brunch

매거진 넥스트 모바일 이야기

라이킷 21 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by Mobiinside Feb 26. 2020

넷플릭스, 우버, 그리고 AI

인공지능이 활용되는 분야

넷플릭스와 우버

인공지능이 활용되는 분야별로 대표성을 띤 사례들을 한 가지 씩 정리해보고자 한다.

이 글에서는 콘텐츠, 그리고 모빌리티 분야에서 인공지능(AI)이 어떻게 사용되고 있는지 넷플릭스와 우버의 사례를 통해 정리해보았다.

콘텐츠 분야 – 넷플릭스

넷플릭스는 모두 잘 알고 계신 것처럼 미국의 주문형 콘텐츠 서비스 제작 기업이다.

예전 블록버스터와 비디오와 DVD를 우편으로 배달하던 업체에서 시작해서 지금은 미국 최대의 VOD업체, 그리고 콘텐츠 제작사가 되었다. 2017년에 전 세계 기준 이용자 수 1억 명을 넘어섰으며, 국내에서도 넷플릭스 유료 가입자가 2019년 6월 기준, 184만 명이 되었다고 한다. (1년 만에 192%의 성장율…)

이런 넷플릭스가 성장하는 데는 방대한 콘텐츠, 넷플릭스 오리지널, 편리한 UX가 일조했다고 생각하지만.

그 외에도 넷플릭스의 추천 알고리즘이 큰 역할을 했다고 생각한다.

넷플릭스를 사용해보신 분들은 아마도 느끼셨겠지만, 생각보다 내 취향을 정확히 알고 추천을 한다는 느낌을 받은 적이 있을 것이다. 이는 넷플릭스가 추천 시스템에 ‘협업 필터링(collaborative filtering)’과 ‘내용기반 필터링(content based filtering)’ 을 조합한 알고리즘을 사용하고 있기 때문이다.

협업 필터링(collaborative filtering)

기존 사용자의 영화 선택 정보를 분석, 비슷한 성향 사용자들이 좋아한 콘텐츠를 추천하는 알고리즘 유사한 사용자의 행동로그를 이용함

내용기반 필터링(content based filtering)

영화에 대한 다양한 항목(배경, 인무르 장르 등)을 분석하여 분류하고 이를 개인 영화 시청 패턴(검색한 영화, 보다가 그만둔 영화, 시리즈물 시청여부 등)과 비교하여 유사성을 계산함. 영화 정보 + 사용자의 개인 시청 패턴을 통한 추천

현재 넷플릭스는 협업 필터링을 기반으로 한 모델 기반 협업 필터링(Model based Collaborative Filtering)을 사용하고 있다고 한다.

이러한 추천 알고리즘에 대한 투자와 노력 때문이었을까?

넷플릭스에서 시청한 전체 영화의 75%가 이 추천 알고리즘을 통해 이루어진다고 한다. (넷플릭스 UI구성 자체가 검색보다는 탐색과 추천 위주로 되어있기 때문이라는 생각 또한 들긴 하지만…)

뿐만 아니라.

넷플릭스에서 추천하게 되는 포스터의 이미지 또한 해당 알고리즘을 통해, 그 사람이 선호하는 형태의 포스터를 추출하여 제공한다고 한다.

예를 들어 굿윌헌팅이라는 영화를 추천함에 있어서, 로멘틱 영화를 좋아하는 사람이라면 -> 좀 더 감성적인 장면의 포스터를. 코미디 영화를 좋아하는 사람이라면 -> 무언가 재미있을 것 같은 느낌의 포스터를 제공한다고 한다.

넷플릭스 포스터 제안 (출처: 양재 AI스쿨 교육과정 중)

Netflix 계정을 생성하거나 계정에 새 프로필을 추가할 때 회원에게 좋아하는 콘텐츠를 몇 개 선택하도록 요청합니다. 이러한 콘텐츠를 사용하여 추천 콘텐츠 시스템을 ‘바로 시작’합니다. 좋아하는 콘텐츠를 몇 개 선택하는 것은 선택 사항입니다. 이 단계를 생략하는 경우, 여러 인기 콘텐츠들로 시작하게 됩니다.

– 넷플릭스가 초기 데이터를 확보하는 방법

모빌리티 분야 – UBER

차량 공유 시장을 성공적으로 개최한 Uber 역시 인공지능을 다양하게 활용하고 있고, 이를 통해 서비스를 성공적으로 제공하고 있는 업체이다.

우선 정확한 예측 시간, 그리고 기사의 얼굴인식, 마지막으로 호출하는 고객의 상태를 파악하기 위한 특허출원까지 다양한 사례에서 인공지능을 활용하고 있다. (우버는 IT기업으로 불리고 있는 이유가 있는 듯 하다.)

우선 Uber는 미켈란젤로라고 불리는 자체 머신러닝 플랫폼을 사용하고 있다.

미켈란젤로는 (정말 르네상스 시대, 천지창조를 그린 사람에게서 모티브를 따온 것과 같이) 사내 누구든 머신러닝 시스템을 확장성 있게 만들고 또 동작시킬 수 있는 플랫폼이라고 한다.

이 미켈란젤로 머신러닝 플랫폼을 통해, 우버는 목적지까지의 도착시간을, 우버풀 서비스에서는 카풀할 사용자들의 효율적인 경로를 계산해주고, 우버이츠에서는 주문부터 음식이 주문, 또 음식적 픽업, 고객의 집까지 배달 완료하는데 걸리는 시간을 예측할 수 있다고 한다.

경로와 목적지에 대한 예측 외에도 우버는 기사의 얼굴을 인식하여 우버 기사 DB에서 신원확인을 하는 시스템을 구축해 놓았다. 이를 실시간 신원 확인 얼굴인식 기능(Realtime ID Check)이라고 하는데, 실시간으로 운전자에게 셀카를 요청하고, 이를 통해 우버 DB에 등록된 기사가 아닌 다른 사람이 차량을 운전하는 상황을 방지하고 있다. 이는 운전자의 신원 보장 및 안전 강화 장치로도 활용되고 있다.