Requirements Engineering (요구학, 요구공학)의 정의
요구공학은 두 가지 핵심 목표를 가집니다.
- 목적 (Fitness Quality)에 맞는 시스템 개발
- 유지보수 되는 시스템 개발
최근 시대상에 따라, 시스템이 ‘어떻게’ 개발되는가 (개발 과정)에 대한 요구 또한 커지고 있습니다.
AI 연구의 문제: ‘요구공학적 프로세스’의 부재
- AI 모델의 학습 데이터 (training data)를 수집할 때, 명확한 ‘요구조건’ 을 가지고 모으는 사람이 없습니다.
- 그 데이터가 어떤 이해관계자 (state holder)의 어떤 책임 (responsibility)에 기반한 것인지, 혹은 그 데이터를 제공한 ‘전문가’ (expert)가 누구인지에 대해 관심이 없습니다.
Collective Intelligence (CI)와 데이터 품질
데이터의 요구조건에 대한 개념이 바로 Collective Intelligence (CI) 입니다.
데이터 품질의 중요성은 명확합니다. 훌륭한 모델 (Great Model)이 있더라도, 쓰레기 데이터 (Garbage Data)가 들어가면 결국 쓰레기 결과 (Garbage Results)가 나올 뿐입니다. (Great Model + Garbage Data = Garbage Results)
AI 개발의 현실: Twin Peak Model
현실의 AI 개발은 ’twin peak model’ (트윈 픽 모델)을 따릅니다.
이는 요구사항을 현실화 (구현)하는 과정에서, 만약 구현이 너무 어려우면 거꾸로 요구사항을 고치는 ‘타협’이 반복되는 현상을 의미합니다. #
해결책: 문제 공간의 개념화와 신뢰
이러한 문제를 해결하기 위해서는 먼저 ‘Problem space conceptualization’ (문제 공간의 개념화) 가 필요합니다.
무슨 문제인지를 명확히 알아야만, 그 후에 데이터의 조건도 정의할 수 있습니다.
궁극적인 목표는 수집된 데이터의 ‘신뢰도’ (confidence)를 보장할 수 있는 프레임워크 (Framework)를 구축하는 것입니다.