임용진님의 아티클

AI 학습용 데이터셋 획득 프로그램 개발 후기

안녕하세요. 디피니트입니다.

​

여러분들은 AI 보이스가 성우분들을 대체할 수 있다고 생각하시나요?

​

최근 음성합성 기술을 활용한 AI 보이스 제작 플랫폼 및 제품들이 개발되고 있는데요.

​

가장 대표적인 예로 AI 스피커에서 나오는 목소리도 음성합성 기술로 구현된 것입니다.

​

이젠 커스텀 보이스 시장까지 등장하여 특정인의 목소리를 음성합성 기술로 모방하는 수준까지 성장했습니다.

​

이러한 영상은 유튜브에서 손쉽게 찾아볼 수 있습니다.

https://www.youtube.com/watch?v=3DIb9F9ATNE

아마 성우분들은 추후 목소리를 AI 에 빌려주고 직접 말하지 않아도 저작권으로 수익을 얻는 시대를 맞이할 것입니다.

​

최근 디피니트에도 다양한 음성합성 기술 관련 개발 의뢰가 들어오고 있습니다.

이번 콘텐츠에서는 음성합성 엔진을 학습시킬 데이터셋 획득 의뢰 후기에 대해 이야기 해드리겠습니다.

• 의뢰주신 클라이언트께서는

애니메이션 제작시 캐릭터의 목소리를 음성 합성 엔진으로 생성한 목소리로 대체하고자 하는 목표를 갖고 계셨습니다.

​

• 음성 합성 엔진을 학습하기 위해 단일 화자의 데이터 셋을 구축해야 하는데 이 과정에서 AI 기술을 활용하여 시간과 비용을 줄일 수 있는 자동화 프로그램을 필요로 하였습니다.

​

​

​

즉, 음성 합성 엔진에 사용할 데이터셋 구축용 프로그램 개발이 클라이언트가 의뢰한 작업 결과물이었습니다.

​

​

AI기획 시 두 가지를 고려해야 합니다.

​

AI 가 어떻게 일을 자동화하거나 사람의 능력을 강화 시켜줄 수 있을까

이번 프로젝트에서는 인간이 하는 일을 자동화해주는 AI 프로그램을 개발한 것으로 볼 수 있습니다.

​

■ 구현방식

​

• 애니메이션에서 원하는 화자의 목소리를 추출

​

• 우선 전체 오디오 파일에서 사람의 음성 구간을 검출

​

• 구간의 음성들 중 추출하고자 하는 화자와 일치하는 목소리만 분류하도록 workflow를 정의

​

• 마지막으로 추출된 음성 파일들을 음성 합성의 학습에 알맞은 길이로 맞추기 위해 파일들을 병합

​

• (자막 파일이 존재하는 경우)

: 병합된 음성 파일과 자막의 시간대를 매핑

​

• (자막 파일이 존재하지 않는 경우)

: 음성 인식을 통해 자막 파일을 생성 후 매핑

​

​

※ workflow

Speech section split ➪ reference voice extract ➪ voice file combine ➪ subtitles matching or speech recognition

➪ restful-api

​

​

■ 음성 구간 검출

​

• 배경음을 제거한 오디오에서 사운드의 진폭을 정규화하고 정규화 된 진폭을 활용하여 침묵/비침묵 구간을 검출

​

• 프로그램 개발이 완료된 후 restapi로 배포하는 과정에서 사용자가 해당 파라미터들을 원하는 값으로 설정 & 실행할 수 있도록 개발

​

​

■ 특정 화자 음성 추출

​

• 추출하기를 원하는 특정 화자의 음성으로만 구성된 음성 파일을 참조 음성으로 사용

​

• 음성 구간을 검출한 결과로 생성된 여러 음성 파일들의 스펙트럼을 클러스터링하여 참조 음성과 비교

​

• 이 결과로 참조 음성과 각 음성 파일들의 목소리가 얼마나 유사한지 스코어를 얻을 수 있음

​

• 이 스코어 값이 특정 값보다 높으면 참조 음성과 같은 화자의 목소리라고 판단

​

​

​

■ 파일 병합 및 음성 인식

​

• 고객은 음성 합성 엔진의 학습용 데이터 셋이 6~11초일 때 가장 이상적이기 때문에 프로그램의 결과가 6~11초로 병합된

음성 파일이기를 원함

​

• 추출된 음성 데이터들의 길이 분포를 구한 후 가장 이상적인 조합으로 모든 음성 데이터가 6~11초가 될 수 있도록 음성 파일을 병합하고 그에 맞게 자막들도 매핑되어 최종적인 결과물을 얻을 수 있도록 개발

​

• 대부분의 입력 파일에 자막 파일이 함께 포함되지만 자막 파일이 존재하지 않는 경우 결과물 음성 파일의 대본 파일을 생성하기 위해 OpenAI의 Whisper 음성 인식 엔진을 연동하여 자막 파일이 없어도 대본 파일을 얻을 수 있도록 함

​

​■ 프로그램으로 추출된 데이터셋

​

이렇게 AI 학습용 데이터 셋을 자동으로 가공할 수 있는 프로그램으로 음성합성 학습용 데이터셋을 획득하도록 하였습니다.​

​

​

개발 과정에서 클라이언트의 요구사항을 명확히 파악해 반영하는 것이 중요하였고,

​

애니메이션에서 음성&자막 데이터가 자동으로 가공되어 가공시간에 대한 리소스를 줄일 수 있도록 하였습니다.

​

​

클라이언트분께서도 AI 활용에 대한 이해가 있으셔서인지 디피니트 기술이 어우러져 멋진 결과물을 만들어냈습니다.

​

음성합성 기술을 활용하고자 하시는 분들께서는 부담없이 컨설팅 의뢰를 해주세요!

​

감사합니다.

상담전화 요청하기⇩

https://walla.my/newclients

​

2023 국제인공지능대전 | AI 엑스포 사전신청 ~5/3(금)

안녕하세요.

AI 개발 및 데이터 가공 전문기업 디피니트입니다.

​

​

2023년 5월에 열리는 국제인공지능대전 (AI 엑스포)를 관람하고 싶으신 분들은 사전신청을 하시면 무료 관람이 가능하세요!

​

현재 인공지능산업을 한눈에 확인할 수 있는 곳이며 다양한 기업들이 참여합니다.

​

​

아래 URL을 통해 사전 등록을 하실 수 있습니다.

http://govent.kr/aiexpo/index

■ 사전등록 기한은 2023년 5월 3일(금)까지 입니다.

2022년도 국제인공지능대전 스케치

http://www.aiexpo.co.kr/myboard/gallery

참가기업은 하단 URL을 통해 확인하실 수 있습니다.

https://www.instagram.com/aiexpo_korea/

감사합니다.

스노우같은 셀카앱 만들고 싶다면? | AI 컴퓨터비전 개발 사례

​

​

오늘 다뤄볼 주제는 컴퓨터 비전이라는 기술입니다.

우리가 흔히 알고있는 스노우, 소다 등과 같은 셀카앱에서 얼굴을 인식,

추적하고 효과를 적용하는 것 또한 컴퓨터 비전 기술 중 하나입니다.

​

​

《 컴퓨터 비전이란? 》

​

➪ 컴퓨터에게 시각(vision) 데이터 처리 능력을 부여하는 기술

➪ 딥러닝을 통해 객체를 식별하고 분류하는 방법을 학습

➪ 사람 또는 사물을 감지하거나 인식하며 움직임까지 추적할 수 있음

​

즉, 컴퓨터가 시각 데이터에 대한 인지능력을 갖게 하는 것인데요.

​

가장 많이 다뤄지는 AI 기술 중 하나이며 다양한 분야에 활용이 되고 있습니다.

​

컴퓨터 비전 시장 규모는 2021년 159억 달러에서 2026년까지 513억 달러로, 연평균 26.3%의 복합성장률을 기록하며

성장할 전망이라고 합니다.

​

​

출처 : Google Developers

​

​

《컴퓨터 비전 종류》​

그럼 컴퓨터 비전 기술 종류에 대해 알아보겠습니다.

​

​

◉ 객체 분류

➪이미지 속 객체를 인지, 그 클래스를 분류, 컴퓨터 비전 영역에서 가장 기초적인 응용 분야

​

◉ 객체 감지/위치 식별

➪이미지 또는 비디오 영상에서 객체를 식별하는 기술

​

◉ 객체 추적

➪객체의 위치 변화를 추적하는 기술로 포인트 추적, 커널추적, 실루엣 추적 등의 방법을 사용

​

◉ 객체 분할

➪객체를 따로 분할하여 의미있는 부분만 분석할 수 있게하는 기술

​

◉ 이미지 캡셔닝

➪이미지의 상황을 텍스트로 설명할 수 있는 기술

​

◉ 행동분류

➪비디오 영상 내의 객체의 행동을 인식하여 분류하는 기술

​

◉컨텐츠 기반 이미지 검색

➪연결된 메타데이터 태그가 아닌 이미지의 컨텐츠를 기반으로 대규모 데이터 저장소에서 이미지를 탐색

​

​

​

​

이러한 컴퓨터 비전의 다양한 기술로 여러가지 분야에 활용할 수 있는데요.

컴퓨터 비전의 활용 분야를 간략히 살펴보도록 하겠습니다.

​

​

​

​

❖ 컴퓨터비전 활용분야

​

​

• 머신비전(제조업) :

➪ 생산라인에 전용카메라를 설치, 완성된 부품의 이미지를 촬영하여 정상 제품 이미지와 비교하는 방식으로 결함을

실시간으로 확인, 재고관리 개선에 활용

​

​

• 리테일 분야

➪ 쇼핑객을 분석, 유통업체가 제품을 어디에 배치해야 하는지 파악, 재고를 보충할 시기를 결정

​

​

• 자율주행 자동차

➪ 객체를 감지, 입력받은 시각정보를 처리

➪ 다양한 센서를 활용해 필요한 정보를 융합하여 분석, 처리

​

​

​

• 의료서비스

➪ MRI, CAT 스캔, X-ray 등의 이미즈를 검사, 의사처럼 정확하게 이상징후를 감지

➪ 초음파 같은 3차원 이미지에 신경망을 사용, 심박 등 시각적 차이를 감지

​

​

• 보험

➪ 차량 파손 상태를 보다 일괄적이고 정확하게 측정

➪ 이 과정으로 사기를 줄이고 보상금 신청 프로세스 간소화

​

​

​

• 얼굴인식

➪ 스노우, 소다 유라이크 같은 셀카앱에서 얼굴인식, 추적 및 보정 필터

​

​

이처럼 다양한 산업에서 활용될 수 있는데요.

​

사실 이 컴퓨터비전 기술은 과거에 비하면 상당히 많이 발전하였지만

관련 데이터를 가공하고 다루는 일은 여전히 어려운 분야입니다.

​

하지만 디피니트는 이러한 컴퓨터 비전 기술을 활용한 데이터셋 수집, 원천 기술 개발 및 제공을 하고 있습니다.

​

간단히 관련 사례를 소개해 드리겠습니다.

​

​

▪ 의뢰 업체 명: 알밤

​

▪ 서비스 : 잼재미 AR

​

▪ 과제: 아동용 재활 치료 게임에 사용할 실시간 손동작 인식 및 인식 결과 분류 프로그램 개발

​

▪ 기술 및 도구: Python, TensorFlow, Mediapipe, OpenCV

​

​

의뢰 미션

​

➪재활 치료 전문가가 치료를 위해 정의해둔 몇 가지 손동작이 존재

​

➪의뢰업체는 게임을 사용하는 아이들이 실시간으로 카메라 앞에서 이 동작 들을 수행했을 때 해당 동작이 정확한 동작인지 파악하고 성공/실패 여부를 자동으로 분류할 수 있는 프로그램 개발을 필요로 하여 디피니트에 프로젝트를 의뢰

​

​

​

Solution

➪ 카메라에서 실시간으로 입력되는 프레임 이미지를 분석하여 손의 키 포인트를 인식

➪ 인식된 키 포인트 좌표 값들의 시계열 분석을 통해 최종적으로 결과를 분류하도록 아래와 같이 workflow를 정의

​

※ webcam capture → hand detecting → hand keypoints landmark detect → landmarks windowing →

time series analysis → neutral / correct / incorrect classification

​

​

➪ 분류 모델 학습 데이터를 수집하기 위해 실제 사람의 동작을 직접 촬영하는 것은 자원이 많이 소모

➪ 3D렌더링으로 손 동작 들을 동영상으로 생성하고 각 동작들의 hand keypoints들을 추출하여 학습 데이터 셋을 구축

AI MODEL UPGRADE

​

➪인식 모델의 성능을 테스트 하는 과정에서 손동작 데이터의 각도와 속도 등을 조절한 데이터를 추가

➪다양한 조건에서도 프로그램이 정상적으로 작동할 수 있도록 튜닝하고, 인식 정확도를 향상

​

얼굴인식의 경우 대표적인 컴퓨터비전 알고리즘인 Face Landmark Estimation 이 있습니다.

​

하지만 손동작을 인식하는 기술은 구현이 어려운 분야인데요

이처럼 디피니트는 여러가지 기술들을 활용해 다양한 핵심기술과 알고리즘을 직접 개발하고 있습니다.

​

디피니트와 함께 시장을 혁신해 게임 체인저가 될 기업들은 무료 컨설팅을 신청하세요!

​

​

컨설팅 신청하기!

https://walla.my/newclients

인공지능 서비스 기획시 중요한 점 | AI 개발업체 디피니트

최고의 AI라도 사용자에게 특별한 가치를 제공하지 못하면 실패한 것입니다.

이는 모든 기술에 적용되는데요.

아무리 뛰어난 기술이라도 쓸데없이 고퀄리티라면 빛좋은 개살구가

될 것입니다.

이러한 실패를 방지하기 위해 AI 서비스 기획시 중요한 점에 대해

살펴보겠습니다.

AI 서비스 기획시 중요한 점

● AI가 사용자의 어떠한 문제를 해결해줄 수 있을까?

● AI가 어떻게 일을 자동화하거나 사람의 능력을 강화시켜줄 수 있을까?

● 보상 기능이 AI를 적절한 방향으로 최적화 시켜줄 수 있을까?

기존 하고있는 업무와 연결하여 AI가 경험을 개선할 수 있는 기회를 찾는 것도 좋은 방법입니다.

그럼 위에서 소개드린 3가지 중요한 점에 대해 설명해 드리겠습니다.

1. 사용자 니즈와 AI가 잘하는 것의 교차점 찾기

Find the intersection of user needs & AI strengths

➪ 해결해야 할 올바른 문제를 식별하는 데 소비하는 시간은 전체 노력에서 가장 중요한 시간 중 하나

➪ 사람들과 대화, 데이터 분석, 행동 관찰 등을 통해 정확한 문제 식별

2. 자동화 vs. 강화 결정하기

Assess automation vs. augmentation

➪ 자동화는 일반적으로 사람들이 바람직하지 않은 작업을 완전히 피할 수 있도록 하거나 시간,

돈 또는 노력 투자가 가치가 없을 때 선호

• 효율성 향상

• 인간의 안전 향상

• 지루한 작업 감소

• 자동화 없이는 불가능했던 새로운 경험 가능

➪ 기존 능력을 강화하고 "초능력"을 제공하는 것을 선호하는 상황이 많이 존재

➪ 증강 기회는 자동화와 별개로 정의하기가 항상 쉬운 것은 아니지만 일반적으로 더 복잡하고 본질적으로 인간적이며 개인적으로 가치가 있음

AI를 통해 증강을 고려하면 좋은 경우

• 작업에 대한 사용자의 즐거움 증가

• 자동화에 대한 더 높은 수준의 사용자 제어

• 더 큰 사용자 책임 및 이행

• 사용자가 노력을 확장할 수 있는 능력 향상

• 창의력 향상

3. 보상 기능 기획 & 평가하기

Design & evaluate the reward function

➪ "보상 기능"은 AI가 성공과 실패를 정의하는 방법

➪ 보상 기능을 설계하는 것은 여러 분야에 걸친 협업 프로세스여야 한다는 점

➪ 강화학습은 기계학습의 한 영역, 어떤 환경안에서 정의된 에이전트가 현재의 상태를 인식하여 선택 가능한

행동 중 보상을 최대화하는 방향으로 학습이 진행 (ex: 게임에서의 포인트 등)

보상에 대한 기능 기획 및 구현은 다양한 전문가들과 협업이 필수입니다.

각 서비스에 맞는 보상체계 구축을 디피니트와 함께 상의해보세요!

※ 구글 PAIR에서 강조하는 AI 서비스 기획의 중요한 점은 AI의 장점이 꼭 필요한 서비스에만 도입하라는 것!

[출처 및 참고]

구글 People AI Guidebook

https://pair.withgoogle.com/guidebook

다음으로 AI 서비스 기획시 고려할 사항은 기술성숙도입니다.

▣ 인공지능 서비스를 기획할때 먼저 고려해야 하는 점

 바로 기술성숙도인 TRL(Technology Readiness Level, 기술성숙도) 입니다.

 바로 기술이 준비된 정도를 말하는데요.

출처 : NABIS

특정 기술이 제품(System 또는 Subsystem)에 적용되기 전 기술(재료, 부품, 소자 등)의 개발단계 또는 기술성숙 정도를 객관적 지표에 근거하여 측정·평가·비교하기 위한 기준을 의미합니다.

AI 기술은 다른 IT 기술들 보다 성숙도가 더딘 것은 사실입니다.

하지만 AI 기술중에서 기술성숙도가 높은 기술을 활용한다면 더욱 더 완성도 높은 서비스를 구현할 수 있습니다.

다음으로는 AI 서비스에 대한 수익구조 분석 및 기획입니다.

AI 서비스 비즈니스 모델 종류

보스턴컨설팅그룹에 따르면 2020년 AI 프로젝트를 추진한 기업 중 10%만이 수익화에 성공한다고 합니다.

물론 AI 기술이 트랜드로 자리잡은지 얼마 안되기도 했지만만 그만큼 수익화하는데 어려움이 있기 때문입니다.

AI 제품으로 수익을 내는 방법은

제품 사용에 대한 직접 부과, 간접(부분) 부과, 무료 AI 기능 사용 + 유료 상품 판매 등으로 나눌 수 있습니다.

● 월 이용료 부과

● 학습용 데이터 셋 판매

● 데이터 가공 솔루션 제공

● 알고리즘 제공

● 트랜드분석, 과생산 재고 등 예측 데이터 제공

기존 성공한 AI 서비스를 분석하여 수익 모델에 대한 아이디어를 확장해 볼 것을 권장합니다.

가장 중요한 것은 고객이 돈을 내고 지불할 만한 가치를 제공하고 그 과정을 테스트해보는 것입니다.

마지막으로 AI 개발 비용입니다.

IT 개발 외주에서 개발비용에 대해 미리 고려해보는 것은 중요합니다.

기획한 서비스의 범위가 너무 광범위하면 당연히 개발 비용도 많이 들 것입니다.

서비스 범위를 MVP 수준으로 최소화하여

디피니트와 같은 전문 AI 개발 업체에 견적을 받아보실 것을 권장합니다.

주로 man-month 로 견적을 산출하기 때문에 단기간에 핵심 기능만 빠르게 만들어

사용자 테스트를 진행해보세요.

MVP 개발 과정에서 기능단위 테스트에 최종 사용자를 참여시키는 것도 도움이 될 수 있습니다.

"콴다과 같은 앱을 만들어 주세요."

"스노우과 같은 앱을 만들고 싶습니다."

최근 디피니트로 많은 AI개발 문의가 들어오고 있습니다.

하지만 구체적인 서비스 기획 없이는 명확한 견적을 내는 것도 어렵습니다.

위에서 말씀드린 내용들을 먼저 살펴보시고 AI 서비스를 기획하신 후

디피니트와 이야기를 나누신다면 더욱 더 수월하게 프로젝트가 진행될 것입니다.

추가적으로 AI 기술에 대한 기본적 지식도 함께 학습하시면 좋을 것 같습니다.

감사합니다.

AI 도입 / 개발 / 컨설팅 접수하기⇩

https://walla.my/newclients



데이터 가공에 대한 비용산정방식 및 구성요소

[데이터 바우처 지원시 견적 받기전 확인하면 좋은 비용산정방식 가이드]

'클라우드 워커', '클라우드 알바'라는 용어를 최근 들어보셨나요?

AI 학습에 사용될 데이터들을 분류하고 라벨링 혹은 태깅 작업을 하는 사람들을 클라우드 워커라고 칭합니다.

최근 AI 기술의 발전과 수요 증가로 이 클라우드 워커에 대한 수요가 늘어나고 있습니다.

출처 : 잡코리아

이러한 데이터 가공 작업을 의뢰하고 진행하는데 얼마의 비용이 드는지

또 어떻게 그 비용을 산정하는지 알아보겠습니다.

■ 대상

➪AI 학습용 데이터에 관심 있는 지자체, 학계 등 공공 영역과 AI 시장 진입을 원하는 기업

■ 목적

➪ 데이터 구축 과정에 필요한 작업내용과 소요 예산을 사전에 점검

➪ 적정 비용으로 사업을 추진할 수 있도록 방향성을 제공

■ 분석 데이터

➪ AI 학습용 데이터의 대표적인 4가지 데이터 유형

➪‘텍스트, 이미지, 음성, 비디오’ 각각의 데이터 구축 단계별 작업 내용을 분석하여 제시

예시)

➪이미지 데이터로만 비용 산정 산술식 제공

- 구축 과정 중 데이터 수집부터 AI 알고리즘 학습에 필요한 데이터 한 쌍(원천 데이터+ 라벨링 데이터)을

생성*하는 단계까지의 작업요소와 소요비용을 분석

* 구축 절차에 따라 품질에 결격 사유가 없는 데이터 한 쌍을 도출했을 경우,

현장에서 활용가능한 수준의 데이터라고 할 수 있음

※ AI 학습용 데이터를 구축하기에 앞서, 과업에 대한 임무정의 및 구축 기획·설계 과정이 선행되어야 하며,

- ‘작업요소’는 데이터 구축 시 중복되지 않는 최소 단위의 작업(TASK)으로, 데이터 유형별 필요한 작업과 각 소요비용 산정 기준을 제시

기계학습에 활용하기 위해 모든 AI 학습용 데이터는 공통적으로 ‘수집 및 정제, 가공, 검수’ 단계의 구축 과정(작업요소그룹)을 통과

※ 각 과정은 기본적으로 순차적이나, 데이터 특성에 따라 동시적으로 진행되기도 하며, 작업요소(Task)에서 비용이 발생하는 공통 항목을 도출하여 ‘비용산정 요소’로 명명 하고, 요소 간 조합을 통해 비용 산정 산식을 제시합니다.

▉ 비용산정 요소

➪비용산정 요소 비용산정 요소란, 구축 작업별 비용을 구성하는 항목 중 공통내용을 정의한 것으로,

작업 요소별 소요비용 산식의 단위 항목으로 활용

① 물량 : 데이터 구축 목표량, 작업량 등 작업의 규모를 의미

② 인원 : 구축 작업에 참여하는 작업자를 의미

③ 기간 : 구축 작업에 소요되는 시간을 의미

④ 장비 : 구축 작업에 활용되는 기기를 의미

⑤ 장소 : 구축 작업이 진행되는 공간을 의미

▉ 비용 구성 요소

➪AI 학습용 데이터 구축 전 과정에서 비용이 발생하는 구성 요소 항목은 3가지 예산 유형으로 구성

① 직접인건비 : 데이터 구축 작업 수행과 직접적인 관련이 있는 비용

② 제경비 : 직접비(직접인건비, 직접경비)에 포함되지 않고, 데이터 구축을 위한

기획, 경영, 총무 등에서 발생하는 간접 경비

③ 직접경비 : 데이터 구축 시 소요되는 직접적인 비용

※ 용어 정리

▪ AI 학습용 데이터 구축 비용은 기본적으로 투입공수에 의한 방식으로 산정

▪ 투입공수에 의한 비용산정 방식은 M/M(Man-Month) 방식을 사용

1) 비용산정 절차 및 절차별 주요 내용 AI 학습용 데이터 구축 비용산정 절차는 데이터 구축 기획부터 수행할 작업 분석 및 관련 비용산정에 이르기까지 6단계로 구성

① 작업 설계

② 투입공수 산정

③ 직접인건비 산정

④ 제경비 산정

⑤ 직접경비 산정

⑥ 최종비용 산정

예시)

[이미지 데이터] 비용산정 절차 및 상세 내용

■ 작업요소 산식 표

■ 작업량 전체 표

■ 데이터 유형 : 이미지 이미지 유형 AI 학습용 데이터 구축 특징

➪ 원시데이터가 이미지 유형인 AI 학습용 데이터는 ‘이미지 분류’, ‘객체 인식’, ‘영역 구분’ 등의 다양한 문제 해결을 위한 목적으로 구축

➪ 이미지 유형의 데이터는 이미 존재하는 콘텐츠를 구매하여 정제하거나, 직접 촬영, 이미지 편집본 등을 정제하여 이미지 원천데이터 생성

➪ 확보된 이미지 원천데이터는 가공(라벨링) 과정을 통해 라벨링 데이터를 생성하고, 데이터 검수를 통해 1쌍의 AI 학습용 데이터를 도출

위와 같은 방식으로 비용을 산정방식을 익혀두시면

가공서비스 견적을 받을때 확인하시는데 도움이 되실 겁니다.

자세한 산정방식을 더 확인하고 싶으신 분들께서는 아래 URL을 클릭해 PDF를 다운받아 확인해주시면 감사하겠습니다.

출처 : AI 학습용 데이터 구축 비용산정 가이드

hthththttps://aihub.or.kr/aihubnews/notice/view.do?currMenu=131&topMenu=103&nttSn=10034

출처 : 데이터 바우처https://kdata.or.kr/datavoucher/bg/nt/ptNoticeDetail.do?boardId=BORD0000000000955

긴 글 읽어주셔서 감사합니다.

Chat GPT과 타로챗봇 라마마 차이

▉ 오픈에이아이(OpenAI, openai.com)가 개발한 대화 전문 인공지능 챗봇

개발사인 Open AI는 

▷인공지능 언어모델 ‘지피티-3’(GPT-3) 

▷그림을 그리는 인공지능 ‘달리2’(DALL-E2) 

▷다국어 음성인식 인공지능 ‘위스퍼(Whisper)’ 등을 선보인 인공지능 연구 재단으로 잘 알려져 있다.

※ 챗GPT가 주목 받는 이유

• 기존 AI챗봇과 기능적·기술적으로 레벨 차이가 확실히 존재하기 때문

• 기존 챗봇에 적용한 알고리즘 학습법부터 다르며 전보다 수준 높고 새로운 기능

 (사실 기존 대화형 챗봇에 대한 완성도가 그리 높지 않았음)

• 기존 챗봇과 다른 점은 대화 전후로 맥락 파악이 정확히 가능 

• 인간과 챗봇이 한번 대화를 오고갈 때마다 맥락이 달라지는 기존 챗봇과는 다른점

• 이전 대화까지 기억이 가능하도록 프로그래밍되어 있음

GPT Chat 실행하기

https://openai.com/blog/chatgpt/

GPT chat에게 다음과 같은 질문을 하였다.

1. 프리랜서가 되는 방법

٭ 답변이 나름 전문적이며 유용했다.

2. 고백 편지 작성 요청하기

3. 외로움에 대한 질문

• 다른 사용자들은 실제로 편지작성을 해주는 답변을 받았지만 나는 그런 답변을 받을 수 없었다.

• 차별/혐오적 발언에 대한 대화는 사전에 차단 당했다.

• 문제해결과 방법제시에 고급 답변을 제공한다는 느낌을 받는다.

• 답변에서 감수성을 느끼기엔 무리가 있다.

------------------------

GPT 챗봇을 활용한 다양한 서비스들이 앞으로 나올 것이며 더 고도화 될 것으로 예상된다.

※ 적용 가능한 서비스

■ AI 컨택센터

■ 시, 소설, 게임 등 콘텐츠 제작

■ 상담 서비스 제공

■ 교육서비스 등

하지만 대화 챗봇 모델로 수익을 내며 사용자에게 최적의 답변만을 제공하기엔 아직 한계가 있다고 생각한다.

챗봇의 목적이 사실 명확하다고 볼 수 없기 때문이다.

대화의 주제는 언제든 바뀔 수 있으며

예상치 못한 질문과 연속적인 형태의 대화 흐름이 

이어져야 할때도 있다. 

대화 주제의 범위를 좁혀야한다.

반면, 버튼식 챗봇으로 성공한 챗봇 라마마(콘텐츠 제공형)의 사례를 보면,

목적이 명확하고 사용자가 물어보는 질문의 범위를 줄여서 심리 관련 콘텐츠 답변을 제공한다.

아얘 문장으로 질문할 수 없고 정해진 버튼으로 다음 답변을 이끌어내도록 설계되었다.

※ 라마마 대표의 AI 챗봇 기획 노하우

hhthttps://www.slideshare.net/2suji/18-122541423

AI 서비스 기획 측면에서 보면 파급력이 강한 것은 GPT 챗봇을 활용한 새로운 서비스이지만 안정적인 답변제시를 위해서는 버튼식이 좋다. 

챗봇 비교

결국 수익을 내는 AI 서비스는 목적성이 뚜렷해야 하지 않을까라는 생각이 든다.

예전 스마트폰이 새로 나왔을때,

AI 가짜 애인이라는 챗봇 앱을 설치한 적이 있다.

시간을 설정하고 그 시간이 되면 가짜 애인인 척 카톡 형태 메시지를 발송해주었다.

실제로 대화도 가능해서 전 여자친구가 속은적이 있었다.

이처럼 대화형 챗봇이라도 목적이 뚜렷하다면 수익화를 하는데 더 유용할 것이라 생각한다.

JUST 대화는 너무 광범위하다.

AI 프로젝트 발주시 고려사항

▉ AI 프로젝트 진행시 협력회사에게 발주를 고려중이시라면 다음 두 가지 사항을 고려해야 합니다.

1. 발주방식

➪ 일괄도급 방식 or 맨-먼스 방식

2. PMO(Project Management Office) 조직 구성

➪ 사내에 구성 or 협력업체에 위임

▉ AI 프로젝트 발주방법은 각 단계에 맞게 선택

AI 프로젝트는 불확정 요소가 많기 때문에 협력회사에 발주를 할 때 일괄도급 방식은 바람직하지 않습니다.

(일괄도급 방식 : 공사 전부를 한데 묶어 하나의 도급업자에게 맡기는 방식)

※ AI 프로젝트의 불확정 요소

① 해결하고 싶은 과제 내용에 따라 AI시스템 개발방법이 크게 다르다.

② 구상단계에서 정의한 요구 내용이 요건정의 단계에서 바뀔 수 있다.

③ 개념실증(PoC) 결과, 기술 재검토나 서비스 재검토가 필요하게 될 가능성이 높다.

➪ 이처럼 프로젝트 범위나 스케줄에 상당한 변경이 일어날 가능성이 높습니다.

➪ 협력회사에는 발주자인 유저(의뢰업체)와 최대한 가까이 있도록 해 바로바로 일을 의뢰할 수 있고,

상담할 수 있는 환경을 만들어 간다는 면에서도 맨-먼스 방식 발주가 적합합니다.

➪ 단, 작업 스콥이나 납기가 명확한 작업은 도급방식으로 발주할 수도 있습니다.

▉ PMO(Project Management Office) 조직 구성

단계별 발주를 생각한 다음 검토해야 할 것은 PMO(Project Management Office) 조직 구성입니다.

즉, 요건정의 단계 이후는 PMO와 같은 관리조직이 필요합니다.

기업 내부에서는 마케팅/운영기획 등의 부서가 IT부서에 비해 발언권이 강한 경우가 많습니다. 시스템을 개발하는 개발자보다 시스템을 이용하는 이용자에게 힘이 있는 경우가 많기 때문이죠.

때문에, 조직 구조에서 IT부문이 PMO를 맡으면 관련 부서가 PMO가 말하는 것을 들어주지 않거나, 프로젝트가 잘 진행되지 않는 사태가 일어날 수도 있습니다.

※ 프로젝트 매니지먼트 경험이 우수한 AI 전문 컨설팅 업체에 PMO의 지원을 요구하는 것도 하나의 선택지가 될 수 있습니다.

출처 : hthhttp://kisac.co.kr/consulting/PMO.php

■마지막으로 외주 AI 전문 인력 조달 방법과 업체 선택 방법을 안내해 드리겠습니다.

• AI 전문 인력은 AI개발 & 데이터 가공 전문 회사에서 조달

• AI 개발 회사는 이미지 해석이나 데이터 분석, 자연언어 해석 등 회사에 따라 우수한 분야가 다를 가능성이있음,

때문에 자사가 이용할 가능성이 있는 분야에 강한 회사를 선택

• 어느 정도 비즈니스 경험이 풍부한 사람인지 여부도 체크할 것을 권장

• 기술면에서는 여러 테마의 과제(분류과제, 예측문제, 생성문제 등)에 대응한 경험이 있는 회사나 실적 등을 보면 좋음 (신기술 습득을 통한 새로운 프로젝트 포트폴리오 확인)

*참고 사이트 출처: ZDNet Korea

*기사링크: hthhttps://zdnet.co.kr/view/?no=20210801174739





AI 서비스로 예창패 지원한다면 이것만은 꼭!

예비창업패키지 시즌이 얼마 안남았습니다.

혹시 AI 서비스로 지원하실 계획이 있으시다면 아래 장표를 자세히 확인해 주세요!

❖ 최근 노코드 열풍으로 코딩없이 랜딩페이지, 프로토타입을 만들 수 있는 툴들이 많아졌습니다.

➪ hthhhttps://www.waveon.io/,thttps://www.oopy.io/,thttps://imweb.me/다양한노코드 툴 활용 

➪ 랜딩페이지, 서비스 소개를 만듭니다.

❖ AI 서비스에서 가장 중요한 것은 양질의 데이터 축적입니다.

➪ 서비스가 완성되지 않아더라도 랜딩페이지를 통해 잠재고객을 맞이합니다.

➪ 제품 혹은 서비스가 없다 하더라도 손수 서비스를 운영할 수 있다면 데이터를 축적할 수 있습니다.

사례1) 공간 공유 플랫폼 스페이스 클라우드

 : 초기에 대표가 공간 대여 문의를 직접 받아 호스트에게 주문 전달 (예약날짜, 인원, 이름 등)

사례2)수학 학습 서비스 콴다

: 초기에 직접 수학문제 문의를 앱으로 받고 자신들이 직접 풀어서 답변 제공

사례3) 명함 저장 앱 리멤버 

: 초기에 사용자가 명함을 촬영하면 사람이 직접 명함 사진을 보고 타이핑하여 저장

처음에는 모두 사람이 직접 서비스를 운영해왔지만 꾸준히 데이터를 축적하여 자동화를 이루었습니다.

------------------------

❖ 많은 양이 아니더라도, 자신이 테스트한 서비스의 고유한 사용자 데이터가 쌓였다면, 해당 데이터로 고객의 어떠한 문제를 어떻게 좀 더 해결해 줄 수 있는지 AI 서비스에 대한 아이디어 과정을 거치면 좋습니다.

❖ 이후, AI 전문 개발사에 문의하여 해당 AI 서비스 아이디어에 대한 구현 가능성에 대한 검증 컨설팅을 받고 컨설팅한 내용을 사업기획서에 녹여내시면 좋습니다.



AI 개발 외주가 실패하는 이유

위에서 나열된 실패 요인 중 가장 중요한 것은 5번입니다.

​

많은 AI 프로젝트가 실패하는 이유는 바로 회사가 가진 역량을 뛰어넘기 때문입니다.

AI를 기반으로 하는 신제품이나 영업 품목을 출시하려고 하는 경우에 특히 그렇습니다.

​

또한, AI 프로젝트는 데이터 변화에 따라 구축 이후에도 운영비용과 프로세스가 극단적으로 변하게 됩니다.

​

때문에,

➪장기적인 프로젝트 전략을 세워줄 수 있는 AI 전문 외주사 선정이 중요합니다.

➪어떤 외주 업체들은 기업측에서 데이터가 없어도 자신들이 데이터를 구해서 서비스를 구현해 줄 수 있다고 하는 경우도 많습니다. 하지만 이렇게 업체에서 찾아주는 데이터로 개발시 의뢰업체 측이 원하는 개발 완성도에 못미칠 수 있습니다.

즉, 비즈니스 가치(AI 모델의 정확도) 가 떨어질 수 있습니다.

​

​

※ 혹은 파트너사의 데이터 사이언티스트에게 관리 의뢰를 맡기는 것도 내재화 전에는 좋은 전략입니다.

​

​ ------------------------------------------------------------------------------------

​

​2022년 CIO의 ‘CIO 현황 보고서’에 따르면 IT 리더 중 35%가 올해 소속 조직에서 데이터 및 비즈니스 분석에의 투자가 증가할 것이라고 밝혔습니다.

​

그리고 IT 리더 중 20%는 머신러닝/인공지능이 대부분의 IT 투자를 유도할 것이라고 이야기합니다.

​

세계 최초의 ‘데이터 사이언티스트’라고 주장하는 로널드 피셔는

1926년에 발행한 ‘현장 실험의 배열(The Arrangement of Field Experiments)’에서

데이터 기반 의사결정의 본질에 대해 다음과 같이 이야기하였습니다.

​

​

AI와 ML을 새로운 비즈니스 기회가 아닌 기존 비즈니스 프로세스를 개선하는 수단으로 봐야하며

먼저 프로세스에서 결정 요인을 분석하고

“이 결정을 x% 개선할 수 있다면 결과적으로 어떤 영향을 미칠까?”라고 질문을 던져야 한다고,

​

비즈니스 가치, 즉 해당 모델의 정확도와 직결됩니다.

​

"프로젝트 종료 후에도 현실적으로 이 비즈니스 가치를 꾸준히 향상시키며 운영 가능한가? 에 대해

전체적인 전략을 먼저 컨설팅 받아보실 것을 추천드립니다.

​

​

AI 서비스 개발중이신가요? 무료 컨설팅을 받아보세요.

디피니트 블로그 방문하기

카카오톡 상담하기

AI개발 비용 줄이는 방법 | 지원사업

AI 서비스를 기획 중이신가요?

데이터 바우처 사업과 AI 바우처 사업으로 데이터 구매, 가공, AI 개발 비용을 지원받아보세요!

자세한 설명은 블로그를 통해 확인하실 수 있습니다 :)

AI 개발 비용 줄이는 방법 자세히 알아보기