Companion

09 Dec 2023 in Notes / Othermajors / Ux

사람과 상호작용하는 동반자
추천 시스템
설명 인터페이스
- 설명 방식 설계 📝
메타버스

사람과 상호작용하는 동반자

의사소통에 있어서 가장 자연스러운 것은 음성 대화
그럼에도 인간은 시각적 채널에 굉장히 예민하다

Chatbot에서의 소통

주 정보: 텍스트
맥락이 중요함
때때로 radio button, checkbox 등으로 전환되지만 이는 효율적일지언정 자연스럽지 않음

행동적 신호 (behavioral cues)
준언어적 신호 (paralinguistic cues) !!, ??, ^^, ㅋㅋㅋ
백채널링 신호 (back-channeling cues) 아하, 정말?, 응응
- 대화 끌어내기

추천 시스템

필터링 문제점 🤔

콜드 스타트 (cold start): 새로운 아이템이나 사용자에 대한 정보가 없는 경우 (참고 불가, 처리 어려움)
사용자 집단 규모 커짐에 따른 정보 과부하 (information overload): 계산 시간 복잡하며 비용이 많이 듦
Long Tail: 소수의 인기 있는 아이템이 대부분의 관심을 받고, 나머지는 관심이 없어서 추천이 어려움
내용기반 필터링: 협업보다는 비교적 cold start 문제점에서 자유롭지만 item profile, user profile 둘 다 고려 필요

필터링 종류 📚

협업 필터링 (Collaborative Filtering)
- 메모리 기반 협업 전통적 방법
  - 사용자 기반 협업 필터링 (User-based CF): 사용자간 유사성 기반으로 추천
    - 내 취향과 비슷한 사람이 이걸 봤어요!
  - 아이템 기반 협업 필터링 (Item-based CF): 아이템간 유사성 기반으로 추천
    - 이 영화를 좋아하는 사람들은 이 영화도 좋아해요!
    - 표면적 선호도
- 모델 기반 협업 - more on netflix!
내용 기반 필터링 (Content-based Filtering)
- 표면적이 아닌, 아이템이 가지고 있는 속성을 기반으로 추천
- 메모리 기반과 더불어 전통적인 추천시스템 방법
하이브리드 필터링 (Hybrid Filtering)

Netflix 추천 알고리즘 🎬

모델 기반 협업필터링 (통계, 머신러닝 기법 \(\rightarrow\) 딥러닝)
- 사내 공모전에서 출발했다고 함
- 데이터에 내재된 패턴을 찾아 동일 패턴을 보이는 군집 내 필터링 적용
- latent (잠재) 모델 찾아내기

우연성 기반 추천 시스템 (Serendipity-based)

의도: 기존 시스템 너무 개인화되어 있음, 너무 안정적
Filter Bubble 🫧: 사용자를 자신의 세계에 갇히게 함, 새로운 영역 확장 or 나오기가 어려움
이러한 filter bubble을 pop, 새로운 취향과 경험을 제공함
우연상 아이템은 맥락 / 특성에 영향을 많이 받아 알고리즘 일반화가 어려움
1. 참신한 (novel) 아이템 중 관련성이 있는,
2. 예상하지 못한 (unexpected)
\(\rightarrow\) 예상하지 못한 가치도출 목표

Social Reommenation의 역할도 크다

(시청율 대부분을 차지하는 추천시스템) 알고리즘이 아닌 지인, 인터넷 통해 추천 받는 것
따라서 인플루언서 등 영향력 있는 사람들의 시청 이력에 더욱 가중치를 두는 전략도 있음

TMI: 요즘 우연성 정도를 사용자가 직접 조작할 수 있게 하는 기능도 있다.

대화형 추천 시스템 💬

Conversation-based Recommendation System

우연성보다 보편적
일방향 상호작용 보완 \(\rightarrow\) 양방향 상호작용
목적지향적으로 여러 차례 대화를 통해 추천
현재의 선호도 파악 가능, 추천에 대해 설명 제공
NLU (자연어 Understanding)
NLG (자연어 Generation) 상호작용 이어가기 위한
Dialogue State Management
Recommendation Engine (추천 생성)
Explanation Engine (사람들이 원하는 기능, 추천에 대한 설명)
Knowledge (interaction data의 DB)

Filter bubble과 인지편향
- 뉴스, 광고 등 내 관심사에만 노출되어 다른 영역 접근 점차 차단됨
- Echo Chamber (반향실 효과) 한 의견이 반복적으로 남겨져 이게 진실이라고 생각하게 됨
- Confirmation Bias (인지편향) 내가 믿는 것만 믿게 됨 "거봐 내가 맞잖아"
- 진실 외곡 위험성 \(\uparrow\)
Bandwagon 효과 :”모두가 YES” \(\leftrightarrow\) Knob: “나 혼자 NO”
침묵의 나선 이론 (Spiral of Silence): 다수의 의견에 동조하고, 소수의 의견은 침묵하게 됨 (지배적 여론에 반대입장 표출 어려움)
거짓뉴스: 진실보다 6배 빠르게 퍼진다는 연구 결과, 자극, 감성이 극대화된 것들이 더욱 빠름
SNS에서의 주도적 의견 형성:
- chow test 결과 (꺾이는 point 찾기) 주로 초반에 (시간이 아닌, comment 수 많은 순서로) 의견 형성됨
- 반대로 댓글이 없다면 휘발될 가능성 높음

설명 인터페이스

Explanation Interface —

정보의 시각화, 강조점, 형태 \(\rightarrow\) 정보 전달

설명 방식 설계 📝

대조적 설명 (Contrastive Explanation)
- 왜 A의 반대인 A’ 대신 A를 선택했는가?
반사실적 설명 (Counterfactual Explanation)
- 조건을 더하거나 빼서 what if~로 인과적 설명
예제 기반 설명 (Example-based Explanation)
- 규범적 (normative) 설명: A가 도출되는 여러 sample 보여주기
- 비교 설명: 다른 결과 (B, C)가 도출되는 sample 보여주기
귀인 설명 (attributive Explanation)
- 사람들의 특정 원인을 추론하는 귀인 과정을 반영해 설명

핀테크 결과설명 예시:

고객 대출가능여부 판단 AI가 대출불가를 판단했을 때, 이 내용을 ~~아주아주~~ 친절하게 설명해야 한다
why can't, how, what if 등 원인, 결과, 그리고 가능하다면 대안을 제시해야 함

자율주행 자동차 예시:

현실화되는 중이지만 아직 불안감이 크다
1) 불확실성 ~할수도 있다, 2) 심각성 ~하기만 하더라도 정말 큰일난다, 통제권 이양 등
위험수준 설명:
- 위험수준이 낮을 때 자세한 설명은 신뢰도를 향상 \(\rightarrow\) 귀인 이론 입각한 설명 제공
- 위험수준이 높을 때는 너무 자세한 설명은 불안감 조성. Just say why, 단순 상황만 보고할 것

메타버스

현실과 상호작용 또는 현실을 확장하는 가상공간. 시간과 공간을 초월하며 디지털 자아들이 모여 사회활동을 하며, 경제활동으로 이어질 가능성이 높다. 온라인 개념의 확장

VR (Virtual Reality): 가상현실 (100% aritificial), 완전 몰입
AR (Augmented Reality): 증강현실 (실제 환경에 씌워진 가상 객체), 강화된 현실 세계
MR (Mixed Reality): 혼합현실 (실제환경과 가상의 결합), 둘 다와 상호작용
Haptic Illusion: 다른 감각 (예: 시각, 청각)을 통해 촉각을 느끼게 하는 것
- 능동적 터치, 수동적 터치
O2O: online to offline, offline to online
- 온라인에서의 행위 \(\rightarrow\) 오프라인에서의 소비로 이루어지는 마케팅 기법
- ex: Hay Day
M2R, R2M: metaverse to real world, real world to metaverse
NFT, Blockchain, Etherium