[AI Practitioner] AI 애플리케이션 유스케이스 정리

AI 애플리케이션의 예

컴퓨터 비전

• 컴퓨터가 디지털 이미지 및 비디오를 해석하고 이해할 수 있게 해주는 인공지능 분야
• 이미지 분류, 객체 감지, 이미지 분할과 같은 태스크에 사용됨
• Use Case)
  
  • 자율 주행 자동차 개발
  • 의료 또는 의료 영상
  • 공공 안전 및 가정 보안 (안면 인식)

자연어 처리 (NLP)

• 컴퓨터와 인간 언어 간의 상호 작용을 다룸
• 텍스트 분류, 감정 분석, 기계 번역, 언어 생성과 같은 태스크에 사용됨
  • 기계 번역 :사람이 직접 번역하는 게 아니라 컴퓨터를 사용하여 알고리즘과 데이터 모델을 활영해서 번역하는 방식
    • ex) papago
• Use Case)
  • 보험 회사는 NLP를 사용하여 보험 증권 번호, 만기일 및 기타 개인 정보를 추출할 수 있음 
  • 통신 회사는 NLP를 사용하여 고객 문자 메시지를 분석하고 맞춤형 추천을 제안함
  • 교육 산업에서는 학생들이 Q&A 챗봇을 사용하여 공부함

지능형 문서 처리 (IDP)

• 비정형 데이터에서 정보를 추출 및 분류하고, 요약을 생성하고, 실행가능한 인사이트를 제공하는 애플리케이션
• Use Case)
  • 금융 서비스는 IDP를 사용하여 주택 담보 대출 신청서에서 중요 정보를 추출하여 고객 대응 시간을 단축함
  • 법무 IDP를 OCR 및 NLP와 같은 다른 애플리케이션과 함께 사용하면 계약 서류, 법정 제출 서류, 법적 서류와 같은 문서를 수동으로 처리하지 않아도 됨
  • 의료 분야에서 IDP를 사용하면 보험 청구서, 병원 진단서와 같은 다양한 문서 유형을 처리하여 비즈니스를 빠르고 정확하게 처리할 수 있음

NLP와 IDP의 차이점?

• NLP는 텍스트 중심의 언어 이해 기술이고, IDP는 문서에서 의미 있는 정보를 자동으로 추출하는데 초점이 맞춰져 있음
• IDP는 OCR과 NLP를 포함하는 개념이라서 문서 처리에서 좀 더 실용적인 역할을 함

사기 행위 탐지

• 사기 행위 탐지는 시스템, 프로세스 또는 거래에서 사기 행위 또는 무단 행위를 식별하고 방지하는 프로세스를 의미함
• Use Case)
  • 금융 서비스는 신원 확인, 결제 사기 행위 탐지, 거래 감시, 자금 세탁 방지 제재에 사기 행위 탐지를 사용함
  • 소매업에서 고객 계정 및 데이터를 보호하며 온라인 거래에 대한 신뢰를 유지하기 위해 사용함
  • 통신 업계에서는 로밍, 프리미엄 요금 서비스 및 구독 사기, 신규 계정 사기, 보험 청구 처리 사기, 프로모션 부정 사용, 신용 카드 및 온라인 소매 사기 등의 영역에서 사기 행위를 식별함

 

기계 학습 기법 및 사용 사례

 

Supervised learning

• 분류
  • 훈련된 모델을 기반으로 새로운 데이터에 레이블 또는 범주를 할당(예측)하는 데 사용되는 지도 학습 기법
  • Use Case)
    • 사기 행위 탐지
    • 이미지 분류
    • 고객 유지
    • 진단
• 회귀
  • 하나 이상의 입력 변수를 기반으로 연속ㅈ숫자 값을 예측하는 데 사용되는 지도 학습 기법
  • 종속 변수(예측할 값)와 하나 이상의 독립 변수(예측에 사용되는 특성 또는 입력) 간의 관계를 모델링 하는 데 사용됨
  • Use Case)
    • 광고 인기 예측
    • 기상 예보
    • 시장 예측
    • 기대 수명 추정
    • 인구 증가 예측

Unsupervised learning

• 레이블이 지정되지 않은 데이터를 기반으로 모델을 훈련함
• 데이터 내에 숨겨진 패턴 또는 구조를 인식하는 알고리즘 사용
• 클러스터링
  • 특정 클러스터의 속성을 파악하기 위해 데이터 포인트 간의 유사한 특성 또는 거리를 기준으로 데이터를 여러 클러스터로 그룹화
  • Use Case)
    • 고객 세분화
    • 타겟 마케팅
    • 추천 시스템
• 차원 축소
  • 가장 중요한 정보 또는 패턴을 보존하면서 데이터 세트의 특성 또는 차원의 수를 줄이는 데 사용되는 비지도 학습 기법
  • 데이터의 특성 수를 줄여서 더 단순하고 의미 있는 표현을 찾는 과정
  • Use Case)
    
    • 빅데이터 시각화
    • 의미 있는 압축
    • 구조 발견
    • 특성 도출

Reinforcement Learning

• 이전 반복에서 얻은 피드백을 마이닝하여 모델을 지속적으로 개선하는 학습
• ex) AWS DeepRacer 시뮬레이터에서 에이전트는 가상 자동차, 환경은 가상 경주 트랙, 작업은 스로틀과 스티어링 입력이며 목표는 트랙에서 벗어나지 않고 가능한 빠른 속도로 경기장을 완주하는 것이다.