, 상황인식, 동영상 요약, 동영상 분류 등 11개 소분류로 제시했다. 이어 각 과업별 SOTA(state-of-the-art)와 벤치마크 데이터셋을 소개했다. 끝으로 이러한 모델의 학문적, 실무적 활용 가능성을 제시해보았다. 본 논문은 수식이나 프로그래밍에 대한 지식이 없이 미디어 연구자나 미디어 서비스 기획자가 비전 분야 딥러닝의 큰 흐름을 파악하고 관련 모델을 직접 활용하거나 컴퓨터공학 분야의 연구자 또는 개발자와 협업할 때 배경지식을 제공할 것으로 기대한다. 또한 비전 관련 딥러닝이 발전함에 따라 미디어 인공지능 기반 동영상 빅데이터 분석 시스템의 개발 가능성도 높아질 것이다.

인공지능과 정보통치성: 인공지능과 자동화 사회에 대한 알고리듬 통치성의 비판적 확장으로서 정보통치성

박대민 서울대학교 언론정보연구소 2020 언론정보연구 Vol.57 No.4

The study seeks to critically reconstruct Louvre and Bern's algorithmic governmentality studies and Stigler's discussion on automated society in terms of knowledge, society and subject from the perspective of informational governmentality. According to Stigler, the hegemonic governmentality of an automated society is the algorithmic governmentality. The methodological knowledge of algorithmic governmentality is big data analysis and artificial intelligence. Under big data analysis, theories and norms come to an end. AI-driven recommendation algorithm that utilizes big data constitutes a profiled subject. The society formed by these subjects is an automated society in which all resistance is already preemptively resolved. In order to resist in such an automated society, de-automated performance must be restored. The study seeks to review algorithmic governmentality from a genealogical point of view to expand it into informational governmentality. The study's arguments are as follows: First, the theories and norms that lead to the loss of hegemony through big data analysis are social sciences composed through descriptive statistics and inferential statistics, not all theories and norms. Second, numerous de-automated practices are still involved in the stage of building infrastructure of big data and artificial intelligence to form an automated society. However, this de-automated practice is nothing more than a counter conduct to an automated society. Third, the profiled subject, the main body of an automated society, has the potential as a governed but resisted entity. Fourth, by reconsidering algorithmic governmentality as a sub-form of informational governmentality and establishing it in the genealogy of modern market liberal governmentality, the alternative can be presented as a paradigm shift of market liberal governmentality itself, not merely as a de-automation as a counter conduct. 이 연구는 루브루아와 베른의 알고리듬 통치성과 스티글러의 자동화 사회 논의를 정보통치성의 개념 아래 지식, 사회, 주체의 구성 측면에서 비판적으로 재구성하고자 한다. 스티글러에 따르면 자동화 사회의 통치성은 알고리듬 통치성이다. 알고리듬 통치성의 방법론적 지식은 빅데이터 분석과 인공지능이다. 빅데이터 분석 아래에서 이론과 규범은 종말을 고한다. 빅데이터를 활용한 인공지능 기반 추천 알고리듬은 프로필화된 주체를 구성한다. 이러한 주체가 구성하는 사회는 모든 저항이 이미 선제적으로해결되는 자동화 사회이다. 이러한 자동화 사회에서 저항하기 위해서는 탈자동화된수행을 복원해야 한다. 이 연구는 이러한 알고리듬 통치성 연구를 계보학적 관점에서 검토한 뒤 정보통치성연구로 확장하고자 한다. 이 연구의 주장은 다음과 같다. 첫째, 빅데이터 분석으로 헤게모니를 잃게 되는 이론과 규범은 모든 이론과 규범이 아닌 기술통계와 추리통계를통해 구성된 사회과학이다. 둘째, 자동화 사회를 구성하기 위한 빅데이터 및 인공지능인프라 구축 단계에도 여전히 수많은 탈자동화된 수행이 개입된다. 그러나 이러한 탈자동화된 수행은 자동화 사회에 대한 대항품행에 그친다. 셋째, 자동화 사회의 주체인프로필 주체는 지배당하지만 저항하는 주체로서의 잠재력을 갖고 있다. 넷째, 알고리듬 통치성을 정보통치성의 한 형태로 간주하여 현대 시장 자유주의 통치성의 계보학속에 자리매김시킴으로써 그 대안을 단순히 대항품행으로서의 탈자동화가 아닌, 시장자유주의 통치성 자체의 패러다임 변화로서 제시할 수 있다.

한국 데이터저널리즘 어워드 아동·여성·소수자 인권에 주목

박대민 한국언론진흥재단 미디어본부 2023 월간 신문과 방송 Vol.625 No.0

망언의 네트워크 : 신문 뉴스 빅데이터 분석으로 본 일본 망언 보도 10년사

박대민 한국언론진흥재단 미디어본부 2015 미디어이슈 Vol.1 No.12