[논문 리뷰] AI Explainability and Governance in Smart Energy Systems: A Review

Roba Alsaigh, Rashid Mehmood외 1명|arXiv (Cornell University)|2022. 10. 24.

Explainable Artificial Intelligence (XAI)인용 수 9

한 줄 요약

이 논문은 스마트 에너지 시스템에서의 인공지능 해석 가능성과 거버넌스를 검토하며, 데이터 기반의 '딥 저널리즘' 접근법을 사용해 150篇 이상의 논문을 분석하고 15개의 핵심 거버넌스 파rameter를 규명한다. 연구는 에너지 분야에서의 인공지능 해석 가능성 연구가 분열되어 있고 특정 분야에 국한되어 있음을 드러내며, 스마트 에너지 시스템에서의 인공지능 도입, 설계 및 리스크 관리 향상을 위한 포괄적인 지도를 제공한다.

ABSTRACT

Traditional electrical power grids have long suffered from operational unreliability, instability, inflexibility, and inefficiency. Smart grids (or smart energy systems) continue to transform the energy sector with emerging technologies, renewable energy sources, and other trends. Artificial intelligence (AI) is being applied to smart energy systems to process massive and complex data in this sector and make smart and timely decisions. However, the lack of explainability and governability of AI is a major concern for stakeholders hindering a fast uptake of AI in the energy sector. This paper provides a review of AI explainability and governance in smart energy systems. We collect 3,568 relevant papers from the Scopus database, automatically discover 15 parameters or themes for AI governance in energy and elaborate the research landscape by reviewing over 150 papers and providing temporal progressions of the research. The methodology for discovering parameters or themes is based on "deep journalism", our data-driven deep learning-based big data analytics approach to automatically discover and analyse cross-sectional multi-perspective information to enable better decision-making and develop better instruments for governance. The findings show that research on AI explainability in energy systems is segmented and narrowly focussed on a few AI traits and energy system problems. This paper deepens our knowledge of AI governance in energy and is expected to help governments, industry, academics, energy prosumers, and other stakeholders to understand the landscape of AI in the energy sector, leading to better design, operations, utilisation, and risk management of energy systems.

연구 동기 및 목표

• 스마트 에너지 시스템에서 인공지능의 해석 가능성 부족과 거버넌스 문제에 대응하기 위해.
• 150편 이상의 논문을 체계적으로 검토하여 스마트 에너지 시스템 내 인공지능 연구의 현재 경계를 그림으로 제시하기 위해.
• 데이터 기반의 딥 러닝 접근법을 활용해 에너지 분야의 인공지능 거버넌스를 위한 15개의 핵심 파rameter를 식별하고 분류하기 위해.
• 정부, 산업계, 연구자들이 에너지 응용 분야에서 더 투명하고 신뢰할 수 있으며 거버넌스 가능한 인공지능 시스템을 설계하는 데 지원하기 위해.
• 에너지 기반 인공지능 시스템에서의 리스크 관리 향상과 이해관계자 신뢰를 위한 기반을 제공하기 위해.

제안 방법

• 연구는 스푸트니크 데이터베이스에서 확보한 3,568편의 논문을 데이터 기반의 '딥 저널리즘' 방법론을 통해 분석하였다.
• '딥 저널리즘' 접근법은 딥 러닝과 빅데이터 분석을 활용해 문헌에서 횡단적이고 다각도의 통찰을 추출한다.
• 에너지 분야의 인공지능 거버넌스를 위한 주제와 파rameter는 연구 추세의 반복적 분석을 통해 자동으로 발견되고 검증되었다.
• 연구의 시간적 진행 상황을 맵핑하여 인공지능 해석 가능성 및 거버넌스 주제의 시간에 따른 진화를 추적하였다.
• 이 방법론을 통해 기술적, 윤리적, 운영적 차원에서 15개의 독립된 거버넌스 파rameter를 규명할 수 있었다.
• 150편 이상의 관련 논문에 대한 정성적 종합 분석을 수행하여 연구 초점, 격차, 주제 군집을 평가하였다.

실험 결과

연구 질문

• RQ1 스마트 에너지 시스템에서의 인공지능 거버넌스에 있어서 지배적인 주제와 파rameter는 무엇인가?
• RQ2 에너지 시스템 내 인공지능 해석 가능성에 대한 연구는 시간이 지남에 따라 어떻게 진화해 왔는가?
• RQ3 에너지 응용 분야 내 현재의 인공지능 해석 가능성 연구에서의 주요 격차와 한계는 무엇인가?
• RQ4 에너지 시스템과 같은 복잡한 분야에서 '딥 저널리즘'과 같은 데이터 기반 접근법이 어떻게 효과적으로 거버넌스 파rameter를 규명할 수 있는가?
• RQ5 에너지 시스템에서의 인공지능 해석 가능성 연구의 분열된 경향이 인공지능의 거버넌스 및 도입에 어떤 영향을 미치는가?

주요 결과

• 에너지 시스템 내 인공지능 해석 가능성에 대한 연구는 매우 분할되어 있으며, 몇 가지 인공지능 특성과 특정 에너지 시스템 문제에 국한되어 있다.
• 이 연구는 기술적, 윤리적, 운영적 차원을 아우르는 15개의 독립된 에너지 시스템 인공지능 거버넌스 파rameter를 규명하였다.
• 시간적 분석 결과 거버넌스 및 해석 가능성에 대한 관심은 증가하고 있으나, 다양한 주제 간에 진전이 균형 잡히지 않았다.
• 기술적 해석 가능성과 기관 및 규제 거버넌스를 통합하는 통합 프레임워크가 부족하다.
• '딥 저널리즘' 접근법은 횡단적 주제를 효과적으로 규명하고 에너지 분야의 인공지능 거버넌스에 대한 체계적인 경계를 제공하였다.
• 연구 결과는 신뢰할 수 있는 인공지능 도입을 지원하기 위해 통합적이고 다자간 거버넌스 수단이 시급히 필요하다는 점을 강조한다.