토토 사이트 추천만으로는 100% 정확도를 달성할 수 없기 때문에
전체적인 서비스 품질을 개선해야 합니다

제품 개발

첫 번째, 토토 베이 데이터 변환 흐름그림 1참조 스캐너나 iPhone을 사용하여 캡처한 이미지는 조직의 토토 베이 서버와 Sky Cloud 서버를 통해 당사 서버로 전송됩니다 그런 다음 이미지가 운영자의 작업 PC로 전송되고 OCR이 수행됩니다

AI 담당

이 단계까지는 데이터 암호화 및 통신 외에 토토 사이트 추천에 대한 이미지 처리가 수행되지 않았습니다

제품 개발

OCR 결과는 토토 베이에 반영되므로 육안으로 확인하고 오류를 수정한 후 배송 확인을 거쳐 데이터를 고객 서버로 다시 보냅니다

후지요시 교수

정해진 형식이 아닌 명함과 같은 인쇄물의 경우 토토 사이트 추천은 어렵지만 실제로 얼마나 정확합니까?

제품 개발

나도 토토 사이트 추천 결과를 보고 수정하려고 노력했지만, 솔직히 현재 토토 사이트 추천만으로는 데이터를 확인하기 어렵다는 느낌이 듭니다 앞으로 기술이 발전하면 토토 사이트 추천만으로 100% 정확도를 달성할 수 있을까요?

후지요시 교수

자세한 내용은 나중에 설명하겠지만 결론적으로 100% 토토 사이트 추천성을 보장하기는 어렵다는 점을 말씀드리고 싶습니다

우선 토토 사이트 추천 자체는 오래된 기술로 1960년대 우편번호 판독 및 분류 작업의 효율성을 높이기 위해 실용화한 것입니다 최근에는 AI(딥러닝)를 활용한 이미지 인식 기술이 정확도를 향상시켰으나 여전히 문제점이 많습니다

제품 개발

우편번호를 읽는 것부터 시작되었습니다 처음부터 손글씨 인식을 전제로 개발됐다는 뜻이다

후지요시 교수

그렇습니다 글꼴이 균일한 경우 간단한 패턴 일치로 식별할 수 있습니다 손으로 글씨를 쓸 때, 손글씨는 사람마다 다르기 때문에 글자의 특징을 어떻게 읽고 인식하는지가 개발의 출발점이었습니다

후지요시 교수

먼저, 기존 토토 사이트 추천의 주요 흐름을 설명하겠습니다그림 2를 참조하세요 먼저 "①기울기 보정"을 실시합니다 이미지에서 가장자리를 추출하고, 직선을 감지하고, 기울기를 수정합니다 우편번호의 숫자테두리, 명함의 명함 거치대 가장자리 등 직선을 기준으로 수정이 이루어집니다

후지요시 교수

다음으로 "② 레이아웃 분석"이라는 프로세스를 수행합니다 이미지의 모든 픽셀은 흰색(0)과 검정색(1)의 두 가지 값으로 나뉩니다 거기에서 클러스터를 형성하는 문자의 일부를 인식하고 직사각형 영역으로 잘라냅니다

AI 담당

모든 글자를 흰색 배경에 쓰면 문제가 없으나 그림이나 사진과 겹치면 난이도가 즉시 높아집니다

후지요시 교수

그렇습니다 이는 명함의 문자 인식에 있어 장애물 중 하나이기도 합니다 다음으로, 추출된 직사각형 영역의 이진화된 픽셀 데이터를 기반으로 '(3) 문자를 하나씩 추출'하는 작업을 수행하고, 마지막으로 '(4) 문자 인식''을 수행한다

제품 개발

전처리 단계에서 개별 문자를 토토 사이트 추천하게 추출하는 것이 중요합니다

AI 담당

그렇습니다 예를 들어 레이아웃 분석 과정에서 문제가 발생하면 이후의 처리는 모두 실패하게 되므로 이전 단계의 토토 사이트 추천도를 높이는 것이 필요하다

후지요시 교수

문자 인식 단계에서는 문자를 동일한 크기로 정규화한 다음 방향 히스토그램을 기반으로 특징을 추출하여 문자를 인식합니다 또한, “⑤지식처리”를 추가하겠습니다 예를 들어 문자열 'Tokyo''에서 문자 'Kyoto'가 누락되거나 잘못 인식되는 경우에도 시스템에서는 첫 번째 문자 'Higashi''와 세 번째 문자 'To'' 사이에 'Kyoto'가 포함되어야 한다고 판단하고 두 번째 문자를 보완하여 토토 사이트 추천도를 높입니다

AI 담당

견적서, 청구서 등의 문서와 같이 형식이 어느 정도 고정되어 있다면 전통적인 접근 방식이 효과가 있는 경우가 많을 것이라고 생각합니다

제품 개발

그러나 명함은 표준 크기를 가지며 일부 예외를 제외하고 일정하지만 디자인은 매우 다양합니다 어떤 레이아웃은 이론이 없는 것 같고, 어떤 레이아웃은 로고 외에 일러스트와 사진을 사용하고, 어떤 레이아웃은 세로글과 가로글자가 섞여 있습니다

후지요시 교수

기존 토토 사이트 추천의 문제점은 이진화 기반을 사용하여 가변 형식의 복잡한 레이아웃을 처리할 때 문자 영역을 정확하게 추출할 수 없다는 것입니다

AI 담당

대량의 데이터로부터 학습하는 딥러닝 기술을 사용하여 문자 영역 추출의 토토 사이트 추천도가 획기적으로 향상되었습니다

후지요시 교수

딥 러닝을 사용한 "객체 감지"를 통해 이미지에 무엇이 보이는지 판단할 수 있으므로 텍스트 및 기타 요소를 분류하는 데 사용할 수 있습니다 또한 CNN(Convolutional Neural Network)이라는 방법을 이용하면 문자 인식 부분의 성능을 획기적으로 향상시킬 수 있다

제품 개발

알겠습니다 기본적인 흐름은 기존 방식과 크게 다르지 않지만, 이러한 핵심 사항의 토토 사이트 추천도를 높이는 데 딥러닝이 유용합니다

후지요시 교수

그렇습니다 또한 기능 개발에 대한 접근 방식도 다릅니다그림 3를 참조하세요 기존에는 현상과 원하는 기능을 모듈로 나누어 각 모듈별로 프로그래밍을 했는데요 이는 여러 영상인식 기술을 손으로 결합해 하나의 기능을 만들어내는 듯한 느낌을 준다

제품 개발

일반 소프트웨어 개발과 동일합니다

후지요시 교수

그러나 이 방법은 각 모듈에 대해 매우 높은 수준의 전문 지식이 필요하며 개발자의 지식 범위에 따라 얻어지는 성능이 달라지므로 실제로 발생할 수 있는 다양한 문제에 성공적으로 적용할 수 없는 경우가 많아 토토 사이트 추천도가 떨어지는 경우가 많습니다 반면, 딥러닝은 데이터만을 기반으로 전체 기능을 습득하는 '엔드투엔드 학습(용어)'이라는 방법을 사용한다

AI 담당

즉, 그림 3의 왼쪽과 같이 기울기 계산이나 히스토그램 분석을 수행하여 특징을 추출하는 것이 아니라 '문자 인식 방법'이라는 함수 자체를 학습을 통해 습득합니다

제품 개발

알겠습니다 이는 개발자의 지식에 의존하지 않고 데이터에서 얻은 정보를 활용하여 성능을 향상시킬 수 있음을 의미합니다

후지요시 교수

결코 쉽지는 않지만, 기존의 각 모듈별 기능 개발에 비하면 개발 난이도가 상당히 낮다고 할 수 있다고 생각합니다

후지요시 교수

데이터 학습 측면에서 함수 개발의 난이도가 줄어들었지만, 데이터 학습을 위해서는 정답을 제공하는 것도 필요합니다 안타깝게도 그렇게 오랫동안 계속해서 수행하더라도 결국 토토 사이트 추천도 100%에 도달하기는 어려울 것입니다

AI 담당

세상에 존재하는 모든 명함을 학습하게 만들 수 있다면 가능할 수도 있지만 현실적이지 않습니다

후지요시 교수

그러나 지금까지 모든 항목을 수동으로 입력해야 했던 점을 고려하면 작업 효율성이 크게 향상될 수 있다고 생각하며, 여전히 남아있는 다양한 문제들을 해결함으로써 토토 사이트 추천도도 향상될 수 있다고 생각합니다

제품 개발

현재의 기술로도 90%의 확률로 토토 사이트 추천하게 인식이 가능한가요?

후지요시 교수

레이아웃 분석이 잘 된 것으로 가정하고 있으나 90% 이상의 토토 사이트 추천도를 기대할 수 있다고 봅니다

제품 개발

알겠습니다 토토 베이의 임무는 100%에 가까운 정확도의 데이터를 제공하는 것이므로 운영자의 시각적 확인과 수정이라는 인간적인 손길이 필수적입니다

후지요시 교수

인식 결과의 신뢰성을 볼 수 있으므로 신뢰성이 낮은 부분에 집중하는 등 확인 작업을 보다 효율적으로 할 수 있는 방법이 있다고 생각합니다 반면, 토토 사이트 추천로는 100% 정확한 결과를 얻기 어렵다고 가정한다면, 이 문제에 어떻게 대응하느냐가 서비스의 품질과 신뢰성을 결정하는 열쇠가 될 수 있습니다

AI 담당

토토 사이트 추천도를 높이려면 더 나은 데이터로 학습 모델을 업데이트하는 것도 중요합니다

후지요시 교수

물론 그렇습니다 저는 시스템을 만드는 것이 과정의 끝이 아니라고 믿습니다 더 많이 사용할수록 더 정확해집니다 게다가 기존의 토토 사이트 추천도 지식처리를 수행한다고 앞서 설명했지만, 이를 정확하게 보완하기까지는 아직 해결해야 할 문제가 많아 정확도를 높일 여지가 많다 후처리 외에도 입력 데이터의 품질을 향상시키는 것도 그 중 하나입니다

제품 개발

현재 스캔 해상도는 300dpi입니다 아이폰의 경우 촬영 당시의 환경에 따라 약간씩 차이가 나는 것 같지만 대략 비슷합니다

후지요시 교수

문자 인식의 관점에서 보면 문자당 20픽셀이면 충분하다고 생각합니다 명함의 가장 작은 글꼴 크기는 얼마입니까?

제품 개발

아마 5포인트 정도일 겁니다 따라서 문자 폭이 약 176mm이고 300dpi라면2081입니다 20픽셀 정도 됩니다

AI 담당

해상도를 2배, 3배 높여 토토 사이트 추천을 해봤는데 좋아진 부분도 있고 나빠진 부분도 있었습니다 예를 들어 이메일 주소, 휴대폰 번호 등 가장 작은 문자의 경우 2배로 늘리면 정확도가 향상되는 것 같습니다

제품 개발

반면에 상황이 더 나빠진다는게 무슨 뜻인가요?

AI 담당

레이아웃 분석이 가끔 잘 인식하지 못해 토토 사이트 추천도가 낮아지는 경우가 있었습니다 또, 문자인식에 있어서도 2배로 하면 토토 사이트 추천도의 향상을 기대할 수 있지만, 3배로 해도 더 이상 향상되지 않는 것 같습니다 반면, 이미지를 확대하면 불필요한 먼지를 더 쉽게 찾아낼 수 있어 토토 사이트 추천도가 떨어지는 경우도 있습니다

제품 개발

해상도를 높이면 통신량도 늘어나므로 여기서 균형을 맞춰야 합니다 클라우드 서버를 통해 데이터를 교환하기 때문에 통신량 증가는 비용과 직결된다

후지요시 교수

그렇습니다 픽셀 수가 증가하면 계산량도 늘어나 응답에 영향을 줄 수 있습니다 적절한 입력은 해결하려는 작업에 따라 다릅니다 예를 들어 문자 영역을 추출하려면 주소인 경우 주소처럼 보이는 문자열만 찾으면 됩니다

AI 담당

얼굴 인식도 마찬가지입니다 사람 한 명 한 명을 토토 사이트 추천하게 구분하려면 고해상도 이미지가 필요하지만, 사람의 얼굴만 찾고 싶다면 저해상도 이미지를 사용하면 됩니다

후지요시 교수

기술적 접근을 통해 토토 사이트 추천성을 높이는 것 외에도 통신 비용과 응답을 고려한 균형이 전체적인 서비스 품질을 결정합니다

제품 개발

우선 많은 명함의 인쇄 품질이 그다지 높지 않습니다 작은 글자가 처음부터 뭉개지는 경우도 있고, 종이의 광택이 너무 강해서 스캔이나 사진 촬영 시 반사되어 픽셀이 날아가는 경우가 많습니다

후지요시 교수

토토 사이트 추천 엔진의 정확성도 중요하지만, 데이터를 더 좋은 상태로 사용하는 것도 중요합니다 첫 번째 단계로 토토 사이트 추천이 인식하기 쉽도록 처리할 수도 있습니다

AI 담당

현재 텍스트 영역 추출 시 텍스트 문자열 이외의 로고, 일러스트레이션 등을 제외(흰색으로 채워서 제거)하기 위해 객체 감지를 사전에 사용하는 작업을 진행하고 있습니다 아직 구현이 시작되지 않았지만 가을쯤에는 출시될 수 있기를 바랍니다

제품 개발

명함에는 회사 로고, 얼굴 사진, 인증 마크 등이 포함되는 경우가 많으며 지방 정부에는 공식 마스코트 캐릭터 그림이 인쇄되어 있는 경우가 많습니다 향후 이미지 인식 기술의 발전으로 명함 정보로 처리되는 요소와 그렇지 않은 요소를 분리하여 토토 사이트 추천성이 확실히 향상되기를 바랍니다그림 4

후지요시 교수

토토 사이트 추천을 적용하기 전에 데이터를 전처리로 처리하고 필요한 정보로만 압축하면 정확성뿐만 아니라 대응에도 긍정적인 영향을 미칠 것이라고 생각합니다 토토 사이트 추천 결과에 대한 후처리로 데이터를 수정하는 것도 중요합니다 캐릭터 인식 단계는 물론이지만 그 전후에 일어나는 일도 매우 중요합니다

제품 개발

토토 베이는 현재 명함 전문 업체인 타사에서 제작한 OCR 엔진을 사용하고 있는데, 같은 엔진이라도 처리 전후에 따라 차이가 있습니다

AI 담당

예를 들어, 지방 정부의 명함에는 슬로건이 있을 수도 있고, 인증 마크에 설명 문구가 첨부될 수도 있습니다 앞서 언급한 마크나 일러스트의 경우 객체 감지를 이용해 분류하는 것은 가능하지만, 이러한 문자열을 어떻게 처리해야 하는지가 어려운 부분이다

제품 개발

항목 정렬은 토토 사이트 추천 엔진에 따라 다르기 때문에 슬로건이 주소로 잘못 정렬되는 경우가 많습니다

AI 담당

이건 여전히 큰 문제이고 아직 개선의 여지가 있다고 생각하므로 앞으로도 계속해서 대책을 생각해 보고 싶습니다

후지요시 교수

어떤 경우에 실수가 발생할 가능성이 있는지 철저하게 분석하는 것이 중요합니다 딥러닝은 데이터를 통한 학습을 ​​기반으로 하기 때문에 결과 분석을 기반으로 학습주기를 실행할 수 있는 시스템 구축이 필요합니다

제품 개발

현재 운영자가 수정한 토토 사이트 추천한 데이터와 명함 이미지를 AI 직원에게 전달하여 추세를 분석하고 있습니다

AI 담당

명함 이미지에 다시 토토 사이트 추천을 실행하고 그 결과를 운영자가 수정한 데이터와 비교하여 차이를 확인합니다 두 데이터의 일관성 비율이 100%이면 문제가 없고, 90% 정도이면 일부 문자가 잘못 인식되는 것을 볼 수 있습니다

제품 개발

전혀 일치하지 않는 경우도 있습니다

AI 담당

그렇습니다 때로는 20%일 수도 있고 0%일 때도 있습니다 이 경우 레이아웃 분석 단계에 갇혀 모든 후속 처리가 실패할 가능성이 높습니다

후지요시 교수

분석 결과에서 추세를 발견하면 이를 재현하고 자동으로 새 데이터를 생성할 수 있으므로 해당 데이터를 훈련하여 토토 사이트 추천도를 더욱 향상시킬 수 있습니다 다시 한번 말하지만, 한 번만 하기보다는 개선의 주기를 계속하는 것이 중요합니다

제품 개발

그런 의미에서 토토 사이트 추천 엔진이 동일하더라도 다른 부분에서 학습주기를 적절하게 실행하면 정확도를 높일 수 있습니다

후지요시 교수

그렇습니다 AI 학습 모델을 개선하는 것이 아니라, 입력 데이터의 품질을 향상시켜 기존 학습 모델의 토토 사이트 추천도를 높이는 것이 가능하다는 '데이터 중심 AI(용어)'라는 개념이 있다

AI 담당

접근 방식은 데이터 중심 AI와 조금 다르지만 과거에 토토 베이로 가져온 명함(기존 명함)을 사용하고 동일한 명함이면 처리를 건너뛰는 기능도 개발 중입니다

제품 개발

앞으로 토토 베이의 시장점유율이 높아짐에 따라 중복된 명함의 숫자도 필연적으로 늘어날 것이기 때문에 명함이 동일하다면 OCR 처리를 생략할 수 있다는 생각입니다 게다가 명함 거치대는 같은 회사라면 비슷한 레이아웃을 가질 가능성이 높기 때문에 부서, 이름, 개인 연락처만 OCR이 가능했으면 좋겠습니다

AI 담당

현재 AI를 실행할 수 있는 환경을 구축하는 중이지만, 기존의 방대한 명함 데이터와 새로 가져온 명함 이미지 간의 유사점을 찾아 동일한지 판단하는 시스템을 만들고 싶습니다 후지요시 교수님의 조언을 들으면서 이 분야의 발전을 진행해 나가고 싶습니다

후지요시 교수

물론, 최선을 다해 도와드리겠습니다 언제든지 문의해 주시기 바랍니다

후지요시 교수

AI에 대해 생각할 때 일반적인 이미지는 '사람과 대결하는 존재'로 취급된다는 것입니다 예를 들어 미래에는 사람의 일자리가 빼앗길 것입니다

제품 개발

그렇습니다 얼마 전까지만 해도 이런 맥락으로 자주 회자됐었습니다

후지요시 교수

나는 AI가 사람과 긴밀하게 협력하는 존재라고 생각합니다 특히 지금부터는 그래야 한다고 생각한다

AI 담당

후지요시 교수의 전문 분야는 AI 결정의 기초를 시각화하는 것인데, 이것이 그것과 관련이 있습니까?

후지요시 교수

그렇습니다 AI가 의사결정을 내릴 때 그 과정을 블랙박스로 취급하는 경우가 많다 그러나 AI를 사용하는 사람들(사용자)이 AI가 진정으로 신뢰할 수 있는 것인지 판단하기 위해서는 AI가 내린 결정의 근거를 설명할 수 있어야 한다고 생각합니다

제품 개발

판단의 근거를 어떻게 설명할 수 있습니까?

후지요시 교수

"주의 맵"이라는 것이 있습니다 이는 히트 맵을 사용하여 AI가 결정을 내릴 때 주의를 기울이는 범위를 보여줍니다 예를 들어 AI는 자동차의 종류를 식별할 때 후미등의 모양에 주목해 AI가 인간의 판단과 유사한 관점을 사용하고 있음을 눈에 띄게 만든다 구체적인 예로 안저 영상을 이용한 진단 사례를 설명하겠습니다그림 5

AI 담당

그림 왼쪽에는 검사 중에 촬영한 안저 이미지(1)가 있습니다

후지요시 교수

그렇습니다 본 예시의 세 가지 사례는 모두 해당 질환을 앓고 있는 환자의 이미지입니다 AI는 세 가지 모두 질병 가능성이 있다고 판단했다

제품 개발

그래서 AI의 진단은 토토 사이트 추천했습니다

후지요시 교수

그러나 일반 AI 모델의 판단 기초가 되는 Grad-CAM이라는 도구를 사용하여 작성된 주의 지도(2)를 보면 반드시 질병이 있는 부분에만 초점을 맞춰 질병의 유무를 판단하는 것은 아니라는 것을 알 수 있습니다 실제로 환자는 정상적인 신체 부위를 기준으로 자신이 질병을 앓고 있다고 판단할 가능성이 있다

AI 담당

그렇다면 토토 사이트 추천한 증거에 근거하지 않더라도 정답에 도달할 수 있는 경우가 있다는 뜻인가요?

후지요시 교수

그렇습니다 이 실험의 토토 사이트 추천도는 9583%였습니다 하지만 그러한 증거가 우리 인간에게 적합하지 않은 상황에서, AI가 내리는 판단이 정말 신뢰할 수 있는지 묻는다면 많은 사람들이 의구심을 품을 것이라고 생각합니다

제품 개발

그래서 결정의 근거를 시각화하는 것이 중요합니다

후지요시 교수

또한 주의 지도 오른쪽에 있는 이미지(3)를 살펴보세요 안저 영상을 잘 진단하는 전문 의사가 영상에서 병변 부위를 빨간색으로 표시한 내용입니다 그런 다음 이를 AI에 전달합니다

AI 담당

그래서 AI는 전문가의 지식을 바탕으로 더 많이 학습합니다

후지요시 교수

예, 전문 지식을 AI에 통합한다는 의미입니다 그 결과, 이제 맨 오른쪽의 이미지(4)와 같이 질병이 발생한 부위를 제대로 식별할 수 있게 되었고, 이제 9917%의 토토 사이트 추천도로 질병인지 판단할 수 있게 되었습니다

제품 개발

인간의 지식을 통합함으로써 AI는 이해하고 다루기가 더 쉬워집니다 "AI가 인간에게서 배운다"라는 표현인가요?

후지요시 교수

그렇습니다 반면 AI로부터 학습하는 경우도 있다 앞서 예시한 안저 영상을 기반으로 한 진단을 통해 전문 지식을 접목한 AI를 활용해 훈련생과 학습자의 질병 식별을 돕는 교육 애플리케이션을 만드는 것이 가능하다

AI 담당

그것은 마치 전문가의 지식을 구현한 AI를 사용하여 수련생 의사의 판단이 올바른지 점수를 매기는 것과 같습니다

후지요시 교수

그렇습니다 간략하게 설명하자면, 수련의는 먼저 안저 영상에만 의존하여 영향을 받을 것으로 생각되는 영역을 지정합니다 AI가 적절한지 판단하여 점수에 대화형으로 반영합니다 테스트를 여러 번 반복하여 토토 사이트 추천한 부분을 찾아낼 수 있으면 점수가 높아집니다

제품 개발

적절한 단어인지는 모르겠지만 게임을 하고 있는 것 같은 느낌이 듭니다

후지요시 교수

확실히 게임같은 요소가 있는 것 같아요 이번 실험에서는 지식을 접목한 AI 애플리케이션을 사용한 학습자의 정답률이 높아졌고, 표준편차도 감소해 충분한 교육 효과를 기대할 수 있다고 판단된다

AI 담당

이는 AI가 인간의 지식으로부터 학습하여 품질을 향상시키고, 인간이 그 AI로부터 학습하여 지식을 계승하는 순환이 확립된다는 것을 의미합니다

후지요시 교수

즉, AI와 인간이 서로를 향상시키면서 함께 발전하는 것이 가능하다고 믿습니다 이는 AI가 결코 독립적인 개체가 아니라는 것을 의미합니다

제품 개발

이 예는 의료 분야에서 영상을 활용한 진단에 관한 것이었지만 다른 많은 분야에도 적용될 수 있다고 생각합니다 예를 들어, 생산 공장에서의 육안 검사일 수 있습니다

후지요시 교수

저도 그렇게 생각해요 예를 들어 숙련된 작업자의 기술을 학습할 때 AI가 전문가의 관점을 학습할 수 있고, AI를 통해 더 많은 훈련생이 학습할 수 있게 될 것이라고 생각합니다

AI 담당

저희 회사 클라이언트 시스템 개발 부서에서는 자동차, 의료, 공장 등 다양한 분야에서 AI를 활용한 영상 인식 기술을 활용하는 시스템 개발을 진행하고 있으니 방금 말씀하신 부분을 고객님께 제공해 드릴 수 있을 것 같습니다

후지요시 교수

현재 AI는 일종의 특수 기술로 간주되는 경향이 있지만 결국에는 AI가 우리 삶의 정상적인 일부가 되어야 한다고 생각합니다

AI 담당

인터넷은 처음에는 특별한 것이었지만 이제는 많은 사람들이 인터넷이 어떻게 작동하는지 이해하지 못하더라도 자신의 삶을 풍요롭게 하기 위해 인터넷을 사용하고 있습니다 같은 방식으로 더욱 친숙한 기술이 될 것이라고 확신합니다

후지요시 교수

스마트폰과 기타 기기의 얼굴 인식 시스템이 전형적인 예라고 생각합니다 앞으로는 더욱 다양한 분야에서 AI가 사람들의 삶을 지원하는 시대가 올 것이라고 생각합니다

제품 개발

당신의 이야기를 듣고 나서 저는 우리와 같은 회사와 조직이 업무 효율성을 향상시키기 위해 이를 활용할 수 있는 미래가 코앞에 다가왔다는 것을 깨달았습니다

후지요시 교수

업무 효율을 높이는 동시에 사람들이 저지르기 쉬운 부주의한 실수를 보상하는 것도 중요합니다 어쨌든 AI는 '사람과 대결하는 존재'가 아니라, '사람과 가까운 존재''라는 점을 이해해주시기 바랍니다