[책리뷰] AI시대, 문과생은 이렇게 일합니다

AI, 머신러닝, 딥러닝 차이

• AI란 인간과 같은 지능을 실현하는 기술
• ㄴ 머신러닝 : 학습을 통해 특정 업무를 실행할 수 있는 인공지능으로 학습할 때는 주로 사람이 특징(주목할 곳)을 정의한다.
• ㄴㄴ 딥러닝 : 머신러닝의 한 종류로, 인간 뇌의 신경세포를 흉내낸 학습법에서 발전했으며, 주로 기계가 특징을 자동으로 정의한다.

3가지의 학습 방식 : 지도 학습, 비지도 학습, 강화 학습

• 지도 학습(분류/회귀) : 답이 있는 학습
  • 분류 : 몇 가지의 답에 대해 어디에 해당하는지를 맞히는 것(ex 사람 사진을 보고 나이가 대충 어느 정도일지)
  • 회귀 : 수치를 맞히는 타입 (ex 사람 사진을 보고 정확한 나이를 맞힌다)
• 비지도 학습 : 정/오답이 없는 데이터로 학습 → AI가 스스로 해석하여 집합을 만듬(클러스터링)
• 강화 학습 : 연속적인 행동에 대한 보상과 벌칙으로 학습. 결과로서 가져야할 상태를 목표로, 가장 적합한 선택을 반복하면서, 최종적으로 가장 좋은 상태를 만든다.

AI활용 타입

• 식별형 AI
  • 아마존고(잘 학습화된 식별형 AI가 여러 사람의 팔이 교차하며 다른 물건을 잡아도 정확하게 내용물을 검출해냄)
  • 의료현장에서 정확도 향상을 목적으로 활용하는 대량 정보 검출과 매칭
• 예측형 AI
  • 고객 행동 예측/수요예측/이직자 예측 : 사람이 정확하게 예측할 수 없는 사건과 대상에 관한 높은 정확도로 예측 수행
• 대화형 AI
  • 고도의 전문 분야에서 대화형 AI대답 사례 (의사 대신 1차 문진)
  • 음성과 문장으로 고객 감정 분석 (대량 문자열 데이터에서 감정의 흔들림을 파악하는 것)
• 실행형 AI
  • 이제까지 사람이 했던 뭔가를 움직이는 행위를 대신함
  • 로봇 프로세스 자동화(RPA): 사람이 반복적으로 처리해야 하는 단순 업무를 로봇 소프트웨어를 통해 자동화하는 솔루션

AI기초 용어

• 학습과 예측 : AI에 법칙을 가르치고, 만든 AI모델로 미래, 미지의 것을 맞히는 것. 학습은 AI에 데이터를 줘서 법칙성을 발견하게 만드는 것. AI 모델 만들기라고도 할 수 있다.
• 지도 학습과 비지도 학습 : 분류란 미리 정해진 범주 중 어디에 들어가는가를 맞추는 학습. 회귀는 어떤 날의 매출이나 판매 개수와 같은 숫자를 맞히는 학습
• 목적 변수와 설명 변수 : 예측하고 싶은 값/예측하기 위한 값
• 알고리즘 : 학습순서와 방법 뭉치. 이미지 식별 → 합성곱신경망(CNN), 동영상 문장처럼 연속성 있는 데이터 식별 → 순환신경망(RNN)
• 과학습 : 이미 알고 있는 데이터에 지나치게 최적화되어 모르는 데이터로는 전혀 맞출 수 없는 상태
• 애너테이션 : AI 학습을 위해 답이 달린 데이터를 작성하는 작업
• 시계열 모델 : 시간의 흐름이라는 개념을 가지고 학습해서 미래를 예측하는 모델
• 데이터 전처리 : 데이터 클리닝과 각종 데이터 조작을 수행. 결손 값 대응, 극단치 대응등
• PoC : 사전실증실험, AI모델 개발시, 보유한 데이터들로 기대하는 AI모델을 만들 수 있는지를 사전에 입증하는 과정
• 신경망 : 정보가 중요하면 굵어지고, 중요하지 않으면 가늘어져서 중요도를 가미하여 전달
• 정답률과 재현율, 적합률
  • 정답률(전체로 봤을 떄 예측과 답의 일치율)
  • 재현율(답을 줬을 때 예측이 그 답을 지정한 경우) : 산다는 답을 받았을 때, 실제로 사는 사람이 40명이라 예측하고 실제로 그 중 산다고 한 사람이 30명이라면 재현율은 30/40=75% (True Positive)
  • 적합률(예측이 답과 일치하는 경우) : 산다고 예측한 사람이 50명이고 실제로 산 사람이 30명이라면 30/50=60%
• AUC : 얼마나 균형있게 예측해서 맞히는지를 측정하는 지표

AI기획

인간이 상상할 수 있는 것은 반드시 인간이 실현할 수 있다. 상상력을 크게 키워 AI로 할 수 있는 것과 해야 하는 것을 많이 생각해내자. 아이디어 도입 후 변화령과 실현성을 기준으로 점수를 매긴다. 인공지능을 과대평가도 과소평가도 하지 않는 것이 중요하다. 감정과 논리 사이를 자유롭게 왕래해 AI기획 크기를 작게 만들지 않는다.

• AI기획의 5W1H - 기획의 해상도를 높이기
  • WHO : 누구를 위한 것?
  • WHY : AI 왜 필요한가 : 불만을 줄인다/불편을 줄인다/비용을 줄인다/작업시간을 줄인다/만족도를 높인다/편리성을 높인다/매출을 높인다/일의 부가가치를 높인다
  • WHICH : 어떤 타입의 AI?
  • WHAT : 어떤 AI?
  • HOW : 어떻게 분업할까?
  • WHEN : 언제까지 어떻게 준비할까?

AI 비즈니스 사례

• 트라이얼 (독자 생산한 AI카메라로 사용자를 식별해 판매촉진과 부족한 제품을 보충)
  • 할인매장에 AI카메라 700대 설치 → AI카메라로 사람의 움직임과 상품 선반등을 분석 → 남녀 식별과 대형 카트 사용 여부를 식별해, 매장 안 게시판에 최적화된 광고 표시 → AI 카메라를 사용한 부족한 제품 관리, 보충
  • WHAT : 매장 내 AI카메라
    • AI가 할 수 있는 것 : 방문객의 움직임과 상태 관측, 선반 상태 관측
    • AI로 해결될 일 : 방문객 1인당 구매 단가 높이기, 종업원 작업 효율 향상
  • WHY : 작업 시간을 줄인다, 매출을 높인다
  • WHO : 할인매장 방문객, 매장 안 종업원
  • WHICH : 식별형 AI x 대행형
• 프랑스 Heuritech (SNS사진으로 패션 트렌드 예측)
  • 소셜 미디어에 올라오는 게시물 분석 → 사진, 텍스트 데이터에서 브랜드, 상품, 인플루언서 추출 → 패션 트렌드를 예측하는 AI시스템 개발
  • WHAT : 패션 트렌드 예측 AI
    • AI가 할 수 있는 것 : 사진, 텍스트 데이터에서 브랜드와 상품, 인플루언서 추출
    • AI로 해결될 일 : 패션 트렌드 관측과 예측
  • WHY : 일의 부가가치를 높인다
  • WHO : 패션 관련 기업
  • WHICH : 식별형 AI x 확장형
• Plenty (AI실내 농장에서 작물 맛 향상)
  • 실내 농장에서 제어 가능한 30종 재배조건 준비 → 작물에 대한 기후등 조건에 맞춰 최적으로 조정하는 AI개발 → AI로 채소와 과일의 품질 조정
  • WHAT : 실내 농장 AI
    • AI가 할 수 있는 것 : 채소와 과일 맛 조정, 생산량 증가
    • AI로 해결될 일 : 농작물 맛 개선, 농작물 안정 공급
  • WHY : 만족도를 노인다
  • WHO : 생활자
  • WHICH : 예측형 AI x 확장형