AI는 어떻게 학습했고, 얼마나 맞히나요?

"AI가 분석한다"는 말은 편리하지만, 무엇을 보고 얼마나 맞히는지 알려 주지 않으면 의미가 없다고 생각해요. 그래서 이 서비스의 AI를 어떻게 만들었는지 과정을 그대로 적어 둡니다.

1. 사진 데이터

학습에는 옥스퍼드 대학이 공개한 Oxford-IIIT Pet Dataset을 썼어요. 고양이 12품종과 강아지 25품종, 모두 약 7,300장의 사진이 들어 있고, CC BY-SA 4.0 라이선스로 누구나 쓸 수 있어요. 서비스 이용자가 올린 사진은 학습에 쓰지 않아요.

2. 기준 점수 만들기

사진마다 기준 점수를 먼저 붙였어요. 품종의 알려진 에너지 수준(60%), 사진 속 모습이 얼마나 차분한지(30%), 나이 인상(10%)을 더한 점수예요.

자세와 나이는 사진과 문장을 함께 이해하는 AI(CLIP)에게 '편안하게 누워 있는 강아지', '뛰어노는 강아지' 같은 설명 중 어느 쪽에 더 가까운지 물어서 어림했어요.

3. 한 번 다시 만든 이유

처음 버전은 사람이 직접 판정한 사진 300장을 배우게 했어요. 그런데 이렇게 만든 AI는 품종의 알려진 성향과 거의 관계가 없어졌어요(상관계수 -0.19). '작고 동그랗고 복슬복슬하면 에겐'처럼 인상에 기울어서, 느긋하기로 유명한 바셋 하운드를 대부분 테토로 봤거든요.

그래서 지금 버전은 사람의 취향 대신 위의 기준 점수를 직접 배우도록 다시 학습했어요. AI 하나가 에겐 비율과 함께 '닮은 품종'과 '사진 속 자세'도 예측하고, 결과 코멘트는 이 세 가지를 조합해서 만들어요.

4. 얼마나 기준을 따르나요?

학습에 쓰지 않고 떼어 둔 735장(품종마다 10%)으로 시험했어요. AI의 에겐/테토 판정이 기준 점수와 92.4% 일치했고, 닮은 품종은 94.7%를 맞혔어요. 품종별 평균 에겐 비율과 알려진 에너지 수준의 상관계수는 -0.97로, 품종의 방향을 거의 그대로 따라요.

처음 버전에서 함께 쓰던 사진 설명 모델(BLIP)은 뺐어요. 따로 재 보니 찍기와 비슷한 수준이었고 결과를 50% 쪽으로 끌어당기기만 했거든요. 덕분에 분석도 훨씬 빨라졌어요.

이 숫자를 읽을 때 조심할 점

그래서 이 테스트는 재미로 즐겨 주시고, 우리 아이의 성격은 매일 함께하는 보호자님이 가장 잘 아신다는 점을 기억해 주세요.

• 92.4%는 반려동물의 실제 성격을 맞힌 비율이 아니라, 품종·자세·나이로 만든 기준을 얼마나 잘 따르는지 잰 숫자예요.
• 기준 속 자세·나이 점수도 AI(CLIP)가 어림한 값이라 완벽하지 않아요.
• 사람의 판단과는 다를 수 있어요. 처음 버전이 배웠던 사람 판정 사진 60장과 비교하면 지금 AI는 31장(52%)만 일치해요. 사람은 인상을, 지금 AI는 품종 성향을 더 크게 보기 때문이에요.
• 학습 사진이 대부분 품종견·품종묘라, 믹스견이나 코리안 숏헤어는 가장 닮은 품종을 기준으로 판단해요.