기계 학습 FAQ

기계 학습은 매일 조작하는 많은 앱 및 서비스에서 사용됩니다. 간단히 말해서 컴퓨터가 데이터를 분석한 다음 예측을 하거나 학습한 내용을 토대로 제안을 하는 방법을 설명하는 용어입니다.

기계 학습의 일반적인 예로, 전자 메일 응용 프로그램이 특정 보낸 사람의 모든 메시지를 스팸 폴더로 자동으로 보내는 경우를 들 수 있습니다. 컴퓨터는 전자 메일에 포함된 데이터를 분석한 후 찾은 패턴으로부터 특정 보낸 사람이나 도메인의 메시지가 스팸일 가능성을 예측합니다. 그런 후 예측에 대한 조치를 취하고 메시지를 받은 편지함 밖으로 이동합니다.

메시지에 "정크"라고 태그를 지정하면 컴퓨터를 해당 사실을 학습하고 좀 더 발전하여 자동으로 정크 메일로 플래그를 지정할 수 있게 됩니다. 시간이 지나면서 컴퓨터는 더 많은 데이터를 고려하면서 특정 작업에 대해 더 나아진 학습 결과를 나타낼 수 있습니다. 경험을 통해 향상되는 이러한 프로세스를 기계 학습이라고 합니다.

기계 학습을 사용하면 시간이 지나면서 사용하는 프로그램 및 장치가 개인화된 서비스를 보다 잘 제공하게 됩니다. 예를 들어 음성 인식 소프트웨어를 더 많이 사용할수록 소프트웨어는 사용자의 음성을 더 잘 이해하고 더 나은 성능을 발휘합니다.

Adobe에서는 기계 학습을 사용하여 사용자가 보다 효율적이면서 창의적으로 작업하도록 도와드릴 수 있습니다. 예를 들어 기계 학습을 사용하여 사용자의 이미지를 구성하고 편집하도록 지원할 수 있습니다. Lightroom에서는 개체 인식을 사용하여 강아지 사진이 자동으로 태그를 지정할 수 있습니다. Photoshop에서 기계 학습은 너무 어두운 이미지를 식별한 후 밝기를 자동으로 조정하도록 도와줄 수 있습니다.

또한 기계 학습을 사용하여 내용 인식을 토대로 추천 항목을 제시할 수도 있습니다. 예를 들어 UI 실물 모형을 사용할 경우 Photoshop은 스톡 단추 아이콘을 자동으로 추천할 수 있습니다. 이러한 유형의 내용 인식 추천은 Photoshop이 인터넷에서 사용할 수 있는 일반 데이터가 아닌 사용자 데이터에서 학습할 때 사용자 업무에 보다 많이 관련될 수 있습니다.

컴퓨터는 사용자가 클라우드 서비스를 사용하여 데이터를 보내거나 받거나 저장할 때 내용을 분석할 수 있습니다. Adobe는 사용자 컴퓨터에 로컬로 저장된 파일에는 액세스하지 않습니다. 사용자 파일, 작업 로그 및 사용자의 직접 피드백에 있는 데이터를 사용하여 알고리즘을 학습하고 향상시킵니다.

예를 들어 사용자 사진에 대해 패턴 인식을 사용하여 모든 강아지 이미지를 식별하고 자동으로 태그를 지정할 수 있습니다. 사용자가 이러한 사진 중 하나를 선택하고 강아지가 포함되어 있지 않다고 지정하면 해당 정보를 토대로 강아지 이미지를 보다 잘 식별할 수 있게 됩니다.

Adobe는 모든 사용자로부터 학습한 내용을 사용하여 제품 및 서비스를 모든 사용자를 위해 더 나은 방식으로 개선합니다. 예를 들어 사용자는 해변 사진을 채도가 높고 선명하게 편집하고 다른 사용자는 부드러운 초점 및 약한 빛을 나타내도록 결혼식 사진을 편집하는 경우 Adobe 프로그램은 이러한 차이를 학습할 수 있습니다. 나중에 또 다른 사용자가 해변 또는 결혼식 사진을 편집할 때 여러 다른 사용자로부터 학습한 내용을 토대로 적절한 스타일을 추천할 수 있게 됩니다.

Adobe 개인 정보 센터에서 귀하와 관련된 정보가 Adobe에서 사용되는 방식에 대한 기본적인 정보를 확인할 수 있습니다.

컴퓨터는 사용자가 클라우드 서비스를 사용하여 데이터를 보내거나 받거나 저장할 때 내용을 분석할 수 있습니다. Adobe는 사용자 컴퓨터에 로컬로 저장된 파일에는 액세스하지 않습니다.  

Adobe는 귀하의 개인 정보를 소중히 다룹니다. 기계 학습을 통해 획득한 통찰력을 이용하여 귀하의 컨텐츠나 개인 정보를 다시 만들 수 없습니다.

Adobe 개인 정보 센터에서 귀하와 관련된 정보가 Adobe에서 사용되는 방식에 대한 기본적인 정보를 확인할 수 있습니다.

Adobe에서 귀하의 파일을 분석하여 조치를 취하고 추천을 제공하지 않게 하려면 언제든지 기계 학습을 해제할 수 있습니다.