구글, 주관적 이미지 분류기 AI와 다듬는다

구글 리서치(Google Research)⁠가 11월 4일(미국 시각) 블로그에서 '건강한 음식'이나 '감동을 주는 예술 작품'처럼 기준이 사람마다 다른 개념을 가려내는 이미지 분류기를 만드는 방법 'Agile Deliberation'을 소개했습니다. 사용자는 라벨을 일일이 붙이는 대신 AI가 보여 주는 애매한 이미지에 답하면서 자기 기준을 다듬습니다.

건강한 음식을 샐러드와 곡물 볼로 쪼갭니다

첫 단계는 개념 범위 정하기입니다. 글의 예시에서 '건강한 음식(Healthy Food)'은 샐러드, 곡물 볼, 저지방 단백질 같은 하위 개념으로 나뉘고, 가공식품이나 손질하지 않은 날 재료는 제외 항목으로 들어갑니다. 사용자가 기준을 직접 글로 풀어 쓰는 부담을 AI가 나눠 지는 단계입니다.

과일 스무디는 건강한 식단일까요

두 번째 단계에서는 비전 언어 모델⁠(VLM)이 기준 경계에 걸친 이미지를 골라 보여 줍니다. 글이 든 예는 과일 스무디를 '건강한 식단' 개념에 맞는지 묻는 장면이고, 사용자의 답이 모이면 자동 프롬프트 최적화 루프가 분류 지시문을 고쳐 갑니다. 사용자는 프롬프트 엔지니어가 될 필요가 없다는 것이 글의 설명입니다.

실제 사람 18명 세션에서 본 차이

주관적인 개념에는 정답 기준이 되는 정적 데이터가 없어서 연구진은 모의 시험을 건너뛰고 1.5시간짜리 실제 세션 18번으로 평가했습니다. 개념은 '건강한 음식'과 '페이투플레이(Pay-to-Play, 온라인 오락⁠·게임에서 금전적 보상을 미끼로 거는 낚시성 이미지)' 두 가지였고, 비교 대상은 제로샷 분류기와 'Modeling collaborator', 사람이 직접 다듬는 방식이었습니다. 수동 방식은 정확도를 높이지 못하거나 오히려 떨어뜨리는 경우가 많았고 참가자들은 스트레스와 답답함이 훨씬 덜하다고 답했으며 모든 참가자가 Agile Deliberation을 더 좋아했습니다. 차이가 가장 컸던 곳은 가장 판단하기 어려운 이미지이고, 막대그래프의 수치는 본문 글에 적혀 있지 않습니다.

공개된 코드와 아직 좁은 시험 범위

논문은 CVPR 2026에 실렸고 arXiv와 깃허브에 코드가 올라와 있으며 Healthy Food 예제를 따라가는 콜랩 데모도 있습니다. 글은 이 작업이 구글 리서치와 구글 광고(Google Ads)⁠의 협업으로 나왔고 기능을 갖춘 프로토타입을 사용자 실험으로 평가한 단계라고 적었습니다. 시험한 분야는 두 곳뿐이며 코드의 라이선스는 글에 명시되어 있지 않습니다.