# [별첨] Tripping Puffin AI Tech Strategy (Addendum) > 본 문서는 [사업계획서(Business_Plan.md)]의 핵심 가치를 기술적으로 실현하기 위한 **AI 도입 세부 전략**입니다. > 사업계획서에서 제기한 **'문제(Problem)'**를 해결하고, **'솔루션(Solution)'**을 고도화하는 데 AI 기술의 초점을 맞췄습니다. --- ## 1. Problem Solving with AI 사업계획서 `2.1. Trust Gap` 및 `2.2. Marketing Efficiency` 해결을 위한 기술적 접근입니다. ### 1.1. Trust Gap (가짜 정보 & 신뢰 하락) 해결 **Core Tech: "Puffin Eye" (Vision AI Verification)** * **Context:** 사용자는 조작된 사진이나 과장된 리뷰에 지쳐 있습니다. "진짜 경험"을 검증할 수 있는 공정한 심판이 필요합니다. * **AI Solution:** * **Anti-Spoofing:** 업로드된 사진이 현장에서 직접 찍은 것인지, 모니터 화면을 찍거나 갤러리에서 불러온 것인지 판별. * **Visual Positioning System (VPS) with NeRF:** 단순 2D 이미지 매칭을 넘어, 크리에이터들의 영상을 모아 해당 장소를 **3D Point Cloud**로 복원합니다. 이를 통해 유저의 카메라 각도(6-DoF)를 정확히 추적하여 3차원 공간상의 위치를 인증합니다. ### 1.2. Operational Efficiency (Edge AI) **Core Tech: "On-Device AI (TinyML)"** * **Challenge:** 서버 비용과 네트워크 지연(Latency) 문제입니다. 모든 비디오를 클라우드로 보내면 막대한 GPU 비용이 발생합니다. * **Tech Solution:** * **Mobile Edge Inference:** TensorFlow Lite/CoreML을 활용해 **유저의 스마트폰(NPU) 내에서** 1차 검증을 완료합니다. 서버로는 결과값(Metadata)만 전송하여 서버 비용을 90% 절감합니다. * **Privacy-First:** 유저의 얼굴이나 개인정보가 담긴 원본 영상이 서버로 전송되지 않고, 기기 내에서 폐기되므로 프라이버시 이슈를 원천 차단합니다. --- ## 2. Empowering The Solution 사업계획서 `4.2. Multi-Type Quest System`을 구체화하는 기술입니다. | Quest Type | AI Tech Role | Implementation | | :--- | :--- | :--- | | **Ghost Shot** | **Image Matching** | 크리에이터의 원본 사진을 반투명 레이어로 띄우고, 유저가 맞춘 앵글과의 **일치율(IoU)**을 실시간 계산하여 셔터 유도. | | **Vibe Log** | **Audio & Scene Classification** | 영상 내 **오디오 스펙트럼**을 분석하여 "재즈 음악", "파도 소리" 등을 식별하고, 비디오 내 객체(커피, 바다)를 인식. | | **Action** | **Pose Estimation** | 인간의 관절 포인트(Keypoints)를 추적하여 '점프', '스쿼트', '춤' 등의 **특정 동작 수행 여부**를 판단. | --- ## 3. Boosting The Market 사업계획서 `3.1. Creator Economy` 및 `5.2. Business Model`의 확장을 위한 기술입니다. ### 3.1. For Creators: "Puffin Maker" (Generative AI) * **Context:** 일반인에게 "퀘스트를 기획하라"고 하면 막막해합니다. 창작의 장벽(Barrier)을 낮춰야 공급이 폭발합니다. * **AI Solution:** * **Image-to-Quest:** 사진 한 장만 업로드하면, 거대언어모델(LLM)이 사진의 분위기(Vibe)와 위치 정보를 결합하여 **퀘스트 제목, 상세 설명, 감성 태그(#)**를 자동 생성. * **Difficulty Scoring:** 사진의 구도가 얼마나 따라 하기 어려운지 AI가 분석하여 '난이도(Easy/Hard)' 등급 자동 부여. ### 3.2. For Business: "Dynamic Balancing" (Predictive AI) * **Context:** 특정 핫플레이스에만 인파가 몰리는 오버투어리즘 문제를 해결하고, 소상공인에게 고르혜 혜택을 줘야 합니다. * **AI Solution:** * **Demand Prediction:** 날씨, 요일, 현재 유동 인구 데이터를 학습하여 1시간 뒤의 혼잡도 예측. * **Dynamic Bounties:** Reinforcement Learning (강화학습)을 적용해 시뮬레이션 환경에서 최적의 보상(Token) 배분 전략을 학습. "어느 정도의 보상을 올려야 사람이 움직이는가?"에 대한 민감도를 모델링합니다. --- ## 4. Technical Challenges & Roadmap 투자자들에게 "우리가 푸는 문제가 얼마나 어려운지"를 어필하기 위한 기술적 로드맵입니다. ### 4.1. Level 1: "Seeing" (Vision AI) * **Tech:** CNN, ViT (Vision Transformer) * **Goal:** 단순 2D 이미지 분류 및 매칭. * **Status:** 현재 상용화 기술로 즉시 구현 가능. ### 4.2. Level 2: "Reconstructing" (Spatial Computing) * **Tech:** **3D Gaussian Splatting**, NeRF * **Challenge:** 사용자들이 올린 2D 퀘스트 영상들을 역설계하여, 도시 전체를 **Digital Twin (3D Map)**으로 자동 생성하는 파이프라인 구축. * **Value:** 구글 맵이 못하는 "골목길 단위의 초정밀 3D 데이터" 확보. ### 4.3. Level 3: "Reasoning" (Neuro-Symbolic AI) * **Tech:** LLM + Symbolic Logic * **Challenge:** 생성형 AI가 "절벽에서 뛰세요" 같은 위험한 퀘스트를 만들지 않도록, 물리적/법적 제약 조건을 논리적으로 검증하는 **하이브리드 AI** 구축. * **Value:** 안전(Safety)이 보장된 자율 퀘스트 생성 시스템.