같은 메일에서 시작하는 두 방법
앞 글에서는 어떤 프로그램을 AI라고 부르는지 살펴봤다. 이번에는 그중 한 가지 차이를 더 천천히 따라가려 한다. 남은 질문: 사람이 조건을 적는 것과, 예시로 배우게 하는 것은 어디서 달라질까?
“무료라는 말이 있으면 광고”라고 적으면 쉬워 보인다. 그런데 무료 수업 안내도 광고일까. 이 작은 질문을 붙잡고 같은 문제 → 직접 적은 규칙 → 틀리는 예 → 자료로 만든 기준 → 처음 보는 자료의 확인 순서로 이어간다.
메모: 입력은 넣는 자료, 출력은 받는 결과다. 같은 메일을 넣고, 결과를 고르는 기준이 어떻게 만들어지는지 따라간다.
먼저 같은 문제를 놓고 보기
눈으로 풀어보기
방법이 달라도 같은 메일을 넣는다
이 예시의 정답은 광고이다. 원하지 않는 선물 홍보라고 정한 예시다. 두 방법이 같은 문제를 풀어야 비교가 된다.
여기서는 설명용 메일을 쓴다. 실제 사람의 메일을 가져오거나 보내지 않는다.
방법을 비교하기 전에 무엇을 나누려는지 정한다.
메일을 두 칸으로 나눈다면
오늘은 메일을 일반 메일과 광고 메일로 나누는 일을 가정해보려 한다. 학교의 수업 안내는 일반 메일, 원하지 않는 경품 홍보는 광고 메일이라고 정해두자. 여러 종류 중 하나를 고르는 일을 분류라고 한다. 실제 메일을 가져온 것은 아니고, 뜻을 설명할 작은 예를 만든 것이다.
프로그램에 넣을 것은 메일의 제목과 내용이다. 중요: 받을 것은 “일반” 또는 “광고”라는 이름이다. 여기까지는 두 방법이 같다. 남은 질문: 차이는 답을 고르는 기준을 누가, 어떻게 만드는 데 있을까?
메모: 서로 같은 일을 맡겨야 두 방법을 비교할 수 있다.
재료가 같아야 비교가 공평하다
한 방법에는 쉬운 메일만 주고 다른 방법에는 헷갈리는 메일만 준다면 비교가 어긋난다. 달리기에서 한 사람에게만 더 긴 길을 달리게 하는 것과 비슷하다. 그래서 같은 메일 묶음을 두 방법에 넣는다고 정한다. 묶음이라는 말은 확인할 예시들의 모음을 뜻한다.
다만 규칙을 적는 데 참고한 메일과 모델을 만드는 데 쓴 메일을 최종 평가에 그대로 쓰면 또 다른 문제가 생긴다. 비교는 처음 보는 공통 자료로 해야 한다. 남은 질문: 답을 만드는 데 이미 참고한 예시를 다시 검사하면 무엇이 가려질까?는 뒤에서 살펴본다.
메모: 최종 비교에서는 두 방법 모두 처음 보는 같은 자료를 사용한다.
일반과 광고라는 이름도 약속이다
친구가 보낸 생일 파티 안내와 원하지 않는 판매 광고는 다르게 볼 수 있다. 하지만 구독을 신청한 할인 소식은 사람마다 필요한 메일일 수 있다. 그래서 먼저 이 글에서 광고라고 부를 범위를 정한다. 예시에서는 원하지 않는 홍보성 메일을 광고로 본다. 정답 이름은 이 약속에 맞춰 붙인다.
무슨 말이든 “무료”가 들어가면 광고라고 정답을 붙이면, 학교의 무료 수업 안내도 광고가 되어버린다. 뜻에 맞는 정답을 붙여야 그 뒤의 비교도 의미가 있다. 남은 질문: 이 이름은 누구의 목적에 맞춰 정한 걸까?부터 확인하게 된다.
메모: 정답 이름을 레이블이라고 한다. 이름부터 실제 목적에 맞아야 한다.
이름을 붙이는 것과 지우는 것은 다르다
“광고 같다”는 이름을 붙이는 것과 메일을 바로 지우는 것은 다른 일이다. 검토할 후보 목록을 만드는 단계라면 사람이 다시 읽을 수 있다. 후보는 아직 확정하지 않고 확인할 대상으로 골라둔 것이라는 뜻이다.
반대로 자동 삭제까지 연결하면 중요한 수업 안내를 잃을 수 있다. 같은 분류 실수여도 뒤에 할 일이 바뀌면 결과가 커진다. 먼저 분류하고, 그다음 행동을 따로 정하기. 남은 질문: 잘못 골랐을 때 되돌릴 수 있을까?도 처음 문제에 포함한다.
메모: 광고를 고르는 기능을 만들었다고 삭제까지 허용한 것은 아니다.
처음 적어둘 세 가지 질문
방법 이름을 먼저 고르기보다 넣을 것, 받을 것, 확인할 것을 적어본다. 넣을 것은 메일 내용, 받을 것은 일반·광고 이름, 확인할 것은 맞게 나눴는지다. 여기서 확인 기준은 잘했다고 말할 때 보는 약속이다.
“AI를 쓰겠다”는 목표보다 “중요한 메일을 놓치지 않고 광고 후보를 찾겠다”가 더 구체적이다. 해결하려는 일을 작게 적기가 방법 선택보다 앞선다. 남은 질문: 광고 하나를 놓치는 일과 수업 안내를 막는 일은 같은 무게일까?라는 질문도 남겨둔다.
메모: 입력·결과·확인 기준을 먼저 정하면 기술 이름에 끌려가지 않는다.
사람이 답을 고르는 규칙을 적으면
눈으로 풀어보기
찾을 글자를 바꾸면, 결과도 바뀐다
- ① 내용 읽기무료 선물을 받아가세요
- ② “무료”가 있는가?있다
- ③ 정해둔 이름 붙이기광고
규칙 결과는 광고, 예시의 정답은 광고이다. 이 예시는 맞혔다. 다른 메일도 맞히는지는 별도로 확인한다.
“무료가 있으면 광고”라는 작은 조건을 따라가 본다.
한 문장으로 만든 첫 규칙
우선 “무료”가 있으면 광고, 없으면 일반이라고 적어보자. 사람은 어떤 글자를 찾을지와 찾았을 때 어떤 이름을 붙일지 모두 정했다. 이렇게 미리 적어둔 조건에 따라 움직이는 것을 규칙 기반이라고 부른다.
“무료 선물을 받아가세요”에는 그 글자가 있으므로 광고라고 답한다. 아직 다른 메일을 잘 나눌지는 모른다. 규칙을 실행했다는 사실만 확인한 것이다. 남은 질문: 이 문장이 모든 광고와 일반 메일을 가를 수 있을까?
메모: 규칙의 실행이 맞는지와 규칙 자체가 좋은지는 별개의 질문이다.
조건과 행동을 나누면 코드가 보인다
이 예의 조건은 내용에 “무료”라는 글자가 있는가다. 조건이 맞을 때의 행동은 광고라는 이름을 붙이는 것이다. 이를 조건문이라고 한다. 비가 오면 우산을 챙긴다는 문장에서 “비가 오는가”와 “우산을 챙긴다”를 나누는 것과 비슷하다.
컴퓨터가 할 일을 순서대로 적으면 이어지는 생각: 내용 읽기 → 글자 찾기 → 이름 붙이기가 된다. 복잡해 보이는 일도 작은 행동으로 나누기. 다만 사람이 메일의 뜻을 알아보는 과정 전체를 이 세 줄에 담은 것은 아니다. 남은 질문: 글자가 있다는 것과 뜻이 광고라는 것은 언제 달라질까?
메모: 조건문은 조건이 맞는지 확인하고 그에 정해둔 행동을 하는 문장이다.
왜 이런 답이 나왔는지 따라가기
“무료 선물을 받아가세요”라는 예에서 무료를 찾았고, 그 조건 때문에 광고라고 답했다. 어느 글자를 보고 결정했는지 한 단계씩 따라갈 수 있다. 이처럼 답이 나온 경로를 살펴보는 일을 여기서는 따라 확인하기라고 적어두자.
결과만 보는 대신 사용한 조건과 선택된 행동을 확인하면 잘못 적은 규칙도 찾기 쉽다. 그런데 중요: 이유가 잘 보인다고 답이 꼭 맞는 것은 아니다. 남은 질문: 무료 수업 안내도 같은 길로 광고 칸에 들어가면 어떨까?
메모: 이유를 설명할 수 있다는 장점과 답이 맞는지는 따로 확인한다.
없다는 사실도 조건의 일부다
처음 규칙에서 “무료”가 없으면 일반이라고 했다. 그래서 “내일 수업 안내”는 일반으로 간다. 하지만 “경품에 당첨됐어요”도 무료라는 글자가 없을 수 있다. 글자가 없다는 사실을 광고가 아니라는 증거로 삼은 셈이다.
이것은 사람이 넣은 약속이지, 광고가 원래 항상 그 단어를 쓴다는 뜻은 아니다. 조건에서 빠져 있는 경우를 확인해야 한다. 남은 질문: 광고를 다른 말로 쓰면 이 규칙이 찾을 수 있을까?가 첫 빈틈이다.
메모: 한 단어가 없다는 것만으로 메일의 목적을 알 수는 없다.
새 경우가 생기면 누가 고칠까
“경품”이라는 표현도 찾으려면 사람이 규칙을 더 적을 수 있다. 무료 또는 경품이 있으면 광고라고 바꾸는 식이다. 여기서 “또는”은 둘 중 하나라도 있으면 된다는 뜻이다. 이런 수정 작업을 규칙 관리라고 부를 수 있다.
규칙이 짧고 문제가 분명하면 확인한 내용: 직접 고치는 방법이 편할 수 있다. 반면 표현이 자주 바뀌면 새 경우를 찾아 규칙을 고치는 수고가 늘어난다. 남은 질문: 새 조건을 더했을 때 엉뚱하게 막히는 일반 메일은 없을까?도 함께 검사한다.
메모: 조건을 더하는 일은 해결뿐 아니라 새 실수를 만들 수도 있다.
간단한 규칙이 막히는 자리
눈으로 풀어보기
틀리는 방향도 두 가지다
무료라는 단어가 있어서 광고로 골랐다. 하지만 받아야 하는 수업 안내였다. 중요한 일을 놓칠 수 있다.
정답 이름은 이 글의 예시 약속이다. 실제 메일에서는 보내는 이유와 사용자의 목적도 확인한다.
틀리는 예를 보면 무엇이 부족한지 더 잘 드러난다.
무료 수업은 왜 광고로 골라졌을까
학교에서 보낸 “무료 수업 안내”를 일반 메일이라고 정해두었다고 해보자. 처음 규칙은 무료를 찾으므로 광고라고 답한다. 일반 메일을 광고로 고른 실수다. 정답과 반대되는 이런 예를 반례라고 한다.
프로그램이 중요: 조건문을 잘못 실행한 것이 아니다. 사람이 적은 조건이 목적에 맞는 차이를 충분히 담지 못한 것이다. 실행 오류와 기준의 부족을 나눠 보기. 남은 질문: 무료라는 단어 말고 어떤 정보가 더 필요할까?
메모: 반례 하나만으로도 “이 규칙이 항상 맞는다”는 주장은 무너진다.
경품 광고는 왜 일반으로 통과했을까
“경품에 당첨됐어요”를 광고라고 정해둔 예에서는 무료가 없어서 일반으로 답할 수 있다. 이번에는 광고를 찾지 못한 실수다. 앞의 실수와 방향이 반대다. 이 글에서는 이런 경우를 놓친 광고라고 적어두자.
앞에서는 필요한 메일을 잘못 막았고, 여기서는 막으려던 메일을 놓쳤다. 총 실수 수만 적으면 이 차이가 숨을 수 있다. 무엇을 무엇으로 잘못 골랐는지를 따로 본다. 남은 질문: 어느 실수가 더 곤란한지에 따라 기준도 달라질까?
메모: 잘못 막은 메일과 놓친 광고를 한 숫자로만 뭉치지 않는다.
조건을 끝없이 더하면 해결될까
무료·경품·선물 같은 말을 계속 적으면 찾는 광고가 늘 수 있다. 그러나 친구가 보낸 “선물 고마워”도 조건에 걸릴 수 있다. 하나를 고치면 다른 경우가 틀리는 상황이다. 이런 얽힘을 여기서는 조건끼리의 충돌이라고 이해하자.
중요: 조건이 많다고 반드시 더 정확한 것은 아니다. 서로 겹치는 조건, 빠진 경우, 새 표현까지 살펴야 한다. 규칙 수보다 실제 결과를 본다. 남은 질문: 모든 문장의 뜻을 사람이 작은 조건으로 다 적을 수 있을까?라는 질문이 학습 방법으로 이어진다.
메모: 복잡한 문제에서는 조건을 추가하는 비용도 함께 커질 수 있다.
같은 단어도 주변 말에 따라 달라진다
“무료 수업 안내”와 “무료 경품 신청”에는 같은 무료가 있다. 그런데 예시의 정답은 일반과 광고로 다르다. 함께 쓰인 다른 말이 구분에 도움이 될 수 있다. 주변 내용과 상황을 맥락이라고 한다.
단어를 여러 개 본다고 사람처럼 모든 뜻을 이해했다는 것은 아니다. 그래도 한 단어만 보는 방법이 놓친 차이를 검토할 수는 있다. 어떤 정보까지 사용했는가가 중요하다. 남은 질문: 제목만 볼 때와 내용까지 볼 때 결과가 달라질까?
메모: 맥락은 같은 말의 뜻을 살필 때 함께 보는 주변 정보다.
규칙과 학습은 함께 쓸 수도 있다
실제 기능을 나누면 어떤 부분은 규칙으로, 다른 부분은 학습으로 처리할 수 있다. 예를 들어 정해진 파일 형식만 허용하기는 정확한 목록과 비교하고, 메일 내용 분류는 예시로 만든 기준을 검토할 수 있다. 둘을 함께 쓰는 방식을 조합이라고 생각하면 된다.
따라서 규칙이 보인다는 이유만으로 서비스 전체가 AI가 아니라고 할 수 없다. 중요: 규칙을 이용해 추론하는 AI 방식도 있다. 어느 기능에서 어떤 방법을 쓰는가를 나눠 본다. 남은 질문: 모든 부분을 굳이 같은 기술로 만들 이유가 있을까?
메모: 규칙과 학습 중 하나가 나머지를 전부 없애야 하는 것은 아니다.
예시에서 계산 기준을 만드는 방법
눈으로 풀어보기
네 예시에서 어떤 숫자가 덜 틀릴까?
무료·경품·할인이 나온 횟수를 센다. 같은 표현이 두 번 나오면 두 번 센다. 표현이 0개 이상이면 광고로 고르는 작은 기준이다.
지금 네 예시에서 2개 틀림. 슬라이더를 바꾸면 결과가 바뀐다. 버튼은 예시의 정답을 사용해 여러 숫자를 비교한다.
이 화면은 실제로 네 가상 예시를 계산한다. 횟수 하나로 메일 전체의 뜻을 이해하는 모델도, 실제 서비스 성능 시험도 아니다.
학습은 사람이 사라지는 마법이 아니라 기준을 만드는 방법의 변화다.
규칙 대신 문제와 정답을 함께 주면
이번에는 어떤 단어가 있으면 광고인지 하나씩 적는 대신 메일 예시와 각 예시의 정답 이름을 준비한다. 예시 자료를 바탕으로 결과를 고를 기준을 만드는 방법을 기계학습이라고 한다. 머신러닝은 이 말을 영어로 부르는 이름이다.
Google의 입문 설명에서도 정답이 붙은 자료로 관계를 배우는 방법을 다룬다. 다만 예시 몇 개를 보여줬다고 좋은 기준이 완성된 것은 아니다. 보여준 자료와 배우는 방법이 함께 중요하다. 남은 질문: 예시가 치우쳐 있다면 기준도 치우치지 않을까? 기계학습 입문
메모: 조건을 직접 다 쓰는 대신, 자료에서 계산 기준을 만드는 과정이 추가된다.
정답을 잘못 붙이면 무엇을 배우게 될까
학교 안내를 광고라고 붙이면, 모델을 만드는 과정에서도 그 이름이 기준으로 쓰일 수 있다. 자료와 정답 이름의 짝이 중요하다. 이처럼 정답이 있는 예시로 배우는 방법을 지도학습이라고 한다.
정답을 붙이는 약속이 사람마다 다르면 비슷한 메일에 서로 다른 이름이 생길 수 있다. 먼저 목적을 정하고, 헷갈리는 예를 다시 읽어야 한다. 학습 전에 정답의 일관성 확인하기. 남은 질문: 어떤 기준으로 광고라는 이름을 붙였는가?
메모: 학습 방법이 좋더라도 잘못된 정답 이름을 그대로 믿을 수는 없다.
글자를 계산할 수 있는 모습으로 바꾸기
아주 단순한 방법으로 무료·경품·할인이라는 말이 몇 번 나오는지 셀 수 있다. “무료 경품”이라면 두 표현이 한 번씩 나온다. 글자에서 뽑은 비교할 정보를 특징이라고 한다. 여기서는 표현이 나온 횟수가 특징이다.
이 숫자는 문장 전체의 뜻과 같지 않다. “무료 수업”도 무료가 한 번 나오기 때문이다. 남긴 정보와 버린 정보를 함께 본다. 남은 질문: 단어를 세기만 하면 말의 순서와 이유는 어디로 갈까? scikit-learn의 문서는 글을 단어 횟수 같은 숫자 정보로 바꾸는 방법을 설명한다. 텍스트 특징 설명
메모: 특징은 비교에 사용하는 정보다. 정보가 적으면 구분할 수 없는 경우도 있다.
배운 기준을 모델이라고 부른다
예시를 사용해 만든 계산 기준으로 새 메일의 이름을 고른다고 생각해보자. 이때 쓰는 것을 모델이라고 한다. 여기서는 자료를 받아 결과를 고르는 계산 기준이라는 뜻으로 이해하면 된다. 모델이 사람처럼 메일을 느끼는 것은 아니다.
중요: 겉으로 비슷한 조건문이 나와도 기준을 얻은 과정이 다를 수 있다. 사람이 숫자를 직접 정했는지, 예시에서 여러 숫자를 비교해 골랐는지가 다르다. 계산 모양보다 기준이 만들어진 과정을 본다. 남은 질문: 예시가 달라지면 선택한 기준도 달라질까?
메모: 학습한 모델도 결국 계산을 한다. 사람이 적은 규칙과 자료로 정한 값을 구분한다.
학습 중에는 무엇을 비교할까
작은 시각 설명에서는 광고 표현이 몇 개면 광고로 고를지 여러 숫자를 비교한다. 결과를 고르기 → 정답과 비교하기 → 틀린 수 세기의 순서다. 틀린 정도를 줄이는 데 사용하는 값을 오차라고 부를 수 있다. 여기서는 틀린 예시의 개수만 쓴다.
여러 후보 중 예시에 덜 틀리는 기준을 고르는 것이다. 복잡한 모델은 다른 계산과 수정 방법을 쓰므로 이 작은 방식이 학습 전체를 설명하는 것은 아니다. 예시에 맞는 기준과 새 자료에도 맞는 기준은 다시 확인해야 한다. 남은 질문: 본 예시에만 잘 맞춘 것은 아닐까?
메모: 여러 숫자를 비교하는 작은 예는 학습의 원리 중 일부를 보여준다. 모든 모델이 같은 방식은 아니다.
처음 보는 자료를 따로 확인하는 이유
눈으로 풀어보기
다른 파일이면 처음 보는 문제일까?
이름을 바꿔 복사해도 이미 본 내용이다. 맞혔다고 새로운 표현에서도 통한다고 결론 내릴 수 없다.
따로 남긴 답을 보고 계속 고치면 그 자료도 기준 선택에 사용한 셈이다. 마지막 확인에 무엇을 썼는지 기록한다.
연습한 답을 다시 맞히는 것과 새 문제를 푸는 것은 다르다.
연습한 메일만 다시 보면 생기는 착각
답을 보고 연습한 문제를 다시 맞혔다고 처음 보는 문제도 맞힌다고 말할 수는 없다. 모델도 학습에 쓴 메일에만 잘 맞을 수 있다. 다른 예에도 기준이 통하는지 확인하는 일을 새 자료 확인이라고 이해하자.
따라서 일부 메일은 확인한 내용: 기준을 만들 때 쓰지 않고 남긴다. 기준 만들기와 마지막 확인을 분리하는 것이다. 남은 질문: 이 메일은 기준을 고를 때 한 번도 참고하지 않았을까?를 적어두면 비교의 경계가 보인다.
메모: 새 자료에 통하는지 보려면 새 자료를 미리 연습 답으로 쓰지 않는다.
복사본을 나누면 새 자료가 될까
같은 “무료 선물” 메일을 복사해 한 장은 학습용, 다른 한 장은 확인용에 넣었다고 해보자. 파일은 두 개여도 내용은 이미 본 예시다. 이렇게 확인할 내용이 기준을 만드는 과정에 들어간 경우를 자료 누수라고 한다.
복사본뿐 아니라 매우 비슷한 메일이 양쪽에 있으면 무엇을 확인하는지 조심해야 한다. 파일 수와 새로운 내용의 수는 다르다. 남은 질문: 메일 이름만 다른 복사본이 섞여 있지는 않을까?부터 확인한다.
메모: 겉으로 학습용과 확인용을 나눠도 내용이 겹치면 새 예시를 본 것이 아니다.
만들기, 고르기, 마지막 확인을 나누기
처음에는 두 묶음만 떠올렸지만 기준을 고치는 데도 자료가 필요할 수 있다. 학습용으로 기준을 만들고, 검증용으로 여러 후보를 비교하며, 시험용은 마지막 확인에 남기는 식이다. 검증은 고칠 방향을 살펴보는 확인이라는 뜻이다.
시험용 답을 보고 계속 고친 뒤 그 성적을 처음 본 자료의 성적이라고 부르면 어긋난다. 마지막 확인 자료를 어떤 결정에 썼는가를 기록한다. 남은 질문: 자료를 나눈 이름뿐 아니라 실제 사용 순서도 지켰을까? 자료를 나누는 이유
메모: 학습용·검증용·시험용은 폴더 이름이 아니라 사용하는 목적이 다르다.
맞힌 수만 세면 놓치는 것
네 메일 중 세 개를 맞히면 3 ÷ 4 × 100 = 75%다. 확인한 네 개 중 세 개라는 뜻이다. 이것을 정확도라고 한다. %는 전체를 100으로 보았을 때의 비율이며, 실제로 백 메일을 검사했다는 말은 아니다.
그 한 번의 실수가 중요한 수업 메일을 막은 것인지, 광고 하나를 통과시킨 것인지도 본다. 총 맞힌 수와 실수의 종류를 같이 적는다. 남은 질문: 두 방법의 정확도가 같아도 불편함은 다를 수 있지 않을까? 분류 결과를 확인하는 기준
메모: 정확도는 확인한 자료의 비율이다. 다른 자료 전체에 대한 보장도, 실수의 영향 설명도 아니다.
나중에 표현이 달라지면
예시에는 무료라는 말이 많았는데 새 메일은 전혀 다른 표현을 쓸 수 있다. 보내는 방식도 바뀔 수 있다. 확인할 자료의 모습이 바뀐 상황이다. 이전에 좋은 결과가 나왔다는 사실과 지금도 잘 되는가는 다른 질문이다.
모델에 새 메일을 넣어 답을 받았다고 중요: 자동으로 다시 배우는 것은 아니다. 따로 자료를 모으고 학습 과정을 거칠 수 있다. 모델을 사용하는 것과 기준을 다시 만드는 것을 나눈다. 남은 질문: 언제 어떤 새 자료로 다시 확인할까?
메모: 한 번 확인한 결과는 그때의 자료와 방법에 대한 기록이다.
그래서 어느 방법을 고를까
눈으로 풀어보기
문제에 따라 먼저 볼 방법이 달라진다
분명한 글자 조건부터 비교
이름 끝의 .pdf만 비교하는 요구는 직접 적은 규칙으로 풀 수 있다. 실제 파일 내용과 형식까지 검사한 것은 아니다.
결과뿐 아니라 틀린 종류, 고치는 시간, 사람이 검토할 방법을 함께 비교한다.
이름보다 실제로 필요한 결과와 고치는 수고를 비교한다.
같은 자료에서 두 방법의 결과를 적기
규칙 방법과 모델 방법에 처음 보는 같은 예시를 넣는다고 해보자. 맞힌 것, 틀린 것, 걸린 시간을 나란히 적는다. 비교할 처음 방법을 기준 방법이라고 한다. 여기서는 단순 규칙이 그 역할을 할 수 있다.
확인한 내용: 모델을 만드는 시간과 사람이 결과를 고치는 수고도 빠뜨리지 않는다. 실제로 줄어든 일을 확인해야 도움이 됐다고 말할 수 있다. 남은 질문: 분류는 빨라졌지만 검토가 더 오래 걸리면 어떨까? 이 글은 실제 서비스 성능을 측정한 기록이 아니다.
메모: 새 기술만의 결과보다 기존 방법과 같은 조건에서 비교한 변화가 중요하다.
중요한 메일을 막는 실수는 더 곤란할 수 있다
메일 한 건을 틀렸다는 숫자는 같아도 수업 변경 안내를 막으면 필요한 정보를 놓칠 수 있다. 광고 하나가 받은 편지함에 들어오면 귀찮을 수 있다. 틀렸을 때 생기는 손해를 실패 비용이라고 부른다. 돈뿐 아니라 시간과 불편함도 포함한다.
어느 실수를 줄일지 정하지 않고 숫자만 높이면 목적과 멀어질 수 있다. 중요한 일을 놓치지 않는 조건을 먼저 정한다. 남은 질문: 틀린 결과를 사람이 쉽게 발견할 수 있을까?도 방법 선택에 들어간다.
메모: 같은 한 번의 실수라도 뒤에 생기는 일은 다르다.
처음에는 후보만 만들고 확인하기
처음부터 자동 삭제보다 광고 후보 목록만 만드는 방법을 생각할 수 있다. 원본은 남기고 사람이 읽은 뒤 옮긴다. 원래 상태로 돌아가는 행동을 되돌리기라고 한다.
확인한 범위가 작을 때는 확인한 내용: 할 일의 범위도 작게 잡는다. 검토와 원본 보관을 기능에 포함하기. 이것은 AI라서 무조건 위험하다는 뜻이 아니라 틀릴 수 있는 결과를 어떤 행동에 연결하는지의 문제다. 남은 질문: 검토 없이 실행해도 될 만큼 확인했을까?
메모: 후보를 제안하는 단계와 원본을 바꾸는 단계는 따로 설계한다.
정확한 조건이면 규칙부터 생각하기
파일 이름이 .pdf로 끝나는지 찾는 일은 글자 끝을 비교하면 된다. 반면 메일의 내용을 나누는 일은 표현과 상황이 다양하다. 사람이 분명하게 적을 수 있는 조건인지 먼저 본다. 방법 선택은 이 문제의 모습에서 출발한다.
규칙이 충분하면 확인한 내용: 간단한 방법이 좋을 수 있고, 예시에서 관계를 찾는 것이 도움이 되면 학습을 검토할 수 있다. 복잡함 자체를 장점으로 삼지 않기. 남은 질문: AI를 쓰는 일이 목표일까, 필요한 일을 잘 푸는 것이 목표일까?
메모: 조건·자료·확인 비용을 보고 방법을 고른다. 기술 이름을 먼저 정하지 않는다.
지금 이해한 차이
조건을 사람이 직접 적었는가, 예시를 비교해 만들었는가. 이번에 남길 차이는 기준을 얻는 과정이다. 겉으로 비슷한 조건문이 나와도 그 조건을 정한 과정은 다를 수 있다.
어느 쪽이든 필요한 메일을 잘 남기는지, 어떤 광고를 놓치는지를 따로 확인한다. 남은 질문: 기준을 만들 때 본 예시에서만 잘 맞고 있는 것은 아닐까?라는 질문도 남는다.
메모: 방법의 이름보다 기준을 만든 과정과 새 자료에서의 결과를 함께 본다.
내 말로 다시 풀어보기
한 문장씩 설명해보면 된다. 아래 답을 읽기 전에 메일 예시를 바꿔 생각해보면 차이가 더 잘 드러난다.
1. 무료 수업을 광고로 골랐다면 조건문이 고장 난 걸까?
아니다. 적어둔 조건대로 움직였지만 그 조건이 목적에 맞는 차이를 담지 못한 경우다. 규칙 실행과 규칙의 적절함을 나눈다.
2. 규칙이 들어가면 AI가 아닌 걸까?
그렇지 않다. 규칙과 지식을 쓰는 AI 방식도 있고, 규칙과 학습을 조합할 수도 있다. 어느 기능을 어떤 방법으로 푸는지 본다.
3. 모델을 만드는 예시에 정답을 잘못 붙이면 어떨까?
잘못된 이름이 학습의 기준으로 쓰일 수 있다. 자료를 많이 모으는 것과 자료의 내용이 적절한 것은 다르다.
4. 같은 메일을 복사해서 시험용에 넣으면 새 문제일까?
파일만 달라졌을 뿐 내용은 이미 본 예시다. 처음 보는 내용에도 기준이 통하는지 확인했다고 말할 수 없다.
5. 네 예시에서 틀린 수가 0이면 앞으로도 안 틀릴까?
아니다. 그 네 예시에서의 결과다. 따로 남긴 다양한 자료와 새로운 조건에서 다시 확인해야 한다.
6. 맞힌 수가 같다면 두 방법도 똑같이 좋을까?
어떤 종류를 틀렸는지, 고치는 데 얼마나 걸리는지, 틀린 결과가 어떤 행동으로 이어지는지까지 비교해야 한다.
지금 남길 기준
지금 남길 차이는 기준을 사람이 직접 적었는가, 예시를 비교해 만들었는가다. 어느 쪽이든 결과가 나오면 맞는지 확인해야 한다. 모델이라는 이름만으로 모든 메일을 이해했다고 말할 수는 없다.
확인한 자료
자료 확인 2026.10.11. 공식 입문 자료와 문서에서 학습·텍스트 특징·자료 분리·분류 확인의 뜻을 읽고, 별도로 만든 메일 예시와 연결했다.
경제협력개발기구 · 인공지능의 정의 — AI에는 기계학습뿐 아니라 지식과 논리로 추론하는 방식도 포함된다. 단순 조건문 하나와 AI 전체를 같은 뜻으로 보지 않는 이유.
구글 개발자 자료 · 기계학습이란 무엇인가 — 자료로 기준을 만드는 방법, 정답이 있는 예시와 분류.
사이킷런 · 글에서 특징을 뽑는 방법 — 글을 단어 횟수 등의 숫자 정보로 바꾸는 방법. 본문의 세 표현 세기는 이를 이해하기 위한 별도 작은 예다.
구글 개발자 자료 · 자료를 나누는 이유 — 기준을 만드는 자료와 확인하는 자료를 나누는 이유.
구글 개발자 자료 · 분류 결과를 확인하는 기준 — 맞힌 비율뿐 아니라 잘못 고른 방향을 확인하는 기준.
사이킷런 · 결과를 비교하는 기준 — 문제에 맞는 확인 기준과 예측 결과의 비교.
사진은 내장 도구로 만든 개념 장면이고, 한글 도해와 메일·숫자는 설명용 예시다. 실제 메일 서비스의 학습·성능 시험 기록은 아니다.
댓글
댓글을 불러오는 중…