3. AI 서비스 기획

 

 

'인공지능'의 의미?

 

사람이 만든 생각할 수 있는 능력

 

 

빅데이터와 인공지능과의 차이?

 

빅데이터: 속성이 다양한 데이터로부터 인사이트를 얻어, 사람이 결정을 내릴 수 있도록 함

인공지능: 데이터를 학습해서 분류, 활용, 도출하여 인공지능이 다른 것을 얻어내는 것

 

 

인공지능, 머신러닝, 딥러닝 차이?

 

인공지능: 사람과 같이 생각하는 기능

머신러닝: 인공지능의 분야

딥러닝: 머신러닝의 한계인 사람이 데이터를 넣지 않아도 복

 

 

지도학습, 비지도학습, 강화학습의 차이?

 

지도학습: 정답이 있는 데이터를 활용해 데이터를 학습시키는 것

비지도학습: 데이터를 비슷한 특징끼리 군집화하여 새로운 데이터에 대한 결과를 예측하는 것(데이터만 있는 것)

강화학습: 분류할 수 있는 데이터가 존재하는 것도 아니고 데이터가 있어도 정답이 따로 정해져 있지 않으며 자신이 한 행동에 대해 보상(reward)를 받으며 학습하는 것

 

알파고의 알고리즘?    지도학습 기반으로 시작

 

---

 

인공지능 모델에서 라이브러리 오픈 이유?

 

내가 만든 모델이 다른 목적으로도 활용하여 선순환 가능

 : 공개 않을시 자신만의 한계에 갖힘

대기업(구글, 아마존 등)이 클라우드 사업자로서 시스템 발전을 위해 사용 유도

 cf) 프린터와 프린터잉크

 

 

영상처리, 자연어처리 등 다른 분야에서의 알고리즘?

 

기본적인 알고리즘의 매커니즘은 비슷함

마치 하나의 두뇌에서 다른 신경들이 여러 감각을 처리하는 것처럼 인공지능에서도 모델 구조가 조금씩 차이남

 

영상처리 : CNN기반 알고리즘, 컨볼루션 뉴럴 네트워크

자연어처리 : 자연어를 순차 데이터로 본 시계열 처리에 적합한 순환 신경망, LSTM

영상과 자연어를 함께 처리할 수 있는 모델도 있음

 

AI 서비스 기획단계

 

인공지능 서비스를 만들기 위해 필요한 것?

 

인공지능 기술과 서비스는 차원도 다르고 보는 관점도 다르다

기술을 활용해서 어떻게 서비스를 제공해야 될까에 포커스를 맞춰야 하고

데이터 수집이 용이한지, 인공지능학습 위한 컴퓨팅 자원이 얼마나 있는지 등 고려해야 함

 

 

인공지능 서비스를 하기 위해 어디까지 배워야할까?

 

직접 코딩을 배우면 좋지만 각종 툴을 사용해서 진입장벽을 넘을 수 있다.

 

 

인공지능 서비스와 기존 서비스와의 유사점?

 

고객이 사용하는 관점에서는 크게 차이가 없을 수 있다.

실제로 인공지능 기술이 탑재되어 있는지도 모른 체 사용하는 경우가 많음

기존서비스에 인공지능이 탑재 되어있다고 광고하는 것 중 제대로 인공지능 기술이 접목이 안되어 있는 경우도 많음

 

 

차이점?

 

모델 개발 관점에서 기존 방식과 달리 알고리즘을 연구해 개발하는 것이 아니라 주어진 데이터를 기반으로 인공지능이 최적화된 알고리즘을 스스로 학습할 수 있도록 연구해야 함

따라서 데이터셋 품질이 주용하며 시간과 비용이 많이 들기 때문에 데이터셋 구축에 대한 이슈 해결이 중요함

학습 데이터 기반으로 만들어진 모델이므로 실제 환경에서 동작할 때 제대로 성능이 나오는 지 혹은 이상 결과가 나오는지 모니터링이 필요함