day 004 KPMG Future Academy

KPMG Future Academy AI 활용 데이터 분석가 3기 4일차 수업을 2024년 11월 21일에 참석했다.

오전에는 e비즈니스의 다양한 비즈니스 모델에 대해 알아보았다.
또, 플랫폼 모델을 몇몇 동기생들과 직접 기획해보는 액티비티를 수행했다.

1. e비즈니스
   1.1. e비즈니스 팀별 기획
2. 파이썬 실습
   2.1. 리스트와 튜플
3. 개인 연구 아이디어

1. e비즈니스

1.1. e비즈니스 팀별 기획

[생활쓰레기 처리 프로세스 간소화 플랫폼]

도메인: 공공서비스 및 환경/에너지

[기존 프로세스]

[문제점]
1 ~ 4가 개별계약에 의해 이루어지며, 이 과정에서 계약관계의 변화, 환경규제 변화 등 각종 거래비용 발생

[플랫폼을 활용한 신규 프로세스]

[공급자: 플랫폼 제공업체]
플랫폼 환경 제공 및 플랫폼 내 법/규제 compliance 서비스 등 부가서비스 제공
수요자: 지자체, 아파트/주택 관리업체, 생활쓰레기 수거업체, 생활쓰레기 분류업체 등

[수익화 방안]
플랫폼 이용량 기반 과금(계약건수 등) + 부가서비스 건별 판매액

[개선점]
초기수요 확보를 위한 정책 등 인센티브 설계 필요
부가서비스의 다양화를 통한 추가 수익화 방안 창출 필요

*이하 개인적인 의견

[문제]
1. 플랫폼이 플레이어들에 개입되는 경우 : 기존 플레이어들은 어음 발행량 자체 혹은 부정이익 등을 감추기 위해 재활용 플랫폼 자격(감시)을 거부, 회피 혹은 방해할 것이다.
2. 생활폐기물 실측과 회계기록이 따로 놀고 측정까지의 시차가 있음 : 실제 폐기물 발생 시점에 측정해서 장부조작이 불가능해야함.
3. 제조 단계에서 분해 및 재활용이 용이하도록 할 방법이 필요함 : 제조단계에서 재활용지수(첨단 퀀트를 적용)에 따라 환경세 -> 악성 신소재 개발에 박차를 가할 수 있어서 보류.
5. 현행 유지 방법 : 환경 오염 악화 방지책 - TBD

[아이디어]
모바일 앱 알림으로 ‘로레알 파운데이션 2017년 모델 빈 용기 삽니다’ 등 요소수 대란처럼 특정 물질을 실시간 비딩으로 매입.

*해외의 Carbon Accounting 프로그램

*CSRD : The Corporate Sustainability Reporting Directive

2. 파이썬 실습

오후에는 파이썬 리스트와 튜플 기본 문법 구문을 실습하였다.

2.1. 리스트와 튜플

[리스트]
append() : 뒤에 하나만 추가
extend() : 뒤에 여러개 추가
insert() : 중간에 추가

[튜플]
한 번 만들면 요소의 값을 바꿀 수 없음(immutable)
요소 하나로 튜플을 만들면 정수로 선언됨.
괄호 없이 변수를 튜플로 구성할 수 있음.

리스트와 튜플은 연산가능함.
메모리주소 = 변수.
임의 튜플

[To-dos]
컴퓨터 과학 : 컴퓨터 구조(메모리 구조 관련) 상식선에서 이해해두기

3. 개인 연구 아이디어

[개인 연구 - initiate]
아래와 같이 영화 포스터 등을 통해 회상-인지단계를 보조하는 AI 개발 아이디어를 구상하였다.

1. day 003 시간에 CES 등 기술포럼에 대한 소개, 최신 기술과 비즈니스 동향에 대해 토론하였는데 이 때 Las Vegas, Python 이름의 기원인 Monty Python 영화 (컬트 영화) 등이 나의 특정 기억을 회상시켰다. 해외에 체류할 당시 소셜미디어 등을 통해 알게된 어떤 컬트 영화의 인상깊은 포스터였다.

2. 집에 가는 길 내내 영화 포스터를 다시 확인하고 싶었지만 제목이 떠오르지 않아 해당 이미지가 불명확하게 머릿속에 맴돌았다. 답답하여 ChatGPT, Gemini 등을 통해 아래와 같이 쿼리하였다.

a guy wearing vondex lens and pilot hat in the center of the movie poster.
The guy’s glasses get exaggerated in a comedic way.
In the background, there’re the sky and the ground, looks like a desert. 
The guy’s neck is stretched long in a way of cinematic humor.
It’s a black comedy film.

As I remember, there’s a female and they are on a car. (X)
There’s a cliff. (X)
I guess it’s shown in 60’70’. (X)

3. AI는 쿼리에 대한 문의자의 가중치(얼마나 확실한 기억인지 정도)를 알 수 없거나 정보가 부정확하거나 불충분하기 때문에, ChatGPT, Gemini 등이 계속해서 The Incredible Mr.Limpet, The President's Analyst, X: The man with the X-ray Eyes와 같이 틀린 답을 제시하였다. (열심히)(게중에는 볼 만해 보이는 모르는 영화도 꽤 나왔음.)

4. 결국 회상하려는 노력 과정에서 제목에 'th'라는 발음이 들어갔던 것을 회상해내었고, AI에게 영화 제목에 'thrilling'이라는 단어가 포함된다고 추가로 잘못된 쿼리를 하였다.

5. 결국 AI가 아닌 질문자가 직접 'Las Vegas'라는 단어가 영화 제목에 포함된다는 사실을 회상하는 데 성공하였고, 이를 조합하여 검색하자 'Fear and Loathing in Las Vegas'라는 답을 찾을 수 있었다.
6. 관련하여 인지과학 이론 등을 추가로 조사하였다.
본 일화에서와 같이 Recall(회상)은 되지만 Recognition(인지)는 안 되는 문제는 Tulving-Wiseman Law에서 다룬 문제이다.

해당 연구에 따르면, 단어를 회상하는 것과 인식하는 것은 서로 독립한다. 즉, 회상하는 것이 인식하는 것을 완전히 보조하지 못 한다.

*관련 모델 : ACT-R은 Tulving-Wiseman 함수를 매우 정확하게 예측하는 것으로 나타났다고 한다.

[영화 포스터를 딥러닝으로 식별하여 장르를 도출하는 모델 논문]

https://cs230.stanford.edu/projects_winter_2020/reports/32643471.pdf

위 연구에서 사용된 크로스 엔트로피 손실, F1 score 등의 평가 지표 등을 활용 가능하다.