이 글을 먼저 읽지 않고 AI 프로젝트를 구축하지 마세요

ChatGPT의 기능이 마음에 드시나요? 아니면 방금 ML 과정을 마쳤고 이러한 기술을 사용하여 멋진 기능을 구축할 준비가 되셨나요?

두 경우 모두, 첫 번째 AI 기반 기능을 구축할 때 어떤 과제가 기다리고 있는지 알아야 합니다 . 이 모든 것을 1년 전에 알았더라면 좋았을 텐데요.

가장 먼저, AI가 필요하다고 확신하시나요?

구글의 ml의 규칙 작업을 수행하고 휴리스틱이 유지 관리하기 복잡해지는 경우에만 기계 학습 솔루션으로 전환하는 휴리스틱 기반의 간단한 알고리즘으로 시작하는 것이 좋습니다.

문제를 해결하기 위해 AI를 추가하면 다음과 같이 처리해야 하는 추가 과제가 발생합니다.

• 설명 가능성 - 고객에게 솔루션이 이런 방식으로 작동하는 이유
• 데이터 개인정보 보호 - 고객의 민감한 데이터를 처리하는 타사 솔루션이 있습니까?
• 유지 관리/구현 비용 - 구축한 제품이 첫날부터 최고의 목표 성능을 발휘하지 못할 가능성이 높으며 모델 개선에 더 많은 시간을 투자해야 합니다.

계획 없음 = 성공 없음

이 프로젝트는 무엇에 관한 것인가요? 어떤 고객 문제를 해결할 것인가? 어떤 측정항목이 개선될 것으로 예상되나요? 알려진 시스템 제한 사항은 무엇입니까?

구현하기 전에 이러한 모든 질문에 대한 답을 얻는 것이 중요합니다. 계획 중에 잠재적인 함정을 더 많이 식별할수록 좋습니다. 변화의 비용 이 단계에서는 상대적으로 낮습니다.

메모는 어디에 있나요?

문제 설명, 지표, 원하는 결과, 테스트 사례, 연구 로그, 설계 문서, 마일스톤 등 모든 것을 문서화해야 합니다.

문서를 작성하면 염두에 두어야 할 사항이 줄어 듭니다. 다른 사람들이 귀하의 프로젝트에 빠르게 참여하거나 귀하의 작업 결과를 다른 프로젝트에서 사용할 수 있습니다.

작고 간단하게 시작하세요

기능의 첫 번째 버전을 단순하게 유지하면 빠르게 구축하고, 영향을 측정하고, 통찰력을 얻고, 계속 반복할 수 있습니다. 작은 것을 구축하면 추가 반복에서 개선할 기본 성능을 설정할 수도 있습니다.

많은 일을 하고 가능한 모든 사용 사례를 처리하는 시스템을 만드는 것은 흥미로운 도전입니다. 하지만, 스케이트보드 만들기 자동차를 만들기 전에는 항상 좋습니다.

연구를 해보셨나요?

문제가 해당 분야에 처음이고 아직 아무도 해결하지 못한 경우 해당 문제에 대해 조사해 보세요. 문제 해결이 가능한지 테스트하고 싶습니다.

연구 결과는 알고리즘이 문제를 해결할 수 있음을 보여주는 최소 작동 프로토타입입니다. 또한 연구 결과에 따르면 실행 가능한 솔루션이 없다는 사실이 밝혀졌습니다. 이는 훌륭한 학습입니다. 이것이 바로 프로젝트 시작 시 이 단계를 수행하는 이유입니다.

과대평가하지 마세요!

개념 증명은 환상적으로 보이고 과대 광고를 유발할 수 있지만 프로토타입과 모든 사용자에게 적합한 프로덕션급 솔루션 사이에는 많은 작업이 필요합니다.

새로운 기술을 사용하여 작업할 때 할 수 있는 가장 좋은 방법은 작업을 빨리 완료하겠다고 약속하지 않는 것 입니다. 시간을 들여 기술과 문제 공간에 익숙해지고 작업을 여러 개의 작은 이정표로 나누고 별도로 추정하십시오.

무언가가 계획대로 진행되지 않는다는 것을 알게 되면 팀과 소통하여 일정/프로젝트가 변경되었음을 모든 사람이 이해할 수 있도록 하세요.

테스트 작성

AI로 개발할 때에도 동일한 소프트웨어 엔지니어링 원칙을 적용해야 합니다. 귀하의 솔루션은 발전할 것이며 예상대로 작동하는지 확인해야 합니다. 자동화된 테스트 수동으로 테스트하는 데 소요되는 시간을 줄이고 문제와 솔루션에 집중하는 데 더 많은 시간을 제공합니다.

슬픈 소식을 전할 시간입니다...

몇 달 동안 열심히 작업한 후에도 모델의 성능이 저하될 수 있습니다. 이는 실망스러울 수 있지만 ML 개발 프로세스의 일부입니다. 실패가 가능하다는 사실을 받아들이고 필요한 경우 접근 방식을 전환할 준비를 해야 합니다.

기억해야 할 중요한 점은 모든 실패는 미래를 위해 배우고 발전할 수 있는 기회라는 것입니다.

결론

AI 기반 기능을 구축하려면 신중한 계획, 연구 및 구현이 필요합니다. 작게 시작하여 모든 것을 문서화하고 팀과 정기적으로 소통하는 것이 중요합니다. 그리고 무엇이든 구현하기 전에 AI가 필요한지 항상 평가하는 것을 잊지 마십시오.

실패는 가능하지만 배우고 발전할 수 있는 기회라는 것을 기억하십시오. 결코 실패하지 않는 유일한 사람은 결코 시도하지 않는 사람입니다.

유용한 리소스:

• 내 개인 블로그
• 자동화된 테스트를 작성해야 하는 이유
• ML의 규칙 마틴 징케비치(Martin Zinkevich)
• 시간이 지남에 따라 개발 비용이 어떻게 변하는가
• MVP 이해하기 ~에 의해 헨리크 크니베르그