AI 와 자동차

AI 관련된 업무와 자동차 산업을 비교해서 정리해보고자 한다.
왜냐면 나는 자동차 배터리업계에서 일하고 있으니 ㅋㅋ 이직한지 얼마 안됐다 ㅠㅠ

자동차 Life Cycle

자동차가 만들어지고, 사용자가 쓰고 폐차 될 때 까지의 과정을 살펴보자.

1. 자동차 제조업체(현대, 도요타, 포드)에서 자동차를 설계한다. ex - G80
2. 설계한 제품을 생산공장에서 생산을 한다.
3. 구매자는 현대 대리점에서 여러가지 차를 본 후, 자기가 차를 사려는 목적에 가장 부합하고 성능이 좋는 G80을 구매한다.
4. 차(나의 애마)를 열심히 운전하면서 사용한다.
5. 주기적으로 차량 검진을 받는다.
6. 고장나면 수리를 받게 된다.
7. 오랫동안 차를 타다가 나의 만족 기준을 벗어나면, 다시 새로운 차를 구매하게 된다.

이러한 7가지 과정을 AI 업무와 비교해서 정리를 해보고자 한다.

AI 업무와의 비교

바로 도표로 비교해보자!!

Seq	자동차	AI 업무
1	자동차 제조업체에서 자동차를 설계한다.	거대 AI업체(Google/Nvidia/Meta)에서 딥러닝 모델을 설계한다.
2	설계한 제품을 생산공장에서 생산을 한다.	좋은 성능이 검증된 모델을 논문과 오픈소스를 이용하여 사용자들에게 공개한다.
3	구매자는 현대 대리점에서 여러가지 차를 본 후, 자기가 차를 사려는 목적에 가장 부합하고 성능이 좋는 G80을 구매한다.	AI개발자(AI모델을 적용하려는 자)는 논문과 오픈소스를 보며, 해결하려는 문제에 가장 부합하고 성능이 좋은 딥러닝 모델을 선택한다.
4	차(나의 애마)를 열심히 운전하면서 사용한다.	모델을 개발하고 적용하여 운영한다.
5	주기적으로 차량 검진을 받는다.	MLOps 또는 별도운영 인력을 두어 주기적으로 모델 성능을 모니터링 한다.
6	고장나면 수리를 받게 된다.	모델 성능이 기준 이하로 떨어지면, 재학습을 수행하게 된다.
7	오랫동안 차를 타다가 나의 만족 기준을 벗어나면, 다시 새로운 차를 구매하게 된다.	재학습으로도 성능 향상이 불가하면, 다시 새로운 딥러닝 모델을 선택한다.

이러한 과정들을 비교해 보니 너무 잘 맞아 떨어 집니다.
AI는 현실과 너무 가까운 기술이고, 전혀 어렵지 않습니다.

그리고, 자동자를 구매한 후에 차량 검진이나 수리할 부분을 사고가 나기 전에 항상 확인하면서 운전을 하듯, AI모델도 개발 뿐만 아니라 운영도 모두 책임지는 MLOps가 기본이 되어야 할 것입니다 :)