KR20220007064A - 동물 데이터의 수익화 - Google Patents

동물 데이터의 수익화 Download PDF

Info

Publication number
KR20220007064A
KR20220007064A KR1020217036971A KR20217036971A KR20220007064A KR 20220007064 A KR20220007064 A KR 20220007064A KR 1020217036971 A KR1020217036971 A KR 1020217036971A KR 20217036971 A KR20217036971 A KR 20217036971A KR 20220007064 A KR20220007064 A KR 20220007064A
Authority
KR
South Korea
Prior art keywords
data
animal
animal data
sensor
acquirer
Prior art date
Application number
KR1020217036971A
Other languages
English (en)
Inventor
마크 고르스키
비벡 카리
스탠리 미모토
Original Assignee
스포츠 데이타 랩스, 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 스포츠 데이타 랩스, 인코포레이티드 filed Critical 스포츠 데이타 랩스, 인코포레이티드
Publication of KR20220007064A publication Critical patent/KR20220007064A/ko

Links

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/34—Betting or bookmaking, e.g. Internet betting
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Library & Information Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioethics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)

Abstract

동물 데이터로 수익을 창출하는 시스템은 전자적으로 전송할 수 있는 동물 데이터 소스를 포함한다. 특징적으로, 동물 데이터 소스에는 적어도 하나의 센서가 포함된다. 중개 서버는 획득된 데이터가 메타데이터에 첨부되도록 동물 데이터를 수신 및 획득한다. 상기 메타데이터에는 동물 데이터의 출처 또는 동물 데이터의 출처인 개체의 개인 속성 중 적어도 하나가 포함된다. 상기 중개 서버는 고려를 위해 요청된 동물 데이터를 데이터 획득자에게 제공한다. 상기 요청된 동물 데이터에는 시뮬레이션된 동물 데이터가 포함될 수 있다. 상기 중개 서버는 또한 최소한 한 명의 이해관계자에게 고려의 적어도 일부를 분배할 것이다. 중개 서버는 단일 컴퓨터 서버 또는 상호작용하는 복수의 컴퓨터 서버를 포함한다.

Description

동물 데이터의 수익화
관련 출원에 대한 교차 출원
본 출원은 2019년 4월 15일에 출원된 미국 가출원 제 62/834,131호 및 2019년 10월 8일에 출원된 미국 가출원 제 62/912,210호의 이익을 주장하며, 이들의 개시 내용은 인용에 의해 본원에 포함된다.
기술 분야
적어도 하나의 양태에서, 본 발명은 동물 데이터를 수익화하기 위한 시스템에 관한 것이다.
인터넷을 통한 정보 가용성의 지속적인 발전은 비즈니스가 수행되는 방식을 실질적으로 변화시켰다. 이러한 정보폭발과 동시에 센서기술, 특히 바이오센서 기술도 발전하고 있다. 특히 심전도 신호, 혈류량, 체온, 발한량, 또한 호흡율을 측정하는 초소형 바이오센서가 출시되었다. 그러나 그러한 정보를 수익화할 목적으로 그러한 바이오센서로부터 획득된 정보를 획득하고 정리하는 중앙 집중식 서비스 제공자는 존재하지 않는다.
따라서, 이러한 데이터를 판매용으로 제공하기 위해 개체(individual) 또는 개체 그룹으로부터 센서 데이터를 획득, 구성 및 분류하는 시스템이 필요하다.
적어도 하나의 양태에서, 동물 데이터를 수익화하기 위한 시스템이 제공된다. 시스템에는 적어도 하나의 센서가 포함된 동물 데이터 소스(source)가 포함된다. 동물 데이터는 전자적으로 전송될 수 있다. 특징적으로 동물 데이터 소스에는 적어도 하나의 센서가 포함된다. 중개 서버는 획득된 데이터에 메타데이터(metadata)가 첨부되도록 동물 데이터를 수신하여 수집한다. 메타데이터는 동물 데이터의 적어도 하나의 출처 또는 동물 데이터의 출처가 된 하나 이상의 개체의 하나 이상의 개별적 속성(personal attribute)를 포함한다. 중개 서버는 고려(consideration)에 대해 데이터 획득자에게 요청된 동물 데이터를 제공한다. 중개 서버는 또한 적어도 한 명의 이해관계자(interested party)에게 고려의 적어도 일부를 분배한다. 중개 서버는 단일 컴퓨터 서버 또는 상호작용하는 복수의 컴퓨터 서버를 포함한다.
다른 양태에서, 동물 데이터를 수익화하기 위한 시스템이 제공된다. 시스템에는 전자적으로 전송될 수 있는 동물 데이터 소스가 포함되며, 여기에는 적어도 하나의 센서가 포함된다. 중개 서버는 동물 데이터를 수신하고 획득한다. 중개 서버는 또한 고려를 위해 데이터 획득자에게 요청된 동물 데이터를 제공한다. 특징적으로, 요청되거나 제공된 동물 데이터의 적어도 일부는 시뮬레이션된 동물 데이터이다. 중개 서버는 적어도 한 명의 이해 관계자에게 고려의 적어도 일부를 분배한다. 중개 서버는 단일 컴퓨터 서버 또는 상호작용하는 복수의 컴퓨터 서버를 포함한다.
다른 양태에서, 동물 데이터를 수익화하기 위한 시스템에서 사용되는 동물 데이터는 인간 데이터이다.
다른 양태에서, 동물 데이터를 수익화하기 위한 시스템은 한 명 이상의 사용자가 운동 경기와 상호작용하기 위한 또 다른 차원을 제공할 수 있다. 특히, 본 발명은 인간 또는 다른 포유동물과 관련된 이벤트(예: 경마)를 포함하는 스포츠 도박에 새로운 차원을 제공할 수 있다.
또 다른 양태에서, 동물 데이터를 수익화하기 위한 시스템은 전자상거래(eCommerce) 웹사이트 또는 데이터 시장과 같은 플랫폼을 통해 데이터 구매자(예를 들어, 개체, 제약 회사, 보험 회사, 의료 회사, 군대 조직, 연구 기관)에게 특정 사용 사례에 대한 동물 데이터를 획득할 수 있는 능력을 제공할 수 있다.
도 1은 동물 데이터를 수익화하고 수집하는 시스템의 개략도를 제공한다.
도 2는 사용자가 도 1의 수익화 시스템의 실시예와 상호작용할 수 있는 윈도우의 예시를 제공한다.
도 3a는 데이터 제공자에게 제공되는 윈도우의 예시를 제공한다.
도 3b는 도 3a에서 이루어진 선택으로부터 결정된 태그(tag)를 나열하는 윈도우의 예시를 제공한다.
도 4는 센서 정보를 보여주는 윈도우의 예시를 제공한다.
도 5는 활성 센서 및 센서에 의해 수집된 관련 데이터를 보여주는 윈도우의 예시를 제공한다. 상기 예시는 또한 업로드된 다른 데이터와 선택한 센서 또는 업로드된 데이터의 모든 데이터 유형에 대한 가격을 설정할 수 있는 사용자의 기능을 보여준다.
도 6은 사용자에게 추가 기능을 제공할 뿐만 아니라 임의의 주어진 수집된 데이터 세트와 관련된 추가 세부사항을 제공하는 윈도우의 예시를 제공한다.
도 7은 임의의 개별 데이터 제공자에 대해 수집된 요금을 표시하는 요약 윈도우의 예시를 제공한다.
도 8은 데이터 획득자가 논-라이브 데이터(non-live data)를 요청할 때 시나리오를 예시하는 윈도우의 예시를 제공한다.
도 9는 데이터 획득자가 획득에 관심이 있는 하나 이상의 개체로부터 하나 이상의 데이터 세트를 찾아서 선택한 후에 표시되는 획득 윈도우(예를 들어, 구매 윈도우)의 예시를 제공한다.
도 10은 데이터 획득자가 데이터 세트에 대한 가격을 설정하고 추가 데이터 및 데이터 관련 오퍼링을 획득할 수 있는 섹션을 포함하는 윈도우의 예시를 제공한다.
도 11은 하나 이상의 요청된 데이터 세트가 이용가능하지 않을 때 윈도우 디스플레이의 예시를 제공한다.
도 12는 요청된 데이터 세트가 이용가능하지 않을 때 제시되는 윈도우의 예시 뿐만 아니라, 획득자가 요청된 데이터에 대한 가격을 설정할 수 있게 하는 기능을 제공한다.
도 13은 고려의 대가로 데이터 획득자의 정확한 사양에 대한 데이터를 생성할 기회를 제공하는 데이터 제공자에게 제공되는 윈도우의 예시를 제공한다.
도 14는 데이터 획득자가 라이브 데이터를 요청할 때의 시나리오를 예시하는 윈도우의 예시를 제공한다.
도 15는 잠재적 구매와 관련된 권리 옵션을 보여주는 윈도우의 예시를 제공한다.
도 16은 수익이 거래로부터 분산될 수 있는 방법의 일 예를 예시하는 윈도우의 예시를 제공한다.
도 17은 거래와 관련된 한 명 이상의 이해관계자의 추가 또는 제거뿐만 아니라 수익이 할당 또는 조정될 수 있는 방법의 일 예를 예시하는 윈도우의 예시를 제공한다.
도 18은 동물 데이터 세트, 특히 인간 데이터 세트를 이용하는 광고를 갖는 제 3자 출판사 사이트와 상호작용하는 사용자를 도시하는 흐름도를 제공한다.
도 19는 사용자가 게임 내에서 하나 이상의 이점을 사용자에게 제공하기 위해 부분적으로 실제 동물 데이터에 기초하여 시뮬레이션 데이터를 구매할 수 있는 비디오 게임의 예시를 제공한다.
지금부터 본 발명자들에게 현재 공지된 본 발명을 실시하는 최상의 모드를 구성하는 본 발명의 현재 바람직한 실시예 및 방법에 대해 상세히 참조할 것이다. 도면은 반드시 축척대로 도시된 것은 아니다. 그러나, 개시된 실시예는 다양하고 대안적인 형태로 구현될 수 있는 본 발명의 예시일 뿐이라는 것이 이해되어야 한다. 따라서, 본 명세서에 개시된 특정 세부사항은 제한하는 것으로 해석되어서는 안 되며, 단지 본 발명의 임의의 양태에 대한 대표적인 근거로서 및/또는 본 발명을 다양하게 적용하기 위하여 당업자를 교시하기 위한 대표적인 기초로서 해석되어야 한다.
또한, 본 발명은 특정 구성요소 및/또는 조건이 물론 변할 수 있기 때문에 아래에 설명된 특정 실시예 및 방법으로 제한되지 않는다는 것이 이해되어야 한다. 또한, 본 명세서에서 사용된 용어는 단지 본 발명의 특정한 실시 예를 설명하기 위해 사용된 것으로, 어떠한 방식으로든 한정하려는 의도가 아니다.
명세서 및 첨부된 특허청구범위에 사용된 바와 같이, 단수 형태 "a", "an" 및 "the"는 문맥에서 명백하게 달리 나타내지 않는 한 복수 지시 대상체(subject)를 포함한다는 점에 유의해야 한다. 예를 들어, 단수의 구성요소에 대한 언급은 복수의 구성요소를 포함하도록 의도된다.
"포함하는(comprising)"이라는 용어는 "포함하는(including)", "갖는(having)", "함유하는(containing)" 또는 "~를 특징으로 하는(characterized by)"과 동의어이다. 이러한 용어는 포괄적이고 개방 단부형(open-ended)이며 추가의 인용되지 않은 요소 또는 방법 단계를 배제하지 않는다.
"~로 구성된(consisting of)"이라는 문구는 청구범위에 명시되지 않은 임의의 요소, 단계 또는 성분을 배제한다. 이 문구가 서문 바로 다음에 오는 것이 아니라 청구 본문의 절에 나타날 때 해당 절에 명시된 요소만 제한한다; 다른 요소는 전체적으로 청구항에서 제외되지 않는다.
"필수 구성으로 하는(consisting essentially of)"이라는 문구는 특정 재료 또는 단계, 및 청구된 요지의 기본 및 신규 특성(들)에 실질적으로 영향을 미치지 않는 재료 또는 단계에 대한 청구 범위를 제한한다.
컴퓨팅 디바이스가 동작 또는 방법 단계를 수행하는 것으로 설명될 때, 컴퓨팅 디바이스는 일반적으로 소스 코드의 하나 이상의 라인을 실행함으로써 동작 또는 방법 단계를 수행하도록 작동 가능하다는 것이 이해된다. 동작 또는 방법 단계는 비일시적 메모리(예: 하드 드라이브, 광학 드라이브, 플래시 드라이브 등)에 인코딩될 수 있다.
"포함하는(comprising)", "구성되는(consisting of)" 및 "필수 구성으로 하는(consisting essentially of)"이라는 용어와 관련하여, 이러한 세 가지 용어 중 하나가 본 명세서에 사용되는 경우, 현재 개시되고 청구된 요지는 다른 두 개의 용어 중 어느 하나의 사용을 포함할 수 있다.
용어 "하나 이상(one or more)"은 "적어도 하나(at least one)"를 의미하고 용어 "적어도 하나"는 "하나 이상"을 의미한다. "하나 이상" 및 "적어도 하나"라는 용어는 하위 집합으로서 "복수(plurality)" 및 "다수(multiple)"를 포함한다.
본 출원 전반에 걸쳐, 공보가 참조되는 경우, 이들 공보의 개시 내용 전체가 본 발명이 속하는 기술 상태를 보다 완전하게 설명하기 위해 인용에 의해 본원에 포함된다.
"서버(server)"라는 용어는 모든 컴퓨터 또는 컴퓨팅 디바이스(데스크톱 컴퓨터, 노트북 컴퓨터, 랩톱 컴퓨터, 메인프레임, 휴대폰, 스마트 시계/안경, AR/VR 헤드셋 등을 포함하지만 이에 제한되지 않음), 분산 시스템, 블레이드, 게이트웨이, 스위치, 처리 장치, 또는 여기에 설명된 방법 및 기능을 수행하도록 구성된 이들의 조합을 지칭한다.
"컴퓨팅 디바이스(computing device)"라는 용어는 일반적으로 다른 컴퓨팅 디바이스와 통신하는 것을 포함하여 적어도 하나의 기능을 수행할 수 있는 임의의 디바이스를 지칭한다. 개선예에서, 컴퓨팅 디바이스는 프로그램 단계를 실행할 수 있는 중앙 처리 유닛 및 데이터 및 프로그램 코드를 저장하기 위한 메모리를 포함한다. 본 명세서에서 사용되는 바와 같이, 컴퓨팅 서브시스템은 컴퓨팅 디바이스다.
본 명세서에 개시된 프로세스, 방법, 또는 알고리즘은 임의의 기존의 프로그램 가능한 전자 제어 유닛 또는 전용 전자 제어 유닛을 포함할 수 있는 컴퓨팅 디바이스, 컨트롤러, 또는 컴퓨터에 전달/구현될 수 있다. 유사하게, 프로세스, 방법, 또는 알고리즘은 ROM 디바이스와 같은 쓰기 불가능한 저장 매체에 영구적으로 저장된 정보 및 플로피 디스크, 자기 테이프, CD, RAM 디바이스, 기타 자기 및 광학 미디어, 및 공유 또는 전용 클라우드 컴퓨팅 리소스와 같은 쓰기 가능한 저장 매체에 변경 가능하게 저장된 정보를 포함하는(이에 제한되지 않음) 다수의 형태로 컨트롤러 또는 컴퓨터에 의해 실행가능한 명령 및 데이터로서으로서 저장될 수 있다. 프로세스, 방법, 또는 알고리즘은은 소프트웨어 실행 가능한 개체에서도 구현될 수 있다. 대안적으로, 프로세스, 방법, 또는 알고리즘은은 응용 주문형 집적 회로(Application Specific Integrated Circuits; ASIC), 필드 프로그램 가능 게이트 어레이(Field-Programmable Gate Arrays; FPGA), 상태 머신, 컨트롤러 또는 기타 하드웨어 구성 요소 또는 장치 또는 하드웨어, 소프트웨어 및 펌웨어 구성 요소의 조합과 같은 적절한 하드웨어 구성 요소를 사용하여 전체적으로 또는 부분적으로 구현될 수 있다.
용어 "대상체(subject)" 또는 "개체(individual)"는 동의어이며 조류 및 물고기를 비롯한 사람 또는 기타 동물뿐만 아니라 영장류(특히 고등 영장류), 말, 양, 개, 설치류, 기니피그, 고양이, 고래, 토끼, 및 소를 비롯한 모든 포유동물을 지칭한다. 하나 이상의 대상체는 예를 들어 운동 훈련 또는 경쟁에 참여하는 사람, 트랙에서 경주하는 말, 비디오 게임을 하는 사람, 개체 건강을 모니터링하는 사람, 제 3자에게 데이터를 제공하는 사람, 연구 또는 임상 연구에 참여하는 사람, 또는 피트니스 수업에 참여하는 사람일 수 있다. 대상체 또는 개체는 또한 사람 또는 기타 동물의 파생 상품(예: 사람 또는 다른 동물로부터 적어도 부분적으로 유래된 실험실 생성 유기체), 사람 또는 기타 동물을 포함하는 사람, 다른 동물의 하나 이상의 개별 구성 요소, 요소 또는 프로세스(예: 세포, 단백질, 생물학적 유체, 아미노산 서열, 조직, 모발, 팔다리), 또는 사람 또는 다른 동물과 하나 이상의 특성을 공유하는 하나 이상의 인공 창조물(예: 사람 뇌 세포와 유사한 전기 신호를 생성하는 실험실 배양 사람 뇌 세포)일 수 있다. 개선예에서, 대상체 또는 개체는 사람 또는 다른 동물과 적어도 하나의 생물학적 기능을 공유하는 하나 이상의 컴퓨팅 디바이스에 의해 프로그래밍 가능한 기계(예: 로봇, 자율 차량, 기계 팔) 또는 기계 네트워크일 수 있으며, 상기 기계로부터 하나 이상의 유형의 생물학적 데이터가 유도될 수 있으며, 이는 적어도 부분적으로는 본질적으로 인공적일 수 있다(예: 생물학적 뇌 활동을 모방하는 인공 지능 유도 활동의 데이터).
"동물 데이터(animal data)"라는 용어는 서버 또는 다른 컴퓨팅 디바이스로 전송(예: 무선 또는 유선 전송)될 수 있는 형태로 변환될 수 있는 대상체로부터 얻을 수 있거나 직접 또는 간접적으로 생성된 모든 데이터를 의미한다. 동물 데이터는 유선 또는 무선 연결을 통해 전자적으로 전송된다. 동물 데이터에는 하나 이상의 센서 또는 감지 장비/시스템, 특히 생물학적 센서(바이오센서)에서 얻을 수 있는 모든 데이터가 포함된다. 동물 데이터에는 또한 설명 데이터, 청각 데이터, 시각적으로 캡처한 데이터, 신경학적으로 생성된 데이터(예: 뉴런의 뇌 신호), 대상체와 관련하여 수동으로 입력할 수 있는 데이터(예: 대상체의 병력, 사회적 습관(social habit), 감정) 및 실제 동물 데이터의 적어도 일부분을 포함하는 데이터를 포함할 수 있다. 개선예에서, "동물 데이터"라는 용어에는 동물 데이터의 파생 상품이 포함된다. 다른 개선예에서, 동물 데이터는 시뮬레이션 데이터의 적어도 일부를 포함한다. 또 다른 개선예에서, 동물 데이터에는 시뮬레이션 데이터가 포함된다.
"인공 데이터(artificial data)"라는 용어는 실제 동물 데이터 또는 그 하나 이상의 파생 상품에서 적어도 부분적으로 유도되거나 이를 사용하여 생성된 인공적으로 생성된 데이터를 의미한다. 하나 이상의 인공 지능 기술 또는 통계 모델을 사용하여 하나 이상의 시뮬레이션을 실행하여 생성할 수 있으며 하나 이상의 입력으로 하나 이상의 비동물 데이터 소스의 판독 또는 하나 이상의 신호를 포함할 수 있다. 인공 데이터에는 사람이나 다른 동물과 적어도 하나의 생물학적 기능을 공유하는 인공적으로 생성된 데이터도 포함된다(예: 인공적으로 생성된 시각 데이터, 인공적으로 생성된 움직임 데이터). 여기에는 직접 측정으로 얻을 수 없는 주어진 상황에 적용할 수 있는 모든 생산 데이터가 될 수 있는 "합성 데이터(synthetic data)"가 포함된다. 합성 데이터는 원본 데이터를 통계적으로 모델링한 다음 해당 모델을 사용하여 원본 데이터의 통계적 속성 중 적어도 하나를 재현하는 새로운 데이터 값을 생성함으로써 생성될 수 있다. 현재 개시되고 청구된 요지의 목적을 위해, "시뮬레이션 데이터(simulated data)" 및 "합성 데이터(synthetic data)"라는 용어는 동의어이며 "인공 데이터(artificial data)"와 상호 교환 가능하게 사용되며, 용어 중 어느 하나에 대한 언급은 제한적인 것으로 해석되어서는 안 되며 오히려 모든 용어의 가능한 모든 의미를 포함한다.
용어 "통찰(insight)"은 표적 개체(targeted individual)의 상태 또는 상태를 설명하는 표적 개체에게 할당될 수 있는 하나 이상의 설명을 나타낸다. 예로는 스트레스 수준(예: 높은 스트레스, 낮은 스트레스), 에너지 수준, 피로 수준 등에 대한 설명이 포함된다. 통찰은 하나 이상의 숫자 또는 복수의 숫자로 정량화될 수 있으며 확률 또는 유사한 승산 기반 지표로 표시될 수 있다. 통찰은 또한 미리 결정된(예: 색상과 같은 시각적 또는 진동과 같은 물리적) 하나 이상의 다른 측정 기준(metric), 판독값, 통찰, 그래프, 차트, 플롯 또는 성능 지수로 특징지어질 수 있다.
약어:
“AFE” 는 아날로그 프론트 엔드(analog front end)전방 단부를 의미한다.
도 1을 참조하면, 동물 데이터를 수익화하기 위한 시스템의 개략도가 제공된다. 수익화 시스템(10)은 전자적으로 전송될 수 있는 동물 데이터(14i)의 소스(12)를 포함한다. 특징적으로, 동물 데이터의 소스(12)는 적어도 하나의 센서(18i)를 포함한다. 표적 개체(16i)는 해당 동물 데이터(14i)가 획득되는 대상체다. 라벨 i는 각 표적 개체와 관련된 1에서 i max 까지의 정수 라벨일 뿐이다. 여기서 i max 는 1에서 수천 또는 그 이상이 될 수 있는 개체의 총 수이다. 이러한 맥락에서 동물 데이터는 하나 이상의 센서, 특히 생물학적 센서(바이오센서)에서 적어도 부분적으로 유도된 대상체의 신체와 관련된 데이터를 나타낸다. 많은 유용한 응용 프로그램에서 대상체는 인간(예: 운동 선수)이고 동물 데이터는 인간 데이터이다.
생물학적 센서(바이오센서)는 본 실시예와 관련하여, 전기적 및 비 전기적 신호 모두, 측정, 및 인공적으로 생성된 정보를 포함하여, 연속적으로 또는 간헐적으로 측정, 모니터링, 관찰, 산출, 계산, 입력 또는 해석될 수 있는 대상체에서 또는 대상체에서 유도된 임의의 신호 또는 특성인 생체 신호를 수집한다. 생물학적 센서는 생리학적, 생체 측정(biometric), 화학적, 생체역학, 유전, 게놈(geomic), 위치 또는 다른 생물학적 데이터와 같은 생물학적 데이터를 하나 이상의 표적 개체로부터 수집할 수 있다. 예를 들어, 일부 바이오센서는 눈 추적 데이터(예: 동공 반응, 움직임, EOG 관련 데이터), 혈류/체적 데이터(예: PPG 데이터, 맥박 통과 시간, 맥박 도달 시간), 생물학적 유체 데이터(예: 혈액, 소변, 타액, 땀, 뇌척수액에서 유도된 분석), 신체 구성 데이터(body composition data)(예: BMI, 체지방률, 단백질/근육), 생화학 구성 데이터, 생화학적 구조 데이터, 맥박 데이터, 산소화 데이터(예: SpO2), 코어 신체 데이터, 피부 온도 데이터, 전기 피부 반응 데이터(galvanic skin response data), 발한 데이터(예: 속도, 구성), 혈압 데이터(예: 수축기, 확장기, MAP), 수화 데이터(예: 체액 균형 I/O), 심장-기반 데이터(예: 심박수, 평균 HR, HR 범위, 심박수 변동성, HRV 시간 영역, HRV 주파수 영역, 자율신경 톤, PR, QRS, QT, RR 간격을 포함한 ECG-관련 데이터), 신경학적 관련 데이터(예: EEG 관련 데이터), 유전자 관련 데이터, 게놈 관련 데이터, 골격 데이터, 근육 데이터(예: 표면 EMG, 진폭을 포함한 EMG 관련 데이터), 호흡 데이터(예: 호흡수, 호흡 패턴, 흡기/호기 비율, 조석 부피, 구면 분석 데이터), 흉부 전기 생체 임피던스 데이터, 또는 이들의 조합과 같은 생물학적 데이터로 변환되거나 유도될 수 있는 정보를 측정하거나 제공할 수 있다. 일부 바이오센서는 예를 들어 각속도, 관절 경로, 보행 설명, 걸음 수, 또는 표적 대상체의 움직임이 특징지어질 수 있는 다양한 방향의 위치 또는 가속도를 포함할 수 있는 생체 역학 데이터와 같은 생물학적 데이터를 검출할 수 있다. 일부 바이오센서는 위치 및 포지셔널 데이터(예: GPS, RFID-기반 데이터, 자세 데이터), 얼굴 인식 데이터, 운동 감각 데이터(예: 신발 바닥에 위치한 센서에서 캡처한 물리적 압력), 또는 하나 이상의 표적 개체와 관련된 오디오/청각 데이터를 모을 수 있다. 일부 생물학적 센서는 이미지 또는 비디오를 기반으로 하며 비디오 또는 기타 시각적 데이터(예: 비디오, MRI, 컴퓨터 단층 촬영 스캔, 초음파, X선을 포함한 정지 또는 동영상)를 수집, 제공 및/또는 분석하며, 이때 생물학적 데이터가 감지, 측정, 모니터링, 관찰, 외삽, 산출, 또는 계산될 수 있다(예: 생체역학적 움직임, 위치, X-레이에 기반한 골절, 또는 대상체의 비디오 또는 이미지-기반 시각적 분석에 기반한 스트레스 또는 질병). 일부 바이오센서는 중성지방 수치, 적혈구 수치, 백혈구 수치, 부신피질 자극 호르몬 수치, 헤마토크릿 수치, 혈소판 수치, ABO/Rh 혈액형, 혈액 요소 질소 수치, 칼슘 수치, 이산화탄소 수치, 염화물 수치, 크레아티닌 수치, 포도당 수치, 헤모글로빈 A1c 수치, 젖산 수치, 나트륨 수치, 칼륨 수치, 빌리루빈 수치, 알칼리성 인산분해효소(ALP) 수준, 알라닌 트랜스아미나제(ALT) 수준, 및 아스파르테이트 아미노전이효소(AST) 수준, 알부민 수준, 총 단백질 수준, 전립선 특이 항원(PSA) 수준, 미세알부민뇨 수준, 면역글로불린 A 수준, 엽산 수준, 코티솔 수준, 아밀라제 수준, 리파제 수준, 가스트린 수준, 중탄산염 수준, 철 수준, 마그네슘 수준, 요산 수준, 엽산 수준, 비타민 B-12 수준 등을 포함하는 를 포함한 혈액(예: 정맥, 모세혈관), 타액, 소변, 땀 등과 같은 생물학적 유체로부터 정보를 얻을 수 있다. 상기 하나 이상의 표적 개체와 관련된 생물학적 데이터 외에도, 일부 바이오센서는 주변 온도 및 습도, 고도 및 기압과 같은 환경 조건을 측정할 수 있다. 개선예에서, 하나 이상의 센서는 바이오센서 데이터로부터 적어도 부분적으로 유도되는 하나 이상의 산출, 계산, 예측, 추정, 평가, 추론, 연역, 결정, 통합, 관찰, 또는 예측을 포함하는 생물학적 데이터를 제공한다. 다른 개선예에서, 하나 이상의 바이오센서는 둘 또는 그 초과의 유형의 데이터를 제공할 수 있으며, 그 중 적어도 하나는 생물학적 데이터(예: 심박수 데이터 및 VO2 데이터, 근육 활동 데이터 및 가속도계 데이터, VO2 데이터 및 고도 데이터임)이다.
변형예에서, 적어도 하나의 센서(18i)는 얼굴 인식 데이터, 시선 추적 데이터, 혈류 데이터, 혈액량 데이터, 혈압 데이터, 생물학적 유체 데이터, 체성분 데이터, 생화학적 조성 데이터, 생화학 구조 데이터, 펄스 데이터, 산소화 데이터, 코어 체온 데이터, 피부 온도 데이터, 전기 피부 반응 데이터, 발한 데이터, 위치 데이터(location dat), 포지셔널 데이터(positional data), 오디오 데이터, 생체 역학 데이터, 수화 데이터(hydration data), 심장 기반 데이터, 신경학 데이터, 유전 데이터, 게놈 데이터, 골격 데이터, 근육 데이터, 호흡 데이터, 운동감각 데이터, 흉부 전기 생체 임피던스 데이터, 주변 온도 데이터, 습도 데이터, 기압 데이터, 고도 데이터, 또는 이들의 조합 중 적어도 하나를 수집하거나 유도한다.
적어도 하나의 센서(18i) 및/또는 이의 하나 이상의 부가물은 대상체의 신체, 안구, 생체 기관, 근윤, 모발, 정맥, 생물학적 유체, 혈관, 조직 또는 골격계를 포함하는 대상체에 부착되거나, 이와 접촉하거나, 이와 관련하여 또는 이로부터 유도되는 하나 이상의 전자 통신을 보내고, 대상체에 내장되고, 대상체에 박혀(lodged) 있거나 이식되고, 대상체에 의해 섭취되고, 대상체의 적어도 일부를 포함하도록 통합되고 또는 일부분으로서 통합되고, 또는 직물(textile), 패브릭(fabric), 천(cloth), 재료, 고정 장치, 물체, 또는 직접적으로 또는 하나 이상의 중개자를 통해 표적 개체와 접촉하거나 통신하는 장치에 부착되거나 내장된다. 예를 들어, 치아에 부착된 타액 센서, 치아 세트 또는 하나 이상의 치아와 접촉하는 장치, 대상체의 생물학적 유체 또는 모발에서 유도된 DNA 정보를 추출하는 센서, 착용할 수 있는 센서(예를 들어, 인체에 부착된 센서, 뉴런의 뇌 신호를 감지할 수 있는 대상체의 뇌에 부착되거나 이식된 센서, 하나 이상의 생물학적 기능을 추적하기 위해 개체가 섭취하는 센서, 부착되거나 통합된 센서, 적어도 하나의 특성을 동물과 공유하는 기계(예: 로봇)(예: 인간과 유사한 하나 이상의 작업을 수행할 수 있는 로봇 팔, 이와 유사한 정보 처리 능력 인간) 등이 있다. 유리하게는, 기계 자체는 하나 이상의 센서로 구성될 수 있고 센서와 대상체 모두로 분류될 수 있다. 다른 예로는 접착제를 통해 피부에 부착된 센서, 시계 또는 헤드셋에 통합된 센서, 셔츠 또는 저지에 통합되거나 내장된 센서, 핸들에 통합되거나 내장된 센서, 비디오 게임 컨트롤러에 통합되거나 내장된 센서, 대상체의 손과 접촉하는 농구공에 통합된 센서, 대상체가 잡고 있는 중개자와 간헐적으로 접촉하는 하키 스틱 또는 하키 퍽에 통합된 센서(예: 하키 스틱), 센서 피트니스 기계(예: 트레드밀, 자전거, 벤치 프레스)의 하나 이상의 핸들 또는 그립에 통합되거나 내장된, 표적 개체에 의해 제어되는 로봇(예: 로봇 팔) 내에 통합된 센서, 표적 개체의 발목을 감싸는 중간 양말 및/또는 접착 테이프 등을 통해 표적 개체와 접촉할 수 있는 신발에 통합되거나 내장된 센서를 포함한다. 또 다른 개선예에서, 하나 이상의 센서는 플로어링(flooring) 또는 바닥(예: 인조 잔디, 농구 바닥, 축구장, 제조 또는 조립 라인 바닥), 좌석/의자, 헬멧, 침대 또는 대상체와 직접적으로 또는 하나 이상의 중개자를 통해 접촉하는 물체(예: 의류 삽입 광고를 통해 좌석의 센서와 접촉하는 대상체)에 짜여지거나 내장되거나 통합되거나 부착될 수 있다. 또 다른 개선예에서, 센서 및/또는 그 하나 이상의 부속물은 하나 이상의 센서, 계산하거나 생물학적 데이터로 변환할 수 있는 정보가 유도되거나 제공되는 대상체의 신체(예: 기관의 조직, 대상체의 모발)에서 유도된 입자 또는 물체와 접촉할 수 있다. 또 다른 개선예에서, 하나 이상의 센서는 광학 기반(예: 카메라 기반)일 수 있고 생물학적 데이터가 검출, 측정, 모니터링, 관찰, 추출, 외삽, 추론, 연역, 추정, 산출, 계산될 수 있는 출력을 제공할 수 있다. 또 다른 개선예에서, 하나 이상의 센서는 광 기반일 수 있고 적외선 기술(예: 온도 센서 또는 열 센서)을 사용하여 개체의 온도 또는 개체의 다른 부분의 상대 열을 계산할 수 있다.
도 1에 도시된 변형예에서, 적어도 하나의 센서(18i)는 각각의 표적 개체(16i)로부터 동물 데이터(14i)를 획득한다. 중개 서버(22)는 동물 데이터(14i)를 수신하고 획득하여 획득된 데이터가 개별화된 메타데이터에 첨부되도록 하며, 여기에는 동물 데이터의 하나 이상의 특성, 동물 데이터의 출처 및/또는 센서 데이터(예: 유형, 작동 매개변수, 등)가 포함될 수 있다. 메타데이터에는 다른 데이터에 대한 맥락을 제공하는 데이터(예: 동물 데이터가 획득되는 동안 표적 개체가 참여하는 활동)를 포함하여 다른 데이터에 대한 정보를 설명하고 제공하는 모든 데이터 세트가 포함될 수도 있다. 동물 데이터가 유래한 개체의 하나 이상의 속성 또는 센서 또는 데이터와 관련된 기타 속성을 포함하는 기타 정보는 동물 데이터 획득시 메타데이터에 추가되거나 동물 데이터와 연관될 수 있다(예: 이름, 키, 나이, 체중, 데이터 품질 평가 등). 개선예에서, 소스(12)는 동물 데이터(14i)를 중개 서버(22)로 보내는 것을 중재하는 컴퓨팅 디바이스(20i)를 포함한다, 즉, 데이터를 획득하고 이를 중개 서버(22)로 전송한다. 예를 들어, 컴퓨팅 디바이스(20i)는 스마트폰, 스마트워치, 또는 컴퓨터일 수 있다. 그러나, 컴퓨팅 디바이스(20i)는 임의의 컴퓨팅 디바이스일 수 있다. 전형적으로, 컴퓨팅 디바이스(20i)는 비록 필수는 아니지만 표적 개체에 대해 국소적이다. 여전히 도 1을 참조하면, 중개 서버(22)는 고려(예를 들어, 지불, 보상, 본질적으로 금전적일 수 있거나 아닐 수 있는 가치 있는 거래)를 위해 데이터 획득자(26)에 요청된 동물 데이터(24)를 제공한다. 여기에서 사용된 용어 "데이터 구매자(data purchaser)", "데이터 획득자(data acquirer)" 및 "구매자(purchaser)"는 동의어이다. 일부 변형예에서, 중개 서버(22)는 원시 또는 처리된 데이터, 분석된 데이터, 결합된 데이터, 시각화된 데이터, 시뮬레이션 데이터, 및/또는 데이터에 대한 보고서 또는 요약을 제공한다. 게다가, 중개 서버(22)는 획득(예를 들어, 구매)을 위해 하나 이상의 당사자에 의해 제공될 수 있는 데이터(예를 들어, 시각화, 보고서, 요약)와 관련된 데이터 분석 및 기타 서비스를 제공할 수 있다.
개선예에서, 중개 서버(22)는 동물 데이터의 소스와 관련된 하나 이상의 속성(예를 들어, 특성)과 동물 데이터를 동기화하고 태그를 지정한다. 동물 데이터 소스와 관련된 이러한 속성의 예에는 타임스탬프, 감지 유형 및 센서 설정(예: 작동 모드, 샘플링 속도, 이득)이 포함되지만 이에 국한되지 않는다. 중개 서버(22)는 또한 동물 데이터를 하나 이상의 센서 특성, 개별적 속성 및 획득되는 데이터 유형과 동기화할 수 있다. 중개 서버(22)는 고려의 적어도 일부를 적어도 하나의 이해관계자(30)에게 분배한다. 하나 이상의 이해관계자는 데이터를 생성한 사용자, 데이터 소유자, 데이터 수집 회사, 공인 배포자, 센서 회사, 분석 회사, 응용 프로그램 회사, 데이터 시각화 회사, 중개 서버를 운영하는 중개 서버 회사, 또는 기타 엔티티(예: 일반적으로 앞서 언급한 이해 관계자 또는 데이터 획득자에게 가치를 제공하는 회사)일 수 있다. 개선예에서, 고려는 각 판돈 소유자가 받는 고려 또는 그 일부를 결정하는 하나 이상의 조정 가능한 매개변수를 구비한 수익 공유 프로토콜에 따라 분배된다(도 17에 도시됨).
중개 서버(22)는 단일 컴퓨터 서버 또는 복수의 상호작용 컴퓨터 서버를 포함할 수 있다는 것을 이해해야 한다. 이와 관련하여, 중개 서버(22)는 하나 이상의 사용 사례 또는 요구사항에 기초하여 구매될 동물 데이터에 대한 모든 요청을 모니터링, 수신 및 기록하기 위해 다른 시스템과 통신할 수 있다. 더욱이, 중개 서버(22)는 동물 데이터에 대한 모든 요청을 모니터링, 수신 및 기록하기 위해 하나 이상의 다른 시스템과 통신하고, 메타데이터, 하나 이상의 검색 매개변수 또는 센서, 데이터 유형, 표적 개체, 표적 개체 그룹 또는 대상체 출력과 관련된 하나 이상의 기타 특성에 의해 설정된 하나 이상의 매개변수를 활용하여 하나 또는 그 초고의 획득자에게 동물 데이터 및/또는 하나 이상의 파생물을 검색하고 요청하는 능력을 제공하도록 작동 가능할 수 있다.
변형예에서, 중개 서버(22)는 센서(18i)와의 통신 링크(34) 또는 컴퓨팅 디바이스(20i)와의 통신 링크(36)에 의해 도시된 바와 같이 동물 데이터의 소스와 직접 통신한다. 개선예에서, 중개 서버(22)는 클라우드(40) 또는 로컬 서버를 통해 동물 데이터의 소스(12)와 통신한다. 클라우드(40)는 인터넷, 공용 클라우드, 중개 서버(22)를 운영하는 조직에 의해 활용되는 사설 클라우드, 로컬 또는 네트워크 서버/스토리지, 로컬 스토리지 디바이스(예: n 테라바이트 외부 하드 드라이브 또는 미디어 스토리지 카드), 또는 컴퓨팅 디바이스의 분산형 네트워크 일 수 있다. 일반적으로 동물 데이터의 소스(12)는 동물 데이터를 무선으로 전송한다. 그러나 동물 데이터는 유선 연결을 사용하여 전송할 수 있다. 개선예에서, 동물 데이터의 소스(12)는 하드웨어 전송 서브시스템을 통해 동물 데이터를 중개 서버(22)로 전송한다. 하드웨어 시스템은 단일 안테나 또는 다중 안테나(예를 들어, 메시 네트워크의 일부로 구성될 수 있음)를 활용하는 하나 이상의 수신기, 송신기, 트랜시버, 및/또는 지원 구성요소(예를 들어, 동글)를 포함할 수 있다.
상술한 바와 같이, 개별화된 메타데이터는 동물 데이터의 출처 및 표적 개체의 하나 이상의 속성을 포함한다. 이러한 표적 개체의 하나 이상의 속성의 예에는 연령 체중, 키, 생년월일, 인종, 참조 식별(예: 사회 보장 번호, 주민등록번호, 디지털 신분증), 출신 국가, 출신 지역, 민족, 현재 거주지, 동물 데이터를 가져온 개체의 성별이 포함될 수 있지만 이에 국한되지 않는다. 개선예에서, 표적 개체의 속성은 약물 이력, 의료 기록, 유전적 유래 데이터, 게놈 유래 데이터(예를 들어, 하나 이상의 의학적 상태, 특성, 건강 위험, 유전적 조건, 약물 반응, DNA 서열, 단백질 서열 및 구조), 생체액-유래 데이터(biological fluid-derived data)(예: 혈액형), 약물/처방 기록, 가족력, 건강 기록, 수동으로 입력한 개별적 데이터, 역사적인 개별적 데이터 등으로부터 획득된 정보를 포함할 수 있다. 인간 대상체의 경우, 표적 개체의 하나 이상의 속성에는 동물 데이터가 획득되는 동안 표적 개체가 참여하는 하나 이상의 활동, 하나 이상의 관련 그룹, 하나 이상의 사회적 습관(예: 담배 사용, 알코올 소비 등), 교육 기록, 범죄 기록, 사회적 데이터(social data)(예: 사회적 미디어 기록(social media record), 인터넷 검색 데이터), 고용 기록 및/또는 수동으로 입력한 개별적 데이터(예: 표적 개체가 있는 하나 이상의 위치) 살아있는 감정적인 느낌)을 포함할 수 있다. 동물 데이터의 다양한 구성 요소가 익명화되거나 비식별화될 수 있음을 이해해야 한다. 비식별화는 개체의 사생활을 보호하기 위해 개체 식별 정보를 제거하는 것을 포함한다. 본 발명의 맥락에서, 익명화된 것과 비식별화된 것은 동의어로 간주된다.
하나의 변형예에서, 동물 데이터는 단일 표적 개체로부터의 것이다. 이러한 개별화된 동물 데이터에는 하나 이상의 센서(예: 단일 데이터 세트를 생성하기 위해 심박수 또는 신경 활동만을 획득하는 센서, 심박수와 신경 활동으로 구성된 세트 단일 데이터를 생성하기 위해 심박수 및 신경 활동을 획득하는 두 개의 개별 센서)에서 비롯된 단일 데이터 세트, 또는 단일 센서(예: 심박수만 획득하여 여러 심박수 데이터 세트가 생성되는 센서, 심박수와 sEMG를 모두 획득하는 센서, 이에 의해 하나 이상의 심박수 데이터 세트 및 하나 이상의 sEMG 데이터 세트가 생성됨)에서 비롯된 여러 데이터 세트 데이터,) 또는 다중 센서(예: 심박수를 획득하는 하나의 센서 및 포도당 데이터를 획득하는 다른 센서, 이에 의해 다중 데이터 세트는 획득된 테이터로부터 생성됨)에서 비롯된 다중 데이터 세트를 포함할 수 있다. 개선예에서, 단일 데이터 세트는 다중 데이터 유형 및/또는 다중 대상체를 포함할 수 있으며 다중 데이터 세트의 생성은 단일 개체 및 단일 데이터 유형에만 기초할 수 있다. 또 다른 변형예에서, 표적 개체의 데이터는 하나 이상의 다른 개체의 하나 이상의 데이터 세트와 결합되며, 하나 이상의 데이터 세트 또는 개체는 적어도 하나 이상의 유사한 특성을 공유하고 동물 데이터의 모음으로 데이터 획득자에게 제공된다. 이와 관련하여 중개 서버는 데이터 획득자가 찾고 있는 특정 기준을 나타내는 데이터 세트를 채울 수 있다. 예를 들어, 25-35세 남성의 연령 범위 내에서, 시스템은 원하는 경우 25-30세 남성과 30-35세 남성의 비율이 60-40인 데이터를 제공할 수 있다. 개선예에서, 데이터 획득자는 개체 또는 데이터 세트를 유사하게 만드는 기준을 정의한다. 예를 들어, 데이터 획득자는 특정 유전적 특성을 나타내지만 다른 방식(예: 다른 연령, 체중, 키)에서 유사하지 않을 수 있는 개체의 DNA 또는 생물학적 유체 데이터 샘플을 요청할 수 있다. 일부 변형예에서, 복합 데이터는 하나의 센서 또는 복수의 센서로부터 획득된 다중 데이터 유형으로부터 생성된다. 분류(예: 그룹)가 생성될 수 있으며(예: 데이터 획득자를 위한 검색 프로세스를 단순화하고 주어진 데이터 제공자에게 더 많은 노출을 제공하기 위해) 개별 특성보다는 데이터 획득 프로세스, 관행 또는 연관을 기반으로 할 수 있다. 예를 들어, 특정 설정의 특정 센서를 활용하고 특정 데이터 획득 방법론에 따라 ECG 또는 PPG 센서 데이터를 획득하는 개체를 기반으로 그룹이 생성될 수 있다. 다른 예에서, 이전에 심장마비를 경험한 사람들을 위한 그룹이 생성될 수 있다. 동물 데이터와 관련된 임의의 단일 특성(예: 데이터, 하나 이상의 센서 및 하나 이상의 표적 개체와 관련된 특성 포함)이 하나 이상의 그룹/분류 또는 태그와 연관되거나 할당될 수 있음을 이해해야 한다. 더욱이, 동물 데이터와 관련된 하나 이상의 분류 또는 태그는 동물 데이터에 대한 관련 값을 생성하거나 조정하는 데 기여한다. 분류 또는 태그의 예에는 측정 기준 분류(예: 심박수, 수분 등의 숫자 값이 할당될 수 있는 하나 이상의 센서에 의해 캡처된 대상체의 속성), 개체의 개별적 분류(예: 연령, 체중, 키, 병력), 개체의 통찰 분류(예: "스트레스(stress)", "에너지 수준(energy level)", 하나 이상의 결과 발생 가능성), 센서 분류(예: 감지 유형, 센서 브랜드, 샘플링 속도, 기타 센서 설정), 데이터 속성 분류(예: 원시 데이터 또는 처리된 데이터), 데이터 품질 분류(예: 정의된 기준에 따른 양호한 데이터 및 불량 데이터), 데이터 적시성(timeliness) 분류(예: 밀리초 대 몇 시간 내에 데이터 제공), 데이터 맥락 분류(예를 들어, NBA 결승전 대 NBA 프리시즌 게임), 데이터 범위 분류(데이터 범위 제공, 예를 들어 0.2-1.2 mg/dL 사이의 빌리루빈 수준); 등을 포함한다. 다른 변형예에서 데이터의 일부 분류는 다른 분류보다 더 큰 가치를 가질 수 있다. 예를 들어, 센서 X의 25-34세 사람들의 심박수 데이터는 센서 Y의 25-34세 사람들의 포도당 데이터보다 가치가 낮을 수 있다. 값의 차이는 데이터 유형의 희소성 유형(예: 평균적으로 포도당 데이터는 심박수 데이터보다 획득하기 더 어려울 수 있으므로 쉽게 사용하거나 획득할 수 없음), 주어진 센서에서 오는 데이터의 품질(예: 한 센서가 다른 센서보다 더 나은 품질의 데이터를 제공할 수 있음), 임의의 다른 주어진 개체에 비해 데이터의 출처가 된 개체 또는 개체들(예: 개체의 데이터가 다른 개체의 데이터보다 더 가치가 있을 수 있음), 데이터 유형(예: 센서 X의 특정 민족적 특성을 가진 개별적 그룹에서 ECG 데이터가 유도될 수 있는 원시 AFE 데이터는 AFE 데이터가 표면 근전도 데이터를 포함하여 추가적인 비-ECG 통찰을 유도할 수 있다는 점을 감안할 때 동일한 센서 X의 민족적 특성으로 동일한 개별적 그룹에서 유도된 ECG 데이터보다 더 가치가 있을 수 있다), 데이터와 관련된 유도된 사용 사례(예: 포도당 데이터는 수분을 유도하는 데 사용할 수도 있으며, 이는 심박수 기반 데이터보다 획득하기 더 어려운 데이터 유형일 수 있으므로 더 가치가 있음), 및 데이터의 양 또는 양(예: 1년 동안 45-54세 사이 100명의 일일 심박수 데이터는 1개월 동안 45-54세 사이의 동일한 100명의 일일 심박수 데이터보다 더 가치가 있을 수 있다)을 포함하는 다양한 이유에 기인하다.
다른 변형예에서, 획득된 동물 데이터는 시스템에 의해 결정될 수 있는 대응하는 값으로 분류(예를 들어, 그룹)에 할당된다. 하나 이상의 분류가 미리 결정된 값, 진화 또는 동적 값, 또는 둘 다를 가질 수 있음을 이해해야 한다. 예를 들어, 데이터 그룹은 그룹에 더 많은 데이터가 추가되거나, 그룹 내에서 더 많은 데이터를 사용할 수 있게 되거나, 특정 그룹의 데이터에 대한 수요가 증가하거나, 시간이 경과함에 따라 가치가 감소할 수 있고 이로부터 데이터가 생성될 때, 데이터의 관련성이 떨어지거나 해당 특정 그룹의 데이터에 대한 수요가 감소한다. 다른 개선예에서, 하나 이상의 분류는 하나 이상의 구매자 요구 사항 또는 시스템에 대한 새로운 정보 또는 소스의 입력에 기초하여 생성되거나 수정되는 하나 이상의 새로운 카테고리로 동적으로 변경될 수 있다. 예를 들어, 새로운 유형의 센서가 개발될 수 있고, 센서에 새로운 설정 및 기능을 제공하는 새로운 펌웨어로 센서가 업데이트될 수 있거나, 하나 이상의 새로운 데이터 유형(예: 생체액-유래 데이터 유형)이 데이터 획득자 데이터를 검색 및/또는 획득하거나 데이터 공급자가 가치 창출을 위한 새로운 기회를 창출할 수 있는 시스템으로 도입될 수 있다. 또 다른 개선예에서, 하나 이상의 인공 지능 기술(예를 들어, 머신 러닝, 딥 러닝 기술)은 하나 이상의 데이터 세트에 하나 이상의 분류, 그룹 및/또는 값을 동적으로 할당하기 위해 사용될 수 있다.
또 다른 변형예에서, 동물 데이터의 하나 이상의 데이터 품질 평가는 메타데이터의 일부로서 또는 별도로 데이터 획득자 또는 다른 이해관계자에게 제공될 수 있다. 데이터 품질 평가는 주어진 맥락에서 목적에 부합하는 동물 데이터의 적합성을 제공한다. 데이터 품질을 결정할 때 고려되는 요소에는 (1) 기록된 값이 실제 값 또는 알려진 값 범위와 일치할 때 발생하는 정확도(또는 유효성 또는 정확성); (2) 기록된 값이 기간 및 지연의 시간 요구 사항 내에 있고 최신이 아닌 경우 발생하는 적시성; (3) 데이터 값의 표현이 모든 경우에 동일할 때 발생하는 데이터 일관성(또는 신뢰성 또는 다른 데이터 값과의 충돌 부족); 및 (4) 특정 변수에 대한 모든 값이 기록될 때(그리고 데이터가 누락되거나 사용할 수 없는지 여부를 결정할 때) 발생하는 데이터 완전성을 포함한다. 데이터 품질 평가에 영향을 미치는 추가 요소에는 표준 형식에 대한 적합성 또는 준수, 사용자 피드백 등급 및 데이터의 재현성이 포함되지만 이에 국한되지 않는다. 데이터 품질은 미리 결정된 품질 관리 매개변수 등에 기초하여 데이터를 평가하기 위해 위의 하나 이상의 요인을 고려하도록 작성된 하나 이상의 프로그램에 의해 하나 이상의 전문가를 포함하여 여러 방식으로 평가 또는 인증될 수 있다. 이러한 등급은 미리 결정된 또는 동적 데이터 품질 척도를 포함할 수 있다. 개선예에서, 등급 및/또는 인증은 하나 이상의 요인을 고려하는 하나 이상의 인공 지능 기술을 활용하여 생성 또는 조정될 수 있다.
유리하게는, 값은 일반적으로 동물 데이터와 연관된다. 상기 값은 개별적 식별된 또는 비식별화된 동물 데이터의 취득, 구매, 판매, 거래, 라이선스, 임대, 또는 배포를 취득, 구입, 판매, 거래, 라이센싱, 임대, 광고, 평가, 표준화, 인증, 연구, 배포, 또는 중개(brokering)하기 위해 사용된다. 그 값은 본질적으로 금전적이거나 비금전적일 수 있다. 모든 동물 데이터에 대해 생성된 값은 본질적으로 해당 동물 데이터에 할당된다. 종종 값은 데이터 공급자, 데이터 소유자 또는 한 명 이상의 다른 데이터 관리자에 의해 할당 및/또는 조정된다. 그러나, 중개 서버 또는 제 3자에 의해 값이 할당 및/또는 조정될 수 있다. 개선예에서, 관련 값은 동적으로 할당 및/또는 조정된다. 예를 들어, 특정 시간에 값이 할당된 특정 데이터 세트는 다른 시점에 다른 값으로 할당될 수 있다, 즉, 데이터 값은 하나 이상의 요인(예: 데이터의 적시성, 예를 들어, 프로 골퍼의 경우 스포츠 베팅자가 퍼팅을 할 때 제 1 라운드의 4번 그린에서 보다 토너먼트 우승을 위해 퍼팅을 하는 경우 최종 라운드의 18번 그린에서 심박수 데이터가 더 가치가 있을 수 있다)을 기초로 변경될 수 있는 것을 의미한다. 중개 서버는 시스템에서 생성한 다양한 요인, 분류 및 태그를 기반으로 데이터에 대해 주어진 값을 동적으로 할당 및/또는 조정하도록 프로그래밍할 수 있다. 변형예에서, 동물 데이터의 동일한 세트는 하나 이상의 다른 관련 값을 가질 수 있다. 예를 들어, 데이터 획득자, 데이터가 사용되는 방법, 사용 기간, 데이터가 사용될 하나 이상의 시장(예: 단일 시장에서 사용되는 데이터 대 전 세계적으로 사용되는 데이터), 데이터가 사용될 기간(예: 실시간으로 사용되는 데이터와 나중에 사용되는 데이터) 등은 모두 동일한 데이터에 다른 값을 할당할 때 관련 고려 및 동적 할당 및 값 조정에 대한 고려일 수 있다. 또 다른 변형예에서, 하나 이상의 값은 적어도 부분적으로 참조 평가 데이터(예: 가격 책정 데이터)를 하나 이상의 소스(예: 수익화 시스템, 유사한 데이터 및 유사한 속성을 평가한 제 3자 소스에서 유도된 판매의 과거 가치)로부터 수익화 시스템에서 판매되는 하나 이상의 데이터 유형에 대해 하나 이상의 값을 설정하는 하나 이상의 모델로 입력함으로써 하나 이상의 값이 생성되거나 조정된다. 예를 들어, 프로 스포츠 Z의 리그 Y에 있는 선수 X의 심박수에 대한 가격 책정 데이터는 하나 이상의 제 3자로부터 프로 스포츠 Z의 통계 데이터의 리그 Y에 있는 선수 X의 적어도 일부 또는 선수 X(또는 선수 X와 유사한 개체)의 기록 값 및 데이터에 대한 하나 이상의 값을 설정하는 가격 책정 모델에 대한 입력으로서 수익화 시스템 내의 유사 데이터를 참조하는 수익화 시스템에 의해 설정될 수 있다. 개선예에서, 제공된 기준 평가 데이터는 하나 이상의 유사하지 않은 데이터 세트에서 나올 수 있다. 예를 들어, 수익화 시스템이 프로 스포츠 Z의 리그 Y에 있는 선수 X의 수화 데이터에 대한 가격 책정을 동적으로 설정하지만 한 부문(예: 프로 스포츠)의 수화 데이터에 대한 가격 책정이 존재하지 않는 경우, 수익화 시스템은 다른 부문 또는 가격 책정을 위한 사용 사례(예: 보험 또는 피트니스 관련 사용 사례가 심박수와 같은 캡처된 측정 기준과 비교하여 수분 가격을 책정하는 방법, 프로 스포츠에서 근육 활동, 심박수 또는 위치 데이터와 같은 기타 측정 기준의 가격이 정보 세트에 따라 책정되고 기반 가치를 도출하는 방법)를 찾을 수 있다. 다른 사용 사례를 기반으로 평가된 데이터 세트의 판매가 계속됨에 따라 수요, 희소성 또는 기타 요인에 따라 가치가 동적으로 조정될 수 있다. 하나 이상의 인공 지능 기술 또는 통계 모델을 활용하여 이러한 가치를 생성할 수 있다.
일부 변형예에서, 시스템(예를 들어, 중개 서버(22)를 통해)은 데이터가 전송된 위치 및 데이터가 사용된 방법, 위치 및 시간을 포함하여 개체의 데이터에 대한 임의의 주어진 거래의 수명 주기를 모니터링하도록 작동될 수 있다. 블록체인과 같은 기술을 활용하여 데이터 제공자 또는 승인된 사용자는 시스템에서 데이터를 획득할 때부터 해당 개체의 데이터에 대한 경쟁 기록 트리를 볼 수 있다. 시스템은 동물 데이터 및 주어진 거래와 관련된 세부 사항을 포함하여 데이터와 관련된 모든 거래를 모니터링하도록 작동할 수 있다. 여기에는 데이터가 대상체가 주장하는 방식으로 획득되었다는 확인, 데이터 사용 방법과 관련된 세부 정보, 데이터가 전송된 위치, 데이터에 첨부된 제한 사항(예: 데이터 사용, 생성된 유도 작업을 포함하여 잠재적인 미래 청구가 없고 제거됨), 데이터와 관련된 고려 등을 포함한다. 또한 데이터가 배포될 때 획득자에게 부여된 다양한 유형의 권리(예: 지역 또는 데이터 유형별 독점)의 시행 등을 포함할 수 있다. 개선예에서, 시스템은 블록체인 생태계 내에서 데이터의 사용을 제한하거나 사용하는 기능을 가질 수 있다. 예를 들어 당사자에게 데이터에 대한 15분 라이선스가 부여된 경우 시스템은 라이선스 만료 시 라이선스 사용자가 블록체인 생태계 내에서 해당 데이터를 활용하거나 전송할 수 없도록 할 수 있다.
또 다른 변형예에서, 동일한 동물 데이터에서 유도된 하나 이상의 데이터 세트가 여러 당사자에게 배포되고 여러 당사자에 의해 활용되는 경우 데이터 획득자가 데이터가 이전에 사용되고 해당 사용과 관련된 용어가 사용되는 방식을 아는 것이 중요할 수 있다. 이러한 경우 블록체인과 같은 기술을 활용하여, 수익화 시스템은 데이터의 소유권 체인과 관련된 기능(예: 서비스)을 제공하여 데이터 획득자가 데이터가 사용되는 방법, 시기, 및 장소의 이해로 동물 데이터를 획득하고 사용하는 것을 보장한다. 이는 데이터를 무료로 사용하고 향후 청구가 없도록 하는 데 중요할 수 있다. 소유권 체인은 대상체의 데이터와 같은 특정 자산의 공식 소유권 기록이 될 수 있다. 또 다른 변형예에서, 수익화 시스템은 배포된 데이터의 각각의 유형 및 관련 용도에 대해 하나 이상의 기록을 제공하는 중앙 집중식 등록 또는 시스템의 역할을 할 수 있다. 또 다른 변형예에서, 수익화 시스템의 데이터 배포 서비스에는 보험 관련 데이터 서비스(예: 데이터 사용 및 배포된 데이터에서 생성된 파생물과 관련된 소유권 보험)도 포함될 수 있다.
다른 변형예에서, 획득자가 중개 서버(22) 내에 없는 데이터 유형 또는 데이터 세트를 요청할 때, 중개 서버(22)는 시스템의 하나 이상의 현재 사용자에게 하나 이상의 원하는 데이터 세트를 생성하거나 하나 이상의 제 3자로부터 데이터를 획득하기 위한 요청을 보낼 수 있다. 대안적으로, 요청된 데이터를 생성하기 위한 원시(예를 들어, 처리되지 않은) 데이터가 중개 서버(22) 내에 존재하는 경우, 중개 서버는 원시 데이터(예를 들어, 조작, 분석 등을 포함하는 데이터에 대해 하나 이상의 행위(action)를 취함)를 처리할 수 있어 획득자가 요청한 데이터를 생성한다. 예를 들어, 시스템에 가슴에 배치된 센서에서 유도된 AFE 데이터가 있고 ECG 데이터에 대한 요청인 경우 시스템은 AFE 데이터를 ECG 데이터로 변환하여 요청을 이행할 수 있다. 요청된 데이터를 생성하기 위해 중개 서버(22)는 하나 이상의 개발된 도구(예: 수익화 시스템 또는 시스템 운영자에 의해 생성됨)를 사용하거나 내부에 보관된 하나 이상의 제 3자 도구를 통합하거나 데이터(예: 원시 데이터)를 하나 이상의 제 3자 분석 시스템으로 전송하고, 중개 서버는 인수자에게 배포하기 전에 인수자가 요청한 데이터를 다시 수신한다. 데이터를 획득자에게 보낼 때 중개 서버는 거래의 일부로 제공된 데이터의 특성을 기록한다. 데이터의 이러한 특성에는 동물 데이터의 소스, 타임 스탬프, 특정 개별적 속성, 사용된 감지 유형, 센서 속성, 센서 매개변수, 센서 샘플링 속도, 분류, 데이터 형식, 데이터 유형, 사용된 알고리즘, 데이터 품질, 데이터 제공 속도(예: 대기 시간) 중 하나 이상이 포함된다.
다른 변형예에서, 수익화 시스템(10)은 실제 데이터 세트(예를 들어, 사용자 또는 데이터 제공자에 의해 생성됨)에 대한 대안을 제공한다. 예를 들어, 획득자가 사용자 생성 데이터를 획득(예: 구매)하는 것이 가능하지 않을 수 있는 하나 이상의 요구 사항을 가지고 있거나(예: 요청된 데이터를 요청된 기간 내에 획득할 수 없음), 획득자가 하나 이상의 실제 동물 데이터 세트의 획득 고려 비용을 감당할 수 없거나(예: 구매 가격이 너무 비쌈), 획득자가 요구하는 사용 사례가 시스템 내에서 발견되지 않거나 획득할 수 없는 하나 이상의 데이터 세트를 초래하거나 획득자가 요청된 실제 동물 데이터 세트의 서브세트만 감당할 수 있는 경우, 수익화 시스템(10)은 실제 동물 데이터(예: 실제 센서 데이터)의 적어도 일 부분 및/또는 하나 이상의 파생물의 생성(예: 발생), 유도 및/또는 기반으로 하는 인공적으로 생성된 데이터(예: 인공 센서 데이터)를 구매할 수 있는 옵션을 제공할 수 있어, 데이터 획득자에 의해 설정된 하나 이상의 매개변수(예를 들면, 요구사항)에 순응하는 하나 이상의 시뮬레이션을 통해 수익화 시스템(10)에 의해 생성될 수 있다. 이와 관련하여, 데이터 획득자가 선택하는 하나 이상의 매개변수는 인공 데이터가 생성되는 하나 이상의 입력으로 활용될 수 있는 관련 실제 동물 데이터의 범위를 결정하고 생성된 인공 출력이 획득자가 원하는 요구사항을 충족하는지 확인한다. 예를 들어, 제약 회사 또는 연구 기관은 주당 10-20개비의 담배를 피우고 체중이 175-185파운드이고 자고 있고 일주일에 2-3일 알코올 음료 한 잔 이상, 특정 혈액형에 체액 유래 수치가 나타나며, 당뇨병 및 뇌졸중 가족력이 있는 25-24세의 고유한 남성 10,000명 이상의 고유한 남성 10,000명으로부터 2시간 ECG 데이터 세트 10,000개를 획득하려고 할 수 있다. 수익화 시스템은 특정 검색의 최소 요구 사항과 일치하는 500명의 고유한 남성으로부터 500개의 데이터 세트만 가질 수 있으므로 수익화 시스템은 제약 회사의 요청을 이행하기 위해 9,500명의 고유한 시뮬레이션된 남성에 대한 다른 9,500개의 데이터 세트를 인위적으로 생성할 수 있다. 수익화 시스템은 필수 매개변수를 사용하고 500개의 실제 동물 데이터 세트를 기반으로 인공 데이터 세트(예: 인공 ECG 데이터 세트)를 무작위로 생성할 수 있다. 새로운 하나 이상의 인공 데이터 세트는 획득자가 요구하는 특성의 일부 또는 전부와 일치하는 이전에 캡처된 데이터 세트를 분석하는 하나 이상의 인공 지능 기술을 적용하여 생성될 수 있다. 하나 이상의 인공 지능 기술(예: 하나 이상의 훈련된 신경망, 기계 학습 모델)은 실제 데이터 세트의 패턴을 인식하고, 획득된 데이터로 훈련되어 동물(예: 인간) 생물학 및 관련 프로필을 이해하고, 더 나아가 동물 생물학 및 관련 프로필에 대한 하나 이상의 매개변수(예: 변수, 기타 특성)의 영향을 이해하고 일치하거나 충족하기 위해 획득자가 선택한 하나 이상의 매개변수를 고려하는 인공 데이터를 생성하기 위해 획득된 데이터로 훈련 구매자의 최소 요구 사항에 일치시키거나 충족시킨다. 개선예에서 시뮬레이션된 동물 데이터는 획득된 실제 동물 데이터에서 적어도 부분적으로 생성된다. 또 다른 개선예에서는, 하나 이상의 통계 모델이 사용된다. 시뮬레이션된 동물 데이터 및 모델을 생성하기 위한 시스템과 관련된 추가 세부사항 및 물론 하나 이상의 훈련된 신경망이 수익화 시스템 내에서 활용될 수 있는 방법의 예는 2019년 9월 6일에 출원된 미국 특허 제62/897,064호에 개시되며; 그 전체 내용이 인용에 의해 본원에 포함되고 이 문서의 모든 인공 데이터 참조에 적용 가능하다. 하나 이상의 인공 데이터 세트는 단일 개체, 하나 이상의 유사한 특성을 가진 하나 이상의 개체 그룹, 하나 이상의 특성의 정의된 그룹 내에서 하나 이상의 개체의 무작위 선택, 하나 이상의 개체의 정의된 그룹 내에서 하나 이상의 특성의 무작위 선택, 하나 이상의 특성의 정의된 그룹 내 하나 이상의 개체의 정의된 선택, 또는 정의된 내에서 하나 이상의 특성의 정의된 선택 한 명 이상의 개체 그룹을 포함하는 다양한 기준을 기반으로 생성될 수 있다. 일반적으로, 하나 이상의 시뮬레이션을 통해 생성되고 실제 동물 데이터의 적어도 일부에서 유도된 하나 이상의 인공 데이터 세트는 실제 동물 데이터와 하나 이상의 특성을 공유한다. 구매자 요구 사항에 따라, 수익화 시스템은 데이터를 관련성 있고 무작위로 유지하기 위해 데이터 세트를 생성할 때 반복성을 위해 단일 변수 또는 여러 변수를 분리할 수 있다. 또한 시뮬레이션의 기반이 되는 실제 데이터 및/또는 하나 이상의 파생물을 별도로 구매하거나 시뮬레이션 데이터 획득의 일부로 패키지하거나 최소한 부분적으로는 기준선으로 활용할 수 있어, 인공 데이터를 생성한다. 조직이 시뮬레이션 데이터를 요청하는 경우, 데이터가 하나 이상의 시뮬레이션(예를 들어, 하나 이상의 신경망을 훈련시키기 위해)에 있었던 하나 이상의 개체가 적어도 부분적으로 고려를 수용할 수 있다.
새로운 데이터 세트를 생성하는 것에 더하여, 시뮬레이션 데이터의 생성은 또한 이전에 획득된 실제 데이터 세트를 확장하기 위해 이용될 수 있다. 예를 들어, 다양한 유형의 데이터 및 메타데이터를 포함하는 특정 활동(예: 선수 A에 대한 10, 100, 1000시간 또는 그 초과의 경기 데이터)에 대한 특정 양의 데이터 세트에 액세스할 수 있는 시스템(예를 들어 테니스와 같은 스포츠의 맥락에서, 코트 온도, 습도, 평균 심박수, 산소 공급 데이터, 생체액-유래 데이터, 마일 달리기, 스윙 속도, 에너지 수준, 슛 파워, 포인트 길이, 코트 포지셔닝, 상대, 특정 환경 조건에서 상대의 성능, 승률, 상대, 유사한 환경 조건에서 상대에 대한 승률, 현재 경기 통계, 경기의 성능 추세를 기반으로 한 이력 경기 통계, 날짜, 타임스탬프, 승/패, 점수)은 주어진 선수가 경기를 하지 않았을 수 있는 이벤트(예: 경기)의 적어도 일부를 재생성하여 하나 이상의 인공 지능 기술을 사용하고 및/또는 재생된 이벤트 이내에 선수 A를 위한 인공 데이터를 생성하는 데이터 세트를 확장할 수 있다(예: 선수 A는 캡처된 심박수 데이터로 2시간 동안 테니스 경기를 했으나 사용자는 한 번도 플레이하지 않았고 앞으로 하게 될 경기의 3시간째에 대한 심박수 데이터를 원한다. 따라서 수익화 시스템은 하나 이상의 시뮬레이션을 실행하여 데이터를 생성할 수 있다). 더 구체적으로, 하나 이상의 신경망은 선수 A의 생물학적 기능과 하나 이상의 변수가 주어진 생물학적 기능에 어떻게 영향을 미칠 수 있는지 이해하기 위해 이러한 데이터 세트 중 하나 이상으로 훈련될 수 있다. 신경망은 하나 이상의 생물학적 기능과 하나 이상의 변수의 영향을 기반으로 어떤 결과(또는 결과들)가 발생했는지 이해하도록 추가 훈련될 수 있으므로 상관 및 원인 분석이 가능하다. 수익화 시스템 내의 신경망이 현재 시나리오를 포함하는 주어진 시나리오 내에서 선수 A의 하나 이상의 생물학적 기능, 선수 A가 나타내는 하나 이상의 생물학적 기능 및/또는 존재하는 하나 이상의 변수에 기초한 현재 시나리오를 포함하는 임의의 주어진 시나리오에서 이전에 발생한 하나 이상의 결과, 현재 시나리오와 유사한 시나리오를 포함하여 주어진 시나리오에서 선수 A와 유사하거나 유사하지 않은 선수의 하나 이상의 생물학적 기능, 현재 시나리오와 유사한 시나리오를 포함하여 주어진 시나리오에서 선수 A의 하나 이상의 생물학적 기능에 영향을 미칠 수 있는 하나 이상의 다른 변수, 현재 시나리오와 유사한 시나리오를 포함하는 주어진 시나리오에서 선수 A에게 유사하거나 유사하지 않은 다른 선수의 하나 이상의 생물학적 기능에 영향을 미칠 수 있는 하나 이상의 변수, 및 선수 A와 유사하거나 유사하지 않은 운동선수가 나타내는 하나 이상의 생물학적 기능 및/또는 하나 이상의 변수를 기반으로 현재 시나리오와 유사한 시나리오를 포함하여 주어진 시나리오에서 이전에 발생한 하나 이상의 결과와 같은 정보를 이해하도록 훈련되면, 데이터 획득자는 예를 들어, 하나 이상의 시뮬레이션을 인공적으로 생성된 데이터를 구비한 현재 데이터를 연장하도록 실행하는 것을 요청할 수 있거나(예: 선수 A는 캡처된 심박수를 포함한 다양한 생물학적 데이터로 2시간 동안 플레이하였다. 획득자는 동일한 일치 조건에서 3시간 동안의 심박수 데이터를 원하므로 시스템은 이전에 획득된 데이터를 기반으로 데이터를 생성하기 위해 하나 이상의 시뮬레이션을 실행한다) 임의의 주어진 활동에 대해 발생하는 결과(예: 선수 A의 데이터만을 기준으로 하여 선수 B 대 마지막 세트의 경기에서 승리한 선수 A의 가능성)를 예측할 수 있다. 개선예에서, 하나 이상의 신경망은 여러 동물(예: 운동선수)과 함께 훈련될 수 있으며, 이는 팀, 그룹 또는 서로 경쟁할 수 있으며, 하나 이상의 신경망은 하나 이상의 결과를 보다 정확하게 예측하기 위해 각각의 동물의 하나 이상의 데이터 세트(예: 선수 A 대 선수 B의 경기에서 승리할지 여부)로 훈련될 수 있다. 이 예에서, 하나 이상의 시뮬레이션은 실제 센서 데이터에 기초하여 인공 센서 데이터를 먼저 생성하고, 그 다음 생성된 인공 센서 데이터의 적어도 일부를 하나 이상의 추가 시뮬레이션에서 활용하여 임의의 주어진 결과 가능성을 결정하도록 실행될 수 있다.
다른 예에서, 항공사는 조종사의 의무 퇴직 연령을 연장해야 하는지 여부를 결정하기를 원할 수 있거나, 병원은 주어진 외과의가 특정 연령을 초과하여 수술하도록 계속 허용해야 하는지 여부를 결정하기를 원할 수 있다. 하나 이상의 시뮬레이션을 실행함으로써 항공사 또는 병원은 시스템에서 획득한 현재 하나 이상의 데이터 세트를 확장하는 하나 이상의 인공 데이터 세트를 생성하여 항공사 또는 병원이 확률을 결정하고 및/또는 위험을 완화할 수 있는 하나 이상의 행위를 취할 수 있도록 하는 분석을 용이하게 할 수 있다. 항공사의 예에서 문제는 시스템에 의해 데이터가 획득된 n세 조종사(예: 65세)에게 특정 연령을 초과하여 비행을 계속할 수 있는 능력을 허용할지 또는 생리학적 또는 생체역학적 특성을 포함한다. 보다 구체적으로, 조종사의 경험은 전반적으로 더 안전한 비행 경험으로 이어질 수 있고/또는 비즈니스를 증가시키기 위해 더 많은 노선을 운항할 수 있기 때문에, 개인의 나이와 같은 지표로 인해 작업 중단(예: 의무적 퇴직)을 명령하는 것보다 조종사의 생물학적 "적절함(fitness)"을 결정하고 미래의 생물학적 적합성을 예측하는 것이 항공사의 최선의 이익일 수 있다. 따라서 시스템은 획득된 데이터(예: 심장/ECG 데이터, 연령, 체중, 습관, 병력, 생물학적 체액 수준)를 활용하여 주어진 파일럿에 대해 하나 이상의 시뮬레이션을 실행할 수 있으며 다양한 매개변수를 선택할 수 있으며(예: 잠자는 동안, 비행) 및 하나 이상의 인공 데이터 세트(예: 조종사에 대해 수집된 데이터 세트 확장 및 비행사 나이로서 생물학적 “적합성(fitness)” 및 “비행 적합성(fitness for flying)”을 결정하기 위한 미래 연령 66 내지 80세로부터 비행사의 심장 활동을 보기 위한 인공 센서 데이터 생성)를 생성할 수 있다. 병원의 경우, 주어진 외과의가 특정 연령 이후에도 계속 수술을 할 수 있도록 허용할 것인지, 아니면 생리학적 또는 생체역학적 특성을 포함할 수 있는 특정 특성을 나타내면서 수술을 계속할 수 있는지 여부가 문제가 될 수 있으며, 더 많은 생명을 구할 수 있는 외과의의 경험을 활용할 수 있는 장점이 있다.
개선예에서, 시뮬레이션은 발생하는 미래 결과와 관련된 하나 이상의 확률 또는 예측을 제공할 수 있다. 예를 들어, 항공사가 특정 생리적 특성을 나타내는 특정 조종사가 비행기를 비행하는 동안 심장마비를 일으킬 가능성을 알고 싶어하는 경우 조종사의 동물 데이터 중 적어도 일부를 활용하는 하나 이상의 시뮬레이션을 실행할 수 있으며, 이의 출력은 발생 확률을 결정하거나 미래 이벤트와 관련된 예측을 하는 데 사용할 수 있다. 다른 예로, 보험 회사가 특정 특성(예: 나이, 체중, 키, 유전적 구성, 건강 상태)을 가진 임의의 주어진 개인이 하나 이상의 신체적 질병(예: 뇌졸중, 당뇨병, 바이러스) 주어진 기간(예: 24개월) 내에 실제 동물 데이터의 적어도 일부를 활용하는 하나 이상의 시뮬레이션을 이러한 특성을 하나 이상의 입력으로 사용하여 실행할 수 있으며 상기 출력은 발생 확률의 가능성을 결정하기 위해 이용될 수 있다. 또 다른 예에서, 제약 회사가 특정 특성을 가진 한 명 이상의 개체에게 특정 영향을 미치는 기존 약물의 확률을 더 잘 이해하려는 경우 수익화 시스템은 여러 시뮬레이션(예: 10, 100, 10000 또는 그 초과)을 실행할 수 있어, 발생할 확률을 결정한다. 또 다른 예에서, 팀이 스포츠 팀의 선수 A가 특정 생리학적 특성 및 기타 획득된 데이터를 나타내는 것을 기반으로 다음 샷을 할 것인지 여부를 알고 싶어하는 경우, 선수 A의 적어도 일부를 활용하는 하나 이상의 시뮬레이션 동물 데이터를 실행할 수 있으며, 그 결과는 발생 확률을 결정하는 데 사용할 수 있다.
하나 이상의 시뮬레이션 데이터 세트를 생성하기 위한 변형예에서, 하나 이상의 랜덤화된 변수를 갖는 기존 데이터는 시스템에 의해 이전에 볼 수 없었던 새로운 데이터 세트를 생성하기 위해 하나 이상의 시뮬레이션을 통해 재실행된다. 이 방법을 사용하여, 하나 이상의 결과와 관련된 하나 이상의 확률을 조사할 수 있다. 예를 들어, 수익화 시스템이 특정 개체(예: 선수) 및 특정 이벤트(예: 선수가 플레이한 경기)에 대한 데이터 세트를 가지고 있는 경우 시스템은 하나 이상의 데이터 세트 내의 변수(예: 고도, 코트 내 온도, 습도) 및 하나 이상의 시뮬레이션을 통해 하나 이상의 이벤트를 다시 실행하여 특정 시나리오(예: 테니스와 관련하여 획득자는 2시간 경기 전체에 대해 온도가 95도 이상일 때 선수 A의 심박수 데이터 1시간을 원할 수 있다. 시스템에는 서로 다른 온도(예: 85, 91, 94)에서 하나 이상의 심박수 데이터 세트 및 이전에 설명한 유사한 조건의 선수 A 및 유사 및 비 유사 조건의 기타 유사 및 유사하지 않은 선수에 대한 입력을 가질 수 있다. 95도 이상의 선수 A에 대한 심박수 데이터는 획득된 적이 없어서, 시스템이 하나 이상의 시뮬레이션을 실행할 수 있도록 데이터를 생성한 다음 하나 이상의 추가 시뮬레이션에서 해당 데이터를 활용한다. 다른 예에서, 획득자는 선수 A가 경기에서 승리할 가능성을 원할 수 있다. 개선예에서, 시스템은 하나 이상의 새로운 데이터 세트를 생성하거나 재생성하기 위해 유사하지 않은 데이터 세트를 결합하도록 프로그래밍될 수도 있다. 예를 들어, 획득자는 특정 토너먼트의 2시간 경기 전체에서 온도가 95도 이상일 때 선수 A의 심박수 데이터 1시간을 원할 수 있으며, 여기서 고도와 같은 하나 이상의 기능이 성능에 영향을 미칠 수 있다. 이 데이터가 완전히 획득된 적은 없지만 다른 데이터 세트가 요청된 데이터(예: 심박수를 나타내는 선수 A의 하나 이상의 데이터 세트, 화씨 95도 이상의 온도에서 테니스를 치는 선수 A의 하나 이상의 데이터 세트, 고도와 같은 요청된 기능이 있는 필수 토너먼트의 하나 이상의 데이터 세트)를 포함할 수 있다. 시스템은 데이터 세트 내에서 그리고 데이터 세트 전반에 걸쳐 이러한 요청된 매개변수를 식별하고 하나 이상의 시뮬레이션을 실행하여 이러한 서로 다른 데이터 세트를 기반으로 획득자의 요청을 이행하는 하나 이상의 새로운 인공 데이터 세트를 생성할 수 있다. 변형예에서, 하나 이상의 새로운 데이터 세트를 생성하거나 재생성하는 데 사용되는 유사하지 않은 데이터 세트는 표적 개체와 적어도 하나의 공통 특성을 공유하는 하나 이상의 다른 대상체를 특징으로 할 수 있다(예: 연령 범위, 체중 범위, 신장 범위, 성별, 유사하거나 유사하지 않은 생물학적 특성 등). 위의 예를 사용하여 심박수 데이터가 선수 A에 대해 활용될 수 있지만 시스템은 원하는 데이터 세트(예: 일부 또는 모든 선수가 선수 A와 유사한 심박수 패턴을 보였을 수 있음; 일부 또는 모든 선수가 선수 A와 유사한 생체액 유래 판독값을 가질 수 있음; 일부 또는 모든 선수가 시스템에서 획득한 데이터 세트를 갖고 있을 수 있음 95도 이상의 온도에서 테니스를 치는 경우)에 대한 관련성을 기촐 하여 선택되는, 선수 b, c, d로부터 또 다른 하나 이상의 데이터 세트를 이용할 수 있다. 이러한 하나 이상의 데이터 세트는 원하는 조건에서 선수 A의 심박수를 보다 정확하게 예측하기 위해 하나 이상의 시뮬레이션 내에서 입력으로 작용할 수 있다.
시뮬레이션 데이터를 위한 다른 방법에서, 획득자보다는 시스템에 의해 선택된 하나 이상의 변수를 사용하여 랜덤화된 데이터 세트가 생성된다. 이는 예를 들어 보험 회사가 무작위 샘플(예: 시스템에서 무작위로 선택할 수 있는 정의된 연령 또는 병력 없음) 중에서 특정 데이터 세트(예: 1,000,000명의 흡연자)를 찾고 있는 경우에 특히 유용할 수 있다. 개선예에서, 하나 이상의 인공 데이터 세트는 시스템에 의해 무작위로 선택된 미리 결정된 수의 개체로부터 생성된다.
다른 예에서, 실제 동물 데이터로부터 적어도 부분적으로 도출된 데이터는 비디오 게임 또는 게임 기반 시스템의 일부로서 획득되거나 그 내에서 활용될 수 있다. 비디오 게임 또는 게임 기반 시스템은 전통적인 PC 게임(예: Nintendo, Sony PlayStation), 휴대용 게임, 가상 현실, 증강 현실, 혼합 현실 및 확장 현실을 포함하여 제공된 다양한 콘솔 및 시스템 내에서 재생될 수 있다. 하나 이상의 시뮬레이션에서 유도되거나 동물 데이터의 적어도 일부를 기반으로 인공적으로 생성될 수 있는 비디오 게임 또는 게임 기반 데이터는 게임의 일부로 등장하는 하나 이상의 캐릭터(예: 동물)와 연관될 수 있다. 캐릭터는 실생활에 존재하는 동물을 기반으로 하거나(예: 실제 축구 선수가 축구 비디오 게임에서 자신을 묘사하는 캐릭터를 가질 수 있음) 인공적으로 생성되어 하나 이상의 실제 동물의 하나 이상의 더 많은 특성을 기반으로 하거나 공유할 수 있다(예: 게임 내 축구 선수는 인간 축구 선수로서 등번호, 유니폼 색상 또는 생물학적 특징을 공유함). 시스템은 비디오 게임 또는 게임 기반 시스템의 사용자가 데이터를 구매하거나 게임 내의 실제 데이터의 적어도 일부를 활용하는 게임을 구매할 수 있도록 할 수 있다. 개선예에서, 게임 내에서 구매된 동물 데이터는 하나 이상의 시뮬레이션을 통해 생성될 수 있는 인공 데이터일 수 있다. 이 데이터는 예를 들어 게임에서 발생하는 지표로 활용될 수 있다. 예를 들어, 게이머는 선수의 실제 생물학적 데이터 또는 하나 이상의 파생물을 포함할 수 있는 선수의 "실세계 데이터(real-world data)"를 활용하는 게임에서 실제 선수의 시뮬레이션된 버전과 대결할 수 있다. 예를 들어, 이는 시간이 지남에 따라 획득된 실제 세계의 선수의 "에너지 수준(energy level)" 데이터가 게임에 통합된다는 의미일 수 있다. 하나의 특정 예에서, 비디오 게임 내에서 경기의 길이가 계속되거나 비디오 게임 내에서 시뮬레이션된 운동 선수가 달린 거리에 따라 비디오 게임 내의 "에너지 수준"이 조정되고 실제 운동 선수의 실제 데이터를 획득하였다. 실세계 데이터는 장거리 달리기 또는 주어진 경기의 길이를 기반으로 운동 선수가 얼마나 피로감을 느낄 수 있는지 나타낼 수 있다. 이 데이터는 또한 예를 들어 더 빨리 달리고, 더 높이 뛰고, 더 긴 에너지 수명을 갖고, 더 멀리 공을 치는 등의 능력을 포함할 수 있는 게임 내에서 이점을 얻기 위해 사용될 수 있다. 도 19는 비디오 게임의 한 예를 보여주며 비디오 게임의 사용자에게 이점을 제공하기 위해 사용자가 실제 동물 데이터에 적어도 부분적으로 기초하여 인공적으로 생성된 동물 데이터 유형(예: "에너지 수준")을 구매할 수 있다. 다른 예에서, 게임 내 인공 데이터는 동물 데이터에서 유도되거나 적어도 하나의 특성을 동물 데이터와 공유하며, 하나 이상의 시뮬레이션에서 유도될 수 있는 하나 이상의 특수 능력을 게임 내의 하나 이상의 대상체에 제공할 수도 있다. 다른 개선예에서, 비디오 게임 또는 게임 기반 시스템에 그들의 동물 데이터 및/또는 그 하나 이상의 파생물의 적어도 일부를 제공하는 한 명 이상의 개체는 해당 데이터를 제공하는 대신 고려를 받을 수 있다. 예를 들어, 스타 테니스 선수는 자신의 생물학적 데이터를 비디오 게임 회사에 제공하여 게임 사용자가 해당 스타 테니스 선수의 가상 표현으로서 또는 그에 대항하여 플레이할 수 있도록 할 수 있다. 이러한 상황에서, 사용자는 데이터 또는 그 파생물(예: 실제 동물 데이터의 적어도 일부를 기반으로 생성된 인공 데이터)에 대한 액세스에 대해 비디오 게임 회사에 요금을 지불할 수 있으며, 그 중 일부는 스타 테니스 선수. 또는 비디오 게임 회사는 게임 내 데이터 사용에 대해 선수에게 라이선스 비용을 지불하거나 기타 고려(예: 게임 판매 또는 판매된 데이터 관련 제품의 비율)를 제공할 수 있다. 다른 예에서, 비디오 게임 회사는 게임 자체에 (예를 들어, 사용자와 스타 테니스 선수 사이에) 하나 이상의 배팅/도박을 하거나 게임 내에서 제안 베팅(예를 들어, 게임 내 다양한 양태에 기초한 마이크로 배팅)을 가능하게 할 수 있다). 개선예에서, 하나 이상의 제안 베팅은 동물 데이터 및/또는 그 하나 이상의 파생물(시뮬레이션 데이터 포함)의 적어도 일부를 기반으로 한다. 이러한 상황에서, 사용자 및/또는 스타 테니스 선수는 각각의 베팅, 총 베팅 수 및/또는 데이터의 적어도 일 부분을 기초로 하여 생성되고 제공되고, 및/또는 판매된 하나 이상의 제품으로부터 고려의 일 부분을 받을 수 있다.
본 발명이 시뮬레이션 데이터를 사용하기 위한 임의의 특정 애플리케이션으로 제한되지는 않지만, 이러한 데이터는 센서, 알고리즘 및/또는 다양한 가설을 테스트, 변경 및/또는 수정하기 위한 기준선 또는 입력으로 사용될 수 있다. 이 인공 데이터는 훈련에서 성능 향상에 이르는 시뮬레이션 시나리오를 실행하는 데 사용할 수 있다. 실제 데이터를 기반으로 한 인공 데이터를 사용하는 잠재적인 이유는 실제 데이터보다 인공 데이터의 비용이 훨씬 낮을 수 있기 때문이다. 실제 데이터는 하나 이상의 특정 권한을 가질 수 있는 반면 실제 데이터의 패턴과 지식을 기반으로 하는 인공 데이터는 권한이 없을 수 있으므로(예: 구매) 훨씬 저렴한 비용으로 취득(예: 구매)할 수 있다. 또한, 하나 이상의 시뮬레이션에서 생성된 데이터는 실제 데이터의 문제/패턴을 식별하기 위한 제어 세트, 추가 시뮬레이션의 입력 또는 인공 지능 또는 테스트 세트, 훈련 세트 또는 식별 가능한 패턴이 있는 세트로서 기계 학습 모델에 대한 입력을 포함하여 광범위한 사용 사례에 사용할 수 있다. 예를 들어, 특정 개체의 실제 데이터를 기반으로 생성된 데이터 세트는 피로 또는 빠른 심박수 변화와 같은 특성에 해당하는 데이터 편차를 도입하기 위해 이 시스템을 사용하여 수정할 수 있다. 이 수정된 데이터를 사용하여 시뮬레이션을 실행하여 개체가 높은 스트레스 상황이나 특정 환경 조건(예: 높은 고도, 높은 코트 온도)에서 어떻게 수행하는지 확인할 수 있다. 이러한 시뮬레이션은 피트니스 애플리케이션, 보험 애플리케이션 등에 특히 유용할 수 있다. 인간(예: 운동선수) 또는 기타 동물의 경우, 시스템은 생물학적 지표(예: 심박수, 호흡, 위치 데이터, 생체역학 데이터)와 발생 가능성(예: 특정 경기 승리)을 설정한다. 이 상황에서, 수익화 시스템은 특정 조건부 시나리오(예: "가정(what-if)" 시나리오 및 가능한 결과)의 확률을 계산할 수 있다.
상술한 바와 같이, 중개 서버는 동물 데이터를 미가공 형태(raw form) 또는 가공된 형태로 수신한다. 이와 관련하여, 중개 서버는 동물 데이터에 대해 하나 이상의 행위를 취할 수 있다. 예를 들어, 중개 서버는 동물 데이터를 정규화하고, 타임 스탬프를 동물 데이터와 연결하고, 동물 데이터를 합계하고, 동물 데이터에 태그를 적용하고, 데이터, 동물 데이터 조작, 동물 데이터 노이즈 제거, 동물 데이터 향상, 동물 데이터 구성, 동물 데이터 분석, 동물 데이터 합성, 동물 데이터 복제, 동물 데이터 요약, 동물 데이터 익명화, 동물 시각화 데이터, 동물 데이터 동기화, 동물 데이터 표시, 동물 데이터 배포, 동물 데이터에 대한 부기(bookkeeping) 수행 및 이들의 조합을 포함한다.
다른 실시예에서, 시스템은 센서 또는 연결된 장치의 정확성, 일관성 및 신뢰성을 테스트, 설정 및/또는 검증하기 위한 도구로서 활용될 수 있다. 유사한 라벨이 지정된 출력(예: 심박수)을 생성하는 센서는 출력을 도출하기 위해 다른 구성요소(예: 하드웨어, 알고리즘)를 사용한다. 이는 예를 들어 한 장치의 심박수와 같은 출력이 다른 장치의 심박수와 같지 않을 수 있음을 의미한다. 데이터 정규화 및/또는 동기화를 포함하여 기본 애플리케이션을 우회하고 데이터에 대한 행위를 취하는 시스템의 기능은 사용자가 원하는 경우 상대적인 "사과-대-사과(apples-to-apples)" 비교를 수행하고 각 센서 출력 및 데이터(예: 데이터가 획득된 활동)에 대한 맥락을 제공하고 다른 변수(예: 전송)를 제거하면서 각 출력(예: 원시 데이터, 처리된 데이터)을 도출하는 해당 하드웨어/펌웨어 및 알고리즘 - 관련, 소프트웨어 관련) 출력에 영향을 줄 수 있다. 각각의 센서 또는 연결된 장치 하드웨어, 알고리즘 또는 출력을 공정하게(예: 지정된 표준에 대해) 테스트 및 비교하면 정량화 가능한 결과가 보장된다. 각각의 감지 유형 및 해당 구성 요소에 대해 정량화된 결과를 얻을 수 있는 기능을 통해 사용자는 주요 센서를 제거하면서 주어진 요구 사항 또는 사용 사례(예: 활동)에 따라 주어진 그룹의 참가자에 대한 특정 센서 및/또는 알고리즘을 선택할 수 있는 반면, 일반적으로 다르거나 열등한 하드웨어 구성 요소(예: "동일한(same)" 출력을 캡처하는 다른 센서) 또는 다른 알고리즘을 사용하는 연구에서 발견되는 중요 센서(key sensor)-관련 변수를 제거한다. 이 프로세스는 결과에 영향을 줄 수 있는 잠재적인 변수를 제거하고 사용자의 데이터 신뢰를 보장한다. 마찬가지로, 획득자에게 하나 이상의 센서를 선택하고 주어진 출력에 프리미엄 값(premium value)은 부여하는 정량화 가능한 방법을 제공한다. 또한 시스템이 주어진 출력에 프리미엄 값을 부여할 수 있다.
수익화 시스템의 또 다른 양태는 동물 데이터에 대한 고려의 징수이다. 동물 데이터를 사용자에게 전송하면 중개 서버는 제공된 동물 데이터에 대한 고려의 획득을 모니터링 및/또는 기록한다. 고려의 징수는 거래가 발생함과 동시에 또는 나중에 발생할 수 있다. 개선예에서, 획득은 획득자에게 데이터를 보내기 전에 발생할 수 있다. 유리하게는, 동물 데이터는 동물 데이터의 판매 또는 획득을 위해 시장 또는 다른 매체에서 제공될 수 있다. 일반적으로 데이터 획득자(예: 구매자)는 데이터 공급자가 생성하는 가격 또는 가치로 구매하거나 획득된다. 시장은 다양한 특성(예: 나이, 키, 체중, 머리 색깔, 눈 색깔, 피부색 등)을 가진 모든 유형의 개체의 데이터로 채워질 수 있으며 기존의 질병(예: 당뇨병, 고혈압, 신장 질환)이 있거나 전혀 없을 수 있고, 모든 위치(예: 지구, 우주)에서, 상상할 수 있는 활동을 수행하는 데이터를 획득하는 모든 유형의 센서를 사용한다. 개선예에서, 수익화 시스템은 데이터 획득자의 검색 결과와 같은 것으로부터 결정되는 예상 수요를 기반으로 시장에서 필요한 데이터 유형을 규정하고 데이터 제공자가 특정 데이터를 제공하도록 요청을 생성할 수 있으며, 데이터가 판매되면 수수료를 받게 된다. 또 다른 개선예에서, 데이터 획득자는 하나 이상의 개체의 기준, 하나 이상의 위치, 하나 이상의 센서, 하나 이상의 활동, 및 하나 이상의 활동의 비디오가 필요한지 여부를 정의하고 설정할 수 있고 데이터 공급자가 수락하거나 거부할 데이터 가격에 대한 가격을 설정한다. 시장은 데이터 획득자가 실시간으로 또는 데이터 획득자가 설정한 기한 내에 제안을 수락한 데이터 제공자로부터 데이터를 획득할 수 있도록 한다. 예를 들어, 센서 제조업체가 n명의 개체로부터 데이터를 획득하기를 원하고 센서 제조업체가 해당 개체가 특정 지침(예: 활동 또는 움직임)을 따르기를 원하는 경우, 센서 제조업체는 화상 회의를 시작하여 각 개체에게 무엇을 해야 하는지 보여줄 수 있다(예: 라이브 또는 지연 기반). 유리하게는, 이 프로세스는 데이터 획득자가 전체 데이터 세트가 획득될 때까지 기다리는 대신 각각의 개체가 획득하는 데이터가 실제로 실행 가능한 데이터인지 여부를 결정하기 위해 수익화 시스템의 인공 지능 및 기계 학습 기능을 활용할 수 있다. 예를 들어, 센서 제조사가 실시간 데이터가 필요하지 않고 데이터 획득 방법을 설명할 필요도 없다면, 개별 데이터 제공자는 기한 내에 원하는 시간에 데이터를 획득하고 수익화 시스템을 통해 업로드할 수 있다. 시장은 또한 데이터 획득자가 각 개체의 데이터 획득 품질, 수용 정도, 신뢰성, 적시성, 센서나 하드웨어, 기타 속성 반환에 대한 근면 등을 평가할 수 있는 피드백 메커니즘을 통합할 것이다. 피드백 평가의 일부 구성 요소는 데이터 제출의 적시성과 같이 해당되는 경우 수익화 시스템에 의해 결정된다.
변형예에서, 데이터 획득자는 동물 데이터에 대한 가격 또는 가치를 설정하거나 동물 데이터를 획득하기 위해 하나 이상의 입찰(bid)을 할 수 있다. 다른 변형예에서, 수익화 시스템은 하나 이상의 변수(예를 들어, 시간, 수요, 희소성, 데이터가 유도된 센서, 수량)에 기초하여 동물 데이터의 가치를 적어도 부분적으로 결정한다. 추가 개선예에서, 데이터 획득자는 데이터 획득자가 요청한 하나 이상의 특성(예: 특정 개별적 속성, 데이터 유형, 사용된 감지 유형)을 갖는 한 명 또는 그 추가의 대상체로부터의 데이터를 위한 하나 이상의 요청/입찰을 할 수 있다. 데이터 획득자는 요청에 따라 한 명 이상의 주체의 신원을 알 수도 모를 수도 있다. 또 다른 개선예에서, 데이터 제공자는 데이터 획득자의 데이터 요청에 입찰할 수 있다.
도 2 내지 도 17은 전용 프로그램 또는 컴퓨팅 디바이스(예를 들어, 스마트 디바이스) 애플리케이션을 위한 웹 페이지 또는 윈도우에 배치될 수 있는 도 1의 수익화 시스템의 기능을 도시한다. 도 2는 사용자(예를 들어, 데이터 획득자, 데이터 제공자)가 위에 설명된 수익화 시스템과 상호작용할 수 있는 윈도우(100)의 예시를 제공한다. "윈도우(window)"라는 용어는 프로그램 또는 컴퓨팅 디바이스(예: 전화, 태블릿 등) 애플리케이션에 대한 웹 페이지 및/또는 윈도우를 나타내는 데 사용된다. 윈도우(100)는 사용자가 데이터 제공자로 식별하기 위해 선택되는 제어 요소(102) 또는 사용자가 데이터 획득자로 식별하기 위해 선택되는 제어 요소(104)를 포함한다. 제어 요소(102, 104) 각각은 "버튼(button)"으로 도시되어 있다. 도 2 내지 도 17에 도시된 제어 요소 각각에 대해, 선택 박스, 드롭다운 목록, 버튼 등과 같은 제어 요소가 상호 교환 가능하게 사용될 수 있음을 이해해야 한다. 개선예에서, 하나 이상의 제어 요소는 음성 활성화 어시스턴트를 사용하여 명령을 전달하는 것, 물리적 제스처(예를 들어, 손가락 스와이프 또는 눈의 움직임)로 명령을 전달하거나 신경학적으로 명령을 전달하는 것을 포함하는 하나 이상의 언어적, 신경학적, 물리적 또는 기타 통신 단서로 대체될 수 있다(예: 뇌-컴퓨터 인터페이스와 같은 컴퓨팅 디바이스는 뉴런에서 대상체의 뇌 신호 중 하나 이상를 획득하고, 하나 이상의 뇌 신호를 분석하고, 하나 이상의 뇌 신호를 원하는 동작을 수행하기 위해 출력 디바이스로 릴레이되는 명령으로 번역할 수 있다. 뇌 신호의 획득은 대상체의 뇌에 이식될 수 있는 하나 이상의 센서를 포함하는 다양한 메커니즘을 통해 발생할 수 있다. 이는 수익화 시스템에 액세스하는 데 필요한 로그인 자격 증명과 같은 요소에도 적용될 수 있다. 데이터 제공자와 데이터 구매자는 각각 독립적으로 한 명 이상의 개체 또는 한 명 이상의 개체나 단체를 대표하는 개체(예: 개인) 또는 법인(예: 회사, 조직 또는 그룹의 관리자)일 수 있다. 윈도우(100)는 또한 사용자가 논-라이브 데이터(예를 들어, 이전에 획득됨)를 선택할 수 있는 선택 박스(106) 또는 사용자가 라이브 데이터를 선택할 수 있는 선택 박스(108)를 포함한다. 라이브 데이터에는 실시간, 거의 실시간으로 획득되는 데이터가 포함되거나, 활동/이벤트 또는 활동/이벤트의 지속이 계속 발생하는 동안 획득되는 데이터를 사용할 수 있는 시간대에 획득되는 데이터가 포함된다. 개선예에서, 선택 박스(108)는 또한 사용자가 논-라이브 데이터의 적어도 일부를 검색하고 획득하는 것을 가능하게 할 수 있다.
도 3a는 도 2의 제어 요소(102)의 선택이 이루어진 후에 데이터 제공자에게 제공되는 윈도우의 예시를 제공한다. 도 3a 이전에는 로그인 자격 증명이 제공될 수 있다. 윈도우(110)는 개체를 위한 초기 설정 페이지이다. 윈도우(110)는 데이터 작성자 또는 관리자/매니저(예: 사용자)가 주체의 다양한 개별 속성을 입력할 수 있는 섹션(112)을 포함한다. 인간의 경우에는, 나이, 키, 개체의 이력, 소셜 습관 등이 포함된다. 시스템에서 제공하는 하나 이상의 필드는 사용자(예: 데이터 제공자)가 추가 정보를 제공하여 데이터 획득자에 대한 보다 표적화된 검색(예: 혈액형)을 생성하기를 원하는 경우 추가될 수 있다. 사용자의 하나 이상의 사진 또는 시각적 표현이 또한 업로드되어 버튼(127)을 통해 이용 가능하게 될 수 있다. 윈도우(110)는 또한 의료 이력 정보를 입력하기 위한 섹션(114), 복약 이력을 입력하기 위한 섹션(115), 및 가족 이력을 입력하기 위한 섹션(116)을 포함한다. 예제 필드는 잠재적인 입력 매개변수의 샘플 목록만 제공한다. 다른 유형의 개인 정보는 개체 이력(예: 수술, 골절, 학대, 기타 질병), 개체와 관련된 유전/유전체 정보를 포함한 보다 세분화된 데이터(예: 개체의 DNA 서열, 단백질 서열 및 구조, RNA 서열 및 구조, 유전자 발현 프로파일, 유전자-유전자 상호작용, DNA-단백질 상호작용, DNA 메틸화 프로파일) 등을 포함하거나 이들을 포함하여 업로딩될 수 있다. 사용자는 또한 하나 이상의 센서를 사용하여 획득될 수 있고 혈액(예: 정맥, 모세혈관), 타액, 소변 등에서 유도된 정보를 포함할 수 있는 생물학적 유체 데이터와 같은 추가 개체 정보를 업로드할 수 있다. 하나 이상의 획득된 데이터 유형은 시스템에서 생성한 하나 이상의 검색 가능한 매개변수일 수 있다. 개선예에서, 하나 이상의 유형의 생물학적 유체 데이터는 하나 이상의 테스트 또는 패널(예: 전체 혈구 수, 포괄적인 대사 패널, 신장 기능 패널, 전해질 패널, 기본 대사 패널, 간염 패널 등) 및 검사 범주(예: 에스트라디올 수치, 프로락틴 수치, 프로게스테론 수치, DHEA-황산염 수치 및 난포 자극 호르몬 수치와 관련된 정보는 여성 생식 건강 검사의 일부로 분류될 수 있음)에 관련된 그룹을 포함하는 하나 이상의 그룹을 조합될 수 있어 보다 효율적인 검색 및 데이터 획득 매개변수를 활성화한다. 이는 예를 들어 획득자가 동일한 데이터 입력을 사용하는 하나 이상의 대상체에 걸쳐 하나 이상의 생물학적 구성 요소 또는 기능(예: 간 및 신장 건강)을 검사하는 데 관심이 있는 경우에 유용할 수 있다. 다른 개선예에서, 수익화 시스템은 데이터 내의 변동에 기초하여 (예를 들어, 하나 이상의 그룹의 생성을 포함하는) 하나 이상의 검색 기능을 가능하게 하도록 작동 가능할 수 있다. 예를 들어 획득자는 특정 생물학적 특성(예: 혈당 수준 100mg/dL 미만, 칼륨 수준 5.1mEq/L~6.0mEq/L를 보여주는 개체, 혈액 1마이크로리터당 적혈구 수가 490~580만 세포 범위인 남성)에 대한 검색 능력을 가질 수 있다. 다른 획득된 동물 데이터와 유사하게, 생체액 정보는 획득자가 데이터 세트와 관련된 보완 정보로 획득하는 데 관심이 있는 정보(예: 백혈구 또는 적혈구 수가 낮은 개체의 ECG 데이터를 원하는 획득자와 같이, 심장 기반 데이터를 획득하는 개인은 매개변수로 개체로부터의 생체액 관련 데이터를 사용하고자 할 수 있음) 또는 데이터 자체(예를 들어, 하나 이상의 센서로부터 모이고 하나 이상의 데이터 세트로서 생물학적 유체로부터 유도되는 원시 또는 처리 정보)일 수 있다. 다른 개선예에서, 사용자는 실제 생물학적 동물 데이터(예를 들어, 컴퓨터 비전 데이터)와 적어도 하나의 특성을 공유하는 인공 데이터를 업로드할 수 있다.
도 3a는 시스템이 제공할 수 있는 잠재적인 개체 매개변수의 샘플만을 표시하며, 그 중 적어도 일부는 조정 가능한 매개변수일 수 있고 시스템에 의해 하나 이상의 검색 가능한 매개변수로 추가될 수 있다. 제어 요소(119)는 수익화 시스템에 제공된 정보(예를 들어, 개체 정보, 센서 정보, 활동 정보, 데이터 정보)에 기초하여 사용자가 가입하기 위한 하나 이상의 추천 그룹을 제공한다. 마지막으로, 제어 요소(118)는 윈도우(110)에 제공된 데이터를 이전에 생성된 데이터와 연관시키기 위해 하나 이상의 용어(예를 들어, 그룹 이름, 하나 이상의 개체 또는 센서 특성, 센서 데이터가 획득되는 활동)를 검색하는 데 사용될 수 있으며, 반면에 제어 요소(120)는 새 그룹을 생성하는 데 사용된다. 개선예에서, 하나 이상의 그룹은 입력된 데이터를 기반으로 시스템에 의해 개체의 프로필에 자동으로 할당되거나 연결된다. 도 3b는 윈도우(110)에 입력된 데이터 및 행해진 선택과 관련하여 생성된 태그(124)의 목록(122)을 도시한다. 각각의 특성이 입력되면, 도 3b에 도시된 바와 같이 시스템(오른쪽에 위치한 열)에 의해 태그가 생성된다. 이러한 태그는 데이터 입력을 기반으로 정확히 일치하거나(예: 대상체가 남성인 경우 "남성(male)") 추론을 기반으로 생성되거나 분류를 생성하여 데이터 획득자가 원하는 매개변수를 기반으로 데이터를 보다 쉽게 검색할 수 있다. 예를 들어, 사용자가 일주일에 20-40개비의 담배를 피우는 경우, 수익화 시스템은 "소셜 흡연자(social smoker)"라는 태그를 생성할 수 있다(그리고, 20-40개비의 담배가 사회적으로 고려된다는 수익화 시스템의 결정이다). 태그는 데이터 획득자의 요청 또는 기타 고려 상황에 따라 소급적으로 또는 동적으로 생성될 수도 있다(예: 검색 증가에 따른 수요로 인해 이전에 획득된 데이터에 대해 새로운 태그가 생성될 수 있음). 사용자는 그룹에 자신을 추가하거나 개체에 대한 추가 태그를 생성할 그룹을 생성할 수도 있다. 이러한 그룹은 다양한 연결 특성 또는 지표를 나타낼 수 있다. 예를 들어 그룹은 개체가 연결된 팀이 될 수 있다. 그룹은 데이터를 보다 정확하게 획득하기 위해 특정 프로세스 및 방법론을 활용하는 두 명 또는 그 초과의 사람들일 수 있다(다른 데이터 획득 프로세스 및 방법론보다 더 많은 가치가 있는 것으로 간주될 수 있음). 후자의 예시 그룹과의 연결은 데이터 획득자가 그룹의 특정 프로세스 및 방법론을 활용하여 데이터를 획득하려는 경우 이 그룹과 연결된 하나 이상의 데이터 세트가 데이터 획득자에게 더 많은 가치를 갖는다는 것을 의미할 수 있다. 개선예에서, 시스템은 하나 이상의 인공 지능 기술을 활용하여 자동으로 임의의 개체 또는 데이터 세트에 하나 이상의 연관(예: 태그, 그룹)을 할당할 수 있다. 다른 개선예에서, 수익화 시스템은 임의의 주어진 사용자에게 하나 이상의 그룹을 할당하는 사용자의 능력을 거부하도록 프로그래밍될 수 있다.
도 4는 센서 정보를 제공하는 윈도우의 예시이다. 도 3a의 윈도우(110)는 상단에 "마이 센서(My Sensor)"로 라벨링된 제어 요소(126)를 포함한다. 제어 요소(126)의 작동은 사용자의 활성 센서(132)(예를 들어, 데이터 획득에 사용되는 센서)를 보여주는 페이지(130)가 표시되게 하고 사용자가 센서 설정/매개변수(134)를 볼 수 있게 한다. 일부 경우에, 사용자는 수익화 플랫폼이 하나 이상의 센서와 직접 통신할 수 있도록 하여 플랫폼 내의 하나 이상의 센서에 대한 하나 이상의 센서 설정을 변경하는 기능을 가질 것이다. 제어 요소(133)는 추가될 사용자로부터 데이터를 획득하는 하나 이상의 새로운 센서를 가능하게 한다. 센서 추가는 여러 가지 방법으로 발생할 수 있다. 예를 들어, 제어 요소(133)를 클릭함으로써, 수익화 시스템은 하나 이상의 새로운 센서에 대한 스캐닝, 감지, 추가 및/또는 페어링을 포함할 수 있는 하나 이상의 액션을 취하도록 프로그래밍될 수 있을 뿐만 아니라 하나 이상의 새로운 센서를 개체에게 할당할 수 있다. 그러나, 본 발명은 장치가 추가될 수 있는 방식에 의해 제한되지 않는다.
도 5는 사용자가 자신의 데이터를 관리하기 위한 윈도우의 예시이며, 도 5내의 데이터를 캡처하는 데 사용된 하나 이상의 센서, 상기 하나 이상의 센서를 통해 수익화 시스템에 의해 획득된 관련 측정 기준, 획득된 데이터와 관련된 메타데이터, 판매를 위해 이용 가능할 수 있는 하나 이상의 데이터 유형, 및 선택된 센서 또는 데이터 세트에서 임의의 데이터 유형에 대한 가격을 설정할 수 있는 사용자의 능력을 포함한다. 도 3a의 "내 데이터(My Data)"로 라벨링된 제어 요소(136)의 작동은 활성인 센서 및 센서에 의해 획득되는 관련 측정 기준을 보여주는 윈도우(140)를 표시한다. 사용자가 여러 사용자의 매니저인 경우, 관리 사용자는 한 명 이상의 관리 사용자와 관련된 표시 정보를 선택할 수 있다. 개선예에서, 윈도우(140)는 또한 판매를 위해 이용가능하게 만들어질 수 있는 활성이 아닌 센서로부터의 데이터를 포함할 수 있다. 도 5는 또한 판매를 위해 이용가능하게 될 수 있는 추가 데이터(141)를 도시한다. 데이터(141)는 센서로부터 유도되고 수익화 시스템에 의해 캡처되거나 요소(127)를 통해 업로드되고 데이터 제공자가 획득할 수 있는 데이터를 포함할 수 있다. 윈도우(140)는 또한 ID, 타임 스탬프, 센서 설정 등을 포함하는 관련 데이터 특성으로 획득된 데이터 레코드(142)를 보여준다. 사용자는 또한 센서 및 데이터 유형을 포함한 하나 이상의 매개변수로 사용자가 데이터에 대해 청구할 획득 비용(예: 가격)을 생성할 수 있다. 개선예에서 사용자는 시간, 데이터가 획득된 활동(예: 사용자를 위한 특정 활동에 참여하는 비용이 데이터 비용을 증가시킬 수 있음)을 포함한 모든 매개변수를 기반으로 데이터 획득 비용, 등을 생성할 수 있다. 사용자는 윈도우(140)에서 매개변수를 설정할 수 있다. 고려 값은 요소(135)를 통해 사용자에 의해 설정될 수 있다. 개선예에서, 요소(135)는 사용자가 보다 세분화된 정보(예를 들어, 활동을 통한 가치 창출)를 기초로 한 값을 설정하는 것을 가능하게 하는 하나 이상의 필드를 포함할 수 있다. 예를 들어, 사용자는 동일한 센서를 사용하는 다른 활동(예: 수면)에 비해 하나의 활동(예: 1시간 동안 요가 참여)에 대해 더 높은 값을 설정할 수 있다. 또한 사용자는 자신의 데이터에 자신의 ID를 첨부하거나 익명으로 제공할지 여부를 선택할 수 있다. 선택된 데이터(135)에 대한 요금을 설정하고 제어 요소(129)를 선택한 후, 사용자가 설정한 획득 조건이 표시된다(131). 사용자가 설정한 획득 조건은 제어 요소(137)를 선택하여 언제든지 조정되거나 편집될 수 있다. 개선예에서, 사용자는 데이터에 더 많은 가치를 추가하기 위해 데이터에 하나 이상의 보조 항목을 첨부할 수도 있다. 예를 들어, 사용자가 데이터가 획득된 활동의 비디오를 가지고 있는 경우, 비디오는 업로드되고 왼쪽의 선택 요소(144)(예: 선택 박스)를 클릭하고 "미디어 업로드(Upload Media)"라고 표시된 제어 요소(146)에서 클릭함으로써 임의의 특정 데이터 세트에 업로딩되고 관련될 수 있다. 유사하게, 사용자의 신체에 있는 하나 이상의 센서의 하나 이상의 사진 또는 데이터와 관련된 다른 미디어도 업로드될 수 있다. 데이터가 획득되는 환경(예: 습도, 온도, 고도) 또는 데이터에 영향을 미칠 수 있는 기타 조건(예: 피부색/ 특정 광학 센서의 문신)이 알려진 경우 해당 정보도 추가될 수 있으며, 시스템은 데이터 세트를 함께 연결하기 위해 수집된 데이터 세트(예: 타임 스탬프, 위치) 사이의 하나 이상의 공통 특성을 식별하도록 작동 가능하다. 개선예에서, 획득된 센서 데이터에 맥락 또는 값을 제공할 수 있는 사용자 또는 사용자 그룹과 관련된 소셜 데이터 또는 다른 형태의 데이터가 업로드될 수 있다. 다른 개선예에서, 시스템에 의해 동적으로 할당될 수 있는 데이터와 연관된 하나 이상의 태그에 기초하여 프리미엄이 하나 이상의 데이터 세트에 적용될 수 있다. 예를 들어, 개체의 심박수 데이터가 특정 스포츠 리그와 연결되어 있거나 개체가 보다 정확한 데이터를 획득할 수 있는 프로세스를 사용하여 데이터를 획득하는 특정 그룹과 연결되어 있는 경우 시스템은 프리미엄 값을 하나 이상의 요청된 데이터 세트로 할당할 수 있다. 프리미엄 값의 할당은 하나 이상의 요인에 따라 동적으로 발생할 수 있다(예: 데이터 세트에 프리미엄 값이 할당되는 나중에 새로운 그룹이 생성되고, 원래 프리미엄 값이 없었던 데이터 세트는 이제 프리미엄 값을 갖도록 데이터 세트에 대한 요구가 시간이 지남에 따르 증가하였다). 일부 경우에, 프리미엄은 영역(131)에서 사용자가 볼 수 있을 수 있다. 다른 경우에, 프리미엄은 사용자에게 표시되지 않을 수 있다(예를 들어, 프리미엄이 사용자에게 할당되지 않은 경우 또는 프리미엄이 동적으로 추후 배정). 다른 개선예에서, 하나 초과의 프리미엄이 임의의 주어진 데이터 세트에 적용되거나 연관될 수 있다. 동시에 또는 다른 시간에 발생할 수 있는 하나 이상의 태그 또는 시스템에 의해 생성되거나 결정된 고려에 기초하여 영역(131)의 주어진 데이터 세트에 다중 프리미엄이 연관될 수 있다(예: 프리미엄은 나중에 증가된 요구를 포함하는 동적 요인 및 관련된 프리미엄 가치를 갖는 나중에 동적으로 또는 자동으로 생성된 태그를 기초로 하여 나중에 할당될 수 있음).
도 6은 임의의 주어진 데이터 세트와 하나 이상의 양상을 수정하는 능력뿐만 아니라 임의의 주어진 수집된 데이터 세트와 관련된 추가 세부사항을 제공하는 윈도우를 도시한다. 사용자가 데이터의 보다 세분화된 보기를 원하면, 도 5의 제어 요소(148)의 작동으로 인해 도 6의 윈도우(150)가 표시된다. 사용자가 여러 사용자의 관리자인 경우, 관리 사용자는 한 명 이상의 관리 대상체 사용자 또는 데이터의 다른 특성뿐만 아니라 한 명 이상의 관리 대상체 사용자와 관련된 표시 정보를 선택할 수 있다. 도 6은 개별 데이터 제공자(예: 사용자)가 획득한 데이터의 세부 정보를 보여준다. 윈도우(150)는 감지 유형, 센서의 위치, 샘플링 속도, 측정되는 대상체의 활동, 센서 출력 및 품질 평가를 나열한다는 것을 이해해야 한다. 도 6에는 시스템이 제공할 수 있는 잠재적 정보의 샘플만 표시되어 있으며 모두 조정 가능한 매개변수라는 점에 주목하자. 일부 경우에, 시스템은 센서 또는 획득된 데이터와 관련된 추가 정보(예: 메타데이터, 메모)가 주어진 데이터 획득의 부분으로서 이용 가능할 수 있는, 요소(152)를 통해 시스템에 입력되면 추가될 수 있도록 프로그래밍될 수 있다. 또한, 시스템은 사용자 또는 관리자(예: 데이터 매니저)에 의해 편집될 수 있는 메타데이터와 관련된 하나 이상의 세부사항을 식별하도록 프로그래밍될 수 있다. 예를 들어, 관리자는 작동 요소(154)를 통해 특정 유형의 설명 정보(예: 활동)를 편집하거나 추가하는 능력을 가질 수 있다. 이 기능은 사용자 또는 데이터 세트에 따라 제거 또는 추가되거나 제공된 메타데이터를 기반으로 수익화 시스템에 의해 차단 또는 활성화될 수 있다. 또한, 사용자는 추가 그룹 태그를 특정 데이터 세트에 할당하거나 사용자가 데이터를 추가로 분류하고 태그를 지정할 수 있기를 원하는 경우 수익화 시스템에서 권장 그룹 태그를 수신할 수 있다. 개선예에서, 수익화 시스템은 하나 이상의 그룹을 임의의 주어진 데이터 세트에 할당하는 사용자의 능력을 거부하도록 프로그래밍될 수 있다(예: 사용자가 프로필에 적합하지 않거나 획득된 데이터가 수익화 시스템 또는 관리자가 결정한 하나 이상의 그룹의 요건을 충족하지 않는다). 수익화 시스템은 데이터 제공자의 입력을 요구하지 않고 데이터에 자동으로 태그를 할당할 수도 있다. 예를 들어, 메타데이터를 살펴봄으로써, 수익화 시스템은 동일한 시간에 동일한 조건에서 함께 획득된 데이터 그룹을 식별하도록 작동할 수 있다.
도 7은 사용자(이 예에서는 존 도우(John Doe))를 대신하여 시스템에 의해 획득된 고려의 요약 페이지이다. 도 3a의 "마이 지갑(My Wallet)"으로 라벨링된 제어 요소(125)의 작동은 임의의 개별 데이터 제공자를 위해 획득된 수수료를 표시하는 요약 페이지를 제공하는 윈도우(160)을 표시한다. 각각의 데이터 세트에 대한 데이터와 관련된 하나 이상의 태그를 기반으로 시스템에 의해 배치된 하나 이상의 프리미엄 값을 포함할 수 있는 총 구매 가격은 획득된 수수료와 다를 수 있는데, 이는 수령한 고려 또는 총 구매 가격이 하나 이상의 추가 당사자(예: 센서 제조업체, 분석 회사)에 배포될 수 있기 때문이다. 요약 페이지 160에 설명된 바와 같이, 데이터의 개별 제공자/생성자 또는 그룹 관리자를 포함하여 여러 이해 관계자가 단일 거래에 대해 어떤 형태의 수익을 요구할 수 있다. 이 페이지는 단순히 각각의 데이터 제공자가 받는 수수료를 표시한다. 또한 개체가 동일한 데이터 세트를 여러 사용자에게 다른 구매 가격과 다른 시간에 판매할 수 있음을 이해해야 한다. 수익화 시스템은 또한 구매자에게 데이터를 독점적으로 구매하거나 구매자의 특정 용도에 대한 사용자 지정 매개변수 또는 제한(예: 영토 권한, 사용 권한)을 설정할 수 있는 기능을 제공한다.
도 8은 데이터 획득자가 논-라이브 데이터(예를 들어, 이력 데이터 세트)를 요청할 때의 시나리오를 예시한다. 라이브 및 논-라이브 데이터의 데이터 획득자는 금융 거래 회사, 스포츠 팀, 스포츠 방송사, 스포츠 베팅 관련 조직, 지방 자치 단체(예: 경찰, 소방관), 병원, 의료 서비스 기업, 보험회사, 제조회사, 항공회사, 운송회사, 제약회사, 군수단체, 정부기관, 자동차회사, 통신회사, 식음료회사, ICT단체, 노인요양기관, 건설회사, 연구기관, 석유가스 회사, 개체 건강 회사, 분석 조직, 기타 기술 회사, 개체 등을 포함한 광범위한 프로필로 대표될 수 있다. 데이터 획득자는 사용자가 데이터 획득자임을 나타내는 제어 요소(104) 및 논-라이브 데이터 구매에 대한 관심을 나타내는 도 2의 윈도우(100)에서 선택 박스(106)를 선택하면, 검색 윈도우(180)는 도 8에 설명된 바와 같이 표시되며, 이는 하나 이상의 획득자를 식별하기 위해 로그인 자격 증명에 대한 요청이 선행된다. 검색 윈도우(180)로부터, 데이터 획득자는 획득을 위한 하나 이상의 데이터 유형을 선택할 수 있다. 도 8에는 시스템이 제공할 수 있는 잠재적 검색 매개변수의 샘플만 표시되어 있으며 모두 조정 가능한 매개변라는 점에 주목하자. 매개변수는 초기에 수익화 시스템에 의해 획득된 데이터를 기반으로 채워질 수 있으며, 여기에는 도 3a에서 사용자가 제공한 정보, 하나 이상의 센서에서 제공한 정보, 사용자가 업로드한 정보, 획득된 정보에서 유도된 정보, 등이 포함될 수 있다. 시스템이 획득을 위해 초기 데이터 유형을 렌더링할 수 있지만 데이터 획득자는 하나 이상의 데이터 유형을 추가할 수 있는 능력을 가질 수 있다. 특징적으로 동시에 하나 초과의 데이터 유형을 선택하여 검색할 수 있으므로, 데이터 획득자는 각각의 개별 사용자로부터 여러 유형의 데이터를 획득할 수 있다. 하나 이상의 데이터 유형을 선택한 후, 데이터 획득자는 획득자가 데이터를 획득하는 데 관심이 있는 하나 이상의 개체(들)에 대한 프로파일과 관련된 하나 이상의 매개변수를 추가하거나 선택할 수 있다. 각각의 검색은 익명화된 데이터 또는 식별 가능한 데이터(예: 특정 사람 또는 그룹과 연관될 수 있는 데이터)에 대한 획득자의 선호도에 따라 수행될 수 있다. 식별 가능한 데이터를 클릭함으로써 획득자는 선택된 사용자로부터 획득된 모든 데이터를 선택하거나 사용자 프로필 또는 그룹 내에서 데이터 세트를 검색할 수 있다. 예를 들어, 이는 특정 개체 또는 개체 그룹(예: 특정 가족, 축구팀, 특정 질병이 있는 대조군)에 대한 모든 센서 데이터를 획득하는 데 관심이 있을 수 있는 보험 회사에 유리할 수 있다. 개선예에서 획득자는 동일한 검색 내에서 익명화된 검색 결과와 사용자 식별이 가능한 검색 결과 모두에 액세스할 수 있다. 예를 들어, 임의의 주어진 매개변수에 대한 익명화된 데이터를 보고 싶어할 수 있는 사용자는 요소(184)를 통해 해당 검색에 어떤 식별 가능한 개체가 포함될 수 있는지 볼 수 있는 능력을 가질 수 있다. 또 다른 개선예에서, 시스템에 의해 획득된 동물 데이터는 하나 이상의 표적 개체에 대한 또는 하나 이상의 프로필 검색 매개변수로서 포함된다. 예를 들어, 획득자는 주어진 시간(예: 분) 동안 주어진 활동(예: 요가)을 수행하는 동안 최대 심박수인 분당 180회를 초과한 개체로부터 n개의 ECG 데이터 세트를 획득하기를 원할 수 있다. 그러한 경우에, 시스템은 데이터 획득자가 하나 이상의 동물 데이터 관련 검색 매개변수가 선택될 수 있게 하는 하나 이상의 필드를 추가할 수 있도록 작동할 수 있다.
도 8에서 선택된 각각의 매개변수는 태그가 생성되게 하고, 이는 수익화 시스템이 주어진 검색 기준과 일치하는 하나 이상의 개체 또는 데이터 세트 및 획득자가 원하는 데이터 유형을 결정하고 찾을 수 있게 한다(예: 시뮬레이션 데이터). 각각의 개별 태그가 생성될 때, 시스템은 검색 기준의 결과 수를 렌더링할 수 있으며, 여기에는 기준과 일치하는 사용자 수와 사용 가능한 데이터 세트 수가 포함될 수 있다. 검색 결과의 초기 수량을 제공한 후에는 검색 범위를 좁힐 수 있고 추가 태그가 생성되고 보다 정의된 검색 결과가 렌더링되는 방식으로 데이터를 추가로 필터링할 수 있다. 예를 들어, 수익화 플랫폼은 원하는 개체 풀 내에서 하나 이상의 특정 특성(예: 활동, 사용된 센서)을 특징으로 하는 데이터 세트를 획득한 개체를 검색하고 식별하도록 추가로 프로그래밍될 수 있다. 특징적으로, 선택된 데이터의 적어도 일부는 시뮬레이션 데이터일 수 있다. 데이터 획득자는 비용(예: 시뮬레이션 데이터가 더 저렴할 수 있음), 수량(예: 획득자가 시뮬레이션 데이터의 더 많은 데이터 세트를 얻을 수 있음), 획득 시간(예: 실제 데이터 세트보다 시뮬레이션 데이터 세트를 획득하는 것이 더 빠름), 등을 포함하는 임의의 수의 이유에 대해 시뮬레이션 데이터를 선택할 수 있다. "다음(next)"으로 표시된 제어 요소(181)는 검색 기준이 지정되고 시스템이 데이터 획득자의 요구 사항을 충족한 후에 작동된다. 개선예에서, 기계에서 생성된 인공 동물 데이터를 구매할 수 있는 옵션이 획득자에게 제공될 수 있다. 예를 들어, 획득자는 자율 주행을 위한 인공 지능 모델을 훈련하기 위해 컴퓨터 비전 데이터를 획득하기를 원할 수 있다.
일부 경우에, 데이터 획득자는 자신을 하나 이상의 그룹에 할당하는 사용자에 기초하여 검색을 수행한다. 그룹은 그룹(예: 완벽한 데이터 획득 방법을 가지고 있으므로 구매자는 해당 그룹과 관련된 사람들로부터 데이터만 구매하기를 원하는 그룹) 또는 해당 그룹의 특성(예:, 특정 질병이 있는 그룹, 팀으로 구성된 그룹, 일정 키 이상의 사람들이 포함된 그룹, 특정 강사가 이끄는 피트니스 수업)에 의해 제공된 값을 기초로 한 특별한 값을 가질 수 있다. 개선예에서 그룹은 여러 사용자의 데이터가 하나 이상의 방식으로 일관성 및/또는 유사함을 나타내기 위해 생성될 수 있다(예: 데이터가 동일한 시간, 동일한 장소 및 동일한 조건에서 캡처됨). 그룹화는 또한 센서 데이터의 하나 이상의 특성 또는 데이터와 관련된 메타데이터를 기반으로 동적으로 수익화 시스템에 의해 생성될 수 있다(예: 메타데이터는 모든 데이터가 농구 게임의 일부로 또는 그룹 요가 수업 또는 데이터 획득 수면 연구의 일부로). 그룹화 또는 기타 태그에는 시스템이 하나 이상의 데이터 세트에 할당한 하나 이상의 프리미엄 값이 있을 수도 있다. 추가 개선예에서, 수익화 시스템은 획득 프로세스, 데이터 획득 기간의 비디오 또는 이미지 제공 의지, 팔로잉 방향의 의지 및 정도, 비디오 주도 연구 세션에 참여하려는 의지 등을 포함하지만 이에 국한되지 않는 여러 기준에 대해 데이터를 제공하는 각 사용자를 평가하는 피드백 메커니즘을 가질 수 있다.
도 9는 데이터 획득자가 관심 있는 한 명 이상의 개체의 프로필로부터 유도된 하나 이상의 데이터 세트를 찾아 선택한 후에 표시되는 구매 윈도우(190)의 예시를 제공한다. 가격 또는 가치 제안은 요청된 데이터 세트의 수, 각각의 데이터 제공자가 데이터 세트에 대해 부과하는 가격 또는 관련 비용, 취득과 관련된 조건(예: 독점 또는 비독점), 및/또는 시스템에 의해 하나 이상의 데이터 세트에 부과되는 프리미엄을 포함한 하나 이상의 요소를 기반으로 시스템에 의해 생성된다. 획득 비용을 보다 미세하게 조정하기 위해 하나 이상의 추가 요소가 도 9에 포함될 수 있다. 여기에는 사용 조건(예: 라이선스 유형, 데이터 사용 방법, 데이터 사용 시기, 데이터 사용 위치), 계약 조건과 관련된 요소(예: 데이터와 관련된 지적 재산권) 등을 포함한다. 요청된 하나 이상의 데이터 세트를 제공할 수 있는 위치에 있는 여러 데이터 제공자가 있는 경우, 수익화 시스템은 하나 이상의 데이터 획득자 선호도에 따라 최상의 옵션을 표시할 수 있다(예: 데이터 획득자에 대해 가장 저렴한 옵션 강조 표시). 개선예에서, 수익화 시스템은 거래의 일부로 보조 제품, 서비스 또는 기타 가치 제공을 제공할 수 있다. 예를 들어, 수익화 시스템은 획득한 데이터에 추가하여 데이터 획득 기간의 타임스탬프가 찍힌 비디오를 구매하거나 획득하는 기능을 제공하여 획득자가 데이터가 획득된 기간 동안 사용자를 볼 수 있도록 할 수 있다. 또 다른 개선예에서, 시스템은 비디오 품질(예를 들어, 허용 가능한 비디오 대 허용되지 않는 비디오) 및 획득자에 대한 유용성(예를 들어, 데이터 획득자는 데이터 제공자가 항상 카메라를 정면으로 바라보기를 원할 수 있으며, 인공 지능 기술을 통해 수익 창출 프로그램이 이 요구 사항을 준수하는지 여부에 따라 비디오를 식별할 수 있다)을 결정하기 위하여 하나 이상의 인공 지능 또는 기계 학습 방법을 적용하고 및/또는 비디오를 미리 보는 능력을 획득자에게 제공할 수 있다. 변형예에서, 수익화는 비디오에 가치를 추가하거나 향상시키기 위해 하나 이상의 기술을 적용하여 수익화 시스템에 대한 상향 판매 기회를 생성할 수 있다. 다른 개선예에서, 획득자는 비디오 품질 및/또는 사용성을 정의하기 위해 시스템 내에서 하나 이상의 매개변수를 선택하는 능력을 가질 수 있다. 제어 요소(192)의 작동을 통해 구매가 발생하면, 수익화 시스템은 하나 이상의 상향 판매 기회를 제공할 수 있다(예를 들어, 구매한 데이터에 적용되는 분석 또는 다른 분석 도구를 가짐). 하나 이상의 상향 판매 기회(예: 분석 도구)는 내부적으로 또는 제 3자가 생성하거나 다른 시스템(예: 제 3자 분석 회사)으로 보낼 수 있는 시스템 내에 보관될 수 있다. 상향 판매, 상향 판매에 기반한 하나 이상의 추가 단계 수행(예: 시스템 내 데이터 분석) 및/또는 필요한 경우 상향 판매의 일부로 데이터를 다른 목적지(예: 분석 회사)로 전송 및 데이터 획득자에게 배포하기 위한 재 검색은 수익화 플랫폼 내에서 발생할 수 있다.
도 10은 윈도우(200)가 데이터 획득자가 데이터 세트 및 추가 데이터 관련 제공물에 대한 가격을 설정할 수 있게 하는 섹션(202)을 포함하는 예시를 제공한다. 이 시나리오에서 데이터 획득자는 도 9에서 "설정 가격(Set Price)"으로 표시된 제어 요소(194)를 작동시키며, 여기에서 획득자는 요청한 데이터 세트(예: 요청된 데이터 획득)에 대한 구매 가격을 설정할 수 있다. 획득자는 또한 도 10에 도시된 바와 같이 데이터 캡처의 타임스탬프 비디오와 같은 데이터 세트와 관련된 부가 서비스 또는 추가 기능에 대한 구매 가격을 설정할 수 있다. 데이터 획득자가 제어 요소(204)를 선택하면, 수익화 시스템은 비용이 데이터 세트당(요청된 경우 보조 서비스 포함) 얼마인지를 결정하고 데이터 공급자에게 데이터에 대해 제공되는 가격을 알릴 것이다. 데이터 제공자는 제안을 수락하거나 거부할 지정된 기간(예: n시간 또는 일)을 갖는다. 지정된 기간은 획득자 또는 시스템이 설정한 조정 가능한 매개변수이며 제안 수락 또는 거부는 시스템 내에서 또는 이후 수익화 시스템과 통신하는 제 3자 시스템(예: 이메일 애플리케이션, 모바일 플랫폼)을 통해 발생할 수 있다. 시스템은 직접 또는 간접적으로(예: 제안이 자동으로 수락되거나 거부될 수 있음) 수익화 시스템과 응답하거나 통신하지 않는 데이터 제공자 또는 데이터에 대한 최소 가격을 원하는 데이터 제공자(예:, 인수 제안이 데이터 공급자가 설정한 최소 가격 이상인 경우 수익화 시스템은 자동으로 제안을 수락한다)를 위한 사용자 정의 가능한 기본 설정을 가질 수 있다. 상기 시스템은 요청된 데이터 세트에 대해 시스템이 보유할 프리미엄을 기반으로 제안을 거부하도록 선택할 수도 있다(예: 시스템이 데이터 세트의 일부로 보유할 프리미엄이 시스템이 수락하기에 너무 낮을 수 있음).
개선예에서, 데이터 획득자는 특정 특성을 가진 개체로부터 완전히 새로운 데이터 세트를 원할 수 있고 그러한 개체가 특정 지침(예를 들어, 획득 시기, 데이터 획득 방법 및 수행할 활동)을 따르기를 원할 수 있다. 이러한 개체를 찾기 위해, 데이터 획득자는 수익화 시스템 내에서 데이터 획득자에게 지불될 특정 특성, 요구 사항 및 지침 및 수수료가 포함된 "광고(ad)"를 게재할 수 있다. 데이터 획득자가 개체의 특정 특성을 선택하면 수익화 시스템은 수익화 시스템 내에서 일치하는 개체의 수를 표시한다. 이러한 일치하는 개체에게 알림이 전송되고 데이터 획득자의 제안을 수락할 기회가 주어진다. 이러한 유형의 메커니즘이 유용한 예로는 센서에 대한 데이터를 획득하고 센서 하드웨어, 알고리즘 및 소프트웨어를 테스트하고 조정하기 위해 샘플 크기를 늘리려는 센서 회사가 있다.
도 11 및 도 12는 하나 이상의 원하는 데이터 세트가 선택되지만 요청된 하나 이상의 데이터 세트가 초기에 이용가능하지 않을 때 웹 페이지 또는 윈도우 디스플레이의 예를 도시한다. 예를 들어, 도 11에 도시된 바와 같이, 잠재적인 획득자(예를 들어, 구매자)는 검색 윈도우(210)을 사용하여 데이터 세트를 검색할 수 있으며, 검색 기준을 충족하는 데이터 세트가 이용 가능하지 않거나 구매자가 찾고 있는 구매 가능한 수량으로 이용 가능하지 않다는 것을 발견할 수 있다. 사용자는 검색의 일부로 작동 요소(183)를 통해 요청된 시뮬레이션 데이터 세트의 수를 포함하여 시뮬레이션 데이터를 선택하고 추가할 수 있는 능력이 있으며, 이를 통해 시스템은 주어진 요청을 이행하기 위해 하나 이상의 인공 데이터 세트를 생성할 수 있다. 개선예에서, 사용자는 가능한 경우 데이터 획득자가 획득하기 위해 시뮬레이션 데이터와 획득된 사용자 데이터의 조합을 선택할 수 있다. 다른 개선예에서, 시뮬레이션 데이터의 값은 하나 이상의 변수(예를 들어, 이용된 데이터의 양, 데이터 품질)에 기초하여 조정될 수 있다. 예를 들어, 시뮬레이션에서 하나 이상의 신경망을 훈련하는 데 사용되는 더 많은 양의 데이터 또는 더 정밀하고 정확한 데이터는 생성된 시뮬레이션 데이터의 값을 증가시킬 수 있다. 데이터 세트의 수 또는 사용자 수가 데이터 획득자의 검색에 필요한 것보다 적고 데이터 획득자가 시뮬레이션 데이터로 요청을 이행하기를 원하지 않는 경우, "요청 데이터(request data)"로 표시된 제어 요소(182)는 검색 기준이 지정되고 도 12에 도시된 윈도우가 표시된 후 작동된다. 용이하게 사용할 수 있는 데이터 세트가 없거나 원하는 데이터 세트 수보다 적은 경우, 데이터 획득자가 요청한 하나 이상의 매개변수와 일치하는 한 명 이상의 개체에게 연락하여 수수료(예: 데이터 세트당 수수료 또는 수집된 모든 데이터 세트에 대한 수수료)와 교환하여 요청된 하나 이상의 매개변수와 일치하는 방식으로 데이터를 수집할 수 있는지 결정한다. 개선예에서, 수익화 시스템은 하나 이상의 제 3자로부터 데이터를 획득하고, 하나 이상의 분석 회사와 협력하여 획득된 데이터에서 데이터를 도출할 수 있는 경우 요청된 데이터를 생성하고, 획득된 데이터로부터 요청된 데이터를 도출하기 위해 내부적으로 하나 이상의 분석 도구를 생성하고 및/또는 데이터 획득자가 하나 이상의 데이터 세트에 대한 하나 이상의 요청을 이행하기 위해 인공 데이터를 생성한다.
도 13은 데이터 획득자의 정확한 사양 및 매개변수에 대한 데이터를 생성하고 이에 대한 고려를 받을 기회를 통지하는 데이터 제공자가 보게 될 디스플레이 윈도우(230)의 예를 제공한다.
도 14는 데이터 획득자가 라이브 데이터를 요청할 때의 시나리오를 예시한다. 라이브 데이터를 선택하기 위해 데이터 획득자는 제어 요소(104)와 도 2의 윈도우(100)에서 "라이브 데이터(Live Data)"로 표시된 선택 박스(108)를 활성화한다. 데이터 획득자를 식별하기 위한 로그인 자격 증명을 제공하면 데이터 세트에 대한 추가 정보를 보여주는 도 14의 윈도우(240)가 나타난다. 첫째, 화면 상단에는 플랫폼이 제공할 수 있는 추세 제품 구매(242)가 있다. 예를 들어, 스포츠 베팅의 맥락에서 이러한 추세 구매는 "선수 A의 심박수 다음 10분 구매" 또는 "레이스 #3에서 말 A의 호흡수 마지막 0.5마일 구매"일 수 있다. 개선예에서, 하나 이상의 오퍼링은 (예를 들어, 스포츠 베팅 플랫폼 또는 게임 기반 시스템 내에서) 디스플레이를 위해 수익화 시스템에 의해 제 3자에게 전송될 수 있다. 획득자가 맞춤형 데이터 또는 하나 이상의 특정 유형의 데이터를 찾고 있는 경우, 획득자는 하나 이상의 매개변수(예: 날짜)를 선택하고 맞춤화 섹션(244)에서와 같이 어떤 활동이 이용 가능한지 확인할 수 있다. 그러면 사용자는 매우 구체적이거나(예: 4쿼터 마지막 5분 동안 특정 선수의 실시간 심박수 데이터) 또는 매우 광범위한(예: 전체 시즌 동안 특정 선수의 실시간 심박수 데이터) 데이터를 얻기 위해 검색을 좁힐 수 있을 것이다. 개선예에서, 수익화 시스템은 보다 세분화된 데이터 검색을 가능하게 하도록 구성할 수 있다. 예를 들어, 데이터 획득자는 주어진 경기에서 대상체의 심박수가 분당 n회(예: 190bpm)를 초과하는 모든 경우에 대한 경고를 구매하기를 원할 수 있거나 분당 n회(예: 190bpm)를 초과하거나 팀 y와의 지난 3경기 중 4쿼터에서 n팀의 평균 "에너지 수준"과 관련된 데이터를 얻는 것을 원한다. 도 14는 시스템이 제공할 수 있는 잠재적 검색 매개변수의 샘플(모두 조정 가능한 매개변수임)만 표시하고 과거 및 기타 실시간 데이터에 액세스할 수 있는 획득자를 제공한다. 데이터 획득자는 섹션(246)에 설명된 대로 사용 사례에 필요한 매개변수를 정의할 수 있다. 이러한 조정 가능한 매개변수(예: 데이터 사용, 획득자에게 전송되는 데이터 주파수 등)는 획득자의 비용에 영향을 미칠 수 있다.
도 14의 매개변수를 정의할 때, 데이터 획득자는 "다음(next)"으로 표시된 제어 요소(248)를 작동시켜 도 15의 윈도우(250)를 표시한다. 도 15는 잠재적 획득(예를 들어, 구입)과 관련된 하나 이상의 권리 옵션을 보여주는 윈도우(250)를 제공한다. 예를 들어, 구매자가 리얼리티 쇼 참가자의 심박수 데이터를 원하는 경우, 데이터 구매자는 구매한 데이터를 사용할 수 있는 영역, 사용 기간 정의를 포함하여 획득과 관련된 권리(예: 라이선스)를 정의하기 위한 능력을 가질 수 있다(예를 들어, 선형 TV 대 디지털). 도 15에는 시스템이 제공할 수 있는 잠재적 매개변수의 샘플만 표시되어 있으며 모두 조정 가능한 매개변수이다. 유리하게는, 고려 모델은 맞춤화될 수 있다. 예를 들어, 획득자가 특정 전달 방법(예: 섹션(256)의 API)을 선택하는 경우, 사용자 또는 관리자는 고려가 이해 관계자에게 분배되는 방식을 바꿀 수 있다. 예를 들어, 섹션(258)에 표시된 대로 API 호출당 또는 고정 획득 수수료가 아닌 데이터 전송당 수수료가 지불될 수 있다. 이 예에서, 획득자가 초당 한 번 API 호출이 필요한 10분 동안 사람에 대한 실시간 심박수 데이터를 원하는 경우, 수익화 시스템은 600개의 API 호출을 용이하게 하고 각각의 호출에 대해 획득자에게 요금을 청구한다. 구매자는 또한 하나 이상의 데이터 시뮬레이션을 실행하고 시뮬레이션 데이터 출력을 구매할 수 있다. 주어진 시나리오에서, 예를 들어 구매자가 결과의 가능성을 예측하는 데 관심이 있거나 구매자가 시스템이 예측을 생성하도록 하는 데 관심이 있는 경우 유용할 수 있다. 예를 들어 구매자가 게임 X의 4쿼터에서 농구 선수의 심박수가 분당 190회 이상으로 올라갈 확률을 이해하는 데 관심이 있는 경우 원하는 확률 출력을 제공하기 위해 하나 이상의 시뮬레이션을 구매하여 시뮬레이션 데이터를 생성할 수 있다. 개선예에서, 시뮬레이션 시스템 및 관련 필드는 동물 데이터, 시뮬레이션 데이터 또는 이들의 조합의 적어도 일부를 활용하여 하나 이상의 잠재적 결과를 조사하도록 구성될 수 있다. 예를 들어 구매자가 동물 데이터(예: 실시간 심박수, 호흡수, 위치 데이터, 생체 역학 데이터 등), 하나 이상의 시뮬레이션을 실행하여 시뮬레이션 데이터(예: 선수 C와 경기 중에 선수 B의 동물 데이터가 어떻게 보일지 예측)를 생성할 수 있으며, 이는 구매할 수 있는 원하는 출력을 생성하기 위하여 다음 하나 이상의 추가 시뮬레이션에서 사용될 수 있다(즉, 선수 B가 경기에서 승리할 가능성). 다른 예에서, 보험 회사가 정의된 기간(예: 다음 6개월) 내에 특정 특성을 가진 특정 대상체가 의학적 상태(예: 심장 마비)를 가질 가능성을 알고 싶어하는 경우, 시뮬레이션 시스템은 개체와 하나 이상의 특성(예: 나이, 키, 개체 이력, 소셜 습관, 혈액형, 병력, 처방 이력, ECG 데이터 이력, 심박수 이력, 혈압 이력, 게놈/유전 이력, 생체액-유래 데이터 히스토리)을 개인과 공유하는 수익화 시스템 내에서 개체 및 데이터 세트를 식별할 수 있어 구매 가능한 원하는 결과를 결정하기 위해 하나 이상의 시뮬레이션을 실행한다. 시스템은 대상체의 수에 대해 시뮬레이션을 여러 번 실행하도록 작동할 수 있음에 주목하자. 구매자가 요구 사항을 결정하면, 비용이 "지금 구매(Purchase Now)"라고 표시된 제어 요소(252, 254)와 함께 윈도우(250)에 표시되어 구매를 완료한다. 개선예에서, 시뮬레이션 데이터에 대한 획득 비용은 더 정확한 출력(예: 더 나은 데이터 또는 더 높은 품질의 데이터로 훈련되거나 더 관련된 데이터의 더 많은 양이 제공된다)을 생성할 기회가 제공되는 하나 이상의 신경망을 기반으로 동적으로 조정(예: 증가)될 수 있다. 이 시나리오에서, 시뮬레이션이 "더 스마트(smarter)"해지고 더 정확해짐에 따라 생성된 데이터의 가치가 증가할 수 있다. 다른 개선예에서, 윈도우(250)는 비디오 게임 또는 게임 기반 시스템(예: 피트니스 게임) 내에서 활용하기 위한 목적으로 실제 동물 데이터를 인공 동물 데이터로 변환하기 위해 실제 동물 데이터 및/또는 그 하나 이상의 파생물의 적어도 일부를 활용하는 하나 이상의 시뮬레이션을 데이터 획득자가 구매할 수 있는 능력을 포함할 수 있다. 또 다른 개선예에서, 수익화 시스템은 (예를 들어, 비디오 게임, 보험 애플리케이션, 의료 애플리케이션 내에서) 제 3자 디스플레이를 통해 시뮬레이션 데이터의 적어도 일부를 획득하는 능력을 제공할 수 있다.
도 16은 단일 거래로부터 수익이 분산될 수 있는 방법의 예를 도시하는 다이어그램을 제공한다. 레코드(260)는 거래가 발생하고 기록되었음을 보여준다. 거래 기록(262)은 각각의 당사자가 추가한 가치에 기초하여 수익 거래의 일부일 수 있는 하나 이상의 이해 관계자를 표시한다. 데이터 판매에 가치를 기여하기 위해 각각의 이해 관계자가 받는 해당 비율은 각각의 이해 관계자에게 할당되며, 이는 거래, 사용자, 요청된 데이터 및 구매자를 포함하여 다양한 시나리오에서 변경될 수 있다. 백분율은 조정 가능한 매개변수이며 시스템에서 자동으로 할당하거나 한 명 이상의 관리자가 수동으로 할당할 수 있다.
도 17은 이해당사자를 추가 또는 제거하기 위한 관리자 윈도우의 예, 및 수익 거래의 일부일 수 있는 각각의 거래에 대해 각각의 이해당사자에게 전송된 고려의 백분율을 예시하는 윈도우(290)의 다이어그램을 제공한다. 백분율은 조정할 수 있는 매개변수이며 특정 사용 사례(예: 라이브 프로 농구 경기)에서는 주어진 시간에 이해 관계자와 백분율을 정기적으로 변경하는 기능이 필요할 수 있다. 개선예에서, 하나 이상의 인공 지능 기술에 의해 하나 이상의 백분율이 생성되거나 조정된다.
도 1에 도시된 바와 같이, 중개 서버(22)는 수익화 프로그램을 실행한다. 구현시 수익화 프로그램은 통합 층, 전송 층 및 데이터 관리 층으로 정의된다. 통합 층과 관련하여, 하나 이상의 센서의 사용자 또는 관리자는 수익화 시스템이 다음 두 가지 방법 중 하나로 하나 이상의 센서에서 정보를 획득할 수 있도록 한다. (1) 수익화 시스템이 센서와 직접 통신하여 센서와 관련된 모든 네이티브 시스템을 우회하거나 (2) 수익화 시스템이 API 또는 수익 시스템의 데이터베이스로 데이터를 획득하는 기타 메커니즘을 통해 센서 또는 센서 데이터를 저장하는 다른 시스템과 연결된 클라우드 또는 기본 시스템과 통신한다. 직접적인 센서 통신은 수익화 시스템이 센서와 통신하기 위한 새 코드를 생성하거나 센서 제조업체가 수익화 시스템과 함께 작동하도록 코드를 작성하여 이루어진다. 수익화 시스템은 여러 센서 제조업체가 따를 수 있는 수익화 시스템과의 통신을 위한 표준을 만들 수 있다. 수익화 시스템의 센서와 직접 통신하는 기능은 양방향 통신일 수 있다, 즉, 수익화 시스템이 센서에 하나 이상의 명령을 보낼 수 있는 기능이 있을 수 있다. 수익화 시스템에서 센서로 명령을 보내서 센서의 하나 이상의 기능을 변경할 수 있다(예: 이득 또는 샘플링 속도 변경, 펌웨어 업데이트). 일부 경우에, 센서는 수익화 시스템에 의해 제어될 수 있는 장치(예: 가속도계, 자이로스코프, ECG) 내에 여러 센서를 가질 수 있다. 여기에는 하나 이상의 센서가 켜지거나 꺼지고 주파수 또는 이득이 증가하거나 감소하는 것이 포함된다. 유리하게는, 하나 이상의 센서와 직접 통신하는 수익화 시스템의 능력은 또한 센서에서 수익화 시스템으로 센서 데이터를 실시간 또는 거의 실시간으로 획득할 수 있게 한다. 수익화 시스템은 임의의 수의 센서, 임의의 수의 기능을 제어하고 단일 시스템을 통해 임의의 수의 센서를 스트리밍할 수 있는 능력을 가질 수 있다.
전송 층은 하나 이상의 센서와의 직접 통신 또는 하나 이상의 클라우드와의 하나 이상의 통신을 관리한다. 센서와의 직접 통신과 관련하여, 부산물은 단일 하드웨어 전송 시스템을 활용하여 (1) 수익화 시스템과 직접 통신하는 여러 센서에 대한 통신 및 실시간 또는 거의 실시간 스트리밍을 동기화할 수 있다는 것이고, (2) 데이터 자체에 대한 행위로 데이터를 어딘가에 보내거나 나중에 사용하기 위해 저장한다. 하드웨어 전송 시스템은 다양한 방식으로 구성할 수 있고 다양한 폼 팩터를 사용할 수 있으며 다양한 통신 프로토콜(예: Bluetooth, ZigBee, WIFI, 셀룰러 네트워크)을 사용할 수 있으며, 단순히 센서에서 시스템으로 데이터를 전송하는 것 외에도 기능을 가지고 있다. 유리하게도, 수익화 시스템의 센서와의 직접 통신은 잠재적인 간섭 또는 다른 통신의 기타 무선 주파수가 문제가 될 수 있는 적대적인 환경에서 실시간 또는 거의 실시간 스트리밍을 가능하게 한다.
데이터 관리 층과 관련하여, 수익화 시스템에 들어가는 센서 데이터는 원시(데이터 조작 없음) 또는 처리(조작됨) 구조 중 하나이다. 수익화 시스템은 모든 센서 데이터("좋은" 및 "나쁜" 모두)에서 관련 "좋은" 센서 데이터를 추출하기 위해 데이터 노이즈 필터링, 데이터 복구 기술 및 추출 또는 예측 기술을 배포하는 하나 이상의 알고리즘 또는 기타 논리를 수용할 수 있다. 센서 데이터의 적어도 일부가 "나쁜" 경우 획득하거나 인공적인 "좋은" 값을 생성한다. 시스템은 또한 단일 대상체 또는 다수의 대상체에 대해 동시에 여러 센서와 통신하도록 프로그래밍될 수 있으며 수신 당사자가 데이터가 어디서 왔는지 및 누가 어떤 센서를 착용하고 있는지를 재구성할 수 있도록 충분한 정보를 전송하기 위해 중복 제거 기능을 가질 수도 있다. 설명을 위해 이는 시스템에서 데이터를 수신하는 시스템에 메타데이터를 제공하여 데이터의 특성을 식별하는 것을 의미하고, 예를 들어 주어진 데이터 세트는 타임스탬프 A, 센서 B 및 대상체 C에 속한다.
컴퓨팅 디바이스에 의해 수신되면, 센서 데이터는 만들어진 요청에 따라 수익화 시스템 클라우드로 전송되거나 중개 서버에 로컬로 유지된다. 수익화 시스템에 입력되는 센서 데이터는 수익화 시스템 내의 하나 이상의 특성과 함께 타임 스탬프, 감지 유형 및 센서 설정을 포함하는 센서의 특성 또는 사용자와 관련된 정보(예: 메타데이터)와 함께 시스템에 의해 동기화되고 태그가 지정된다. 예를 들어, 센서 데이터는 특정 사용자에게 할당될 수 있다. 센서 데이터는 또한 사용자가 참여하는 특정 이벤트(예: 게임 X에서 농구를 하는 사람) 또는 데이터 구매자가 얻고자 하는 일반적인 활동 클래스(예: 그룹 사이클링 데이터)에 할당될 수 있다. 수익화 시스템은 타임 스탬프를 다른 사람이 아닌 데이터 소스(예: 농구 경기의 공식 경기 시계와 관련된 타임 스탬프, 득점과 관련된 타임 스탬프 등)와 동기화할 수 있다. 개요가 없고 모든 유형의 데이터를 획득하도록 설계된 수익화 시스템은 데이터 유형(예: ECG, EMG) 및 데이터 구조를 비롯한 특성별로 데이터를 분류한다. 수익화 시스템은 센서 데이터가 시스템에 입력되면 정규화, 타임 스탬프, 합계(aggregating), 저장, 조작, 노이즈 제거, 향상, 구성, 분석, 익명화, 합성, 복제, 요약, 제품화 및 동기화를 포함하여 추가 행위를 취할 수 있다. 이렇게 하면 서로 다른 데이터 세트 간에 일관성이 보장된다. 이러한 프로세스는 사용 사례 및 데이터 수신자의 요구 사항에 따라 실시간 또는 비실시간으로 발생할 수 있다. 하나 이상의 센서에서 실시간으로 스트리밍되는 데이터의 유입이 상당할 수 있다는 점을 감안할 때, 수익화 시스템은 구조화되지 않은 데이터와 구조화된 데이터 개요 및 형식의 하이브리드 접근 방식을 포함할 수 있는 데이터 관리 프로세스도 활용할 수 있다. 또한 모든 수신 데이터의 동기화는 실시간 또는 거의 실시간 데이터 전송에 적합한 특정 개요를 사용하여 대기 시간을 줄이고 오류 검사 및 보안 층을 제공하며 데이터 패킷의 일부 또는 전체 데이터 패킷을 암호화할 수 있다. 수익화 시스템은 센서 데이터에 대한 모든 요청을 모니터링, 수신 및 기록하기 위해 다른 시스템과 직접 통신하고 센서 데이터에 대한 액세스를 원하는 조직에 사용 사례에 필요한 데이터에 대한 특정 요청을 할 수 있는 기능을 제공한다. 예를 들어, 하나의 요청은 초당 1x의 속도로 특정 개체에 대한 10분의 실시간 심박수에 대한 것일 수 있다. 수익화 시스템은 또한 이러한 요청을 특정 사용자 또는 특정 그룹/사용자 클래스와 연결할 수 있다.
효과적인 수익화 시스템의 또 다른 양태는 시스템에 의해 제공되는(예를 들어, 생성, 제공되는) 제품 및 서비스의 광고이다. 동물 데이터는 동물 데이터를 직간접적으로 활용하는 타사 웹 페이지 또는 기타 디지털 대상체를 사용자가 클릭하여 유도할 목적으로 웹 페이지 또는 기타 디지털 플랫폼(예: 가상 현실 또는 증강 현실 시스템 내)의 광고, 참여 또는 프로모션 내에서 직간접적으로 사용될 수 있다. 웹 페이지 내에서 이를 수행하는 한 가지 방법은 인라인 프레임(Iframe)을 사용하는 것이고, 인라인 프레임은 웹 사이트의 다른 HTML 문서 안에 포함된 HTML 문서일 수 있다. Iframe은 광고와 같은 다른 소스의 콘텐츠를 웹 페이지에 삽입하는 데 사용할 수 있다. 경우에 따라, Iframe 또는 위젯은 사용자가 페이지에서 보낸 시간을 늘리기 위해 참여 목적으로 사용되고, 이는 페이지에 다음과 같이 지정된 기간(예: 15초마다) 새로고침되는 디스플레이 광고가 있는 경우 유용할 수 있고, 사용자가 클릭을 통해 다른 대상체(일반적으로 타사 사이트)을 향하게 하여 고려 대신에 사용자에게 서비스, 제품 또는 혜택을 제공(예: 판매)한다. 또한 페이지에서 보내는 시간이 증가하면 일반적으로 참여도가 높은 사용자가 생겨 사이트를 반복적으로 방문할 수 있다. 제 3자 위젯에서 제공하는 다른 방법(예: JavaScript)이 있으며, 본 발명은 사용된 이러한 다른 방법론에 의해 제한되지 않는다. 도 18은 동물 데이터에 대한 광고가 있는 웹 퍼블리셔 사이트와 상호작용하는 사용자를 예시하는 흐름도를 제공한다(블록 270, 272 및 274). 하나의 특정 유형의 광고에서 잠재적인 데이터 획득자는 블록 276에 표시된 대로 웹 광고를 클릭한다. 데이터 구매 수익은 웹 퍼블리셔(블록 278)와 위에서 설명한 이해 관계자(블록 280 및 282) 간에 공유될 수 있다. 예를 들어, 보험 회사는 미리 정의된 범위(예: 연령, 체중, 키, 소셜 습관, 병력, 유전/유전체 정보) 내의 한 명 이상의 사용자를 대상체로 보험료를 낮추기 위한 판촉, 보험 견적 또는 한 명 이상의 사용자가 동물 데이터의 일부에 적어도 부분적으로 기반하여 보험 회사가 정의한 기준을 충족하는 경우 특정 가격대로 보험에 가입하겠다는 제안을 한다. 사용자가 동물 데이터를 제공하기 위해 타사 사이트를 클릭하면, 수익화 시스템은 보험 회사가 하나 이상의 행위를 취할 수 있도록 할 수 있다(예: 연령, 체중, 키, 소셜 습관, 병력, 획득된 동물 데이터 및 기타 관련 정보를 기반으로 향후 3년 동안 사람이 심장마비에 걸릴 확률을 결정하기 위해 하나 이상의 시뮬레이션을 실행한다). 이 예에서, 하나 이상의 시뮬레이션 및 생성된 하나 이상의 확률에 기초하여, 보험 회사는 하나 이상의 결과가 발생할 가능성에 기초하여 한 명 이상의 사용자에게 혜택(예를 들어, 지정된 보험 요율, 보험료 인하 제안)을 제공하기로 결정할 수 있다. 이익을 수락하면 수익화 시스템은 수익에서 유도될 수 있는 고려의 일부를 한 명 이상의 이해 관계자(예: 보고서를 제공하거나 하나 이상의 시뮬레이션을 실행한 분석 회사, 데이터 관리 회사)가 받을 수 있는데, 이는 새로운 사용자로부터 생성(예: 사용자가 지불하는 보험료의 일부) 또는 보험 회사가 제공한 고려(예: 보험 회사는 데이터 획득, 하나 이상의 시뮬레이션 실행을 포함할 수 있는 하나 이상의 서비스에 대한 수익화 시스템 지불)로부터 유도될 수 있다. 개선예에서, 동물 데이터의 적어도 일부에 기초하여 프리미엄이 증가될 수 있고, 이 경우에 수익화 시스템은 증가의 적어도 일부를 받을 수 있다. 다른 개선예에서, 한 명 이상의 사용자는 혜택(예: 보험료 조정 또는 다른 혜택 받기)을 받을 목적으로 제 3자(예: 보험 회사)에 정보를 제공하기 위해 자신의 동물 데이터의 적어도 일부를 기반으로 하나 이상의 시뮬레이션을 실행하도록 요청할 수 있다. 하나 이상의 시뮬레이션에서 고려는 하나 이상의 이해 관계자에게 분배될 수 있다.
유리하게는, 시스템에 의해 제공되는 제품 또는 서비스는 게임 기반 미디어 제공(예를 들어, 증강 현실, 가상 현실)을 위해 이용될 수 있다. 예를 들어, 동물 데이터는 팬이 시청 경험의 부분으로서 더해진 데이터(예: 심박수, "에너지 수준", 위치 기반 데이터, 생체 역학 데이터)와 함께 라이브 스포츠 이벤트를 볼 수 있도록 하는 증강 현실 시스템의 일부로 통합될 수 있다. 시스템이 그러한 데이터를 사용할 수 있도록 하는 사용자의 동의는 사용자 및/또는 기타 이해 관계자가 데이터 사용에 대한 고려를 받을 수 있도록 한다. 수익화 시스템이 증강 현실 시스템과 같은 팬 참여 시스템에 동물 데이터를 제공하기 위해 시스템은 먼저 지정된 영역(예: 스포츠 맥락 내에서, 경기장 및 알려진 경계 및 고정된 개체가 있는 필드) 주위의 트랙킹 및 대상체 인식을 사용한다. 그런 다음 시스템은 필요할 때 이 정보를 업데이트하는 기능과 함께 알려진 식별된 장면 및 추적 정보의 인벤토리를 생성할 수 있다. 시스템은 이 인벤토리의 공백을 채우는 데 도움이 되는 알려진 이미지 데이터 세트를 획득할 수 있다. 스포츠를 예로 들면(스포츠에 국한되지 않음), AR 시스템은 선수 및 보조 물체에 대한 3D 추적(예: 공 움직임 추적)을 사용할 수 있다. 경기장 및 다른 선수에 대한 선수의 위치를 기반으로, 시각화가 플레이와 관련되도록 증강 개체를 배치할 수 있다. 위치 기반 데이터(GPS), 방향 센서, 가속도계 등과 같은 센서의 추가 데이터를 사용하여 선수의 위치를 미세 조정하고 고도 및 위도와 같은 다른 데이터 요소를 3D 모델 계산에 가져올 수 있다. 시스템은 또한 고정된 알려진 개체 주변의 환경에서 기능을 찾을 수 있으며 일부 고정된 지점과 관련하여 해당 개체의 변경 사항을 추적하여 오버레이에서 관련 가상 개체를 인식하고 대체하려고 시도한다. 시스템은 렌더링이 실시간 또는 거의 실시간이 되도록 모바일 장치로 전송되는 데이터를 최적화한다. 이 시스템은 지상, 항공 또는 클라우드 기반 시스템을 통해 시스템 리소스를 사용하여 복잡한 데이터 세트를 렌더링하고 모든 3D 계산을 계산한다. 증강 객체는 하나 이상의 대상체와 관련된 정보를 제공하는 하나 이상의 동물 데이터 유형(예: 시뮬레이션 데이터 포함) 또는 동물 데이터의 하나 이상의 파생물을 포함할 수 있다. 증강 현실 시스템은 또한 (예를 들어, 베팅을 하기 위해) 데이터와의 추가 참여를 위한 터미널을 포함할 수 있다. 단말 및/또는 사용자가 데이터를 조작하는 능력은 오디오 제어(예: 음성 제어), 물리적 신호(예: 머리 움직임, 눈 움직임 또는 손 제스처), 신경 신호, AR 하드웨어 내에서 또는 현지화된 장치(예: 휴대 전화)에서 발견되는 제어를 포함하지만 이에 국한되지 않는 다양한 메커니즘을 통해 제어될 수 있다.
예시적인 실시예가 위에서 설명되었지만, 이들 실시예가 본 발명의 모든 가능한 형태를 설명하는 것으로 의도되지는 않는다. 오히려, 본 명세서에서 사용된 용어는 한정이 아니라 설명의 용어이며, 본 발명의 사상 및 범위를 벗어나지 않는 한 다양한 변경이 이루어질 수 있음을 이해해야 한다. 추가적으로, 다양한 구현 실시예의 특징은 본 발명의 추가 실시예를 형성하기 위해 결합될 수 있다.

Claims (30)

  1. 동물 데이터를 수익화하기 위한 시스템으로서,
    적어도 하나의 센서를 포함하고 전자적으로 전송될 수 있는 동물 데이터의 소스(source); 및
    수집된 데이터가 이에 첨부된 메타데이터(metadata)를 갖도록 상기 동물 데이터를 수신 및 수집하는 중개 서버로서, 상기 메타데이터는 동물 데이터의 출처 또는 동물 데이터의 출처인 개체(individual)의 개별적 속성(personal attribute) 중 적어도 하나를 포함하고, 상기 중개 서버는 고려(consideration)를 위해 요청된 동물 데이터를 하나 이상의 데이터 획득자에게 제공하고, 상기 중개 서버는 적어도 하나의 이해관계자에게 상기 고려의 적어도 일부(a portion)를 분배하는, 중계 서버를 포함하고,
    상기 중개 서버는 단일 컴퓨터 서버 또는 복수의 상호 작용하는 컴퓨터 서버를 포함하는, 시스템.
  2. 제 1 항에 있어서,
    상기 동물 데이터는 인간 데이터인, 시스템.
  3. 제 1 항에 있어서,
    상기 동물 데이터는 측정 기준 분류, 통찰 분류, 개별적 분류, 센서 분류, 데이터 속성 분류, 데이터 적시성(timeliness) 분류, 또는 데이터 맥락 분류를 포함하는 하나 이상의 분류에 할당되는, 시스템.
  4. 제 3 항에 있어서,
    상기 동물 데이터와 연관된 하나 이상의 분류는 동물 데이터에 대한 연관된 값을 생성하거나 조정하는 데 기여하는, 시스템.
  5. 제 1 항에 있어서,
    상기 동물 데이터의 데이터 품질 평가는 메타데이터의 일부로서 또는 하나 이상의 이해관계자(interested party)에게 별도로 제공되고, 상기 데이터 품질 평가는 정확성, 적시성, 데이터 일관성 및 데이터 완전성으로 이루어지는 그룹으로부터 선택된 하나 이상의 인자를 포함하는, 시스템.
  6. 제 1 항에 있어서,
    상기 적어도 하나의 센서 또는 이의 하나 이상의 부가물은 대상체(subject)의 신체, 안구, 생체 기관, 근육, 모발, 정맥, 혈액, 생물학적 유체, 혈관, 조직 또는 골격계에 부착되거나, 이와 접촉하거나 이와 관련하여 또는 이로부터 유도되는 하나 이상의 전자 통신을 보내고, 표적 개체(targeted individual)에 내장되고, 표적 개체에 박혀(lodged) 있거나 이식되고, 표적 개체에 의해 섭취되고, 표적 개체의 적어도 일부를 포함하도록 통합되고, 또는 일부분으로서 통합되고, 또는 패브릭(fabric), 직물(textile), 천(cloth), 재료, 고정물, 물체 또는 직접 또는 하나 이상의 매개물을 통해 표적 개체와 접촉하거나 통신하는 장치에 부착되거나 그 안에 매립되는, 시스템.
  7. 제 1 항에 있어서,
    상기 센서는 생리학적, 생체 측정(biometric), 화학적, 생체역학, 위치, 환경, 유전, 게놈(genomic) 또는 다른 생물학적 데이터를 하나 이상의 표적 개체로부터 모으는 바이오센서인, 시스템.
  8. 제 1 항에 있어서,
    상기 적어도 하나의 센서는 얼굴 인식 데이터, 시선 추적 데이터, 혈류 데이터, 혈액량 데이터, 혈압 데이터, 생물학적 유체 데이터, 신체 구성 데이터(body composition data), 생화학적 구성 데이터, 생화학 구조 데이터, 펄스 데이터, 산소화 데이터, 코어 신체 온도 데이터, 피부 온도 데이터, 전기 피부 반응 데이터(galvanic skin response data), 발한 데이터, 위치 데이터(location data), 포지셔널 데이터(positional data), 오디오 데이터, 생체역학 데이터, 수화 데이터(hydration data), 심장 기반 데이터, 신경학적 데이터, 유전 데이터, 게놈 데이터, 골격 데이터, 근육 데이터, 호흡 데이터, 운동감각 데이터, 흉부 전기 생체 임피던스 데이터, 주변 온도 데이터, 습도 데이터, 기압 데이터, 고도 데이터 또는 이들의 조합 중 적어도 하나를 모으거나 유도하는, 시스템.
  9. 제 1 항에 있어서,
    상기 동물 데이터는 하나 이상의 표적 개체로부터의 하나 이상의 센서로부터 유래하는 하나 이상의 데이터 세트를 포함하는, 시스템.
  10. 제 1 항에 있어서,
    표적 개체의 데이터는 데이터 획득자에게 동물 데이터의 집합으로서 제공될 적어도 하나의 유사한 특성을 공유하는 하나 이상의 표적 개체로부터의 하나 이상의 데이터 세트와 조합되는, 시스템.
  11. 제 1 항에 있어서,
    하나 이상의 개인 속성은: 이름, 체중, 나이, 키, 생년월일, 성별, 출신 국가, 출신 지역, 인종, 참조 식별, 하나 이상의 사회적 습관(social habit), 민족, 하나 이상의 의학적 상태, 표적 개체가 살았던 하나 이상의 위치, 현재 거주지, 동물 데이터가 수집되는 동안 표적 개체가 관여하는 하나 이상의 활동, 하나 이상의 관련 그룹, 의료기록에서 획득한 정보, 사회적 습관, 사회적 데이터(social data), 가족력, 역사적인 개별적 데이터, 학력, 범죄기록, 고용 이력, 복약 이력, 사회적 미디어 기록(social media record), 생체액-유래 데이터(biological fluid-derived data), 유전자-유래 데이터, 게놈-유래 데이터, 수동으로 입력한 개별적 데이터, 또는 이들의 조합으로 이루어지는 그룹으로부터 선택된 적어도 하나의 구성요소를 포함하는, 시스템.
  12. 제 1 항에 있어서,
    상기 중개 서버는 클라우드 또는 로컬 서버를 통해 직접적으로 동물 데이터의 소스와 통신하는, 시스템.
  13. 제 1 항에 있어서,
    상기 동물 데이터의 소스는 무선으로 또는 유선 연결을 사용하여 동물 데이터를 중개 서버에 전송하는, 시스템.
  14. 제 1 항에 있어서,
    상기 동물 데이터의 소스는 하드웨어 전송 시스템을 이용하여 동물 데이터를 중개 서버로 전송하는, 시스템.
  15. 제 1 항에 있어서,
    상기 중개 서버는 미가공 형태(raw form) 또는 가공된 형태로 동물 데이터를 수신하는, 시스템.
  16. 제 15 항에 있어서,
    상기 중개 서버는 동물 데이터의 정규화, 동물 데이터와 타임 스탬프의 연관, 동물 데이터의 합계(aggregating), 동물 데이터에 태그(tag)를 적용, 동물 데이터 저장, 동물 데이터 조작, 동물 데이터 노이즈 제거, 동물 데이터 향상, 동물 데이터 구성, 동물 데이터 분석, 동물 데이터 익명화, 동물 데이터 시각화, 동물 데이터 합성, 동물 데이터 요약, 동물 데이터 동기화, 동물 데이터 복제, 동물 데이터 디스플레이, 동물 데이터 분배, 동물 데이터 상품화, 동물 데이터 부기(bookkeeping) 수행 및 이들의 조합으로 이루어진 그룹으로부터 선택된 하나 이상의 행위(action)를 구현함으로써 동물 데이터에 대해 작동하는, 시스템.
  17. 제 16 항에 있어서,
    값은 하나 이상의 행위에 기초하여 연관 값으로서 동물 데이터에 할당되거나 하나 이상의 행위에 기초하여 조정되는, 시스템.
  18. 제 17 항에 있어서,
    상기 연관 값은 개별적으로 식별되거나 식별되지 않은 동물 데이터의 획득, 구매, 판매, 거래, 라이센스, 임대, 또는 배포를 획득하고, 구매하고, 판매하고, 거래하고, 라이센스싱하고, 임대하고, 광고하고, 평가하고, 표준화하고, 인증하고, 연구하고, 분배하거나, 중개(brokering)하는 것 중 적어도 하나를 위해 사용되는, 시스템.
  19. 제 1 항에 있어서,
    상기 중개 서버가 하나 이상의 다른 시스템과 통신하여 메타데이터, 하나 이상의 검색 매개변수, 또는 센서, 데이터 유형, 표적 개체, 표적 개체의 그룹, 또는 표적화된 출력과 연관된 하나 이상의 다른 특성에 의해 설정된 매개변수들 중 적어도 하나를 활용함으로써 동물 데이터에 대한 모든 요청을 모니터링, 수신, 및 기록하고 동물 데이터에 대해 하나 이상의 요청을 하는 능력을 하나 이상의 데이터 획득자에게 제공하는, 시스템,
  20. 제 1 항에 있어서,
    상기 동물 데이터를 또 다른 소스로 전송할 때, 상기 중개 서버는 거래(transaction)의 일부로 제공된 동물 데이터의 하나 이상의 특성을 기록하고, 상기 동물 데이터의 하나 이상의 특성은 동물 데이터 소스, 타임 스탬프, 개별적 속성, 사용된 센서 유형, 센서 속성, 센서 매개변수, 센서 샘플링 속도, 분류, 데이터 형식, 데이터의 유형, 사용된 알고리즘, 동물 데이터의 품질 또는 동물 데이터가 제공되는 속도 중 적어도 하나를 포함하는, 시스템.
  21. 제 1 항에 있어서,
    동물 데이터를 하나 이상의 데이터 획득자에게 보낼 때, 상기 중개 서버는 배포된 동물 데이터에 대한 고려의 수집을 모니터링하고 기록하는, 시스템.
  22. 제 1 항에 있어서,
    상기 동물 데이터는 전자상거래(eCommerce) 웹사이트 또는 플랫폼 중 적어도 하나에서 제공되는, 시스템.
  23. 제 1 항에 있어서,
    상기 데이터 획득자는 상기 동물 데이터에 대한 가격을 설정하거나 상기 동물 데이터에 대한 입찰(bid)을 하는, 시스템.
  24. 제 1 항에 있어서,
    상기 동물 데이터의 적어도 일부에 대한 프리미엄 값(premium value)은 상기 시스템에 의해 생성된 하나 이상의 태그, 상기 동물 데이터의 하나 이상의 특성, 또는 하나 이상의 표적 개체의 하나 이상의 개별적 속성에 기초하여 배치되는, 시스템.
  25. 제 1 항에 있어서,
    상기 적어도 하나의 이해 관계자는 동물 데이터를 생성한 사용자, 데이터 소유자, 데이터 관리자, 데이터 수집 회사, 공인된 유통업체, 센서 회사, 분석 회사, 응용 프로그램 회사, 데이터 시각화 회사 또는 중개 서버를 운영하는 중개 서버 회사로 이루어지는 그룹으로부터 선택되는, 시스템.
  26. 동물 데이터를 수익화하기 위한 시스템으로서,
    적어도 하나의 센서를 포함하고 전자적으로 전송될 수 있는 동물 데이터의 소스; 및
    동물 데이터를 수신하고 수집하는 중개 서버로서, 상기 중개 서버는 고려를 위해 요청된 동물 데이터를 하나 이상의 데이터 획득자에게 제공하는 중계 서버를 포함하고, 상기 동물 데이터의 적어도 일부는 시뮬레이션된 동물 데이터이고, 상기 중개 서버는 적어도 하나의 이해관계자에 고려의 적어도 일부를 분배하고, 상기 중개 서버는 단일 컴퓨터 서버 또는 복수의 상호 작용 컴퓨터 서버를 포함하는, 시스템.
  27. 제 26 항에 있어서,
    상기 시뮬레이션된 동물 데이터는 수집된 실제 동물 데이터로부터 적어도 부분적으로 생성되는, 시스템.
  28. 제 26 항에 있어서,
    상기 시뮬레이션된 동물 데이터는 무작위로 생성된 적어도 하나의 매개변수와 함께 잠재적인 데이터 획득자에게 제공되는, 시스템.
  29. 제 26 항에 있어서,
    상기 시뮬레이션된 동물 데이터는 하나 이상의 인공 지능 기술에 의해 생성되는, 시스템.
  30. 제 26 항에 있어서,
    상기 시뮬레이션된 동물 데이터는 하나 이상의 훈련된 신경망으로부터 생성되는, 시스템.
KR1020217036971A 2019-04-15 2020-04-15 동물 데이터의 수익화 KR20220007064A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962834131P 2019-04-15 2019-04-15
US62/834,131 2019-04-15
US201962912210P 2019-10-08 2019-10-08
US62/912,210 2019-10-08
PCT/US2020/028355 WO2020214730A1 (en) 2019-04-15 2020-04-15 Monetization of animal data

Publications (1)

Publication Number Publication Date
KR20220007064A true KR20220007064A (ko) 2022-01-18

Family

ID=72838369

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217036971A KR20220007064A (ko) 2019-04-15 2020-04-15 동물 데이터의 수익화

Country Status (12)

Country Link
US (1) US20230033102A1 (ko)
EP (1) EP3956783A4 (ko)
JP (1) JP2022528981A (ko)
KR (1) KR20220007064A (ko)
CN (1) CN114207608A (ko)
AU (1) AU2020258392A1 (ko)
BR (1) BR112021020748A2 (ko)
CA (1) CA3133693A1 (ko)
MX (1) MX2021012654A (ko)
SG (1) SG11202111428PA (ko)
WO (1) WO2020214730A1 (ko)
ZA (1) ZA202109015B (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11894143B2 (en) * 2013-08-27 2024-02-06 Whiskers Worldwide, LLC System and methods for integrating animal health records
CA3216255A1 (en) * 2021-04-27 2022-11-03 Vivek KHARE Animal data-based identification and recognition system and method
US20230058158A1 (en) * 2021-08-19 2023-02-23 Allstate Insurance Company Automated iterative predictive modeling computing platform
WO2023039247A1 (en) * 2021-09-10 2023-03-16 Sports Data Labs, Inc. System and method for collecting. evaluating, and transforming animal data for use as digital currency or collateral
US20230093690A1 (en) * 2021-09-23 2023-03-23 Pumpjack Dataworks, Inc. Fan Valuation Method, System, and Uses Thereof
US20230158683A1 (en) * 2021-11-19 2023-05-25 Google Llc Robotic computing device with adaptive user-interaction
TW202343992A (zh) * 2022-04-28 2023-11-01 緯創資通股份有限公司 為光學相機通訊校正幀的方法和電子裝置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1665108A2 (en) * 2003-08-20 2006-06-07 BG Medicine, Inc. Methods and systems for profiling biological systems
US7978081B2 (en) * 2006-01-09 2011-07-12 Applied Technology Holdings, Inc. Apparatus, systems, and methods for communicating biometric and biomechanical information
US8947240B2 (en) * 2007-02-12 2015-02-03 Radio Systems Corporation System for detecting information regarding an animal and communicating the information to a remote location
US20130275230A1 (en) * 2012-03-05 2013-10-17 Elbrys Networks, Inc. Methods and systems for targeted advertising based on passively collected sensor-detected offline behavior
CN106663258A (zh) 2014-02-26 2017-05-10 威图数据研究公司 通过混合的基于统计和用户测量方法测量多屏幕互联网用户概况、交易行为和用户群体结构
US20180036591A1 (en) * 2016-03-08 2018-02-08 Your Trainer Inc. Event-based prescription of fitness-related activities
US10055621B2 (en) * 2016-04-06 2018-08-21 Agex, Inc. Agriculture exchange

Also Published As

Publication number Publication date
EP3956783A1 (en) 2022-02-23
US20230033102A1 (en) 2023-02-02
CN114207608A (zh) 2022-03-18
JP2022528981A (ja) 2022-06-16
EP3956783A4 (en) 2023-01-18
MX2021012654A (es) 2022-04-18
ZA202109015B (en) 2023-10-25
WO2020214730A1 (en) 2020-10-22
BR112021020748A2 (pt) 2021-12-14
CA3133693A1 (en) 2020-10-22
SG11202111428PA (en) 2021-11-29
AU2020258392A1 (en) 2021-11-18

Similar Documents

Publication Publication Date Title
US20230033102A1 (en) Monetization of animal data
US10905337B2 (en) Hearing and monitoring system
US20230034337A1 (en) Animal data prediction system
US20220323855A1 (en) System for generating simulated animal data and models
US20180344215A1 (en) Automated health data acquisition, processing and communication system and method
US20180350451A1 (en) Automated health data acquisition, processing and communication system and method
US20200242984A1 (en) Drone apparatus used in healthcare applications
WO2023039247A1 (en) System and method for collecting. evaluating, and transforming animal data for use as digital currency or collateral
US20230404038A1 (en) Animal data compliance system and method
CA3220063A1 (en) Method and system for generating dynamic real-time predictions using heart rate variability
US20230397578A1 (en) Animal data compliance system and method
Schlegel et al. The reach of sports technologies
US20240212845A1 (en) Animal data-based identification and recognition system and method
WO2023086669A1 (en) A system and method for intelligently selecting sensors and their associated operating parameters
RU2021131829A (ru) Монетизация биологических данных