피드로 돌아가기
Dev.toAI/ML
원문 읽기
AI/ML 계층 구조 설계를 통한 최적의 모델 채택 프레임워크
AI vs ML vs Deep Learning vs Generative AI: the map that finally makes it click
AI 요약
Context
모호한 AI 용어 사용으로 인한 시스템 설계 시 불필요한 오버엔지니어링 발생. 단순 규칙 기반으로 해결 가능한 문제에 고비용의 Neural Network를 도입하는 비효율적 의사결정 구조 존재.
Technical Solution
- AI-ML-DL-GenAI로 이어지는 계층적 Nested 구조를 통한 문제 정의 범위 구체화
- Rule-based System을 통한 단순 지능형 작업 처리 및 리소스 최적화
- Data-driven Pattern Learning 기반의 Machine Learning 적용으로 동적 규칙 생성
- Neural Network 기반 Deep Learning 도입을 통한 비정형 데이터(이미지, 오디오) 처리 역량 확보
- Deep Learning의 확장 모델인 Generative AI를 활용한 신규 콘텐츠 생성 로직 구현
- 데이터 가용성 및 요구 기능(분류 vs 예측 vs 생성)에 따른 최적 레이어 선택 프로세스 정립
실천 포인트
1. 요구 사항이 단순 규칙으로 해결 가능한지 확인하여 불필요한 ML 도입 방지
2. 학습 데이터 확보 가능 여부를 검토하여 ML/DL 적용 가능성 판별
3. 단순 분류/예측 작업에 Generative AI를 적용하는 오버엔지니어링 리스크 점검
4. 데이터의 정형성 여부에 따라 Machine Learning과 Deep Learning 중 적합한 아키텍처 선택