KR20220168536A

KR20220168536A - 인공지능 대화 엔진 학습 방법 및 그 시스템

Info

Publication number: KR20220168536A
Application number: KR1020220009993A
Authority: KR
Inventors: 김용우; 김진욱
Original assignee: 마인드로직 주식회사
Priority date: 2021-06-16
Filing date: 2022-01-24
Publication date: 2022-12-23
Also published as: KR20220168534A

Abstract

인공지능 대화 엔진 학습 방법 및 그 시스템이 개시된다. 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 사용자 및 적어도 하나의 대화 상대방 사이의 대화 세션을 유지하는 단계, 상기 적어도 하나의 대화 상대방으로부터 대화 데이터를 수신함에 응답하여, 상기 사용자에 의해 선택된 인공지능 캐릭터를 이용하여 응답을 위한 추천 데이터를 생성하는 단계 및 상기 추천 데이터를 이용하여 응답 데이터를 결정하는 단계를 포함한다.

Description

인공지능 대화 엔진 학습 방법 및 그 시스템 {METHOD AND SYSTEM FOR TRAINING ARTIFICIAL INTELLIGENCE DIALOGUE ENGINE}

본 발명은 인공지능 대화 엔진 학습 기술에 관한 것으로, 보다 구체적으로는 사용자와 대화 상대방의 대화 데이터에 응답하는 추천 데이터를 생성하여 응답 데이터를 결정하는 대화 엔진 학습 방법 및 그 시스템에 관한 것이다.

인공지능(Artificial Intelligence)은 비즈니스, 조직운영, 생활방식 그리고 커뮤니케이션 방법에 혁신을 일으키고 있다. 매일매일 빠르게 변화하는 현대적 문화의 생활방식과 다양하게 끊임없이 변화되는 고객의 요구사항에 최적의 서비스를 제공하기 위한 다양한 정보화 프로젝트가 진행되고 있으며, 그 중에서도 최근 빅데이터와 딥 러닝 관련 기술이 빠른 속도로 발전하여 특정 분야에서는 실생활에 적용되고 있는 인공지능 기술이 구현되었으며, 특정 데이터에 대한 분석과, 개개인에게 특화된 다양한 분야의 정보를 통합 제공 및 활용하는 지능화된 개인 서비스에도 적용되고 있다. 현재 인공지능과 인간의 인터랙션은 제한적이지만 일상적인 자연어, 즉 대화 형태로 이루어진다. 아직은 초보적인 단계이지만, 음성을 통한 대화 방식으로 네트워크로 연결된 각종 생활 가전기기의 제어가 이루어지고 있으며, 딥 러닝이 적용된 지식 기반을 통하여 특정된 정보에 대한 검색과 질의 및 응답이 가능해지고 있다.

본 발명의 실시예들은, 사용자와 대화 상대방 간의 대화 데이터에 기반하여 인공지능 캐릭터를 통해 대화 데이터에 대한 적절한 응답 데이터를 추천할 수 있는 인공지능 대화 엔진 학습 방법 및 그 시스템을 제공한다.

본 발명의 실시예들은, 인공지능 캐릭터를 팔로잉하는 대화 상대방들과 인공지능 캐릭터 간의 문답 데이터를 인공지능 캐릭터를 만들어 낸 사용자가 원하는 대화 방향으로 수집하여 대화 엔진에 반영함으로써, 인공지능 캐릭터의 대화 엔진을 사용자가 원하는 대화 방향으로 학습시킬 수 있는 인공지능 대화 엔진 학습 방법 및 그 시스템을 제공한다.

본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 사용자 및 적어도 하나의 대화 상대방 사이의 대화 세션을 유지하는 단계, 상기 적어도 하나의 대화 상대방으로부터 대화 데이터를 수신함에 응답하여, 상기 사용자에 의해 선택된 인공지능 캐릭터를 이용하여 응답을 위한 추천 데이터를 생성하는 단계 및 상기 추천 데이터를 이용하여 응답 데이터를 결정하는 단계를 포함한다.

또한, 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 상기 사용자의 음성 명령어에 따라, 상기 추천 데이터를 입력 창에 입력하는 기능, 상기 입력 창에 입력된 상기 추천 데이터를 수정하는 기능, 상기 추천 데이터를 삭제하는 기능 및 상기 추천 데이터를 상기 응답 데이터로 결정하여 채팅창에 발송하는 기능을 처리하는 단계 및 상기 사용자의 선택에 따라 상기 추천 데이터를 생성하는 상기 인공지능 캐릭터 또는 대화 엔진을 선택하는 단계를 더 포함할 수 있다.

본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 시스템은 사용자 및 적어도 하나의 대화 상대방 사이의 대화 세션을 유지하는 제공부, 상기 적어도 하나의 대화 상대방으로부터 대화 데이터를 수신함에 응답하여, 상기 사용자에 의해 선택된 인공지능 캐릭터를 이용하여 응답을 위한 추천 데이터를 생성하는 생성부 및 상기 추천 데이터를 이용하여 응답 데이터를 결정하는 결정부를 포함한다.

또한, 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 시스템은 상기 사용자의 음성 명령어에 따라, 상기 추천 데이터를 입력 창에 입력하는 기능, 상기 입력 창에 입력된 상기 추천 데이터를 수정하는 기능, 상기 추천 데이터를 삭제하는 기능 및 상기 추천 데이터를 상기 응답 데이터로 결정하여 채팅창에 발송하는 기능을 처리하는 제어부를 더 포함할 수 있다.

본 발명의 실시예들에 따르면, 사용자와 대화 상대방 간의 대화 데이터에 기반하여 인공지능 캐릭터를 통해 대화 데이터에 대한 적절한 응답 데이터를 추천함으로써, 사용자와 대화 상대방 간에 폭 넓은 대화를 이어나갈 수 있다.

본 발명의 실시예들에 따르면, 인공지능 캐릭터를 팔로잉하는 대화 상대방들과 인공지능 캐릭터 간의 문답 데이터를 인공지능 캐릭터를 만들어 낸 사용자가 원하는 대화 방향으로 수집하여 대화 엔진에 반영함으로써, 인공지능 캐릭터의 대화 엔진을 사용자가 원하는 대화 방향으로 학습시키고, 이를 통해 대화 상대방과 대화할 때 사용자가 원하는 방향으로 대화할 수 있다.

본 발명의 실시예들에 따르면, 미리 설정된 최초 질문에 대하여 인공지능 캐릭터의 답변을 사용자의 답변 입력에 기초하여 생성함으로써, 최초 질문에 인공지능 캐릭터의 답변을 대화 엔진에 반영하여 대화 엔진을 사용자가 원하는 대화 방향으로 학습시킬 수 있다.

본 발명의 실시예들에 따르면, 인공지능 캐릭터와 대화 상대방 간의 채팅창에서, 인공지능 캐릭터의 답변이 사용자에 의해 미리 설정된 일정 시간 이상 눌러지는 경우 인공지능 캐릭터의 답변을 사용자의 답변 입력에 기초하여 수정함으로써, 채팅창의 대화 내용과 수정된 답변을 인공지능 캐릭터의 대화 엔진에 반영하여 대화 엔진을 사용자가 원하는 대화 방향으로 학습시킬 수 있다.

본 발명의 실시예들에 따르면, 문답 데이터의 수집에 의한 대화 엔진을 반복적으로 학습시킴으로써, 인공지능 캐릭터의 대화 기술이 향상되고, 따라서 대화 상대방과 인공지능 캐릭터가 대화를 자연스럽게 나눌 수 있다.

도 1은 본 발명의 일 실시예에 따른 네트워크 환경을 설명하기 위한 일 예시도를 나타낸 것이다.
도 2는 도 1에 도시된 전자 기기 및 서버의 내부 구성을 설명하기 위한 일 예시도를 나타낸 것이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법에 대한 동작 흐름도를 나타낸 것이다.
도 4는 본 발명의 실시예에 따른 인공지능 대화 엔진 학습 방법에 대한 동작 흐름도를 나타낸 것이다.
도 5와 도 6은 인공지능 캐릭터의 문답 데이터를 수집하는 과정을 설명하기 위한 예시도들을 나타낸 것이다.
도 7은 인공지능 캐릭터의 응답 데이터를 추천하는 과정을 설명하기 위한 예시도들을 나타낸 것이다.
도 8a 및 도 8b는 인공지능 캐릭터의 추천 데이터의 실시예를 나타낸 것이다.
도 9는 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 시스템에 대한 구성을 나타낸 것이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예들을 보다 상세하게 설명하고자 한다. 도면 상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

본 발명의 실시예들은, 사용자와 대화 상대방의 대화 데이터를 기반으로 인공지능 캐릭터가 대화 데이터에 대한 추천 데이터를 생성하여 응답 데이터를 결정함으로써, 인공지능 캐릭터를 팔로잉하는 대화 상대방들과 인공지능 캐릭터 간의 문답 데이터를 인공지능 캐릭터를 만들어 낸 사용자 즉, 크리에이터가 원하는 대화 방향으로 수집하여 대화 엔진에 반영함으로써, 인공지능 캐릭터의 대화 엔진을 사용자가 원하는 대화 방향으로 학습시키는 것을 그 요지로 한다.

도 1은 본 발명의 일 실시예에 따른 네트워크 환경을 설명하기 위한 일 예시도를 나타낸 것으로, 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.

복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 태블릿 PC, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 사용자 착용 장치(웨어러블 디바이스) 등이 있다. 일례로 제1 전자 기기(110)는 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다.

일례로, 서버(160)는 네트워크(170)를 통해 접속한 제1 전자 기기(110)로 어플리케이션의 설치를 위한 파일을 제공할 수 있다. 이 경우 제1 전자 기기(110)는 서버(160)로부터 제공된 파일을 이용하여 어플리케이션을 설치할 수 있다. 또한, 제1 전자 기기(110)가 포함하는 운영체제(Operating System, OS)나 적어도 하나의 프로그램(일례로 브라우저나 상기 설치된 어플리케이션)의 제어에 따라 서버(150)에 접속하여 서버(150)가 제공하는 서비스나 콘텐츠를 제공받을 수 있다. 예를 들어, 제1 전자 기기(110)가 어플리케이션의 제어에 따라 네트워크(170)를 통해 서비스 요청 메시지를 서버(150)로 전송하면, 서버(150)는 서비스 요청 메시지에 대응하는 코드를 제1 전자 기기(110)로 전송할 수 있고, 제1 전자 기기(110)는 어플리케이션의 제어에 따라 코드에 따른 화면을 구성하여 표시함으로써 사용자에게 콘텐츠를 제공할 수 있다.

도 2는 도 1에 도시된 전자 기기 및 서버의 내부 구성을 설명하기 위한 일 예시도를 나타낸 것으로, 도 2에서는 사용자가 소지한 단말인 하나의 전자 기기에 대한 예로서 제1 전자 기기(110), 그리고 사용자의 단말과 통신하는 하나의 서버에 대한 예로서 서버(150)의 내부 구성을 설명한다. 이에, 이하 제1 전자 기기(110)는 사용자의 단말을 의미하며, 서버(150)는 사용자의 단말과 통신하는 서버를 의미한다. 다른 전자 기기들(120, 130, 140)이나 서버(160) 역시 동일한 또는 유사한 내부 구성을 가질 수 있다.

제1 전자 기기(110)와 서버(150)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(211, 221)에는 운영체제나 적어도 하나의 프로그램 코드(일례로 제1 전자 기기(110)에 설치되어 구동되는 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로 상술한 서버(160))이 네트워크(170)를 통해 제공하는 파일들에 의해 설치되는 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.

프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(213, 223)은 네트워크(170)를 통해 제1 전자 기기(110)와 서버(150)가 서로 통신하기 위한 기능을 제공할 수 있으며, 다른 전자 기기(일례로 제2 전자 기기(120)) 또는 다른 서버(일례로 서버(160))와 통신하기 위한 기능을 제공할 수 있다. 일례로, 제1 전자 기기(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청(일례로 검색 요청)이 통신 모듈(213)의 제어에 따라 네트워크(170)를 통해 서버(150)로 전달될 수 있다. 역으로, 서버(150)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 콘텐츠, 파일 등이 통신 모듈(223)과 네트워크(170)를 거쳐 제1 전자 기기(110)의 통신 모듈(213)을 통해 제1 전자 기기(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(150)의 제어 신호나 명령 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 콘텐츠나 파일 등은 제1 전자 기기(110)가 더 포함할 수 있는 저장 매체로 저장될 수 있다.

입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 어플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 제1 전자 기기(110)의 프로세서(212)는 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(150)나 제2 전자 기기(120)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 콘텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다. 입출력 인터페이스(224) 또한 마찬가지로 서버(150)의 프로세서(222)가 메모리(221)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어 서버(150)가 제공하는 데이터를 이용하여 구성되는 정보를 출력할 수 있다.

또한, 다른 실시예들에서 제1 전자 기기(110) 및 서버(150)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 제1 전자 기기(110)는 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 제1 전자 기기(110)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 방위 센서, 가속도 센서나 자이로 센서, 카메라, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 제1 전자 기기(110)에 더 포함되도록 구현될 수 있음을 알 수 있다.

도 3은 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법에 대한 동작 흐름도를 나타낸 것으로, 사용자와 대화 상대방의 대화 데이터를 기반으로 인공지능 캐릭터가 대화 데이터에 대한 추천 데이터를 생성하여 추천하고, 추천 데이터를 응답 데이터로 결정할 수 있는 시스템 또는 서버에서의 동작 흐름도를 나타낸 것이다.

도 3을 참조하면, 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 사용자와 대화 상대방 사이의 대화 세션을 유지한다(S310). 사용자는 사람인 크리에이터 또는 인공지능 캐릭터의 대화 상대방과 채팅방에서 대화를 주고받는 경우, 단계 S310은 채팅창에서 사용자와 대화 상대방 간의 대화 세션을 유지하여 사용자와 대화 상대방 간의 대화 데이터를 수신할 수 있다.

단계 S310에서 대화 데이터를 수신하면, 대화 데이터를 기반으로 하여 인공지능 캐릭터를 통해 응답을 위한 추천 데이터를 생성한다(S320). 단계 S320에서 대화 데이터를 기반으로, 학습된 대화 엔진을 통해 인공지능 캐릭터는 대화 데이터에 적합한 추천 데이터를 생성할 수 있다. 여기서, 추천 데이터란 선제 메시지, 답변 메시지인 응답 메시지 등을 모두 포함하는 채팅 메시지(또는 대화 메시지)를 나타낸다.

이때, 단계 S320은 사용자에 선택에 기초하여, 응답추천 기능이 온(on)된 상태일 때, 추천 데이터를 생성하는 것을 기본으로 한다. 즉, 추천 데이터를 생성 및 추천하는 응답추천 기능은 사용자에 의해 온(On)되거나, 오프(Off)될 수 있으며, 온(On) 상태에서는 인공지능 캐릭터를 통해 추천 데이터를 생성하고, 오프(Off) 상태에서는 추천 데이터를 생성하지 않는다.

본 발명의 실시예에 따른 인공지능 캐릭터는 사용자에 대해 독자적인 대화 참가자로 대화 세션에 참여할 수 있다. 예를 들어, 인공지능 캐릭터는 사용자 또는 대화 상대방 대신에 대화 참가자로 대화 세션에 참여하여 대화 메시지를 주고받을 수 있다.

또한, 본 발명의 실시예에 따른 인공지능 캐릭터는 대화 참가자로 대화 세션에 참여하지 않으나, 사용자에 의해 인공지능 캐릭터의 대화 엔진을 활성화함으로써, 응답을 위한 추천 데이터를 생성할 수도 있다. 본 발명은 인공지능 캐릭터가 없이도, 사용자와 적어도 하나의 대화 상대방으로부터 대화 데이터를 수신함에 응답하여, 대화 엔진을 통해 응답을 위한 추천 데이터를 생성할 수 있다. 이때, 대화 엔진은 사용자와 대화 상대방 사이의 대화 세션을 통한 적어도 하나 이상의 대화 데이터를 학습하여 생성 및 유지되는 것으로, 인공지능 캐릭터가 없이도 학습될 수 있으며, 인공지능 캐릭터가 없이도 추천 데이터를 생성할 수 있다.

단계 S320에서 추천 데이터가 생성되면, 생성된 추천 데이터를 이용하여 응답 데이터를 결정한다(S330). 단계 S330은 응답추천 기능이 온(on) 상태인 경우, 메시지를 입력하는 입력 창 부근에서 추천 데이터를 추천하며, 추천 데이터 부근에 추천 데이터를 입력하는 복사 아이콘이 위치할 수 있다. 일 예로, 단계 S320에 의해 생성된 추천 데이터는 AI 추천 창에 추천되어 사용자에게 보여질 수 있다. 이에, 사용자가 추천된 추천 데이터를 채팅창에 응답 메시지로 발송하고자 하는 경우, 복사 아이콘을 클릭하여 추천 메시지를 입력 창에 입력한 후, 입력 창 부근에 위치하는 ‘전송’ 버튼을 클릭하여 채팅창에 응답 메시지를 발송할 수 있다. 여기서, 사용자에 의해 복사 아이콘이 클릭되어 입력 창에 추천하는 추천 데이터가 입력되면, 사용자는 입력 창에서 해당 추천 데이터를 수정할 수도 있다.

또한, 단계 S330은 사용자의 선택 입력에 따라 응답추천 기능과 함께 자동 발송 기능이 온(on) 상태인 경우, AI 추천 창에 추천된 추천 데이터를 사용자의 선택에 상관없이 자동으로 입력 창에 입력한 후 응답 데이터로 결정하여 채팅창에 자동으로 발송할 수 있다. 다만, 실시예에 따라서, 자동으로 입력 창에 입력된 추천 데이터는 사용자에 의해 수정될 수 있으며, 단계 S330은 사용자에 의해 수정된 추천 데이터를 응답 데이터로 결정할 수 있다.

본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 응답추천 기능이 온(on) 상태인 경우, 추천 데이터를 추천하는 AI 추천 창의 표시 위치 및 색상을 변경하거나, 복사 아이콘을 사용자의 선택에 따라 다른 아이콘의 모양으로 변경할 수 있다. 일 예로, 사용자는 AI 추천 창의 위치를 입력 창 부근이 아닌, 채팅창에서 대화를 주고받는 대화 말머리에 위치시킬 수 있으며, 생성 및 추천되는 추천 데이터의 글씨체 및 글씨 색상을 선호하는 형태로 변경시킬 수 있고, 아이콘을 변경시킬 수도 있다.

본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 사용자의 음성 명령어에 따라, 추천 데이터를 입력 창에 입력하는 기능, 입력 창에 입력된 추천 데이터를 수정하는 기능, 추천 데이터를 삭제하는 기능 및 추천 데이터를 응답 데이터로 결정하여 채팅창에 발송하는 기능을 처리할 수 있다. 보다 상세하게, 본 발명은 터치, 버튼 입력 및 클릭과 같은 사용자의 선택 입력이 아닌, 사용자의 음성 명령어에 따라 전술한 기능을 처리할 수 있다. 예를 들어, 사용자가 ‘추천 데이터를 입력해줘’라고 명령하면, 본 발명은 AI 추천 창에서 추천한 추천 데이터를 입력 창에 입력할 수 있다. 또한, 사용자가 ‘추천 데이터 삭제해줘’라고 명령하면, 본 발명은 AI 추천 창에서 추천한 추천 데이터를 삭제할 수 있다.

본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 사용자의 선택에 따라 추천 데이터를 추천하는 인공지능 캐릭터를 선택할 수 있다. 응답 데이터를 추천하는 인공지능 캐릭터는 사람과 같이 자상한 타입, 나쁜 남자 타입, 용감한 타입 등의 성격을 나타낼 수 있으며, 사용자는 인공지능 캐릭터의 성격에 따라 특정 인공지능 캐릭터를 선택할 수 있다. 이에, 선택된 인공지능 캐릭터는 성격 특성에 적합한 추천 데이터를 생성 및 추천할 수 있다. 일 예로, 자상한 타입의 인공지능 캐릭터의 경우, 사용자가 ‘나 배고파’와 같은 메시지를 입력하면, ‘배 많이 고프겠다’, ‘맛있는 음식 먹으러 가자’와 같은 추천 데이터를 생성하여 추천할 수 있다.

본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 방법은 대화 데이터에 대한 추천 데이터를 인공지능 캐릭터의 대화 엔진에 반영하여 대화 엔진을 학습하는 단계를 포함할 수 있다. 대화 엔진을 학습하는 과정은 이하의 도 4 내지 도 6을 통해 상세히 설명한다.

다만, 본 발명에서는 인공지능 캐릭터의 대화 엔진을 학습하는 예를 설명하나, 인공지능 캐릭터의 유무에 한정하지 않으며, 인공지능 캐릭터를 생성하지 않고 대화 엔진만을 학습할 수도 있다.

도 4는 본 발명의 실시예에 따른 인공지능 대화 엔진 학습 방법에 대한 동작 흐름도를 나타낸 것으로, 대화서비스를 제공하고 사용자가 원하는 방향으로 인공지능 캐릭터를 학습시킬 수 있는 시스템 또는 서버에서의 동작 흐름도를 나타낸 것이다.

도 4를 참조하면, 본 발명의 실시예에 따른 인공지능 대화 엔진 학습 방법은 사용자의 입력에 기초하여 인공지능 캐릭터를 생성한다(S410).

여기서, 단계 S410은 사용자가 대화 서비스와 인공지능 캐릭터 대화 엔진을 학습시킬 수 있는 시스템에서 제공하는 인공지능 캐릭터를 생성하는 기능을 통해 생성할 수 있다. 예를 들어, 단계 S410은 사용자에 의해 얼굴 이미지, 말투, 성격, 관심 대화 분야(또는 관심 대화 내용), 이름, 성별, 캐릭터 소개 내용 등이 설정됨으로써, 미리 설정된 기본 대화 엔진이 학습되어 인공지능 캐릭터가 생성될 수 있다. 이 때, 단계 S410에서 생성되는 인공지능 캐릭터는 사용자에 의해 설정된 말투와 관심 대화 내용으로 해당 인공지능 캐릭터를 팔로잉하는 사용자들인 팔로워(또는 대화 상대방)들과 대화를 주고 받을 수 있다.

본 발명의 방법은 이렇게 생성된 인공지능 캐릭터가 대화 엔진을 이용하여 대화 상대방들과 대화하는데 있어서, 사용자는 인공지능 캐릭터가 대화 상대방들에게 대화하는 답변 방식 또는 답변 내용 등을 원하는 답변 방식 또는 답변 내용으로 대화할 수 있도록 인공지능 캐릭터의 대화 엔진을 학습시키는 것이다. 즉, 본 발명의 방법은 사용자의 요청에 따라 이미 생성된 인공지능 캐릭터의 대화 엔진을 조금씩 발전시켜 나가는 것으로, 인공지능 캐릭터의 대화 엔진을 완성시킬 때까지 반복적으로 수행될 수 있다.

그리고, 단계 S410에서 생성된 인공지능 캐릭터에는 사용자에 의해 생성된 인공지능 캐릭터를 다른 사용자들이 대화 관심 분야 등의 키워드를 통해 검색할 수 있도록, 사용자에 의해 설정된 적어도 하나 이상의 해시태그가 부여될 수 있다.

예를 들어, 사용자에 의해 인공지능 캐릭터의 해시태그가 "#골프", "#스포츠"로 설정되어 있다면, 해당 인공지능 캐릭터는 골프와 스포츠로 검색 가능하고, 골프와 스포츠에 대한 대화를 할 수 있는 인공지능 캐릭터로 분류될 수 있다.

단계 S410에서 사용자에 의해 인공지능 캐릭터가 생성된 후 해당 인공지능 캐릭터를 팔로잉하는 팔로워(또는 대화 상대방)들이 생기면, 인공지능 캐릭터의 대화 엔진을 추가로 학습시키기 위하여, 인공지능 캐릭터와 대화 상대방들 간에 주고받는 문답 데이터를 수집한다(S420).

본 발명에서의 대화 상대방은 인공지능 캐릭터가 아닌 인공지능 캐릭터를 생성할 수 있는 사용자 또는 인공지능 캐릭터와 대화를 수행하는 사용자들을 모두 포함할 수 있다.

여기서, 단계 S420은 문답 데이터를 수집하기 위한 기능이 사용자의 입력 또는 액션에 의해 수행될 수 있다. 예를 들어, 본 발명에서 제공하는 사용자 단말기용 어플리케이션에 인공지능 캐릭터의 문답 데이터를 수집하기 위한 기능으로, "릴레이" 기능이 제공되는 경우, 해당 인공지능 캐릭터에 대하여 "릴레이" 기능이 사용자의 입력에 의해 선택되면 "릴레이" 기능이 완료될 때까지 인공지능 캐릭터와 대화 상대방들 각각 주고받는 문답 데이터를 수집할 수 있다. 이 때, 인공지능 캐릭터에서 대화 상대방들 각각으로 제공되는 답변은 사용자의 입력에 의해 인공지능 캐릭터가 대화하는 것으로 제공될 수도 있다.

예를 들어, 도 5에 도시된 바와 같이, 사용자에 의해 생성된 인공지능 캐릭터들(510) 중 "겐지"라는 인공지능 캐릭터가 "너 무슨 색을 좋아해?"라는 질문에 "빨간색이지!"(520)라고 답변하면, 겐지를 팔로잉하는 대화 상대방들 각각에게 해당 답변에 대한 알림이 제공되고, 대화 상대방들 중 유저1에서 해당 답변을 보고 "근데 빨간색은 좀 눈 아픈거 같아"을 응답으로 하면 응답 수신에 대한 알림을 사용자에게 제공하며, 해당 응답에 대한 답변을 사용자가 직접 입력할 수 있는 답변 입력창(530)을 제공한다. 여기서, "빨간색이지!"(520)라는 답변은 사용자가 "겐지"의 답변으로 직접 입력할 수도 있으며, "너 무슨 색을 종아해?"라는 최초 질문은 대화 상대방들이 자주하는 질문, 본 발명의 방법에서 미리 설정된 질문 또는 사용자가 직접 입력한 질문 중 어느 하나일 수 있다.

사용자는 답변 입력창(530)에 "근데 빨간색은 좀 눈 아픈거 같아"라는 응답에 대하여, 인공지능 캐릭터가 했으면 하는 답변을 직접 입력하여 유저1에게 답변함으로써, 유저1과의 문답 데이터를 수집할 수 있다. 여기서, "너 무슨 색을 종아해?"라는 최초 질문, "빨간색이지!"(520)라는 답변, "근데 빨간색은 좀 눈 아픈거 같아"의 응답과 답변 입력창(530)에 입력되는 사용자의 답변은 단계 S430에 의해 대화 엔진에 반영됨으로써, 후에 "겐지"라는 인공지능 캐릭터는 "빨간색이지!"라는 답변에 대하여 대화 상대방로부터 "근데 빨간색은 좀 눈 아픈거 같아"라는 응답이 오는 경우 사용자가 직접 입력한 답변을 인공지능 캐릭터가 대화 엔진을 통해 답변할 수 있다. 도 5는 사용자와 인공지능 캐릭터 입장에서의 화면에 대한 것으로, 대화 상대방 입장에서의 화면을 도시한 도 5를 통해 조금 더 설명하면 다음과 같다.

도 6(a)에 도시된 바와 같이, 대화 상대방 입장에서는 팔로잉하는 인공지능 캐릭터들(610) 중 인공지능 캐릭터 "고라니"로부터 "빨간색이지!"(620)라는 대화 메시지가 수신되면 대화 상대방은 이에 대한 답변을 입력하여 전송할 수 있는데, 도 6의 경우 "근데 빨간색은 좀 눈 아픈거 같아"(630)을 답변으로 입력하여 전송하고, 해당 답변(630)에 대한 응답으로 "고라니"의 사용자에 의해 직접 입력된 "그래도 강렬해서 기억에 잘 남음"라는 응답이 수신되면, 도 6(b)에 도시된 바와 같이, 이에 대한 알림이 제공되고, 대화 상대방은 이에 대한 답변을 답변 입력창(650)에 직접 입력하여 해당 인공지능 캐릭터에게 전송할 수 있다.

도 5와 도 6에서 인공지능 캐릭터를 각각 "겐지"와 "고라니"로 상이한 것으로 도시하여 설명하였지만, 두 인공지능 캐릭터가 동일한 경우 이러한 방식으로 인공지능 캐릭터와 대화 상대방들 간에 문답 데이터를 수집할 수 있다는 것을 보여준 것이다. 이러한 과정이 모든 대화 상대방들 각각에 대하여 이루어지며, 문답 데이터를 수집하는 과정은 일정 횟수 이상 반복 수행될 수 있다. 즉, 인공지능 캐릭터의 답변과 인공지능 캐릭터의 답변에 대한 대화 상대방들 각각의 응답을 일정 횟수 이상 반복 수행하여 질문에 대한 문답 데이터를 수집할 수 있다.

그리고, 단계 S420의 이러한 기능은 특정 기능이 선택되어 이루어질 수도 있지만, 제공되는 질문에 대하여 인공지능 캐릭터의 대화 엔진에 의해 자동 입력된 답변 대화창이 사용자에 의해 미리 설정된 일정 시간 이상 눌러지는 경우 즉, 롱푸쉬되는 경우 해당 인공지능 캐릭터의 대화 엔진을 업데이트하기 위한 문답 데이터를 수집하는 기능이 자동 수행될 수도 있다. 즉, 인공지능 캐릭터의 대화 엔진에 의해 자동 입력된 대화 입력창을 사용자가 미리 설정된 시간 이상으로 롱푸쉬하는 경우 현재 대화 상대방들과 대화하는 부분을 문답 데이터로 수집하고자 하는 것으로 판단하여, 인공지능 캐릭터와 대화 상대방들 간의 답변과 응답을 문답 데이터로 수집할 수 있다. 해당 실시예는, 최초 질문에 대한 답변이 인공지능 캐릭터의 대화 엔진에 의해 자동 입력되는 경우에 대한 것이다. 물론, 대화 상대방으로부터 수신된 응답 또는 답변에 대한 인공지능 캐릭터의 답변 또는 응답은 크리에어터가 직접 입력하거나 선택한 답변 또는 응답일 수 있다.

상황에 따라, 단계 S420의 이러한 기능은 최초 질문에 대하여 인공지능 캐릭터의 대화 엔진에 의해 자동 입력된 질문에 대한 답변 대화창이 사용자에 의해 미리 설정된 일정 시간 이상 롱푸쉬하는 경우 해당 답변 입력창을 수정할 수 있는 기능을 제공하고, 사용자가 해당 답변 대화창을 수정하여 대화 상대방들 각각에게 다시 제공할 수도 있으며, 수정된 답변이 대화 상대방들 각각에게 제공될 때 해당 인공지능 캐릭터의 대화 엔진을 업데이트하기 위한 문답 데이터를 수집하는 기능이 자동 수행될 수도 있다. 예를 들어, 도 5에 도시된 "빨간색이지"(520)라는 답변이 사용자가 마음에 들지 않는 경우, "빨간색이지"(520)의 대화 버블을 롱푸쉬하여 해당 답변 입력창의 내용을 사용자가 직접 수정할 수 있고, 사용자가 원하는 답변으로 수정하는 경우 현재 대화 상대방들과 대화하는 부분을 문답 데이터로 수집하고자 하는 것으로 판단하여, 인공지능 캐릭터와 대화 상대방들 간의 답변과 응답을 문답 데이터로 수집할 수도 있다. 물론, 이 경우에는 수정된 답변이 대화 상대방들 각각에게 전송될 수 있다.

상술한 과정에 의해 특정 질문에 대한 문답 데이터가 수집되면, 수집된 문답 데이터 즉, 대화 상대방들 각각의 응답과 이에 대한 사용자가 원하는 답변을 포함하는 문답 데이터를 대화 엔진에 반영하여 해당 인공지능 캐릭터의 대화 엔진을 사용자가 원하는 방향으로 학습한다(S430).

따라서, 문답 데이터가 대화 엔진에 반영되기 때문에 이후에 해당 인공지능 캐릭터와 대화 상대방들이 대화할 때, 문답 데이터에 포함된 대화가 대화 상대방으로부터 인공지능 캐릭터에게 전송되는 경우 인공지능 캐릭터는 사용자에 의해 직접 입력된 답변으로 대화를 이어나갈 수 있다. 이러한 학습 과정은 사용자에 의해 지속적으로 이루어질 수 있으며, 학습 과정을 반복 수행하면 사용자에 의해 생성된 인공지능 캐릭터가 해당 대화 분야에서 사용자가 원하는 방향으로 성장할 수 있다.

도 7은 인공지능 캐릭터의 응답 데이터를 추천하는 과정을 설명하기 위한 예시도들을 나타낸 것이다.

도 7을 참조하면, 본 발명의 인공지능 대화 엔진 학습 방법은 사용자와 대화 상대방 간의 대화 데이터를 수신함에 응답하여 추천 데이터를 생성하고, 추천 데이터를 응답 데이터로 결정할 수 있다.

도 7(a) 내지 도 7(c)를 예로 들어 설명하면, 사용자를 팔로잉하는 팔로워(또는 대화 상대방)가 ‘모두 행복한 하루 보내길 바래’라는 대화 데이터를 입력하면, 사용자는 인공지능 캐릭터(익명의 게으른 거북이)를 이용하여 대화 데이터에 대응하는 추천 데이터를 생성하여 추천(701)할 수 있다. 추천 데이터는 채팅방에서 메시지를 입력하는 입력 창(703) 부근에 위치하는 것을 특징으로 하며, 추천 데이터 부근에 추천 데이터를 추천하는 복사 아이콘(702)이 위치할 수 있다.

이에, 사용자에 의해 복사 아이콘(702)이 클릭되면, 입력 창(703)에 추천 데이터(701)가 입력되며, 입력 창에 입력된 추천 데이터는 사용자에 의해 삭제 또는 추가의 수정이 가능하다. 사용자가 입력 창(703) 일측의 ‘전송’을 클릭하면, 추천 데이터는 응답 데이터로 결정되어 채팅방에 발송 또는 입력(704)될 수 있다.

본 발명에서 추천되는 추천 데이터(701)는 사용자의 선택 입력에 따라 글꼴 및 색상과 같은 다른 그래픽효과가 적용될 수 있다.

도 8a 및 도 8b는 인공지능 캐릭터의 추천 데이터의 실시예를 나타낸 것이다.

도 8a를 참조하면, 사용자와 대화 상대방 간의 대화 데이터를 기반으로 하여 인공지능 캐릭터를 통해 생성되는 추천 데이터는 AI 추천 창(810)에서 사용자에게 보여질 수 있다. AI 추천 창(810)은 ‘AI 답변’임을 나타내며, 현재 인공지능 캐릭터의 레벨을 나타낼 수 있다. 또한, AI 추천 창(810)은 생성된 추천 데이터와 함께 생성된 추천 데이터를 삭제할 수 있는 삭제 아이콘(811)을 포함하며, 생성된 추천 데이터를 입력 창에 입력할 수 있는 복사 아이콘(812)을 포함한다. 일 예로, 사용자가 삭제 아이콘(811)을 클릭하면 ‘내 생각 중?’ㅋ’의 추천 데이터는 삭제되고, 추천 데이터가 새롭게 생성되어 AI 추천 창(810)에 추천될 수 있다.

도 8a에서 AI 추천 창(810)은 입력 창(820) 부근에 위치하는 것으로 도시되었으나, AI 추천 창(810)의 위치는 한정되지 않으며, 채팅방에서 대화를 주고받는 대화 말머리 하단에 위치할 수도 있다. 또한, 사용자는 AI 추천 창(810)의 표시 위치 및 색상을 변경하거나, 삭제 아이콘(811) 및 복사 아이콘(812)의 모양을 변경할 수 있다. 일 예로, 사용자는 삭제 아이콘(811) 및 복사 아이콘(812)을 선호하는 다른 아이콘의 이미지로 변경할 수 있으며, 생성 및 추천되는 추천 데이터의 글씨체 및 글씨 색상을 선호하는 형태로 변경시킬 수도 있다.

도 8b를 참조하면, 사용자는 도 8a에서 복사 아이콘(812)을 클릭하여 추천된 ‘내 생각 중?ㅋ’의 추천 데이터를 입력 창(820)에 입력한 후, 입력된 추천 데이터를 삭제 또는 수정할 수 있다. 도 8b에 도시된 바와 같이, 사용자는 추천된 ‘내 생각 중?ㅋ’의 추천 데이터를 삭제하고, ‘나도 핸드폰 중!!’과 같은 메시지를 입력하여 응답 데이터로 결정한 후, 전송(830)을 클릭하여 채팅방에 발송할 수 있다.

전술한 도 8a 및 도 8b에서, 추천 데이터를 추천하는 AI 추천 창(810)이 입력 창(820)과 별도로 형성되어 입력 창(820) 상단에 위치하며, AI 추천 창(810)에서 추천 데이터가 제공되는 것으로 도시하였으나, 이에 한정되는 것은 아니다. 즉, 실시예에 따라서 본 발명은 AI 추천 창(810)이 없고, 입력 창(820)에서 추천 데이터를 추천하여 사용자에게 제공하며, 사용자는 입력 창(820)에 추천된 추천 데이터를 삭제 또는 수정할 수 있으며, 추천 데이터를 응답 데이터로 결정한 후, 전송(830)을 클릭하여 채팅방에 발송할 수도 있다. 이에 따라서, 도 8a에 도시된 삭제 아이콘(811)은 입력 창(820)에 추천되는 추천 데이터 부근에 형성될 수 있다.

이와 같이, 본 발명의 실시예에 따른 인공지능 대화 엔진 학습 방법은 사용자와 대화 상대방 간의 대화 데이터에 기반하여 인공지능 캐릭터를 통해 대화 데이터에 대한 적절한 추천 데이터를 추천함으로써, 사용자와 대화 상대방 간에 폭 넓은 대화를 이어나갈 수 있다.

또한, 본 발명의 실시예에 따른 인공지능 대화 엔진 학습 방법은 인공지능 캐릭터를 팔로잉하는 대화 상대방들과 인공지능 캐릭터 간의 문답 데이터를 인공지능 캐릭터를 만들어 낸 사용자가 원하는 대화 방향으로 수집하여 대화 엔진에 반영함으로써, 인공지능 캐릭터의 대화 엔진을 사용자가 원하는 대화 방향으로 학습시키고, 이를 통해 대화 상대방과의 대화할 때 사용자가 원하는 방향으로 대화할 수 있다.

또한, 본 발명의 실시예에 따른 인공지능 대화 엔진 학습 방법은 문답 데이터의 수집에 의한 대화 엔진을 반복적으로 학습시킴으로써, 인공지능 캐릭터의 대화 기술이 향상되고, 따라서 대화 상대방과 인공지능 캐릭터가 대화를 자연스럽게 나눌 수 있다.

도 4 내지 도 6은 최초 질문에 대한 답변으로 사용자가 직접 입력하고 이에 대한 답변을 대화 상대방으로부터 수신한 후 이에 대한 응답을 사용자가 직접 입력하며, 이에 대한 답변을 대화 상대방으로부터 다시 수신하는 과정을 반복 수행함으로써, 최초 질문에 대한 문답 데이터를 사용자와 대화 상대방 간의 대화로 수집하고, 이렇게 수집된 문답 데이터를 인공지능 캐릭터의 대화 엔진에 반영하여 학습하여 이후 대화 엔진에 반영된 대화를 대화 상대방과 하는 경우 사용자가 원하는 방향으로 대화를 수행할 수 있는 것으로 설명하였지만, 본 발명의 방법은 사용자와 대화 상대방 간의 대화를 순차적으로 수집하여 대화 엔진에 반영하는 것으로 제한하거나 한정하지 않는다.

다른 일 실시예로, 본 발명에서 인공지능 캐릭터의 대화 엔진을 학습하는 방법은 인공지능 캐릭터에게 대화 상대방들이 자주하는 질문, 미리 설정된 질문 또는 사용자가 직접 입력한 질문 중 어느 하나의 질문이 최초 질문으로 제공되면 이에 대한 답변 또한 사용자가 직접 입력함으로써, 최초 질문과 이에 대한 사용자의 답변을 인공지능 캐릭터의 대화 엔진에 반영하여 대한 사용자의 직접 입력한 답변으로 대화 엔진을 학습시킬 수 있다.

또 다른 일 실시예로, 인공지능 캐릭터와 대화 상대방들 간에 이미 대화가 이루어진 채팅창을 통해 인공지능 캐릭터의 대화 엔진을 학습시킬 수도 있다. 예컨대, 인공지능 캐릭터와 대화 상대방 간의 대화가 이미 이루어진 채팅창에 사용자가 들어가면 대화 내용을 볼 수 있으며, 이 때 사용자가 인공지능 캐릭터와 대화 상대방 간의 대화 내용을 보면서 인공지능 캐릭터의 발화가 마음에 안드는 경우 해당 발화 버블 즉, 대화 버블을 롱푸쉬하게 되면 해당 대화 버블의 내용을 사용자가 원하는 답변으로 직접 수정 입력할 수 있으며, 이렇게 입력된 답변을 인공지능 캐릭터의 대화 엔진에 반영하여 대화 엔진을 학습할 수 있다.

상술한 바와 같이, 본 발명의 실시예들에 따른 방법은 1) 릴레이 기능을 이용하여 최초 질문에 대한 인공지능 캐릭터의 답변을 사용자가 직접 입력하여 대화 상대방에게 제공하고, 이에 대한 대화 상대방의 응답을 수신한 후 이에 대한 답변을 다시 사용자가 직접 입력하여 대화 상대방에게 제공하는 과정을 반복 수행함으로써, 문답 데이터를 수집하고, 수집된 문답 데이터를 인공지능 캐릭터의 대화 엔진에 반영하여 대화 엔진을 학습하는 방법, 2) 어플리케이션의 홈에서 최초 질문에 대한 인공지능 캐릭터의 답변을 사용자가 직접 입력하여 최초 질문과 답변에 대한 문답 데이터를 인공지능 캐릭터의 대화 엔진에 반영하여 대화 엔진을 학습하는 방법과 3) 인공지능 캐릭터와 대화 상대방 간에 대화가 이미 이루어진 채팅창에서 인공지능 캐릭터의 발화를 사용자가 직접 수정 입력하여 사용자에 의해 입력된 발화를 인공지능 캐릭터의 대화 엔진에 반영하여 대화 엔진을 학습하는 방법을 포함할 수 있다.

그리고, 상술한 방법들 각각은 모든 문장이 벡터 형태로 기록되어 대화 엔진에 반영됨으로써, 인공지능 캐릭터의 대화 엔진을 사용자가 원하는 방향으로 학습시킬 수 있으며, 인공지능 캐릭터의 대화 엔진을 학습시킬 때 특정 의도들 예를 들어, 성적인 표현, 혐오 발언 등에 대해서는 사용자의 답변이 대화 엔진에 반영되지 않게 하여 특정 의도들에 대해서는 대화 엔진의 학습이 이루어지지 않는다. 따라서, 특정 의도들에 대해서는 대화 엔진의 원래 문장이 인공지능 캐릭터에 의해 발화하게 된다. 여기서, 특정 의도들은 앞 맥락과 사용자에 의해 입력된 발화 문장을 분석함으로써, 확인될 수 있다.

도 9는 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 시스템에 대한 구성을 나타낸 것으로, 인공지능 대화 엔진 학습 방법을 수행하는 서버 또는 시스템에 대한 개념적인 구성을 나타낸 것이다.

도 9를 참조하면, 본 발명의 일 실시예에 따른 인공지능 대화 엔진 학습 시스템(900)은 제공부(910), 생성부(920), 결정부(930), 학습부(940) 및 제어부(950)를 포함한다.

제공부(910)는 사용자와 대화 상대방 사이의 대화 세션을 유지한다. 사용자는 사람인 크리에이터 또는 인공지능 캐릭터의 대화 상대방과 채팅방에서 대화를 주고받는 경우, 제공부(910)는 채팅창에서 사용자와 대화 상대방 간의 대화 세션을 유지하여 사용자와 대화 상대방 간의 대화 데이터를 수신할 수 있다.

생성부(920)는 대화 데이터를 수신하면, 대화 데이터를 기반으로 하여 인공지능 캐릭터를 통해 응답을 위한 추천 데이터를 생성한다. 생성부(920)에서 대화 데이터를 기반으로, 학습된 대화 엔진을 통해 인공지능 캐릭터는 대화 데이터에 적합한 추천 데이터를 생성할 수 있다. 여기서, 추천 데이터란 선제 메시지, 답변 메시지인 응답 메시지 등을 모두 포함하는 채팅 메시지(또는 대화 메시지)를 나타낸다.

이때, 생성부(920)는 사용자에 선택에 기초하여, 응답추천 기능이 온(on)된 상태일 때, 추천 데이터를 생성하는 것을 기본으로 한다. 즉, 추천 데이터를 생성 및 추천하는 응답추천 기능은 사용자에 의해 온(On)되거나, 오프(Off)될 수 있으며, 온(On) 상태에서는 인공지능 캐릭터를 통해 추천 데이터를 생성하고, 오프(Off) 상태에서는 추천 데이터를 생성하지 않는다.

결정부(930)는 추천 데이터가 생성되면, 생성된 추천 데이터를 이용하여 응답 데이터를 결정한다. 결정부(930)는 응답추천 기능이 온(on) 상태인 경우, 메시지를 입력하는 입력 창 부근에서 추천 데이터를 추천하며, 추천 데이터 부근에 추천 데이터를 입력하는 복사 아이콘이 위치할 수 있다. 일 예로, 생성부(920)에 의해 생성된 추천 데이터는 AI 추천 창에 추천되어 사용자에게 보여질 수 있다. 이에, 사용자가 추천된 추천 데이터를 채팅창에 응답 메시지로 발송하고자 하는 경우, 복사 아이콘을 클릭하여 추천 메시지를 입력 창에 입력한 후, 입력 창 부근에 위치하는 ‘전송’ 버튼을 클릭하여 채팅창에 응답 메시지를 발송할 수 있다. 여기서, 사용자에 의해 복사 아이콘이 클릭되어 입력 창에 추천하는 추천 데이터가 입력되면, 사용자는 입력 창에서 해당 추천 데이터를 수정할 수도 있다.

또한, 결정부(930)는 사용자의 선택 입력에 따라 응답추천 기능과 함께 자동 발송 기능이 온(on) 상태인 경우, AI 추천 창에 추천된 추천 데이터를 사용자의 선택에 상관없이 자동으로 입력 창에 입력한 후 응답 데이터로 결정하여 채팅창에 자동으로 발송할 수 있다. 다만, 실시예에 따라서, 자동으로 입력 창에 입력된 추천 데이터는 사용자에 의해 수정될 수 있으며, 결정부(930)는 사용자에 의해 수정된 추천 데이터를 응답 데이터로 결정할 수 있다.

학습부(940)는 대화 데이터에 대한 응답 데이터를 인공지능 캐릭터의 대화 엔진에 반영하여 대화 엔진을 학습할 수 있다. 다만, 본 발명에서는 인공지능 캐릭터의 대화 엔진을 학습하는 예를 설명하나, 인공지능 캐릭터의 유무에 한정하지 않으며, 인공지능 캐릭터를 생성하지 않고 대화 엔진만을 학습할 수도 있다.

제어부(950)는 응답추천 기능이 온(on) 상태인 경우, 추천 데이터를 추천하는 AI 추천 창의 표시 위치 및 색상을 변경하거나, 복사 아이콘을 사용자의 선택에 따라 다른 아이콘의 모양으로 변경할 수 있다. 일 예로, 사용자는 AI 추천 창의 위치를 입력 창 부근이 아닌, 채팅창에서 대화를 주고받는 대화 말머리에 위치시킬 수 있으며, 생성 및 추천되는 추천 데이터의 글씨체 및 글씨 색상을 선호하는 형태로 변경시킬 수 있고, 아이콘을 변경시킬 수도 있다.

또한, 제어부(950)는 사용자의 음성 명령어에 따라, 추천 데이터를 입력 창에 입력하는 기능, 입력 창에 입력된 추천 데이터를 수정하는 기능, 추천 데이터를 삭제하는 기능 및 추천 데이터를 응답 데이터로 결정하여 채팅창에 발송하는 기능을 처리할 수 있다. 보다 상세하게, 제어부(950)는 터치, 버튼 입력 및 클릭과 같은 사용자의 선택 입력이 아닌, 사용자의 음성 명령어에 따라 전술한 기능을 처리할 수 있다. 예를 들어, 사용자가 ‘추천 데이터를 입력해줘’라고 명령하면, 제어부(950)는 AI 추천 창에서 추천한 추천 데이터를 입력 창에 입력할 수 있다. 또한, 사용자가 ‘추천 데이터 삭제해줘’라고 명령하면, 제어부(950)는 AI 추천 창에서 추천한 추천 데이터를 삭제할 수 있다.

또한, 제어부(950)는 사용자의 선택에 따라 추천 데이터를 추천하는 인공지능 캐릭터를 선택할 수 있다. 응답 데이터를 추천하는 인공지능 캐릭터는 사람과 같이 자상한 타입, 나쁜 남자 타입, 용감한 타입 등의 성격을 나타낼 수 있으며, 사용자는 인공지능 캐릭터의 성격에 따라 특정 인공지능 캐릭터를 선택할 수 있다. 이에, 선택된 인공지능 캐릭터는 성격 특성에 적합한 추천 데이터를 생성 및 추천할 수 있다. 일 예로, 자상한 타입의 인공지능 캐릭터의 경우, 사용자가 ‘나 배고파’와 같은 메시지를 입력하면, ‘배 많이 고프겠다’, ‘맛있는 음식 먹으러 가자’와 같은 추천 데이터를 생성하여 추천할 수 있다.

비록, 도 9의 시스템에서 그 설명이 생략되었더라도, 도 9를 구성하는 각 구성 수단은 도 1 내지 도 8에서 설명한 모든 내용을 포함할 수 있으며, 이는 이 기술 분야에 종사하는 당업자에게 있어서 자명하다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

사용자 및 적어도 하나의 대화 상대방 사이의 대화 세션을 유지하는 단계;
상기 적어도 하나의 대화 상대방으로부터 대화 데이터를 수신함에 응답하여, 상기 사용자에 의해 선택된 인공지능 캐릭터를 이용하여 응답을 위한 추천 데이터를 생성하는 단계; 및
상기 추천 데이터를 이용하여 응답 데이터를 결정하는 단계
를 포함하는 인공지능 대화 엔진 학습 방법.
제1항에 있어서,
상기 인공지능 캐릭터는
상기 사용자에 대해 독자적인 대화 참가자로 상기 대화 세션에 참여 가능한, 인공지능 대화 엔진 학습 방법.
제1항에 있어서,
상기 인공지능 캐릭터는
대화 참가자로 상기 대화 세션에 참여하지 않으나, 상기 사용자에 의해 상기 인공지능 캐릭터의 대화 엔진이 활성화되어 응답을 위한 상기 추천 데이터를 생성하는, 인공지능 대화 엔진 학습 방법.
제3항에 있어서,
상기 생성하는 단계는
상기 인공지능 캐릭터 없이, 상기 적어도 하나의 대화 상대방으로부터 상기 대화 데이터를 수신함에 응답하여, 대화 엔진을 활용하여 응답을 위한 상기 추천 데이터를 생성하며,
상기 대화 엔진은
상기 대화 세션을 통한 상기 대화 데이터를 학습하여 유지되는, 인공지능 대화 엔진 학습 방법.
제1항에 있어서,
상기 생성하는 단계는
상기 사용자에 의해 선택된 응답추천 기능의 온(on)/오프(off)에 따라 상기 추천 데이터를 생성하는, 인공지능 대화 엔진 학습 방법.
제5항에 있어서,
상기 생성하는 단계는
상기 응답추천 기능이 온(on) 상태인 경우, 상기 대화 세션에서 메시지를 입력하는 입력 창 부근에 응답을 위한 상기 추천 데이터를 생성하여 추천하며,
상기 추천 데이터 부근에는 상기 추천 데이터를 상기 입력 창에 입력하기 위한 복사 아이콘이 위치하는, 인공지능 대화 엔진 학습 방법.
제6항에 있어서,
상기 복사 아이콘이 클릭되는 경우 상기 입력 창에 상기 추천 데이터가 입력되며, 상기 추천 데이터는 상기 입력 창에서 상기 사용자에 의해 수정 가능한 것을 특징으로 하는, 인공지능 대화 엔진 학습 방법.
제5항에 있어서,
상기 생성하는 단계는
상기 응답추천 기능이 온(on) 상태인 경우, 상기 추천 데이터를 상기 사용자의 선택에 무관하게 자동으로 입력 창에 입력하며,
상기 결정하는 단계는
상기 입력 창에 자동으로 입력된 상기 추천 데이터를 상기 응답 데이터로 결정하여 채팅창에 발송하는, 인공지능 대화 엔진 학습 방법.
제8항에 있어서,
상기 입력 창에 자동으로 입력된 상기 추천 데이터는
상기 사용자의 선택 입력에 의해 수정 가능한 것을 특징으로 하는, 인공지능 대화 엔진 학습 방법.
제1항에 있어서,
상기 사용자의 음성 명령어에 따라, 상기 추천 데이터를 입력 창에 입력하는 기능, 상기 입력 창에 입력된 상기 추천 데이터를 수정하는 기능, 상기 추천 데이터를 삭제하는 기능 및 상기 추천 데이터를 상기 응답 데이터로 결정하여 채팅창에 발송하는 기능을 처리하는 단계
를 더 포함하는 인공지능 대화 엔진 학습 방법.
제1항에 있어서,
상기 사용자의 선택에 따라 상기 추천 데이터를 생성하는 상기 인공지능 캐릭터 또는 대화 엔진을 선택하는 단계
를 더 포함하는, 인공지능 대화 엔진 학습 방법.
사용자 및 적어도 하나의 대화 상대방 사이의 대화 세션을 유지하는 제공부;
상기 적어도 하나의 대화 상대방으로부터 대화 데이터를 수신함에 응답하여, 상기 사용자에 의해 선택된 인공지능 캐릭터를 이용하여 응답을 위한 추천 데이터를 생성하는 생성부; 및
상기 추천 데이터를 이용하여 응답 데이터를 결정하는 결정부
를 포함하는 인공지능 대화 엔진 학습 시스템.
제12항에 있어서,
상기 사용자의 음성 명령어에 따라, 상기 추천 데이터를 입력 창에 입력하는 기능, 상기 입력 창에 입력된 상기 추천 데이터를 수정하는 기능, 상기 추천 데이터를 삭제하는 기능 및 상기 추천 데이터를 상기 응답 데이터로 결정하여 채팅창에 발송하는 기능을 처리하는 제어부
를 더 포함하는 인공지능 대화 엔진 학습 시스템.
제13항에 있어서,
상기 제어부는
상기 사용자의 선택에 따라 상기 추천 데이터를 생성하는 상기 인공지능 캐릭터 또는 대화 엔진을 선택하는, 인공지능 대화 엔진 학습 시스템.