구축 방법 — Trustworthy AI

방법

• Buildless HTML / CSS / JavaScript.
• 4 topics / 16 tabs.
• 그림 직접 조작(v1.1): 16개 탭마다 그림 위를 누르거나 끄는 체험을 하나씩 더해, 탭마다 체험이 2개(입력 조작 + 그림 직접 조작)다. 그림 상태도 ?p=에 담긴다. 데이터 출처 줄은 그 자료를 실제로 쓰는 탭에만 보인다.
• 학습 여부: 브라우저에서 직접 학습. 사전 학습 가중치 없음.
• 소프트웨어: 자체 JavaScript v1.1, KaTeX 0.16.11(MIT, 수식 표시만).
• 본문 작성 보조: OpenAI Codex. 본문은 고정 텍스트이며 실행 중 LLM 호출은 없다.
• 수식 표시 파일·woff2 글꼴은 폴더에 포함한다. 실행 중 외부 리소스를 요청하지 않는다.

데이터

• 원본 데이터의 출력값은 실제 관측값이며 모델 예측은 브라우저에서 새로 계산한다.
• 분할: 시드 고정 60% 학습·20% 보정·20% 평가. 표준화는 학습 데이터에만 맞춘다.
• 사용자 입력 저장: 없음. 표시 설정만 기기에 저장한다.
• Concrete Compressive Strength: 1,030행 전체, Yeh (1998), UCI, CC BY 4.0. XLS를 수치 JSON으로 변환했다.
• Adult: 48,842행 중 6,000행 추출, Becker & Kohavi (1996), UCI, CC BY 4.0. 범주 부호화·결측 범주 유지.

검증

• 16개 체험 경로, 11개 수학 기준 검사, 30개 KaTeX 수식 구문 검사를 실행했다.
• 탭·절 주소 복원, 언어별 수치, 테마·크기 설정은 DOM 환경에서 검사했다.
• v1.1 그림 계산 검사: Shapley 모두 켬·모두 끔 = 예측값·기준값(오차 10⁻⁹ 이내), 반사실 되돌림 예측 일치, 빈 구간에 점 3개 추가 시 x ≈ 0 모델 표준편차 0.2570 → 0.1581, DP 로그 밀도 비 ≤ ε(개수·평균 × ε 0.1·1·5), 반복별 노출 점수 일치.

범위

• 매개변수 범위는 각 체험 입력에 표시하며 교육용으로 정한 값이다.

출처

1. Breiman (2001). Random Forests. Machine Learning 45, 5–32.
2. Yeh (1998). Concrete Compressive Strength. UCI Machine Learning Repository. CC BY 4.0.
3. Friedman (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics 29.
4. Goldstein et al. (2015). Peeking Inside the Black Box. JCGS 24, 44–65.
5. Lundberg & Lee (2017). A Unified Approach to Interpreting Model Predictions. NeurIPS.
6. Wachter, Mittelstadt & Russell (2018). Counterfactual Explanations without Opening the Black Box.
7. Efron (1979). Bootstrap Methods: Another Look at the Jackknife. Annals of Statistics.
8. Lakshminarayanan, Pritzel & Blundell (2017). Simple and Scalable Predictive Uncertainty Estimation using Deep Ensembles.
9. Guo et al. (2017). On Calibration of Modern Neural Networks. PMLR 70.
10. Angelopoulos & Bates (2023). Conformal Prediction: A Gentle Introduction.
11. Becker & Kohavi (1996). Adult. UCI Machine Learning Repository. CC BY 4.0.
12. Kamiran & Calders (2012). Data preprocessing techniques for classification without discrimination.
13. Hardt, Price & Srebro (2016). Equality of Opportunity in Supervised Learning.
14. Kleinberg, Mullainathan & Raghavan (2017). Inherent Trade-Offs in the Fair Determination of Risk Scores.
15. Carlini et al. (2019). The Secret Sharer: Evaluating and Testing Unintended Memorization in Neural Networks.
16. 산업안전보건기준에 관한 규칙 제3조 · 국가법령정보센터
17. 저작권법 제7조 · 국가법령정보센터
18. Shokri et al. (2017). Membership Inference Attacks against Machine Learning Models.
19. Dwork & Roth (2014). The Algorithmic Foundations of Differential Privacy.
20. Creative Commons Attribution 4.0 International.
21. Creative Commons Attribution-ShareAlike 4.0 International.
22. Creative Commons Attribution-NonCommercial 4.0 International.
23. Creative Commons Attribution-NoDerivatives 4.0 International.
24. Open Source Initiative. The MIT License.
25. Apache Software Foundation. Apache License 2.0.

이력

• 2026-10-27 · v1.0 · 공개
• 2026-10-27 · v1.1 · 공개 — 그림 직접 조작 추가, 출처 줄 정리