OpenTaste (모바일용)

• 목적 :  소비자들이 식품의 외관 정보와 실제 만족도 평가를 공유하여 서로의 구매 실패를 줄이고, 생산자에게는 객관적인 품질 개선 지표를 제공. 이 플랫폼은 수익 창출 목적이 아니라 소비자와 생산자의 상생을 위한 집단지성 기반 공공재 성격의 서비스. 초기 MVP(Minimum Viable Product)는 수박과 소고기 두 품목으로 시작해 돼지고기, 복숭아, 사과, 아보카도, 멜론을 포함하도록 확장. 향후 생선, 토마토 등으로 확장 추진.

• 기능 : 모바일 기기(스마트폰) 환경에서 사용자는 식품 사진을 촬영하고, 앱은 브라우저 안에서 외관 특징을 추출. 사용자는 실제로 먹어본 뒤 만족 여부를 ​만족 👍 / 실망 👎 두 가지 중 하나로 평가. 시스템은 누적된 평가 데이터를 바탕으로 새로 촬영한 식품과 비슷한 외관 사례들을 찾아 “비슷한 외관 사례 N건 중 M%가 만족 평가였습니다”라는 집단지성 예측 지표를 보여줌. 

My AI Eye 나의 눈썰미(모바일용)

• 목적 :  사용자가 자신의 경험을 AI에게 가르쳐 나만의 ‘눈썰미’를 만들어 가는 개인용 AI 도구. 사용자가 자유롭게 ‘수박’, ‘오늘의 컨디션’, ‘옷’, ‘화장’, ‘인상’ 등 원하는 카테고리를 만들고, 사진과 실제 경험에 대한 ​좋아요 👍 / 싫어요 👎 평가를 반복해서 쌓음. 여러 사람의 데이터를 합치는 집단지성 방식이 아니라, ​사용자마다 서로 다른 개인 분류기가 자신의 경험을 학습하며 성장하는 것이 핵심. My AI Eye가 표시하는 수치는 지금까지 축적된 개인 경험을 바탕으로 계산한 개인화된 추정값이며 정확성을 보장하는 판정 결과가 아님. 사진에서 실제 결과와 관련된 시각적 특징을 포착할 수 있고 경험이 충분히 축적될수록 유용한 패턴을 학습할 가능성이 높아짐. 

• 사용 예 1 : 아침에 평소 자연스러운 얼굴로 셀카 촬영 → 앱의 예측 확인 → 하루를 실제로 보내본 뒤, 저녁에 컨디션이 좋았으면 👍 좋아요, 좋지 않았으면 👎 싫어요로 피드백 → 경험이 쌓일수록 내 얼굴 상태와 실제 컨디션의 관계를 학습해 다음 예측에 반영.

• 사용 예 2 : 화장 직후 셀카 촬영 → 앱의 예측 확인 → 몇 시간 뒤 실제로 화장이 잘 유지됐다고 느끼면 👍 좋아요, 그렇지 않았으면 👎 싫어요로 피드백 → 반복할수록 내 얼굴 상태와 화장 유지 결과의 관계를 학습해 다음 예측에 반영.

• 기능 : 경험이 충분히 쌓이면 새 사진에 대해 ‘좋아요일 가능성’을 0~100%의 개인 추정값​으로 보여줌. 사용자는 실제 결과를 경험한 뒤 좋아요 👍 / 싫어요 👎만 입력하면 되고, 그 결과가 새로운 경험으로 축적되어 이후 예측에 반영. 결과를 바로 알 수 없는 경우에는 ‘나중에 평가’​할 수도 있음. 

LaneFlow 프로그레시브 웹 앱 (PC 및 모바일용) 

• 목적 : 막히는 자동차전용도로에서 “어느 차로로 가야 더 빠를까?”라는 운전자의 일상적인 궁금증을 게임으로 체험해 보는 프로그램. 합류차량이 많은 곳, 진출차량이 빠져나가는 곳, 특정 차로에 대기행렬이 생기는 곳처럼 교통상황이 달라질 때 직접 차로를 선택해 보고 그 결과를 확인함. 나만 빨리 가는 선택이 아니라 주변 차량의 흐름까지 덜 방해하는 차로 선택을 자연스럽게 익히는 것을 목표로 함. (주의: 현재  동호대교와 청담분기점까지만 구현. 서버 용량 문제로 저속이고 제가 서버를 켜둔 동안만 동시에 2명까지 플레이 가능.)

• 기능 : 사용자는 PC 또는 스마트폰의 웹브라우저에서 별도 앱 설치 없이 3D 도로를 주행하며, 합류·진출·대기행렬과 주변 차로의 흐름을 보고 좌·우 차로변경을 선택. 차량의 속도와 차간거리는 교통 시뮬레이터가 관리하고, 안전하지 않은 차로변경 요청은 제한함. 주행이 끝나면 자신의 통행시간과 기준 주행 대비 시간 차이뿐 아니라 다른 차량의 누적 시간손실, 차로변경 및 주변 차량 반응 등을 함께 보여주어, 단순히 “내가 얼마나 빨리 갔는가”가 아니라 “내 선택이 전체 교통흐름에 어떤 영향을 주었는가”도 확인할 수 있음. 같은 교통조건에서 다시 도전하면서 서로 다른 차로 선택의 결과를 비교할 수 있음.