Google's latest experiment is Keen, an automated, machine-learning based version of Pinterest
Google의 새로운 아이디어 인큐베이터 Area 120에서 사용자가 관심사를 추적하는 데 도움이 되는 Keen 이라는 새로운 프로젝트를 공개했습니다.
[Keen 바로가기] https://staykeen.com/home
이 앱은 사용자가 웹에서 특정 콘텐츠를 모니터링할 수 있는 Google 알리미 서비스에 대한 현대적인 생각과 같습니다 .
Google이 관심사에 대한 이메일을 보내는 대신 검색 결과인 Keen은 머신러닝 기술과 휴먼 협업을 활용하여 사용자가 주제를 중심으로 콘텐츠를 관리할 수 있도록 합니다.
각 개별 관심 영역을 "Keen(예리한)"이라고 합니다. 즉, 지적 신속성을 가진 사람을 지칭하기 위해 자주 사용되는 단어입니다.
공동 창립자인 CJ Adams가 다운 타임을 채우기 위해 피드와 이미지를 무심코 찾아보기 위해 휴대폰에 너무 많은 시간을 소비하고 있음을 알게 된 후 이 프로젝트에 대한 아이디어가 나왔습니다.
그는 관심이 있는 주제에 대해 더 많이 배우는 데 더 많은 시간을 할애할 수 있음을 깨달았습니다.
이 아이디어를 탐구하기 위해 Google의 그와 네 명의 동료는 인간 중심의 머신 러닝에 중점을 둔 회사의 PAIR (People and AI Research) 팀과 협력하여 현재 Keen이 된 것을 만들었습니다.
웹과 Android에서 모두 사용할 수 있는 Keen을 사용하려면 먼저 Google 계정으로 로그인하고 조사하려는 주제를 입력하십시오. 이것은 빵 굽는 법 배우기, 조류 관찰또는 타이포그래피에 대한 학습과 같은 것일 수 있다고 Adams는 새로운 프로젝트에 대한 발표에서 설명했습니다.
Keen은 관심사와 관련된 추가 주제를 제안할 수 있습니다. 예를 들어, "개 훈련"을 입력하고 Keen은 "개 훈련 수업", "개 훈련 책", "개 훈련 요령", "개 훈련 비디오"등을 제안할 수 있습니다. 추적하려는 제안을 클릭하면 새로운 컬렉션을 만듭니다.
Keen 상태로 돌아오면 관심 있는 웹 콘텐츠에 링크 된 핀 보드 이미지가 표시됩니다. 개 훈련의 예에서, Keen은 기사 및 YouTube 비디오, 선별된 리소스 목록을 제공하는 블로그 게시물, 개 훈련 간식에 대한 Amazon 링크 등을 발견했습니다.
모든 컬렉션에 대해 서비스는 Google 검색 및 기계 학습을 사용하여 주어진 관심사와 관련된 더 많은 콘텐츠를 검색합니다.
Keen에 추가하고 정리할수록 이러한 권장 사항이 더 좋아집니다.
사실 Pinterest의 자동화 버전과 같습니다.
"Keen"이 만들어지면 선택적으로 컬렉션에 추가하고 원하지 않는 항목을 제거하고 다른 사람들과 Keen을 공유하여 콘텐츠를 추가할 수 있습니다. 결과 모음은 공개 또는 비공개 일 수 있습니다. Keen은 또한 새로운 콘텐츠를 이용할 수 있을 때 경고 이메일을 보낼 수 있습니다.
Google은 어느 정도는 이미 유사한 기술을 사용하여 Google 앱에서 뉴스 피드를 강화합니다 .이 경우 피드는 Google 검색 기록의 항목과 명시 적으로 따르는 주제를 조합하여 Google 앱의 홈 화면에서 직접 전달할 수 있는 뉴스와 정보를 찾습니다. 그러나 Keen은 검색 기록을 활용하지 않습니다. 직접 입력한 관심사를 기반으로 콘텐츠를 가져옵니다.
그리고 뉴스 피드와 달리 Keen은 반드시 최근 항목에만 집중되는 것은 아닙니다.
주제에 대한 모든 정보를 제공하고 유용한 정보를 반환할 수 있습니다. 여기에는 관련 웹 사이트, 이벤트, 비디오 및 제품이 포함될 수 있습니다.
그러나 Google 프로젝트 및 Google 로그인 인증을 요청하는 프로젝트로서 수집한 데이터는 Google과 공유됩니다. Google의 다른 모든 항목과 마찬가지로 Keen은 회사의 개인 정보 취급 방침을 따릅니다.
오늘날 Keen은 대기업 내부의 소규모 프로젝트이지만 웹의 지속적인 개인화를 향한 또 다른 단계를 나타냅니다. 오랫동안 기술 회사는 사용자를 관심 있는 콘텐츠로 더 연결하면 해당 서비스에 대한 참여, 세션 길이, 보존 및 긍정적인 감정이 높아진다는 것을 깨달았습니다.
그러나 개인화를 선택하지 않으면 사용자의 새로운 정보 노출 또는 반대 의견에 대한 노출이 제한됩니다. 그것은 사람의 세계관을 좁힙니다. 필터 버블과 에코 체임버를만듭니다. 알고리즘 기반 권장 사항은 프린지 콘텐츠를 검색하는 사용자에게 위험한 토끼 구멍을 더 아래로 내려가면서 시간이 지남에 따라 급격히악화시킬 수 있습니다.극단적인 경우 급진적인 사람들이테러리스트가 됩니다.
Keen이 기계 학습과 주제별 전문가를 페어링 하는 경우 더 나은 아이디어가 될 것입니다. 그러나, 원하는 경우 협업을 위해 특별히 초대한 친구 및 가족을 넘어 기술에 인간의 전문 지식을 추가하지는 않습니다. 따라서 시스템은 보다 나은 인간 편집 큐 레이션을 원하고 더 좁은 초점을 시작할 필요가 있습니다.
평소 Flipboard(https://flipboard.com/) 나 Pinterest(https://www.pinterest.com/) 가 좋은 서비스라고 생각하고 있었는데
구글에서 이와 비슷한 서비스를 제공한다니 기대가 크다.
기존 서비스도 이용자들의 선호도에 머신러닝 기술을 적용했을텐데, 구글은 어떤 새로운 모습을 보여줄지 궁금하다.
나도 이와 비슷한 서비스를 만들고 싶은데, 결과물이 나오려면 끈질긴 실행력이 필요한 것 같다.
'머신러닝' 카테고리의 다른 글
| [추천강의] 이은아님 머신러닝 비정형 데이터 분석 4/11 Feature Selection (0) | 2020.07.08 |
|---|---|
| [추천강의] 이은아님 머신러닝 비정형 데이터 분석 3/11 문장, 문단, 문서 임베딩 (0) | 2020.07.07 |
| [추천강의] 이은아님 머신러닝 비정형 데이터 분석 2/11 Word2Vec (0) | 2020.07.07 |
| [인공지능 뉴스] 공동이익 추론 기반 조정, 협력, 타협 학습 (0) | 2020.07.05 |
| [추천강의] 이은아님 머신러닝 비정형 데이터 분석 1/11 신경망언어모델(NNLM) (0) | 2020.07.05 |