Day 4 - ML 개발에서 사람의 역할: 라벨링, 피드백, 반복 개선

📌 핵심 정리

• ML은 사람과 기계의 협업이다. "기계가 알아서 다 한다"는 인상은 현실과 정반대에 가깝다.
• 라벨링: 사람이 데이터에 정답을 붙이는 작업. 지도 학습의 토대이고, 라벨이 틀리면 모델도 틀리게 배운다.
• 피드백: 사람이 모델의 답을 평가·교정한다. 생성형 AI에서는 RLHF가 대표 기법이다.
• Human-in-the-loop(HITL): 중요하거나 위험한 결정일수록 사람이 최종 검토·승인한다. 책임 있는 AI의 핵심 안전장치.
• ML은 "완성"되는 게 아니라 **"계속 개선"**된다. 사람 손을 떼면 드리프트로 모델이 낡는다.

왜 사람이 필요한가

• AIF-C01은 이 주제를 "Human-in-the-loop(사람이 개입하는 고리)" 개념과 책임 있는 AI의 맥락에서 자주 묻는다.
• "이 사진은 고양이"라는 정답은 누가 알려 주는가? 기계가 처음부터 아는 것이 아니라 사람이 알려 줘야 한다.
• 모델이 내놓은 답이 맞는지 틀린지, 무엇이 부적절한지를 최종 판단하는 것도 사람이다.

💡 관련 이론: ML 학습 방식은 크게 **지도 학습(Supervised Learning)**과 **비지도 학습(Unsupervised Learning)**으로 나뉜다. 지도 학습은 "입력 + 정답(라벨)" 쌍으로 배우고, 비지도 학습은 정답 없이 데이터 구조만으로 배운다. 사람의 라벨링이 특히 중요한 것은 지도 학습이다