최근 연구에 따르면, AI 팀원의 도입이 인간 팀의 성과를 오히려 저하시키는 것으로 나타났습니다. 특히 과제 난이도가 높을수록 그 효과가 두드러졌으며, AI 팀원에 대한 긍정적 인식에도 불구하고 인간 팀원들의 각성 수준 증가, 참여도 저하, 의사소통 감소 등의 부정적 영향이 지속되었습니다. 이는 인간 중심 AI 설계의 중요성을 강조하며, 단순히 기술적 발전뿐 아니라 인간과 AI의 효과적인 협업을 위한 새로운 패러다임이 필요함을 시사합니다.

본 연구는 뇌 활동으로부터 이미지를 디코딩하는 생성 AI의 성능을 다양한 뇌 영상 기술을 통해 비교 분석했습니다. 딥러닝 모델의 우수성과 훈련 데이터의 양이 성능에 미치는 영향을 밝히고, 향후 기술 발전 방향을 제시합니다.

브라질 연구진이 PSO 알고리즘을 TSP 문제에 적용한 연구 결과를 발표했습니다. 중소 규모 문제에서는 효과적이지만, 대규모 문제에서는 지역적 최적값 문제가 발생합니다. 향후 연구는 하이브리드 기법을 통해 이러한 한계를 극복하는 데 초점을 맞출 것으로 예상됩니다.

Yi Zhou와 Naman Goel이 이끄는 연구팀은 연합학습(FL)에서 공정성을 개선하기 위한 후처리 기반 프레임워크를 제안했습니다. 이 프레임워크는 두 단계로 구성되어 있으며, 다양한 데이터 유형과 머신러닝 방법에서 정확도 손실 없이 또는 오히려 향상과 함께 공정성을 크게 개선하는 것으로 나타났습니다.

Sheyan Lalmohammed의 논문은 AI를 경제 주체로 포함하는 새로운 복지 모델을 제시합니다. 게임 이론과 행동 경제학적 접근을 통해 인간-AI 상호 작용을 시뮬레이션하고, 신뢰, 협력, 형평성을 고려한 복지 극대화 방안을 제시합니다. AI의 복잡성, 형평성, 효율성 간의 상충 관계를 분석하고, 지속 가능한 인간-AI 협력을 위한 정책적 함의를 제시하는 중요한 연구입니다.