[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,91 +2,190 @@
|
||||
id: wiki-2026-0508-trustworthy-ai
|
||||
title: Trustworthy AI
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [TRUST-AI-001]
|
||||
aliases: [Responsible AI, Ethical AI]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai-ethics, trustworthy-ai, safety, bias, xai]
|
||||
confidence_score: 0.92
|
||||
verification_status: applied
|
||||
tags: [ai-ethics, governance, safety, regulation, NIST, EU-AI-Act]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
language: any
|
||||
framework: NIST-AI-RMF
|
||||
---
|
||||
|
||||
# Trustworthy AI (신뢰할 수 있는 AI)
|
||||
# Trustworthy AI
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "성능보다 중요한 것은 인간이 안심하고 사용할 수 있는 가치적 정렬이다" — AI 시스템이 의도한 대로 작동하며, 편향되지 않고, 인간의 권리를 침해하지 않음을 보장하는 기술적/윤리적 체계.
|
||||
## 매 한 줄
|
||||
> **"매 AI system 이 매 reliable · safe · fair · transparent · accountable · privacy-preserving 의 6 axes 동시 만족."** NIST AI RMF (2023) 와 EU AI Act (2024 enacted, 2026 fully applicable) 의 통합 frame. 매 single property 가 아닌 매 multi-dim balance — 매 trade-off 의 명시 가 매 핵심.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** AI의 결정이 투명하고(Explainability), 공정하며(Fairness), 보안 공격에 강하고([[Robustness|Robustness]]), 법적/윤리적 책임을 질 수 있도록 설계하는 신뢰 아키텍처 패턴.
|
||||
- **핵심 7대 요소 (EU 가이드라인 기준):**
|
||||
- **Human Agency & Oversight:** 인간의 통제권 유지.
|
||||
- **Technical Robustness & Safety:** 오류와 공격에 대한 탄력성.
|
||||
- **Privacy & Data Governance:** 철저한 데이터 보호.
|
||||
- **Transparency:** 작동 원리와 데이터 출처 공개.
|
||||
- **Diversity, Non-discrimination & Fairness:** 편향성 제거.
|
||||
- **Societal & Environmental Well-being:** 지속 가능성 고려.
|
||||
- **Accountability:** 결과에 대한 책임 추적성.
|
||||
## 매 핵심
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 초기 AI는 '정확도'만 높으면 성공으로 여겨졌으나, 현대에는 신뢰성을 잃은 AI는 사회적으로 수용될 수 없다는 인식이 확산됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 지식 보강 작업 시 '신뢰할 수 있는 AI' 원칙을 준수하며, 생성된 정보의 출처와 신뢰도를 사용자에게 명확히 고지함.
|
||||
### 매 6 Pillars (NIST AI RMF)
|
||||
- **Valid & Reliable**: 매 intended task 에서 매 정확 + 매 deployment 환경 에서 매 stable.
|
||||
- **Safe**: 매 physical · psychological · environmental harm 의 회피.
|
||||
- **Secure & Resilient**: 매 adversarial attack · data poisoning · prompt injection 의 방어.
|
||||
- **Accountable & Transparent**: 매 누가 책임 + 매 어떻게 결정 의 명시.
|
||||
- **Explainable & Interpretable**: 매 stakeholder level 에 맞는 매 reasoning 공개.
|
||||
- **Privacy-Enhanced**: 매 data minimization · DP · federated learning.
|
||||
- **Fair, Bias 의 management**: 매 disparate impact 의 측정 + mitigation.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- AI-Safety, Explainable-AI, [[Alignment|Alignment]], [[Interpretability|Interpretability]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Trustworthy-AI.md
|
||||
### 매 EU AI Act risk tiers (2026 fully applicable)
|
||||
- **Unacceptable**: social scoring, real-time biometric ID (대체로 ban).
|
||||
- **High-risk**: medical, hiring, credit, education — 매 conformity assessment + 매 CE marking 필수.
|
||||
- **Limited risk**: chatbots, deepfakes — 매 transparency obligation (AI 라고 명시).
|
||||
- **Minimal risk**: spam filter, video game AI — 매 voluntary code.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
### 매 governance lifecycle
|
||||
1. **Map**: context, stakeholder, risk identification.
|
||||
2. **Measure**: 매 quantitative + 매 qualitative metric.
|
||||
3. **Manage**: 매 mitigation, monitoring, incident response.
|
||||
4. **Govern**: 매 policy, role, accountability.
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### 매 응용
|
||||
1. **High-risk deployment**: 매 healthcare diagnosis AI 매 FDA + EU AI Act dual conformity.
|
||||
2. **LLM production**: 매 prompt injection defense + 매 PII redaction + 매 output filter.
|
||||
3. **Hiring algorithm**: 매 NYC Local Law 144 (bias audit) + 매 EEOC compliance.
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
## 💻 패턴
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
### 매 Bias measurement (group fairness)
|
||||
```python
|
||||
from fairlearn.metrics import (
|
||||
MetricFrame, demographic_parity_difference, equalized_odds_difference
|
||||
)
|
||||
from sklearn.metrics import accuracy_score
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
mf = MetricFrame(
|
||||
metrics={"accuracy": accuracy_score},
|
||||
y_true=y_test,
|
||||
y_pred=y_pred,
|
||||
sensitive_features=df_test["gender"],
|
||||
)
|
||||
print(mf.by_group)
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
dpd = demographic_parity_difference(y_test, y_pred, sensitive_features=df_test["gender"])
|
||||
eod = equalized_odds_difference(y_test, y_pred, sensitive_features=df_test["gender"])
|
||||
print(f"DP diff: {dpd:.3f}, EO diff: {eod:.3f}")
|
||||
# 매 |DP| > 0.1 → 매 disparate impact 의심
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
### 매 LLM output guardrail (Llama Guard 3)
|
||||
```python
|
||||
from transformers import AutoTokenizer, AutoModelForCausalLM
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
guard = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-Guard-3-8B")
|
||||
tok = AutoTokenizer.from_pretrained("meta-llama/Llama-Guard-3-8B")
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
def is_safe(user_msg: str, assistant_msg: str) -> tuple[bool, str]:
|
||||
prompt = tok.apply_chat_template(
|
||||
[{"role": "user", "content": user_msg},
|
||||
{"role": "assistant", "content": assistant_msg}],
|
||||
tokenize=False,
|
||||
)
|
||||
out = guard.generate(tok(prompt, return_tensors="pt").input_ids, max_new_tokens=20)
|
||||
verdict = tok.decode(out[0], skip_special_tokens=True).strip().split("\n")[-1]
|
||||
return verdict.startswith("safe"), verdict
|
||||
```
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
### 매 Differential privacy (Opacus)
|
||||
```python
|
||||
from opacus import PrivacyEngine
|
||||
import torch
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
model = MyModel()
|
||||
optimizer = torch.optim.SGD(model.parameters(), lr=0.05)
|
||||
engine = PrivacyEngine()
|
||||
model, optimizer, loader = engine.make_private_with_epsilon(
|
||||
module=model, optimizer=optimizer, data_loader=loader,
|
||||
target_epsilon=3.0, target_delta=1e-5, epochs=10, max_grad_norm=1.0,
|
||||
)
|
||||
# 매 ε=3 의 strong privacy guarantee
|
||||
```
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
### 매 Model card (Hugging Face)
|
||||
```yaml
|
||||
# README.md frontmatter
|
||||
language: en
|
||||
license: apache-2.0
|
||||
intended_use:
|
||||
primary: "English sentiment classification (product reviews)"
|
||||
out_of_scope: ["clinical text", "non-English", "financial advice"]
|
||||
training_data:
|
||||
source: "Amazon reviews 2018-2024 (50M samples)"
|
||||
known_biases: ["English-skewed", "tech product overrepresented"]
|
||||
metrics:
|
||||
accuracy: 0.92
|
||||
demographic_parity_diff: 0.04
|
||||
limitations:
|
||||
- "Sarcasm detection 약함 (F1 0.61)"
|
||||
- "Long reviews (>1000 tokens) 의 truncation"
|
||||
ethical_considerations:
|
||||
- "매 hiring · loan 결정 의 사용 X"
|
||||
```
|
||||
|
||||
### 매 Explainability (SHAP for tabular)
|
||||
```python
|
||||
import shap
|
||||
|
||||
explainer = shap.TreeExplainer(model)
|
||||
shap_values = explainer.shap_values(X_test)
|
||||
|
||||
# 매 individual explanation
|
||||
shap.force_plot(explainer.expected_value, shap_values[0], X_test.iloc[0])
|
||||
|
||||
# 매 global feature importance
|
||||
shap.summary_plot(shap_values, X_test)
|
||||
```
|
||||
|
||||
### 매 Adversarial robustness test
|
||||
```python
|
||||
from textattack.attack_recipes import TextFoolerJin2019
|
||||
from textattack.models.wrappers import HuggingFaceModelWrapper
|
||||
|
||||
wrapped = HuggingFaceModelWrapper(model, tokenizer)
|
||||
attack = TextFoolerJin2019.build(wrapped)
|
||||
results = [attack.attack(text, label) for text, label in test_samples]
|
||||
robust_acc = sum(r.perturbed_result.score == r.original_result.score for r in results) / len(results)
|
||||
print(f"Robust accuracy: {robust_acc:.2f}")
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| 매 EU 시장 high-risk | 매 AI Act conformity assessment 필수 |
|
||||
| 매 internal-only LLM | 매 model card + 매 basic guardrail (Llama Guard) |
|
||||
| 매 medical · hiring · credit | 매 6 pillar full + 매 third-party audit |
|
||||
| 매 generative content | 매 watermark (C2PA) + 매 deepfake disclosure |
|
||||
|
||||
**기본값**: 매 production AI 는 매 model card + 매 bias measurement + 매 output filter 최소.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[AI Ethics]] · [[AI Governance]]
|
||||
- 변형: [[Responsible AI]] · [[Ethical AI]]
|
||||
- 응용: [[NIST AI RMF]] · [[EU AI Act]] · [[ISO 42001]]
|
||||
- Adjacent: [[Model Card]] · [[Differential Privacy]] · [[Adversarial Robustness]] · [[AI Red Team]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 production LLM 의 매 prompt injection · PII leak · biased output 의 multi-layer defense.
|
||||
**언제 X**: 매 prototype, 매 internal demo — 매 over-engineering.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **매 Checkbox compliance**: 매 model card 작성하고 매 끝 — 매 ongoing monitoring 의 X.
|
||||
- **매 Single-axis focus**: 매 fairness 만 chasing → 매 accuracy 의 sacrifice — 매 trade-off 의 unacknowledged.
|
||||
- **매 Privacy theater**: 매 "anonymized" 라 부르고 매 re-identification 의 vulnerable.
|
||||
- **매 Explainability 의 hallucination**: 매 LLM-generated explanation 의 매 actual reasoning 과 매 mismatch.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (NIST AI RMF 1.0, 2023; EU AI Act, OJ L 2024/1689; ISO/IEC 42001:2023).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — NIST RMF + EU AI Act 2026 enforcement, Llama Guard 3 패턴 추가 |
|
||||
|
||||
Reference in New Issue
Block a user