어떤 아이디어가 작업할 가치가 있는지 판단하는 능력은 AI 아키텍트가 갖추어야 할 가장 중요한 기술 중 하나입니다. 머신러닝은 대량생산, 헬스케어, 기후변화, 농업, 이커머스, 광고 등 다양한 분야에 적용되고 있습니다. 이 모든 분야에 대해 정통한 전문가가 아닌 사람이, “의미있는” 프로젝트가 무엇인지 어떻게 구분할 수 있을까요? 의미있는 프로젝트와 그렇지 않은 프로젝트를 효과적으로 구별할 수 있는 5단계를 소개해 드립니다.
How to identify ML ideas that are worth working on
Step 1: Identify a business problem (not an AI problem).
저는 한 분야의 전문가를 찾아가 이렇게 묻는 것을 좋아합니다. “당신의 분야에서 더 개선하고 싶은 세 가지는 무엇인가요? 왜 아직 개선되지 않고 있나요?”
예를 들어 만약 당신이 기후변화 분야에 대해 AI를 적용하기 위해 전문가를 찾아갔다고 해 봅시다. 당신은 아마 전력망 운영 관리자들이 풍력이나 태양열 등 간헐적 전력원의 발전량을 정확히 예측하지 못해 곤란해 한다는 것을 발견하게 될 겁니다.
Step 2: Brainstorm AI solutions.
제가 훨씬 어렸던 시절에는 흥미를 느낀 첫번째 아이디어를 바로 실행하고는 했습니다. 이 방법으로 괜찮았던 적도 있었지만, 대부분 저는 그보다 더 좋은 아이디어들을 시험도 못 해 보고 놓쳐버린 셈이었죠.
당신이 해결해야 할 문제를 이해했다면, 무작정 아이디어를 떠올리기보다 더 효율적으로 잠재적인 솔루션들을 브레인스토밍 해볼 수 있습니다.
예를 들어, 간헐적 전력원(풍력, 태양열 등)의 전력 생산량을 예측하기 위해서 우리는 인공위성 사진으로 다음을 시도해볼 수 있습니다.
- 풍력 발전기 위치를 더 정확하게 특정하기
- 풍력 발전기의 높이와 한계발전량(capacity) 추정하기
또는, 날씨 데이터로 적운(cloud cover) 상태를 더 정확하게 예측하고, 이를 바탕으로 태양 복사 조도(solar irradiance)를 예측할 수 있을 겁니다. 때로는 충분히 좋은 AI 솔루션이 존재하지 않을 수도 있지만, 그것도 괜찮습니다.
Step 3: Assess the feasibility and value of potential solutions.
브레인스토밍 결과에 대하여, 당신은 다음 항목들을 점검할 수 있습니다:
- Technically Feasible
- 아이디어의 접근법이 기술적으로 합목적적이며 실현가능한지
- Competitors
- 현재까지 경쟁자들이 무엇을 해 왔는지
- Quick Proof of Concept
- 빠르게 개념증명을 구축할 수 있는지
위 점검 내용을 바탕으로 당신은 도메인 전문가와 상담하여, 아이디어의 가치를 평가할 수도 있습니다. 가령 전력공급망 관리자와 같은 도메인 전문가는 브레인스토밍으로 도출한 잠재적인 솔루션의 유용성에 관하여 조언해줄 수 있겠죠.
Step 4: Determine milestones.
충분히 가치있는 프로젝트 아이디어를 선별했다면, 다음 단계는 목표로 삼을 지표를 결정하는 일입니다. 여기서 말하는 지표는 정확도(accuracy)와 같은 머신러닝 지표와, 매출과 같은 비즈니스 지표를 모두 포함합니다.
머신러닝 개발팀 입장에서는 당연히 학습 알고리즘이 최적화할 수 있는 지표가 편할 겁니다. 그러나 우리는 유저 인게이지먼트나 매출 등과 관련된 비즈니스 지표를 고안하기 위해 편안한 전문 영역을 벗어나야 할 수도 있습니다. 왜냐하면 모든 비즈니스 문제가 테스트 셋에 대한 정확도 최적화 문제로 환원되진 않을 것이기 때문이죠.
어떻게 해도 합리적인 마일스톤 지표를 결정할 수 없다면, 이것은 당신이 문제에 대해서 조금 더 알아봐야 한다는 신호일 수 있습니다. 빠르게 개념증명을 해보는 것은 미처 고려하지 못한 관점을 찾는 좋은 방법입니다.
Step 5: Budget for resources.
데이터, 인력, 시간, 다른 팀에게 요청해야 할 통합 작업이나 지원까지, 프로젝트를 완성하기 위해 필요한 모든 것들을 생각해 보세요. 예를 들어, 인공위성 이미지를 구매해야 한다면, 관련 비용이 예산에 포함되어 있는지 확인해야 합니다.
Conclusion
이것은 반복적인(iterative) 프로세스입니다. 어느 단계에서든 방향성이 잘못되었다고 판단된다면, 이전 단계로 돌아가서 새로운 방향으로 다시 시작하세요.
AI가 큰 개선을 만들어낼 수 있으며, 당신을 흥분시키는 도메인이 있나요? 위 다섯 개의 단계들은 당신이 AI 프로젝트의 가능성을 살펴볼 수 있도록 도와줄 겁니다. 심지어 당신이 해당 도메인에 깊은 전문지식을 갖고 있지 않더라도 말이죠.
AI가 모든 분야의 모든 문제를 해결할 수는 없습니다. 그러나 인공지능이라는 커뮤니티의 일원으로서, 긍정적인 임팩트를 만들어낼 수 있는 방법들을 다함께 찾아 봅시다.
끊임없이 배우고 또 배우세요!
Andrew
출처