KR20200021408A - 서버 및 이의 제어 방법 - Google Patents
서버 및 이의 제어 방법 Download PDFInfo
- Publication number
- KR20200021408A KR20200021408A KR1020190099452A KR20190099452A KR20200021408A KR 20200021408 A KR20200021408 A KR 20200021408A KR 1020190099452 A KR1020190099452 A KR 1020190099452A KR 20190099452 A KR20190099452 A KR 20190099452A KR 20200021408 A KR20200021408 A KR 20200021408A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- electronic device
- knowledge
- response
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 123
- 238000004891 communication Methods 0.000 claims description 50
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 64
- 238000013528 artificial neural network Methods 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000010801 machine learning Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 4
- 239000003795 chemical substances by application Substances 0.000 description 29
- 230000014509 gene expression Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3349—Reuse of stored results of previous queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3325—Reformulation based on results of preceding query
- G06F16/3326—Reformulation based on results of preceding query using relevance feedback from the user, e.g. relevance feedback on documents, documents sets, document terms or passages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
서버 및 이의 제어 방법이 제공된다. 본 서버의 제공 방법은 제1 전자 장치로부터 지식 정보를 수신하고, 수신된 지식 정보를 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장하며, 적어도 하나의 제2 전자 장치로부터 지식 정보를 획득하기 위한 문의가 수신되면, 퍼스널 지식 데이터베이스에 저장된 지식 정보를 바탕으로 문의에 대한 응답을 적어도 하나의 제2 전자 장치로 전송하고, 적어도 하나의 제2 전자 장치로부터 응답에 대한 피드백 정보를 수신하며, 피드백 정보를 바탕으로 지식 정보를 글로벌 지식 데이터베이스에 저장할 수 있다. 특히, 서버가 사용자 문의에 대한 응답을 제공하는 방법의 적어도 일부는 기계학습, 신경망 또는 딥러닝 알고리즘 중 적어도 하나에 따라 학습된 인공지능 모델을 이용할 수 있다.
Description
본 개시는 서버 및 이의 제어 방법에 관한 것으로, 더욱 상세하게는 사용자 문의에 대한 응답을 제공하기 위하여 지식 데이터베이스를 제공하는 서버 및 이의 제어 방법에 관한 것이다.
근래에는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.
인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 오브젝트 인식, 오브젝트 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
한편, 근래에는 사용자 문의에 대한 답변을 제공하는 인공지능 에이전트(예로, 빅스비TM, 어시스턴트TM, 알렉사TM 등)를 이용한 다양한 서비스들이 제공되고 있다. 이러한 인공지능 에이전트 서비스를 제공하는 서버는 답변을 제공하기 위하여 지식 데이터베이스를 저장하고 있다. 그러나, 종래의 경우에는 한정된 지식 정보만을 포함하는 지식 데이터베이스를 이용하여 답변을 제공하고 있어, 한정된 답변만을 제공하는 한계가 존재할 수 있다.
본 개시는 상술한 문제점을 해결하기 위해 안출된 것으로, 더욱 상세하게는 퍼스널 지식 데이터베이스 및 글로벌 지식 데이터베이스를 이용하여 사용자 문의에 대한 다양한 유형의 답변을 제공할 수 있는 서버 및 이의 제어 방법을 제공함에 있다.
본 개시의 일 실시예에 따른, 서버의 제어 방법은, 제1 전자 장치로부터 지식 정보를 수신하는 단계; 상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장하는 단계; 적어도 하나의 제2 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 퍼스널 지식 데이터베이스에 저장된 지식 정보를 바탕으로 상기 문의에 대한 응답을 상기 적어도 하나의 제2 전자 장치로 전송하는 단계; 상기 적어도 하나의 제2 전자 장치로부터 상기 응답에 대한 피드백 정보를 수신하는 단계; 및 상기 피드백 정보를 바탕으로 상기 지식 정보를 글로벌 지식 데이터베이스에 저장하는 단계;를 포함한다.
한편, 본 개시의 일 실시예에 따른, 지식 정보를 저장하는 서버는, 통신 인터페이스; 적어도 하나의 명령어를 포함하는 메모리; 및 상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 서버를 제어하는 프로세서;를 포함하고, 상기 프로세서는, 상기 적어도 하나의 명령어를 실행함으로써, 상기 통신 인터페이스를 통해 제1 전자 장치로부터 지식 정보를 수신하고, 상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장하며, 상기 통신 인터페이스를 통해 적어도 하나의 제2 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 퍼스널 지식 데이터베이스에 저장된 지식 정보를 바탕으로 상기 문의에 대한 응답을 상기 적어도 하나의 제2 전자 장치로 전송하도록 상기 통신 인터페이스를 제어하고, 상기 통신 인터페이스를 통해 상기 적어도 하나의 제2 전자 장치로부터 상기 응답에 대한 피드백 정보를 수신하며, 상기 피드백 정보를 바탕으로 상기 지식 정보를 글로벌 지식 데이터베이스에 저장할 수 있다.
상술한 바와 같은 본 개시의 다양한 실시예에 의해, 서버는 사용자 문의에 대한 다양한 답변을 제공할 수 있어 다양한 사용자 경험을 제공할 수 있게 된다.
도 1은 본 개시의 일 실시예에 따른, 지식 정보를 관리하는 인공지능 에이전트 시스템의 사용도,
도 2는 본 개시의 일 실시예에 따른, 서버의 구성을 간략히 도시한 블록도,
도 3은 본 개시의 일 실시예에 따른, 인공지능 에이전트 시스템의 대화 시스템을 도시한 블록도,
도 4는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도,
도 5는 본 개시의 일 실시예에 따른, 인공지능 에이전트 시스템의 지식 정보 관리 방법을 설명하기 위한 시퀀스도,
도 6은 본 개시의 일 실시예에 따른, 서버의 퍼스널 지식 데이터베이스에 지식 정보를 저장하기 위한 방법을 설명하기 위한 도면,
도 7은 본 개시의 일 실시예에 따른, 피드백 정보를 획득하는 과정을 설명하기 위한 도면,
도 8 및 도 9는 본 개시의 일 실시예에 따른, 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제공하는 실시예를 설명하기 위한 도면,
도 10은 본 개시의 일 실시예에 따른, 지식 정보를 관리하기 위한 서버의 제어 방법을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시예에 따른, 서버의 구성을 간략히 도시한 블록도,
도 3은 본 개시의 일 실시예에 따른, 인공지능 에이전트 시스템의 대화 시스템을 도시한 블록도,
도 4는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도,
도 5는 본 개시의 일 실시예에 따른, 인공지능 에이전트 시스템의 지식 정보 관리 방법을 설명하기 위한 시퀀스도,
도 6은 본 개시의 일 실시예에 따른, 서버의 퍼스널 지식 데이터베이스에 지식 정보를 저장하기 위한 방법을 설명하기 위한 도면,
도 7은 본 개시의 일 실시예에 따른, 피드백 정보를 획득하는 과정을 설명하기 위한 도면,
도 8 및 도 9는 본 개시의 일 실시예에 따른, 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제공하는 실시예를 설명하기 위한 도면,
도 10은 본 개시의 일 실시예에 따른, 지식 정보를 관리하기 위한 서버의 제어 방법을 설명하기 위한 도면이다.
이하, 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 문서의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 부프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
이하에서는 도면을 참조하여 본 발명에 대해 상세히 설명하기로 한다. 도 1은 본 개시의 일 실시예에 따른, 지식 정보를 관리하는 인공지능 에이전트 시스템의 사용도이다. 인공지능 에이전트 시스템(10)은 도 1에 도시된 바와 같이, 서버(100) 및 복수의 전자 장치(200-1, 200-2...,200-n)를 포함할 수 있다.
서버(100)는 제1 전자 장치(200-1)로부터 지식 정보를 획득할 수 있다. 이때, 서버(100)는 서버(100)에 포함된 인공지능 에이전트 프로그램을 통해 특정 지식에 대해 문의하고, 제1 전자 장치(200-1)의 사용자가 문의에 대한 응답을 제공함으로써, 지식 정보를 획득할 수 있다. 또한, 서버(100)는 사용자를 통해 입력된 지식 정보를 획득할 수 있다. 이때, 서버(100)는 지식 정보와 함께 제1 전자 장치(200-1)의 사용자에 대한 정보(예로, ID 정보 등)를 함께 획득할 수 있다.
특히, 지식 정보를 저장하기 전, 서버(100)는 제1 전자 장치(200-1)로부터 획득된 지식 정보가 반사회적인 정보를 포함하거나 개인 정보를 포함하거나 가짜 정보를 포함하는지 여부를 판단할 수 있다. 제1 전자 장치(200-1)로부터 획득된 지식 정보가 반사회적인 정보를 포함하거나 개인 정보를 포함하거나 가짜 정보를 포함하면, 서버(100)는 퍼스널 지식 데이터베이스에서 필터링할 수 있다.
서버(100)는 제1 전자 장치(200-1)로부터 획득한 지식 정보를 제1 지식 데이터베이스(또는, 퍼스널 지식 데이터베이스(Personal knowledge database)(이하, PKB))에 저장할 수 있다. 여기서, PKB는 제1 전자 장치(200-1)의 사용자에 대응되는 지식 데이터베이스일 수 있다. 이때, 서버(100)는 지식 정보들을 구성하는 단어나 문장들의 관계들로 구성된 온톨로지 형태로 지식 정보를 저장할 수 있다. 또는, 서버(100)는 지식 정보를 (문의, 응답)의 데이터셋 형태로 저장할 수 있다.
서버(100)는 제2 전자 장치(100-2)로 지식 정보를 제공할 수 있다. 구체적으로, 제2 전자 장치(200-2)로부터 지식 정보를 획득하기 위한 사용자 문의가 수신되면, 서버(100)는 PKB에 저장된 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제2 전자 장치(200-2)로 제공할 수 있다. 이때, 문의에 대한 응답은 응답이 개인적인 의견임을 나타내는 정보 및 응답이 가짜일 수 있음을 나타내는 정보 중 적어도 하나를 포함할 수 있다. 또한, 서버(100)는 제2 전자 장치(200-2)로부터 사용자 문의가 수신되기 전, 지식 정보를 제2 전자 장치(200-2)로 전송할 수 있다.
제2 전자 장치(200-2)는 서버(100)로부터 수신된 지식 정보에 대한 피드백 정보를 서버(100)로 전송할 수 있다. 예로, 제2 전자 장치(200-2)는 서버(100)로부터 수신된 지식 정보가 진실인지 여부에 대한 피드백 정보를 전송할 수 있다. 또한, 제2 전자 장치(200-2)는 서버(100)로부터 수신된 지식 정보에 대한 주관적 의견을 포함하는 피드백 정보를 전송할 수 있다.
서버(100)는 피드백 정보를 바탕으로 지식 정보를 제2 지식 데이터베이스(또는, 글로벌 지식 데이터베이스, Global knowknowledge database)(이하, GKB))에 저장할 수 있다. 구체적으로, 적어도 하나의 제2 전자 장치(200-2)로부터 수신한 "문의에 대한 응답이 진실이라는 피드백 정보"가 제1 임계값 이상이면, 서버(100)는 지식 정보를 GKB에 저장할 수 있다. 그러나, 적어도 하나의 제2 전자 장치(200-2)로부터 수신한 "문의에 대한 응답이 진실이라는 피드백 정보"가 제2 임계값 미만이면, 서버(100)는 PKB에 저장된 지식 정보를 필터링할 수 있다.
또한, GKB는 복수의 사용자 그룹별로 존재할 수 있다. 이때, 복수의 사용자 그룹에는 나이별 그룹, 지역별 그룹, 성별 그룹, 정치 성향별 그룹 등이 포함될 수 있다. 즉, 서버(100)는 지식 정보를 제1 전자 장치(200-1)를 사용하는 사용자 및 제2 전자 장치(200-2)를 사용하는 사용자가 속한 사용자 그룹에 대응되는 GKB에 저장할 수 있다.
지식 정보가 GKB에 저장된 후 제3 전자 장치로부터 지식 정보를 획득하기 위한 문의가 수신되면, 서버(100)는 GKB에 저장된 지식 정보 및 피드백 정보를 바탕으로 문의에 대한 응답을 전송할 수 있다. 이때, 서버(100)는 문의에 대한 응답을 확정적인 표현으로 제공하거나 다수의 사용자로부터 공인된 정보임을 나타내는 표현을 통해 제공할 수 있다. 또는, 서버(100)는 문의에 대한 응답과 함께 응답이 진실일 확률에 대한 정보를 제3 전자 장치로 전송할 수 있다.
또는, GKB에 대응되는 사용자 그룹에 속한 다른 사용자가 사용하는 제4 전자 장치로부터 지식 정보를 획득하기 위한 문의가 수신되면, 서버(100)는 사용자 그룹에 대응되는 GKB에 저장된 지식 정보를 바탕으로 문의에 대한 응답을 제4 전자 장치로 전송할 수 있다.
또한, 서버(100) 및 복수의 전자 장치(200-1,200-2,...)는 상술한 바와 같이 지식 정보를 다양한 지식 데이터베이스에 관리하고, 지식 정보를 제공하기 위하여, 인공지능 전용 프로그램(또는 인공지능 에이전트, Artificial intelligence agent)인 개인 비서 프로그램을 이용할 수 있다. 이때, 개인 비서 프로그램은 AI(Artificial Intelligence) 기반의 서비스를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다.
구체적으로, 기설정된 사용자 입력(예를 들어, 기설정된 단어를 포함하는 사용자 음성 등)이 입력되거나 전자 장치(200)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지는 경우, 인공지능 에이전트가 동작(또는 실행)할 수 있다. 그리고, 인공지능 에이전트는 서버(100)에 저장된 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제공할 수 있다.
물론, 기설정된 사용자 입력(예를 들어, 기설정된 단어를 포함하는 사용자 음성 등)이 입력되거나 전자 장치(200)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지면, 인공지능 에이전트가 동작할 수도 있다. 또는, 인공지능 에이전트는 기설정된 사용자 입력(예를 들어, 기설정된 단어를 포함하는 사용자 음성 등)이 입력되거나 전자 장치(200)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지기 이전에 기 실행된 상태일 수 있다. 이 경우, 기설정된 사용자 입력(예를 들어, 기설정된 단어를 포함하는 사용자 음성 등)이 입력되거나 전자 장치(200)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러진 이후에는 전자 장치(200)의 인공지능 에이전트가 서버(100)에 저장된 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제공할 수 있다. 또한, 인공지능 에이전트는 기설정된 사용자 입력(예를 들어, 기설정된 단어를 포함하는 사용자 음성 등)이 입력되거나 전자 장치(200)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지기 이전에 대기 상태일 수 있다. 여기서, 대기 상태란, 인공지능 에이전트의 동작 시작을 제어하기 위해 미리 정의된 사용자 입력이 수신되는 것을 감지하는 상태이다. 인공지능 에이전트가 대기 상태인 동안 기설정된 사용자 입력(예를 들어, 기설정된 단어를 포함하는 사용자 음성 등)이 입력되거나 전자 장치(200)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지면, 전자 장치(200)는 인공지능 에이전트를 동작시키고, 서버(100)에 저장된 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제공할 수 있다.
한편, 상술한 실시예에서는 지식 정보를 저장하는 지식 데이터베이스가 서버(100)에 저장되는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 지식 데이터베이스 중 PKB는 전자 장치(200)에 저장될 수 있으며, GKB는 서버(200)에 저장될 수 있다.
도 2는 본 개시의 일 실시예에 따른, 서버의 구성을 간략히 도시한 블록도이다. 도 2에 도시된 바와 같이, 서버(100)는 통신 인터페이스(110), 프로세서(120) 및 메모리(130)를 포함할 수 있다. 한편, 도 2에 도시된 구성들은 본 개시의 실시 예들을 구현하기 위한 예시도이며, 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 서버(100)에 추가로 포함되거나 도 2에 도시된 구성이 생략될 수 있다.
통신 인터페이스(110)는 다양한 통신 방식을 통해 외부의 전자 장치와 통신을 수행할 수 있다. 특히, 통신 인터페이스(110)는 외부의 전자 장치(200)로부터 지식 정보를 수신할 수 있다. 또한, 통신 인터페이스(110)는 외부의 전자 장치(200)로부터 수신된 문의에 대한 응답으로 지식 정보를 제공할 수 있다. 또한, 통신 인터페이스(110)는 외부의 전자 장치(200)로부터 지식 정보를 바탕으로 제공된 응답에 대한 피드백 정보를 수신할 수 있다.
메모리(130)는 서버(100)의 적어도 하나의 다른 구성요소에 관계된 명령(instruction) 또는 데이터를 저장할 수 있다. 특히, 메모리(130)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(130)는 프로세서(120)에 의해 액세스되며, 프로세서(120)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(130), 프로세서(120) 내 롬(미도시), 램(미도시) 또는 서버(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다.
특히, 메모리(130)는 인공지능 전용 프로그램을 저장할 수 있다. 이때, 인공지능 전용 프로그램은 특정 전자 장치(200)에 대한 다양한 서비스를 제공하기 위한 개인화된 프로그램이다.
또한, 메모리(110)는 사용자 입력(특히, 사용자 발화)에 대한 응답을 제공하는 대화 시스템(Dialogue system)을 저장할 수 있다. 이때, 대화 시스템은 도 3에 도시된 바와 같이, 자동 음성 인식부(Automatic Speech Recognition, ASR)(310), 자연어 이해부(Natural Language Understanding, NLU)(320), 대화 매니저(Dialogue Manager, DM)(330), 자연어 생성부(Natural Language Generator, NLG)(340), TTS(Text-to-Speech)(350), 퍼스널 지식 데이터베이스(Personal Knowledge Database, PKB)(360) 및 글로벌 지식 데이터베이스(Global Knowledge Database, GKB)(460)를 포함할 수 있다.
자동 음성 인식부(310)는 외부 장치의 마이크 등을 통해 입력된 사용자 발화에 대한 음성 인식을 수행하여, 사용자 발화를 서버(100)가 처리할 수 있는 텍스트의 형태로 변환하기 위한 구성이다. 자동 음성 인식부(310)는 변환 오류, 특이한 사용자의 발화, 발화 오류 등을 수정하기 위한 언어 모델을 포함할 수 있다.
자연어 이해부(320)는 음성 인식 결과를 바탕으로 엔티티(entity) 및 사용자 발화의 의도(intent)와 관련된 태스크(task)를 파악하기 위한 구성이다. 구체적으로, 자연어 이해부(320)는 문장의 구조 및 주요 성분 분석을 통해 문장을 해석하고 통계/분석 등을 이용하여 문장 분석을 수행할 수 있다.
대화 매니저(330)는 자연어 이해 결과 및, PKB(360) 또는 GKB(370)에 저장된 데이터(즉, 지식 정보)를 바탕으로 사용자 발화에 대한 응답에 대한 정보를 획득하기 위한 구성이다. 대화 매니저(330)는 Frame기반, Agent기반 등으로 구현될 수 있으며, MDP(Markov Decision Process), 강화 학습(Reinforcement Learning)기반 모델링을 통해 구현될 수도 있음은 물론이다. 이때, 대화 매니저(330)는 응답을 생성하기 위한 정보를 획득할 수 있으며, 상술한 바와 같이, 획득된 정보는 자연어 이해부(320)을 통해 파악된 태스크와 PKB(360) 또는 GKB(370)에 저장된 데이터를 바탕으로 결정될 수 있다.
자연어 생성부(340)는 대화 매니저(330)를 통해 획득된 정보를 바탕으로 사용자 발화에 대한 응답으로서, 자연어를 획득할 수 있다. 특히, 자연어 생성부(340)는 대화 매니저(330) 및 GKB(360), PKB(370)을 통해 획득된 정보를 인공지능 모델의 입력값으로 입력하여 사용자 발화에 대한 응답으로서, 자연어를 획득할 수 있다.
TTS(350)는 획득된 자연어를 음성으로 변환할 수 있다. 이에 의해, 대화 시스템은 사용자 발화에 대한 응답을 음성으로서 제공할 수 있게 되어, 사용자는 전자 장치(200)와 대화를 수행할 수 있게 된다.
PKB(360) 및 GKB(370)는 대화 매니저(330)에서 응답을 생성하는데 필요한 정보를 저장하기 위한 구성이다. 이때, PKB(360)는 대응되는 전자 장치(200)의 사용자에 의해 획득된 지식 정보를 저장하는 데이터베이스일 수 있다. 즉, PKB(360)는 전자 장치(200)의 사용자별로 구비될 수 있다. GKB(370)는 복수의 사용자에 의해 인증된 지식 정보를 저장하는 데이터베이스일 수 있다. 이때, GKB(370)는 사용자 그룹별로 구비될 수 있다. 즉, GKB(370)는 연령별, 성별, 지역별, 정치 성향 별 등과 같은 다양한 사용자 그룹별로 구비될 수 있다.
이때, PKB(360) 및 GKB(370)에 저장된 지식 정보는 지식 정보에 포함된 사용자 문의 및 응답에 대한 연관도 정보를 포함하는 온톨로지 형태로 구성될 수 있다. 또는, 지식 정보는 사용자 문의 및 문의에 대한 응답을 매칭하여 저장하는 데이터 세트(예로, (질문, 응답))의 형태로 저장될 수도 있다.
그 밖에, PKB(360)는 과거 사용자 발화 히스토리를 저장할 수 있다. 구체적으로, PKB(360)는 과거 사용자 발화 및 발화에 대한 응답, 응답에 대한 재발화와 관련된 히스토리 정보를 저장할 수 있다. 이때, 히스토리 정보가 저장되는 방식은 다양할 수 있다.
그리고, 대화 매니저(330)는 사용자 문의에 대한 응답을 획득하기 위하여, GKB(370) 및 PKB(360)에서 지식 정보를 검색할 수 있다. 대화 매니저(330)는 우선적으로 GKB(370)에서 먼저 사용자 문의에 대한 응답을 제공하기 위한 지식 정보를 검색하고, GKB(370)에 응답을 제공하기 위한 지식 정보가 존재하지 않는 경우, PKB(360)에서 사용자 문의에 대한 응답을 제공하기 위한 지식 정보를 검색할 수 있다. 또는, 대화 매니저(330)는 GKB(370) 및 PKB(360)를 동시에 검색하여 사용자 문의에 대한 최적의 응답을 제공하기 위한 지식 정보를 검색할 수 있다.
또한, 본 개시의 일 실시예에 따라, 메모리(130)는 자연어를 생성(또는 획득)하도록 학습된 인공지능 모델을 저장할 수 있다. 본 개시에서 학습된 인공지능 모델은 인식 모델의 적용 분야 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 예로, 인공지능 모델은 대화 매니저(330) 및 지식 데이터베이스(360,370)로부터 획득된 정보를 입력 데이터로 사용하여 자연어를 획득하도록 학습될 수 있다. 자연스러운 자연어를 생성하기 위해, 학습된 인공지능 모델은, 예로, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 인공지능 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 또한, 문서 요약 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 학습된 인공지능 모델의 예에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등이 있을 수 있으나 이에 한정되지 않는다.
한편, 상술한 실시예에서는 대화 시스템의 구성이 서버(100)에 포함되는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 대화 시스템의 구성 중 GKB(370)를 제외한 나머지 구성이 전자 장치(200)에 포함될 수 있다. 즉, 전자 장치(200)는 대화 시스템을 on-device 형태로 구현할 수 있다.
다시, 도 2에 대해 설명하면, 프로세서(120)는 메모리(110)와 전기적으로 연결되어 서버(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 프로세서(120)는 메모리(110)에 저장된 적어도 하나의 명령어를 실행함으로써, 통신 인터페이스(110)를 통해 제1 전자 장치(200-1)로부터 지식 정보를 수신하고, 수신된 지식 정보를 제1 전자 장치(200-1)를 사용하는 사용자에 대응되는 PGB(360)에 저장할 수 있다. 통신 인터페이스(110)를 통해 적어도 하나의 제2 전자 장치(200-2)로부터 지식 정보를 획득하기 위한 문의가 수신되면, 프로세서(120)는 PKB(360)에 저장된 지식 정보를 바탕으로 문의에 대한 응답을 적어도 하나의 제2 전자 장치(200-2)로 전송하도록 통신 인터페이스(110)를 제어할 수 있다. 프로세서(120)는 통신 인터페이스(110)를 통해 적어도 하나의 제2 전자 장치(200-2)로부터 응답에 대한 피드백 정보를 수신하며, 피드백 정보를 바탕으로 지식 정보를 GKB(370)에 저장할 수 있다.
특히, 문의에 대한 응답이 진실이라는 피드백 정보가 제1 임계값(예로, 70%) 이상이면, 프로세서(120)는 지식 정보를 GKB(370)에 저장할 수 있으며, 문의에 대한 응답이 진실이라는 피드백 정보가 제2 임계값(예로, 50%) 미만이면, 프로세서(120)는 PKB(360)에 저장된 지식 정보를 필터링할 수 있다. 이때, 문의에 대한 응답이 가짜 정보라고 판단된 경우, 프로세서(120)는 제1 전자 장치(200-1)로 지식 정보가 가짜 정보임을 안내하는 안내 메시지를 전송하도록 통신 인터페이스(210)를 제어할 수 있다.
특히, 프로세서(120)는 지식 정보가 검색된 데이터베이스의 유형에 따라 상이한 응답을 제공할 수 있다. 구체적으로, 지식 정보가 PKB(360)에서 획득된 경우, 프로세서(120)는 응답이 개인적인 의견임을 나타내는 정보 및 응답이 가짜일 수 있음을 나타내는 정보 중 적어도 하나를 포함하는 문의에 대한 응답을 제공할 수 있다. 지식 정보가 GKB(370)에서 획득된 경우, 프로세서(120)는 문의에 대한 응답을 확정적인 표현으로 제공하거나 다수의 사용자로부터 공인된 정보임을 나타내는 표현을 통해 제공할 수 있다. 또는, 프로세서(120)는 응답이 진실일 확률에 대한 정보를 포함하는 문의에 대한 응답을 제공할 수 있다. 또는, 프로세서(120)는 지식 정보가 검색된 지식 데이터베이스에 대응되는 사용자 그룹에 대한 정보를 포함하는 문의에 대한 응답을 제공할 수 있다.
또한, GKB(370)가 복수의 사용자 그룹별로 존재하는 경우, 프로세서(120)는제1 전자 장치(200-1)를 사용하는 제1 사용자 및 피드백 정보를 전송한 제2 전자 장치(200-2)를 사용하는 제2 사용자가 공통적으로 속한 사용자 그룹에 대응되는 GKB에 지식 정보를 저장할 수 있다. 예를 들어, 제1 사용자 및 제2 사용자가 연령대가 모두 30대인 경우, 프로세서(120)는 30대 연령에 대응되는 GKB에 지식 정보를 저장할 수 있다.
또한, 통신 인터페이스(100)를 통해 제3 전자 장치로부터 지식 정보를 획득하기 위한 문의가 수신되면, 프로세서(120)는 우선, 제3 전자 장치에 대응되는 GKB로부터 지식 정보를 검색하고, GKB에서 검색된 지식 정보를 바탕으로 문의에 대한 응답을 제3 전자 장치로 전송하도록 통신 인터페이스(100)를 제어할 수 있다. 예로, 제3 전자 장치의 사용자 연령대가 30대인 경우, 프로세서(120)는 30대 연령에 대응되는 GKB에 지식 정보를 먼저 검색하여 사용자 문의에 대한 응답을 제공할 수 있다.
또한, 복수의 사용자 그룹으로부터 지식 정보가 인증된 경우, 프로세서(120)는 복수의 사용자 그룹에 대응되는 GKB에 지식 정보를 저장할 수 있다. 예로, "10대 연령의 사용자 그룹"과 "20 대 연령의 사용자 그룹"으로부터 지식 정보가 인증된 경우, 프로세서(120)는 "10대 및 20대 연령의 사용자 그룹"에 대한 GKB에 지식 정보를 저장할 수 있다.
도 4는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도이다. 전자 장치(200)는 메모리(210), 입력부(220), 통신부(230), 디스플레이(240), 스피커(250) 및 프로세서(260)를 더 포함할 수 있다. 그러나 상술한 구성에 한정되는 것은 아니며, 필요에 따라 일부 구성이 추가되거나 생략될 수 있음은 물론이다.
메모리(210)는 전자 장치(200)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(210)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(210)는 프로세서(260)에 의해 액세스되며, 프로세서(260)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(210), 프로세서(260) 내 롬(미도시), 램(미도시) 또는 전자 장치(200)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(210)에는 디스플레이(240)의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
또한, 메모리(210)는 대화 시스템을 동작하기 위한 인공지능 에이전트를 저장할 수 있다. 구체적으로, 전자 장치(200)는 사용자 발화에 대한 응답으로 자연어를 생성하기 위하여 인공지능 에이전트(Artificial intelligence agent)를 이용할 수 있다. 이때, 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다.
입력부(220)는 사용자 명령 혹은 다양한 데이터를 입력받기 위한 구성이다. 이때, 입력부(220)는 카메라(221), 마이크(222) 및 터치 패널(223) 등을 포함할 수 있다.
카메라(221)는 전자 장치(200) 주변의 영상 데이터를 획득하기 위한 구성이다. 카메라(221)는 정지 영상 및 동영상을 촬영할 수 있다. 예로, 카메라(221)는 하나 이상의 이미지 센서(예: 전면 센서 또는 후면 센서), 렌즈, 이미지 시그널 프로세서(ISP), 또는 플래시(예: LED 또는 xenon lamp 등)를 포함할 수 있다. 마이크(222)는 전자 장치(200) 주변의 소리를 획득하기 위한 구성이다. 마이크(222)는 외부의 음향 신호를 입력 받아 전기적인 음성 정보를 생성할 수 있다. 마이크(222)는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다. 특히, 마이크(222)는 지식 정보를 획득하기 위한 사용자 음성을 획득할 수 있다.
터치 패널(223)은 다양한 사용자 터치 입력을 수신하는 구성이다. 특히, 터치 패널(223)는 터치 패널(143)은 후술하는 디스플레이와 결합하여 터치 디스플레이로 구성될 수도 있다.
입력부(220)는 상술한 카메라(221), 마이크(222), 터치 패널(223) 외에도 다양한 데이터를 입력 받기 위한 다양한 구성일 수 있음은 물론이다.
통신 인터페이스(230)는 외부 장치와 통신을 수행하기 위한 구성이다. 한편, 통신부(230)가 외부 장치와 통신 연결되는 것은 제3 기기(예로, 중계기, 허브, 엑세스 포인트, 서버 또는 게이트웨이 등)를 거쳐서 통신하는 것을 포함할 수 있다. 무선 통신은, 예를 들면, LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 일 실시예에 따르면, 무선 통신은, 예를 들면, WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 중 적어도 하나를 포함할 수 있다. 유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 무선 통신 또는 유선 통신이 수행되는 네트워크는 텔레커뮤니케이션 네트워크, 예를 들면, 컴퓨터 네트워크(예: LAN 또는 WAN), 인터넷, 또는 텔레폰 네트워크 중 적어도 하나를 포함할 수 있다.
특히, 통신 인터페이스(230)는 외부의 서버와 통신을 수행하여 인공지능 에이전트 서비스를 제공할 수 있다.
디스플레이(240)는 다양한 영상을 출력하기 위한 구성이다. 특히, 디스플레이(240)는 사용자 문의에 대한 응답을 다양한 UI 형태로 제공할 수 있다. 다양한 영상을 제공하기 위한 디스플레이(240)는 다양한 형태의 디스플레이 패널로 구현될 수 있다.
스피커(250)는 오디오 처리부에 의해 디코딩이나 증폭, 노이즈 필터링과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 한편, 오디오를 출력하기 위한 구성은 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.
프로세서(260)는 상술한 바와 같이, 전자 장치(200)의 전반적인 동작을 제어한다. 프로세서(260)는 RAM(261), ROM(262), 메인 CPU(263), 그래픽 처리부(264), 제1 내지 n 인터페이스(265-1 내지 265-n), 버스(266)를 포함할 수 있다. 이때, RAM(261), ROM(262), 메인 CPU(263), 그래픽 처리부(264) 및 제1 내지 n 인터페이스(265-1 내지 265-n) 등은 버스(266)를 통해 서로 연결될 수 있다.
ROM(262)에는 시스템 부팅을 위한 명령어 세트 등이 저장된다. 턴 온 명령이 입력되어 전원이 공급되면, 메인 CPU(263)는 ROM(262)에 저장된 명령어에 따라 메모리(210)에 저장된 O/S를 RAM(261)에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, 메인 CPU(263)는 메모리에 저장된 각종 어플리케이션 프로그램을 RAM(261)에 복사하고, RAM(261)에 복사된 어플리케이션 프로그램을 실행시켜 각종 동작을 수행한다.
구체적으로, 메인 CPU(263)는 메모리(210)에 액세스하여, 메모리(210) 에 저장된 O/S를 이용하여 부팅을 수행한다. 그리고 메인 CPU(263)는 메모리(210) 에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행한다.
제1 내지 n 인터페이스(265-1 내지 265-n) 는 상술한 각종 구성 요소들과 연결된다. 인터페이스들 중 하나는 네트워크를 통해 외부 장치와 연결되는 네트워크 인터페이스가 될 수도 있다.
특히, 프로세서(260)는 메모리에 저장된 적어도 하나의 명령어를 바탕으로 전자 장치(200)의 전반적인 동작을 제어할 수 있다.
특히, 프로세서(260)는 통신 인터페이스(210)를 통해 지식 정보를 서버(100)로 전송하여 서버(100)의 지식 데이터베이스에 지식 정보를 저장할 수 있다. 구체적으로, 프로세서(260)는 사용자 입력에 의해 지식 정보를 서버(100)에 등록하기 위한 요청을 서버(100)로 전송하도록 통신 인터페이스(210)를 제어할 수 있다. 이때, 서버(100)로부터 지식 정보를 전자 장치(200)를 사용하는 사용자에 대응되는 PKB에 저장할지 문의하는 문의 메시지가 수신되면, 프로세서(260)는 문의 메시지를 디스플레이하도록 디스플레이(240)를 제어할 수 있다. 입력부(220)를 통해 PKB(360)에 저장할 것을 요청하는 사용자 입력이 수신되면, 프로세서(260)는 문의 메시지에 응답하여 지식 정보를 PKB(360)에 저장하기 위한 확인 메시지를 전송하도록 통신 인터페이스(210)를 제어할 수 있다. 또 다른 실시예로, 프로세서(260)는 통신 인터페이스(210)를 통해 서버(100)로부터 직접 사용자와 관련된 정보(예를 들어, SNS 정보, 결제 정보, 위치 정보 등)을 바탕으로 지식 정보를 PKB(360)에 등록할지 문의하는 문의 메시지를 수신할 수 있다. 입력부(220)를 통해 PKB(360)에 저장할 것을 요청하는 사용자 입력이 수신되면, 프로세서(260)는 지식 정보를 PKB(360)에 저장하기 위한 확인 메시지를 전송하도록 통신 인터페이스(210)를 제어할 수 있다.
또한, 프로세서(260)는 입력부(220)를 통해 지식 정보를 획득하기 위한 사용자 문의를 입력받을 수 있다. 프로세서(260)는 획득된 사용자 문의를 외부 서버(100)로 전송하도록 통신 인터페이스(210)를 제어할 수 있다. 그리고, 프로세서(260)는 통신 인터페이스(210)를 통해 외부 서버(100)로부터 지식 정보를 바탕으로 획득된 사용자 문의에 대한 응답을 수신할 수 있다. 이때, 프로세서(260)는 사용자 문의에 대한 응답을 디스플레이(240)를 통해 제공할 수 있으며, 스피커(250)를 통해 출력할 수 있다.
이하에서는 도면을 참조하여 본 개시의 다양한 실시예에 대해 설명하기로 한다. 도 5는 본 개시의 일 실시예에 따른, 인공지능 에이전트 시스템의 지식 정보 관리 방법을 설명하기 위한 시퀀스도이다.
우선, 서버(100)는 지식 정보에 대한 등록 문의를 제1 전자 장치(200-1)로 전송할 수 있다(S505). 구체적으로, 도 6에 도시된 바와 같이, 제1 전자 장치(200-1)의 사용자가 SNS 상에 오죽헌 사진(610)을 올린 경우, 서버(100)는 "오천원권 지폐 인물이 율곡 이이인가요?" 라는 제1 지식 문의(620) 및 "율곡 이이와 신사 임당이 태어난 곳이 강릉 오죽헌 인가요?"라는 제2 지식 문의(640)를 순차적으로 제공할 수 있다. 이때, 제1 전자 장치(200-1)는 사용자 입력을 통해 "응, 맞아"라는 지식 문의에 대한 응답(630,650)을 순차적으로 전송할 수 있다. 그리고, 서버(100)는 지식 문의를 통해 획득된 지식 정보를 등록 공유해도 되는지 여부를 문의하기 위하여, "본 답변을 공통 지식으로 등록 공유해도 될까요?"라는 문의 메시지(660)를 제공할 수 있다.
다시 도 5에 대해 설명하면, 제1 전자 장치(200-1)는 지식 정보에 대한 등록 요청을 전송할 수 있다(S510). 구체적으로, 제1 전자 장치(200-1)는 도 6에 도시된 바와 같이, 문의 메시지(660)에 응답하여 사용자 입력을 통해 "응 괜찮아"라는 확인 메시지(670)를 서버(100)로 제공할 수 있다. 이때, 서버(100)는 "고마워요. 많은 사람들에게 도움될꺼예요"라는 메시지(680)를 제1 전자 장치(200-1)로 제공할 수 있다.
한편, 도 6에 도시된 바와 같이, 서버(100)가 먼저 지식 정보를 등록하기 위한 문의 메시지를 제공하고, 사용자가 문의 메시지에 대한 확인 메시지를 제공하는 것은 일 실시예에 불과할 뿐, 사용자가 먼저 지식 정보를 서버(100)에 등록할 것을 요청할 수 있다. 예로, 제1 전자 장치(200-1)는 사용자 입력을 통해 "율곡 이이와 신사임당이 태어난 곳이 강릉 오죽헌이야. 공통 지식으로 등록해 줘"와 같이, 지식 정보에 대한 등록 요청을 전송할 수 있다.
서버(100)는 지식 정보의 필터링 여부를 판단할 수 있다(S515). 구체적으로, 서버(100)는 지식 정보에 반사회적인 정보(예로, 욕설, 음란, 폭력, 살인, 마약 등)가 포함되었는지 여부, 지식 정보에 개인 정보가 포함되었는지 여부, 지식 정보가 가짜 정보인지 여부를 판단하여 지식 정보의 필터링 여부를 판단할 수 있다.
서버(100)는 지식 정보를 PKB(360)에 저장할 수 있다(S520). 구체적으로, 지식 정보가 필터링되지 않은 경우, 서버(100)는 제1 전자 장치(200-1)의 사용자에 대응되는 PKB(360)에 지식 정보를 저장할 수 있다. 이때, 지식 정보는 온톨로지 형태로 저장될 수 있으나, 이는 일 실시예에 불과할 뿐, 데이터 셋 형태로 저장될 수 있다.
제2 전자 장치(200-2)는 지식 정보를 획득하기 위한 사용자 문의를 서버(100)로 전송할 수 있다(S525). 예로, 제2 전자 장치(200-2)는 "율곡 이이가 어디서 태어났어?"라는 사용자 문의를 서버(100)로 전송할 수 있다.
서버(100)는 사용자 문의에 응답하여 지식 정보를 포함하는 응답을 제2 전자 장치(200-2)로 전송할 수 있다(S530). 구체적으로, 서버(100)는 서버(100) 내의 지식 데이터베이스에 포함된 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제공할 수 있다. 특히, 서버(100)는 PKB(360)에 저장된 지식 정보를 바탕으로 사용자 문의에 대한 응답으로서, "율곡 이이가 태어난 곳은 강릉 오죽헌이야"라는 응답을 제공할 수 있다. 이때, 사용자 문의에 대한 응답은 도 3에 도시된 바와 같은 대화 시스템을 통해 자연어 형태로 제공될 수 있다.
제2 전자 장치(200-2)는 응답에 대한 피드백 정보를 서버(100)로 전송할 수 있다(S535). 일 실시예로, 도 7에 도시된 바와 같이, 서버(100)는 지식 정보가 진실인지 문의하는 메시지(710)를 제2 전자 장치(200-2)로 전송할 수 있다. 제2 전자 장치(200-2)는 사용자 입력에 의해 "응"이라는 피드백 정보(720)를 서버(100)로 제공할 수 있다. 또 다른 실시예로, 서버(100)는 지식 정보가 반사회적인 정보인지, 비속어가 속한 정보인지 문의하는 메시지를 제2 전자 장치(200-2)로 전송할 수 있다.
서버(100)는 지식 정보의 필터링 여부를 판단할 수 있다(S540). 구체적으로, 서버(100)는 피드백 정보를 바탕으로 현재 지식 정보가 반사회적인 정보인지, 지식 정보에 비속어나 욕설이 포함되었는지 여부를 판단할 수 있다.
지식 정보가 필터링되지 않는 경우, 서버(100)는 지식 정보를 GKB(370)로 저장할 수 있다(S545). 특히, 서버(100)는 피드백 정보를 바탕으로 지식 정보를 GKB(370)에 저장할 수 있다. 구체적으로, 제2 전자 장치(200-2)를 포함한 다른 전자 장치로부터 수신된 "문의에 대한 응답이 진실이라는 피드백 정보"가 제1 임계값 이상이면, 서버(100)는 지식 정보를 GKB(370)에 저장할 수 있다. 또는, 제2 전자 장치(200-2)를 포함한 다른 전자 장치로부터 수신된 문의에 대한 응답이 진실이라는 피드백 정보가 제2 임계값 미만이면, 서버(100)는 지식 정보를 PKB(360)에서 필터링할 수 있다. 이때, GKB(370)는 모든 사용자로부터 인증된 지식 정보가 저장되는 지식 데이터베이스일 수 있으나, 이는 일 실시예에 불과할 뿐, 제1 전자 장치(200-1)를 사용하는 제1 사용자와 제2 전자 장치(200-2)를 사용하는 제2 사용자를 공통적으로 포함하는 사용자 그룹에 대응되는 지식 데이터베이스일 수 있다. 이때, GKB(370)에 저장된 지식 정보에는 지식 정보가 진실일 확률(즉, 복수의 전자 장치 중 "지식 정보가 진실이다"라는 피드백 정보를 전송한 전자 장치의 비율)에 대한 정보가 함께 저장될 수 있다.
그리고, 서버(100)는 피드백 정보에 응답하여 피드백 보상을 제공할 수 있다(S550). 구체적으로, 도 7에 도시된 바와 같이, 서버(100)는 "답변 감사해요. 지식 포인트 10 드릴께요"라는 피드백 보상(730)을 제공할 수 있다. 이때, 서버(100)는 포인트 이외에, 아이템, 저나 화폐 등과 같은 다양한 피드백 보상을 제공할 수 있다.
서버(100)는 상술한 바와 같은 동작을 통해 지식 정보를 PKB(360) 또는 GKB(370)에 저장할 수 있다. 특히, 서버(100)는 사용자 문의에 대한 응답을 제공하기 위해 지식 정보가 검색 데이터베이스의 유형에 따라 상이한 응답을 제공할 수 있다. 구체적으로, 지식 정보가 PKB(360)에서 획득된 경우, 프로세서(120)는 응답이 개인적인 의견임을 나타내는 정보 및 응답이 가짜일 수 있음을 나타내는 정보 중 적어도 하나를 포함하는 문의에 대한 응답을 제공할 수 있다. 예로, "율곡 이이는 어디서 태어났어?"라는 사용자 문의에 대한 응답을 제공하기 위한 지식 정보가 PKB(360)에서 검색된 경우, 서버(100)는 "어떤 사람이 율곡 이이는 강릉 오죽헌에서 태어났다고 하더라"라는 표현 또는 "율곡 이이는 강릉 오죽헌에서 태어났는데, 사실이 아닐 수 있으니 다시 확인해 봐"라는 표현으로 응답을 제공할 수 있다.
한편, 지식 정보가 GKB(370)에서 획득된 경우, 서버(100)는 문의에 대한 응답을 확정적인 표현으로 제공하거나 다수의 사용자로부터 공인된 정보임을 나타내는 표현을 통해 제공할 수 있다. 예로, "율곡 이이는 어디서 태어났어?"라는 사용자 문의에 대한 응답을 제공하기 위한 지식 정보가 GKB(360)에서 검색된 경우, 서버(100)는 "율곡 이이는 강릉 오죽헌에서 태어났어"라는 확정적인 표현 또는 "대부분의 사람들이 율곡 이이는 강릉 오죽헌에서 태어났다고 하더라"라는 표현으로 응답을 제공할 수 있다. 또는, 프로세서(100)는 응답이 진실일 확률에 대한 정보를 포함하는 문의에 대한 응답을 제공할 수 있다. 예로, "80%의 사람들이 율곡 이이는 강릉 오죽헌에서 태어났다고 하더라"라는 표현으로 응답을 제공할 수 있다. 또는, 서버(100)는 지식 정보가 검색된 지식 데이터베이스에 대응되는 사용자 그룹에 대한 정보를 포함하는 문의에 대한 응답을 제공할 수 있다. 예로, "10대 학생들이 율곡 이이는 강릉 오죽헌에서 태어났다고 하더라"라는 표현으로 응답을 제공할 수 있다.
도 8 및 도 9는 본 개시의 다른 실시예에 따른, 지식 정보를 바탕으로 사용자 문의에 대한 응답을 제공하는 실시예를 설명하기 위한 도면이다.
구체적으로, 서버(100)는 복수의 사용자 그룹에 대응되는 복수의 GKB에 저장된 지식 정보를 바탕으로 통계적인 답변을 제공할 수 있다. 구체적으로, 서버(100)는 복수의 전자 장치로부터 획득된 지식 정보를 복수의 사용자 그룹에 대응되는 복수의 GKB 중 하나에 저장할 수 있다. 특히, 사용자 동의가 존재하면, 서버(100)는 개인 의견(예로, 정치적 의견), 개인 정보(예로, 스마트폰 사용 정보) 등을 사용자가 속한 사용자 그룹에 대응되는 GKB에 저장할 수 있다.
그리고, 제3 전자 장치(200-3)로부터 개인 정보 통계에 대한 사용자 문의가 수신되면, 서버(100)는 복수의 GKB에 저장된 지식 정보를 바탕으로 지식 정보를 제공할 수 있다. 예로, 도 8에 도시된 바와 같이, 제3 전자 장치(200-3)로부터 "전 세계 사용자들 중 나와 같은 연령대의 평균 하루 스마트폰 이용시간은 얼마나 될까?"라는 개인 정보에 대한 통계를 문의하는 사용자 문의(810)가 수신되면, 서버(100)는 복수의 GKB 중 사용자가 속한 사용자 그룹에 대응되는 GKB(예로, 20대 연령 GKB)의 지식 정보를 바탕으로 사용자 문의(810)에 대한 응답(820)을 제공할 수 있다. 이때, 사용자 문의(810)에 대한 응답(820)에는 도 8에 도시된 바와 같이, 응답(820)이 통계적인 답변임을 나타내는 정보와 통계에 대한 정보를 포함할 수 있다. 또한, 서버(100)는 통계에 대한 정보를 다양한 그래프와 수치에 대한 정보를 제3 전자 장치(200-3)로 전송하고, 제3 전자 장치(200-3)는 수신된 정보를 바탕으로 도 8에 도시된 바와 같이, 다양한 그래프와 수치에 대한 정보를 포함하는 UI(830)를 제공할 수 있다.
또한, 제4 전자 장치(200-4)로부터 개인 의견 통계에 대한 사용자 문의가 수신되면, 서버(100)는 복수의 GKB에 저장된 지식 정보를 바탕으로 지식 정보를 제공할 수 있다. 예로, 도 9에 도시된 바와 같이, 제4 전자 장치(200-4)로부터 "사람들은 세월호 인양 하는거 찬성할까?"라는 정치적 의견에 대한 통계를 문의하는 사용자 문의(910)가 수신되면, 서버(100)는 복수의 GKB에 저장된 지식 정보를 바탕으로 사용자 문의(910)에 대한 응답(920)을 제공할 수 있다. 이때, 사용자 문의(910)에 대한 응답(920)에는 도 9에 도시된 바와 같이, 응답(920)이 통계적인 답변임을 나타내는 정보와 사용자 그룹 별 통계에 대한 정보를 포함할 수 있다. 또한, 서버(100)는 통계에 대한 정보를 다양한 그래프와 수치에 대한 정보를 제4 전자 장치(200-4)로 전송하고, 제4 전자 장치(200-4)는 수신된 정보를 바탕으로 도 9에 도시된 바와 같이, 그래프와 수치에 대한 정보를 포함하는 UI(930)를 제공할 수 있다. 또한, 서버(100)는 제4 전자 장치(200-4)로 개인 의견에 대한 응답을 요구하는 피드백 문의(940)를 제공할 수 있다. 이에 대해, 서버(100)는 피드백 문의(940)에 응답하는 피드백 응답(950)을 제4 전자 장치(200-4)로부터 수신할 수 있으며, 수신된 피드백 응답(950)을 지식 정보로서, 제4 전자 장치(200-4)가 속한 사용자 그룹에 대응되는 GKB에 저장할 수 있다.
도 10은 본 개시의 일 실시예에 따른, 지식 정보를 관리하기 위한 서버의 제어 방법을 설명하기 위한 도면이다.
우선, 서버(100)는 제1 전자 장치(200-1)로부터 지식 정보를 수신할 수 있다(S1010). 이때, 서버(100)는 제1 전자 장치(200-1)로 지식 정보를 요청하여 지식 정보를 수신할 수 있으나, 이는 일 실시예에 불과할 뿐, 서버(100)는 제1 전자 장치(200-1)로부터 지식 정보를 바로 수신할 수 있다.
서버(100)는 수신된 지식 정보를 제1 전자 장치(200-1)를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장할 수 있다(S1020). 구체적으로, 서버(100)는 제1 전자 장치(200-1)로 지식 정보를 등록하기 위한 문의 메시지를 전송할 수 있으며, 문의 메시지에 대응한 확인 메시지를 수신하여 지식 정보를 서버(100)에 저장할 수 있다.
서버(100)는 적어도 하나의 제2 전자 장치(200-2)로부터 지식 정보를 획득하기 위한 사용자 문의가 수신되는지 여부를 판단할 수 있다(S1030).
적어도 하나의 제2 전자 장치(200-2)로부터 지식 정보를 획득하기 위한 사용자 문의가 수신되면(S1030-Y), 서버(100)는 퍼스널 지식 데이터베이스에 저장된 지식 정보를 바탕으로 문의에 대한 응답을 적어도 하나의 제2 전자 장치(200-2)로 전송할 수 있다(S1040).
서버(100)는 적어도 하나의 제2 전자 장치(200-2)로부터 응답에 대한 피드백 정보를 수신할 수 있다(S1050).
서버(100)는 피드백 정보를 바탕으로 지식 정보를 글로벌 지식 데이터베이스에 저장할 수 있다(S1060). 구체적으로, 문의에 대한 응답이 진실이라는 피드백 정보가 제1 임계값 이상이면, 서버(100)는 지식 정보를 상기 글로벌 지식 데이터베이스에 저장할 수 있다. 그러나, 문의에 대한 응답이 진실이라는 피드백 정보가 제2 임계값 미만이면, 서버(100)는 퍼스널 지식 데이터베이스에 저장된 지식 정보를 필터링할 수 있다.
한편, 본 개시에 따른 인공지능과 관련된 기능은 프로세서(120)와 메모리(130)를 통해 동작된다. 프로세서(120)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 서버(100) 또는 전자 장치(예: 전자 장치(200))를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
110: 통신 인터페이스
120: 프로세서
130: 메모리
130: 메모리
Claims (18)
- 서버의 제어 방법에 있어서,
제1 전자 장치로부터 지식 정보를 수신하는 단계;
상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장하는 단계;
적어도 하나의 제2 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 퍼스널 지식 데이터베이스에 저장된 지식 정보를 바탕으로 상기 문의에 대한 응답을 상기 적어도 하나의 제2 전자 장치로 전송하는 단계;
상기 적어도 하나의 제2 전자 장치로부터 상기 응답에 대한 피드백 정보를 수신하는 단계;
상기 피드백 정보를 바탕으로 상기 지식 정보를 글로벌 지식 데이터베이스에 저장하는 단계;를 포함하는 제어 방법. - 제1항에 있어서,
상기 글로벌 지식 데이터베이스에 저장하는 단계는,
상기 문의에 대한 응답이 진실이라는 피드백 정보가 제1 임계값 이상이면, 상기 지식 정보를 상기 글로벌 지식 데이터베이스에 저장하는 제어 방법. - 제1항에 있어서,
상기 제어 방법은,
상기 문의에 대한 응답이 진실이라는 피드백 정보가 제2 임계값 미만이면, 상기 퍼스널 지식 데이터베이스에 저장된 상기 지식 정보를 필터링하는 단계;를 포함하는 제어 방법. - 제1항에 있어서,
상기 문의에 대한 응답은,
상기 응답이 개인적인 의견임을 나타내는 정보 및 상기 응답이 가짜일 수 있음을 나타내는 정보 중 적어도 하나를 포함하는 제어 방법. - 제1항에 있어서,
상기 지식 정보가 상기 글로벌 지식 데이터베이스에 저장된 후 제3 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 글로벌 지식 데이터베이스에 저장된 지식 정보 및 상기 피드백 정보를 바탕으로 상기 문의에 대한 응답 및 상기 응답이 진실일 확률에 대한 정보를 상기 제3 전자 장치로 전송하는 단계;를 포함하는 제어 방법. - 제1항에 있어서,
상기 글로벌 지식 데이터베이스는 복수의 사용자 그룹별로 존재하며,
상기 저장하는 단계는,
상기 지식 정보를 상기 제1 전자 장치를 사용하는 사용자 및 상기 제2 전자 장치를 사용하는 사용자가 속한 사용자 그룹에 대응되는 글로벌 지식 데이터베이스에 저장하는 제어 방법. - 제6항에 있어서,
상기 사용자 그룹에 속한 다른 사용자가 사용하는 제4 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 사용자 그룹에 대응되는 글로벌 지식 데이터베이스에 저장된 상기 지식 정보를 바탕으로 상기 문의에 대한 응답을 상기 제4 전자 장치로 전송하는 단계;를 포함하는 제어 방법. - 제1항에 있어서,
상기 저장하는 단계는,
상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장할지 문의하는 문의 메시지를 상기 제1 전자 장치로 전송하는 단계;
상기 제1 전자 장치로부터 확인 메시지가 수신되면, 상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장하는 단계;를 포함하는 제어 방법. - 제1항에 있어서,
상기 제어 방법은,
상기 제1 전자 장치로부터 수신된 지식 정보가 반사회적인 정보를 포함하거나 개인 정보를 포함하거나 가짜 정보를 포함하면, 상기 퍼스널 지식 데이터베이스에서 필터링하는 단계;를 포함하는 제어 방법. - 지식 정보를 저장하는 서버에 있어서,
통신 인터페이스;
적어도 하나의 명령어를 포함하는 메모리; 및
상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 서버를 제어하는 프로세서;를 포함하고,
상기 프로세서는, 상기 적어도 하나의 명령어를 실행함으로써,
상기 통신 인터페이스를 통해 제1 전자 장치로부터 지식 정보를 수신하고,
상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장하며,
상기 통신 인터페이스를 통해 적어도 하나의 제2 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 퍼스널 지식 데이터베이스에 저장된 지식 정보를 바탕으로 상기 문의에 대한 응답을 상기 적어도 하나의 제2 전자 장치로 전송하도록 상기 통신 인터페이스를 제어하고,
상기 통신 인터페이스를 통해 상기 적어도 하나의 제2 전자 장치로부터 상기 응답에 대한 피드백 정보를 수신하며,
상기 피드백 정보를 바탕으로 상기 지식 정보를 글로벌 지식 데이터베이스에 저장하는 서버. - 제10항에 있어서,
상기 프로세서는,
상기 문의에 대한 응답이 진실이라는 피드백 정보가 제1 임계값 이상이면, 상기 지식 정보를 상기 글로벌 지식 데이터베이스에 저장하는 서버. - 제10항에 있어서,
상기 프로세서는,
상기 문의에 대한 응답이 진실이라는 피드백 정보가 제2 임계값 미만이면, 상기 퍼스널 지식 데이터베이스에 저장된 상기 지식 정보를 필터링하는 서버. - 제10항에 있어서,
상기 문의에 대한 응답은,
상기 응답이 개인적인 의견임을 나타내는 정보 및 상기 응답이 가짜일 수 있음을 나타내는 정보 중 적어도 하나를 포함하는 서버. - 제10항에 있어서,
상기 프로세서는,
상기 통신 인터페이스를 통해 상기 지식 정보가 상기 글로벌 지식 데이터베이스에 저장된 후 제3 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 글로벌 지식 데이터베이스에 저장된 지식 정보 및 상기 피드백 정보를 바탕으로 상기 문의에 대한 응답 및 상기 응답이 진실일 확률에 대한 정보를 상기 제3 전자 장치로 전송하도록 상기 통신 인터페이스를 제어하는 서버. - 제10항에 있어서,
상기 글로벌 지식 데이터베이스는 복수의 사용자 그룹별로 존재하며,
상기 프로세서는,
상기 지식 정보를 상기 제1 전자 장치를 사용하는 사용자 및 상기 제2 전자 장치를 사용하는 사용자가 속한 사용자 그룹에 대응되는 글로벌 지식 데이터베이스에 저장하는 서버. - 제15항에 있어서,
상기 프로세서는,
상기 통신 인터페이스를 통해 상기 사용자 그룹에 속한 다른 사용자가 사용하는 제4 전자 장치로부터 상기 지식 정보를 획득하기 위한 문의가 수신되면, 상기 사용자 그룹에 대응되는 글로벌 지식 데이터베이스에 저장된 상기 지식 정보를 바탕으로 상기 문의에 대한 응답을 상기 제4 전자 장치로 전송하도록 상기 통신 인터페이스를 제어하는 서버. - 제10항에 있어서,
상기 프로세서는,
상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장할지 문의하는 문의 메시지를 상기 제1 전자 장치로 전송하도록 상기 통신 인터페이스를 제어하고,
상기 통신 인터페이스를 통해 상기 제1 전자 장치로부터 확인 메시지가 수신되면, 상기 수신된 지식 정보를 상기 제1 전자 장치를 사용하는 사용자에 대응되는 퍼스널 지식 데이터베이스에 저장하는 서버. - 제10항에 있어서,
상기 프로세서는,
상기 제1 전자 장치로부터 수신된 지식 정보가 반사회적인 정보를 포함하거나 개인 정보를 포함하거나 가짜 정보를 포함하면, 상기 퍼스널 지식 데이터베이스에서 필터링하는 서버.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/545,388 US11436215B2 (en) | 2018-08-20 | 2019-08-20 | Server and control method thereof |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180096705 | 2018-08-20 | ||
| KR20180096705 | 2018-08-20 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200021408A true KR20200021408A (ko) | 2020-02-28 |
Family
ID=69638549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190099452A KR20200021408A (ko) | 2018-08-20 | 2019-08-14 | 서버 및 이의 제어 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200021408A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111563150A (zh) * | 2020-04-30 | 2020-08-21 | 广东美的制冷设备有限公司 | 空调器知识库更新方法、空调器、服务器及系统 |
| EP3961515A2 (en) | 2020-08-31 | 2022-03-02 | SI Analytics Co., Ltd | Method for learning model |
-
2019
- 2019-08-14 KR KR1020190099452A patent/KR20200021408A/ko active Search and Examination
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111563150A (zh) * | 2020-04-30 | 2020-08-21 | 广东美的制冷设备有限公司 | 空调器知识库更新方法、空调器、服务器及系统 |
| CN111563150B (zh) * | 2020-04-30 | 2024-04-16 | 广东美的制冷设备有限公司 | 空调器知识库更新方法、空调器、服务器及系统 |
| EP3961515A2 (en) | 2020-08-31 | 2022-03-02 | SI Analytics Co., Ltd | Method for learning model |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11842735B2 (en) | Electronic apparatus and control method thereof | |
| US11544524B2 (en) | Electronic device and method of obtaining emotion information | |
| US11367441B2 (en) | Electronic apparatus and control method thereof | |
| KR102623727B1 (ko) | 전자 장치 및 이의 제어 방법 | |
| US11776269B2 (en) | Action classification in video clips using attention-based neural networks | |
| US20210217409A1 (en) | Electronic device and control method therefor | |
| KR20190111278A (ko) | 인공지능 모델을 이용하여 사용자 음성을 변조하기 위한 전자 장치 및 이의 제어 방법 | |
| US20200125967A1 (en) | Electronic device and method for controlling the electronic device | |
| US10911910B2 (en) | Electronic device and method of executing function of electronic device | |
| KR20200036680A (ko) | 감정 정보 획득을 위한 전자 장치 및 방법 | |
| KR102449630B1 (ko) | 전자 장치 및 이의 제어 방법 | |
| KR20190105182A (ko) | 전자 장치 및 그 제어 방법 | |
| US20220059088A1 (en) | Electronic device and control method therefor | |
| KR20200044173A (ko) | 전자 장치 및 그의 제어 방법 | |
| US20230290343A1 (en) | Electronic device and control method therefor | |
| KR20200044175A (ko) | 전자 장치 및 그의 비서 서비스 제공 방법 | |
| KR102398386B1 (ko) | 복수 개의 메시지들을 필터링하는 방법 및 이를 위한 장치 | |
| CN118140230A (zh) | 对经预训练的语言模型的单个转换器层的多头网络进行微调 | |
| KR20200021408A (ko) | 서버 및 이의 제어 방법 | |
| KR20190105175A (ko) | 전자 장치 및 이의 자연어 생성 방법 | |
| US11436215B2 (en) | Server and control method thereof | |
| US20220091713A1 (en) | Systems and methods for generating dynamic interface options using machine learning models | |
| US11907298B2 (en) | System and method thereof for automatically updating a decision-making model of an electronic social agent by actively collecting at least a user response | |
| KR102612835B1 (ko) | 전자 장치 및 전자 장치의 기능 실행 방법 | |
| US20230267279A1 (en) | Modifying dynamic conversational responses based on detecting references to socially close people |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |