얼굴 점수가 업로드할 때마다 달라질 수 있는 이유. 그리고 저희의 대처.
착각이 아닙니다
AI 얼굴 분석에 대해 흔히 나오는 우려는, 같은 사진을 여러 번 올려도 매번 다른 숫자가 나올 수 있다는 것입니다. 얼굴은 그대로인데 점수가 바뀐다면 그 앱은 아무것도 측정하지 않는 것입니다. 그럴듯한 숫자를 만들어 낼 뿐입니다.
이는 자존심 문제를 넘어섭니다. 기준선이 무작위라면 발전을 측정할 수 없습니다. 한 달간 꾸준한 스킨케어 후의 +4는 단지 주사위가 다르게 굴러간 것일 수 있습니다.
AI 점수가 흔들릴 수 있는 이유
원인이 될 수 있는 기술적 지름길이 세 가지 있습니다. 첫째, 앱이 고정된 분석 기준 없이 '이 얼굴을 1에서 10점으로 평가해 줘' 같은 모호한 지시와 함께 사진을 언어 모델에 보내면, 모델은 매번 다른 판단을 즉흥적으로 내립니다. 둘째, 샘플링 무작위성입니다. 챗봇이 대화마다 말투를 바꾸게 하는 바로 그 설정 때문에 업로드할 때마다 점수가 달라집니다. 셋째, 이미지 처리가 일관되지 않은 경우입니다. 자르기, 압축, 입력값이 매번 달라집니다.
점수를 반복 가능하게 만드는 데 필요한 것
저희는 Glowster를 하나의 약속을 중심으로 만들었습니다. 똑같은 사진 파일을 다시 올리면 같은 결과표를 받는다는 약속입니다. 다섯 가지 메커니즘이 이를 사실로 만듭니다. (1) 결정론적 전처리: 모든 업로드는 같은 방식으로 크기 조정 및 정규화되어, 모델이 동일한 사진에 대해 동일한 입력값을 보게 됩니다. (2) 고정되고 버전 관리되는 분석 기준: 모델은 각 세부 항목에 대해 고정된 문서화된 등급 정의에 따라 분석합니다 - 느낌이 아닙니다 - 그리고 모든 점수에는 이를 산출한 분석 기준 버전이 기록됩니다. (3) 저희는 모델 자체의 샘플링 무작위성을 억제하지 않습니다 - 그건 통제할 수 없는 영역이니까요 - 하지만 그럴 필요가 없습니다: 점수 안정성은 고정된 분석 기준과 다음 메커니즘에서 나옵니다. (4) 중앙값을 취하는 여러 번의 독립적인 분석 측정 - 그리고 불일치할 경우 자동으로 더 많이 측정합니다 - 그래서 남은 모델 노이즈가 원천에서 제거되기보다는 상쇄됩니다. (5) 계산은 모델이 아니라 앱이 합니다: 모델은 14개의 명명된 세부 항목만 분석하고, 항목별 점수와 종합 점수는 공개된 가중치 공식으로 그로부터 계산됩니다. 핵심 숫자는 그 세부 점수들에 대한 산술 계산이며, 모델이 즉흥적으로 만든 값이 절대 아닙니다 - 이것이 바로 위에서 설명한 흔들림 실패 모드를 막는 방법입니다.
분석 기준이나 모델에 대해 무엇이든 변경할 때는 버전 번호가 바뀌며, 출시 전에 고정된 사진 세트로 일관성을 재검증합니다. 이전 점수는 새 점수와 계속 비교 가능하거나, 그렇지 않다면 저희가 알려드립니다.
이것이 제품 전체인 이유
일관된 점수야말로 나머지 모든 것을 의미 있게 만듭니다. 90일 플랜은 가장 낮은 점수의 특징을 목표로 합니다 - 이는 그 점수가 진짜 신호일 때만 효과가 있습니다. 매 체크인은 변화량을 보여줍니다 - 이는 그 변화가 진짜일 때만 의미가 있습니다. 흔들리는 점수로는 첫 스캔만 팔 수 있습니다. 저희는 두 번째 스캔이 움직이는 것을 보여드릴 수 있습니다.
직접 확인해보세요.
스캔을 실행하고, 숫자를 저장한 후, 다음 체크인 때 같은 사진을 다시 스캔해보세요. 저희가 일관성에 대해 틀렸다면 바로 아시게 될 겁니다 - 그것이 핵심입니다.
반복 가능한 내 점수 확인하기 →