top of page

엔진의 정확도와 UX

저번 글에 이어 사업화 까지의 과정을 간략히 공유 드리고자 합니다.

-개인의 주관, 사업화까지의 어려웠으나 극복했던 점, 실패한 점 위주로 작성하였으니 유념해서 읽어주시면 감사하겠습니다.


현재 AI기술 수준은 시장이 원하는 품질까지 나오지 않는다.

>> 기존 레거시 기술 분야를 AI가 대체 하는 것이 아니라 보완한다는 개념으로 시작해야 하며, 다른 분야의 기술이나 기법과의 결합하여 단점 보완이 되어야 한다.


 : 안면인식 기술을 응용하여 출입문 개폐 시스템을 만들고 적용하였을때를 예를 들어 설명 하겠습니다.

안면 인식 기술 하나만 한번의 인식으로 출입문을 열어 줄 수 있는 정확도를 가진 솔루션은 기존의 지문이나 홍채인식보다 정확도가 떨어집니다. 1회 측정 정확도 80%(정자제,정지된 사람의 경우).. 잘찍고 잘 분석해보야 95% 밖에 나오지않습니다. 이런 정확도는 산업표준 제품화 되기 어렵습니다. 보통 3시그마에서 맥스 6시그마..정확도 99.97%이상은 되어야 기존 홍채인식이나 정맥인식 또는 기존 태그방식(사원증)을 대체 할텐데 그럴만한 정확도는 나오지 않습니다.

그럼 이 기술은 연구소 수준에서 폐기하던가. 아니면 정확도를 획기적으로 올려야 할텐데 그럴려면 학습데이터가 수만장 필요하고 그래봤자 정확도 1% 올리는것에 수년을 고생해야 할 수도 있습니다.

여기서 저희는 조금 다르게 생각했습니다. 디자인적 사고를 여럿 적용 하여 정확도를 3시그마 수준으로 아주 간단히 올렸습니다.

예를 들자면) 한번에 인식하는 것이 아니라 걸어 오는 사람을 지속적으로(엘레베이터나 계단에서오는 사람을 관찰하고 적어도 5회 측정하여 각각 80%이상의 매치율이 3번 이상 연속으로 나오면 해당인원으로 인식하여 출입문을 개폐 하는 방식 입니다. 카메라 화각과 촛점을 좀더 멀리 잘 보이는 거리, 그리고 조명도 스팟이 안지게 골고루(사진에 얼굴이 그림자 안지게 ) 조정하고 야간을 대비하여 적외선 조명을 추가하여 정확도를 획기적으로 높일 수 있었습니다. (대략 99%)

또 한가지 중요한 단서는 UX적 사고였습니다.

빠르고 정확하다라는 것은 안면인식 엔진에게만 적용되는 것이 아닙니다. 이를 이용하는 사용자 입장에서도 중요한 점 입니다. 출입문에서 사용자가 인식이 언제 되는지, 문이 열렸는지 안열렸는지, 본인의 얼굴이 인식 된 것인지 오류가 났는지, 다시 인식해야 하는지등에 대한 사용자 경험 프로세싱이 잘되어 있지 않는다면 AI엔진이 뛰어나도 소용이 없게 되고 다른 한편으로 부족한 AI 엔진의 성능이 사용자 입장에선 UX가 그것을 보완해 줄 수가 있습니다. (또다른 의미로 넛지- Nudge 적인 조치)

반면 대부분의 안면인식 출입문 시스템은 문앞에서 조그만 액정 카메라를 한참 쳐다봐야 문이 열리게 되어 있습니다. 이런건 기존의 사원증 태깅 방식대비 불편하고 인식률도 떨어지고 결정적으로 인증에 걸리는 사용자의 수고가 더 들어가게 되어 결국 불편을 초래하고 사용을 기피 하고 있습니다.

 

위에 말한 이런 조치 덕분에 인공지능 인식률을 99%대로 정확도를 올릴수 있었고 사용자 입장에서도 기존 사원증이나 지문인증 방식보다 더 빠르고 편한 솔루션을 제공할수 있었습니다.


<인공지능 서비스중에 가장 잘 정리된 UX는 아마존 알렉사 라고 생각합니다. Ux분석글 참조 하시면 좋을 것 같습니다. 요. https://medium.com/@jamesfuthey/a-ux-design-process-for-designing-an-alexa-skill-8580e132fc78 >


주장하고 싶은 바는 아래와 같습니다.


AI엔진들의 성능들은 기존 산업계 표준을 대체하기엔 아직 갈길이 멀다.
다양한 융합적 사고의 조치들로 엔진성능을 올려야 한다.
 사용자입장에서의 정확도/편의성의 재고는 인공지능 엔진의 체감적 성능에 큰 영향을 미친다.


留言


bottom of page