【9.rnm453.top】

신규 릴게임 ㎢ 51.rnm453.top ㎢ 릴게임용의눈

프라그마틱 슬롯 추천 ㎢ 69.rnm453.top ㎢ 바다이야기주소

게임몰 ㎢ 16.rnm453.top ㎢ 온라인룰렛

슬롯머신 알고리즘 ㎢ 20.rnm453.top ㎢ 바다이야기 사이트 먹튀

릴게임검증 황금포카성 황금포카성 릴게임판매 슬롯확률 일본경륜 야마토카지노 릴게임놀이터 손오공 게임 신천지게임 하는곳 황금성게임공략 법 신천지 게임 공략법 신천지게임하는곳 슬롯나라 골드몽릴게임 최신야마토게임 바다신2영상 오션파라다이스하는방법 야마토3게임 다운로드 하기 황금성배당줄 릴게임환수율 바다이야기 pc버전 다운 릴게임보물섬 양귀비게임설명 일본빠징고 야마토오락실게임 다빈치게임다운로드 게임바둑이추천 강원랜드 슬롯머신 종류 무료인터넷바다이야기 매장판 바다이야기 파일 릴게임꽁머니 안전 슬롯사이트 야마토2게임주소 릴114 온라인빠찡고 온라인바다이야기 황금성오리지널 강원랜드 잭팟 확률 온라인바다이야기 프라그마틱 무료게임 카지노 슬롯머신 규칙 바다이야기 확률 인터넷손오공게임 프라 그마 틱 무료체험 머니 황금성게임다운받기 우주전함 야마토 2199 모바일릴게임 접속하기 오션슬롯 인터넷야마토게임 야마토빠칭코 바다이야기무료체험 야마토하는곳 성인오락황금성 모바일릴게임 접속하기 카지노 슬롯머신 전략 카카오릴게임 10원 야마토게임 손오공게임온라인 온라인파칭코 강원랜드 슬롯머신 가격 야마토노하우 바다이야기 pc 버전 인터넷오션파라다이스 오션파라 다이스 사이트 손오공게임온라인 우주 전함 야마토 2205 다빈치게임다운로드 바다이야기pc게임 온라인릴게임 먹튀 검증 무료충전릴게임 인터넷백경 황금성동영상 오리 지날야마토2게임 무료슬롯체험 체리마스터 비법 야마토5게임 바다이야기앱 인터넷릴게임 강원랜드 슬롯머신 후기 슬롯머신 잭팟 슬롯머신 무료게임 백경게임하는곳주소 파칭코게임 무료 슬롯 머신 다운 받기 무료슬롯게임 바다이야기하는법 황금성3게임공략법 프라그마틱 순위 모바일오션파라다이스7 메이저 슬롯사이트 모바일오션 파라 다이스7 야마토3게임다운로드 오션파다라이스 다운로드 릴게임알라딘주소 최신인터넷게임 씨엔조이게임 인터넷야마토 바다신2 게임 체리 마스터 pc 용 야마토게임방법 최신릴게임 황금성온라인 온라인황금성 우주전함 야마토 2202 바다이야기 모바일게임 오션파라다이스7게임 릴게임손오공게임 신천지게임 다운로드 백경예시 온라인신천지게임 최신바다이야기게임 바다이야기 꽁머니 릴게임뜻 카카오야마토먹튀 알라딘릴게임 사이트 바다이야기 사이트 오락실릴게임 카카오릴게임 황금성갈갈이 바다이야기배당 신천지릴게임 바다이야기 2화 온라인황금성주소 편집자주
실패를 살펴보는 것은 성공으로 가는 지름길입니다. 'AI오답노트'는 AI와 관련한 제품과 서비스, 기업, 인물의 실패 사례를 탐구합니다.

모니터를 바라보며 키보드를 두드립니다.
'독감 증상'
누군가가 이렇게 검색했다면, 그 사람은 감기에 걸렸을 확률이 높을 겁니다.
그리고 부산에서 갑자기 이런 '독감', '독감 증상', '독감 증세'와 같은 키워드의 검색량이 늘어난다면, 이 지역에 독감이 유행한다고 볼 수 있을 겁니다.
구글의 엔지니어들은 이런 단순하면서도 기발한 아이디어를 떠올렸습니다. 그리고 금방 이를 서비스로 구현했습니다. 2008년 '구글 플루 트렌드(Google 진술서 Flu Trends)'의 탄생이었죠.
당시로서는 신선한 발상이었습니다. 기존 보건 당국이 병원 보고서를 수집하고 분석하는 동안, 구글은 이미 사람들의 검색 데이터를 통해 독감 유행을 예측하고 있었으니까요.
구글 플루 트렌드 : 검색어로 질병을 예측한다



사업자당일대출 상승하는 그래프. 픽사베이


구글 플루 트렌드는 사람들이 검색창에 입력하는 독감 관련 검색어를 분석해 실시간으로 독감 유행을 예측하는 시스템이었습니다. 참신한 아이디어였죠.
예를 들어, 어떤 지역에서 '기침', '발열', '독감 증상' 같은 검색어가 갑자기 많아지면, 우리은행제1금융권 그 지역에서 독감이 유행하기 시작했다고 예측하는 방식이었죠. 기존의 전통적인 보건 당국의 독감 보고 시스템보다 1~2주 빠르게 독감 유행을 감지할 수 있었습니다.
매주 약 5000만개의 검색어 데이터를 수집하고, 이 중 독감과 관련된 상위 45개의 검색어를 선별하여 미국 질병통제예방센터(CDC)의 독감 데이터를 기반으로 모델을 훈련시켰습니 한국장학재단 로그인 다.
초기에는 GFT가 독감 발생을 빠르게 탐지하는 데 성공하며 주목받았습니다
구글 플루 트렌드는 첫 공개 후 즉각적인 이목을 끌었습니다. 예측은 CDC의 실제 독감 발생 보고와 매우 유사했고, 이는 빅데이터의 힘을 보여주는 사례로 입길에 올랐죠.
"엉터리다" 터져나오기 시작한 불만 
대출조회


빅데이터를 묘사한 이미지. 픽사베이


시간이 흐르면서, 점차 불만이 터져나오기 시작했습니다. "엉터리다", "너무 과장됐다"는 등의 지적이 나오기 시작했죠. 한해는 겨울 독감 유행을 실제보다 거의 두 배나 과대 예측하는 오류를 범했습니다. 2013년 구글은 모델을 재훈련시키고 미세 조정을 거듭했으나, 예측 정확도는 크게 나아지지 않았죠. 결국 2015년 구글은 이 서비스를 중단하기에 이릅니다.
왜 이런 일이 벌어졌을까요? 먼저 '미디어 효과'을 간과했습니다. 미디어, 언론은 뉴스를 찾아헤맵니다. 뭔가 그전에 없던 일이 조금이라도 생기면, 관심을 갖고 추적하고 보도하죠. 독감도 마찬가지입니다. 지역 사회에 약간의 독감 유행이라도 감지되면, 언론은 뉴스를 만듭니다. 일부 성급한(?) 언론은 이런 식의 헤드라인을 달겠죠.
'콜록콜록' OO시 독감 대유행 전조…보건당국은 뭐하나전염병 예산 대폭 삭감하고 인력 축소...예고된 '인재'

이와 비슷한, 독감에 관한 뉴스 보도가 갑자기 늘어납니다. 그러면 사람들은 독감 관련 뉴스를 더 많이 찾아보게 됩니다.
'나도 걸렸나?', '증상이 뭐지?', '어떻게 예방하지?'라는 물음이 자연히 떠오르고, 검색도 하죠. 그런데 여기에 문제가 있습니다. 이러한 검색량의 급증이, 실제 독감 환자의 증가를 반드시 의미하지는 않는다는 겁니다.

검색어 증가와 독감 발생 증가 사이에는 분명 상관관계가 있었습니다. 하지만 상관관계가 인과관계를 의미하는 것은 아닙니다. 사람들이 독감 증상을 더 많이 검색한다고 해서 반드시 더 많은 사람이 독감에 걸렸다는 것을 의미하지 않습니다. 검색 증가의 원인은 실제 증상 경험, 미디어 보도, 주변인의 영향 등 다양할 수 있습니다. 구글 플루 트렌드는 이런 미디어를 통한 증폭 효과를 고려하지 못했던 겁니다.
'계절'이라는 특수성도 있습니다. 면역력이 떨어지는 환절기, 겨울철에는 독감 외에도 다양한 계절성 질병이 늘어나는 경향이 있죠. 초기 증상도 대체로 유사합니다. 발열, 오한, 기침, 피로감 등이죠. 즉 사람들은 다양한 질병에 관해 유사한 키워드로 검색합니다. 독감만의 신호를 정확히 분리해내기 어려운 환경이죠.
구글 플루 트렌드의 실패에서 얻을 수 있는 교훈



많은 양의 데이터는 중요합니다. 동시에 많은 데이터를 적절히 가공·정제하고 연결하는 역량도 중요합니다. 픽사베이


비록 구글 플루 트렌드 서비스는 종료됐지만, 그 발자국은 많은 가치를 남겼습니다. 빅데이터는 물론 AI 분야에도 여러 중요한 교훈을 남겼죠.
구글 플루 트렌드의 실패 이후, 2015년 하버드 대학교의 연구팀은 기존 모델의 문제점을 분석하고 이를 개선한 'ARGO(AutoRegression with GOogle search)'라는 새로운 모델을 개발했습니다. 이 모델은 사람들의 검색 방법의 동적 특성과 질병의 계절성을 고려하는 등 더 정교한 접근법을 사용했습니다. 그 결과 CDC의 실제 보고 수치와 잘 맞는 예측 성능을 보여줬죠.실패를 통해 학습하고, 더 나은 방법을 개발할 수 있다는 것을 보여주는 전형적인 사례입니다.
또한 후세대에게 '데이터 자체만큼이나 분석 방법도 중요하다'는 사실을 상기시켜줬습니다. 빅데이터의 양이 아무리 많아도 분석 방법이 부적절하면 가치 있는 결과를 뽑아낼 수 없습니다. 구글은 엄청난 양의 검색 데이터를 가지고 있었지만, 이를 해석하고 활용하는 영역에선 실수를 보였죠.
데이터 출처를 다양화하는 것도 중요합니다. 단일 데이터 출처에만 의존하면 한계가 있습니다. ARGO 모델이 더 정확한 예측을 할 수 있었던 이유 중 하나는 검색 데이터 외에도 다양한 정보를 활용했기 때문이죠. 전자건강기록(EHR) 정보까지 결합하면 예측 정확도를 더욱 높일 수 있다고 합니다.
구글 플루 트렌드의 실패는 AI와 빅데이터의 한계를 보여주는 동시에, 더 나은 방향으로 발전할 수 있는 가능성도 함께 보여줬습니다.
데이터와 알고리즘 자체만으로는 충분하지 않으며, 그 데이터가 의미하는 바를 정확히 이해하고 다양한 관점에서 검증하는 과정이 필요하다는 것을 재확인했죠. AI 시스템을 개발할 때는 단순히 기술적인 측면만이 아니라, 데이터가 생성되는 사회적, 문화적 맥락까지 고려해야 한다는 점을 기억할 필요가 있습니다.
김동표 기자 letmein@asiae.co.kr