Data experience: Pre-emption

Data Experience

서울대학교 | 융합대학원 | 이중식교수

데이터가 만드는 새로운 사용자경험

Data 가 Computer 다 !

어떻게 인터액션 할 것인가 ?

핵심은 포워드 모델사용자 경험은‘ 행동 담기’와 ‘선제’

Data 가 Computer 다 !

이제 , Data 가 Computer 다 !컴퓨팅의 패러다임이 변하고 있다 . 메인프레임으로 시작된 컴퓨팅은 , PC 와 스마트폰을 거쳐 공간에 퍼져있는 IoT 를 향하고 있다 . 하지만 IoT 변화의 핵심은 작은 디바이스가 아니라 끊임 없이 생산되는 엄청나게 많은 데이터 ( 스트림 ) 에 있다 .

MainframeComputer

PersonalComputer

SmartPhone

Internetof Things Data

1. Data 에 이미 답이 있다 .데이터는 인공지능의 필수적인 재료가 된다 .하지만 사물이 데이터화 (data-fy) 되고 , 연결되는 것 자체로도 대부분의 답을 찾을 수 있다 .데이터 속에는 문제 (problem) 도 답 (solution) 도 있기 때문이다 .

Deep Learning Google Translate

2. Data 가 소프트웨어를 만든다데이터 컴퓨팅이 가져오는 더 중요한 변화는 , 데이터가 소프트웨어를 만든 ( 재조정 ) 한다는 점이다 . 딥러닝이 OS 차원에 탑재되면 , 처음에는 어리숙하지만 쓰다보면 사용자를 닮아가는 아주 새로운 기계 경험을 할 수 있게 된다 .

Machine Learning 영화 ‘채피’

3. 재목적화 가능해진 Data지금의 데이터는 규격이 달라 재목적화 (repurpose) 와 연산이 어렵다 .이를 해결하기 위해 도메인별 데이터 표준과 데이터 플랫폼 경쟁이 치열하다 .

우리가 핸들링 할 수 있는 객체의 수준이 데이터 ( 스트림 ) 수준으로 낮아지고 , 처리기술이 고도화되면 , 컨수머 컴퓨팅도 새로운 전환을 맞이하게 된다 .

Various Wearable DevicesData

Platform Data remix Usage

핵심은 ‘포워드 모델’

1 세대 : 피드포워드 머신초기의 기계들은 피드포워드 머신이었다 .스위치를 누르면 지정된 룰대로 움직이는 기계들 . 시계 , 세탁기…

Process Output

pre-defined way

60bpm딸깍 , 딸깍Input시작

Feedforward

2 세대 : 피드백 머신피드백 머신은 자동제어를 통해 인간의 시간을 확보해 주었다 . 냉장고 , 밥솥… 프로그래밍의 if then 구문을 생각해 보면 컴퓨터도 피드백 머신의 확장이다 .

지금의 ‘사용자 경험’의 대부분은 피드백 머신 조작 경험이다 .

Input Output

Feedback지정온도 변화온도

냉각기 제어

Process

Feedback Model

데이터 컴퓨팅에선 , 포워드 모델데이터와 결합된 인공지능 경험의 핵심은 ‘포워드 모델’이다 .쌓여진 데이터는 결과를 미리 예측하고 , 나의 행동을 유도한다 .

즉 , 사용자가 한발짝만 떼면 기계는 움직임을 알아차리고 , 미니모델을 돌려 행동을 ‘선제 (pre-emption)’ 한다 . 사용자는 제안을 수용하거나 무시하며 시스템은 새로운 제안을 한다 .네비게이션의 ‘경로이탈 재탐색’이 가까운 사례이다 .

Input Process Output

forward model

걷자 몸 기울기

몸 기울기 예상

근육 조절

+-경로 재탐색 중입니다

Forward Model

선제 pre-emption

데이터를 기반으로 미래를 예측하고 이벤트를 통제하는 사전 억제를 선제라고 한다 . 선제는 영화 마이너리티 리포트의 테마이며 , 구글무인차는 선제적 방어 운전 , 아마존은 데이터를 기반한 ‘사전 배송 anticipatory shipping 특허가 있다 .

Google 무인차 데이터스케이프 아마존 사전예측 배송 특허

행동담기극강의 개인화

선제

행동 담기포워드 모델이 잘 돌아가기 위해선 , 행동을 잘 담아내는게 중요하다 .암묵적인 의도나 모호한 취향을 드러나게 하는 장치도 중요하다 .

‘ 답 set’ 을 얻게 되면 , ‘ 행동 set’ 의 해석이 쉬워지고 , 다른 행동 set 를 분석할 수 있게 된다 .

구매 Data

취미 Data

소셜 Data

구매의 답취미의 답소셜의 답

행동 set 답 set

애플뮤직 음악추천

PIMS 기반 선제 서비스포워드모델은 의미 있는 ‘선제’를 가능하게 한다 .구글 , 애플은 포워드 모델 서비스를 실험 중이다 .사람들은 ‘선제’와 스팸 , 알림의 미묘한 차이를 알아챈다 . 이는 PIMs(personal information management) 데이터의 고도화된 분석을 근거로 하기 때문이다 .

PIMS 기반 출발 제안 PIMS 기반 사진 태깅 Galaxy S7 PIMS

선제 Pre-emptive 서비스선제란 , 내가 예약하지 않았는데도 알림이 오는 경험이다 .데이터에 의해 예측된 행동과 내 실제 행동이 일치하지 않을때나로 하여금 ‘조정’을 요청하는 인터액션이다 .

코인 파킹 종료 선제

행동 담기 taming사용자는 행동과 선호를 기계에 담아내야 한다 . 그리고 선제에 대한 평가를 해야 한다 . 이를 통해 비지도학습 (unsupervised learning) 을 지도학습 (supervised learning) 으로 바뀌어 머신러닝 효율을 높일 수 있다 .빈번한 ‘답주기’를 위해 별도의 하드웨어 키가 필요할 수도 있다 .

하드웨어 ‘ Like’ 버튼

포워드 모델에 개입포워드모델이 학습됨에 따라 선제의 효율은 높아진다 .하지만 포워드모델의 내부적 매커니즘은 넌즈시 노출되어야 하며 ,사용자는 잘못되어 간다고 생각될때 쉽게 개입 (user control) 할 수 있어야 한다 .

사용 3 달취향 분석율 70%

Initial

20 대 여성 Top 10 브랜드입니다 .

칼하트와 수프림을 추천합니다 .

Trained

사용 1 일취향 분석율 20%

Abort 사용 1 달로돌아감

극강의 개인화포워드 모델은 ‘개인만을’ 위한 것이다 .모든 사람이 다르기 때문에 , 포워드 모델은 다른 사람이 쓸 수 없다 .

이 메커니즘의 핵심에 ‘디바이스’가 위치한다 .행동셋 , 답셋을 담아내는 ‘데이터 엔진’이 필요하며 , API 를 통해 사업자에게 제공될때 디바이스 제조사가 데이터의 주도권을 갖게 된다 .

행동 담기

선제

평가하기

지시 하기

결과 얻기누구나를 위한 답 개인을위한 답

스마트폰 사용경험 데이터컴퓨팅 사용경험

Thank you