[번역] 인공지능 비서 자비스(Jarvis) 만들기 by 마크 저커버그

by Philbert | 2016-12-29 15:34
javis 메신저봇 얼굴인식 음성인식 인공지능 자비스 자연어처리 페이스북

원문보기


2016년 저의 개인적인 도전은 아이언맨 (Iron Man)의 자비스(Jarvis)처럼 집에서 실행되는 간단한 인공지능을 만드는 것이었습니다. 


제 목표는 사람들이 인식하는 것보다 앞서 있으면서 아직 갈 길이 먼 인공지능의 최신기술을 배우는 것이었습니다. 이러한 도전은 항상 제가 예상했던 것보다 더 많은 것을 배우게 하며, 또한 페이스북 엔지니어들이 사용하게 될 모든 내부 기술뿐만 아니라 홈오토메이션의 전체적인 개요를 더 잘 이해하게 합니다.


올해 들어 지금까지, 저는 전화와 컴퓨터로 대화할 수 있는 간단한 AI를 만들었습니다. 조명, 온도, 가전제품, 음악 및 보안을 포함하여 저의 집을 제어할 수 있으며, 저의 취향과 패턴을 배우고, 새로운 단어와 개념을 배우고, 맥스도 즐겁게 해 줄 수 있습니다. 자연어 처리, 음성 인식, 얼굴 인식 및 강화 학습을 비롯한 여러 가지 인공지능 기법을 사용하며, 이들은 Python, PHP 그리고 Objective C로 작성되었습니다. 이 글에서는 제가 작성한 내용과 그 과정에서 배운 내용을 설명해드리고자 합니다.


자비스 제작을 위한 연결된 시스템 다이어그램


시작하기: 집에 접속하기


어떤 면에서, 이 도전은 제가 기대했던 것보다 쉬웠습니다. 사실, 달리기 도전 (2016년에 365마일 달리기도 시작했습니다)이 더 많은 시간이 걸렸습니다. 그러나 제가 예상했던 것보다 훨씬 복잡한 한 가지는 집에서 서로 다른 모든 시스템과 단순하게 연결하고 통신하는 것이었습니다.


인공지능을 만들 수 있기 이전에, 먼저 저는 이들 시스템을 연결하는 코드를 작성해야 했습니다. 이 코드는 모두 다른 언어와 프로토콜을 사용합니다. 조명, 온도 조절기와 문은 크레스트론(Crestron) 시스템, 음악을 위해 스포티파이(Spotify)로 소노스(Sonos) 시스템, 삼성 TV와 딸 맥스를 위한 Nest 캠, 그리고 물론 제 작업은 페이스북 시스템에 연결됩니다. 이들 중 일부는 제 컴퓨터에서 불을 켜거나 노래를 재생할 명령을 내릴 수 있는 지점까지 도달하기 위해 API를 리버스 엔지니어링 해야 했습니다.


또한 대부분의 가전제품은 아직 인터넷에 연결되어 있지 않습니다. 원격으로 전원을 켜고 끌 수 있는 인터넷에 접속되는 전원 스위치를 사용하여 이들 중 일부를 제어할 수 있습니다. 그러나 종종 그것만으로 충분하지 않았습니다. 예를 들어 제가 알게 된 한 가지는 전원이 꺼졌을 때 빵을 내려놓을 수 있고, 그래서 전원이 들어올 때 토스팅이 자동으로 시작되는 토스터를 찾기 어렵다는 것입니다. 저는 결국 1950년대의 오래된 토스터를 찾아서 인터넷에 접속된 스위치로 조작하고 있습니다. 마찬가지로, 저는 Beast용 음식 자판기나 회색 티셔츠 총(역자: 티셔츠를 던지는 총, 아래 비디오 참조)을 연결하려면 하드웨어 수정이 필요하다는 것을 알았습니다.


자비스와 같은 조수가 더 많은 사람을 위해 가정에서 모든 것을 제어할 수 있으려면 더 많은 디바이스가 연결되어야 하며 업계는 디바이스가 서로 대화할 수 있는 공통 API 및 표준을 개발해야 합니다.


자연어


컴퓨터가 집을 제어할 수 있도록 코드를 작성한 후에는 다음 단계는 컴퓨터와 집이 다른 사람들과 이야기하는 방식으로 대화할 수 있게 하는 것이었습니다. 이는 두가지 단계를 거칩니다. 먼저 텍스트 메시지를 사용하여 대화할 수 있게 만들었고, 후에 말하기 기능을 추가하고 제 말을 텍스트로 변환하도록 했습니다. 



 커맨드 라인에서 자연어 요청 예제


침실에서 조명을 켜도록 지정했는지 판단하기 위해 "침실", "조명" 및 "켜기"와 같은 키워드를 찾는 것으로 간단하게 시작했습니다. 동의어를 배우는 것이 필요하다는 것이 분명해졌습니다. "가족방"과 "거실"은 우리 집에서 같은 것을 의미합니다. 이것은 새로운 단어와 개념을 가르치는 방법을 만들어야 한다는 것을 의미했습니다.


컨텍스트 이해는 모든 AI에 중요합니다. 예를 들어, "내 사무실"에서 AC를 켜라고 말하면, 프리실라가 똑같은 것을 말한 것과는 완전히 다른 것을 의미합니다. 그 중 하나가 몇 가지 문제를 일으켰습니다! 예를 들어, 조명을 어둡게 만들거나 방을 지정하지 않고 노래를 연주하도록 요청할 때, 당신이 어디에 있는지를 알아야 합니다. 그렇지 않으면 우리가 실제로 Max를 재워야 할 때 그녀의 방에서 음악을 빵 터뜨릴 수 있습니다.


음악은 자연어 처리에 있어 보다 흥미롭고 복잡한 도메인입니다. 왜냐하면, 키워드 시스템을 처리하기에는 너무 많은 아티스트, 노래 및 앨범이 있기 때문입니다. 여러분이 물을 수 있는 것들의 범위 또한 훨씬 큽니다. 조명은 위아래로만 움직일 수 있지만, "X를 들려줘"라고 말하면 미묘한 차이라도 여러 가지 다른 것들을 의미할 수 있습니다. Adele에 대해 요청할 경우, "Someone like you 들려줘(play someone like you)", "Adele과 비슷한 사람 들려줘(play someone like Adele)" 및 "Adele 좀 들려줘 (play some adele)" 같은 것들이 있을 수 있습니다. 이들은 비슷하게 들리지만, 각각은 완전히 다른 요청 그룹입니다. 첫 번째 곡은 특정 곡을 연주하고, 두 번째 곡은 아티스트를 추천하고, 세 번째 곡은 아델의 베스트 곡으로 구성된 재생 목록을 만듭니다. 긍정적이고 부정적인 피드백 시스템을 통해 AI는 이러한 차이점을 배울 수 있습니다.


AI의 컨텍스트가 많을수록 개방형 요청을 처리하는 것이 좋습니다. 이 시점에서, 저는 주로 자비스에게 "저에게 음악을 틀어주세요"라고 묻습니다. 그리고 과거의 듣기 패턴을 보고, 듣고 싶은 것을 정합니다. 분위기가 잘못되면 예를 들어 "빛이 아니고 빛에 관련된 뭔가를 들려줘."라고 말하면서 노래에 대한 분류를 배우고 즉시 조정할 수 있습니다. 또한, 내가 Priscilla와 대화를 나누고 있는지도 알기 때문에 우리가 듣는 내용을 토대로 추천할 수 있습니다. 일반적으로, 우리는 더욱 구체적인 요청보다 더 자주 개방적인 요청을 사용하는 것으로 나타났습니다. 오늘날 이것을 하는 제가 아는 상용 제품이 없으며 큰 기회인 것 같습니다.


자비스는 얼굴 인식을 사용하여 자동으로 친구들에게 알려주고 알려줍니다.


시각 및 얼굴 인식


인간 두뇌의 약 1/3은 시각에 전념하고 있으며, 이미지 및 비디오에서 어떤 일이 일어나고 있는지 이해하는 것과 관련된 중요한 AI 문제가 많이 있습니다. 이 문제는 추적 (예 : 맥스 깨우기 및 그녀의 침대에서 움직이는가?), 물체 인식 (예 : 그 방에 있는 야수 또는 양탄자) 및 얼굴 인식 (예 : 누가 문 앞에 있습니까?) 등이 있습니다.


얼굴 인식은 특별히 사물 인식의 어려운 버전입니다. 왜냐하면, 대부분의 사람은 두 개의 임의의 객체, 예를 들어 샌드위치와 집을 구분하는 것과 비교해볼 때 상대적으로 비슷하게 보이기 때문입니다. 하지만, 페이스북은 친구들이 언제 당신의 사진에 있는지 파악하는 얼굴 인식에 능숙합니다. 이 전문 기술은 친구들이 집에 와 있고 AI가 그들을 들여 보내줄지 말지를 결정할 때 유용합니다.


이를 하기 위해, 모든 각도에서 이미지를 캡처할 수 있는 몇 대의 카메라를 설치했습니다. 오늘날 인공지능 시스템은 머리 뒤에서 사람을 식별할 수 없으므로 몇 가지 각도로 사람의 얼굴을 볼 수 있습니다. 저는 카메라를 지속적으로 감시하고 두 단계 프로세스를 실행하는 간단한 서버를 만들었습니다. 먼저 얼굴 인식을 실행하여 어떤 사람이 볼 수 있는지 확인한 다음, 두 번째로 얼굴을 찾으면 얼굴 인식을 실행하여 그 사람이 누구인지 식별합니다. 그 사람을 식별하면 목록을 확인하여 내가 그 사람을 기다리고 있는지 확인합니다. 그러면 내가 기다리고 있다면, 그 사람을 들여 보내고 그들이 여기 있다고 말하게 합니다.


이런 종류의 시각적 인공지능 시스템은 다양한 문제에 유용합니다. Max가 깨어나서 음악이나 만다린 레슨을 시작하거나 또는 우리가 집 안의 어느 방에 있는지 AI로 알 수 있게 함으로써 위치를 제공하지 않고도 "조명 켜기"와 같은 컨텍스트가 없는 요청에 올바르게 응답할 수 있습니다. 이 인공지능의 대부분과 마찬가지로, 시각은 세상의 더 넓은 모델을 알려주고, 친구가 누구인지 알며, 그들이 여기에 있을 때 문을 여는 것과 같은 다른 기능과 연관될 때 가장 유용합니다. 시스템이 지닌 컨텍스트가 많아질수록 더 똑똑해집니다.


메신저 봇


컴퓨터에서 자비스를 프로그래밍했지만 유용하게 사용하려면 어디서나 커뮤니케이션할 수 있기를 원했습니다. 이는 커뮤니케이션이 집에 배치된 장치가 아니라 전화기로 이루어져야한다는 것을 의미했습니다. 따로 앱을 만드는 것보다 훨씬 쉽기 때문에, 자비스와 통신하기 위해 메신저 봇을 만들기 시작했습니다.  메신저는 iOS와 Android 모두에서 돌아가고, 텍스트, 이미지 및 오디오 콘텐츠를 지원하며, 푸시 알림을 안정적으로 전달하고, 다른 사람의 신분과 권한을 관리하는 등 다양한 작업을 자동으로 처리합니다. messenger.com/platform에서 봇 프레임워크에 대해 배울 수 있습니다.

자비스 봇에 텍스트를 입력하면 즉시 자비스 서버로 중계되어 처리됩니다. 오디오 클립을 보낼 수도 있고 서버가 텍스트를 텍스트로 변환한 다음 해당 명령을 실행할 수 있습니다. 하루 중 언제라도 누군가가 집에 도착하면 자비스는 저에게 이미지를 문자로 보내고 거기에 있는 사람을 말하거나 제가 할 일이 있을 때 문자를 할 수 있습니다.


자비스와의 의사소통에 대해 놀랐던 한 가지는 제가 말하기 또는 문자 메시지 중 하나를 선택할 때 텍스트가 예상했던 것보다 훨씬 더 많다는 것입니다. 여기엔 여러 가지 이유가 있겠지만, 가장 큰 이유는 주변 사람들에게 방해가 되지 않는다는 느낌을 받기 때문일 겁니다. 제가 우리 모두를 위해 음악을 연주한다든지 그들과 관련된 무언가를 하고 있다면, 말하기는 괜찮지만, 대부분의 경우 텍스트가 더 적절하다고 느낍니다. 마찬가지로, 자비스와 대화를 나누었을 때, 저는 음성보다는 문자 메시지보다 더 많이 받을 것입니다. 음성은 방해가 될 수 있고 텍스트를 볼 때 더 잘 제어할 수 있기 때문입니다. 자비스와 말할 때도, 전화를 사용하면, 문자를 사용하거나 응답을 디스플레이하는 것을 종종 선호하는 편입니다.


음성 통신보다 문자 통신을 선호하는 것은 Messenger 및 WhatsApp과 같은 전세계 문자 메시지가 음성 통신보다 훨씬 빠르게 증가하고 있다는 점에서 전반적으로 우리가 목격하고 있는 패턴에 적합합니다. 이는 미래의 인공 지능 제품이 음성에만 집중할 수 없으며 비공개 메시징 인터페이스도 필요하다는 것을 암시합니다. 비공개 메시징을 사용하도록 설정한 후에는 처음부터 새 앱을 만드는 것보다 메신저와 같은 플랫폼을 사용하는 것이 훨씬 좋습니다. 저는 항상 AI 봇에 대해 낙관적이었지만, 자비스에 대한 경험은 우리가 앞으로 자비스와 같은 봇과 모두 통신하게 될 것이라는 점에서 저를 더 낙관적으로 만들었습니다.


음성 인식


사람들이 인식하는 것보다 텍스트가 AI와 더 중요한 커뮤니케이션이라고 생각하지만, 저는 여전히 음성이 매우 중요한 역할을 할 것으로 생각합니다. 음성의 가장 유용한 점은 매우 빠르다는 것입니다. 휴대폰을 꺼내고 앱을 열어 입력을 시작하지 않아도 됩니다. 그냥 말하면 되죠. 


자비스에서 음성을 사용하기 위해, 제가 말하는 것을 계속 들을 수 있는 전용 자비스 앱을 개발해야 했습니다. 메신저 봇은 여러 가지 것들에 적합하지만 말을 하게 되면 너무 큰 마찰이 생깁니다. 전용 자비스 앱을 사용하면 휴대폰를 책상 위에 놓고 듣게 할 수 있습니다. 자비스 응용 프로그램과 함께 여러 개의 전화를 집에 둘 수 있어서 어느 방에서나 자비스와 대화할 수 있었습니다. 아마존 에코의 비전과 비슷하지만 제 경험으론 집에 있지 않을 때, 자비스와 얼마나 자주 커뮤니케이션하고 싶은지 놀랐기 때문에 전화가 가정용 디바이스가 아닌 일차적인 인터페이스가 되는 것이 중요했습니다.


자비스는 iOS 앱에서 새로운 티셔츠에 대한 부탁을 듣기 위해 음성 인식을 사용합니다.

iOS용 자비스앱의 첫 번째 버전을 제작했으며 곧 Android 버전을 만들 계획입니다. 저는 2012년부터 iOS 응용 프로그램을 만들지 않았으며, 저의 주된 관전 포인트 중 하나는 이 응용 프로그램을 개발하고 음성을 인식하기 위해 Facebook이 만든 툴체인이었습니다.


최근에는 음성 인식 시스템이 향상되었지만, AI 시스템은 대화식 음성을 이해하기에 아직 충분하지 않습니다. 음성 인식은 말하는 것을 듣고 다음에 말할 내용을 예측하는 것에 의존하므로 구조화된 음성은 구조화되지 않은 대화보다 훨씬 이해하기 쉽습니다.


음성 인식 시스템과 기계 학습 시스템의 또 다른 흥미로운 한계는 대부분의 사람이 깨닫지 못하는 특정 문제에 대해 최적화되어 있다는 것입니다. 예를 들어, 컴퓨터와 대화하는 사람을 이해하는 것은 다른 사람과 대화하는 사람을 이해하는 것과는 조금 다른 문제입니다. 검색 엔진에 관해 이야기하는 사람들의 Google 데이터에 기계 학습 시스템을 훈련하면, 실제 사람들과 대화하는 사람들을 이해하는 페이스북에서는 상대적으로 악화될 것입니다. 자비스의 경우 가까운 거리에서 대화하는 AI를 교육하는 것은 Echo와 같이 방 전체에서 대화하는 시스템을 교육하는 것과는 다릅니다. 이러한 시스템은 보이는 것보다 더 전문화되어 있으며, 이는 일반적인 시스템을 가지는 것과는 거리가 있음을 의미합니다.


심리학적으로 보면, 시스템에 말을 하면, 텍스트나 그래픽 인터페이스를 사용하여 대화하는 컴퓨터보다 감정적인 깊이가 더 커집니다. 한 가지 재미있는 관찰은 제가 자비스에 목소리를 쌓은 이후로 저는 자비스를 더 유머러스하게 만들고 싶다는 것입니다. 이 중 일부는 이제 맥스와 소통할 수 있고, 저는 그 소통으로 그녀가 즐거워지기를 원합니다. 그러나 이 중 일부는 이들이 현재 우리와 함께 있는 것처럼 느껴진다는 것입니다. 저는 Priscilla와 같이 작은 게임을 재미있게 가르쳤습니다. 아니면 누구를 간지럽힐지를 물어볼 수 있으며, 우리 가족 모두가 우리, Max 또는 Beast 중 하나를 간지럽히라고 무작위로 말할 것입니다. 또한 "미인해요, 프리실라. 그건 할 수 없어서 유감이에요."와 같은 전형적인 라인들을 추가하는 것도 재미있었습니다. 


목소리로 더 많이 탐구할 수 있습니다. 인공 지능 기술은 이것이 훌륭한 제품의 기초가 되기에 충분 해지고 있으며 앞으로 몇 년 안에 훨씬 나아질 것입니다. 동시에, 저는 이 같은 최고의 제품이 당신이 어디에서나 가질 수 있고 개인적으로도 통신할 수 있는 제품이 될 것으로 생각합니다.


페이스북 엔지니어링 환경


페이스북의 CEO로서 저는 내부 환경에서 코드를 작성할 시간이 별로 없습니다. 저는 코딩을 중단한 적이 없지만, 요즘에는 주로 자비스와 같은 개인 프로젝트를 만들고 있습니다. 올해 AI 최신기술에 대해서는 많은 것을 배울 것으로 기대했었지만, 페이스북에서 엔지니어가 되는 것이 무엇인지에 관해서도 많은 것을 배우게 될 줄은 몰랐습니다. 인상적이네요.


페이스북 코드 베이스에서의 경험은 아마도 대부분의 새로운 엔지니어가 진행하는 것과 매우 유사할 것입니다. 저는 코드가 얼마나 체계적으로 구성되어 있는지, 그리고 얼굴 인식, 음성 인식, Messenger Bot Framework [messenger.com/platform] 또는 iOS와 관련이 있는지 등 원하는 것을 쉽게 찾을 수 있다는 점에 계속해서 깊은 인상을 받았습니다. GitHub의 Atom과 함께 작동하도록 개발한 오픈 소스 Nuclide [github.com/facebook/nuclide] 패키지는 개발을 더 쉽게 만들어줍니다. 대규모 프로젝트를 신속하게 구축하기 위해 우리가 개발한 Buck [buckbuild.com] 빌드 시스템은 또한 많은 시간을 절약해 주었습니다. 우리의 오픈 소스 FastText [github.com/facebookresearch/fastTex...] 인공 지능 텍스트 분류 도구는 또한 체크아웃하기에 좋은 도구이며 AI개발에 관심이 있다면 전체 페이스북 리서치 [github.com/facebookresearch] GitHub 저장소는 한번 살펴볼만 합니다.


우리의 가치 중 하나는 "move fast"입니다. 즉, 여기에 와서 다른 곳에서 할 수 있는 것보다 더 빨리 앱을 만들 수 있어야 한다는 것을 의미합니다. 여러분은 스스로 개발하면 오랜 시간이 걸리는 것들을 만들기 위해 여기에 와서 우리의 인프라 및 인공 지능 도구를 사용해야 합니다. 엔지니어링을 보다 효율적으로 만드는 내부 도구를 만드는 것이 모든 기술 회사에 중요하지만, 이는 우리가 특히 중요하게 생각하는 것입니다. 그래서 이렇게 좋게 만들고 있는 우리의 인프라 및 팀의 도구를 모든 사람에게 들려주고 싶습니다.


다음 단계


이 도전이 끝나기는 하지만, 저는 매일 사용하고 있기 때문에 자비스를 계속해서 발전시킬 것이고, 항상 추가하고픈 새로운 것을 발견하고 있습니다.


가까운 미래에 가장 확실한 다음 단계는 Android 앱을 제작하고, 집 주변의 더 많은 방에 Jarvis 음성 터미널을 설치하고, 더 많은 기기를 연결하는 것입니다. 자비스가 저의 빅 그린 에그를 제어하고 요리하는 것을 도와주게 하고 싶지만, 티셔츠 총(역자: 티셔츠를 던지는 총, 아래 비디오 참조)를 조작하는 것보다 더 심각한 해킹이 필요합니다.


장기적으로, 저는 자비스에게 새로운 일을 배우는 방법을 배우게 하고자 합니다. 그 일은 특정한 일을 수행하는 방법을 가르쳐야만 하는 것이 아닙니다. 이 도전에 또 다른 한 해를 보냈다면, 저는 학습이 어떻게 작동하는지를 배우는 것에 더 집중할 것입니다.


마지막으로, 시간이 지나면 이를 세상에 공개할 방법을 찾아 보는 것도 흥미로울 듯합니다. 저는 오픈소스화를 고려해 보았지만 현재는 집, 가전 제품 및 네트워크 구성이 너무 밀접하게 관련되어 있습니다. 더 많은 홈 오토메이션 기능을 추상화하는 레이어를 만들면 릴리즈할 수 있습니다. 물론, 이는 새로운 제품을 만드는 훌륭한 토대가 될 수 있겠죠.


결론


자비스 만들기는 흥미로운 지적 도전이었고, 우리의 미래를 위해 중요한 분야인 인공 지능 도구를 직접 개발한 경험을 주었습니다.


저는 이전에 5~10년 내에 언어처럼 시각, 청각, 촉각 등 우리의 각 감각에 대해 사람들보다 더 정확한 인공 지능 시스템을 갖출 것이라고 예언했습니다. 이 툴에 대한 최첨단 기술이 얼마나 강력한지 인상적입니다. 올해는 제 예측에 확신을 더하게 되었습니다.


동시에 우리는 학습이 어떻게 작동하는지 이해하는 것과는 여전히 거리가 있습니다. 올해 제가 한 모든 것, 즉 자연어, 얼굴 인식, 음성 인식 등은 모두 같은 기본 패턴 인식 기술의 변형입니다. 우리는 컴퓨터에 무언가의 많은 예를 어떻게 보여주어야 그것을 정확하게 인식할 수 있는지에 대한 방법은 알고 있습니다만, 그러나 우리는 한 도메인에서 아이디어를 가져와 완전히 다른 도메인에 적용하는 방법을 여전히 모릅니다.


상황을 고려해보자면, 올해 자비스를 만드는데 약 100시간을 보냈습니다. 이제는 저를 이해하고 많은 일을 할 수 있는 꽤 좋은 시스템을 가지고 있습니다. 그러나 1,000시간을 더 썼다 할지라도, 완전히 새로운 기술을 배울 수 있는 시스템을 개발할 수는 없을 것입니다. 그 과정에서 AI 최신기술의 근본적인 돌파구를 마련하지 않았다면 말입니다.


어떤 점에서 AI는 우리가 상상하는 것보다 더 가깝고 멀리 떨어져 있습니다. 인공 지능은 자동차 운전, 질병 치료, 행성 발견, 미디어 이해 등 대부분의 사람이 기대하는 것보다 더 강력한 일을 할 수 있는 것에 더 가깝습니다. 이들은 각각 세계에 큰 영향을 미칠 것입니다, 그러나 우리는 여전히 실제 지능이 무엇인지를 알아가고 있습니다.


총체적으로 이는 큰 도전이었습니다. 이 도전은 제가 처음에 예상했던 것보다 더 많이 배우는 길이었습니다. 올해 저는 AI에 대해 배우겠다고 생각했고 홈오토메이션 및 페이스북의 내부 기술에 대해서도 배웠습니다. 이는 바로 이러한 도전에 대한 흥미로운 부분입니다. 이 도전을 지지해주셔서 감사드리며 앞으로 몇 주 내에 내년 도전을 함께 나눌 수 있기를 기대합니다.


댓글 0

머신러닝을 활용한 IoT 사례

[번역] 인공지능 비서 자비스(Jarvis) 만들기 by 마크 저커버그

by Philbert

MADE BY

Philbert

プログラミング
[번역] 인공지능 비서 자비스(Jarvis) 만들기 by 마크 저커버그현재글 [번역] TensorFlow를 사용해 IoT 데이터로 인공지능 해보기 이전글