GPT-4 라벨링과 Google gemma-2B 미세 튜닝을 활용한 음식 자동 주문화 앱 개발 (Development of an Automatic Food Ordering App Using GPT-4 Labeling and Google Gemma-2B Fine-Tuning)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 30권 / 8호 / 392 ~ 400페이지
· 저자명 : 오장민

초록

본 연구에서는 매장 내 로봇이나 키오스크 등에 내장 가능한 자동 음식 주문 앱의 핵심 기술을 개발하였다. 주요 목표는 주문 문장을 분석하여 음식명, 옵션, 수량 등의 상세 주문 정보를 추출하는 생성형 언어 모델을 학습시키는 것이다. 하지만 이를 위한 레이블 데이터가 없기 때문에, OpenAI API 서비스를 이용하여 현시점 최상위 언어 모델에 속하는 GPT-4로부터 30,000여건의 데이터셋을 구축하였다. 이를 통해 휴먼 라벨러를 고용하여야 하는 비용과 관리 문제를 피하고 구축 기간을 줄일 수 있었다. 생성된 데이터셋에 대해 다수의 오픈소스 모델을 미세 튜닝하고 그 성능을 비교하였다. 모델 정확도와 생성 속도를 기준으로 Google gemma-2B의 미세 튜닝 버전을 기기 내장형 탑재 모델로 선정하고, 이를 통합한 프로토타입 앱을 아이폰 14 프로에서 구동하여 실제 적용 가능성을 입증하였다. 본 연구 결과를 매장 내 단말기에 탑재하여 음성 주문 인터페이스를 제공한다면, 사용자 경험을 크게 향상시킬 수 있을 것으로 기대된다.

영어초록

In this study, we focused on developing core technologies for an automatic food ordering app. These technologies can be integrated into serving robots or kiosks. The main objective was to train a generative language model that can analyze order sentences and extract detailed order information, such as food names, options, and quantities. However, one major challenge we faced was the lack of labeled data for this specific purpose. To overcome this, we created a dataset of approximately 30,000 instances using the OpenAI API service and GPT-4, which is currently the most advanced language model available. This approach allowed us to avoid the costs and management issues associated with hiring human labelers, and it also reduced the time required for dataset construction. We fine-tuned multiple open-source models using the generated dataset and compared their performance. After considering both model accuracy and generation speed, we selected the fine-tuned version of Google gemma-2B as the on-device embedded model. To demonstrate its practical applicability, we developed an integrated prototype app that ran on an iPhone 14 Pro. By deploying the results of this research on in-store terminals and providing a voice ordering interface, we anticipate a significant enhancement in the overall user experience.

참고자료

· 없음