본문 바로가기

전체 글132

사용자에서 핵심 문제 도출하기 사용자에게 꼭 필요한 핵심 기능을 인공지능 제품으로 개발하기 위해서는 사용자에 대한 이해가 선행되어야 합니다. 사용자를 이해하는 것이 쉬워 보일 수도 있지만 실제로는 간단하지 않습니다. 인공지능 서비스를 개발할 때는 "기능 및 기술"에 초점을 맞춰서 제품으로 기획하고 개발을 진행하지만, 실제 서비스를 이용하는 사용자는 동일한 서비스를 각자의 목표에 따라 다양하게 사용합니다. 예를 들어, 사진 공유 플랫폼에 사용되는 인공지능 사진 분류 서비스를 개발한다고 가정해 보겠습니다. 대부분 제품 매니저는 기획 및 개발팀과 협력하여 플랫폼에서 이미지를 유형별로 더 잘 분류할 수 있는 인공지능 서비스 구축을 진행하게 됩니다. 인공지능 기반의 이미지 유형 분류 서비스에 매력을 느낄 수 있는 사용자를 대략 세 가지 유형으.. 2023. 11. 26.
인공지능 제품 개발에서 사용자 경험의 중요성 인공지능 및 데이터 제품 매니저는 사용자 경험, 기술, 데이터, 비즈니스의 네 가지 영역이 교차하는 지점에서의 역할이 요구됩니다. 이번 글에서는 네 가지 역할 중 특히 사용자 경험(User Experience, UX)에 초점을 맞춰 보겠습니다. 사용자 경험은 사용자가 특정 제품을 사용할 때 상호 작용하는 방식과 사용자가 느끼는 감정을 이해하고, 이것이 극대화될 수 있도록 구현하는 것입니다. 좋은 UX 구현을 위해서는 우리가 개발한 제품을 통해 사용자가 원하는 작업을 수행하는 데 얼마나 용이한지, 인공지능 제품과의 상호 작용을 통해 사용자에게 긍정적인 경험을 제공할 수 있을지 등과 같은 사용성에 대한 질문을 끊임없이 해야 합니다. 이와 더불어 사용자 경험과 사용자 인터페이스(User Interface, U.. 2023. 11. 25.
지도학습, 비지도학습, 강화학습에 대한 개념잡기 인간의 학습 방식을 기계학습에 비유해보면, 지도학습, 비지도학습, 강화학습의 개념을 더 쉽게 이해할 수 있습니다. 가령, 어린 아이들은 부모나 선생님의 가르침에 의해 개와 고양이를 구분하는 방법을 배우게 됩니다. 또한, 가르쳐준적은 없지만, 흩어져 있는 바둑알을 두개의 통에 나누어 담으라고 하면 색깔을 통해서 바둑알을 검은색과 흰색으로 나눠서 정리할 수 있습니다. 정확히는 알 수 없지만 이렇게 해봤더니 칭찬을 받았었고 저렇게 해봤더니 혼났던 기억으로부터 칭찬을 더 잘 받는 방향으로 스스로 배우기도 합니다. 기계도 이와 유사한 세 가지 주요 학습 방법을 통해 배웁니다. 인공지능 제품 매니저로서 이 세 가지 기계 학습 방법을 이해하고 해결해야 하는 문제와 데이터의 종류에 따라 가장 적절한 학습 방법을 선택하.. 2023. 11. 20.
기계학습 또는 딥러닝 모델 선택시 고려사항 인공지능 제품 매니저로서, 기계학습과 딥러닝 중 어떤 접근 방식을 선택하는지는 매우 중요한 결정입니다. 이 선택은 구축하려는 인공지능 서비스에 큰 영향을 미칩니다. 이 글을 통해 기계학습과 딥러닝 선택시 고려해야 하는 점에 대해서 이야기해보겠습니다. 첫번째 고려 사항은 각자가 가진 데이터의 양입니다. 상상해보면, 충분한 데이터가 있는 경우 딥러닝은 기계학습보다 훨씬 뛰어날 수 있습니다. 하지만, 데이터가 제한적이라면 두 방법 모두 효과적일 수 있습니다. 이때 모형 선택을 판단하기 위해 추가적으로 고려해 볼 수 있는 부분은 기업 내에서 보유하고 있는 하드웨어 스펙 입니다. 기계학습은 대부분의 CPU에서 학습 및 추론을 할 수 있지만, 모델의 크기가 큰 딥러닝은 고가의 GPU 장비가 필요할 수 있습니다. 두.. 2023. 11. 20.
딥러닝이란? 인공지능에 대해 이야기할 때, '딥러닝(Deep Learning)'의 개념을 이해하는 것이 중요합니다. 특히 제품 매니저 역할을 수행하면서, 비기술 직군의 업무 담당자들에게 인공지능의 핵심 개념을 쉽게 설명하는 방법을 알아 합니다. 딥러닝은 기계학습의 한 분야이며, 기존 기계학습 방식과 다른 새로운 방식으로 인공지능을 구축하는 방법입니다. 인공지능은 기계가 인간이 수행하는 작업을 수행하는 것을 의미하는 포괄적인 개념입니다. 기계학습은 인공지능의 하위 집합으로, 통계, 알고리즘, 데이터를 사용하여 기계가 경험으로부터 학습하게 하는 기술입니다. 이 중에서 딥러닝은 기계학습의 하위 집합으로, 최근의 이미지 인식과 음성 인식의 발전 대부분은 딥러닝 덕분입니다. 딥러닝은 기계학습이 인간의 학습 방식에서 영감을 받.. 2023. 11. 19.
기계학습이란? 인공지능을 이해하기 위해서는 먼저 인공지능과 기존 기업들의 작업 방식과의 차이를 이해하는 것이 중요합니다. 컴퓨팅의 시작은 기계에게 알고리즘을 사용해 명령을 내리는 것이었습니다. 알고리즘은 컴퓨터가 특정한 행동을 지시하는 잘 정의된 절차로, 주어진 명령 시리즈를 따라 정확한 행동을 수행하거나 결과를 출력하게 합니다. 일상적인 기술들은 알고리즘을 사용해 프로그래밍되어 있지만, 여기에는 한계가 있습니다. 예를 들어, 사진 속에 무엇이 있는지 알려주거나 인간의 목소리를 이해하는 것은 전통적 컴퓨터 알고리즘으로는 해결하기 어려운 문제입니다. 인공지능, 특히 기계학습은 이와 다릅니다. 기계학습은 데이터에서 경험을 통해 기계에게 학습하는 방법을 가르치는 알고리즘을 사용하는 AI의 한 부분입니다. 이 과정의 결과물은.. 2023. 11. 19.
728x90