KR102105875B1 - 인공지능 학습 시스템, 방법 및 컴퓨터 판독가능 저장 매체 - Google Patents

Abstract

인공지능 학습 시스템이 일반적으로 설명된다. 일 예시적인 인공지능 학습 시스템은 학습 데이터 수신 모듈; 인공지능 모듈; 학습 데이터 전처리 모듈; 기여도 연산 모듈 및 보상 모듈을 포함할 수 있다. 학습 데이터 수신 모듈은 사용자로부터 학습 데이터를 수신하도록 구성될 수 있다. 학습 데이터 전처리 모듈은 학습 데이터에 대하여 전처리를 수행하여 인공지능 모듈에서 이용 가능한 입력 데이터를 생성하고, 생성된 입력 데이터를 인공지능 모듈에 제공하도록 구성될 수 있다. 인공지능 모듈은 입력 데이터에 기초하여, 인공지능을 학습시키도록 구성될 수 있다. 기여도 연산 모듈은 인공지능 모듈의 학습과 연관된 하나 이상의 기여 요소에 기초하여 인공지능 모듈의 학습에 관한 학습 데이터의 기여도를 결정할 수 있다. 보상 모듈은 결정된 기여도에 기초하여 블록체인 기법을 이용하여 보상을 생성하고 생성된 보상을 사용자에게 제공할 수 있다.

Description

인공지능 학습 시스템, 방법 및 컴퓨터 판독가능 저장 매체 {ARTIFICIAL INTELLIGENCE-LEARNING SYSTEM, METHOD AND COMPUTER READABLE STORAGE MEDIUM}

본 개시는 인공지능 학습을 위한 시스템, 방법 및 컴퓨터 판독가능 매체에 관한 것이다.

여기에서 달리 언급하지 않으면, 본 섹션에서 기술되는 내용은 본 출원에서의 청구항의 선행 기술이 아니며 본 섹션에 기재된 것 만으로 선행 기술로서 인정되는 것이 아니다.

인공지능(Artificial Intelligence)은 컴퓨팅 장치로 하여금 사람의 학습 능력과 추론능력, 지각능력, 자연언어의 이해능력 등과 같은 지능적인 동작을 수행하도록 하는 기법으로 정의될 수 있다. 컴퓨팅 장치의 성능 및 컴퓨팅 장치에 이용되는 어플리케이션의 개발의 수준이 점차 향상됨에 따라, 컴퓨팅 장치에서 구현되는 인공지능의 수준도 점차 향상되고 있다. 최근, 인공지능은 사람의 두뇌와 유사하게 구현된 뉴럴 네트워크(neural network)와 구조를 이용하여 학습을 수행하는 예컨대, 딥러닝 기법, 등을 이용한다. 인공지능의 성능은 인공지능을 학습시킴으로써 향상되며, 인공지능의 학습에는 다양한 학습 데이터가 요구된다. 인공지능의 학습에 이용되는 학습 데이터가 증가할수록, 인공지능의 성능은 향상될 수 있다. 학습 데이터는 인공지능으로 하여금 올바른 인식을 수행하도록 하기 위하여 사람인 사용자에 의하여 직접 또는 간접적으로 만들어지는 데이터일 수 있다. 이러한 경우, 인공지능의 성능의 향상을 위해서는 인공지능 학습에 대한 사용자의 참여가 요구된다. 선행기술문헌 1에 따르면, 인공지능은 인스턴트 메신저 서비스에 수반되는 인공지능 서비스에서 인공지능의 응답에 대한 사용자의 반응으로부터 학습 데이터를 획득하지만, 사용자는 인공지능의 응답에 대하여 사용자의 반응을 입력하지 않을 수 있다.

한편, 최근 블록체인 기법에 기반한 암호화 코인에 대한 관심이 높아지고 있다. 선행기술문헌 2에 따르면, 블록체인 기법에 따른 암호화 코인, 예컨대 비트 코인은 높은 보안성과 높은 활용 가능성을 가진다. 블록체인 기법에 따르면, 새롭게 발행되는 암호화 코인의 양을 제한하기 위하여, 블록을 생성하기 위한 난이도(nonce)를 조정한다. 난이도가 높아짐에 따라, 사용자는 새로운 블록을 생성하기 위하여 많은 자원(예컨대, 전기 에너지)을 소비해야 하지만, 이러한 난이도의 조정은 인위적인 것이며, 새로운 블록을 생성하기 위한 자원의 과도한 소비는 불필요할 수 있다.

선행기술문헌 1: 한국특허 제10-1797856호

선행기술문헌 2: "Bitcoin: A peer-to-Peer Electronic Cash System"

일부 실시예에서, 인공지능 학습 방법이 설명된다. 일 예시적인 인공지능 학습 방법은 인공지능 모듈을 포함하는 컴퓨팅 장치의 제어 하에서 수행될 수 있다. 일부 예시에서, 인공지능 학습 방법은 사용자로부터 학습 데이터를 수신하는 단계; 사용자로부터 수신된 학습 데이터에 대하여 전처리를 수행하여 인공지능 모듈에서 이용 가능한 입력 데이터를 생성하는 단계; 전처리에 의해 생성된 입력 데이터에 기초하여, 인공지능 모듈의 인공지능을 학습시키는 단계; 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여, 인공지능 모듈의 학습에 관한 학습 데이터의 기여도를 결정하는 단계; 결정된 기여도에 기초하여, 블록체인 기법을 이용하여 보상을 생성하는 단계; 및 생성된 보상을 사용자에게 제공하는 단계를 포함할 수 있다. 일부 추가적인 예시에서, 보상을 생성하는 단계는 기여도에 대한 정보 중 적어도 일부가 블록체인 기법에 따라 생성되는 블록의 블록 헤더 내에 포함되도록 보상을 생성하는 단계를 포함할 수 있다.

일부 실시예에서, 인공지능 학습 시스템이 설명된다. 일 예시적인 인공지능 학습 시스템은 학습 데이터 수신 모듈, 인공지능 모듈, 학습 데이터 전처리 모듈 기여도 연산 모듈 및 보상 모듈을 포함할 수 있다. 학습 데이터 수신 모듈은 사용자로부터 학습 데이터를 수신하도록 구성될 수 있다. 학습 데이터 전처리 모듈은 학습 데이터 수신 모듈 및 인공지능 모듈과 동작 가능하게 연결될 수 있다. 학습 데이터 전처리 모듈은 학습 데이터에 대하여 전처리를 수행하여 인공지능 모듈에서 이용 가능한 입력 데이터를 생성하고, 생성된 입력 데이터를 인공지능 모듈에 제공하도록 구성될 수 있다. 인공지능 모듈은 인공지능 서비스를 제공할 수 있다. 또한, 인공지능 모듈은 학습 데이터 전처리 모듈에 의해 생성된 입력 데이터에 기초하여 인공지능을 학습시킬 수 있다. 기여도 연산 모듈은 인공지능 모듈의 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여 인공지능 모듈의 학습에 관한 학습 데이터의 기여도를 결정하도록 구성될 수 있다. 보상 모듈은 결정된 기여도에 기초하여, 블록체인 기법을 이용하여 보상을 생성하고, 생성된 보상을 사용자에게 제공하도록 구성될 수 있다.

일부 추가적인 예시에서, 기여도 연산 모듈은 기여도 전처리 모듈 및/또는 기여도 후처리 모듈을 포함할 수 있다. 기여도 전처리 모듈은 사용자로부터 학습 데이터를 수신하는 경우, 수신된 학습 데이터에 기초하여 제1 기여도를 결정하도록 구성될 수 있다. 기여도 후처리 모듈은 인공지능 모듈이 학습 데이터로부터 생성된 상기 입력 데이터에 기초하여 상기 인공지능을 학습시키는 경우, 인공지능 모듈에 의한 학습의 결과에 기초하여, 제1 기여도를 조정함으로써 제2 기여도를 결정하도록 구성될 수 있다. 일부 추가적인 예시에서, 인공지능 학습 시스템은 집계 모듈을 더 포함할 수 있다. 집계 모듈은 사용자의 기여도 및 인공지능 모듈의 학습에 대한 하나 이상의 다른 사용자의 기여도를 집계하고, 집계의 결과에 기초하여, 기여도를 조정하도록 구성될 수 있다.

일부 실시예에서, 인공지능 학습을 위하여 하나 이상의 컴퓨터 실행가능 명령어가 저장된 컴퓨터 판독가능 매체가 설명된다. 하나 이상의 컴퓨터 실행가능 명령어는 인공지능 모듈을 포함하는 컴퓨팅 장치에서 실행되며, 인공지능 모듈은 인공지능 서비스를 제공하도록 구성된다. 하나 이상의 컴퓨터 실행가능 명령어가 실행되면, 컴퓨팅 장치로 하여금, 사용자로부터 학습 데이터를 수신하는 동작; 사용자로부터 수신된 학습 데이터에 대하여 전처리를 수행하여 인공지능 모듈에서 이용 가능한 입력 데이터를 생성하는 동작; 전처리에 의해 생성된 입력 데이터에 기초하여, 인공지능 모듈의 인공지능을 학습시키는 동작; 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여, 인공지능 모듈의 학습에 관한 학습 데이터의 기여도를 결정하는 동작; 결정된 기여도에 기초하여, 블록체인 기법을 이용하여 보상을 생성하는 동작; 및 생성된 보상을 사용자에게 제공하는 동작을 포함하는 동작들을 수행하도록 할 수 있다.

이상의 요약은 단순히 예시적인 것으로서 어떠한 방식으로든 제한적으로 의도된 것이 아니다. 이하의 상세한 설명과 도면을 참조함으로써, 상술된 예시적인 양태들, 실시예들, 그리고 특징들에 더하여, 추가적인 양태들, 실시예들, 그리고 특징들 또한 명확해질 것이다.

본 개시의 전술한 특징들 및 기타 특징들은, 첨부 도면을 참조하여 이하의 설명으로부터 충분히 분명해질 것이다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시예만을 도시한 것이고, 따라서 그 범위를 제한하는 것으로 간주되어서는 안되는 것을 이해하면서, 본 개시는 첨부된 도면의 사용을 통하여, 더 구체적이고 상세하게 기술될 것이다.
도 1은 본 개시의 적어도 일부 실시예에 따른 인공지능 학습이 수행되는 환경을 나타내는 예시적인 환경도이고;
도 2는 본 개시의 적어도 일부 실시예에 따른 인공지능 학습 시스템을 개략적으로 예시하는 블록도이고;
도 3은 본 개시의 적어도 일부 실시예에 따라 인공지능 학습 방법에 관한 예시적인 프로세스를 도시하는 흐름도이고;
도 4는 본 개시의 적어도 일부 실시예에 따라 인공지능 학습 방법에 관한 다른 예시적인 프로세스를 도시하는 흐름도이고;
도 5는 본 개시의 적어도 일부 실시예에 따라 인공지능 학습을 수행하는 데 이용될 수 있는 예시적인 컴퓨터 프로그램 제품을 도시하며;
도 6는 본 개시의 적어도 일부 실시예에 따라 배열되는 컴퓨팅 장치의 예시적인 실시예의 블록도이다.

본 개시의 전술한 특징들 및 기타 특징들은, 첨부 도면을 참조하여 이하의 설명으로부터 충분히 분명해질 것이다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시예만을 도시한 것이고, 따라서 그 범위를 제한하는 것으로 간주되어서는 안되는 것을 이해하면서, 본 개시는 첨부된 도면의 사용을 통하여, 더 구체적이고 상세하게 기술될 것이다.

본 개시는 일반적으로, 챗봇 대화 관리 장치(예컨대, 서버 또는 모바일 장치와 같은 개인 컴퓨팅 장치), 방법 및/또는 컴퓨터 판독가능 저장매체에 관련된다.

이하에서, "인공지능"라는 용어는 사람의 학습 능력과 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터 프로그램, 컴퓨팅 장치, 등을 통하여 구현한 기법을 지칭하며, "모듈"이라는 용어는, 장치, 서버, 프로그램 유닛 또는 이들의 적절한 조합을 지칭할 수 있다. 예컨대, "인공지능 모듈"이라는 용어는 인공지능에 대한 서비스를 제공하도록 구현되는 장치, 서버, 프로그램 유닛 또는 이들의 적절한 조합을 지칭할 수 있다.

간단히 설명하면, 다양한 실시예에서, 인공지능 학습 시스템은 인공지능 서비스를 제공할 수 있는 한편, 실시간으로, 주기적으로, 또는 미리 정해진 기간 내에 인공지능 서비스 내 인공지능을 학습시킬 수 있다. 사용자는 이러한 인공지능의 학습에 참여할 수 있다. 사용자는 인공지능 학습 시스템의 인공지능의 학습에 관한 학습 데이터를 인공지능 학습 시스템에 전송할 수 있다. 학습 데이터는 인공지능의 동작과 연관될 수 있다. 일 예시에서, 인공지능 학습 시스템의 인공지능이 이미지 내 사람의 얼굴 인식과 연관되는 경우, 학습 데이터는 특정 이미지 내 사람의 얼굴에 대응하는 영역을 나타낼 수 있다. 다른 예시에서, 인공지능 학습 시스템의 인공지능이 챗봇과 연관되는 경우, 학습 데이터는 자연어를 포함하는 특정 메시지에 대한 의도(intent)에 관한 정보를 나타낼 수 있다. 이와 같이 인공지능 학습 시스템은 사용자로부터 학습 데이터를 수신할 수 있다. 인공지능 학습 시스템은 수신된 학습 데이터에 대하여 전처리를 수행할 수 있다. 일부 예시에서, 인공지능 학습 시스템은 수신된 학습 데이터에 필터링 및/또는 정규화를 수행할 수 있다. 인공지능 학습 시스템은 전처리된 학습 데이터를 이용하여 인공지능 학습 시스템에서 이용 가능한 입력 데이터를 생성할 수 있다. 인공지능 학습 시스템은 생성된 입력 데이터에 기초하여, 인공지능을 학습시킬 수 있다.

인공지능 학습 시스템은 사용자로부터 수신된 학습 데이터에 관한 기여도를 결정할 수 있다. 일부 예시에서, 인공지능 학습 시스템은 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여 기여도를 연산할 수 있다. 예컨대, 기여 요소는, 사용자로부터 수신된 해당 학습 데이터의 양, 사용자의 이전의 기여도 또는 사용자의 학습 데이터의 입력의 빈도와 같은 사용자에 관한 정보, 해당 학습 데이터로부터 생성된 입력 데이터에 기초하여 인공지능이 학습되는 경우, 인공지능의 성능 변화에 관한 요소, 해당 학습 데이터와 연관된 주제, 해당 학습 데이터를 전송한 사용자를 포함하는 하나 이상의 사용자로부터 해당 학습 데이터가 수신된 빈도 중 적어도 하나를 포함할 수 있다. 일부 예시에서, 인공지능 학습 시스템은 기여도 전처리 및/또는 기여도 후처리를 통하여 기여도를 결정할 수 있다. 기여도 전처리에서, 인공지능 학습 시스템은 학습 데이터로부터 획득 가능한 정보에 기초하여 제1 기여도를 결정할 수 있다. 기여도 후처리에서, 인공지능 학습 시스템은 학습 데이터로부터 생성된 입력 데이터에 기초하여 인공지능이 학습된 결과에 기초하여 제2 기여도를 결정할 수 있다. 기여도 전처리 및 기여도 후처리 모두 이용되는 경우, 기여도 후처리에서, 인공지능 학습 시스템은 기여도 전처리에 의한 제1 기여도를 조정함으로써 제2 기여도를 결정할 수 있다. 일부 예시에서, 인공지능 학습 시스템은 기여도를 연산하고, 인공지능의 학습에 대한 하나 이상의 다른 사용자의 기여도를 집계할 수 있다. 이러한 예시에서, 인공지능 학습 시스템은 집계의 결과에 기초하여, 사용자로부터의 학습 데이터에 대하여 결정된 기여도를 조정할 수 있다.

이후, 인공지능 학습 시스템은 결정된 기여도에 기초하여, 보상을 생성할 수 있으며, 생성된 보상을 사용자에게 제공할 수 있다. 인공지능 학습 시스템은 블록체인 기법을 이용하여 보상을 생성할 수 있다. 일부 예시에서, 인공지능 학습 시스템은 블록체인 기법에 따라 결정된 기여도에 대한 정보 중 적어도 일부가 보상 내에 포함되도록 보상을 생성할 수 있다. 일부 다른 예시에서, 인공지능 학습 시스템은 결정된 기여도에 대한 정보 중 적어도 일부가 블록 헤더에 포함되도록 보상을 생성할 수 있다.

도 1은 본 개시의 적어도 일부 실시예에 따른 인공지능 학습이 수행되는 환경(100)을 나타내는 예시적인 환경도이다. 예시적인 환경(100)은 인공지능 학습 시스템(110), 하나 이상의 사용자 장치(120-1, 120-2, 120-3, 120-4, ...; 이하에서는 120으로 통칭함) 및 하나 이상의 사용자 장치(130-1, 130-2, 130-3, ...; 이하에서는 130으로 통칭함)를 포함할 수 있다. 도 1에서 인공지능 학습 시스템(110)은 인공지능 서비스를 제공하도록 구성되는 서버 또는 이와 유사한 컴퓨팅 장치를 포함하지만, 이에 제한되는 것은 아니다. 또한, 사용자 장치(120 및 130)은 인공지능 학습 시스템(110)과 통신 가능한 장치, 에컨대, 데스크 탑 컴퓨터, 랩탑 컴퓨터, 스마트폰, 태블릿 컴퓨터, 휴대 전화기, 개인 휴대용 단말기(PDA), 특정 용도 장치 또는 상기 기능 중 임의의 것을 포함하는 융합 장치와 같은 소형 폼팩터 휴대용(모바일) 전자 장치를 포함하지만, 이에 제한되는 것은 아니다. 이하에서는 사용자 장치(120)가 인공지능 학습 시스템(110)에 학습 데이터를 제공할 수 있는 한편, 사용자 장치(130)가 인공지능 학습 시스템(110)에 의해 제공되는 인공지능 서비스를 이용할 수 있는 것으로 설명될 것이지만, 통상의 기술자는 사용자 장치(120)와 사용자 장치(130)가 설명을 위하여 개별적으로 도시되었으며, 사용자 장치(120)와 사용자 장치(130)가 동일한 개체일 수도 있음을 이해할 것이다. 예컨대, 사용자 장치(130)의 사용자가 인공지능 서비스를 이용하는 경우, 인공지능의 성능 향상을 위하여, 사용자는 인공지능의 학습에 참여할 수 있으며, 이 경우, 사용자 장치(130)는 사용자 장치(120)로서 동작할 수 있다.

이와 같이, 인공지능 학습 시스템(110)은 사용자 장치(130)에 인공지능 서비스를 제공할 수 있으며, 사용자 장치(130)의 사용자는 인공지능 서비스를 이용할 수 있다. 또한, 인공지능 학습 시스템(110)은 사용자 장치(120)의 사용자의 인공지능 학습의 참여를 허용할 수 있다. 사용자 장치(120)의 사용자는 인공지능의 학습에 참여할 수 있다. 사용자 장치(120)의 사용자는 인공지능의 학습에 대한 학습 데이터를 입력할 수 있으며, 사용자 장치(120)는 인공지능 학습 시스템(110)에 학습 데이터를 전송할 수 있다. 학습 데이터는 인공지능의 동작과 연관될 수 있다. 일 예시에서, 인공지능 학습 시스템(110)의 인공지능이 이미지 내 사람의 얼굴 인식과 연관되는 경우, 학습 데이터는 특정 이미지 내 사람의 얼굴에 대응하는 영역을 나타내는 데이터일 수 있다. 다른 예시에서, 인공지능 학습 시스템(110)의 인공지능이 챗봇과 연관되는 경우, 학습 데이터는 자연어를 포함하는 특정 메시지에 대한 의도에 관한 정보를 나타내는 데이터일 수 있다. 또 다른 예시에서, 인공지능이 음성 인식과 관련되는 경우, 학습 데이터는 특정 음성에 대응하는 텍스트 메시지이거나 특정 음성의 의도에 관한 정보를 나타내는 데이터일 수 있다.

이와 같이, 인공지능 학습 시스템(110)은 사용자 장치(120)로부터 학습 데이터를 수신할 수 있다. 인공지능 학습 시스템(110)은 수신된 학습 데이터에 기초하여 인공지능 학습에 이용 가능한 전처리를 수행할 수 있다. 학습 데이터에 대한 전처리는 알려진 다양한 기법을 이용할 수 있다. 일부 예시에서, 인공지능 학습 시스템(110)은 학습 데이터에 대하여 필터링을 수행할 수 있다. 일부 다른 예시에서, 인공지능 학습 시스템(110)은 학습 데이터에 대하여 정규화 변환을 수행할 수 있다. 인공지능 학습 시스템(110)은 전처리된 학습 데이터를 이용하여, 인공지능의 학습에 이용 가능한 입력 데이터를 생성할 수 있다. 인공지능 학습 시스템(110)은 생성된 입력 데이터에 기초하여, 인공지능을 학습시킬 수 있다. 인공지능의 학습은 알려진 다양한 기법을 이용하여 수행될 수 있다. 예컨대, 인공지능 학습 시스템은 딥 러닝(deep learning)과 같은 머신 러닝 기법, 구문 검색 기법 또는 이들의 조합을 이용할 수 있다.

일부 실시예에서, 인공지능 학습 시스템(110)은 사용자 장치(120)로부터 수신된 학습 데이터에 대한 기여도를 결정할 수 있다. 일부 예시에서, 인공지능 학습 시스템(110)은 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여 기여도를 연산할 수 있다. 일부 예시에서, 기여 요소는, 사용자 장치(120)로부터 수신된 학습 데이터의 양 (또는 수신된 학습 데이터 중 이용 가능한 데이터의 유효량), 사용자의 이전의 기여도 또는 사용자의 학습 데이터의 입력의 빈도와 같은 사용자에 관한 정보, 해당 학습 데이터와 연관된 주제, 해당 학습 데이터로부터 생성된 입력 데이터에 기초하여 인공지능이 학습되는 경우, 입력 데이터에 의한 인공지능의 성능 변화에 관한 요소, 해당 학습 데이터를 전송한 사용자를 포함하는 하나 이상의 사용자로부터 해당 학습 데이터가 수신된 빈도 중 적어도 하나를 포함할 수 있다.

일부 실시예에서, 인공지능 학습 시스템(110)에 의한 기여도의 연산 및/또는 결정은 기여도 전처리 및/또는 기여도 후처리를 포함할 수 있다. 일부 예시에서, 인공지능 학습 시스템(110)은, 기여도 전처리로서, 학습 데이터로부터 획득 가능한 정보에 기초하여 제1 기여도를 결정할 수 있다. 일 예시에서, 인공지능 학습 시스템(110)은 사용자 장치(120)로부터 학습 데이터를 수신하면, 예컨대, 학습 데이터의 양, 학습 데이터와 연관된 주제에 대한 학습에 참여하는 사용자 장치(120)의 수, 등에 기초하여 제1 기여도를 결정할 수 있다. 다른 예시에서, 인공지능 학습 시스템(110)은 사용자 장치(120)로부터 학습 데이터를 수신하면, 사용자 장치(120)의 사용자에 관한 정보, 예컨대, 사용자의 이전의 기여도 또는 사용자의 학습 데이터의 입력의 빈도와 같은 요소에 기초하여, 기여도의 연산에 적용될 가중치를 결정할 수 있다.

일부 예시에서, 인공지능 학습 시스템(110)은, 기여도 후처리로서, 인공지능 학습 시스템은 학습 데이터로부터 생성된 입력 데이터에 기초하여 인공지능이 학습된 결과에 기초하여 제2 기여도를 결정할 수 있다. 일 예시에서, 학습 데이터로부터 생성된 입력 데이터에 기초하여 인공지능을 학습시키는 경우, 인공지능 학습 시스템(110)은 이러한 학습에 의한 인공지능의 향상을 결정하고, 결정된 향상에 기초하여 제2 기여도를 결정할 수 있다. 인공지능의 향상은 인공지능 인식의 정확도를 나타내기 위하여 이용되는 임의의 기법 또는 함수, 예컨대, 코스트 함수를 이용하여 결정될 수 있다.

추가적인 일부 실시예에서, 인공지능 학습 시스템(110)은 인공지능의 학습에 대한 사용자 장치(120)의 사용자를 포함한 하나 이상의 사용자 장치(120)의 사용자의 기여도를 집계할 수 있다. 인공지능 학습 시스템(110)은 하나 이상의 기여 요소에 기초하여 연산된 기여도를, 집계의 결과에 기초하여 조정할 수 있다.

이후, 인공지능 학습 시스템(110)은 결정 및/또는 조정된 기여도에 기초하여, 보상을 생성할 수 있으며, 생성된 보상을 사용자에게 제공할 수 있다. 인공지능 학습 시스템(110)은 보상을 생성함에 있어, 블록체인 기법을 이용할 수 있으며, 결정된 기여도에 대한 정보의 적어도 일부가 보상 내에 포함되도록 보상을 생성할 수 있다. 블록체인 기법은 단방향 암호화 기법, 예컨대, 해시 암호화 기법을 이용할 수 있다. 블록체인 기법에 따라 생성되는 블록은 블록 헤더 및 거래 내역을 포함할 수 있으며, 여기서 블록 헤더는 블록을 식별하기 위한 정보가 포함될 수 있다. 일부 예시에서, 인공지능 학습 시스템(110)은 결정된 기여도에 대한 정보 중 적어도 일부가 블록 헤더 내에 포함되도록 보상을 생성할 수 있다. 인공지능 학습 시스템(110)은 생성된 보상을 사용자에게 제공할 수 있다. 사용자 장치(120)의 사용자로의 보상은 블록체인 기법에 따라, 생성된 블록 내에 기록되는 방식으로 제공될 수 있다.

도 2는 본 개시의 적어도 일부 실시예에 따른 인공지능 학습 시스템(110)을 개략적으로 예시하는 블록도이다. 예시적인 인공지능 학습 시스템(110)은 학습 데이터 수신 모듈(210), 학습 데이터 전처리 모듈(220), 인공지능 모듈(230), 기여도 연산 모듈(240) 및 보상 모듈(260)을 포함할 수 있다. 추가적으로, 인공지능 학습 시스템(110)은 집계 모듈(250)를 더 포함할 수 있다. 일 예시에서, 인공지능 학습 시스템(110)은 사용자 장치와 통신 가능하게 연결되는 서버와 같은 컴퓨팅 장치일 수 있다. 인공지능 학습 시스템(110)에 포함되는 컴포넌트, 예컨대, 학습 데이터 수신 모듈(210), 학습 데이터 전처리 모듈(220), 인공지능 모듈(230), 기여도 연산 모듈(240), 집계 모듈(250) 및 보상 모듈(260) 각각은 개별적으로 구현될 수 있거나 컴포넌트 중 둘 이상이 결합하여 하나의 컴포넌트를 형성하는 방식으로 구현될 수 있다. 인공지능 학습 시스템(110)에 포함되는 컴포넌트는 장치, 서버, 프로그램 유닛 또는 이들의 적절한 조합을 형성할 수 있다. 일부 예시에서, 인공지능 모듈(230)은 인공지능 서비스를 제공하도록 구성될 수 있으며, 인공지능 학습 시스템(110)은 인공지능 모듈(230)의 인공지능을 학습시키는 데에 사용자의 참여를 허용할 수 있다.

학습 데이터 수신 모듈(210)은 사용자로부터 학습 데이터를 수신하도록 구성될 수 있다. 학습 데이터는 인공지능의 동작과 연관될 수 있다. 일 예시에서, 인공지능 모듈(230)에 의하여 제공되는 인공지능 서비스가 이미지 내 사람의 얼굴 인식과 연관되는 경우, 학습 데이터는 특정 이미지 내 사람의 얼굴에 대응하는 영역을 나타내는 데이터일 수 있다. 다른 예시에서, 인공지능 서비스가 챗봇과 연관되는 경우, 학습 데이터는 자연어를 포함하는 특정 메시지에 대한 의도에 관한 정보를 나타내는 데이터일 수 있다. 또 다른 예시에서, 인공지능 서비스가 음성 인식과 관련되는 경우, 학습 데이터는 특정 음성에 대응하는 텍스트 메시지이거나 특정 음성의 의도에 관한 정보를 나타내는 데이터일 수 있다.

학습 데이터 전처리 모듈(220)은 학습 데이터 수신 모듈(210) 및 인공지능 모듈(230)에 동작 가능하게 연결될 수 있다. 학습 데이터 전처리 모듈(220)은 학습 데이터에 대하여 전처리를 수행할 수 있으며, 전처리된 학습 데이터를 이용하여 인공지능 모듈(230)에 대하여 이용 가능한 입력 데이터를 생성할 수 있다. 학습 데이터 전처리 모듈(220)은 입력 데이터를 생성하기 위하여 알려진 다양한 기법을 이용할 수 있다. 일부 예시에서, 학습 데이터 전처리 모듈(220)은 학습 데이터에 대하여 필터링을 수행할 수 있다. 예컨대, 학습 데이터 전처리 모듈(220)은 학습 데이터에 포함된 유효 정보, 학습 데이터의 중복성, 학습 데이터의 품질(quality)과 같은 필터링 요소를 결정하고, 결정된 필터링 요소에 기초하여 학습 데이터를 필터링할 수 있다. 일부 추가적인 예시에서, 학습 데이터 전처리 모듈(220)은 인공지능 학습 시스템(110)은 학습 데이터에 대하여 정규화 변환을 수행할 수 있다. 학습 데이터 전처리 모듈(220)은 생성된 입력 데이터를 인공지능 모듈(230)에 제공할 수 있다.

인공지능 모듈(230)은 학습 데이터 전처리 모듈(220)에 의해 생성된 입력 데이터에 기초하여 인공지능을 학습시키도록 구성될 수 있다. 인공지능 모듈(230)에 의한 인공지능의 학습은, 예컨대, 딥 러닝과 같은 머신 러닝 기법, 구문 검색 기법 또는 이들의 조합과 같이, 알려진 다양한 기법을 이용하여 수행될 수 있다.

기여도 연산 모듈(240)은 인공지능 모듈(230)의 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여 인공지능 모듈의 학습에 관한 학습 데이터의 기여도를 결정하도록 구성될 수 있다. 인공지능의 학습과 연관된 하나 이상의 기여 요소는, 예컨대, 사용자 장치(120)로부터 수신된 학습 데이터의 양 (또는 수신된 학습 데이터 중 이용 가능한 데이터의 유효량), 사용자의 이전의 기여도 또는 사용자의 학습 데이터의 입력의 빈도와 같은 사용자에 관한 정보, 해당 학습 데이터와 연관된 주제, 해당 학습 데이터로부터 생성된 입력 데이터에 기초하여 인공지능이 학습되는 경우, 입력 데이터에 의한 인공지능의 성능 변화에 관한 요소, 해당 학습 데이터를 전송한 사용자를 포함하는 하나 이상의 사용자로부터 해당 학습 데이터가 수신된 빈도 중 적어도 하나를 포함할 수 있다.

일부 실시예에서, 기여도 연산 모듈(240)은 도시되지 않은 기여도 전처리 모듈 및/또는 기여도 후처리 모듈을 포함할 수 있다. 기여도 전처리 모듈은 사용자로부터 수신된 학습 데이터로부터 획득 가능한 정보에 기초하여 제1 기여도를 연산 및/또는 결정할 수 있다. 일부 예시에서, 기여도 전처리 모듈은 예컨대, 학습 데이터의 양, 학습 데이터와 연관된 주제에 대한 학습에 참여하는 사용자의 수, 등에 기초하여 제1 기여도를 결정할 수 있다. 일부 다른 예시에서, 기여도 전처리 모듈은 사용자에 관한 정보에 기초하여 기여도의 연산에 적용될 가중치를 결정할 수 있다. 기여도 후처리 모듈은 학습 데이터 전처리 모듈(220)에 의해 생성된 입력 데이터에 의한 인공지능 모듈(230)의 인공지능의 학습 결과에 기초하여 제2 기여도를 결정할 수 있다. 일부 예시에서, 기여도 후처리 모듈은 학습 데이터에 의한 인공지능의 향상을 결정하고, 결정된 향상에 기초하여 제2 기여도를 결정할 수 있다.

이와 같이, 기여도 연산 모듈(240)은 다양한 방식을 이용하여 기여도를 결정할 수 있다. 일 예시에서, 기여도 연산 모듈(240)은 학습 데이터의 양을 결정하고 결정된 양에 비례하는 기여도를 결정할 수 있다. 다른 예시에서, 기여도 연산 모듈(240)은 학습 데이터의 정확도에 비례하여 기여도를 결정할 수 있다. 예컨대, 학습 데이터의 정확도는 인공지능 인식의 정확도를 나타내기 위하여 이용되는 임의의 기법 또는 함수, 예컨대, 코스트 함수를 이용한 결과 값에 기초하여 결정될 수 있다. 또 다른 예시에서, 기여도 연산 모듈(240)은 사용자의 인공지능 학습에 대한 이전의 참여에 의한 총 기여도 또는 이전의 참여에 의하여 제공받은 보상에 관한 정보에 기초하여, 기여도의 결정에 가중치를 적용할 수 있다. 또 다른 예시에서, 기여도 연산 모듈(240)은 해당 학습 데이터와 연관된 주제에 대한 참여하는 사용자의 수 또는 참여하는 사용자로부터 제공된 하나 이상의 학습 데이터에 기초하여 해당 학습 데이터에 대한 기여도를 결정할 수 있다. 또 다른 예시에서, 기여도 연산 모듈(240)은 사용자가 학습 데이터를 전송하는 빈도에 기초하여 기여도의 결정에 가중치를 적용할 수 있다. 기여도 연산 모듈(240)이 사용자의 정보를 이용하는 경우, 인공지능 학습 시스템(110)은 도시되지 않은 메모리를 포함하며, 메모리에 하나 이상의 사용자에 대한 정보를 저장 및 관리할 수 있다.

추가적인 일부 실시예에서, 집계 모듈(250)은 인공지능의 학습에 대한 사용자를 포함하는 하나 이상의 사용자의 기여도를 집계할 수 있다. 일부 예시에서, 집계 모듈(250)은 기여도 연산 모듈(240)에 의하여 결정된 기여도 및 집계의 결과에 기초하여 기여도를 조정하도록 구성될 수 있다.

보상 모듈(260)은 기여도 연산 모듈(240)에 의하여 결정된 기여도 또는 집계 모듈(250)에 의하여 조정된 기여도에 기초하여, 보상을 생성할 수 있으며, 생성된 보상을 사용자에게 제공하도록 구성될 수 있다. 보상 모듈(260)은 블록체인 기법을 이용하여 보상을 생성할 수 있다. 일부 예시에서, 보상 모듈(260)은 블록체인 기법을 이용하여, 학습 데이터에 대한 기여도에 관한 정보의 적어도 일부가 보상 내에 포함되도록 보상을 생성할 수 있다. 블록체인 기법은 단방향 암호화 기법, 예컨대, 해시 암호화 기법을 이용할 수 있다. 블록체인 기법에 따라 생성되는 블록은 블록 헤더 및 거래 내역 섹션을 포함할 수 있다. 일부 다른 예시에서, 보상 모듈(260)은 학습 데이터에 대한 기여도에 대한 정보 중 적어도 일부가 블록 헤더 내에 포함되도록 보상을 생성할 수 있다. 보상 모듈(260)은 블록체인 기법에 따라 생성되는 블록, 예컨대, 거래 내역 섹션 내에 보상을 기록하는 방식으로 보상을 사용자에게 제공할 수 있다.

도 3은 본 개시의 적어도 일부 실시예에 따라 인공지능 학습 방법에 관한 예시적인 프로세스(300)를 도시하는 흐름도이다. 예컨대, 프로세스(300)는 도 1 및 도 2의 인공지능 학습 시스템(110)과 같은 컴퓨팅 장치의 제어 하에서 수행될 수 있다. 이러한 컴퓨팅 장치는 인공지능 서비스를 제공하도록 구성된 인공지능 모듈을 포함할 수 있다. 도 3에 도시된 프로세스(300)는 블록(310, 320, 330, 340, 360 및/또는 370)에 의해 예시된 바와 같은 하나 이상의 동작, 기능 또는 작용을 포함할 수 있다. 추가적으로, 프로세스(300)는 블록(350)에 의해 예시된 바와 같은 하나 이상의 동작, 기능 또는 작용을 더 포함할 수 있다. 다양한 블록은 설명된 실시예로 제한하려고 의도되지는 않는다. 예컨대, 당업자는 여기에서 개시된 본 프로세스에 대하여, 프로세스 및 방법에서 수행되는 기능이 상이한 순서로 구현될 수 있다는 것을 인정할 것이다. 예컨대, 도 3에서 블록(340)은 블록(330) 이후에 수행되는 것으로 도시되지만, 블록(340)은 블록(330)과 병렬로 또는 블록(330) 이전에 수행되도록 구현될 수 있다. 한편, 도 3에 예시된 개략적인 동작들은 예시로서만 제공되고, 개시된 실시예의 본질에서 벗어나지 않으면서, 동작들 중 일부가 선택적일 수 있거나, 더 적은 동작으로 조합될 수 있거나, 추가적인 동작으로 확장될 수 있다. 프로세스(300)는 학습 데이터를 수신하는 블록(310)에서 시작할 수 있다.

블록(310)에서, 컴퓨팅 장치는 사용자로부터 학습 데이터를 수신할 수 있다. 학습 데이터는 인공지능의 동작과 연관될 수 있다. 프로세스(300)는 블록(310)에서 전처리를 수행하여 입력 데이터를 생성하는 블록(320)으로 이어질 수 있다.

블록(320)에서, 컴퓨팅 장치는 블록(310)에서 수신된 학습 데이터에 대하여 전처리를 수행할 수 있다. 컴퓨팅 장치는 전처리된 학습 데이터를 이용하여 인공 지능 모듈에 대하여 이용 가능한 입력 데이터를 생성할 수 있다. 컴퓨팅 장치는 학습 데이터의 전처리 및 입력 데이터의 생성을 위하여 알려진 다양한 기법을 이용할 수 있다. 예컨대, 컴퓨팅 장치는 필터링 및/또는 정규화 변환 기법을 이용할 수 있다. 프로세스(300)는 블록(320)에서 입력 데이터에 기초하여 인공지능을 학습하는 블록(330)으로 이어질 수 있다.

블록(330)에서, 컴퓨팅 장치는 블록(320)에서 생성된 입력 데이터에 기초하여 인공지능 모듈의 인공지능을 학습시킬 수 있다. 인공지능의 학습은, 예컨대, 딥 러닝과 같은 머신 러닝 기법, 구문 검색 기법, 등 또는 이들의 조합과 같이, 알려진 다양한 기법을 이용하여 수행될 수 있다. 프로세스(300)는 블록(330)에서 블록(340)으로 이어질 수 있다.

블록(340)에서, 컴퓨팅 장치는 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여 인공지능 모듈의 학습에 관한 학습 데이터의 기여도를 결정할 수 있다. 프로세스(300)는 블록(340)에서 보상을 생성하는 블록(360)으로 이어질 수 있다.

블록(360)에서, 컴퓨팅 장치는 결정된 기여도에 기초하여, 블록체인 기법을 이용하여 보상을 생성할 수 있다. 일부 예시에서, 컴퓨팅 장치는 블록체인 기법을 이용하여, 학습 데이터에 대한 기여도에 관한 정보의 적어도 일부가 보상 내에 포함되도록 보상을 생성할 수 있다. 일부 다른 예시에서, 컴퓨팅 장치는 학습 데이터에 대한 기여도에 관한 정보 중 적어도 일부가 블록 헤더 내에 포함되도록 보상을 생성할 수 있다. 프로세스(300)는 블록(360)에서 보상을 제공하는 블록(370)으로 이어질 수 있다.

블록(370)에서, 컴퓨팅 장치는 사용자에게 생성된 보상을 제공할 수 있다. 일부 예시에서, 컴퓨팅 장치는 블록체인 기법에 따라 생성되는 블록, 예컨대, 거래 내역 섹션 내에 보상을 기록하는 방식으로 보상을 사용자에게 제공할 수 있다.

추가적인 일부 실시예에서, 프로세스(300)는 블록(340) 이후에 기여도를 집계하는 블록(350)으로 이어질 수 있다. 이러한 실시예에서, 프로세스는 블록(350) 이후에 보상을 생성하는 블록(360)으로 이어질 수 있고, 블록(360)에서 컴퓨팅 장치는 블록(350)에 의한 집계의 결과에 기초하여 조정된 기여도에 기초하여 보상을 생성할 수 있다.

도 4는 본 개시의 적어도 일부 실시예에 따라 인공지능 학습 방법에 관한 다른 예시적인 프로세스(400)를 도시하는 흐름도이다. 예컨대, 프로세스(400)는 도 3과 유사하게, 도 1 및 도 2의 인공지능 학습 시스템(110)과 같은 컴퓨팅 장치의 제어 하에서 수행될 수 있다. 도 4에 도시된 프로세스는 블록(410, 420, 430, 440, 450, 470 및/또는 480) 및 추가적인 블록(460)에 의하여 예시된 바와 같은 하나 이상의 동작, 기능 또는 작용을 포함할 수 있다. 도 4에서 예시된 블록(410, 430, 440, 460, 470 및 480)은 각각 도 3의 블록(310, 320, 330, 350, 360 및 370)과 대응되므로, 설명의 명확성을 위하여 이하에서 중복된 설명은 생략한다.

프로세스(400)는 학습 데이터를 수신하는 블록(410)으로부터 제1 기여도를 결정하는 블록(420)으로 이어질 수 있다. 블록(420)에서, 컴퓨팅 장치는 사용자로부터 수신된 학습 데이터로부터 획득 가능한 정보에 기초하여 제1 기여도를 연산 및/또는 결정할 수 있다. 일부 예시에서, 컴퓨팅 장치는 예컨대, 학습 데이터의 양, 학습 데이터와 연관된 주제에 대한 학습에 참여하는 사용자의 수, 등에 기초하여, 제1 기여도를 연산 및/또는 결정할 수 있다.

프로세스(400)는 입력 데이터에 기초하여 인공지능을 학습하는 블록(440)으로부터 제1 기여도를 조정하여 제2 기여도를 결정하는 블록(450)으로 이어질 수 있다. 블록(450)에서 컴퓨팅 장치는 블록(430)에서 생성된 입력 데이터를 이용하여 인공지능을 학습하는 블록(440)의 결과에 기초하여 제2 기여도를 결정할 수 있다. 일부 예시에서, 컴퓨팅 장치는 블록(440)의 학습 결과에 따른 인공지능의 향상을 결정하고, 결정된 향상에 기초하여 제1 기여도를 조정함으로써 제2 기여도를 결정 및/또는 연산할 수 있다.

이와 같이, 사용자는 인공지능 서비스를 제공하는 컴퓨팅 장치 내 인공지능의 학습에 참여할 수 있으며, 컴퓨팅 장치는 이러한 학습의 참여에 응답한 보상을 사용자에게 제공할 수 있다. 즉, 사용자는 인공지능의 학습에 참여함으로써 인공지능의 성장에 대한 이익을 얻을 수 있다. 따라서, 본 개시에 따른 인공지능 학습 방법, 시스템, 등은 사용자에게 인공지능의 성능의 향상을 위한 학습의 참여를 독려할 수 있는 한편, 인공지능의 성능의 향상을 촉진할 수 있다. 또한, 본 개시에 따른 인공지능 학습 시스템이 직접 보상을 생성하므로, 블록체인 기법을 이용하여 보상을 생성하더라도, 블록 생성을 위한 연산 난이도를 불필요하게 높일 필요가 없다.

도 5는 본 개시의 적어도 일부 실시예에 따라 인공지능 학습을 수행하는 데 이용될 수 있는 예시적인 컴퓨터 프로그램 제품(500)을 도시한다. 예시적인 컴퓨터 프로그램 제품의 예시적인 실시예는 신호 포함 매체(502)를 이용하여 제공된다. 일부 실시예에서, 하나 이상의 컴퓨터 프로그램 제품(500)의 신호 포함 매체(502)는 컴퓨터 판독가능 매체(506), 기록 가능 매체(508) 및/또는 통신 매체(510)를 포함할 수 있다.

신호 포함 매체(502)에 포함된 명령어(504)는 본 개시에 따른 인공지능 학습 시스템과 같은 컴퓨팅 장치에 의해 실행될 수 있다. 컴퓨팅 장치는 인공지능 인공지능 모듈을 포함할 수 있으며, 인공지능 모듈은 인공지능 서비스를 제공할 수 있다. 명령어(504)는 실행되면, 컴퓨팅 장치로 하여금 인공지능을 학습하도록 할 수 있다. 명령어(504)는 사용자로부터 학습 데이터를 수신하기 위한 하나 이상의 명령어; 사용자로부터 수신된 학습 데이터에 대하여 전처리를 수행하여 인공지능 모듈에 대하여 이용 가능한 입력 데이터를 생성하기 위한 하나 이상의 명령어; 전처리에 의해 생성된 입력 데이터에 기초하여, 인공지능 모듈의 인공지능을 학습시키기 위한 하나 이상의 명령어; 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여, 인공지능 모듈의 학습에 관한 학습 데이터의 기여도를 결정하기 위한 하나 이상의 명령어; 결정된 기여도에 기초하여, 블록체인 기법을 이용하여 보상을 생성하기 위한 하나 이상의 명령어; 또는 생성된 보상을 사용자에게 제공하기 위한 적어도 하나의 명령어를 포함할 수 있다.

도 6는 본 개시의 적어도 일부 실시예에 따라 배열되는 컴퓨팅 장치(600)의 예시적인 실시예의 블록도이다. 일 예시적인 기본적인 구성(602)에서, 컴퓨팅 장치(600)는 하나 이상의 프로세서(604) 및 시스템 메모리(606)를 포함할 수 있다. 메모리 버스(608)는 프로세서(604) 및 시스템 메모리(606) 사이에서 통신하기 위하여 이용될 수 있다.

요구되는 구성에 따라, 프로세서(604)는 마이크로 프로세서(μP), 마이크로 컨트롤러(μC), 디지털 신호 프로세서(DSP), 또는 그들의 임의의 조합을 포함하는 임의의 유형일 수 있으나, 이에 제한되지는 않는다. 프로세서(604)는 레벨 1 캐시(610), 레벨 2 캐시(612)와 같은 하나 이상의 레벨(level)의 캐시(cache), 프로세서 코어(614), 및 레지스터(616)를 포함할 수 있다. 프로세서 코어(614)는 산술 논리 연산장치(arithmetic logic unit; ALU), 부동 소수점 장치(floating point unit; FPU), 디지털 신호 처리 코어(DSP Core), 또는 그들의 임의의 조합을 포함할 수 있다. 메모리 컨트롤러(618)는 또한 프로세서(604)와 함께 사용될 수 있거나, 또는 일부 구현예에서 메모리 컨트롤러(618)는 프로세서(604)의 내적인 일부일 수 있다.

요구되는 구성에 따라, 시스템 메모리(606)는 (RAM과 같은) 휘발성 메모리, (ROM, 플래시 메모리 등과 같은) 비휘발성 메모리, 또는 그들의 임의의 조합을 포함하는 임의의 유형일 수 있으나, 이에 제한되지는 않는다. 시스템 메모리(606)는 운영 체제(620), 하나 이상의 어플리케이션(application)(622), 및 프로그램 데이터(624)를 포함할 수 있다. 어플리케이션(622)은 도 1 및 2의 인공지능 학습 시스템(110) 및/또는 도 3 및 도 4의 프로세스에 관하여 기술된 기능 블록 및/또는 작용을 포함하여 여기에서 기술된 바와 같은 기능을 수행하도록 배열된 기여도 연산 알고리즘(626)을 포함할 수 있다. 프로그램 데이터(624)는, 기여도 연산 알고리즘 (626)과 함께 이용하기 위한 데이터(628), 예컨대, 정적 네트워크 환경 등에 해당하는 데이터를 포함할 수 있다. 프로그램 데이터(624)는 또한, 기여도에 기초하여 보상을 생성하도록 구성된 블록체인 기반 보상 생성 알고리즘을 더 포함할 수 있다. 일부 실시예에서, 어플리케이션(622)은 최적의 전송 환경을 결정하기 위한 구현이 여기에서 설명된 바와 같이 제공될 수 있도록 운영 체제(520) 상에서 프로그램 데이터(624)로 동작하도록 배열될 수 있다. 예컨대, 인공지능 학습 시스템(110)은 컴퓨팅 장치(600)의 전부 또는 일부를 포함할 수 있으며 최적의 전송 환경을 결정하는 구현이 여기에서 설명된 바와 같이 제공될 수 있도록 어플리케이션(622)의 전부 또는 일부를 수행하는 것이 가능할 수 있다. 이러한 기술된 기본적인 구성은 도 6에서 파선(602) 내의 그 구성요소들에 의해 도시된다.

컴퓨팅 장치(600)는 기본적인 구성(602) 및 임의의 요구되는 장치 및 인터페이스(interface) 사이의 통신을 용이하게 하도록 추가적인 특징 또는 기능, 및 추가적인 인터페이스를 가질 수 있다. 예를 들어, 버스/인터페이스 컨트롤러(630)는 저장부 인터페이스 버스(634)를 통한 기본적인 구성(602) 및 하나 이상의 데이터 저장 장치(632) 사이의 통신을 용이하게 하도록 사용될 수 있다. 데이터 저장 장치(632)는 이동식 저장 장치(636), 고정식 저장 장치(638), 또는 그 조합일 수 있다. 이동식 저장 장치 및 고정식 저장 장치의 예를 몇 가지 들자면, 플렉서블 디스크 드라이브(flexible disk drive) 및 하드 디스크 드라이브(HDD)와 같은 자기 디스크 장치, 컴팩트 디스크(CD) 드라이브 또는 디지털 다목적 디스크(DVD) 드라이브와 같은 광 디스크 드라이브, 고체 상태 드라이브(SSD), 및 테이프 드라이브 등을 포함한다. 예시적인 컴퓨터 저장 매체는 컴퓨터 판독가능 명령, 데이터 구조, 프로그램 모듈(program module), 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술에서 구현되는 휘발성 및 비휘발성의 이동식 및 고정식 매체를 포함할 수 있다.

시스템 메모리(606), 이동식 저장 장치(636) 및 고정식 저장 장치(638)는 모두 컴퓨터 저장 매체의 예이다. 컴퓨터 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, 디지털 다목적 디스크(DVD) 또는 기타 광 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 요구되는 정보를 저장하도록 사용될 수 있고, 컴퓨팅 장치(600)에 의해 액세스될 수 있는 임의의 기타 매체를 포함하나, 이에 제한되지는 않는다. 임의의 그러한 컴퓨터 저장 매체는 컴퓨팅 장치(600)의 일부일 수 있다.

컴퓨팅 장치(600)는 또한 버스/인터페이스 컨트롤러(642)를 통한 다양한 인터페이스 장치(예컨대, 출력 인터페이스, 주변 인터페이스, 및 통신 인터페이스)로부터 기본적인 구성(602)으로의 통신을 용이하게 하기 위한 인터페이스 버스(642)를 포함할 수 있다. 예시적인 출력 장치(642)는 그래픽 처리 유닛(648) 및 오디오 처리 유닛(650)을 포함할 수 있으며, 이는 하나 이상의 A/V 포트(652)를 통하여 디스플레이 또는 스피커와 같은 다양한 외부 장치로 통신하도록 구성될 수 있다. 예시적인 주변 인터페이스(644)는 직렬 인터페이스 컨트롤러(654) 또는 병렬 인터페이스 컨트롤러(656)를 포함할 수 있으며, 이는 하나 이상의 I/O 포트(658)를 통하여 입력 장치(예컨대, 키보드, 마우스, 펜, 음성 입력 장치, 터치 입력 장치 등) 또는 기타 주변 장치(예컨대, 프린터, 스캐너 등)와 같은 외부 장치와 통신하도록 구성될 수 있다. 예시적인 통신 장치(646)는 네트워크 컨트롤러(660)를 포함하며, 이는 하나 이상의 통신 포트(664)를 통한 네트워크 통신 상에서의 하나 이상의 다른 컴퓨팅 장치(662)와의 통신을 용이하게 하도록 배열될 수 있다.

컴퓨팅 장치(600)는 또한 랩탑 컴퓨터나 랩탑이 아닌 컴퓨터 구성 둘 다를 포함하는 개인 컴퓨터로 구현될 수 있다. 또한, 컴퓨팅 장치(600)는 무선 기지국 또는 기타 무선 시스템 또는 장치의 일부로서 구현될 수 있다.

청구된 대상은 여기에서 기술된 특정 구현예로 범위가 제한되지 않는다. 예컨대, 일부 구현예는 장치 또는 장치의 조합 상에서 동작하도록 사용될 수 있는 것과 같은 하드웨어로 있을 수 있는 반면, 예컨대, 다른 구현예는 소프트웨어 및/또는 펌웨어로 있을 수 있다. 마찬가지로, 청구된 대상은 이러한 점에서 범위가 제한되지 않지만, 일부 구현예는 신호 베어링 매체, 저장 매체와 같은 하나 이상의 물품을 포함할 수 있다. CD-ROM, 컴퓨터 디스크, 플래시 메모리 등과 같은 이러한 저장 매체는, 예컨대, 컴퓨팅 시스템, 컴퓨팅 플랫폼 또는 기타 시스템과 같은 컴퓨팅 장치에 의하여 실행되면, 예컨대, 앞서 설명된 구현예 중 하나와 같은 청구된 대상에 따라 프로세서의 실행을 야기시킬 수 있는 명령을 저장할 수 있다. 하나의 가능성으로서, 컴퓨팅 장치는 하나 이상의 처리 유닛 또는 프로세서, 디스플레이, 키보드 및/또는 마우스와 같은 하나 이상의 입/출력 장치, 및 정적 랜덤 액세스 메모리, 동적 랜덤 액세스 메모리, 플래시 메모리 및/또는 하드 드라이브와 같은 하나 이상의 메모리를 포함할 수 있다.

시스템의 양상들의 하드웨어 및 소프트웨어 구현 사이에는 구별이 거의 없다; 하드웨어 또는 소프트웨어의 사용은 일반적으로 (그러나 어떤 맥락에서 하드웨어 및 소프트웨어 사이의 선택이 중요할 수 있다는 점에서 항상 그런 것은 아니지만) 비용 대비 효율의 트레이드오프(tradeoff)를 나타내는 설계상 선택(design choice)이다. 본 개시에서 기재된 프로세스 및/또는 시스템 및/또는 다른 기술들이 영향 받을 수 있는 다양한 수단(vehicles)(예를 들어, 하드웨어, 소프트웨어 및/또는 펌웨어)이 있으며, 선호되는 수단은 프로세스 및/또는 시스템 및/또는 다른 기술이 사용되는 맥락(context)에 따라 변경될 것이다. 예를 들어, 구현자가 속도 및 정확성이 가장 중요하다고 결정한다면, 구현자는 주로 하드웨어 및/또는 펌웨어 수단을 선택할 수 있으며, 유연성이 가장 중요하다면, 구현자는 주로 소프트웨어 구현을 선택할 수 있으며; 또는, 다른 대안으로서, 구현자는 하드웨어, 소프트웨어 및/또는 펌웨어의 어떤 결합을 선택할 수 있다.

전술한 상세한 설명은 블록도, 흐름도, 및/또는 예시를 통해 장치 및/또는 프로세스의 다양한 실시예를 설명하였다. 그러한 블록도, 흐름도, 및/또는 예시는 하나 이상의 기능 및/또는 동작을 포함하는 한, 당업자라면 그러한 블록도, 흐름도, 또는 예시 내의 각각의 기능 및/또는 동작은 하드웨어, 소프트웨어, 펌웨어, 또는 그들의 실질적으로 임의의 조합의 넓은 범위에 의해 개별적으로 및/또는 집합적으로 구현될 수 있다는 것이 이해할 것이다. 일 실시예에서, 본 개시에 기재된 대상의 몇몇 부분은 ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array), DSP(Digital Signal Processor) 또는 다른 집적의 형태를 통해 구현될 수 있다. 그러나, 당업자라면, 본 개시의 실시예의 일부 양상은, 하나 이상의 컴퓨터 상에 실행되는 하나 이상의 컴퓨터 프로그램(예를 들어, 하나 이상의 컴퓨터 시스템 상에 실행되는 하나 이상의 프로그램), 하나 이상의 프로세서 상에서 실행되는 하나 이상의 프로그램(예를 들어, 하나 이상의 마이크로프로세서 상에서 실행되는 하나 이상의 프로그램), 펌웨어 또는 이들의 실질적으로 임의의 조합으로써, 전체적으로 또는 부분적으로 균등하게 집적 회로에서 구현될 수 있다는 점, 소프트웨어 및/또는 펌웨어를 위한 코드의 작성 및/또는 회로의 설계는 본 개시에 비추어 당업자의 기술 범위 내라는 점을 알 수 있을 것이다. 또한, 당업자라면, 본 개시의 대상의 매커니즘(mechanism)들이 다양한 형태의 프로그램 제품으로 분배될 수 있음을 이해할 것이며, 본 개시의 대상의 예시는, 분배를 실제로 수행하는데 사용되는 신호 베어링 매체의 특정 유형과 무관하게 적용됨을 이해할 것이다.

특정 예시적 기법이 다양한 방법 및 시스템을 이용하여 여기에서 기술되고 도시되었으나, 청구된 대상에서 벗어나지 않고, 다양한 기타의 수정이 이루어질 수 있고, 등가물이 대체될 수 있음이 당업자에 의해 이해되어야 한다. 추가적으로, 여기에 기술된 중심 개념으로부터 벗어남이 없이 특정 상황을 청구된 대상의 교시로 적응시키도록 많은 수정이 이루어질 수 있다. 따라서, 청구된 대상이 개시된 특정 예시로 제한되지 않으나, 그러한 청구된 대상은 또한 첨부된 청구범위 및 그 균등의 범위 내에 들어가는 모든 구현예를 포함할 수 있음이 의도된다.

Claims (11)

1. 인공지능(Artificial Intelligence) 모듈을 포함하는 컴퓨팅 장치의 제어하에서 수행되는 인공지능 학습 방법으로서,
   사용자로부터 학습 데이터를 수신하는 단계;
   상기 사용자로부터 수신된 상기 학습 데이터에 대하여 전처리를 수행하여 상기 인공지능 모듈에서 이용 가능한 입력 데이터를 생성하는 단계;
   상기 전처리에 의해 생성된 상기 입력 데이터에 기초하여, 상기 인공지능 모듈의 인공지능을 학습시키는 단계;
   상기 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여, 상기 인공지능 모듈의 학습에 관한 상기 학습 데이터의 기여도를 결정하는 단계;
   상기 결정된 기여도에 기초하여, 블록 체인 기법을 이용하여 보상을 생성하는 단계; 및
   상기 생성된 보상을 상기 사용자에게 제공하는 단계
   를 포함하고,
   상기 기여 요소는 상기 학습 데이터의 양, 상기 사용자의 이전의 기여도, 상기 사용자의 학습 데이터 입력의 빈도, 상기 학습 데이터로부터 생성된 상기 입력 데이터에 기초한 상기 인공지능의 학습에 대한 상기 인공지능의 성능 변화 또는 상기 사용자를 포함하는 하나 이상의 사용자로부터 상기 학습 데이터가 수신된 빈도 중 적어도 하나를 포함하며,
   상기 학습 데이터를 수신하는 단계는 상기 사용자로부터 상기 학습 데이터를 수신하는 경우, 상기 수신된 학습 데이터에 기초하여 제1 기여도를 결정하도록 구성되는 기여도 전처리 모듈을 포함하되, 상기 학습 데이터로부터 생성된 상기 입력 데이터에 기초하여 상기 인공지능을 학습시키는 인공지능 모듈에 의한 학습의 결과에 기초하여, 상기 제1 기여도를 조정함으로써 제2 기여도를 결정하도록 구성된 기여도 후처리 모듈을 포함하고,
   상기 사용자의 기여도 및 상기 인공지능 모듈의 학습에 대한 하나 이상의 다른 사용자의 기여도를 집계하고, 상기 집계의 결과에 기초하여, 상기 기여도를 조정하도록 구성된 집계 모듈
   을 더 포함하고,
   상기 보상을 생성하는 단계는 상기 집계 모듈에 의해 조정된 상기 기여도에 기초하여 보상을 생성하도록 구성되고, 기여도 연산 모듈에 의하여 결정된 상기 기여도에 대한 정보가 상기 보상 내에 포함되도록 상기 보상을 생성하며, 상기 기여도 연산 모듈에 의하여 결정된 상기 기여도에 대한 정보가 상기 블록체인 기법에 따라 생성되는 블록의 블록 헤더 내에 포함되도록 상기 보상을 생성하는 인공지능 학습 방법.
2. 삭제
3. 삭제
4. 인공지능(Artificial Intelligence) 학습 시스템으로서,
   사용자로부터 학습 데이터를 수신하도록 구성된 학습 데이터 수신 모듈;
   인공지능 서비스를 제공하도록 구성된 인공지능 모듈;
   상기 학습 데이터 수신 모듈 및 상기 인공지능 모듈과 동작 가능하게 연결되고, 상기 학습 데이터에 대하여 전처리를 수행하여 상기 인공지능 모듈에서 이용 가능한 입력 데이터를 생성하고, 상기 생성된 입력 데이터를 상기 인공지능 모듈에 제공하도록 구성된 학습 데이터 전처리 모듈 - 상기 인공지능 모듈은 상기 학습 데이터 전처리 모듈에 의해 생성된 상기 입력 데이터에 기초하여 상기 인공지능을 학습시킴 -;
   상기 인공지능 모듈의 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여 상기 인공지능 모듈의 학습에 관한 상기 학습 데이터의 기여도를 결정하도록 구성된 기여도 연산 모듈; 및
   상기 결정된 기여도에 기초하여, 블록 체인 기법을 이용하여 보상을 생성하고, 생성된 보상을 상기 사용자에게 제공하도록 구성된 보상 모듈
   을 포함하고,
   상기 기여 요소는 상기 학습 데이터의 양, 상기 사용자의 이전의 기여도, 상기 사용자의 학습 데이터 입력의 빈도, 상기 학습 데이터로부터 생성된 상기 입력 데이터에 기초한 상기 인공지능의 학습에 대한 상기 인공지능의 성능 변화 또는 상기 사용자를 포함하는 하나 이상의 사용자로부터 상기 학습 데이터가 수신된 빈도 중 적어도 하나를 포함하며,
   상기 기여도 연산 모듈은, 상기 사용자로부터 상기 학습 데이터를 수신하는 경우, 상기 수신된 학습 데이터에 기초하여 제1 기여도를 결정하도록 구성되는 기여도 전처리 모듈을 포함하되,
   상기 기여도 연산 모듈은, 상기 인공지능 모듈이 상기 학습 데이터로부터 생성된 상기 입력 데이터에 기초하여 상기 인공지능을 학습시키는 경우, 상기 인공지능 모듈에 의한 학습의 결과에 기초하여, 상기 제1 기여도를 조정함으로써 제2 기여도를 결정하도록 구성된 기여도 후처리 모듈을 포함하고,
   상기 사용자의 기여도 및 상기 인공지능 모듈의 학습에 대한 하나 이상의 다른 사용자의 기여도를 집계하고, 상기 집계의 결과에 기초하여, 상기 기여도를 조정하도록 구성된 집계 모듈
   을 더 포함하고,
   상기 보상 모듈은 상기 집계 모듈에 의해 조정된 상기 기여도에 기초하여 보상을 생성하도록 구성되고,
   상기 보상 모듈은 상기 기여도 연산 모듈에 의하여 결정된 상기 기여도에 대한 정보가 상기 보상 내에 포함되도록 상기 보상을 생성하고,
   상기 보상 모듈은 상기 기여도 연산 모듈에 의하여 결정된 상기 기여도에 대한 정보가 상기 블록체인 기법에 따라 생성되는 블록의 블록 헤더 내에 포함되도록 상기 보상을 생성하는 인공지능 학습 시스템.
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 인공지능(Artificial Intelligence) 모듈을 포함하는 컴퓨팅 장치에서 실행되며, 인공지능 학습을 위하여 하나 이상의 컴퓨터 실행가능 명령어가 저장된 컴퓨터 판독가능 저장 매체로서,
    상기 인공지능 모듈은 인공지능 서비스를 제공하도록 구성되고,
    상기 하나 이상의 컴퓨터 실행가능 명령어가 실행되면, 상기 컴퓨터로 하여금,
    사용자로부터 학습 데이터를 수신하는 동작;
    상기 사용자로부터 수신된 상기 학습 데이터에 대하여 전처리를 수행하여 상기 인공지능 모듈에서 이용 가능한 입력 데이터를 생성하는 동작;
    상기 전처리에 의해 생성된 상기 입력 데이터에 기초하여, 상기 인공지능 모듈의 인공지능을 학습시키는 동작;
    상기 인공지능의 학습과 연관된 하나 이상의 기여 요소에 기초하여, 상기 인공지능 모듈의 학습에 관한 상기 학습 데이터의 기여도를 결정하는 동작;
    상기 결정된 기여도에 기초하여, 블록 체인 기법을 이용하여 보상을 생성하는 동작; 및
    상기 생성된 보상을 상기 사용자에게 제공하는 동작
    을 포함하는 동작들을 수행하고,
    상기 기여 요소는 상기 학습 데이터의 양, 상기 사용자의 이전의 기여도, 상기 사용자의 학습 데이터 입력의 빈도, 상기 학습 데이터로부터 생성된 상기 입력 데이터에 기초한 상기 인공지능의 학습에 대한 상기 인공지능의 성능 변화 또는 상기 사용자를 포함하는 하나 이상의 사용자로부터 상기 학습 데이터가 수신된 빈도 중 적어도 하나를 포함하며,
    상기 학습 데이터를 수신하는 동작은 상기 사용자로부터 상기 학습 데이터를 수신하는 경우, 상기 수신된 학습 데이터에 기초하여 제1 기여도를 결정하도록 구성되는 기여도 전처리 모듈을 포함하되, 상기 학습 데이터로부터 생성된 상기 입력 데이터에 기초하여 상기 인공지능을 학습시키는 인공지능 모듈에 의한 학습의 결과에 기초하여, 상기 제1 기여도를 조정함으로써 제2 기여도를 결정하도록 구성된 기여도 후처리 모듈을 포함하고,
    상기 사용자의 기여도 및 상기 인공지능 모듈의 학습에 대한 하나 이상의 다른 사용자의 기여도를 집계하고, 상기 집계의 결과에 기초하여, 상기 기여도를 조정하도록 구성된 집계 모듈
    을 더 포함하고,
    상기 보상을 생성하는 동작은 상기 집계 모듈에 의해 조정된 상기 기여도에 기초하여 보상을 생성하도록 구성되고, 기여도 연산 모듈에 의하여 결정된 상기 기여도에 대한 정보가 상기 보상 내에 포함되도록 상기 보상을 생성하며, 상기 기여도 연산 모듈에 의하여 결정된 상기 기여도에 대한 정보가 상기 블록체인 기법에 따라 생성되는 블록의 블록 헤더 내에 포함되도록 상기 보상을 생성하도록 하는, 컴퓨터 판독가능 저장 매체.

Images