오토데스크의 신뢰할 수 있는 AI

AI 투명성 카드는 오토데스크 제품에 사용된 인공지능(AI) 기능에 대한 데이터 소스, 개인정보 처리방침 및 보안 보호 조치에 대한 상세한 정보를 제공합니다.

카드 상단의 ‘AI 투명성 카드(AI Transparency Card)’ 문구 아래에 오토데스크 제품 이름과 AI 기능의 이름이 표시됩니다.

• 오토데스크 제품 이름(예: Autodesk Forma)
• 해당 제품의 AI 기능(예: 내재 탄소 분석)

카드 설명에는 제품 내에서 이 AI 기능을 사용할 때 수행할 것으로 예상되는 작업이 요약되어 있습니다.

다음 세 가지 용어 중 하나를 사용하여 AI 기능을 향상시키는 AI 및/또는 머신 러닝(ML) 기술 기능을 설명합니다.

• 자동화(Automate): Autodesk AI는 기존에 수작업이나 상당한 오버헤드가 필요했던 단계를 자동화하여 반복적인 작업을 줄임으로써 오류를 최소화하고 창의적인 작업과 혁신에 더 많은 시간을 할애할 수 있도록 지원합니다.
• 분석(Analyze): Autodesk AI는 압도적인 양의 복잡한 데이터에 직면했을 때 최종 사용자에게 실행 가능한 인사이트를 제공해 가장 중요한 것이 무엇인지 실시간으로 파악하여 가장 스마트한 솔루션을 구축할 수 있도록 지원합니다.
• 증강(Augment): Autodesk AI는 상황에 대한 이해를 통해 사고의 속도, 질, 폭을 개선하여 창의적인 탐구와 문제 해결 능력을 강화합니다.  

모델 소스는 AI 기능을 위해 모델이 개발된 소스 유형을 설명합니다.

• 독점(Proprietary): 오토데스크에서 내부적으로 개발한 AI/ML 모델입니다.
• 오픈 소스(Open source): 타사에서 개발한 AI/ML 모델을 사용하며, 해당 기업은 이를 대중에게 공개했습니다.
• 라이선스 보유(Licensed): 오토데스크는 타사에서 개발한 AI/ML 모델을 사용할 수 있는 라이선스를 보유하고 있습니다.
• 조합(Combination): AI/ML 모델의 일부는 오토데스크에서 내부적으로 개발했고 나머지 부분은 타사(오픈 소스 및/또는 라이선스 보유)에서 개발했습니다.

각 AI 기능의 기반이 되는 모델은 데이터를 통해 학습하고, 패턴을 찾고, 작업을 수행하고, 결과를 생성하기 위해 다양한 방법, 접근 방식 및 기술을 사용합니다. 오토데스크는 고객을 위해 제품의 품질과 가치를 향상시킬 수 있는 기술을 적용합니다. 이러한 기술은 지속적으로 발전하고 있으며, 어떤 경우에는 여기 소개되지 않은 여러 기술이 사용될 수도 있습니다. 이 필드에서는 AI 기능을 개발하는 데 사용된 주요 기술을 설명합니다.

• 트랜스포머(Transformer): 데이터를 처리하고 이해하여 언어 번역과 같은 순차적 작업을 보다 효율적으로 수행하도록 설계된 머신 러닝 기법
• 인코딩(Encoding): 머신 러닝 모델에서 효율적으로 처리할 수 있는 특정 형식으로 데이터를 변환하는 프로세스
• 분류(Classification): 항목을 미리 정의된 범주에 할당하고 과거 데이터를 기반으로 새로운 관찰 항목의 범주를 예측하는 지도 학습 기법
• NN(피드 포워드 신경망, Feed forward neural network): 정보가 주기나 루프 없이 입력에서 출력까지 한 방향으로만 흐르는 딥 러닝 기법
• 예측 변수(Predictor): 데이터를 학습하여 과거 데이터와 패턴을 기반으로 미래의 사건이나 결과를 예측하고, 의사 결정을 내리고, 인사이트를 제공하는 등 정보에 입각한 예측을 하는 AI 기술
• 유전 알고리즘(Genetic Algorithm): 자연 선택 개념을 기반으로 제약 및 비제약 최적화 문제를 모두 해결하는 방식
  • 제약 최적화 문제에는 문제 해결을 위해 고려해야 하는 논리적 한계 또는 조건이 사용됩니다. 여기에는 생산 능력, 재고, 사용 가능한 공간 등과 같은 현실적인 제약이 반영됩니다.
  • 비제약 최적화 문제는 솔루션이 고려해야 할 사전 정의된 제한이나 조건이 없는 상황을 다룹니다.
• 트랜스포머 확산(Transformer diffusion): 데이터에 노이즈를 점진적으로 추가함으로써 확산 과정을 역전시켜 데이터를 생성하는 트랜스포머 기법(위의 트랜스포머 참조)

‘예’ 또는 ‘아니요’로 표현되며, 최종적인 조치를 취하기 전에 사용자가 생성된 결과물을 검토하거나 추가로 업데이트할 수 있는지 여부를 정의합니다. ‘휴먼인더루프(Human-in-the-loop, HITL)’라고도 합니다.

이 섹션에서는 이 기능의 개발에 사용된 교육, 테스트 또는 검증 데이터 세트에 개인 데이터가 있는지 여부를 나타냅니다. 

카드에 표시된 데이터 소스는 이 기능의 개발에 사용된 데이터 소스 유형을 나타냅니다. 여기에는 AI 기능을 구동하는 모델을 훈련하는 데 사용된 데이터가 포함됩니다. 소스 유형은 다음과 같이 분류됩니다.

• 오픈 소스(Open source):  오픈 라이선스에 따라 자유롭게 사용, 수정 및 배포할 수 있는 데이터
• 고객 콘텐츠(Customer content): 고객 또는 권한이 부여된 사용자가 제품에 제출하거나 업로드하는 데이터로, 오토데스크의 사용 약관에서 ‘고객 콘텐츠’로 정의됩니다.
• 합성 데이터(Synthetic data): 실제 데이터의 구조 및 통계적 속성을 모방하고 유사하게 만들 수 있는 시스템 또는 모델에 의해 생성된 데이터
• 상업용(Commercial): 제한적인 라이선스에 따라 제3자로부터 구매 및/또는 취득한 데이터
• 혼합(Mix): 둘 이상의 데이터 소스 범주가 사용된 경우
• 고객 훈련(Customer trained): 고객이 훈련을 수행하여 자체 데이터를 사용합니다.

선택 형식은 옵트인/옵트아웃(Opt-in/Opt-out), 아니요(No) 또는 해당 없음(N/A)으로 표시됩니다. 이러한 레이블은 AI 기능의 개발/개선에 데이터가 사용될 때 고객 및/또는 사용자가 선택할 수 있는 형태를 나타냅니다.

• 옵트인/옵트아웃(Opt-in/Opt-out): 고객이 기능 개발/개선을 위한 데이터 사용에 동의할지 또는 거부할지를 선택할 수 있습니다.
• 아니요(No): 선택 사항이 제공되지 않습니다.
• 해당 없음(N/A): 기능 개발/개선에 고객 콘텐츠가 사용되지 않으므로 선택 대상이 아닙니다.

오토데스크는 저장 중 암호화(encryption at rest)와 전송 중 암호화(encryption in transit)라는 두 가지 유형의 암호화에 대한 정보를 제공합니다. 이러한 두 옵션 모두 예 또는 아니요로 표시됩니다.

• 저장 중 암호화(encryption at rest): 데이터가 유지되는 데이터베이스에서 데이터가 암호화되는지 여부를 나타냅니다. 저장된 모든 암호화는 AES-256으로도 알려진 AES(고급 암호화 표준) 256비트 키 길이를 사용합니다.
• 전송 중 암호화(encryption in transit): 데이터가 한 지점에서 다른 지점으로 전송될 때 암호화되는지 여부를 나타냅니다. 오토데스크는 최소 TLS 1.2를 사용하는 HTTPS 표준 암호화, AES-256이 포함된 RSA를 통해 전송 중 암호화를 적용합니다.

카드의 이 섹션에는 해당되는 경우 표준 보안 메커니즘 외에 데이터의 기밀 유지 및 보호를 위해 어떤 다른 주목할 만한 메커니즘이 사용되는지 여부가 명시되어 있습니다. 이러한 보호 조치는 개인 데이터와 회사 데이터 모두에 적용됩니다.

• 토큰화(Tokenization): 데이터의 정보 시퀀스가 ‘토큰’이라는 작은 단위로 나뉩니다.
• 비식별화(De-identification): 식별자가 데이터에서 제거되고 자리 표시자 값으로 대체됩니다.
• 익명화(Anonymization): 데이터 세트에 식별 가능한 정보가 포함되지 않으며 해당 정보를 식별 가능한 정보와 다시 연결할 방법이 없습니다.