네오헤어

열펌.매직 환원 예측 모델 개발 이야기 - AI를 활용한 환원 예측 모델 - 미용 경력 29년, 그중 21년 동안 열펌과 매직 시술을 하며 모발 상태, 약제 조건, 방치 시간, 연화 반응, 컬 형성력, 손상 결과를 꾸준히 기록해 왔습니다. 이제는 21년 동안 기록해 놓은 방대한 양의 모발 데이터를 AI 에게 학습시켜 표준화된 레시피를 만들었으며 5년이 걸릴 문제가 이제 2~3개월로 시간이 단축되고 있습니다. 방법을 설명하자면 데이터를 대조하여 찾아내는 것입니다. 그리고 과거의 제 기술과 오류가 난 부분도 함께 찾아내고 있습니다. 각각 모발에 맞는 레시피를 만들기 위해선21년간 축적한 모발 데이터의 수만 가지 사례를 각각의 화학 모델과 일일이 대조하여 분석해야 하므로, 사람이 직접 수행한다면 몇 년의 시간이 필요합니다. 아마 평생을 걸려도 해결하지 못할 것입니다. 하지만 AI를 활용하면 각각의 역할을 분담하여 훨씬 효율적으로 찾아낼 수 있습니다. 1.구글 기반의 제미나이를 검색 엔진으로 활용하여 논문과 화학 자료를 기반으로 분석하고, 2.클로드를 활용하여 단백질 값을 코딩화해 거대한 지도를 만듭니다. 3. 챗GPT를 활용하여 자료를 쉽게 편집하고, 마지막으로 최종 만들어낸 레시피를 각각의 AI로 교차 검증하여 할루시네이션 오류를 잡아냅니다. 예를 들어 A, S, D, F, F, H와 같은 단백질 배열이 있다면, 이를 표준화된 정상 단백질 배열을 기준으로 비교합니다. 그동안 21년 동안 기록해 놓은 환원제에 의한 모발의 반응점과 배합 데이터를 역추적하여 가상의 모델을 만들고, 각각의 모발 상태에 따른 표준화된 공식을 AI로 계산 분류화했습니다. 그 결과, 평생 연구해도 해결하지 못했던 다양한 모질에 대한 해결법을 찾게 되었습니다. 아래는 샘플로 그동안 연구해 온 내용입니다. 열펌.매직 환원 예측 모델 상대 환원지수(RI)와 과연화 위험도 계산 알고리즘 공개 (v1, 이론 기반 초기 버전)…