AI와 디지털 사이니지 - III

AI와 디지털 사이니지 관련 글을 연재 과정에서 AI 학습을 하고 있는 느낌이다. 기술, 산업, 서비스가 융복합이 되기 위해서는 각각의 내용에 대해 제대로 이해하는 것이 중요함을 다시 한번 알게 되었다. AI에 대한 기초적이며, 올바른 이해가 바탕이 되어야 사업 기획과, 서비스를 만들 수 있다는 생각이 들었다. 용어에 대한 이해와 개념적 정의가 우선되어야 한다는 생각으로 이 글을 쓰게 되었다. 블로그를 쓰기 위해 내용을 정리하는 동안 내 안의 선입관과 혼란스러움으로 많은 시간이 소요되었다. 이 글을 쓰면서도 확신보다는 내가 이해한 만큼의 내용을 정리하는 것에 중점을 두었다.

AI를 접하면서 가장 많이 보고, 듣는 단어가 학습(Learning), 알고리즘(Algorithms), 모델 (Model), 모델 구조(Model Structure) 등의 용어이다. 이 용어들은  AI가 문제를 해결하고, 데이터를 통해 예측하거나 판단하는 과정의 중요한 단계로 개념과 내용 정리가 필요했다.

 

A. 학습 (Learning)

기계가 데이터를 통해 스스로 지식을 획득하는 것으로 사람이 규칙을 코딩하지 않아도, 데이터를 보고 스스로 패턴을 학습하는 방식이다.

학습은 <무엇을 어떻게 배울 것인가? / 어떤 방식으로 학습할까? > 등을 결정하는 단계이다. 비즈니스 관점에서 학습(Learning)은 전략 설계 단계로 문제를 어떤 방식으로 해결 할지 결정한다. (추가 예제 : 수학 공부 방법 (예: 인강, 문제집, 실습))

 

B. 알고리즘 (Algorithm)

기계가 학습을 수행하는 수학적 절차이자 실행 방법으로 문제를 해결하기 위한 명확한 계산 절차다. 알고리즘은 문제를 풀어가는 기준을 정하고 그 기준에 따라 문제를 풀어가는 프로세스이다. 예를 들어 고양이 사진을 보고 분류하려면, 어떤 기준으로 판단할지?, 어떤 수치를 기준으로 나눌지? 이 모든 것이 알고리즘이다. (추가 예제:  수학 문제를 풀기 위한 해법, 공식) 

 

C. 모델 (Model)

모델은 학습을 통해 완성된 결과물로, 입력 데이터를 받아 예측이나 판단 결과를 출력하는 구조이다. 이 모델은 여러 알고리즘을 통해 학습되며, 서비스에서 실질적으로 동작하는 예측기의 역할을 한다.(추가 예제:  수학 문제 풀이 시, 여러 해법을 거쳐 나온 정리된 계산 틀 ) 

 

D. 모델 구조 (Model Structure)

모델 구조는 학습된 모델이 어떤 방식으로 계산하고 판단하는지에 대한 내부 설계도다. 모델이 어떤 형태의 수학적 연산을 사용하여 입력값을 처리하고 출력값을 도출하는지 구조적으로 정의한 틀이다. (추가 예제:  수학 문제를 풀기 위한 전략적 사고 틀: 문제를 단순히 외우는 것이 아니라, ‘도형 문제는 먼저 넓이를 구하고 각도를 본다’는 식의 계산 로직 흐름 설계 ) 

 

[개념 요약 정리]

구분	정의	AI 시스템에서의 역할	기획 및 개발 관점
Learning	데이터를 기반으로 문제 해결 방식을 학습하는 전략	무엇을 어떤 방식으로 학습할지 결정	전략 설계 / 문제 정의
Algorithm	데이터를 처리하고 학습을 실행하는 수학적 절차와 계산 방식	학습을 수행하기 위한 계산 방법	수단 선택 / 구현 기초
Model	학습된 결과물로, 입력 데이터를 기반으로 예측을 수행	실제로 예측이나 분류 등의 결과를 생성하는 실행기	성능 산출 / 결과 활용
Model Structure	모델의 내부 계산 구조 (레이어, 노드, 가중치 등 구성)	데이터가 모델 내에서 처리되는 방식	구조 설계 / 최적화

 

[구성 요소 간 관계]

 

[문제 정의] ->

[Learning 방식 결정] ->  [Algorithm 선택 및 설계] ->  [Model 학습 수행] -> [Model Structure에 기반한 계산] -> 

[결과 출력 → 예측 / 분류 / 추천 등]

 

학습(Learning), 알고리즘(Algorithm), 모델(Model), 모델 구조(Model Structure)는 AI 시스템을 구성하는 핵심 엔진 요소들로, 문제 해결을 위한 전략 설정 → 계산 방식 → 예측 실행기 → 내부 구조 설계의 전 과정을 아우르는 체계적인 구성 단위이다.

 

 

 

E. 디지털 사이니지 산업 기반 적용 예제

사례 1

1) 문제 정의 : 

백화점 입구에 설치된 디지털 사이니지가 고객의 나이대와 성별을 인식해 가장 적합한 광고 콘텐츠를 자동으로 노출하는 시스템을 구축하고자 한다.

2) AI 시스템 

구분	정의	비즈니스 적용 예시
Learning	학습 전략 정의	고객 데이터와 실제 광고 클릭 여부를 학습하여, 다음 고객의 클릭 확률을 예측 “20대 여성 고객에게 어떤 광고를 보여줘야 가장 클릭 확률이 높을까?”를 학습시키는 전략
Algorithm	문제 해결 공식	고객의 연령대가 20대이고, 시간대가 오후 4시라면, 클릭 확률은 82%다”라는 수치를 산출하기 위한 연산 공식
Model	학습 결과물	AI 광고 솔루션에 탑재되어 API 호출로 예측 결과를 반환하는 형태의 SW
Model Structure	내부 작동 방식	고객 인식과 추천 구조 분리 설계로 성능과 확장성을 고려한 설계

 

사례 2

1) 문제 정의 : 

디지털 사이니지 기기의 센서 데이터를 분석해 이상 징후를 조기 감지하고, 고장을 사전에 진단하는 시스템을 구축하고자 한다.

2) AI 시스템 

구분	정의	고장 진단 시스템 적용 예시
Learning	학습 전략 정의	이상 징후가 발생한 기기를 미리 파악하고 싶다.  비지도학습(Unsupervised Learning) 또는 지도학습(Supervised Learning) 방식 선택
Algorithm	문제 해결 공식	센서 이상치 감지는 Isolation Forest, One-Class SVM, 과거 고장 이력 기반 예측은 랜덤 포레스트, 로지스틱 회귀 등의 공식 선정
Model	학습 결과물	기기 A는 3일 이내 냉각 문제 발생 확률 85% 일때 원격 관리 시스템)에서 알림 전송 및 자동 점검 프로세스 연결 SW 개발
Model Structure	내부 작동 방식	간단한 이상 탐지는 결정 트리 기반 구조로 복잡한 다중 센서 패턴 인식은 LSTM, GRU 등 시계열 딥러닝 구조 사용 가능성 검토 후 적용

 

F. AI 기반 디지털 사이니지 시스템 구축을 위한 업무 분장

AI 기반 디지털 사이니지 시스템을 구축하기 위해서는 서비스 기획자 그룹, 데이터 분석가 그룹, IT 개발자 그룹이 협업해야 한다. 

AI 기획, 설계, 구축의 핵심인 학습(Learning), 알고리즘(Algorithms), 모델 (Model), 모델 구조(Model Structure)  개발을 위해서는 각 개념에 대한 업무 역할 비중이 상이하다. 

아래의 내용은 AI기반 디지털 사이니지 개발을 위한 업무 그룹의 역할과 AI 구조에 대한 내용을 정리하였다. 

구분	서비스 기획자	데이터 분석가	IT 개발자
Learning	업무 역할 비중 : 40% 서비스 문제 정의에 따른 방향 설정 데이터 수집/구조 설계	업무 역할 비중 : 50% 문제 유형에 맞는 학습 방식 제안 데이터 특성 기반으로 적합도 판단	업무 역할 비중 : 10% 학습 자동화 환경 구성 엔지니어링 지원
Algorithm	업무 역할 비중 : 10% 알고리즘 원리 이해 및 기획 방향 피드백	업무 역할 비중 : 60% 알고리즘 설계 및 성능 비교 실험 튜닝 및 최적화	업무 역할 비중 : 30% 코드 구현, 파라미터 최적화 적용
Model	업무 역할 비중 : 20% 예측 결과의 서비스 연계 UX 설계	업무 역할 비중 : 0% 모델 성능 평가 및 개선 모델 신뢰도 분석	업무 역할 비중 : 30% 모델 배포, API화, 서비스 연동
Model Structure	업무 역할 비중 : 10% 구조 복잡도에 따른 리스크 관리 개발 범위 협의	업무 역할 비중 : 30% 문제에 적합한 구조 실험 성능 고려한 구조 선택	업무 역할 비중 :  60% 구조 구현 및 최적화 실행 환경 구성 (GPU, 병렬 처리 등)

 

이 글이 디지털 사이니지 및 AI 기술의 융합을 고민하는 기획자, 개발자, 실무자들에게 개념 정립의 출발점이 되었으면 한다.

 

===============================================================

디지털 옥외 미디어 서비스  플랫폼

(주)엠앤엠네트웍스 CEO & 공공미디어 디렉터  김성원  

 e-Mail : sungwon.kim@mnmnetworks.com

 

================================================================