|
:: 게시판
:: 이전 게시판
|
- 모두가 건전하게 즐길 수 있는 유머글을 올려주세요.
- 유게에서는 정치/종교 관련 등 논란성 글 및 개인 비방은 금지되어 있습니다.
통합규정 1.3 이용안내 인용"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
22/07/04 18:27
딥러닝을 할때 중요한 작업 중의 하나가 신경망이 내놓은 답이 맞는지 안 맞는지 확인해주고 그걸 피드백해주는 거죠.
영상인식의 경우엔 그 역할을 해주는게 저 라벨링이고요. 근데, 특별한 고급기술 없이도 누구나 할 수 있는 일이라 저렇게 쓰고 버리는 작업이기도 하고요...
22/07/04 18:36
네, 국내에서도 저런 일을 하는 곳이 꽤 있죠.
취업보장 단기 인공지능 교육 여는 곳에서 알선하는 업체가 대부분 이런 곳이지 않을까 추측 중
22/07/04 18:45
그나마 테슬라가 자체적으로 사람들을 뽑아서 쓴 편인거죠.
저런 라벨링 된 데이터베이스를 만들어서 판매하는 회사도 많습니다. 인건비가 싼 나라에서 많이 하죠.
22/07/04 18:58
(수정됨) 레이블링은 인도에서 하는데
저걸 지금까지 미국인건비로 하고있었다고? 뭔가 잘못알고 이야기하는듯 그리고 테슬라 데이터 양으로 볼때 레이블러 200명가지고는 택도 없음 미국본사소속 200명이면 레이블러 일 가능성은 0%에 수렴함
22/07/04 19:08
제 생각에는 레이블링 외주회사 관리 직원들이 아닐까 합니다.
전 세계에 돌아다니는 테슬랑 차량 숫자와 해당 차량들이 보내오는 엄청난 데이터를 레이블링 하려면 200명 모두가 레이블링 회사 하나씩 담당한다고 해도 가능하지 않을까... 생각해봅니다.
22/07/04 19:13
그런데 저 라벨링 작업이 엄청 귀찮고 짜증나고 시간 많이 드는 일입니다. 돈많은 회사라면 돈으로 쳐발라서 하고 싶은 일인데 극극극소기업이라 개발하면서 저런 것까지 직접해야 해서 피곤하네요. 소규모 데이터로 훈련시키고 그걸로 다시 분류하고 하는 편법 쓰는 테크닉도 생겼긴 합니다만...
22/07/04 19:34
4차산업시대의 인형 눈붙이기작업이라고 하죠
요새 오토라벨링 기술이 발전중이긴 한데 그래도 확인을 위해서라도 인력이 필요하긴 하죠 결국 확증된 데이터가 많아야 인공지능 모델 신뢰도가 높으니 라벨링은 꾸준한 수요가 있을듯합니다...
22/07/04 20:08
이미 aws나 gcp에서 관련 기술 나온지가 꽤 됐습니다..
인건비 개비싼 Data science라는 사람들 뽑아놓고 하는일이 저 데이터 레이블링이다보니 저 레이블링도 ML을 활용할 수 있지 않을까? 하는 니즈가 수년 전부터 있었고 충분히 대체 가능해졌다 봅니다
22/07/04 22:09
선생님 제가 순전히 문외한으로써 궁금해서 여쭤보는건데요
제가 저 기사에서 이해한 레이블링의 정의대로라면 그렇게까지 높은 전문성을 요구하지 않는것 같은데 레이블링에 석박사급 고급 인력들이 필요하다고 하셔서 오잉?싶어서 질문드립니다 혹시 저 기사에 나온 레이블링과 선생님께서 말씀하시는 레이블링의 뜻이 다른가요? 예전에 수박겉핥기식으로 배운거에선 ML할때 feature를 잡아주는게 중요하다 배웠던것같은데 그런 feature를 직접 선정하거나, 또는 그러한 feature를 컴퓨터가 스스로 잡게 하기 위해서는 고급인력이 필요하겠다 싶기도 하거든요
22/07/04 22:23
일단 저도 기술 전문가는 전혀 아닙니다만, 제가 알기로는 저 레이블링이 그 레이블링 맞습니다. 의외로 그렇게까지 높은 전문성을 요구하지 않는 것 같은 그 일에 석박사 출신 'data scientist' 씩이나 되는 거창한 타이틀이 붙어 있고, 특히 스타트업 등에서 AIML에 대한 관심은 높아지고 'data scientist'에 대한 수요는 많아지던 시기에 공급은 없다보니 높은 몸값을 주고 모셔놓은 dafa scientist 들에게 시키는 일이 결국은 data labeling, 풀어 말하면 이것은 차, 이것은 사람, 이것은 개, 이것은 고양이, 이것은 나무를 정의하는 일을 시키는게 대부분이었다고 하더라구요. 이미 5~6년 이상 전의 업계의 니즈였다고 알고 있고 이것을 AIML을 통해 극복하는 방법 또한 이미 오래전에 연구 및 기능 출시는 된지 오래지만 실제 시장에 반영되기까지 시간이 걸린거라 생각합니다.
22/07/04 21:58
과학분야에서 AI를 이용하려고 할 때 가장 골치아픈게 저 레이블링인 것 같아요
레이블링 하려면 석박사급 지식이 필요한데 그런 인재들을 레이블링따위에 쓰기엔 아까운...
22/07/05 11:31
(수정됨) 3년, 3년내로 범용지능나오면서 거의 소멸될겁니다.
그 이후부터는 거의 100%에 근접한 비율로 AI가 AI를 진화시킬거에요 인간은 큰방향성에 대해서만 AI와 대화를 나눌것이고 실제적인 설계 실험 보완은 AI가 전부 도맡아서 할겁니다. 아무래도 물리적으로 큰행위가 요구되지않는 시스템 내부의 알고리즘에 대한 실험이다보니 말도안되는 속도로 발전할것같은데 저로서는 그때부터는 얼마나 빠른속도로 발전할지 도저히 상상이 안가네요
22/07/05 13:26
현재 유행인 기계학습(주로 딥러닝) 관련 부분에서 3년 내에 AGI가 나오기란 거의 불가능하다고 봅니다.
그렇다면 3년 내에 AGI를 달성하기 위한 기계학습의 새로운 패러다임이 나와야 할텐데 그게 유행타고 더 발전해서 AGI를 내놓는데는 3년은 너무 짧다고 봅니다.
|
||||||||||||||||||
