Core Concepts
공공 부문 의사결정 과정에서 ML 모델의 활용을 위해서는 정책 목표와 모델 요구사항 간의 간극을 해소하는 것이 핵심적이다.
Abstract
이 논문은 공공 부문 의사결정을 지원하는 ML 모델 개발에 있어 핵심적인 기술적 과제들을 체계적으로 살펴본다.
먼저, 데이터 입력 측면에서 발생할 수 있는 분포 변화, 대리 변수 사용에 따른 표본 편향, 과거 의사결정의 영향 등의 문제를 다룬다. 또한 다중 목표와 제약조건을 고려해야 하는 어려움, 그리고 인간 의사결정자와의 상호작용 측면에서의 과제들을 논의한다.
이어서 이러한 과제들을 해결하기 위한 최신 방법론적 발전들을 소개한다. 구체적으로 위험 예측, 반사실적 예측, 정책 학습 등의 모델링 프레임워크와 이에 대응되는 분포 변화 대응, 불확실성 정량화, 다목적 최적화 기법들을 다룬다.
이를 통해 공공 부문 의사결정 지원을 위한 ML 모델 개발의 핵심 과제와 해결책을 종합적으로 제시한다.
Stats
공공 부문에서 ML 시스템이 활용되는 다양한 영역들이 제시되었다.
ML 시스템이 공공 부문 의사결정 과정에 기여할 수 있는 잠재적 이점들이 언급되었다.
그러나 실제 사례에서 ML 시스템이 편향, 부정확성 등의 문제를 보여왔다는 점이 지적되었다.
Quotes
"ML 시스템은 복잡하고 모호한 정책 목표와 ML 모델이 요구하는 명시적 형식화 사이의 긴장을 해소해야 하는 중심적 과제에 직면한다."
"정책 목표와 의사결정 과정을 ML 모델에 효과적으로 연계하는 것이 핵심적이다."