본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4oKQD6b
251113(목) 2일차
인공지능이란 무엇인가?
인공지능하면 무엇이 떠오를까
지니의 요술램프, 사람의 일자리 대체, 완전 무결, 알아서 척척 해낸다?
실제로 AI 모델을 구축할 때는
어린이에게 알려주듯 하나씩 알려줘야 한다
인공지능이 무엇이냐고 하면
데이터 분류기이자 패턴 예측기라고 할 수 있다
기존에 있는 데이터의 패턴들을 보고 분류 : 패턴이 비슷하면 같은 데이터고 그 데이터를 분류해내는 것이 인공지능
데이터가 좋지 못하면 AI의 학습도 좋지 못하기 때문에
항상 좋은 데이터의 확보가 최우선적으로 고려되야 함
AI 서비스는 데이터가 핵심이기 때문에 아무리 좋은 기획이더라도 데이터가 확보되지 않으면 진행할 수 없음
그럼 좋은 데이터란?
사람이 봤을 때도 차이가 분명하게 구분되는 것이 좋은 데이터
데이터가 좋지 못하면 절대 좋은 결과를 얻을 수 없음
AI 서비스를 기획할 때, 어떤 결과를 명확히 얻을 지 최소한 방향성 정도는 명확히 해놔야 함
최대한 좋은 데이터들을 선별해내고 이 데이터간의 특징이 무엇인지, 어느정도 판단을 해놔야 한다
세대별 인공지능
- 1세대 인공지능
- 정보 탐색 및 추론
- 전쟁시기 였기 때문에 암호 해석, 방공망 설계 등의 전쟁에서 많이 활용되던 인공지능보다 계산기에 가까움
- 2세대 인공지능
- 정보 연결 및 강화 분류
- 인간의 뇌 구조를 모방(시냅스 = 퍼셉트론)
- 퍼셉트론(노드)들이 연결되고 결과값을 출력
- 3세대 인공지능
- 특징 도출 및 판단을 자동으로 해냄
- 뇌 구조를 모방하는 것은 같지만 스스로 정보 연결 구조를 개선함
사람의 말은 기계가 이해하기 어려운 자연어이므로
모든 언어와 정보를 숫자로 변환해 통일화한다 == 벡터화
인공지능 = 데이터 = 숫자정보(벡터화) 분류
숫자 정보는 데이터 특징이 커야함
(특징 값이 작으면 AI 학습에 부적합한 데이터)
패턴을 가지고 학습을 하므로 데이터 차이가 커야 AI가 학습할 때 좋음
특징 차이가 작다면 아무리 최신 AI 모델을 사용한다고 하더라도 결과를 얻어내기가 어렵고
결과를 얻어낸다고 하더라도 시간과 비용이 크게 상승함
오늘 강의를 들으며
AI 서비스의 출발점은 결국 데이터
AI 서비스 기획자로서 AI 기능을 기획할 때 단순히 자동화보다
이 기능이 학습할 수 있는 데이터가 충분히 확보되어 있는가를 먼저 검토해야겠다
또한 AI가 어떤 패턴을 학습해야 하는지, 결과를 어떻게 활용할지를 기획단계에서 명확히 정의하는 것이 중요할 것 같다
AI 모델의 설계보다 데이터 흐름과 구조를 기획하는 것이 AI 서비스 기획자의 역할이라 생각된다
