개요
우리가 상식적으로 받아들이는 문제들이 과연 옳은지 생각해볼 필요가 있다.
상식에 반대되는 행동을 하는 것은 어떤 결과를 가져올지 생각해보는 비판적인 사고를 가져보자.
정방향, 역방향
- 시간 맞춰 개발을 완료하면 다 된 것일까?
- 학위를 취득하고 공부를 열심히하면 세상을 다 가질 수 있을까?
- 열심히 일하는 게 잘하는 것일까?
- 잘 만들면 잘 팔릴까?
위 질문들은 보편적으로 생각되는 상식에 가깝다. 하지만 비즈니스 세계에서는 제품 개발 관점이 아닌 고객의 관점에서 생각해야 한다. 개발자로서의 상식보다는 그 뒷면인 고객의 생각으로!
새로운 기술을 익히는 최선의 방법
- 스스로 해결하고픈 문제 정의
- 새로운 기술을 사용하여 문제 해결
문제 해결을 해보지 않고 책이나 영상으로만 익히는 것은 수준 낮은 학습법이다.
개발자와 코드 구현
업무 중 코드를 구현하는 일은 전체에서 매우 일부분을 차지한다.
다른 사람의 코드를 이해하고 검색하는 데에 시간을 훨씬 많이 사용하며,
구현한 코드를 다른 사람들로부터 피드백 받는 비중이 훨씬 크다.
따라서 개발자가 코드 구현만 잘하면 되지라는 생각은 옳지 않다.
좋은 계획
좋은 계획을 세우는 게 최선일까?
좋은 계획을 아무리 세워도 여러 상황으로 달성되지 못하는 경우가 많다.
불확실한 상황에서 의사결정은 계획보다는 옳은 방향을 지키는게 중요하다.
AI 에서
AI 만능설
사람들은 세상의 모든 문제를 AI 로 해결하려 한다. 옳은 방향일까?
AI 와 고객 만족
AI 를 경량화 시키고 아무리 잘 만들어도 고객을 만족시키지 못하면 안 된다.
AI 모델과 일반 소프트웨어의 차이
일반 소프트웨어는 입력에 대해 정확한 출력을 수행한다.
AI 모델은 매우 복잡하게 얽혀있기 때문에 잘못된 출력을 내놔도 어느 부분이 잘 못되었는지 알기 힘들다.
또한 데이터를 분석하고 학습은 어떻게 할지 등 각 과정을 올바르게 구축하는 것 또한 어렵다.
따라서 AI 모델을 문제 해결의 만능으로 생각하는 건 위험하다.
AI 기술을 도입할 때의 문제
AI 를 적용하면 더 좋은 서비스를 제공할 수 있을 것이라 기대하지만, 기존 사내 인프라에 맞지 않으면 적용이 힘들다.
On-device AI 에서
최근 GPT-3 와 같이 모델의 파라미터를 매우 많이 사용하며 모델의 성능을 높이고 있다. 이를 학습하기 위해서는 어마어마한 양의 자원과 시간이 소요된다.
이 방향 (Cloud-based AI) 만이 정답일까?
Edge 에서 On-device AI 를 개발하는 방향도 생각해 볼 필요가 있다.
애니악 비유
초창기 컴퓨터 애니악은 매우 큰 크기와 많은 손을 필요로 했다면 현재의 스마트폰은 매우 심플하고 강력하게 사람들의 삶에 들어왔다.
이와 같이 현재의 거대한 AI 를 디바이스에서 사람들이 사용할 수 있지 않을까 (TinyML)?
On-device AI Solution 사례 (Nota)
스마트폰 오타 방지 기술
스마트폰의 오타를 줄일 수 있게 최적의 좌판 크기로 맞춰준다.
마트 진열대 재고 관리
CCTV 를 이용하여 마트의 진열대가 얼만큼 비었는지 알 수 있게 해준다.
건설 현장 복장 관리
태블릿 PC 를 통해 인부의 복장이 적절한지 알 수 있게 해준다.
신호등 신호 관리
신호등에 카메라 센서를 통해 차량 수에 따라 신호가 바뀌게 한다.
참조
BoostCamp AI Tech
