# Enhanced AI Platform
## 왜 고도화된 AI Platform이 필요한가?
사내에서 데이터 보안 이슈와 개인고객정보 보호등의 이슈로 프라이빗 클라우드를 도입하여 서비스를 구성함
Training Infra와 Serving Infra 구성 시 고려해야 할 점이 다르다.
사내 다양한 시스템들과 유기적으로 연동되어 서비스 하려면 기존 서비스 플로우를 준용해야 한다.
## 챗봇
다양한 의도 파악을 하여 Intent Scope을 넓히려 하는 순간 Intent를 구성하는 Entity정보의 중첩이 발생
이는 결국 의도를 모호하게 하는 문제를 야기하고 이는 잘못된 답을 할 수 밖에 없는 불확실성을 갖게 된다.
•
이를 극복하기 위해서 유의어 사전과, 용어 사전등을 등록함
•
Scenario 삽입을 통해 Process를 체계화 한다.
하지만 결국 위의 방법은 Rule Based Pattern Matching기법이다.
현실 상의 서비스는 딥러닝만으로는 구성할 수 없으며 사용성 강화를 위해서는 Rule Set활용을 하고 딥러닝을 도입할 포인트를 찾아 서비스를 고도화해 나가야 한다.
## Vision
이미지에서 의미있는 것을 추출하려면 Annotation Scope을 정해야 하는데 이에 대한 좌표값을 토대로 우리는 그 안에 매칭된 문자열을 반환할 모델을 구성해야 한다.
하지만 현실상에 문서들은 Key, Value 쌍이 같은 좌표에 없는 경우도 많고 이를 극복하기 위해서는 Active Learning을 활용한 Annotation 자동화와 이를 극복한 다양한 모델 프로세스 환경을 구성해야 한다.
다양한 업무 시스템에서 서비스를 구성하기 위해서는 딥러닝 모델 메타 데이터를 엮어서 구성 할 수 있도록 Work Flow를 체계화하여 수행할 플랫폼이 필요하다.
정확도를 극대화하기 위해서는 이미지 모델과 언어 모델의 결합은 필수적이고 이 모델의 결합은 결국 Weight 값을 Summation할 수 있는 최적화 함수를 고려하거나 Joint Training기법을 활용해 Loss Funtion을 설계한다.
그 이후에는 해당 최적화 알고리즘에 맞는 성능평가 방법을 디자인해야 한다
