인공지능과 추천 시스템 강의 노트 - (10/16)
2023. 11. 3.
7개의 과제 발표가 있는 시간이어서 중간 고사 본다는 셈으로 . 상대적으로 준비하는 데에 시간을 많이 쓰지 않을 수 있었고, 남은 코딩 부분도 일단은 뒤로 미루어 두었다. break 없이 진행하였고, 피드백들을 주느라 주중에 시간을 더 들였다.
준비한 자료
10주) 강의 update
한국 업체들의 이야기들이 몇 개 있었고, 어느덧 LLM 이 일반 명사처럼 쓰이고 있다는 사실이 신기하다. 이 기사를 읽는 사람들한테는 이제 설명 해 주지 않아도 되는 개념 ?
기말 과제 발표
논문 리뷰 — Applications of deep learning in stock market prediction: Recent progress by 김보람 , Q&A
핀테크 관련 논문들을 잘 분석한 논문을 정리한 내용. 입문서로 괜찮았고, 원래 논문은 2019년에 멈춰 있지만, 후 최근까지의 분석들도 따라왔음. 1) 주가를 예측하기 위한 많은 노력들이긴 하고, 2) 모델은 일단 transformer로 대동단결되어 있고, 3) 추가적인 정보들로 edge를 보여 주고 싶지만 잘 안 되어 가고 있음. 뉴스나 공시 자료를 어떻게든 쓰고 싶은데, 여러 분석들이 숨어 있는 의미 등을 의미있게 반영하지 못하고, twitter가 최신 내용들을 반영한다고 하지만, 많은 경우 news의 copy들. sentimental analysis 들로는 그다지 영향을 주지 못하는 결과들. 다른 한편으로는 뭔가 비밀이 발견되었다면 굳이 논문으로 나오려 할 것인가 하는 음모론적 생각도 들었음.
EPL 구단의 AI 활용 선수 스카우팅 — Brighton & Hove Albion FC by 김정우
구단주의 시각에 물음표들이 있었지만, 프로겜블러 도박 사이트 출신의 데이터와 로직이라면 이미 여러 가지 의미에서 최첨단이겠다는 데 공감이 되었다. 팀의 성적과 100% 연결이 되지 않지만 선수들을 가지고 하는 장사 등이 그럼에도 팀의 운영은 데이터도 있지만 전통적 의미의 촉, 스타 선수의 취향 등이 반영되기는 어려운 영역.
Cohere 회사 및 제품 소개 by 진대호
투자사 입장에서 본 cohere 제품과 회사의 라인업들에 대한 소개 및 정리들. 많은 부분들이 가려져 있었지만 잘나가는 미국 시리즈 B-C 단계의 기업에 대한 짜임새 있는 분석들. 돈을 많이 벌고 있는가에 초점이 맞춰질 수밖에 없는 도표들이긴 하지만, B2B 쪽에 열심히 하고 있다 정도의 감동들.
클라우드의 태풍 속에서 버티고 버티던 onprem 들이 다시 살아나는 이유가 아이러니하게 이쪽인 듯. 여전히 LLM 을 자체 구축하면 어디에 쓸 것이냐에 대한 직접적인 답보다는 일단 뭐가 되든 GPU 들은 꾸려 놓아야 하지 않겠냐는 제품군에 좋은 낚시감인 듯. 일단 infra 를 판다 치면, 그 뒤에 소위 LLM 기업들이 계속 의미가 있을까 ? 여기서부터는 일반 SaaS lockin 처럼 흘러가려나 ? 그걸 기존의 질서들이 놓아 둔다고..?
보험 업계에서 사용되는 AI 활용 사례 by 유재엽
미국과 한국의 보험 형태가 다르지만, 기존의 value chain 을 강화하는 쪽으로 진행되는 건 당연하게 이해되는 부분. 한국의 의료법과 라이센스들이 일단 큰 걸림들이고, 방문자 판매 등의 process를 간소화하는 방향에 기여하고 있는 것은 인상적임. 캐롯이 업계에서 innovation 의 위치에 있고, 초개인화라는 이름 하에 노력들을 하려 하지만 이론과 실전의 거리가 꽤 많이 있음.
보험사 입장에서의 상품 목록과 사용자 입장에서 플랫폼을 통한 상품 목록이 일단 차이가 있고, 이는 각각의 입장에서 좁혀지기 쉽지 않은 문제.
정책자금 및 공고 추천 서비스 — 웰로&나이스평가정보 by 김병근,조성범,하정문
wello 에 대한 소개. 정책이라는 것이 이렇게 많고 앱 혹은 서비스의 도움을 받아야 할 정도로 양이 많다는 것에 놀랐음. 여전히 개인 상대로 하는 정책은 이렇게 가는 게 맞는가 하는 의문과 걱정이 많지만, biz 쪽은 말이 된다 생각. 신용보증기금과 잘 어울리는 조합이라 하겠고…
이른바 사장님들을 대상으로 하는 또하나의 서비스인 듯하여 조금 불편했고, 이게 정부에서 할 일인가 사업자가 할 일인가가 의문시 되었고, 정책자금 입장에서 잘 뿌려지는 게 목표라면 찾아 보기 전에 자동으로 알려 주는 시스템 쪽으로 되어야 하지 않을까 ?
집 교환 플랫폼 기획 — 추천 시스템 및 인공지능 활용 전략 by 안주석,이호진,허지현
가상의 프로젝트. 그래도 실제 돌아갈만한 기획을 과제로 요청하다 보니 날선 댓글들을 많이 달게 되어 미안했음. 이걸로 되겠어요? 라는 질문을 할 뻔…
에어비엔비의 스핀오프 과제를 기획했으나, 수요자와 공급자를 생각했을 때 틴더 모델이 되게 되었음. 가능한 많은 정보들을 open 함으로써 matching 되는 형태를 기약하게 하는 것으로 자리잡으려 하고, 많은 reference 들을 참조해서 이것저것 해 보면 좋겠다 등의 이슈들이었고.
기술적으로는 포털의 트렌디 정보를 구할 수 있을까 ? 라는 질문이 있었고, 이는 초기에 손으로 열심히 따라간다 치고.. LLM 을 어디다 쓸 수 있을까? 라는 질문에 대해 주변 여행지 추천 사례 정도 떠오르는 정도인데… 제품으로 작동하려면 여기서 더 난이도가 있어야 할 듯.
AI가 은행원을 대체할 수 있을까 by 노길래
은행 창구가 없는 것과 은행원이 없는 것은 다르다는 점에서 무인 창구 ATM 혹은 kiosk 등을 고려할 때 어디까지 커버하게 할 것인지에 대해 정의하고 있음. 은행원이 없어지기야 하겠냐마는, 대고객 업무가 이미 잘 대체되고 있고, 많은 도움을 주는 방향으로 재교육, 사용자 이동 등이 진행되고 있음.
개인적으로 사용자 입장에서는 카톡에서 답만 잘 와도 챗봇이든 아니든 불편함이 없기에 챗봇의 포지션이 은행원과 경쟁하는 게 아니라 카톡서비스랑 비교해야 하는 게 아닐까 하는 생각.
마무리하며
개인적으로는 많은 것들을 배운 꽉 찬 세 시간이었는데, 다른 학생들의 반응이 어땠을까 싶긴 하다. 어쩔 수 없이 문제들이 많이들 겹쳐서 각 주제들만의 고유한 이야기들을 부탁하고는 있는데, 개략적인 소개들이 주된 과제들이라 아무래도 한계들이 있는 모습이다.
다음 주는 다시 한국에 건너가서 새벽 도착, 낮에 강의 준비, 저녁 수업의 스케쥴이 되겠다. 기말까지 있는 시간 중에 치맥 같은 시간을 한 번 잡는 것도 도움이 될까 싶다.
