brunch

You can make anything
by writing

- C.S.Lewis -

by 글쓰는몽글c Jan 27. 2020

넷플릭스, 우버, 그리고 AI

인공지능이 활용되는 분야

#3

넷플릭스와 우버


인공지능이 활용되는 분야별로 대표성을 띈 사례들을 한가지 씩 정리해보고자 한다.

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


콘텐츠 분야 - 넷플릭스


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

예전 블록버스터와 비디오와 DVD를 우편으로 배달하던 업체에서 시작해서 지금은 미국 최대의 VoD업체, 그리고 콘텐츠 제작사가 되었다. 2017년에 전세계 기준 이용자수 1억명을 넘어섰으며, 국내에서도 넷플릭스 유료 가입자가 2019년 6월기준, 184만명이 되었다고 한다. (1년 만에 192%의 성장율..)


이런 넷플릭스가 성장하는데는 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 추천시스템에 '협업 필터링(collaborative filtering)'과 '내용기반 필터링(content based filtering)' 을 조합한 알고리즘을 사용하고 있기 때문이다.

협업 필터링(collaborative filtering):  
기존 사용자의 영화선택 정보를 분석, 비슷한 성향 사용자들이 좋아한 콘텐츠를 추천하는 알고리즘
유사한 사용자의 행동로그를 이용함

내용기반 필터링(content based filtering):
영화에 대한 다양한 항목(배경, 인물, 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 시청패턴을 통한 추천

현재 넷플릭스는 협업필터링을 기반으로 한 모델기반 협업필터링(Model based Collaborative Filtering)을 사용하고 있다고 한다.


이러한 추천알고리즘에 대한 투자와 노력 때문이었을까?

넷플릭스에서 시청한 전체 영화의 75%가 이 추천알고리즘을 통해 이루어진다고 한다.

(넷플릭스 UI구성 자체가 검색보다는 탐색과 추천 위주로 되어있기 때문이라는 생각또한 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 교육고정 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 예측시간, 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 배달완료하는데 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 안전강화 장치로도 활용되고 있다.



뿐만 아니라 우버는 술취한 고객을 자동으로 알 수 있도록 하는 기술에 대해서 특허를 냈는데, 이 기술을 활용하여 기사는 술취한 고객의 승차를 거부할 수 있을 것이라고 한다.

술취한 승객을 판단하는 패턴은 아래와 같다.

호출과정에서의 오타

사용자의 걸음속도

호출하는데 까지 걸리는 시간

휴대폰을 보는 각도 등

아마도 다양한 데이터를 통해 술 취한 고객의 패턴을 파악하고 특정 확률 이상이 되면 술취한 고객으로 판단되어 기사들에게 호출이 가는 방식이 될 것이다. 이는 정말 대단하기도 하지만, 한편으로는 내가 누군지 너무 잘 알 수 있다는 점에서 다소 무섭기도 하다.


다음 글에서는 스포츠 분야에서 인공지능이 어떻게 사용되는지를 한번 정리해볼까 한다.

점차 데이터분석가들을 영입하고 있는 스포츠 팀들의 다양한 시도들을 살펴보고 있는데 생각보다 흥미로운 지점들이 많다. :)



Reference

https://1boon.kakao.com/scientist/700

https://medium.com/netflix-techblog

http://www.aitimes.kr/news/articleView.html?idxno=14495

https://databreak.netlify.com/2019-04-02-michelangelo/

http://clomag.co.kr/article/2991

http://www.withpress.co.kr/archives/2866

https://eng.uber.com/real-time-id-check/

https://www.theverge.com/2018/6/8/17441554/uber-drunk-passenger-ai



음성 디자인에 대한 다른 글을 보고 싶다면.

https://brunch.co.kr/magazine/voicedesign


일상에서 활용되고 있는 AI의 다양한 사례들이 궁금하다면.

https://brunch.co.kr/magazine/dailyai


twitter: @pentaxzs

email: pentaxzs@daum.net

brunch: https://brunch.co.kr/@monglec

이전 03화 차수별로 알아보는 인공지능의 분류
brunch book

현재 글은 이 브런치북에
소속되어 있습니다.

일상 속 인공지능

매거진 선택

키워드 선택 0 / 3 0

댓글여부

afliean
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari