[논문 리뷰] Internet of Behavior (IoB) and Explainable AI Systems for Influencing IoT Behavior

Haya Elayan, Moayad Aloqaily외 2명|arXiv (Cornell University)|2021. 09. 15.

Internet of Things and AI인용 수 15

한 줄 요약

이 논문은 가정 내 IoT 에너지 소비 행동을 영향력 있게 조절하기 위해 행동의 인터넷(Internet of Behavior, IoB)과 해석 가능한 인공지능(Explainable AI, XAI)을 통합한 시스템을 제안한다. 심층 학습을 활용한 전력 소비 예측과 XAI를 통한 모델 투명성 확보로 인해, 200시간 동안 522.2 kW의 활성 전력 사용을 감소시키고 €95.04의 비용 절감을 달성하였으며, 행동 기반의 IoT 제어를 통한 에너지 지속 가능성의 실현 가능성을 입증한다.

ABSTRACT

Pandemics and natural disasters over the years have changed the behavior of people, which has had a tremendous impact on all life aspects. With the technologies available in each era, governments, organizations, and companies have used these technologies to track, control, and influence the behavior of individuals for a benefit. Nowadays, the use of the Internet of Things (IoT), cloud computing, and artificial intelligence (AI) have made it easier to track and change the behavior of users through changing IoT behavior. This article introduces and discusses the concept of the Internet of Behavior (IoB) and its integration with Explainable AI (XAI) techniques to provide trusted and evident experience in the process of changing IoT behavior to ultimately improving users' behavior. Therefore, a system based on IoB and XAI has been proposed in a use case scenario of electrical power consumption that aims to influence user consuming behavior to reduce power consumption and cost. The scenario results showed a decrease of 522.2 kW of active power when compared to original consumption over a 200-hours period. It also showed a total power cost saving of 95.04 Euro for the same period. Moreover, decreasing the global active power will reduce the power intensity through the positive correlation.

연구 동기 및 목표

• 행동의 인터넷(IoB)의 개념을 조사하며, 그 워크플로우, 이점, 과제 및 산업적 응용을 포함한다.
• IoB와 해석 가능한 인공지능(XAI)을 통합하여 신뢰할 수 있고 이해하기 쉬운 시스템을 설계함으로써 IoT 기반 사용자 행동을 영향력 있게 조절하고 수정한다.
• 실제 가정 전기 전력 소비 사례를 통해 시스템을 평가하여 에너지 낭비와 비용 절감을 줄인다.
• 강한 양의 상관관계를 바탕으로 감소된 전 세계 활성 전력이 전 세계 에너지 강도에 미치는 영향을 분석한다.
• 미래 연구 방향을 특정하며, 사용자 피드백 통합, 분산 시스템 아키텍처 설계, 향상된 보안 및 프라이버시 메커니즘을 포함한다.

제안 방법

• 실시간 가정 전기 전력 소비 데이터 수집을 위해 IoT 센서를 활용하여 학습 및 추론에 사용한다.
• 과거 4년 간의 역사적 데이터를 기반으로 향후 1시간의 전 세계 활성 전력을 심층 학습 모델을 통해 예측한다.
• AI 예측에 대한 해석 가능한 설명을 제공하기 위해 XAI 기법을 구현함으로써 사용자 신뢰와 시스템 투명성을 향상시킨다.
• 임계값 기반 제어 메커니즘을 적용: 예측된 전력 소비가 동일한 시간대, 주중, 월의 역대 평균을 초과할 경우, 시스템은 전력 절감 조치를 유도한다.
• 에너지 절감, 비용 절감, 전 세계 에너지 강도에 대한 영향 측정을 위해 200개의 테스트 샘플을 기반으로 시스템을 검증한다.
• 전 세계 활성 전력과 전 세계 에너지 강도 사이의 양의 상관관계를 활용하여 전력 소비 감소가 환경적 이점으로 이어질 수 있음을 추론한다.

실험 결과

연구 질문

• RQ1 IoB와 XAI는 어떻게 통합되어 IoT 기반 사용자 행동을 영향력 있게 조절할 수 있는 신뢰할 수 있고 투명한 시스템을 만들 수 있는가?
• RQ2 실제 환경에서 IoB-XAI 시스템은 가정 내 전기 전력 소비와 관련된 비용을 어느 정도 감소시킬 수 있는가?
• RQ3 강한 양의 상관관계가 존재하는 전 세계 활성 전력 감소가 전 세계 에너지 강도에 미치는 영향은 어떠한가?
• RQ4 사용자 피드백과 지시 알림은 장기적인 행동 변화와 시스템 참여를 어떻게 향상시킬 수 있는가?
• RQ5 중앙집중형 아키텍처에서 분산 아키텍처로의 전환 과정에서 발생하는 기술적 및 사용자 경험적 트레이드오프는 무엇인가?

주요 결과

• 제안된 IoB-XAI 시스템은 200시간 테스트 기간 동안 전 세계 활성 전력을 522.2킬로와트 감소시켰다.
• 동일한 200시간 기간 동안 총 비용 절감액은 1킬로ワ트시당 €0.182의 가정 전기 요금 기준 €95.04에 달했다.
• 역대 평균을 초과하는 소비가 예측된 200시간 중 27시간 동안 경고를 발행하여 전력 절감 조치를 유도했다.
• 전 세계 활성 전력과 전 세계 에너지 강도 사이의 강한 양의 상관관계(99%)는 활성 전력 감소가 전 세계 에너지 강도 감소로 이어진다는 것을 의미한다.
• XAI의 활용은 AI 기반 결정에 대한 이해 가능한 설명을 제공함으로써 사용자 신뢰를 향상시킨다.
• 사용자 피드백 통합, 분산 아키텍처, 고도화된 보안 조치 등의 향후 개선 사항은 시스템 성능 향상과 보급을 더욱 향상시킬 것으로 기대된다.