[언그래머] 일흔아홉번째 아티클_'아마존 고'의 몰락?

안녕하세요 여러분!

김송아입니다.

 

 

 

여러분 혹시 한 때 유통에 엄청난 바람을 몰고 왔던 무인 결제 트렌드 시절을 기억하시나요?

 

 

그 트렌드는 미국에서 바다를 건너와 우리나라 유통 업계에도 태풍을 일으켰었죠.

아마존고보다 더 편하다…롯데, 무인 편의점 파격 실험 | 중앙일보

 

신세계 이마트24, 완전스마트무인매장 국내 첫 상용화

 

 

 

이런 노력들 덕분에 우리는 요즘 너무 자연스럽게, 무인 결제 시스템을 잘 사용하고 있기도 하구요ㅎ.ㅎ

 

 

 

근데 사실 이 시스템의 주인공은

바로 인공지능입니다.

 

 

 

인공지능이면, 알아서 우리가 뭘 샀는지 체크하고 결제해줬던 건가?! 싶으시죠?

맞긴한데~

 

인공지능은..

놀랍게도.. 인간이 없으면 있을 수가 없습니다.

 

모든 인공지능은 기본적으로 데이터가 쌓여야 하고,
그 데이터를 바탕으로 학습을 해야만 똑똑해질 수 있기 때문이죠.

 

 

 

그럼 데이터를 어떤 형태로 인공지능에게 학습시켜야 할까요?

정형화된 텍스트의 경우, 인공지능에게 그대로 삽입해서! 인공지능이 그대로 읽어서 학습할 수 있겠지만

 

 

🤔 정형화되지 않은 텍스트는 어떻게 학습 시킬 수 있을까요?

🤔 아니면 찍는 사람마다 다르게 표현되는 사진은?

🤔 아니면 영상은?!

 

 

 

 

이럴 때 필요한 작업이 바로 

데이터 라벨링입니다.

 

데이터 라벨링이란?
정형화되지 않은 이미지, 사진, 영상, 텍스트 등의 데이터를 인공지능이 학습할 수 있도록 인간이 가공해주는 것을 말합니다.

 

 

 

한 때, 알바로 유행하기 까지도 했던 데이터 라벨링.

어떻게 하는건지 궁금하시죠?

 

쉽게 말해서 로봇이 아닙니다 를 생각하시면 됩니다.

로봇이 아닌 걸 증명하기 위해, 우리는 "사람으로써" 사진 퍼즐을 보면서 질문이 제시하는 키워드가 있는 타일을 모두 선택하곤 합니다.

 

 

 

자주 틀리는 건 안 비밀

 

 

 

이처럼 인간이 데이터를 선별해주는 것입니다.

(실제로 로봇이 아닙니다 테스트가 인공지능의 학습에도 사용된다고 하죠)

 

참고) 데이터 라벨링을 하는 방법에 대해서는 아래 링크에서 자세히 확인하실 수 있습니다.

인공지능 학습 데이터 구축에 필요한 ‘데이터 라벨링’이란? – 테스트웍스

 

 

 

아무튼! 아마존 고 역시 인공지능에게 학습시키기 위해서 정말 많은 데이터 라벨링이 필요했습니다.

 

하나의 매장 안에서는 사람들이 어떻게 물건을 집을 지, 어떤 방향으로 걸어 다닐지, 어디에 집어넣을지 등 정말 많은 경우의 수가 산발적으로 존재하기 때문입니다.

 

그래서 1000명 이상의 인도인이 데이터 라벨링에 투입될 정도였다고 합니다.

AI의 머신러닝, 알고보니 中·인도의 값싼 노동력 덕분

 

 

 

그렇게 엄청난 노동력과 함께 성황리에 이어가는 듯 했던 아마존 고는..

 

작년부터 철수설이 돌기 시작했고..

최첨단 기술, 성과는 암울...AI 매장 '아마존 고' 철수설 | 중앙일보

 

올해는 진짜 축소하겠다는 뉴스가 나고 있죠.

아마존 자동 결제 기술 `저스트 워크 아웃` 축소·폐지…왜?

 

 

 

수지타산이 안맞는다는 결론이긴 합니다.

 

✔️매장의 결제의 유용성은 인정하고,

✔️IT 서비스의 엄청난 비약도 맞지만

 

매장에서 판매하는 제품에는 경쟁력이 없다는 것이 업계의 시선이라고 합니다.

 

 

 

 

아무쪼록, 아마존 고 처럼 특정 업계에 획기적인 시도가 일어나면

그 업계의 긍정적 메기가 되어주니!! 기다리지 않을 수 없겠네요.

 

AI의 엄청난 부피감에 최근에는 업계를 상관하지 않고, AI에 집중하는 모습을 보이고 있으니

또 다음 메기가 나타날 때가 되지 않았나 싶습니다.

 

빅테크들 AI 올인, 대형 프로젝트 줄줄이 취소한다

 

 

 

후- 이번 글은 다른 기사 구경하시느라 한 세월이시겠지만

주말에는 벚꽃 구경하면서 잘 보내시길 바라며!

 

우린 또 다음 주에 만나요🫶🏻