KR20230117767A - 사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템 - Google Patents

사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템 Download PDF

Info

Publication number
KR20230117767A
KR20230117767A KR1020220013894A KR20220013894A KR20230117767A KR 20230117767 A KR20230117767 A KR 20230117767A KR 1020220013894 A KR1020220013894 A KR 1020220013894A KR 20220013894 A KR20220013894 A KR 20220013894A KR 20230117767 A KR20230117767 A KR 20230117767A
Authority
KR
South Korea
Prior art keywords
data
meeting
user
present
users
Prior art date
Application number
KR1020220013894A
Other languages
English (en)
Inventor
김남현
Original Assignee
김남현
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 김남현 filed Critical 김남현
Priority to KR1020220013894A priority Critical patent/KR20230117767A/ko
Publication of KR20230117767A publication Critical patent/KR20230117767A/ko

Links

Classifications

    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G06Q50/50—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information

Abstract

본 발명에서는 오프라인 모임에서 사용자들의 행동을 데이터화하고 상기 모임 공간 또한 데이터화하여, 온라인 상에서 상기 오프라인 모임에 실시간으로 참여할 수 있는 방법과 시스템에 관한 것이다.
또한 본 발명에서는 오프라인 모임 및 상기 모임에 참여한 온-오프라인 사용자들의 행동데이터를 수집하고 저장하여 기록하는 방법과 시스템에 관한 것이다.
또한 본 발명에서는 온라인에서 대화를 나눌 때 단순히 시간 순서대로 대화하는 방식에서 벗어나 사용자들의 장소 또는 대화의 주제, 대화 상대별로 대화를 나누고 하나의 대화방에서 복수의 사용자가 별도의 대화를 나눌 수 있는 방법, 유사하게 다른 사용자들의 대화를 가릴 수 있는 방법 및 사용자 인터페이스를 제공하는 방법 및 시스템에 관한 것이다.
또한 본 발명에서는 오프라인 모임 및 상기 모임에 참여한 사용자들에게, 사용자들이 생성한 데이터 중 인맥과 관련된 데이터를 제공하고 사용자들의 인맥맵과 인맥지수를 제공하는 방법 및 시스템에 관한 것이다.
또한 본 발명에서는 사용자의 모임 데이터 및 일상 데이터를 수집하여 저장하고 사용자가 직접 관리할 수 있는 방법과 시스템에 관한 것이다.
또한 본 발명에서는 사용자들의 모임에서 얻을 수 있는 사용자들의 데이터를 기반으로 복수의 AI서비스 모델을 학습하고 제공하는 방법과 시스템에 관한 것이다.
또한 본 발명에서는 사용자에게 제공된 사용자의 데이터로 사용자가 자신의 AI를 제작하는 방법 및 시스템을 제공하는 방법과 시스템에 관한 것이다.
또한 본 발명에서는 사용자들의 데이터를 서비스 서버의 서비스 신뢰도에만 의존하지 않고, 사용자들의 자발적으로 본 발명에 의한 시스템을 운영할 수 있는 방법 및 시스템에 관한 것이다.
또한 본 발명에서는 사용자들로부터 오랜 시간 누적된 데이터들을 기반으로 과거의 시간 데이터로 가상화된 공간에서 새로운 인맥을 만들 수 있는 방법 및 시스템에 관한 것이다.

Description

사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템{Methods and systems for collecting, storing, controlling, learning and utilizing data based on user behavior data and multi-modal terminals}
본 발명은 오프라인 모임에서 사용자의 다양한 행동으로부터 발생하는 대량의 데이터를 사용자의 멀티 모달 단말기로 데이터화하고 이를 기반으로 데이터를 수집, 저장, 제어, 학습하는 활용 방법과 시스템에 관한 것이다.
본 발명은 온라인과 오프라인의 데이터를 유기적으로 통합-관리할 수 있는 IoT기술을 배경으로 한다.
또한 본 발명은 온라인과 오프라인의 모임에서 생성되는 유기적인 데이터를 학습시켜 각 사용자의 맞춤 AI 모델을 만들기 위한 배경으로 기존의 AI 기술 및 데이터 관리 기술 등을 배경으로 한다.
1. 인터넷 전자지도를 이용한 만남과 모임의 서비스방법
멀티모달 인터페이스 개발을 위한 휴먼-컴퓨터 인터랙션 설계(임미정 아주대학교, 2006)
본 발명에서는 오프라인 모임에서 사용자들의 행동을 데이터화하고 상기 모임 공간 또한 데이터화하여, 온라인 상에서 상기 오프라인 모임에 실시간으로 참여할 수 있도록 하는 것을 목적으로 한다.
또한 본 발명에서는 오프라인 모임 및 상기 모임에 참여한 온-오프라인 사용자들의 행동데이터를 수집하고 저장하여 기록하는 것을 목적으로 한다.
또한 본 발명에서는 온라인에서 대화를 나눌 때 단순히 시간 순서대로 대화하는 방식에서 벗어나 사용자들의 장소 또는 대화의 주제, 대화 상대별로 대화를 나누고 하나의 대화방에서 복수의 사용자가 별도의 대화를 나눌 수 있는 방법, 유사하게 다른 사용자들의 대화를 가릴 수 있는 방법 및 사용자 인터페이스를 제공하는 것을 목적으로 한다.
또한 본 발명에서는 오프라인 모임 및 상기 모임에 참여한 사용자들에게, 사용자들이 생성한 데이터 중 인맥과 관련된 데이터를 제공하고 사용자들의 인맥맵과 인맥지수를 제공하는 것을 목적으로 한다.
또한 본 발명에서는 사용자의 모임 데이터 및 일상 데이터를 수집하여 저장하고 사용자가 직접 관리할 수 있는 방법과 시스템을 제공하는 것을 목적으로 한다.
또한 본 발명에서는 사용자들의 모임에서 얻을 수 있는 사용자들의 데이터를 기반으로 복수의 AI서비스 모델을 학습하고 제공하는 것을 목적으로 한다.
또한 본 발명에서는 사용자에게 제공된 사용자의 데이터로 사용자가 자신의 AI를 제작하는 방법 및 시스템을 제공하는 것을 목적으로 한다.
또한 본 발명에서는 사용자들의 데이터를 서비스 서버의 서비스 신뢰도에만 의존하지 않고, 사용자들의 자발적으로 본 발명에 의한 시스템을 운영할 수 있는 방법 및 시스템을 제공하는 것을 목적으로 한다.
또한 본 발명에서는 사용자들로부터 오랜 시간 누적된 데이터들을 기반으로 과거의 시간 데이터로 가상화된 공간에서 새로운 인맥을 만들 수 있는 방법 및 시스템을 제공하는 것을 목적으로 한다.
상기한 바와 같은 본 발명의 목적들을 달성하고, 후술하는 본 발명의 특징적인 효과들을 실현하기 위해 제시되는 본 발명의 시스템 구성과 방법, 이용하고자 하는 수단은 하기와 같다.
오프라인 모임에서 사용자들의 행동을 데이터화하고 상기 모임 공간 또한 데이터화하여, 온라인 상에서 상기 오프라인 모임에 실시간으로 참여할 수 있도록 하기 위하여 사용자 단말기를 통해 각 사용자의 위치를 추척하고 상기 모임 공간의 가상화 하기 위한 방법과 시스템을 제공한다.
또한 온라인에서 대화를 나눌 때 사용자들의 대화 시간, 장소 또는 대화의 주제, 대화 상대별로 대화를 정렬하는 사용자 인터페이스 수단을 제공하고, 하나의 대화방에서 복수의 사용자가 별도의 대화를 나누거나 다른 사용자들의 대화를 가릴 수 있는 사용자 인터페이스를 수단을 제공한다.
또한 오프라인 모임 및 상기 모임에 참여한 사용자들에게, 사용자들이 생성한 데이터 중 인맥과 관련된 데이터를 제공하기 위해 사용자들이 모임 참여시 모임코드, 모임 참여 코드를 제공하고 모임내에서 각 사용자들끼 상기 모임참여코드를 스캔할 수 있도록 함으로써 인맥맵을 제공하고, 사용자의 온-오프라인 인맥맵을 통해 인맥지수 산출하는 방법과 시스템을 제공한다.
또한 사용자의 모임 데이터 및 일상 데이터를 수집하여 저장하고 사용자가 직접 관리할 수 있는 인터페이스 수단을 제공한다.
또한 사용자들의 모임 데이터 및 일상 데이터를 기반으로 복수의 AI서비스 모델을 학습하는 방법 및 시스템을 제공한다.
또한 사용자에게 제공된 사용자의 데이터로 사용자가 자신의 AI를 제작하는 방법 및 시스템을 제공 한다.
또한 사용자들의 데이터를 서비스 서버의 서비스 신뢰도에만 의존하지 않고, 사용자들의 자발적으로 본 발명에 의한 시스템을 운영할 수 있는 방법 및 시스템을 제공 한다.
또한 사용자들로부터 오랜 시간 누적된 데이터들을 기반으로 과거의 시간 데이터로 가상화된 공간에서 새로운 인맥을 만들 수 있는 방법 및 시스템을 제공 한다.
본 발명에 의하면, 오프라인 모임에서 사용자들의 행동을 데이터화하고 상기 모임 공간 또한 데이터화하여, 오프라인 모임에 참여하지 않은 사용자가 온라인 상에서 상기 오프라인 모임에 실시간으로 참여하는 시스템을 제공받을 수 있게 된다. 이를 위해 오프라인 모임에서 사용자들의 행동을 데이터화하고 상기 모임 공간 또한 데이터화하여, 온라인 상에서 상기 오프라인 모임에 실시간으로 참여할 수 있도록 하기 위하여 사용자 단말기를 통해 각 사용자의 위치를 추척하고 상기 모임 공간의 가상화 하기 위한 방법과 시스템을 제공받게 된다. 또한 오프라인 모임 및 상기 모임에 참여한 사용자들에게, 사용자들이 생성한 데이터 중 인맥과 관련된 데이터를 제공하기 위해 사용자들이 모임 참여시 모임코드, 모임 참여 코드를 제공하고 모임내에서 각 사용자들끼 상기 모임참여코드를 스캔할 수 있도록 함으로써 인맥맵을 제공받을 수 있게 된다. 또한 사용자의 온-오프라인 인맥맵을 통해 인맥지수 산출하는 방법과 시스템을 제공받을 수 있다.
또한 사용자의 모임 데이터 및 일상 데이터를 수집하여 저장하고 사용자가 직접 관리할 수 있는 인터페이스 수단을 제공받게 된다.
또한 사용자들의 모임 데이터 및 일상 데이터를 기반으로 복수의 AI서비스 모델을 학습하는 방법 및 시스템을 제공받게 된다.
또한 사용자에게 제공된 사용자의 데이터로 사용자가 자신의 AI를 제작하는 방법 및 시스템을 제공받게 된다.
또한 사용자들의 데이터를 서비스 서버의 서비스 신뢰도에만 의존하지 않고, 사용자들의 자발적으로 본 발명에 의한 시스템을 운영할 수 있는 방법 및 시스템을 제공받게 된다.
또한 사용자들로부터 오랜 시간 누적된 데이터들을 기반으로 과거의 시간 데이터로 가상화된 공간에서 새로운 인맥을 만들 수 있는 방법 및 시스템을 제공받게 된다.
도1은 본 발명의 실시예에 따른 시스템의 구성도를 도시한 도면이다.
도2는 본 발명의 실시예에 따른 서버의 구성도를 도시한 도면이다.
도3은 본 발명의 실시예에 따른 단말기의 구성도를 도시한 도면이다.
도4는 일반적인 모임의 안내데스크(Reception)를 도시한 도면이다.
도5는 본 발명에 따른 모임의 안내데스크(Reception)를 도시한 도면1이다.
도6은 본 발명에 따른 모임의 안내데스크(Reception)를 도시한 도면2이다.
도7은 본 발명에 따른 모임 설정 화면을 도시한 도면1이다.
도8은 본 발명에 따른 모임 설정 화면을 도시한 도면2이다.
도9는 본 발명에 따른 모임 설정 화면을 도시한 도면3이다.
도10은 본 발명에 따른 모임 설정 화면을 도시한 도면4이다.
도11은 본 발명에 따른 모임 참여 화면을 도시한 도면1이다.
도12는 본 발명에 따른 모임 참여 화면을 도시한 도면2이다.
도13은 본 발명에 따른 모임 참여 화면을 도시한 도면3이다.
도14는 본 발명에 따른 모임 참여 화면을 도시한 도면4이다.
도15는 본 발명에 따른 모임 참여 화면을 도시한 도면5이다.
도16은 본 발명에 따른 모임 참여 화면을 도시한 도면6이다.
도17은 본 발명에 따른 모임 참여 화면을 도시한 도면7이다.
도18은 본 발명에 따른 모임 참여 화면 중 모임참여코드를 받는 화면을 도시한 도면이다.
도19는 도18에서 받은 모임참여코드를 자신의 이름표에 그려넣은 상태를 도시한 도면이다.
도20은 본 발명에 따른 모임에 참여한 사람들의 데이터를 가시적으로 도시한 도면1이다.
도21은 본 발명에 따른 모임에 참여한 사람들의 데이터를 가시적으로 도시한 도면2이다.
도22는 본 발명에 따른 모임에 참여한 Guest8의 모임내 참여코드 스캔 데이터를 가시적으로 도시한 도면이다.
도23은 본 발명에 따른 모임에 참여한 Guest8이 다른 참여자 Ray.K의 참여 코드를 스캔하는 모습을 도시한 도면이다.
도24는 도23에서 Guest8이 다른 참여자 Ray.K의 참여 코드를 스캔한 후 Guest8의 모임내 참여코드 스캔 데이터를 가시적으로 도시한 도면이다.
도25는 본 발명에 따른 모임에 참여한 Ray.K의 모임내 참여코드 스캔 데이터를 가시적으로 도시한 도면1이다.
도26은 본 발명에 따른 모임 HOST의 모임내 참여코드 스캔 데이터를 가시적으로 도시한 도면이다.
도27은 본 발명에 따른 모임 HOST의 모임내 모든 참여자 간 스캔 데이터를 가시적으로 도시한 도면이다.
도28은 본 발명에 따른 모임 HOST가 개최한 동일 모임의 회차별(1회차) 모임내 모든 참여자 간 스캔 데이터를 점수화하여 가시적으로 도시한 도면이다.
도29는 본 발명에 따른 모임 HOST가 개최한 동일 모임의 회차별(2회차) 모임내 모든 참여자 간 스캔 데이터를 점수화하여 가시적으로 도시한 도면이다.
도30은 본 발명에 따른 모임에 참여한 Guest의 동일 모임(블럭체인과 IoT)에서 형성된 인맥맵을 통합하여 보여주는 화면내 이미지를 도시한 도면이다.
도31은 본 발명에 따른 모임에 참여한 Guest의 CafeBolck이라는 도메인 내 모든 모임의 회차별 모임 스캔데이터로 형성된 인맥맵을 통합하여 보여주는 화면내 이미지를 도시한 도면이다.
도32는 본 발명에 따른 모임에 참여한 Ray.K의 모임(1회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면2이다.
도33은 본 발명에 따른 모임에 참여한 Ray.K의 모임(4회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면3이다.
도34는 본 발명에 따른 모임에 참여한 Ray.K의 모임(모든회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면4이다.
도35는 본 발명에 따른 모임에 참여한 Ray.K의 모임(모든회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면5이다.
도36은 본 발명에 따른 모임 참여 화면(모임을 찾는방법)을 도시한 도면8이다.
도37은 본 발명에 따른 모임 참여 화면(모임을 찾는방법)을 도시한 도면9이다.
도38은 본 발명에 따른 모임 참여 화면(모임을 찾는방법)을 도시한 도면10이다.
도39는 본 발명에 따른 서비스서버의 애플리케이션 서비스(가칭블렌디드 월드)에서 사용자의 단말기로 모임을 검색했을 경우 해당 GPS내 검색되어진 모임을 도시한 도면이다.
도40은 본 발명에 따른 Ray.K의 인맥맵(모임)을 도시한 도면1이다.
도41은 본 발명에 따른 Ray.K의 인맥맵(도40에서 단말기내 연락처 및 중복 인맥 추가 표기)을 도시한 도면2이다.
도42는 본 발명에 따른 인맥맵을 통해 Ray.K가 소개받고자하는 다른 사용자와의 인맥맵을 도시한 도면이다.
도43은 본 발명에 따른 서비스 서버의 인맥맵(오프라인)을 도시한 도면1이다.
도44는 본 발명에 따른 서비스 서버의 인맥맵(오프라인 + 가상공간)을 도시한 도면2이다.
도45는 본 발명에 따른 서비스서버의 애플리케이션 서비스(가칭 블렌디드 월드)에서 사용자의 단말기로 모임을 검색했을 경우 특정 키워드 기반으로 검색되어진
모임을 도시한 도면이다.
도46은 본 발명에 따른 Ray.K의 인맥맵(도41에서 온라인 모임참여를 통한 인맥 추가 표기)을 도시한 도면3이다.
도47은 본 발명에 따른 인맥지수와 관련된 점수 산출 예시를 도시한 도면이다.
도48은 본 발명에 따른 인맥지수와 관련된 표1를 도시한 도면이다.
도49는 본 발명에 따른 인맥지수와 관련된 표2를 도시한 도면이다.
도50은 본 발명에 따른 인맥지수와 그래프를 도시한 도면이다.
도51은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면1이다.
도52는 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면2이다.
도53은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면3이다.
도54는 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면4이다.
도55는 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면5이다.
도56은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면6이다.
도57은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면7이다.
도58은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면8이다.
도59는 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면9이다.
도60은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면10이다.
도61은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면11이다.
도62는 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면12이다.
도63은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면13이다.
도64는 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면14이다.
도65는 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면15이다.
도66은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면16이다.
도67은 본 발명에 따른 모임 참여자들의 사용자들의, 시간에 따른 모임참여코드 스캔 및 대화와 관련된 데이터를 이미지 영상으로 구현한 도면1이다.
도68은 본 발명에 따른 모임 참여자들의 사용자들의, 시간에 따른 모임참여코드 스캔 및 대화와 관련된 데이터를 이미지 영상으로 구현한 도면2이다.
도69는 본 발명에 따른 모임 참여자들의 사용자들의, 시간에 따른 모임참여코드 스캔 및 대화, 이동과 관련된 데이터를 이미지 영상으로 구현한 도면1이다.
도70은 본 발명에 따른 모임 참여자들의 사용자들의, 시간에 따른 모임참여코드 스캔 및 대화, 이동과 관련된 데이터를 이미지 영상으로 구현한 도면2이다.
도71은 본 발명에 따른 모임 참여자들의 시간에 따른 모임참여코드 스캔 및 대화, 이동과 관련된 데이터를 이미지 영상으로 구현한 도면3이다
도72는 본 발명에 따른 모임 참여자들의 위치이동을 실시간으로 데이터화하기 위한 앵커노드 설정화면을 도시한 도면1이다.
도73은 본 발명에 따른 모임 참여자들의 위치이동을 실시간으로 데이터화하기 위한 앵커노드 설정화면을 도시한 도면2이다.
도74는 본 발명에 따른 모임 참여자들의 위치이동을 실시간으로 데이터화하기 위한 앵커노드 설정화면을 도시한 도면3이다.
도75는 본 발명에 따른 모임 참여자들의 위치이동을 실시간으로 데이터화하기 위한 앵커노드 설정화면을 도시한 도면4이다.
도76은 본 발명에 따른 모임 참여자들의 위치이동을 실시간으로 데이터화하기 위한 앵커노드가 설정된 상태를 도시한 도면이다.
도77은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면1이다.
도78은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면2이다.
도79는 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면3이다.
도80은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면4이다.
도81은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면5이다.
도82는 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면6이다.
도83은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면7이다.
도84는 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면8이다.
도85는 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면9이다.
도86은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면10이다.
도87은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면11이다.
도88은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면12이다.
도89는 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면13이다.
도90은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 도시한 도면14이다.
도91은 본 발명에 따른 모임 참여자들의 항목별 점수를 기반으로 사용자 단말기의 네트워크 신호 세기를 결정하기 위한 표를 도시한 도면이다.
도92는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법을 도시한 도면1이다.
도93은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법을 도시한 도면2이다.
도94는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바)을 도시한 도면3이다.
도95는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바)을 도시한 도면4이다.
도96은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바)을 도시한 도면5이다.
도97은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바)을 도시한 도면6이다.
도98은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(사용자간)을 도시한 도면7이다.
도99는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-일반)을 도시한 도면8이다.
도100은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-확대1단계)을 도시한 도면9이다.
도101은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-확대n단계)을 도시한 도면10이다.
도102는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-세부1)을 도시한 도면11이다.
도103은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-세부1-1)을 도시한 도면12이다.
도104는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-세부2)을 도시한 도면13이다.
도105는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면1이다.
도106은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면2이다.
도107은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면3이다.
도108은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면4이다.
도109는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line의 시작점 포함)를 도시한 도면5이다.
도110은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점)을 도시한 도면6이다.
도111은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점)을 도시한 도면7 이다.
도112는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-분기)을 도시한 도면8이다.
도113은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-분기)을 도시한 도면9이다.
도114는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-분기)을 도시한 도면10이다.
도115는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-세부)을 도시한 도면11이다.
도116은 본 발명에 따른 애플리케이션을 사용하는 사용자들의 Life Line이 시간에 따라 각 사용자의 데이터를 쌓아나가며 커져나가는 이미지를 도시한 도면이다.
도117은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-데이터이미지)을 도시한 도면12이다.
도118은 본 발명에 따른 데이터 송수신 기록을 사용자 단말기를 통해 텍스트로 보여주는 화면을 도시한 도면이다.
도119는 일반적인 개념에서의 딥러닝, 머신러닝, AI의 개념 다이어그램을 도시한 도면이다.
도120은 전통적인 프로그래밍 시스템과 머신러닝 시스템을 비교한 도면이다.
도121은 머신러닝 학습을 위한 인공신경망 구조를 도시한 도면이다.
도122는 소프트맥스 회귀에서 예측값을 구하는 과정을 벡터와 행렬연산으로 표현하여 도시한 도면이다.
도123은 반도체에 인공지능을 결합한 AI반도체와 빅데이터, AI소프트웨어, AI서비스의 관계도를 도시한 도면이다.
도124는 모임내 사용자간 대화를 나누는 상황을 도시한 도면이다.
도125는 도124의 과정에서 답변자를 AI로 대체하는 상황을 도시한 도면이다.
도126은 본 발명의 다양한 실시예에서 활용되는 파서의 기본적인 역할을 도시한 도면이다..
도127은 도126에 도시된 구조도를 XML형태로 표현하여 도시한 도면이다.
도128은 본 발명에 따른 맞춤형 AI모델의 구조도를 도시한 도면이다.
도129는 본 발명에 따른 BW 숫자 체인의 알고리즘을 도시한 도면이다.
도130은 주어진 BW 숫자를 도 129에 주어진 알고리즘에 따라 BW 숫자체인화하는 과정을 도시한 도면이다.
도131은 n번차(시간)에 만들어진 데이터송수신바(트랜잭션바)와 함께 생성되어진 트랜잭션 박스 그룹 및 트랜잭션 박스의 구조를 도시한 도면이다.
도132는 n번차(시간)에 만들어진 박스가 그 직전 시간인 n-1번차(시간)에 만들어진 트랜잭션 그룹내 특정 트랜잭션 박스를 (검증후)지지하는 상태를 도시한 도면이다.
도133은 n번차(시간)에 만들어진 트랜잭션 박스들로부터 최초의 트랜잭션 그룹 및 해당 그룹에 들어있는 최초의 트랜잭션 박스까지 연결되는 과정을 도시한 도면이다.
도134는 k번차(시간)에를 만들어진 트랜잭션 박스와 해당 박스의 사용자(노드)들을 관계를 도시한 도면이다.
도135는 본 발명에 따른 BW 유닛을 도시한 도면이다.
도136은 본 발명에 따른 BW 블럭을 도시한 도면이다.
도137은 본 발명에 따른 트랜잭션 블럭과 해당 블럭내 존재하는 BW 숫자 및 BW 블럭간의 관계를 도시한 도면이다.
도138은 본 발명에 따른 BW 블럭을 BW 퍼즐로 만들기 위해 경쟁하는 노드 그룹들을 도시한 도면1이다.
도139는 본 발명에 따른 BW 블럭을 BW 퍼즐로 만들기 위해 경쟁하는 노드 그룹들을 도시한 도면2이다.
도140은 본 발명에 따른 BW 블럭을 BW 퍼즐로 만들고 난 후 BW블럭을 잠그기 위한 노드를 선정하는 과정을 도시한 도면 1이다.
도141은 본 발명에 따른 BW 블럭을 BW 퍼즐로 만들고 난 후 BW블럭을 잠그기 위한 노드를 선정하는 과정을 도시한 도면 2이다.
도142는 본 발명에 따른 BW 블럭을 BW 퍼즐로 만들고 난 후 BW블럭을 잠그기 위한 노드를 선정하는 과정을 도시한 도면 3이다.
도143은 본 발명에 따른 데이터송수신바(트랜잭션바)와 BW체인과의 관계를 도시한 도면이다.
도144는 본 발명에 따른 특정시간대의 데이터에서 분기가 일어났을 경우, 해당 상황을 도시한 도면이다.
도145는 본 발명에 따른 Ray.K의 인맥맵(도 46에서 과거시간대에서 연결된 인맥 추가 표기)을 도시한 도면4이다.
도146은 본 발명에 따른 실시예들의 관계를 도시한 도면이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게, 그리고 다양하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러가지 상이한 형태로 구현되어 산업상으로 실현되어질 수 있으며 이하에서 설명하는 실시예들에 의해 한정되지는 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 밀접하게 관계가 없는 부분은 생략하였다. 또한 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였으며, 독립된 개체가 분명한 경우 해당 도면 부호를 유지시키기 노력하였고, 동일한 구성부 또는 요소부가 도면의 번호가 변화되면서 추가적인 변화(예를들어 도면 N에는 사용자 정보가 비워져 있고 연속된 도면 N+1에는 상기 사용자 정보가 채워져 있는 경우)가 존재하는 경우엔 도면번호를 앞에 두고(예를들어 도면 번호 N), 그 후 상기 구성부를 나타내는 부호를 후에 기술함으로써(예를들어 상기 구성부 부호가 해당 도면 내에서 02인 경우 해당 도면 번호화 함께 N02로 표기함) 어떤 부호를 지칭하더라도 직관적으로 해당 부호에 해당하는 구성부를 찾을 수 있도록 구호체계를 구축하였다. 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "물리적으로 직접 연결"되어 있는 경우를 포함한, 그 중간에 다른 구성부를 사이에 두고 "전자/전기적으로 연결"되어 있는 경우와 "논리적으로 연결"되어 있는 경우를 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되는 것이 바람직하다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 하드웨어내에 포함된 소프트웨어 또는 하드웨어를 통제하는 소프트웨어 등 하드웨어와 소프트웨어의 영역을 명확히 구분하기 어려운 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어나 소프트웨어를 이용하여 실현될 수도 있고, 2개 이상의 유닛이 1개의 하드웨어 또는 소프트웨어에 의해 실현될 수도 있으며. 이는 각각을 설명하는 문장의 문맥과 도면, 그리고 본 발명이 속하는 분야의 통상의 지식을 가진 자가 이해할 수 있는 범주내에서 바람직하게 해석되어질 수 있다. 또한 본 명세서에서 "포함한다", "구비한다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소 또는 이들의 조합에 관한 것을 언급하는 것이므로 따라서 이들을 조합한 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소 등을 합함으로써 얻을 수 있는 추가적인 기능과 가능성을 배제하는 것은 아니다. 최신 기술들은 단말, 장치, 디바이스, 서버가 각기 명확히 분리된 형태가 아니라 상황에 따라 각기 다른 형태의 기능을 수행하도록 한다. 따라서 본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다. 또한 본 명세서의 실시예에서, 제1 사용자를 기준으로 이뤄지는 일련의 과정 은, 상기 제1 사용자와 유기적으로 대응하며 상기 일련의 과정을 이루는 데 있어서 상대 사용자라 할 수 있는 제2 사용자가 필수적으로 존재해야 하는 경우. 상기 제1 사용자의 입장에서 발명의 실시예만이 기술될지라도 그에 따라 대응되는 상기 제2 사용자의 일련의 과정도 고려되어야 함이 타당하다. 물론 본 발명의 다양한 실시예를 설명함에 있어서 각 과정의 주체를 서로 달리하여 최대한 다양한 사용자 입장을 기반으로 기술하도록 노력하였다. 그럼에도 불구하고 기술되지 못한 일부 유저들의 일련의 과정이 본 발명의 범위 밖에 있는 것은 아니다. 또한 상기 기술되지 못한 일부 사용자들의 일련의 과정이, 본 발명의 영역에서 통상의 지식을 가진 자가 본 발명의 전 실시예의 반복 실행을 통해 얻을 수 있는 결과물로 유추가능한 수준이라면 이는 본 발명의 범위내에 있다고 봄이 타당할 것이다. 또한 명세서의 글과 그림이 분리되어 있는 구조적 한계 속에 도 n(n은 자연수)을 설명하는 과정에서 아래의 도면, 위의 도면과 같은 '아래' 또는 '위', '다음'와 같은 수식은 도 n번을 지칭하거나, 도 n-1 또는 도 n+1을 지칭할 수도 있으며, 이해하는 데 큰 어려움이 있지 않는 이상 그 이전의 도면 또는 그 이후의 도면, 또는 일련의 도면 그룹을 지칭할 수도 있다.
도 1은 본 발명의 일 실시예에 따라 이루어지는 오프라인 모임 시스템의 개략적인 구성을 나타내는 도면이다. 도 1을 참조하여 설명하면, 본 발명에 따른 모임 시스템은 인터넷과 같은 네트워크(100)으로 연결된 제1 종 외부단말에 속하는 호스트 사용자 단말기(200, 202, 204, 206, 208)와 제2 종 외부단말에 속하는 게스트 사용자 단말기(210, 212, 214, 216, 218), 제3 종 외부 단말에 속하는 서드파티 사용자 단말기(220, 222, 224, 226, 228), 제4 종 외부 단말에 속하는 사용자 위치추적용 단말기(230, 232, 234, 236, 238), 제5 종 외부단말에 속하는 사용자 영상, 음성 녹음용 단말기(240, 242, 244, 246, 248), 안내봇 단말기(400), 앵커봇단말기(410, ...), 대리봇단말기(420, …), 그리고 상기 단말기들과 연결되어 본 발명에 따른 오프라인 모임시스템을 제공하는 단말기인 서비스서버(300), 그리고 상기 서비스 서버와 연결되어 본 발명 에 따른 서비스들을 보다 고도화시켜주는 AI서버(310)를 포함한다. 상기 네트워크(100)는 유무선 인터넷, 공중전화망, 이동통신망, 데이터망, 인트라넷, 블루투스, 적외선통신, NFC, 지그비 등 본 발명에서 설명될 단말기들이 상호 전자적으로 연결될 수 있는 모든 수단을 포함한다고 할 수 있다.
도 2는 본 발명의 일 실시예에 따른 시스템에 있어서 서비스 서버의 개략적인 구성을 나타내는 도면이다. 도 2를 참조하여 설명하면, 본 발명에 따른 서비스 서버(300)는 인터넷과 같은 네트워크 수단(100)을 통해 외부 단말기(200, 202, 204, ..., 210, 220, 230) 및 AI서버(310)와 연결되고, 상기 AI서버는 별도로 외부 서드파티 서버(220)과 연결되어질 수 있다. 도 2에서 상기 서드파티 서버를 부호 220으로 나타내었지만, 경우에 따라 200번으로 시작하는 모든 단말이 AI서버(310)와 직접적으로 연결되어 질 수 있다. 상기 서비스 서버(300)는 제어부(332)와 입력부(334), 출력부(336), 통신부(338), 저장부(340)으로 구성되어질 수 있으며, 상기 AI서버(310)는 내부 데이터 입력부(352), 외부데이터입력부(354), 저장부(356), 요소분석부(358), 데이터학습부(362), 예측모델부(366), 데이터 추천부(368), 데이터매핑부(364), 데이터분석부(360)로 구성되어질 수 있다. 상기 서비스 서버(300)의 제어부(332)는 입력부(334)를 통해 입력된 데이터 들을 저장부(340)에 저장하거나 특정 연산을 위해 제어부내 임시저장소(도시되지 않음)를 생성하여 임시저장 후 본 발명에 따른 이행과정 전반, 그리고 이들로부터 파생된 설명과 본 발명이 속한 분야에서 통상의 지식을 가진자가 본 발명의 명세서를 통해 이를 수 있는 범위의 프로세스에 이르기 까지, 사전 정의된 절차에 따라 상기한 프로세스를 수행하고, 그 결과를 데이터로 산출하여 출력부(336)를 통해 이를 표시하거나 통신부(338)를 통해 외부 단말로 상기 산출된 데이터를 발신하는 일련의 과정을 제어한다. 이 과정에서 필요한 데이터를 AI서버(310)에 요청하기도 하며, 출력부(336)를 통해 요청하거나 통신부(338)를 통해 필요한 데이터를 요청할 수도 있다. 이때 상기 통신부(338)는 네트워크(100) 를 통해 외부 단말과 상기의 통신을 수행한다. 또한 상기 제어부(332)는 본 발명에 의한 서비스서버(300)와 외부단말(200, 202, 204, ..., 210, 220, 230)들이 상호간 통신을 하는 과정에서, 그리고 상호간 통신을 통해 얻은 데이터 및 이를 통해 파생된 데이터를 서비스서버(300) 및 외부단말기(200, 202, 204, ..., 210, 220, 230)내에서 저장하는 과정에서, 상기 저장된 데이터에 접근하여 이를 다시 활용하는 과정 전반에 있어서 특정 암ㆍ복호화 기술과 패턴을 적용할 수 있다. 예를들어 암ㆍ복호화에 같은 암호 키를 사용하는 알고리즘인 대칭키 암호(Symmetric-key Cryptography)계열에 속하는 블록암호(평문을 고정된 크기의 블록단위로 암ㆍ복호화를 수행하며, 각 블록마다 동일한 키가 사용, 대표적으로 SEED, HIGHT, ARIA, LEA, DES, AES 가 있음)와 스트림 암호(평문과 동일한 길이의 키스트림, 대표적으로 RC4, A5/1, A5/2가 있음) 수열을 생성하여, 평문과의 XOR연산을 통하여 암ㆍ복호화를 수행), 암ㆍ복호화에 서로 다른 키를 사용하는 알고리즘인 공개키 암호(Public-key Encryption)에 속하는 RSA, ElGamal, ECC 과 이들과는 암ㆍ복호화가 반대로 활용되는 전자서명, 임의의 길이의 메시지를 입력으로 받아 고정된 길이의 해시 값을 출력하는 함수를 활용하는 해시함수에 속하는 MD5, HAS-160, SHA-1, SHA-2, SHA-3 등 의 기술이 활용될 수 있다. 위의 암ㆍ복호화 기술과 패턴을 적용함에 있어서는 본 발명의 실시예에서의 각 상황에 따라 이들을 복합적으로, 혹은 단일로 적용될 수 있으며 각 진행과정에 특정 순서대로 상기 암ㆍ복호화 기술과 패턴은 선별적으로, 또는 복합적으로 활용되어 질 수 있다. 예를들어 암ㆍ복호화의 과정에서 연산속도가 중요한 경우 대칭키암호를, 키를 관리하는 중요성이 보다 부각될 때는 비대칭키 암호를, 데이터의 위변조를 쉽게 파악하기 위한 수단(증거 생산)으로써는 해시함수를 활용할 수 있을 것이다. 또한 영지식증명 알고리즘과 완전 동형암호도 일부 상황에 따라 유연하게 적용하여 구현될 수 있다.
상기 암ㆍ복호화 기술과 패턴은 본 명세서의 전체에 거쳐 두루 활용되어짐이 분명하지만, 후반에 등장하는 BW 넘버를 이용한 BW 넘버체인과 BW 블럭, 그리고 이 BW 블럭이 연속적으로 묶여져 형성되는 BW 블럭 체인의 활용과정에서 보다 적극적으로 활용되어질 것이다. 상기 서비스 서버(300)에서 활용되는 상기 암ㆍ복호화 기술과 패턴은 본 발명 을 구성하는 AI서비스 서버(310) 및 본 발명에 의한 애플리케이션이 설치되거나 실행되어지는 외부 단말(200, 202, 204, ..., 210, 220, 230)에서도 동일하게 수행되 어질 수 있음은 자명하다.
상기 AI서버(310) 또한 상기 서비스 서버(300)의 제어부(332)를 통해 제어되어질 수 있으며 필요에 따라 AI서버(310) 자체적인 제어부(도시되지 않음)를 구비할 수도 있다. AI서버(310)가 서비스 서버(330)의 제어부에 의해 통제되도록 도시한 도면 도 2는 본 발명의 이해를 높이기 위해 최소한으로 간결하게 표기한 결과에 기인할 뿐이며 실제 본 발명에 의한 서비스가 시행되어질 때는, 그 규모에 따라 AI서버(310)가 물리적 혹은 논리적으로 별도로 구성되어질 수 있고, 이에 따라 AI서버(310)의 제어부는 별도로 구비되어질 수 있다. 상기 AI 서버의 입력부는 크게 내부 데이터 입력부(352)와 외부데이터입력부(354)로 구성되어질 수 있다. 상기 내부 데이터 입력부(352)는 AI학습모델 생성 및 예측모델 생성, 그리고 이들을 활용할 데이터가 서비스 서버(300)의 저장부(340)으로 부터 입력되어지며, 상기 외부 데이터 입력부(354)는 본 발명의 구성에 참여하는 서드파티서버인 외부단말(220, 222, .., .230)등에 의해 입력되어 질 수 있다.
상기 입력되는 데이터들은 상기 AI서버 및 상기 서비스서버에 의해 요청되어 질 수 있으며, 사전 정의된 바에 따라 정해진 시간에 외부단말로부터 자동으로 입력되어질 수 있다. 상기 내부 데이터 입력부(352) 및 상기 외부 데이터 입력부(354)에 입력되어지는 데이터의 종류와 범위는 후술하는 각 도면을 참고로하는 상세 설명에서 이어서 하도록 한다. 상기 입력된 데이터들은 AI서버(310)의 저장부(356)에 저장되어지며, 상기 저장된 데이터는 요소분석부(358) 및 데이터분석부(360)에 의해 사전 정의된 여러 부류로 분석되어지고 상기 분석된 데이터는 다시 상기 저장부(356)에 저장되어져 데이터 학습을 위한 과정에서 활용되어진다. 상기 요소분석부(358) 및 데이터분석부(360)에서는 데이터 전처리/데이터 탐색을 통해 데이터를 정규화하는 과정이 수행되어질 수 있다. 상기 데이터 학습의 과정은 데이터 학습부(362)를 통해 이루어지며, 상기 데이터 학습부(362)는 예측모델부를 이루는 예측모델을 생성함에 직접적으로 관여한다. 이 과정에서 모델의 검증과 테스트가 이루어질 수 있다. 상기 모델의 검증 과정과 모델의 테스트과정에서 활용된 데이터들은 데이터 베이스의 설계과정에서 생성된 복수의 데이터모델에 포함되었을 것이다.
상기의 데이터들은 데이터매핑부(364)를 통해 각 데이터 모델 간의 연결점을 찾는 일련의 과정을 수행한다 상기 과정에서는 초기 데이터 소스와 상기 데이터모델에서 활용된 데이터들의 관계를 정의하거나, 각 데이터의 속성과 구분되어져야할 요소, 식별해야 할 구분 조건 및 이에 대한 정의, 분기되는 데이터 소스와 서로다른 도메인에 속한 데이터의 병합 등으로 특정 도메인의 데이터 통합을 설정하여 이들의 메타데이터와 같은 상위의 추상적인 데이터를 생성하고 이를 저장부(356)에 저장한다. 상기 과정을 통해 새로이 저장된 데이터들은 다시 요소분석부(358), 데이터 분석부(360) 데이터 학습부(362)를 통해 활용되어 질 수 있으며, 후속 단계인 예측모델부(366), 데이터추천부(368)를 통해 활용되질 수 있다. 또한 필요에 따라 상기의 과정은 반복되어질 수도있다. 상기 반복의 주기는 서비스서버(300)의 제어부(332)를 통해 제어되어질 수 있다. 상기 생성된 예측모델들은 예측모델부(366)를 통해 각 모델에 대한 평가가 이루어지며 일부는 최종 모델(Trained Medel)로 선정되어 데이터 추천부(368)에 의해 활용되어진다. 상기 데이터추천부(368)는 후술하는 데이터 선정 및 평가, 활용 등 학습에 필요한 데이터 전반을 관리하며 제어하게 된다. 따라서 상기 데이터추천부(368)는 실질적인 AI서버의 제어부의 역할을 수행한다고 할 수도 있다.
도 3은 본 발명의 일 실시예에 따른 시스템에 있어서 사용자 단말의 개략적인 구성을 나타내는 도면이다. 도 3을 참조하여 설명하면, 본 발명에 따른 외부 단말(200, 202, 204, ...,210, 220, 230)은 인터넷과 같은 네트워크 수단(100)을 통해 서비스 서버(300)와 연결되고, 상기 외부 단말(200, 202, 204, ..., 210, 220, 230)은 상호 연결되어질 수도 있다(도 1 참고). 상기 외부 단말(200, 202, 204, ..., 210, 220, 230)은 제어부(232)와 입력부(234), 출력부(236), 통신부(238), 저장부(240)으로 구성되어 질 수 있으며 각 부가 수행하는 역할은 도2를 통해 설명한 서비스 서버(300)의 각 부가 수행하는 역할과 매우 유사하다. 이는 최신 단말들의 경우 그 스스로 서버급의 사양을 갖는 경우가 일반적이고 단말과 단말이 서버를 통하지 않고 직접 통신하는 관계인 P2P(Peer to Peer) 통신도 일반화된 기술이 되었기 때문이다. 즉 단말은그저 서비스서버에 데이터를 송수신하는 수준에 그치지 않고 서비스서버의 제어부 및 저장부 등에 필적하는 물리적인 하드웨어 및 이를 제어하는 소프트웨어들이 충분히 갖추고 있기에, 단말과 서비스서버의 역할을 단지 물리적인 하드웨어 및 소프트웨어만으로 구분하는 것은 무의미한 시점이 되었기 때문이다. 따라서 본 발명에 있어서 단말(200, 202, 204, ..., 210, 220, 230)은 서비스 서버와 통신을 주고 받는 역할의 일반적인 단말 수준에서 부터 서버급의 역할을 수행하는 수준에 이르기까지, 첨부된 도면들을 참조하여 설명되어질 것이다.
상기 외부 단말(200, 202, 204, ..., 210, 220, 230)은 휴대성과 이동성이 보장되는 이동통신단말일 수 있으며, 일반적인 PC와 노트북, 그리고 서버와 같은 단말일 수 있다. 상기 외부단말은 한개 이상의 카메라모듈과 음파입/출력모듈, 화면, 화면터치모듈, 지문인식센서, 그리고 GPS, 가속도센서와 자이로센서, 근접센서, RGB센서, 밝기센서, 홀센서, 모션센서, 온도/습도센서, 기압계, 지자기센서, 심장박동센서, 초음파센서, 적외선센서 등을 포함하여 구성될 수 있다.
상기 구성부들은 입력부(234) 및 출력부(236)의 일부로 구성될 수 있으며 제어부(232)를 통해 제어된다. 상기 입력부(234)를 통해 각종 데이터를 입력받을 수 있고, 출력부(236)을 통해 상기 데이터 값 및 상기 데이터들의 조합으로 이루어진 데이터들을 출력할 수 있다. 또한 통신부(238)를 통해 서비스 서버(300)로 부터 상기 데이터들을 생성을 요청받을 수 있고 상기 요청은 상기 제어부(232)를 통해 각부에 전달되어 일련의 과정을 수행한다. 상기 서비스 서버로 부터 받은 요청 또한 일부의 데이터로서 상기 외부 단말(200, 202, 204, ..., 210, 220, 230)의 출력부(236)을 통해상기 외부단말의 사용자에게 전달되어질 수 있다. 상기 사용자는 상기 서비스 서버의 요청을 확인하고 그에 상응하는 데이터를 입력부를 통해 입력하거나 상기 서비스 서버가 제공한 데이터 내에서 선택할 수도 있다. 물론 상기의 선택과정 또한 상기 외부단말의 입력부를 통해 입력하는 데이터 중의 하나라고 할 수 있다. 상기에 나열된 상기 외부단말내에서 생성되거나 통신부를 통해 다른 외부단말, 또는 서비스서버로부터 받은 데이터 중 일부는 상기 저장부(240)에 저장되어질 수 있다.
도4는 일반적인 모임의 안내데스크(Reception)를 도시한 도면이다.
도5는 본 발명에 따른 모임의 안내데스크(Reception)를 도시한 도면1이다.
도6은 본 발명에 따른 모임의 안내데스크(Reception)를 도시한 도면2이다.
도5 도4에 도시된 안내데스크는 본 발명에 따른 애플리케이션으로 HOST가 설정을 한 후, GUEST가 모임 참여시 해당 안내데스크의 바이너리코드를 스캔하게 된다. 이 과정을 이하에서 상세히 설명한다.
도7은 본 발명에 따른 모임 설정 화면을 도시한 도면1이다.
도8은 본 발명에 따른 모임 설정 화면을 도시한 도면2이다..
도9는 본 발명에 따른 모임 설정 화면을 도시한 도면3이다.
도10은 본 발명에 따른 모임 설정 화면을 도시한 도면4이다.
HOST가 기 구입한 도메인 항목이 있을 경우 자동으로 도메인이 선택되어질 수 있으며, 기 구매한 도메인 항목이 복수개 일 경우 드랍 다운 형태의 메뉴가 활성화 될 수 있다. 모임 설정 중 GPS 값 및 사용자의 설정 위치가 기존에 모임을 가졌던 위치이거나 그 근방에 위치한 값일 경우 이를 기반으로 기존의 모임의 설정값(시간, 도메인, 모임명, 코드 설정, 비밀번호 설정 등의 값을 불러오도록 할 수도 있다.
도메인을 사용하지 않을 경우, GPS는 본 발명에 의한 애플리케이션 서비스에 있어서 공공재와 같다. 따라서 일정 시간동안만 기본적으로 특정 GPS 값을 기반으로, 혹은 사용자가 선택한 영역값을 기반으로 모임의 영역 설정이 가능. 해당 시간이 종료되면 추가 이용을 위한 결제를 선택하거나, 관련된 서비스를 사용하지 않는 선택을 해야 한다.
추가로 홈페이지, 이벤트 페이지, 랜딩 페이지 등 해당 이벤트와 관련이 있는 웹페이지를 연동할 수 있는 기능을 추가로 제공할 수도 있다. 주최자(HOST)가 설정한 코드(BlendedCode, QR 코드, 숫자 코드 문자 코드 또는 적어도 상기 4가지 코드를 2가지 이상 사용한 코드)를 방문자(GUEST)가 단말기의 카메라부로 스캔하거나 화면 터치 등의 입력 수단인 입력부로 입력하였을 때 상기 주최자(HOST)에게 상기 코드를 스캔/입력한 방문자(GUEST)의 정보가 전송되고 이는 상기 주최자의 단말기를 통해 알람 등의 수단으로 상기 주최자가 인지하게 할 수 있다. 또한 상기 방문자(GUEST)가 상기 코드를 스캔하였을 때 상기 주최자가 설정한 URL로 부터 데이터를 받아 출력부의 일부인 디스플레이부를 통해 상기 데이터의 내용을 확인할 수 있다.
도11은 본 발명에 따른 모임 참여 화면을 도시한 도면1이다.
도12는 본 발명에 따른 모임 참여 화면을 도시한 도면2이다.
도13은 본 발명에 따른 모임 참여 화면을 도시한 도면3이다.
도14는 본 발명에 따른 모임 참여 화면을 도시한 도면4이다.
도15는 본 발명에 따른 모임 참여 화면을 도시한 도면5이다.
도16은 본 발명에 따른 모임 참여 화면을 도시한 도면6이다.
도17은 본 발명에 따른 모임 참여 화면을 도시한 도면7이다.
상기 데이터의 내용을 확인한 방문자(GUEST)는 상기 주최자가 진행하는 모임에 참여여부를 정할 수 있다. 또한 상기 방문자의 스캔 시 상기 방문자의 정보가 주최자에게 전달되는 시점을 상기 데이터의 내용을 확인 후 모임 참여를 확정한 경우에 전달되도록 할 수도 있을 것이다
모임의 코드는 숫자+ 문자(특수문자등 모든 문자 포함)의 코드를 사용할 수도 있다. 오프라인 모임에서는 1만명이 넘어가는 대규모 콘서트, 스포츠 경기 등을 제외하고는 4자리 숫자로 구분하여도 문제가 없을 것이다. 그러나, 숫자+문자의 조합 또는 문자+BlendedCode의 조합 등은 추후 사용할 온라인 모드에서 매우 유용한 사용자 구분 수단이 되어줄 것이다. 모임 참여자가 모임 참여 코드를 스캔하거나 입력함으로써 모임내에서 자신의 코드를 부여받으면 모임 참여에 대한 베네핏으로 해당 모임의 권리를 부여할 토큰을 분배하여 줄 수도 있다. 이는 모임을 보다 활성화시킬 수 있는 방법으로 본 발명의 또 다른 실시예에서 보다 구체적으로 설명되어질 것이다.
도18은 본 발명에 따른 모임 참여 화면 중 모임참여코드를 받는 화면을 도시한 도면이다.
도19는 도18에서 받은 모임참여코드를 자신의 이름표에 그려넣은 상태를 도시한 도면이다.
HOST가 도메인에 GPS 기능을 설정한 경우, BlendedCode 앱(본 발명에 따른 앱의 명칭)은 HOST가 선택한 GPS지역에서 사용되지 않은 BlendedCode (510개의 Blend?edCode 중 하나)를 랜덤하게 제공한다. 이 BlendedCode는 해당 GPS에서 GUEST가 참여하고자 하는 모임을 자동으로 선택하게 해준다.
도20은 본 발명에 따른 모임에 참여한 사람들의 데이터를 가시적으로 도시한 도면1이다.
본 발명에서는 같은 모임에 참여하는 했지만 서로 스캔하지 않은 사람의 경우라도 같은 장소, 같은 시간에 한정, 소환할 경우 검색을 통해 대화를 할 수 될 수 있다. 즉, 사람을 특정하지 않은 상태에서 조건을 특정하여 다수와 대화가 가능한 채팅방을 개설할 수도 있다.
GPS를 켜 놓거나, 켜놓지 않았더라도 모임에 참여했을 경우 또는 GPS를 켜놓고, 모임에 참여여부를 확인하지 않고 그냥 모임에 기웃거린 정도라도, 혹은 그저 그 근처를 지나가는 사람일지라도 상기 대화방 초대에 의해 참여되어질 수 있다. 물론 본 발명에 의한 애플리케이션이 설치된 단말기에 한해서 초대되어질 수 있다.
도21은 본 발명에 따른 모임에 참여한 사람들의 데이터를 가시적으로 도시한 도면2이다.
모임 참여자간 상대의 모임참여 코드를 스캔할 경우, 상대의 설정에 따라, 그리고 스캔한 사용자의 설정에 따라, 상대의 전화번호, 이메일, 본 발명에 의한 애플리케이션 서비스 사용 ID, SNS 계정, 생년월일, 출신학교 거주지역, 본 발명에 의한 애플리케이션 서비스 내 모임(혹은 서드파티의 모임)들에 참여 이력, 참여 계획, 인맥지도 중 적어도 하나 이상의 데이터가 스캔한 사용자의 단말기의 저장부에 저장되어질 수 있다.
또한 사용자가 본 발명에 의한 애플리케이션 서비스 서버에 사용자 단말기로 접속하여, 상기 사용자가 사용중인 개인 식별코드에 따른 서버 저장부에 저장되어 질 수 있다. 이처럼 사용자 단말기의 저장부 또는 서비스 서버 저장부에 저장된 상기 데이터들은 추후 사용자의 인맥맵 생성 요청시 인맥 데이터로서 활용되어 질 수 있다.
도 22는 모임참여자중 Guest8이 모임에 참여한 후 모임참여 코드를 스캔하거나 스캔받음으로써 생성되는 데이터를 시각화한 도면이다.
도 23은 모임참여자중 Guest8이 모임에 참여한 Ray.K의 모임 참여 코드를 스캔하는 모습을 도시한 도면이다.
도 24 내지 도 26은 모임 호스트의 입장에서 모임내 호스트와 모임참여 코드를 스캔하거나 스캔받음으로써 생성되는 데이터를 시각화한 도면이다.
도 27은 모임 호스트의 입장에서 모임내 모든 참여자들이 모임참여 코드를 스캔하거나 스캔받음으로써 생성되는 데이터를 시각화한 도면이다
상기와 같이 생성되는 데이터는 '호스트'에게 또는, '조건부로 참여자'에게 제공되어질 수 있는 다이어그램의 일부이다. 이러한 데이터에는 모임의 활성화를 위해 실시간으로 각자의 점수가 제공되어질 수 있고, 이를 위해 호스트는 상품을 걸 수도 있다. 본 발명에서 후술하는 내용들을 통해 상기 점수 또는 상품등은 모임이 갖는 가치를 분배하는 방법으로 제공되어질 수 있을 것이다.
도 28은 본 발명에 따른 모임 HOST가 개최한 동일 모임의 회차별(1회차) 모임내 모든 참여자 간 스캔 데이터를 점수화하여 가시적으로 도시한 도면이다
이하에서는 본 발명에 따른 인맥맵을 HOST 기준에서 상세히 설명한다.
도 28에서 표현된 인맥맵은 HOST에게 제공되어지는 인맥맵이다.
도 28 이후의 도면을 통해 호스트의 특정 모임(여기서는 “블럭체인과 IoT”)의 각 회차별 모임맵 생성 및 데이터 제공이 이루어지는 과정을 설명할 것이다. 여기서 각 모임의 참여자가 스캔받은 횟수는 플로스로 표현되어 있고, 스캔한 횟수는 마이너스로 표현되어 있다. 이를 토대로 다음과 같이 단순한 결론을 도출할 수 있다.
-----------------------------------------------------------------------------
1. 절대값 합산 가장 왕성히 활동한 사람 C
-> | +3 | + | -4 | = 7
2. 모두에게 스캔받은 사람 A : 매력적인 사람, 모임의 성격에 맞는 사람
3. 모두를 스캔한 사람 C : 적극적인 사람, 모임의 사람들과 최대한 많이,
두루 어울리려고 한 사람.
-----------------------------------------------------------------------------
위 결과를 토대로, HOST는 A와 C가 자신이 주최하는 모임에 다시 참여하도록 유도해야 한다. 또한 HOST는 B,E가 보다 관심을 가질 수 있게(이미 참여한 자체로 모임의 주제에 대해서는 관심이 있다는 것을 알 수 있으므로), B, E를 스캔하거나, B,E가 스캔한 사람들에 대한 데이터를 기반으로 B, E가 관심을 가질 주제를 추론하여 다음 모임이나 당 모임의 후기에서 해당 주제를 이야기할 수도 있을 것이다.
도29는 본 발명에 따른 모임 HOST가 개최한 동일 모임의 회차별(2회차) 모임내 모든 참여자 간 스캔 데이터를 점수화하여 가시적으로 도시한 도면이다.
이와 같은 모입맴이 지속적으로 누적되면, 호스트에겐 오프라인 모임에서는 보이지 않았던 실질적인 데이터를 수집할 수 있게 된다. 모임 내에서 참여자들의 동의하에 호스트 또는 게스트의 특정 단말기로 동영상을 찍어 영상 데이터를 저장하고, 상기 영상 데이터와 상기 모임맵 데이터를 매핑함으로써 게스트들의 모임참여 당시부터의 실질적인 움직임을 시간기반하에 추적하고 이를 온라인 상에서 구현할 수 있게 된다. 모임 내에서 참여자들의 동의하에 각자의 만남에 이어진 대화를 녹취하고 이를 음성 데이터로 저장하고 상기 음성 데이터와 상기 모임맵 데이터를 매핑함으로써 게스트들의 모임참여 당시부터 실질적인 대화, 토론, 강연 등을 시간기반하에 추적하고 이를 온라인 상에서 구현할 수 있게 된다. 상기 온라인 상에 구현된 상기 동영상, 음성, 모임맵은 시간의 흐름에 따른 재생도 가능하다. 이로써 모임내에서 단위화된 토론에 참여하지 못한 사람은 추후 해당 토론을 활성화 할 수 있게 되고(호스트 및 해당 토론에 참여한 사람들의 동의 하에) 이로써 해당 토론을 통해 부족했던 내용이 추가되어질 수 있고, 이에 대해 더 널리 알려져야 할 내용들이 기록되어 시간이 지남에 따라 점점 많은 사람들에게 알려지게 될 수 있다.
상기 모임맵 데이터(GPS포함), 상기 영상 데이터, 상기 음성 데이터는 상호간 맵핑되어 각기 다른 방법으로 제공되어질 수 있으며, 상기 세가지 데이터 뿐만 아니라 사용자 단말기를 통해 생산 가능한 데이터들이 추가로 매핑되어질 수도 있다. 예를들어 상호간 평가 데이터 등이 추가되어질 수 있다. 상호간 평가 데이터에 근거해서 시스템은 기 설정된 바대로 평가점수가 일정 점수 이하인 경우 앞으로 한동안 참여가 불가하게 할 수도 있고 모임 진행중인 현장에서, 모임맵의 생성이 불가하도록 패널티를 줄 수도 있다. 이러한 패널티는 다양한 조건하에서 다양하게 진행될 수 있을 것이다. 상기 설정은 시스템의 기본값으로 제공되어질 수도 있고 호스트가 설정할 수도 있다.
본 발명에 의한 모임은 온라인과 오프라인이 연동되어 진행되어질 수 있다. 도1에 도시된 바와 같이 모임 장소와 다른 곳에 있는 사람이 인터넷과 같은 통신을 이용해 오프라인에 있는 봇과 같은 단말기를 컨트롤하면서 실제 모임에 참여할 수 있을 것이며, 오프라인에 있는 사람들의 대화와 움직임을 온라인 상에서도 볼 수 있을 것이다. 상기한 바와 같은 온-오프라인에서 모임을 연동하기 위해서는 우선 오프라인 모임내에서 움직이는 사람들의 위치를 실시간으로 추적하고 확인하여 데이터화하고 이들의 대화내용도 실시간으로 단말기를 통해 공유되고, 경우에 따라 텍스트와 같은 스크립트로 변환되어져야 할 것이다. 이를 위한 보다 상세한 내용은 후술하는 기술적인 내용과 관련된 도면을 통해 제시되어진다.
도30은 본 발명에 따른 모임에 참여한 Guest의 동일 모임(블럭체인과 IoT)에서 형성된 인맥맵을 통합하여 보여주는 화면내 이미지를 도시한 도면이다.
도31은 본 발명에 따른 모임에 참여한 Guest의 CafeBolck이라는 도메인 내 모든 모임의 회차별 모임 스캔데이터로 형성된 인맥맵을 통합하여 보여주는
화면내 이미지를 도시한 도면이다.
도 31의 우측 하단에는 기존 모임과 연결되지 않은 인맥이 존재하는 경우를 표현하고 있다. 이는 호스트를 제외하고 모임맵 데이터를 보는 경우이거나 호스트를 포함하더라도 호스트가 직접 스캔하거나 호스트가 다른 사람에 의해 스캔되거나 한 경우를 제외할 경우 인맥이 겹치지 않은 별도의 인맥맵이 생성되어질 수도 있다
이하에서는 본 발명에 따른 인맥맵을 GUEST(특히 Ray.K)기준에서 상세히 설명한다.
도32는 본 발명에 따른 모임에 참여한 Ray.K의 모임(1회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면2이다.
모임에 참여한 게스트들에게 보여지는 모임내 모임 참여 코드 스캔 정보(인맥맵)는 서로 관심을 표한 사람, 내가 관심을 표한 사람, 내게 관심을 표한 사람 등으로 구분되어 질 수 있으며 내 연락처 상의 다른 이들과 연결된 사람들도, 서로 보여질 수 있다. 이는 상호간 설정에 기반하고 기본적으로 서비스의 활성화를 위해 초기 애플리케이션 실행시 기본설정으로 되어 있고 사용자의 설정에 따라 변경 가능하게 제공되어짐이 바람직할 것이다
도33은 본 발명에 따른 모임에 참여한 Ray.K의 모임(4회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면3이다.
인맥지도를 일자별로 볼 수도 있지만 상기 일자별 밋업 인맥맵을 합쳐서 볼수도 있있게 제공되어짐이 바람직할 것이다. 또한 여러 날짜로 구성된 소규모 인맥맵을 각각 날짜 레이어를 두고 겹쳐서 하나의 거대한 인맥맵으로 통합함으로써 각 게스트가 그간 모임에 참여한 인맥맵의 결과물을 볼 수 있게 제공할 수도 있다. 각 레이어간 간격을 두고, 이들 레이어를 상하로 적층한 상태를 옆면에서 본다면 각 날짜 레이어와 위, 아래의 레이어 내에 존재하는 각각의 사람데이터와 서로 연결되어질 수 있다.
상기 통합은 연락처, SNS 에 기반한 인맥들을 더 포함하는 것을 특징으로 한다. 상기 통합 후 각 인맥이 어느 곳에서 발생한 것인지 구분하여 인맥맵에 표시하는 것이 보다 바람직할 것이다. 예를들어 오프라인 인맥과 온라인 인맥을 구분하고 상기 오프라인 인맥 중 내 연락처 기반인맥과 모임 기반인맥을 구분할 수 있을 것이다. 또한 온라인 인맥은 SNS, 모임, 게임 등으로 구분되어 질 수 있을 것이며 후술할 본 발명의 또 다른 실시예에서 소개될 과거의 시간을 통해 형성된 인맥은 또 다른 그룹으로 표기되어 질 수 있을 것이다.
도34는 본 발명에 따른 모임에 참여한 Ray.K의 모임(모든회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면4이다.
도35는 본 발명에 따른 모임에 참여한 Ray.K의 모임(모든회차)내 참여코드 스캔 데이터를 가시적으로 도시한 도면5이다.
인맥지도에서는 서로 관심을 표한 사람, 내가 관심을 표한 사람, 내게 관심을 표한 사람 등으로 구분되어 질 수 있으며 내 연락처 상의 다른 이들과 연결된 사람들도, 서로 보여질 수 있다. 이는 상호간 설정에 기반하고 기본적으로 서비스의 활성화를 위해 초기 애플리케이션 실행시 기본설정으로 되어 있고 사용자의 의사에 따라 변경가능할 수 있다. 인맥지도를 일자별로 볼 수도 있지만 상기 일자별 밋업 인맥맵을 기간을 설정해서 함께 볼수도 있다. 이 설정에서는 몇가지 조건 예를들어 나와 많은 교류가 있는 순서(서로 스캔 여부, 내가 평가한 상대 점수, 모임 이후 교류한 내용) 등을 토대로 친밀한 정도 여부를 점수화하여 맵의 모양을 생성할 수 있을 것이다. 여러 날짜로 구성된 소규모 인맥맵을 각각 날짜 레이어를 두고 겹쳐서 하나의 거대한 인맥맵으로 통합할 수도 있다. 예를들어 각 회차별 모임을 레이어로 표현할 경우, 레이어간 간격을 두고, 이들 레이어를 상하로 적층한 상태를 옆면에서 본다면 각 날짜 레이어와 위, 아래의 레이어 내에 존재하는 각각의 사람데이터끼리, 그들의 관계에 의해서 서로 연결되어 질 수 있다. 상기 통합은 연락처, SNS 에 기반한 인맥들을 더 포함하는 것을 특징으로 할 수 있다. 상기 통합 후 상기 통합맵에서 나와 연관된 사람 중 해당 모임에 몇번을 참여했는지 등의 조건부 검색기능을 제공할 수도 있을 것이다. 모임내에서 연결되어 있는 사람 모두 보기 기능 또한 제공되고 여기에 추가로 나의 연락처와 연동하여 모임에 참여 여부와 관계없이 나의 연락처 기반 인맥 중 모임에서 내가 만난 사람들과 연관이 있는 사람들을 찾을 수도 있다. 이를 통합 인맥맵이라하고 특별한 사정이 없는 한 앞으로 인맥맵이라 하면 거의 대부분 통합인맥맵을 의미한다고 볼 수 있다.
물론 이는 상기 나의 연락처 기반 인맥에 해당하는 사람이 본 발명에 의한 모임 서비스 애플리케이션을 활용함으로써 보다 효과적인 통합 인맥 맵을 만들수 있겠지만 그렇지 않다 하더라도, 즉 나의 연락처 기반 인맥이 본 발명에 의한 모임 서비스 애플리케이션을 사용하지 않더라도 연락처 기반 인맥과 모임을 통해 형성한 인맥 맵의 통합관리는 가능하다.
만약 내가 모임에서 만난 사람이 B 이고 상기 B와 내가 동일한 사람의 연락처를 각각의 디바이스에 혹은 SNS 서비스 계정에 저장 또는 등록되어 있다면, 본 발명에 의한 모임맵에서는 각 사용자의 계정에 중복으로 생성된 연락처 노드를 중심으로 상기 각 사용자 계정의 노드를 연결함으로써 상기 각 사용자 계정의 노드에는 내 연락처 기반 인맥과 연결된 본 발명에 의한 서비스 애플리케이션 사용자가 누구인지 알 수 있게 되는 것이다. 또한 연락처 내 정보, 예를들어 지역, 학교, 소속 단체(회사 등)와 같은 정보, 결혼 여부, 자녀 여부, 관심 주제, 지지 정당 등의 정보 들을 통해 시스템이 이를 점수화하여 그루핑하고 모임을 추천하거나 모임 제작을 권유할 수도 있다. 이는 초기엔 단순히 각 데이터 주제별 점수화를 통해 추천하는 모델을 사용할 수도 있지만, 후술되어질 AI학습모델에서 상기 데이터별 점수를 통한 추천에서의 결과를 피드백으로 이용하여 상기 각 항목별데이터 및 피드백 데이터를 AI모델의 학습 데이터로 만들 수 있을 것이다. 이후 상기 학습데이터를 통한 AI 추천 모델을 지속적으로 학습시킨 후 이를 통해 만들어진 AI 서비스 모델의 추천 결과를 사용자들에게 제공할 수 있을 것이다.
또한 각 사용자는 자신의 통합 인맥 맵에 대해 공개, 공유, 비공개 등을 할 수 있다. 사용자의 연락처(소셜사이트 친구 정보도 포함될 수 있음)에 있는 사람이 모임과 관계없이 온/오프라인에서 알게된 사람간의 관계일 수도 있기에 상기와 같은 인맥맵의 노출 제한 설정은 필요할 것이다.
상기 인맥맵이 종류로는 GUEST 사용자 인맥 맵, HOST 사용자 인맥 맵, 서비스 서버 인맥 맵 등이 존재할 것이다. 또한 각 인맥맵의 소유자가 타인에게 자신의 인맥맵에 대한 접근을 제한된 범위내에서 상호 제공(물론 상기 인맥맵에 표시된 사용자 개인의 설정이 더욱 중요할 것이다) 함으로써 결과적으로 각 사용자에게 필요한 인맥맵을 보다 폭 넒게 만들 수 있을 것이다.
도36은 본 발명에 따른 모임 참여 화면(모임을 찾는방법)을 도시한 도면8이다.
도37은 본 발명에 따른 모임 참여 화면(모임을 찾는방법)을 도시한 도면9이다.
도38은 본 발명에 따른 모임 참여 화면(모임을 찾는방법)을 도시한 도면10이다.
도39는 본 발명에 따른 서비스서버의 애플리케이션 서비스(가칭블렌디드 월드)에서 사용자의 단말기로 모임을 검색했을 경우 해당 GPS내 검색되어진 모임을 도시한 도면이다.
도40은 본 발명에 따른 Ray.K의 인맥맵(모임)을 도시한 도면1이다.
인맥맵은 일자, 모임, 주최자, 기간, 키워드, 지역, 시간대, 모임주기 등을 특정해서 생성되어질 수 있으며 상기 생성은 사용자의 요청에 의해 실시간으로 생성되어 상기 사용자의 단말기 출력부, 디스플레이 모듈에 표시되어 짐이 바람직하다.
또한 특정 참여자, 성별 등의 추가 조건,연락처가 공개되거나 공유된 사용자, 내가 스캔한 사용자, 나를 스캔한 사용자 등의 조건 들과 함께 모임 맵을 생성을 요청할 수도 있다.
사용자의 인맥 지도는 기본적으로 사용자 본인을 중심으로 맵이 만들어질 수 있으며, 소규모로 구분되어 질 수도 있고, 특정 모임을 기반으로 나뉘어져 보일 수도 있다.
도41은 본 발명에 따른 Ray.K의 인맥맵(도40에서 단말기내 연락처 및 중복 인맥 추가 표기)을 도시한 도면2이다.
도42는 본 발명에 따른 인맥맵을 통해 Ray.K가 소개받고자하는 다른 사용자와의 인맥맵을 도시한 도면이다.
Ray.K는 오프라인 모임 cafeBlock : 블록체인과 IoT 에서 만난 Jorge 의 인맥맵을 살펴보던 중(Jorge는 자신의 인맥맵을 모두 공개한 상태) 자신이 만나고 싶었던 Ali가 Jorge의 연락처 인맥에 존재하고 Jorge가 참여하는 다른 오프라인 모임에서도 함께 했었다는 것을 알 수 있다. 이후 Jorge에게 Ali를 소개해달라고 요청할 수 있다. 이 과정에서 Jorge는 흔쾌히 요청에 응할 수도 있으며 이 과정에서 약간의 서비스비용이 청구 될 수 있다. 상기 서비스 비용은 본 발명에 의한 서비스 서버에서 타인의 인맥맵을 볼 자격을 얻기 위해 청구되는 비용일 수도 있고 타인의 인맥맵을 통해 연락을 취할 자격을 얻기 위해 청구되는 비용일 수도 있으며, Jorge가 설정하거나 요구하는 비용일 수도 있다.
위 비용들은 정액제로 결제를 유도할 수 있으며, 상호 인맥을 교환하는 과정에서 별도의 과금체계를 적용하여 청구할 수도 있을 것이다. 상기 과금체계는 후술하는 각 사용자별 인맥지수의 차이에 의해 청구되어질 수도 있다. 예를들어 인맥지수가 10포인트 이상 차이날 경우, 인맥 교환시 20만원 정도의 비용을 지불해야 할 수도 있다. 만약 인맥의 교환이 아닌, 단순히 일방에서 인맥을 구매하는 경우엔 더 비쌀 수도 있으며, 이렇게 인맥이 교환될 경우, 상기 인맥에 포함된 사용자에게도 일부 이익이 분배되어질 수도 있다.
이하에서는 본 발명에 의한 서비스 서버의 인맥맵을 활용하는 실시예에 대해 설명한다.
도43은 본 발명에 따른 서비스 서버의 인맥맵(오프라인)을 도시한 도면1이다.
사용자들은 ‘나의 인맥맵’을 통해 보다 다양한 사람들을 만날 수 있는 기회를 얻을 수 있다. 기본적으로 나의 인맥 지도는 오프라인에서 실제 만난 사람들과의 관계에서 비롯되기 때문에 나의 인맥 지도내 친구의 친구들과 친분을 맺게 될 경우, 오로지 인터넷을 통해 알게된 인맥과는 여러 면에서 차별적인 우위가 존재한다. 먼저, 온라인 상에서 무작위로 스팸성 메세지를 보 다른 사람들에 의해 차단될 경우, 해당 계정(노드)의 신뢰성은 하락하게 될 것이며, 인맥을 확보하고자하는 사용자의 입장에서 이는 반드시 피해야할 상황이 될 것이다.
오프라인에서 만났었던 사람들에게 친구를 소개하고, 소개 받는 것은 온라인상으로만 알고 지냈던 사람에게 동일한 행위를 하는 것보다 서로 신뢰할 수 있을 가능성이 높을 것이다. 이는 단순하게 친구들을 소개하고 소개받는 것을 넘어 특정 분야의 헤드헌터들에게 매우 유용한 인력풀을 구성하는 데 큰 도움이 될 수 있다. 이는 구직자들에게도 마찬가지이다. 자신의 분야의 모임에 참여함으로써 헤드헌터들에게 직, 간접적으로 자신을 알릴 수 있는 기회를, 추가적으로 갖게 되는 것을 의미한다고 할 수 있다.
여기서 지인을 추천하는 사람도, 추천 받는 사람도 그들의 인맥지도를 보여줌으로써 실제 오프라인, 온라인에서의 활동 데이터를 어렵지 않게 확인 할 수 있고 상호 관계상의 이익을 예측할 수 있다.
오프라인 모임에서 생성되는 데이터를 기반으로, 온라인 데이터를 병합하고 보충할 수도 있다. 오프라인 모임 이후 참여자들에 대한 정보를 보다 쉽게 취득 (정보 제공 동의, 공개 동의) 가능하다. 이를 통해 스스로 연락처 등을 알려주거나, 알려달라고 하는 요청 등이 필요할 수도 있지만, 요청자 또는 요청받는자도 불편한 상황이 존재할 수 있을 것이다. 그러나 미리 관련된 정보를 오픈할 것인지 아닌지 오픈한다면 어느 선까지 단계별로 오픈할 것인지 정해둘 수 있어서 모임중에 상호 연락처를 받거나 받지 않거나 하는 행동들에 대해 불편함을 줄일 수 있다. 여기서 상기 단계별 오픈은 예를들어 다음과 같을 수 있다.
-----------------------------------------------------------------------------
1. 모임앱(온라인)에서만 만난 경우 - 기본 프로필만 오픈
2. 모임앱을 통한 오프라인 모임에서 만난 경우 - 사진, 연락처 등 오픈
3. 오프라인 모임에서 나를 스캔한 경우 - 나의 모임앱내 인맥맵 오픈
4. 오프라인 모임에서 내가 스캔한 경우 - 나의 모임앱 + 연락처기반 인맥맵 오픈
-----------------------------------------------------------------------------
특정인에 대한 추천을 원할 경우(다양한 경우의 수가 있음).
-----------------------------------------------------------------------------
1. 상기 특정인이 내가 온라인 또는 오프라인으로 만나보고 싶은 상대일 경우
2. 특정 주제에 대하여 전문가에 해당하는 사람을 추천받고 싶은 경우
3. 특정인에 대해 나를 추천하여 주길 원하는 경우
-----------------------------------------------------------------------------
이런 ‘추천’이 필요한 상황을 위해 인맥 거래를 위한 마켓플레이스가 제공되고 상기 항목들은 유료화 버전으로 제공되어 질 수 있다. 즉, 특정 요청에 대해서는 금전적 제공이 필요할 수도 있다.
또한 지인들의 의사를 기반으로하여 추천인맥 맵을 별도로 구성할 수도 있으며 모임앱 사용자들은 추천인맥 맵을 통해 복수의 사용자들로 부터 추천을 받은 사람, 최근 추천을 받은 사람 등을 사용자가 원하는 주제, 카테고리별 등으로 구분하여 검색할 수도 있을 것이다. 이는 사용자가 원하는 인재, 인맥을 찾는데 큰 도움이 될 것이다.
이하에서는 본 발명에 의한 서비스 서버의 현실공간과 가상공간의 인맥맵을 활용하는 실시예에 대해 설명한다.
도44는 본 발명에 따른 서비스 서버의 인맥맵(오프라인 + 가상공간)을 도시한 도면2이다.
오프라인 모임 이후 온라인상에서의 뒷풀이 오프라인 모임 시 오프참여를 못하는 사람이 온라인 상으로 참여하는 방법으로 모임에 실시간 참여를 할 수 있게 된다.
필요한 경우 온라인 참여자가 오프라인 상의 특정 단말기를 컨트롤할 수 있을 것이다. 이러한 컨트롤에는 각 상황에 따라 발표중인 경우, 발표화면의 컨트롤, 특정 사람들을 봐야할 경우 카메라의 이동, 실제 움직일 수 있는 각종 기계장치 등이 있을 수 있으며, 상기 기계장치는 GPS, 카메라, 통신 송수신 장치, 음성 송신, 음성 수신부, 표시부, 입력부 등등이 존재하는 멀티모달 인터페이스 단말기일 수도 있다. 또한 이를 이용하기 위해 비용이 청구될 수 있다.
도45는 본 발명에 따른 서비스서버의 애플리케이션 서비스(가칭 블렌디드 월드)에서 사용자의 단말기로 모임을 검색했을 경우 특정 키워드 기반으로 검색되어진 모임을 도시한 도면이다.
결과적으로 각 모임은 오프라인 모임과 함께 온라인 모임이 동시에 진행될 수 도 있고 종종 각각의 모임이 별도로 운영될 수도 있을 것이다.
이하에서는 오프라인에 기반한 모임을 예로 들어 먼저 설명한다. 그러나 이는 온라인을 기반으로 한 모임에서도 가능할 것이며 온/오프라인에서 동시에 이루어지는 모임에서도 가능할 것이다.
본 발명에 의하면 모임에서 모든 것은 기록되어질 수 있다. 예를들어 모임에 참여한 사람들의 영상이 1개 이상의 카메라가 포함된 단말기로 촬영되며, 사람들이 각각 본 발명에 의한 애플리케이션으로 모임내에서 사진을 찍을 때 해당 위치, 시간 등이 기록되고, 사진에 나온 사람이 자동으로 태깅된다(사람의 얼굴을 찾는 기술은 현재 일반화된 기술). 또한 참여자 각자의 단말기는 음성 수신기가 되고, 경우에 따라 모든 참여자의 이야기는 녹음될 수 있다.이는 특히 중요한 회의같은 곳에서 중요하게 쓰일 것이다. 그리고 이는 사용자의 GPS, 상기 녹화된 동영상, 상기 음성, 참여한 사용자들끼리 상호간의 정보를 스캔한 데이터에 상호 매핑되어, 다양한 타입의 데이터를 생성할 수 있게 된다. 그 중의 하나는 해당 모임을 온전히 기록해 놓는 것으로써 차후에, 모임에 참여한 사람중, 특정 사람들간의 대화에 참석해 함께 토론하고 싶었음에도 불구하고 현실에서는 몸이 하나이므로 사실상 불가능하다고 할 수 있다. 그러나 모임에 기록되었던 특정 대화에 참여를 요청하여, 상기 대화 당사자들과, 그들이 특정 시점에서 나누었던 대화를 다시 특정지점부터 시작할 수 있도록 요청하고, 그 대화주제에 대한 자신의 의견도 새로이 첨부되어 질 수 있으며, 이는 해당 모임의 오프라인 모임에 참여하지 못한 사람도 이용 가능한 서비스를 제공할 수도 있다. 이 경우 기존과는 다른 버전의 만남상태(대화상태)가 생성되어 후술할 Life Line이 분기되어지고, 모임에 참여하거나 관심있는 사람들은 특정 시점에 해당 Life Line에서 분기가 일어나게 된 것을 어렵지 않게 발견할 수 있을 것이다. 또한 또 다른 누군가가 상기 분기된 대화 혹은 원본대화에 참여하고 싶을 경우 다시 참여할 수 있게 되며 이는 해당 Life Line에서 또 다른 분기를 가져오게 될 것이다.그리고 대화들은 타인라인에 따라 다시 통합될 수도 있다. 이는 각자 단말기의 애플리케이션 설정에 의해 달라지도록 함이 바람직 할 것이다.
도46은 본 발명에 따른 Ray.K의 인맥맵(도41에서 온라인 모임참여를 통한 인맥 추가 표기)을 도시한 도면3이다.
모임에 참여하는 개인의 단말기들은 기본적으로 본 발명에 의한 애플리케이션의 주요 노드들이 될 수 있다. 물론 사용자의 선택에 의해 노드가 될 것인지 아닌지 결정이 되겠지만, 애플리케이션의 노드가 되었을 경우 본인의 모임맵과 인맥맵을 얻을 수 있고 이를 기반으로 타인의 인맥맵에 대한 접근이 가능할 수 있기에 본 발명에 의한 애플리케이션의 노드가 되는 것이, 반대의 선택을 하는 것 보다 이득이 더욱 큰 것은 자명할 것이다.
도47은 본 발명에 따른 인맥지수와 관련된 점수 산출 예시를 도시한 도면이다.
사람들은 보통 어디서 어떻게 만났냐에 따라 인맥별 친밀도는 달라질 수 있다. 따라서 친밀도를 수치화하는 것은 가능할 순 있어도 이를 다시 절대값으로 전환하는 것은 불가능에 가까울 수도 있다. 따라서 본 발명에 의한 애플리케이션에서는 인맥형성 과정에 기반하여 이를 추론할 수 있는 데이터를 만들어 활용하고자 한다. 또한 이 데이터들을 통해 평균에 해당하는 사람들의 인맥점수를 백분위 50으로 설정하고 표준정규분포를 이용하여 일반화를 시도할 수 있을 것이다. 물론 예시된
도면에서의 평가를 위해서는 기본적인 인맥의 수가 온라인 100명 오프라인 100명 온, 오프라인 동시 인맥 20명 정도는 되어야 한다 등의 기준이 존재할 수 있을 것이다. 도면과 같이 인맥 비율 및 사회적 인맥지수가 점수로 표현되어질 수 있다. 항목은 본 발명의 범위를 벗어나지 않는 수준내에서 추가되거나 일부 항목이 배제될 수 있을 것이다. 예를들어 후술하는 실시예에 따른 과거 시간에 이루어진, 사용자가 당시에는 참여하지 못했던 모임에 본 발명에 의한 애플리케이션을 통해 참여를 한 후 인맥이 형성되어질 경우 해당 항목이 점수 항목으로 추가되어질 수 있으며, 마찬가지로 다른 실시예로 후술될 나의 AI의 활동과 관련된 항목도 점수 항목으로 추가되어 질 수 있을 것이다.
도48은 본 발명에 따른 인맥지수와 관련된 표1를 도시한 도면이다.
수량화한 확률변수 X에 대하여 평균을 m, 표준 편차를 σ라고 하자. 이를 표준 정규 분포로 나타내어 그 범위를 나타내면 다음과 같다. 여기서는 상위 2.28와 상위 1.07만 각각 살펴보기로 한다. 이때 상위 2.28%와 상위 1.07%의 각 표준편차의 계수인2.0과 2.3 등을 통계학에서는 z 값이라고 한다. 본 발명에서 인맥 지수는 z 값의 범위에 따라 결정된다. 특히 백분위 만점(滿點)은 실측상 나올 수 없을 것이다.
도49는 본 발명에 따른 인맥지수와 관련된 표2를 도시한 도면이다.
상황에 따라 상기 백분위 평균값을 50으로 할 수도 있고 100으로, 또는 0으로 정할 수도 있을 것이다. 보편적인 통계적 방법에서는 100(상대적 값)을 평균으로 두고, 표준편차를 15 또는 24를 사용한다. 이를 각각 정규분포 N(100, 15^2) 또는 N(100, 24^2 )로 표기한다. 단, 정규분포 N(100, 15^2과 N(100, 24^2) 등은 국제적인 의사소통의 편의를 위하여 통일화한 기준값일 뿐이다. 절대적인 수치값이 아니다.평균 50 또는 100은 앞서 언급한 대로 본 발명에 따른 애플리케이션을 통해 사전에 얻은 데이터들을 기반으로 이미 표준화를 거친 값이 될 것이다. 이는 한편으로 임의로 상정해둔 값이라는 것을 의미한다고 할 수 있다. 이를 토대로 윗 문단에서 소개한 z 값이 각각 2.0과 2.3인 경우를 나타내면 다음 표와 같다.
도50은 본 발명에 따른 인맥지수와 그래프를 도시한 도면이다.
본 발명에서의 사회적 인맥지수(Social Map Score, SMS)는 정의상, 평균적인 사람의 SMS가 100이고 사람들 중 약 95%의 SMS가 70에서 130 사이라는 걸 의미한다(도면 48 참고). 따라서 SMS 척도는 상대적인 척도이다. SMS가 상위 1%에 해당하는 사람들은 이론적으로 평균 SMS를 가진 사람들보다 더 많은 온라인, 오프라인 인맥을 형성하고 있을 가능성이 매우 높다는 것을 의미한다.
본 발명에서의 사회적 인맥지수(Social Map Score, SMS)는 상당히 다양한 분야에서 활용될 수 있을 것이라 예상된다. 예를들어 인맥지수에 따른 사회적 신용도와 관련된 메타 데이터도 생성이 가능하며, 사회적 인맥지수와 IQ 등과의 상관관계, 사회적 인맥지수와 직업과의 상관관계, 사화적 인맥지수와 연봉과의 상관관계 등의 결과에 따라 신용도 조사기관에서 상기의 사회적 인맥지수를 대출에 필요한 주요 수치, 또는 상대적 수치로 사용할 수 있을 것이며, 대출 가능성 및 이자 등과 관련해서 영향을 미칠 가능성도 있을 것이다. 마찬가지로 앞서 언급한 인맥 추천, 소개 과정에서도 활용될 수 있으며 이는 추천, 소개하는 사람과 그 소개를 받는 사람등 관계자들에게 있어서 신뢰도를 판단할 때 중요한 수치가 될 것이 자명하다.
도 51 내지 도 66은 본 발명에 따른 모임 애플리케이션에서 사용자간 대화를 하는 화면을 도시한 도면들이다. 도 51 내지 도 66을 통해 애플리케이션 상에서 사용자간의 대화를 설명하고 이어서 도 90에 이르기까지 오프라인 모임을 데이터화하고 온라인-오프라인을 동기화하는 방법들에 대해 설명한다.
도 51 내지 도54에 관한 설명이다.
일반적인 대화 애플리케이션은 도 51과 같다. 여기서 일반적인 대화 애플리케이션은 상방으로 화면을 이동할 경우, 이전의 대화를 볼 수 있고 상방으로 이동한 후 다시 하방으로 이동할 경우 본 발명에 의한 애플리케이션은 이와 별도로 장소에 따른 대화의 정렬이 가능하다. 또한 기존 온라인 대화방식에서 특정대화에 링크를 거는 것과 같은 행위는 오프라인 모임에서 대화 상대간 위치에 의거해 자동으로 링크를 걸도록 할 수도 있다. 본 발명에서는 시간과 장소 축을 이용하여 보다 시간에 가깝에 대화 기록을 볼 것인지, 보다 장소에 가깝게 대화 내용을 볼 것인지 선택할 수 있다. 물론 장소축은 다른 축, 예를들어 대화주제에 따른 구분이 되는 주제축으로 변경될 수도 있을 것이다. 이 경우엔 대화 주제에 따른 대화 그룹을 보다 집약하여 보여줄 수 있을 것이다. 이는 문장을 분석하는 문장 분석 AI 시스템 및 사람들의 행위를 분석하는 행위분석 AI 시스템에 의해 구현되어 질 수 있을 것이다.
도 55 내지 도 58에 관한 설명이다.
장소축, 또는 주제축이 활성화 된 경우 시간축을 터치하는 방법 등으로 대화의 순번을 나타내는 그림이 단말기에 디스플레이 될 수 있다. 도면과 같이 터치-드래그를 통한 방법도 있겠지만 상기 도면에는 도시되지 않은 일부 메뉴(예를들어 통화 메뉴 등) 또는 상대 사용자 아이콘을 터치함으로써 1:1 대화를 신청하는 방법도 있을 것이다.
도 59 내지 도 62에 관한 설명이다.
또한 나와 관계없는 대화는 ㅣㅣㅣㅣㅣㅣㅣ 처럼 표기되고 포인트를 가까이 가져가고나 터치하면 ㅁㅁㅣㅣㅣㅣㅣ 처럼 변화되며 대화내용을 보여줌 여기서 내가 선택한 메세지, 그리고 그 메세지와 관계있는 메세지를 함께 보여줌 ㅁㅁㅣㅣㅣㅁㅣ 이렇게.. 또한 현재 시점에 대화가 지속적으로 진행되고 있다면 그에 대한 표시도 이루어 질 수 있다(도 60). 그리고 이것울 개인별, 지역별, 시간순 등으로 나타낼 수 있는 메뉴가 존재하고 기존 대화에서 새로운 분기를 갖는 대화방식이 존재할 수 있다. 여기서 ‘기존 대화’는 온라인상의 대화일 수도 있고 오프라인 상의 대화일 수도 있다. 오프라인 상의 대화는 대상자의 승인하에 대상자의 단말기 또는 미리 준비된 단말기와 음성 수신기, 키보드와 같은 입력장치 등을 통해 입력되어질 수 있으며 전통적인 방식(대화록, 회의록을 녹음하고 이를 단말기에 입력하는 방식)을 통해 이뤄질 수 있다. 이렇게 생성된 대화록에ㅡ대화당시 중요한 의견등을 제대로 인지하지 못했거나 다른 상대와의 대화를 하느라 인지하지
못한 경우ㅡ 다시 대화를 요청하거나 대화를 진행함으로써 대화록을 온라인상에서 이어나갈 수 있으며 필요한 경우 오프라인상의 대화를 진행할 수도 있다. 이때는 앞서 언급한 대화록 생성과 유사한 방법으로 대화록이 생성되어질 수 있다. 상기 대화록이 만들어지는 과정에서의 각 사용자 단말기의 활용은 후술하는 부분에서 보다 상세히 설명하도록 한다.
도 63 내지 도 66에 관한 설명이다.
단톡방의 특정 대화내용 중 나와 관계없는 대화내용은 범위를 복수 회 터치 - 선택하여 지정하여 축약할 수도 있다. 엄지와 검지손가락을 이용해 핀셋과 같이 움켜쥐는 터치 제스쳐(핀치 줌-인과 비슷한 행위)를 통해 대화를 압축할 수 있을 것이며 이와같은 축약외에도 축약된 대화의 제목 및 태그걸기, 축약의 범위 설정, 대화 참여자 등 자유롭게 대화방 내에서 가리고 싶은 대화의 범위를 설정(설정내용 별도표기)할 수 있으며 이렇게 설정한 범위내에서는 상기 가려진 대화 관련
답변도 가려질 수 있다. 이를 위해 AI 학습 데이터가 필요하고(사용자가 상기 축약 범위 설정 후 특정 대화를 반복해서 가리는 행위 등의 데이터 수집) 상기 데이터로 대화 추적 학습 모델을 구축함으로써 상기의 기능(축약 범위 설정 후 관련대화 발생시 자동숨김, 삭제처리 기능 등)은 점진적으로 발전할 수 있게 될 것이다.
위와 같은 방식(시간-장소 대화 구분 모델 및 대화 축약 기능 모델) 은 대화를 그룹지을 수 있게 하며, 그룹 별로 대화록이 만들어져 대화방처럼 활용할 수 있게 된다. 또한, 해당 모임 내에서 대화 주제가 비슷한 대화록, 대화방은 상호 참조할 수 있도록 대화 방을 합쳐서 보거나 참여를 권하는 식으로 이어질 수 있다. A시점 이전의 기존 대화에 A라는 대화가 이어지고, 앞의 대화 내용에서 이야기 했던 것과 약간 다른 의견을 내는 등 의견을 바꾸고 싶은 경우, 기존 대화에 새로운 대화를 이어나가는 방식이 현재의 방식, 이것은 혼선이 야기될 수 있는 대화 방식, 아예 새로운 분기를 만들어 A시점으로부터 새로운 의견에 대해 이야기 하는 것이 필요할 수 있다. 이것이 현재 오프라인에서는 불가능하다. 우리는 하나의 시간 스트림에 살고 있으므로, 그러나 온라인에서는 다른 시간 스트림을 갖는 대화를 이어나갈 수 있다. 심지어 A 시점 이후 기존의 의견을 유지하면서 대화를 진행하고, A 시점 이후 기존의 의견과는 다른 의견으로 대화를 진행할 수도 있다. 대화상대는 동일하게 유지하거나 다른 대화상대를 초대할 수도 있다. 이에 대한 내용은 이후의 도면들을 통해서 보다 상세히 설명한다. 대화의 저장은 각 사람이 하나의 폴더가 되고 그 폴더 안에 또 폴더를 넣을 수 있으며, 폴더대신 태크를 사용하여 사후 폴더 처럼 사용할 수도 있다. 각 대화는 하나의 파일이 될 수 있으며, 긴 대화록은 그 자체로 또다른 파일이 될 수 있다. 또한 각 사람은 실제 특정 지역과 매칭되는 위도와 경도를 갖는 상태로 가상의 공간상에 존재할 수 있다. 사람, 그리고 대화의 저장방식을 통해 폴더와 파일도 이처럼 저장하고 사용할 수 있게 된다. 특정 지역과 매칭되는 위도와 경도를 갖을 수 있으며, 사무실이라는 가상의 공간내, 특정 위치, 사물을 생성하고 그 내부에 실제, 현실세계에 있는 목록을 적거나 사진을 저장할 수도 있다. 이에 대한 사물 생성 및 사진, 동영상 촬영 저장 매칭 과정에서의 각 사용자 단말기의 활용은 후술하는 부분에서 보다 상세히 설명하도록 한다.
도67은 본 발명에 따른 모임 참여자들의 사용자들의, 시간에 따른 모임참여코드 스캔 및 대화와 관련된 데이터를 이미지 영상으로 구현한 도면1이다.
앞서 도시된 대화 및 모임 참여자간 상호 스캔 등의 행동을 시간의 흐름에 따라 영상으로 만들면 다음과 같은 영상을 제작할 수 있을 것이다. 모임의 호스트 또는 참여자가 이 영상을 재생할 경우 오프라인 모임에서 사람들간 대화 및 상호 정보를 알아가는 과정이 시간에 흐름에 따라 보여질 것이다. 모임의 성격에 따라 모임 참여자 뿐만 아니라 모임에 관심이 있는 사람에게도 해당 영상을 재생할 수 있는 권한이 허용될 수도 있다. 또한 후술하는 본 발명의 또다른 실시예를 통해 설명되어질 모임 주최자 및 스태프, 참여자, 후원자 등에게 분배되어지는 토큰을 토입할 경우, 해당 토큰을 가진 사람들만이 모임의 영상을 재생할 권한을 부여받을 수 있게 할 수 있다. 또한 특정 기간 동안 해당 토큰을 보유해야 모임 영상을 시청할 권한이 주어지게 할 수도 있을 것이다. 또한 상기 토큰은 다른 사람과 거래할 수 있는 시스템이 마련되어 질 수도 있다. 이렇게 하여 모임을 만드는 것과 이에 대한 후원 및 참여를 보다 독려할 수 있게 될 것이다.
도68은 본 발명에 따른 모임 참여자들의 사용자들의, 시간에 따른 모임참여코드 스캔 및 대화와 관련된 데이터를 이미지 영상으로 구현한 도면2이다.
온라인 대화와 오프라인 대화의 가장 큰 차이점은 온라인 대화의 경우 대부분 글(문자)로 소통을 하는 것이고, 오프라인 대화의 경우 대부분 소리(말)로 소통을 하는 것이다. 여기서 소리, 말에 해당하는 음성은 사람의 감정을 더 깊게 표현해 낼 수 있다. 표출을 하지 않으려 해도 드러나는 경우가 상당하다. 이러한 차이로 인해 온라인 대화 자료와 오프라인 대화자료를 통한 기계 학습 결과물에는 상당히 차이가 존재할 수 밖에 없다. 사람의 음성이 가진 고유한 특성을 이용하면 그
안에 담긴 감정을 분석하여 파악하는 것이 보다 용이하기 때문이다. 이러한 오프라인 대화 자료를 통한 기계학습을 활용하면 AI 비서 및 AI ARS 시스템 등은 실제 사람들과 효과적인 의사소통이 가능하게 될 것이다. 특히 음성이 가진 피치값과 속도의 변화와 같은 요소는 데이터화하기 용이할 것이다.
상기 음성 대화 데이터들을 이용하여 감정별 음성 데이터 분석을 행하고, 감정의 분류 및 이를 예측하는 과정을 계속 반복한다. 이 과정에서 다양한 기계학습 알고리즘을 만들어낼 수 있으며 데이터가 방대해질 수록 상기 기계학습 알고리즘들의 정확도는 점점 증진될 것이다. 이는 해당 음성 데이터를 만들어낸 사람(음성의 주인공)의 심리 분석에 보다 용이할 것이며, 상기 음성 주인공 즉 사용자의 설정에 따라, 매일 혹은 정해진 시간 혹은 선택한 기간에 맞춰 감정 변화에 대한 기록이 행해질 수 있다.
후술하는 본 발명의 또다른 실시예에서도 언급하겠지만, 상기의 과정(데이터의 수집, 분석, 기계학습, 모델 설계 및 적용, 사용자 감정 분석등 일련의 과정)은 단순히 사용자의 스마트폰을 통해 이루어질 수도 있지만 스마트 워치나 글래스, 또는 특정 센서(심박수, 혈중 이산화탄소 수치를 체크해주는 센서, 단말기) 등을 통해 보다 높은 수준의 데이터를 수집할 수 있게 될 것이고 관련된 결과의 정확도 또한 매우 높은 수준으로 상승시킬 수 있을 것이다.
도 69는 도68에서 이루어졌던 모임이 본 발명에 의한 방법 및 시스템에 따라 기록되어진 데이터가 영상으로 제작되어진 것을 도시한 도면이다. 본 발명에서 언급했던 다양한 데이터(채팅, 음성대화, 호스트 및 각 앵커노드들을 기준으로 얻어진 모임 참여자 이동 데이터, 사진 영상 참여자들의 움직임등이 녹화된 영상을 통해서 시청할 수 있으며 영상 재생 시스템에서 제공되는 검색 서비스를 통해 대화 검색 가능하다. 특정대상 음소거, 특정대화 텍스트 숨김, 특정인물
숨김, 숨김처리된 특정인물과 관련된 음성, 텍스트 숨김 등의 기능이 제공될 수도 있다.
도70은 본 발명에 따른 모임 참여자들의 사용자들의, 시간에 따른 모임참여코드 스캔 및 대화, 이동과 관련된 데이터를 이미지 영상으로 구현한 도면2이다.
호스트 등의 사용자들이 만들어놓은 오프라인 모임 장소를 기반으로한 가상의 공간에 참여한 사용자들이 모임의 사진올리기, 포인트 찍기, 나의 인맥맵 매칭하기(인맥맵을 모임내 데이터로 활용할 수 있도록 업로드-공유), 모임내 AI봇 제공, 사용자만의 애플리케이션을 만들어 단순 기능을 제공할 펫 아바타 등으로 모임의 다른 참여자들이 다른 사용자들의 데이터, 애플리케이션등을 활용할 수 있도록 할 수 있다. 이는 데이터 및 애플리케이션의 제공자가 정한
서비스 룰에 따라 과금이 이루어질 수도 있고, 구매한 데이터는 재 판매가 가능한 마켓플레이스가 제공될 수도 있다. 오프라인 모임에서 1차를 마친 사용자들은 다른 사용자 혹은 시스템이 제공하는 가상공간(노래방, 영화관 등)을 통해 2차 모임을 할 수도 있다.
도71은 본 발명에 따른 모임 참여자들의 시간에 따른 모임참여코드 스캔 및 대화, 이동과 관련된 데이터를 이미지 영상으로 구현한 도면3이다
모임 영상내에서 특정 주제를 다루는 특정 사람들간의 대화만을 집중해서 듣고 싶다면 도 70과 71에 도시된 바와 같이 해당 사람들이 존재하는 영역을 선택 한 후 선택된 영역 확장 메뉴를 통해 특정 대상들의 대화만 볼 수도 있다. 뿐만 아니라 사람의 지역적 특성, 모임 주제의 특성, 대화 방식, 사용 언어의 수준, 타인과의 소통 수준, 생활 패턴 과 같이 상기 온/오프라인 모임을 통해서 얻을 수 있는 빅데이터와 사용자 고유의 성질이라 할 수 있는 나이, 성별, 가족관계, 키, 몸무게 등을 통해 개인을 보다 입체적으로 구체화할 수 있게 된다. 이렇게 모두를 위한 AI가 아닌 개인에 특화된 AI를 만들 기초를 마련할 수 있다. 지속적으로 얻어지는 개인에 대한 데이터를 통해 상기 개인이 원할 경우 개인의 AI를 점진적으로 고도화할 수도 있다. 이 과정에서는 비용이 요구될 수 있으 특정 시점에서, 해당 시점에서의 완성 모델은 사용자의 판단에 따라 다른 사람들에게 판매를 행할 수도 있을 것이다. 이 과정에서 상기 사용자는 자신의 AI에 대한 판매 등급을 둘 수 있고 일반적인 대화 수준의 경우 상당히 저렴한 수준(예를들어 종종 상업적 광고가 노출되기도 하는 무료 버전 등)으로 판매할 수도 있고, 특정 기간동안만 대여를 할 수도 있을 것이다.
상기 대여 가능한 AI의 수, 또는 판매 가능한 AI의 수는 상기 사용자가 본 발명에 의한 시스템에 지불하는 비용에 의존할 수도 있을 것이다. 또한 상기 사용자의 AI가 매우 고도화된 수준, 예를들어 상기 사용자의 사진, 영상들을 활용할 수 있으며 상기 AI를 통해 새로운 사진, 영상, 대화 등을 창출해내는 것을 허여하는 수준의 매우 높은 단계의 AI 모델이라면 상당히 비싼 가격에 판매를 하고자 할 것이다. `구매자 입장에서, 특정 AI에서 옷, 가방, 자동차 등의 선물을 주거나 특정 언어를 학습시키거나 하는 과정에서 비용이 들어갈 수 있다. 물론 이미 학습된 AI를 구매하거나 많은 옷, 가방, 자동차, 집 등을 소유한 AI를 구매하는 경우도 존재할 것이다.
본 발명에 따른 애플리케이션을 통해 호스트는 공간 측정 버튼을 눌러 모임 공간을 측정할 수 있다. 이때 호스트 단말기는 삼각측량을 통해 모임 공간의 대략적인 크기를 알 수 있고, 도면을 대략적으로 그릴 수 있는 그림판과 같은 단순한 기능부터 3D모델링 기능 을 제공함으로써 모임 공간의 대략적인 모습을 만들어 낼 수 있다. 이렇게 만들어낸 가상의 공간은 모임참여자들이 사진, 동영상 등으로 꾸며질 수 있으며 가상공간 내 액자를 도입하여 모임 내에서 촬영한 사진, 동영상을 다른 사람들과 함께 공유할 수 있게 된다. 공간 스토어를 통해 잘 만들어진 공간은 다른 참여자 또는 다른 모임의 호스트(특히 해당 장소에서 모임을 할 예정인 호스트)들에게 판매되어질 수도 있으며, 대여 또한 가능하다. 가상의 공간과 실제 공간에서 이루어지는 소통 장소가 제공되어질 수도 있다.
또한 상기 소통 장소는 모임에 실제 참여한 사람과 온라인상으로만 참여한 사람이 대화를 나누는 가상 공간이라 할 수 있다. 이러한 가상공간은 일반 채팅시스템과 같이 가상 공간에서만 존재할 수 있으며, 또는 만들어진 모임의 가상 공간에서 온라인에 참여한 사람의 모습을 보며 사용자 각자의 단말기를 통해 음성대화를 나누거나 채팅을 하거나 영상통화를 할 수도 있다. 예를들어 사용자 A가 실제 오프라인 모임에서 상기 가상 공간에서 알게되어 상기 가상공간내에서 대화를 했던 사람이 새로운 사람(사용자B)가 이 온라인 공간에 있을 수도 있는 것이다. 또한 사용자 A가 오프라인 모임에 참여했다가 모임 진행 중 자리를 비우게 될 경우에도 온라인 상에는 그대로 남아있을 수 있다. 오프라인 모임에 참여했던 사람이 다른 장소로 이동 중 온라인으로 해당 모임에서 대화를 지속할 수도 있는 것이다. 이러한 온-오프라인이 통합된 가상 공간을 이용하기 위해서는 무엇보다 온-오프라인 가상공간 내 사용자들의 위치 및 이동에 대한 동기화가 필요하다. 이를 위해 본 발명에서는 첨부된 도면과 다음과 같은 실시예를 통해 상기 온오프라인 동기화를 위한 기술과 이론, 방법 및 시스템을 제공하고자 한다. 모임에 참여한 사람들은 기본적으로 스마트폰과 같은 단말기를 소유하고 있다. 상기 도면은 모임 참여자 중에서 도시된 사람은 기본적으로 스마트폰과 같은 단말기를 소유하고 있다. 블루투스 실내 위치추적은 세개 이상의 앵커포인트와 위치 추적이 필요한 디바이스 간 각도를 재 수학적으로 위치를 추적하는 기술로 정확도가 1미터 안밖이다. 모임이라는 특성상, 고정된 장소에서만 이루어지지 않기 때문에(실외든 실내든 가리지 않고), 거의 모든 장소는 앵커포인트가 될 기기가 고정식으로 부착된 장소일 확률은 매우 적을 것이다. 따라서 모임에 참여한 사람들로 하여금 자발적으로 앵커포인트가 될 여벌의 단말기를 준비하도록 하거나, 모임의 주최자 혹은스태프가 준비한 단말기로서 상기 앵커포인트의 역할을 수행하도록 할 수 있다. 상기 앵커포인트용 단말기로 자신의 제2단말기를 제공한 사람의 제1단말기는 상기 제2단말기와 인터넷 or 블루투스 등으로 연결되어 상기 제2 단말기가 상기 제공자의 동의없는 이동이 감지되면 상기 제공자의 제1단말기에 알람을 통지하는 기능이 추가될 수도 있다.
도 72 내지 도 75는 본 발명에 따른 모임 참여자들의 위치이동을 실시간으로 데이터화하기 위한 앵커노드 설정화면을 도시한 도면이다.
모임에 참여한 사람들이 각각 앵커노드가 되고, 이에 대한 설정 과정은 다음 도면에 도시되어 있다. 참여자들은 모임에 일정 수준 이상으로 기여하길 원할 수도 있을 것이다. 이럴 경우 참여하는 모임에서 앵커노드로 등록 신청을 통해 기여를 할 수도 있다. 이러한 기여자들은 순수하게 자원봉사 겪으로 앵커노드와 같은 역할을 수행할 수도 있지만, 모임의 활성화 및 인지도가 낮은 경우 참여자들의 호응을 이끌어 내기 위해 호스트는 앵커노드 자원자들에게 일종의 베네핏을 줄 수도 있을 것이다. 이러한 베네핏은 다양한 종류가 있을 수 있지만, 무엇보다 모임 자체에 대한 권한과 권리, 의무를 함께 공유하는 방법으로써 모임의 권한, 권리, 의무를 토큰화화여 모임마다 생성하고 이를 분배하도록 하는 것은 매우 좋은 전략이 될 것이다. 이는 본 발명의 실시예중 하나로 후술되어질 것이다.
도76은 본 발명에 따른 모임 참여자들의 위치이동을 실시간으로 데이터화하기 위한 앵커노드가 설정된 상태를 도시한 도면이다.
도면과 같이 앵커노드로 등록된 단말기들을 통해 모임 참여자들의 단말기 위치 데이터를 얻기 위한 방법으로 삼각측량, 삼변측량이 활용될 수 있으며, 상황에 따라 각 앵커포인트용 단말기를 세팅하기 위해 네번째 제2 단말기가 활용되어질 수 있다. 이 단말기는 앵커포인트용 단말기들을 등록하고 해제할 수 있는 기능이 추가되어짐이 바람직하며, 이러한 상황을 고려할 때 모임 호스트의 단말기가 네번째 제2 단말기로 활용되어짐이 바람직하다. 이때 상기 네번째 앵커포인트용 단말기는 3개의 앵커포인트용 단말기를 세팅할 때 주로 사용되어질 것이다. 그리고 그 이후는 앵커포인트의 등록 및 해제 정도의 관리만으로도 족하기 때문에 관리자 단말기는 굳이 2개 이상 필요하지 않을 수도 있다.
단말기 마다 블루투스의 성능 차이가 존재한다. 이는 추후 데이터의 보정을 통해서 정확도를 보다 높일 수 있다. 물론 현재로써는 앵커노드 및 이의 위치를 설정할 때 사용될 센터(호스트)역할을 할 단말기들의 기본 조건을 블루투스 5.1 이상으로 설정함으로써 기기간 성능차이를 줄일 수는 있을 것이다. 앞서 언급한 블루투스의 버전은 본 발명의 출원 이후에서 지속적으로 높아질 것이 자명하므로, 앞서 언급한 수치는 하나의 예시에 불과할 것이다.
위와 같이 블루투스 신호를 통해 앵커노드로부터 모임에 참여한 게스트들의 위치를 파악(인식)하는 것 뿐만아니라 각 단말기의 와이파이 무선 신호로 모임에 참여한 게스트들의 위치 데이터를 산출해 내는 것도 가능하다. 이는 게스트들의 사용자 단말의 와이파이 무선신호의 세기를 측정 및 기록(양측에서 서로 측정 및 기록이 행해질 수 있음)하고 검출된 해당 신호의 세기를 거리 데이터로 매핑할, ‘측정된 와이파이 무선 신호 세기에 따른 거리 DB’를 준비해 두어야 한다. 상기 DB는
와이파이 신호세기를 통한 단말기의 거리값에 대한 실측 실험 데이터로 만들어질 수 있을 것이다. 보다 정확한 위치를 인식하기 위해서는 상기 신호의 세기를 최대로 설정하고, 단말기가 허용하는 최대측정가능한 범위로 설정해야 할 수도 있다. 또한 실제 사용가능한 반응 속도를 위해서는 실험값을 통해 또는 게스트 단말기의 수에따라 측정 범위를 조절함으로써 모임 크기(장소, 인원수, 행사 시간 등)에 따른 참여 게스트 위치를 보다 정밀하게 파악하는 수치를 얻을 수 있을
것이다. 예를들어 다음과 같은 다양한 변수를 통제변인 및 종속변인으로 나누어 실험을 한 후 해당 데이터를 얻을 수 있을 것이다.
도면에서 앵커노트 단말기에서 산출되는 값을 aN라하고 각각의 값을 z1, z2, z3 라고 할 경우, 일반적인 aN 값은 aN = f(x, y, n, bV, t, ...) 로 표현될 수 있을 것이다. 여기서 앵커노드1(aN1)에서 Guset1의 거리를 측정하고자 한다면 aN1 = f(xG1, yG1, n, bV_aN1, t ...) 로 표현 할 수 있다. 여기서 xG1은 앵커포인트 단말기가 측정하고자 하는 Guest1 단말기와의 블루투스 신호의 세기(거리값) x값, yb는 앵커포인트 단말기가 측정하고자 하는 게스트단말기와의 블루투스 신호의 세기(거리값) y값, n은 측정하고자 하는 단말기를 포함한 모임참여자 수, bV_aN1은 앵커포인트 단말기의 블루투스 버전, t는 측정된 시간값이 될 수 있다. 또한 상기 x, y의 값에는 블루투스 신호의 값 외, Guest1의 단말기와의 상호 측정 가능한 다양한 데이터값을 추가하여 보다 정확한 상대적 움직임을 측정하고 보정할 수 있다. 예를들어 Guest1 단말기와 aN1과의 상호간 AP(Acess Point) 신호 세기, Guest1 단말기에서 음성이 녹음되고 음성의 크기가 측정되고 있다면, Guset1 단말기와 aN1 간 측정된 상기 음성의 세기, aN1 ~ aNN 의 앵커포인트에서 측정된 음성의 세기 차이, 영상을 통한 Guest 들의 움직임 추적, 실내 공간의 현실적 상황 및 상태 및 POI(Point of Interest) 등과 같은 지점기반 정보들을 추출 및 전달, 게스트 단말기들의 가속도 센서/자이로 센서 등을 이용하여 게스트들의 이동 방향 추산할 수 있을 것이다. 상기 이동에 따른 보다 정확한 값을 이동 값을 추산하기 위해 각 게스트에게 대략적인 신체 사이즈, 키, 몸무게, 보폭 등의 입력을 요청할 수도 있다. 이렇게 측정되는 값들의 특징은 각 모임참여자의 모임 공간 내에서의 실제 위치를 지속적으로 알아내긴 어렵다는 것이다. 따라서 상술한 바 대로, 모임에 참여한 사용자 단말기들로 부터 블루투스 신호 또는 와이파이 무선 신호를 측정하기 위한 앵커노드들과 호스트 노드가 필요한 것이다. 그러나 상기 모임내에서 단말기들의 상대적 위치를 지속적으로 측정하는 방법들로 인해 모임내 단말기들의 위치는 보다 정교하게 파악할 수 있게 될 것이다. 물론, 지상 또는 GPS 신호가 감지될 수 있는 위치, 지역이라면 각 게스트 단말기에서 얻을 수 있는 GPS값을 통해 상기 xy에 의해 실제 위치에 관한 데이터가 더 추가되어 질 수 있다.
또한 본 발명에 의한 모임 애플리케이션을 이용하는 모임이 개최될 수록 보다 많은 데이터가 누적되어 보다 방대한 량의 DB가 만들어지게 될 것이고 이러한 DB를 통해 보정한, 각 상황에 따른 보다 정확한 위치값을 얻게될 수 있을 것이다. 예를들어 각 단말기 제조사, 스마트폰 모델 및 와이파이 칩셋 제조사 별 검출된 신호 세기에 따른 거리값은 기본이고 모임이 이루어진 공간의 크기(가로, 세로, 높이), 모양, 참여한 사람의 수, 각각의 사람이 모여 있을 경우, 각 그룹 별 사람 수 및
각 그룹의 거리에 따른 신호 세기의 변화 등 데이터는 꾸준히 누적되어져 본 발명에 의한 서비스 서버의 AI학습을 위한 데이터로 활용되어질 것이다. 본 발명의 다양한 실시예에 따라 생산되는 무수히 많은 데이터들은 후술될 AI학습모델들을 위한 데이터로 활용되어진다. 상기와 같이 여벌의 단말기를 통해 모임에 참여한 각 참여자 소유 단말기의 위치를 추적함으로써 각 참여자의 위치를 추정할 수 있겠지만 이 방법 또한 불편함을 야기할 수 있다. 따라서 이와 별도로, 일반적인 사람들이 가지고 다니는 단말기가 1대인 점을 감안해, 여벌의 단말기를 준비하지 않고도 상기 실시예를 통한 위치 추정 결과값과 유사하거나 더욱 근접한 위치 추정 데이터를 생산해 낼 수 있는 방법이 필요하다. 이하의 실시예 에서는 상기의 조건을 충족하는 ‘모임참여자 위치를 추적하고 추정할 수 있는 새로운 방법과 시스템을 제시한다.
도 77 내지 도 90은 본 발명에 따른 모임 참여자들의 위치이동을 측정하기 위한 방법을 연속적으로 도시한 도면들이다.
도 77과 도 78에 대한 설명이다.
모임참여자 A~F 의 단말기 위치가 도77과 같이 표시되어 있고 호스트의 위치가 H로 표시되어 있으며, 모임참여자 A, B, C가 앵커노드로써 특정 시간을 주기로 모임 참여자들의 위치 좌표를 파악한다. 상기 위치좌표는 호스트가 만든 가상공간의 데이터를 기반으로 한다. 즉, 실제 공간상의 사용자의 절대 위치를 상기 가상 공간에서 표시하기 위하여 절대 위치 값에 가까운 좌표 데이터를 생성해 낸다. 이때 상기 절대 위치 좌표값을 통해 각 단말기간 상호 방향, 거리 또한 검출되어질 수 있다. 이는 각 단말기 혹은 서비스 서버에 저장된 단말기들의 블루투스 출력값과 거리에 따른 해당 신호값의 데이터를 통해 대략적으로 산출해 낼 수 있으며 단말기간 상호 측정한다. 상기 측정한 신호값을 기반으로 추산한 데이터값을 통해 단말기간 상대 거리값을 보정할 수 있다. 추가적으로 단말기의 카메라, 라이다, 적외선 센서 등을 통해 거리, 방향 데이터 등 보정을 위한 추가 데이터를 생산해 낼 수도 있을 것이다.
이와 같은 방법으로 모임 공간의 크기와 각 호스트 단말기, 앵커노드 단말기들의 초기 위치가 세팅되었다면, 본 발명에 의한 애플리케이션이 설치된 단말기(모임에 참여한 단말기는 기본적으로 본 발명에 의한 애플리케이션이 모두 설치된 상태라고 가정)들은 블루투스 및 기타 센서등을 이용해 다른 단말기들의 위치를 상대적으로 측정한다. 상기 기타센서들에 대한 설명은 필요시에 부분적으로 설명하고, 추후 상세한 설명을 하도록 한다. 상기 상대적 측정 방법에 대해서는 도 78에 도시된 단말기 A, D, H의 움직임을 예로 들어 설명하도록 한다. 우선 단말기 D, H는 잠시 움직이지 않는 상태로 가정한다. 상기 단말기 D, H가 움직이지 않은 여부는 각 단말기에 설치된 동작, 위치, 환경센서와 나머지 단말기들이 D, H를 측정한 값, 나머지 단말기들의 동작, 위치, 환경 센서 값, 사용자의 대화 녹음(모임에서 대화를 하고 있는 것은 움직이지 않고 있을 확률이 높다)이 이루어지는 상태 여부, 대화 상대 존재시 상대 단말기에서 측정될 수 있는 동작, 위치, 환경 센서 값 등을 통해 큰 움직임이 없이 거의 동일한 장소에 있다는 것이 확인 되었다고 가정한다. 사용자 A의 움직임에 따라 사용자 A가 가지고 있는 단말기 A도 움직이게 될 것이다(이와 같은 일반적인 상황에 대해서 이야기한다. 사용자가 단말기를 깜빡 놓고 가는 경우는 우선 고려하지 않는다). 각 사용자 단말기의 위치를 삼각형의 꼭지점으로 표시(대문자) 할 때, 각 꼭지점과 마주보는 변은, 각 꼭지점의 소문자로 표시한다고 하자. 이때 사용자 A가 움직일 경우 변a의 길이는 동일하고, 변h는 변h’로, 변 d는 변d’로 이동한다. 상기 변의 길이는 사용자 단말기간 블루투스 신호의 세기변화 등을 통해 추정 가능하다. 또한 단말기 A의 블루투스 신호 세기 값이, 서로 다른 단말기 D, H를 통해 검출되고 상기 검출된 각 단말기 D, H의 블루투스 신호 값의 세기를 단말기 A에서 검출, 상기 단말기 D에서 단말기 H의 신호 값의 세기를 검출, 상기 단말기H에서 상기 단말기 D의 블루투스 신호 값의 세기를 검출함으로써 상기 변화된 변들의 길이 추정치는 보다 정확하게 보정될 수 있다.
이때 단말기 h의 특정 거리에 해당하는 신호의 세기가 그리는 원은 Oh와 같을 것이고 단말기 D로부터 특정 거리에 해당하는 신호의 세기가 그리는 원은 Od와 같을 것이다. 여기서 단말기A의 위치는 두 원이 겹치는 지점 근방일 것이다. 그런데 일반 단말기에 들어있는 블루투스 등 통신 기기는 무지향성 통신을 하기 때문에 두원이 겹치는 지점은 두군데가 된다. 여기서 단말기 A의 동작센서 값, 그리고 두 원이 겹치는 지점 중 사용자 A가 물리적으로 해당 시간 내에 이동 가능한 거리인지 여부 및 다른 단말기, 예를들어 단말기 C로부터 검출된 단말기 A 신호값에 의해 원 Oh와 원Od의 겹치지는 지점 중 한군데로 사용자 A의 위치를 확정할 수 있을 것이다.
위와 같은 과정을 통해 사용자 A의 현재 위채 위치 추정 지점을 찾으면, 변d가 꼭지점H를 기준점으로 이동한 각도 및 변 d’의 길이, 변h가 꼭지점D를 기준점으로 이동한 각도 및 변 h’의 길이를 통해 꼭지점A의 위치 이동값을 Ax, Ay를 알아낼 수 있고, 이를 통해 모임 공간내에서 A의 최종 위치를 산출해 낼 수 있다. 이와 동일한 방법으로 나머지 단말기들의 위치 또한 실시간으로 추적가능하고, 특정 시간(이는 모임장소의 크기, 단말기 수량, 각 단말기의 하드웨어 버전 등을 기반으로한 실험값으로 서비스 서버의 DB에 저장되어진다. 상기 실험값 등은 모임의 주최자인 호스트의 단말기로 다운로드되어 저장되어질 수 있다)마다 앵커노드 단말기로 잠시 이동을 멈추라는 알람을 띄우고(단말기를 머리위쪽으로 올려달라는 요청 등이 포함될 수 있다), 수초간 다시 각 단말기들의 위치와 거리 측정을 행함으로써 데이터를 상호 보완할 수 있게 된다. 그리고 이 과정을 모임 내내 반복될 수 있다. 이로써 모임 참여자들이 모임 시간동안 모임 장소내에서의 실시간 위치 및 이동한 경로를 추적하고 데이터화 할 수 있게 된다. 모임의 장소가 클 경우 앵커노드가 되는 단말기의 숫자를 모임장소의 크기에 비례해 증가시키고, 단말기간 상대위치를 추적하는 횟수의 주기를 짧게 하거나, 모임의 장소를 분할하여 특정 시간내에는 특정 앵커노드들이 상기 각 분할된 장소의 영역만을 상대로 모임에 참여한 사람들이 소유한 단말기의 위치 좌표를 측정한 후 이를 조합하여 위치 좌표를 보정하는 방식을 도입할 수도 있을 것이다.
본 발명에서 언급되는 단말기에는 다음과 같은 센서가 구성부로 추가되어질 수 있고 이는 본 발명의 전반적인 실시예에서 활용되어질 수 있다. 동작 센서는 사용자 움직임을 감지하고, 가속도와 중력, 회전속도, 회전 벡터 값, 드리프트(편향) 등을 측정한다. 동작 센서는 자이로스코프 개념을 활용한 센서이다. 중력 센서는 중력의 방향과 강도를 나타내어 준다. 이 데이터를 활용하면 공간 내에서 기기의 상대적 방향을 확인할 수 있다. 선형 가속도계는 중력을 제외한 가속을 나타내는 데이터를 제공한다. 어떤 물체에 미치는 중력의 영향을 배제한 가속 데이터를 얻게 해주는데 이 센서를 활용하면 단말기를 소유한 사용자가가 얼마나 빨리 움직이는지 알 수 있죠. 중력 센서와 선형 가속도계를 활용하면 본 발명에 의한 애플리케이션에서 사용자가 어느 방향으로 어떻게 이동했는지를 추적할 수 있는 것이다. 회전 벡터 센서는 기기의 기울기와 방향을 측정해서 어느 방향을 바라보고 있는지, 어느 방향으로 움직이고 있는지를 알려줄 수 있다. 이런 기본 원리를 이용해서 보행한 걸음수를 측정한다거나 회전속도를 측정하기도 하고, 이런 센서 기능을 이용해서 본 발명에 의한 애플리케이션에서는 사용자의 운동량 또한 계산해낼 수 있다. 가속도 센서와 자이로스코프는 하드웨어로 장착되어 있으며 동작 센서에 필요한 기본 데이터를 제공한다.
환경 센서는 습도, 조도, 주변 압력, 온도 등을 알려주는 4개의 센서가 있다. 습도는 절대습도를 퍼센트(%) 단위로 알려주고, 조도는 룩스(Lux), 압력과 온도도 절댓값으로 알려준다. 습도 센서는 실내모임에서 여러 명의 사용자가 있을 때, 그들의 입과 몸 등에서 생성되는 습기를 측정할 수 있으며 조도센서는 사용자의 움직임에 따른 조도 값의 변화를 측정하여 사용자의 움직임 및 실내외 여부 등을 분석하는 데 활용되어질 수 있다. 온도계는 기기 내부의 온도를 측정해서, 스마트폰이 과열되는 위험을 방지하는 용도로도 사용된다. 본 발명에서는 상기 온도 센서를 통해 사용자가 실내에서 실외로 이동하였는지를 판단하는 중요한 데이터로 사용되어질 수 있다. 또한 여기에 단말 생산 업체에 따라 고도계나 다른 센서가 추가되기도 한다. 이와 같은 환경 센서를 이용하면 사용자가 머물렀던 특정 시간, 특정 공간, 특정 위치에서의 날씨, 온도, 이슬점 등의 데이터를 수집할 수도 있다. 이는 추후 본 발명에 따른 또 다른 실시예인 가상세계에서 시간을 조정하여 특정 시간대에 특정 가상공간을 방문하는 사람들에게 보다 큰 현실감을 부여하기 위해 기본적인 데이터로 사용되어 질 수 있다. 상술한 센서들은 근래의 스마트폰 단말기들이 공통으로 가지고 있는 센서에 해당한다. 일반적인 단말기도 이와 같이 상당한 수의 센서를 보유하고 있다. 또한 최근 2~3년 새 등장한 스마트폰에는 의료용 기기에서나 볼 수 있는 심박수 측정 센서나, 자율주행 자동차에 쓰인다는 라이다(Lidar) 센서 같은 것들이 달려 있다. 심박수를 측정하는 심박수 센서는 보통 빛을 내는 2개의 LED가 달려있고, 그 빛이 반사되어 돌아올 때 빛의 세기를 측정하는 감광 센서로 이루어져 있으며 측정 원리는 다음과 같다. 심장이 수축하면서 온몸으로 혈액을 내보낼 때, 동맥의 압력이 커지면서 혈구들을 미세혈관까지 뿜어낸다. 즉, 심장이 펌프질을 할 때마다 손가락 끝 혈구 수가 늘어나고, 이완될 때는 혈구 수가 줄어들게 되는 것이다. 혈구는 빛을 흡수하는 성질이 있어서 LED 빛을 비추었을 때 혈구가 많으면 어둡게 보이고, 혈구가 적으면 적게 보이는 것이 보통이다. 이러한 변화를 감광 센서가 읽어내어 심박수를 측정하는 것이다. 본 발명의 또 다른 실시예에서 등장하는 Life Line은 이러한 심박수 센서 등과 같은 데이터 또한 저장되어 사용자가 언제든지 자신의 심박수 변화 데이터를 볼 수 있게 해 준다. 물론 심박수 데이터 뿐만아니라, 어떤 상황에서, 어느 장소에서, 누군가와 있었고, 어떤 일이 벌어지고 있었는지에 대한 데이터가 모두 저장되고 사용자에 의해 관리되어지도록 데이터의 표현방법 및 시스템이 제공되어진다. 이는 앞서 언급한대로 사용자가 본 발명에 따른 또 다른 실시예인 가상세계에서 시간을 조정하여 특정 시간대에 특정 가상 공간을 방문했을 때 당시의 기분을 느낄 수 있도록 공간과 환경 분위기를 조성하는 데 유용하게 사용되어질 수 있다. 현재는 잊었지만, 당시는 어떤 기분이었는지 데이터로 남아있는 수치를 통해 이를 인지하고 사용자의 오감을 통해 최대한 당시의 기분을 다시 느낄 수 있도록 활용되어질 수 있다. 필요에 따라 의사의 처방에 따른 약물이 사용되어질 수도 있다. 상기 약물등은 가상체험을 할 수 있는 기기에 내재되어 있는 상태로, 상기 의사 처방 데이터가 입력되면 상기 가상체험 기기를 사용하는 환자에게 데이터에 따른 약물과 양을 투여하는 방법으로 제어될 수 있을 것이다. 이는 사용자의 정신적 치료에 유용한 도구로 활용되어질 수 있을 것이며 이와 관련된 방법 및 시스템에 대한 내용은 Life Line을 설명하는 또다른 실시예와 연계되어 설명되어 질 것이다.
심박수와 함께 혈중 산소포화도(SPO2)도 측정되어 질 수 있다. 산소를 운반하는 헤모글로빈은 적외선을 잘 흡수하고, 산소를 써버린 헤모글로빈은 빨간색 빛을 잘 흡수하는 성질을 가지고 있는데, 스마트폰은 적외선과 빨간색 빛을 동시에 내보내서 산소가 얼마나 혈액에 많이 포함되어 있는지를 측정할 수 있는 것이다.또 다른 센서로는 라이다(Lidar:Light Detection And Ranging) 센가가 추가될 수 있다. 라이다는 자율주행차에서 상대 차량이나 주변 환경을 감지하는데 사용되는 센서이다. Lidar라는 이름에서 알 수 있듯이 빛을 쏘아 목표물을 비춘 후에 반사된 신호의 특징을 측정해서 거리를 매핑한다. 이때 수신되는 빛의 패턴은 나노초부터 마이크로초 단위까지 분석할 수 있는데, 이를 통해 아주 정밀하게 상대적인 위치를 3차원 가상공간에 그려낼 수도 있다. 라이다 센서가 활용되는 이유는 카메라의 영상을 분석하여 거리를 측정하는 것은 주변 밝기나 환경에 민감하여 이용이 어렵고, 초음파 센서를 통해 거리를 측정하는 것은 정확도가 떨어지고 몇 미터만 벗어나도 측정이 어려운 단점이 있기 때문이다. 즉, 라이더 센서가 있으면 비, 안개, 눈이 내리던, 어둡고 깜깜한 환경이라도 피사체의 위치를 매우 정확하게 측정할 수 있다. 또한, 라이다 센서를 활용하면 가상공간에 물체를 배치한다거나, 순식간에 모임에 참여한 사람들의 상대적 거리를 측정하고 3D 공간의 치수를 자동으로 측정하는 기능들을 만들 수 있다. 이를 활용해서 본 발명에 의한 애플리케이션에서는 사용자가 사진만 찍으면 2D와 3D 평면도를 만들어주는 기능을 제공하는 것이 바람직할 것이다. 이외 사용자가 사용하는 웨어러블, 스마트 기기 등에서 존재하는 다양한 센서들이 추가로 이용되어질 수 있을 것이다.
도 79 내지 도 90에 관한 설명이다.
호스트를 포함한 모임의 참여자가 10명(A~J)이라고 가정하자. 이 10명이 본 발명에 의한 위치 추적 방법 및 시스템을 통해 각 ‘참여자의 위치’와 ‘시스템에서 신호의 세기 등의 조건을 통해 유추할 수 있는 각 참여자 단말기 신호의 범위’를 추산할 수 있을 것이다. 상기와 같이 추산된 데이터는 도 79와 같이 도시되어질 수 있다. 이는 서비스 서버 내 제어부에서 계산되어질 수도 있고 참여자들의 각 단말기에서 공유된 데이터로 각 단말기 내 제어부에서 계산되어질 수도 있으며 호스트의 단말기 내에 제어부에서 계산되어 질 수 있을 것이다. 또한 필요에 따라 각 단말기의 표시부를 통해 볼 수도 있을 것이며, 각 원의 중심에는 각 참여자의 단말기가 있을 것이다(도 80 내지 도 82). 신호의 범위를 제외한 각 사용자의 위치(각 원의 중심)만 표시부에 디스플레이될 수도 있을 것이다. 이러한 원들에서 중복을 제외하고, 원이 겹치는 경우에 대해 두개씩 쌍을 지어보면 A-B(도 80), A-C, A-F, A-G, B-C(도 81), B-D, B-F, B-G, C-D(도 82), C-E, C-F, C-G, C-H, C-I, D-E, D-F, D-G, D-H, D-I, E-G, E-H, E-I, E-J, F-G, F-H, F-I, G-H, G-I, I-J 총 29가지(도면에 도시된 원들의 경우)로 짝을 지을 수 있고 이들이 각각 겹치는 두개의 점(접점이 중복되는 중점의 경우 2개로 취급)의 수는 29의 배수인 58개의 점이 존재할 것이다. 이를 도면에 다시 표현하면 도 83과 같을 것이다. 이후 최외각에 있는 점을 제외한 나머지 점은 별도로 표기한다(도면에서는 검은색 테두리를 가진 흰색점). 최외각 점을 선정할 경우 각 원의 둘레상에서 2개 이하로 선택해야 한다. 이후 최외각 점을 제외한 내부의 점중에서 가장 많이 중복되는 점을 선택한다. 상기 선택에 있어서, 각 원의 입장에서는 최외각 점을 포함하여 점의 개수가 3개가 넘어가지 않도록 해야한다(도 84). 만약 점의 개수가 3개가 되지 않는 최외각에 존재하는 원의 경우 상기 최외각점들을 이어 만들 수 있는 다격형 중에서 최대넓이를 갖는 다각형의 외부에, 그리고 해당 원의 둘레상에, 라는 두가지 조건을 충족하는 원 둘레의 임의로 한 점을 찍어 각 원의 둘레에 총 3개의 점이 존재하도록 한다. 각 원의 중심부에는 각 사용자 단말기가 존재하고 그 주위로 사용자가 있을 것으로 추정할 수 있다. 여기서 각 원의 중심부를 Oa~Oj 로 표현할 수 있다. 실시예에서 각 중심부는 필요에 따라 표시되어 질 것이다. 도면내 다른 요소들이 보다 중요하거나 표시에의 혼동이 있을 경우 표시되어지지 않을 수 있다.
앞서 설명한 바대로 각 원의 들레에 3개의 점만이 존재하게하고(도 85, 도86) 상기 3개의 점을 이어 한 원 안에서의 삼각형을 만들어 낸다. 이를 각 원에서 반복하면, 도 87과 같이 전체의 원에 대하여 도시되어질 수 있다. 또한 도 88와 같이 각 삼각형의 변을 반으로 나누면서 각 삼각형의 내측으로 이어지는 수선을 삼각형의 외부로부터 시작하여 긋고 이 선들이 만나는 지점에서 각 선들을 서로 잘라낸다. 그러면 도 89과 같은 다각형으로 이어진 다이어그램을 만들 수 있게 된다. 이렇게 만들어지는 다이어그램에서 각 모임 참여자(사용자)의 정보(기본정보, 제출한 서베이 결과, 모임에서 나누고 있는 대화의 주제, 모임 참여 목적 등)를 각 사용자로 부터 가장 가까운 삼각형(만약 가장 가까운 삼각형이 다른 사용자의 원 내에 존재하면 자신의 원 내에 존재하는 삼각형) 영역 내에 표시하고 이를 상기 다이어그램을 이루는 각 선으로 분할되어진 공간에 세그룹으로 분할하여 표시한다(도 90). 이렇게 할 경우 주변의 다른 사용자(참여자)들의 정보와 겹치는 영역이 존재하게 되고 해당 정보가 상호 일치하거나 유사한 경우, 그리고 이들이 아직 모임 내에서 대화를 하지 않거나(이들중 일부는 부스형태로 움직이지 못하는 경우도 있음) 해당 공간을 방문하지 않은 경우 이동 가능한 사용자에게 다음 대화(방문)상대로 추천하여 주거나, 대화(방문)을 유도할 수 있도록 메세지 등을 보내도록 유도할 수도 있다. 상기의 과정에서 상기 영역내 분할되는 정보는 호스트가 제시한 서베이에 따라 사용자가 직접 구분하여 기입함으로써 얻어질 수도 있고, 호스트 또는 시스템의 설정(기준)에 따라 사용자의 기본 정보가 영역에 따라 나뉘어져 주변의 사람들과 지속적으로 비교하며 상기 추천 또는 별도의 행동을 하도록 유도할 수 있다. 상기 다이어그램은 모임의 초기, 참여자들이 각기 다른 장소에 분산되어 있을 때 만들어질 다이어그램의 예상도에 가깝다. 따라서 모임이 진행됨에 따라 참여자들의 단말기 신호로부터 만들어지는 각 원들의 위치는 지속적으로 이동하게 될 것이다. 또한 참여자들의 대화가 누적될 수록 대화그룹의 음성을 텍스트로 변환하여 저장하고, 모임내 대화를 실시간으로 분석함으로써 모임내에서 시간 별 대화그룹이 임시적으로 만들어지고 해체되어지는 것을 데이터로 확인할 수 있게 될 것이다. 시간이 t1에서 t2로 흐를 때, 이러한 시간 차이를 기준으로 모임참여자들이 이동의 측정하여, 상기 모임참여자의 다음 대화그룹, 만날 사람, 모임내 장소 등을 본 발명에 의한 시스템이 추천하여 준다. 이때 t1과 t2의 시간 차이는 호스트가 설정할 수도 있고, 모임의 진행 상황에 따라 재설정을 하거나, 모임의 시간별로 서로 다른 시간 차이를 이용할 수 있다. 이러한 방법과 시스템은 기존 오프라인 모임에서 사용자들이 쉽게 알 수 없었던 상대방의 모임 참여 목적, 모임내 다른 사람들과의 대화 주제, 관심 분야 및 실시간으로 변화될 수 있는 모임참여자들의 각 정보를 시스템을 통해 추천/ 권유 등의 방법을 통해 행동을 유도 함으로써, 각 모임참여자들의 모임 목적을 달성할 수 있도록 도움을 줄 수 있다. 또한 사용자에게 모임내에서 주된 주제의 리스트를 실시간으로 볼수 있게 목록을 제공하고 사용자가 해당 목록의 대화 주제를 자신의 대화 주제로 설정할 수 있는 화면이 제공할 수도 있다.
또한 상기 다이어그램을 통해 도출되는 각 참여자들의 위치 정보는 앞서 신호기반 으로 사용자의 절대위치 좌표(모임 공간 내의 좌표) 및 상대적 위치에 참여자들의 현재 대화 여부, 대화 주제 등의 정보를 반영함으로써 물리적인 공간 내에서의 위치좌표 뿐만아니라 각 참여자들이 모임 참여의 목적 달성을 위해 누구와 만나고, 어디로 이동하며, 최대 몇명과 최적의 시간에 대화를 나눌 수 있는 지 등을, 데이터 통해 추천하여 줄 수 있다. 이러한 추천 중에 사용자의 이동 경로 또한 추천되어 질 수 있는데, 만일 n개의 대화 그룹이 있을 때, 모든 그룹을 직접 직선경로로 연결할 경우에는 n개에서 2개를 뽑은 경우의 수와 같으므로 모두 nC2=n(n-1)/2개의 경로가 존재하게 된다. 눈에 보이는 모든 그룹에서 참여자가 개인적인 판단하에 각 그룹의 이야기를 들어보고 움직이는 것은 매우 비효율적인 방법이다. 하지만 본 발명의 본 실시예에 따르면 참여자 대화 그룹 X에서 다른 대화 그룹 Y로 바로 이동할 수 있는 모임 내 대화 그룹 맵을 제공할 수 있게 된다. 또한 사용자가 단순 목적(예를들어 연락처 등 교환, 본 발명의 또 다른 실시예에 따르면 상대방의 모임 코드를 스캔)을 반영하여 대화 그룹 X에서 잠시 대화 그룹 Z로 이동한 후 다시 대화 그룹 X로 이동 후 대화를 마치고 대화그룹 Y로의 이동을 추천하여 줄 수 있다. 즉 사용자의 모임참여 목적을 최대한 달성하게 하기 위해 사용자가 대화 그룹간 어떻게 이동해야 하는 지, 상기 그룹 맵 등을 통해 알려주는 것이다. 일종의 네비게이션으로 볼 수 있을 것이다. 다만, 대화의 그룹(1인이 홀로 있는 경우도 그룹으로 취급) 이 지속적으로 움직일 수 있으므로 이전의 다이어그램을 기반으로, 시간 변화(dT) 동안 사용자의 이동 가능한 위치를 예측하고, 앞서 설명한 사용자의 절대위치, 상대 위치를 측정함으로 사용자의 위치 및 이동 예상 경로(시스템이 추천해준 경로 등)을 산출해 낼 수 있다. 이러한 데이터를 기반으로 현재 이동 중인 참여자(이전의 대화 그룹에서 나오거나 다른 그룹을 찾고자 하는 사용자)에게 다음 대화 그룹 및 이동 경로를 추천해 줄 수 있다. 이 과정에서 참여자는 본 발명에 의한 애플리케이션을 통해 다음 대화 그룹을 추천해 줄 것을 요청할 수도 있다.
참여자의 인맥지수에 따라 상기 원의 크기를 달리함으로써 인맥지수에 따른 영향력을 원의 크기로 표현해 낼 수도 있을 것이다. 이때 참여자 단말기는 사용자 단말기 블루투스가 송출 가능한 최대값에서, 상기 참여자의 인맥지수, 모임에 참여한 다른 사람들의 인맥지수, 호스트가 요구하는 정보(서베이를 통해 입력한 참여자의 정보)가 입력된 정도에 따른 점수, 현재 참여한 모임에서 언급되는 대화 주제의 순위에 따른 점수(예를들어 현재 참여한 모임에서 대화 주제 1위가 블럭체인일 경우, 현재 모임내에서 블럭체인에 대해 이야기 하고 있는 사람들은 점수가 상승-해당 주제로 대화를 나눌 수 있는 기회) 등의 점수가 원의 크기에 반영되어, 보다 많은 사람들이 해당 모임에 충실하게 되도록 유도한다. 이는 결국 모임의 호스트 및 모임에 참여한 게스트들에게 직접적인 이익이 될 것이다.
상술한 바와 같이 주어진 시간동안 모임 참여자들의 모임 참여 목적을 달성하기 위하여, 모임참여 전후로 참여 목적, 관심분야, 나이, 성별 등 본 발명의 다른 실시예 에서 언급된 정보들을 서베이 형태 등으로 요구할 수 있다. 즉 본 발명의 또다른 목적은 보임에 참여한 사람들로 하여금 모임 참여 목적 달성률을 높이기 위한 방법과 시스템을 제공하는 데 있다. 또한 모임 참여 중 새로운 주제에 대해 관심을 가지게 되었는지 여부를 인지하여(해당 참여자의 대화로부터 유추), 모임 내에서 동일하거나 유사한 주제를 다루고 있는 그룹 또는 사람을 추천하여 줄 수 있다. 이는 실시간으로 반영되어 현재 모임 참여자들의 위치, 주요 관심도 및 목적과 함께 최대한 많은 모임 참여자가 각각의 최대의 가치를 얻을 수 있도록 다음으로 이동해야할 위치, 만나야 할 사람을 추천하여 주는 것이다. 또한 사용자의 최근 인맥, 그리고 과거 인맥의 편향(과거 인맥들의공개한 그들의 프로필을 기본으로, 동의하에 상호 대화 등을 기반으로) 정도를 기반으로 현재 참여하고 있는 모임에서 만날 사람을 추천해 줄 수도 있을 것이다.
본 발명에 의한 모임 참여자의 위치 추산에 기반한 모임내 추천 이동 경로 모델을 이용하여, 모임에 참여한 사람이 자신이 목적으로 하는 이벤트, 사람과의 만남을 중요도, 주제 등에 따라 정해놓으면 사용자의 상기 설정에 따라 시스템이 해당 사람들의 도착 시간, 위치에 따라 사전예약부터, 모임에 참여한 순간에의 예약,그리고 모임 중 예약 등을 이행하여 줄 수 있다. 행사장이면, 참여하고자 하는 행사 또는 방문하고자 하는 부스에 사전 예약을 행하여 준다. 만약 사전 예약자가 많은 경우 예약 대기를 해 주고 기 예약자중에서 누군가 예약을 취소하거나 기 예약자들의 참여 시간이 짧아 사용자가 원하는 이벤트, 부스 등을 모임 시간내에 참여, 활용이 가능할 경우 예약을 해주고 이에 대한 알람을 사용자에게 전달한다. 상기 예약을 받는 상대도 존재할 것이다. 이 경우 모임내 만남 신청(시스템에 의한 추천과 당사자의 신청, 그리고 모임내 참여자의 추천으로 인한 만남 신청이 이루어질 수 있다) 을 받은 사람의 경우 해당 사람의 프로필 및 시스템에 의한 추천점수등을 참고하여 해당 신청을 받아들일 수도 있고 거절할 수도 있을 것이다. 이러한 만남 신청 및 거절은 시스템을 통해 실시간으로 이루어지고, 한번 신청이 거절된 상대일지라도 시스템은 두 사람의 거리를 지속적으로 고려하고 직전에 만났던 사람들에 대한 대화 데이터 등을 분석하여 모임내 만남을 반복적으로 추천할 수 있을 것이다.
또한 참여자 A가 모임 내에서 처음 만난 참여자 B와 C에 대해(아직 B와 C는 서로 모르는 사이) 만남을 추천할 수도 있을 것이다.
본 발명에 의한 서비스 서버는 동일한 모임, 행사에 참여하는 사용자들의 사전 예약 자료들을 토대로 모임에 참여할 사용자들의 정보를 최대한 활용하여 모임의 활용가치를 극대화한다. 여기에는 사용자들이 이전에 참여한 모임, 행사에 대한 참여이력, 사용자들의 행사 참여전 사전 일정, 사전 일정과 모임, 행사 장소와의 물리적 거리, 사용자들의 평소 일반적인 모임 참여 패턴, 해당 모임 이후 다음 일정의 주제, 다음 일정 장소와의 물리적 거리 등을 모두 고려하여 각 참여자마다의 최대 이익을 얻을 수 있도록 모임내 동선을 고려한 다음 대화 상대 or 장소를 추천한다. 또한 시스템의 이러한 추천(미션)을 따르게 되면, 모임내에서의 평가 점수 등을 상승시키는 등의 베네핏을 줄 수도 있을 것이다. 물론 상기 베네핏은 모임에 대한 권리의 표시가 될 수 있는 토큰으로 주어질 수도 있을 것이다.
만약 만나고자 하는 사람이 있다면 사전 미팅 예약, 당사자가 허용할 경우(또는 사전 조건에 따라-상기 조건에는 몇가지 질문이나 서베이가 포함되어 질 수 있으며, 이와 같은 질문, 서베이에 대한 사용자의 답변이 지속적으로 누적됨에 따라 각 사용자마다 동선 추천 데이터가 최적화될 수 있다. 이 결과에 따라 사전 미팅예약의우선순위가 특정 시간에 결정되어 통지되어질 수 있다) 미팅이 예약되어질 것이고, 실시간의 변화되는예약을 미리 알려주고 사용자의 의견을 묻고 반영하는 것을 반복한다. 모임에서 각 사람의 인맥지수, 해당 모임에서 이루어지는 소주제 연설, 대주제, 참여자의 부스 여부 등의 데이터를 점수화하여 각 사용자에게 추천을 해준다. 예를들어 해당 모임에서 인맥지수가 존재하는 사람들을 내림차순 혹은 오름차순으로 정렬하여, 모임참여자가 50명일 경우 점수가 높은 사람순으로 50점, 그 다음 사람은 49점, 그 다음 사람은 48점... 마지막 사람은 1점으로 나타낼 수 있을 것이다.
또한 인맥지수를 10점부터 0점에 가까운 점수로 나타낼 수 있을 것이다. 이때 전체의 평균 인맥지수(예를들어 98점)를 5점, 제일 높은 사람을 10점, 제일 낮은 사람을 0점, 그리고 그 중간값을 갖는 사람을 각각 7.5점, 2.5점 으로 나타내고, 이를 반복하여 21단계로 구분하여 나타낼 수 있을 것이다.
물론 이와 같이 점수화하는 과정에서는 가장 큰 인맥지수를 가진 사람을 100점으로 하고 가장 낮은 인맥지수를 가진 사람을 0점으로 한 후 그 사잇 값을 가지는 사람들을 0~100점 사이에 분포하게 하고, 100점을 10점으로 혹은 5점으로 변환하는 척도 변환방식을 활용할 수도 있다. 상기 변환 과정에서 각 기준값의 중간에 있는 값들에 대해서는 반올림, 올림, 내림등의 기준에 따라 변환이 이루어질 것이다. 물론 그 반대로의 변환도 가능할 것이다.
도91은 본 발명에 따른 모임 참여자들의 항목별 점수를 기반으로 사용자 단말기의 네트워크 신호 세기를 결정하기 위한 표를 도시한 도면이다.
위의 표에서 원의 지름은 m 단위로 표시될 수 있으며 원의 지름의 산출하기 위해서 {(총점^2)/총점평균}/100*a 와 같은 수식을 사용했으며 위의 표에서는 a값에 2를 넣음으로써 각 참여자의 원의 지름이 산출되도록 하였다. 상기 수식은 필요에 의해 다양한 방식으로 변형되어 사용되어질 수 있을 것이다. 각 항목에 대하여 간단히 이야기 해보면, 인맥지수는 앞서 깊이 있게 설명하였으니 생략하고, 모임 점수는 해당 모임에 지속적으로 참여함으로써 얻은 점수라고 할 수 있다. 따라서 여러번 참여한 사람의 점수가 처음 참여한 사람의 점수보다 높을 것이며, 모임에 처음 참여하였더라도 모임내 인맥이 상대적으로 많은 경우 모임점수는 높아질 것이다. 또한 다른 사람으로부터 모임 코드를 스캔받거나 다른 사람의 모임 코드를 스캔할 때마다 모임점수가 0.2점씩 쌓일 수도 있다. 이렇게 쌓인 모임점수는 원의 지름에 반영되는 것과 별도로 활용될 수 있을 것이다. 예를들어 상기 모임점수는 모임에 대한 권한이라 할 수 있는 토큰으로 구현되어질 수도 있다. 따라서 토큰이 많은 사람이 보다 높은 점수를 받을것이다. 상기 토큰은 후술하는 본 발명의 또다른 실시 예에서 설명하도록 하겠지만 해당 모임의 인맥지도를 볼 수 있는 권리 및 상기 인맥지도를 통해 모임 참여자들에게 연락할 수 있는 권리, 모임참여자들의 프로필을 볼 수 있는 권리를 확보하는 수단이 될 수 도 있다. 또한 상기 토큰을 타인에게 판매를 가능하게 함으로써 모임에 보다 열성적으로 참여할 수 있는 동기를 부여할 수도 있다. 상기 인맥지도, 참여자들에게 연락, 프로필을 볼 수 있는 권리는 각각 단계별로 세분화되어져 제1수준의 토큰 보유량으로는 제1수준의 인맥지도, 연락, 프로필을 볼 수있는 권한이 있고 제2수준의 토큰 보유양으로는 보다 상단 수준의 행위를 할 수 있게 할 수 있다. 또한 보유량으로 이를 제한하는 방법 외에, 특정 수량의 토큰을 사용함으로써 상기 토큰의 보유자가 선택적으로 인맥지도를 볼 수 있게 하거나,참여자들에게 연락할 수 있게 하거나, 참여자들의 프로필을 볼 수 있게 할 수도 있다.
상기의 대화주제는 현재 모임에서 주된 대화 주제와 일치하는 정도에 따른 점수가 될 수 있으며, 상기 대화주제는 모임시작 시점에서는 사용자들이 서베이등을 통해 제출한 데이터에서 추출될 수 있겠지만 모임이 시작되고 참여자들이 대화를 진행할 수록, 사용자 단말기(멀티모달 인터페이스를 갖는 단말기)를 통해 참여자간 음성 대화가 실시간으로 녹음되고, 사용자들의 동의하에 상기 음성 대화 녹음이 텍스트로 변환되는과정을 거치며, 대화의 주제를 본 발명에서 후술하는 AI서버 시스템이 추출하여, 모임의 대화 주제가 주기적으로 업데이트 되어질 수 있다. 서베이 점수는 모임 참여시 호스트가 요구한 질의응답에 답변한 정도에 따른 점수라 할 수 있다. 참여도는 모임내 참여자들을 스캔한 정도, 스캔받은 정도에 따른 점수이고, 미션 수행은 시스템이 추천한 그룹/사람으로 특정 시간내에 이동하여 대화를 한 경우에 얻을 수 있는 점수이다. 거리1은 모임 시작 시간에 참여자의 위치를 점수화한 것이다. 거리2는 모임 시작 후 모임 내에서 사용자가 이동한 거리를 점수화한 것이다. 즉 모임 시작 시간에 사용자가 모임의 GPS값 내에 있었다면, 혹은 사용자가 모임코드를 스캔하거나 입력한 상태라면 사용자 거리1의 점수는 상대적으로 높을 것이고, 모임 시작 시간에 사용자가 참여를 못한 상태라면 거리1의 점수는 상대적으로 낮을 것이다. 예를들어 모임이 시작되었음에도 아직 참여하지 못한 사람은 1km당 0.5점의 감점을 받을 수 있다. 또한 사용자가 모임내에서 활발히 움직였으면 거리2의 점수가 높을 것이다. 예를들어 10m이동시 10점을 부여할 수 있을 것이다.따라서 이렇게 활발한 참여자의 원은 보다 크게 만들어서 해당 사용자의 성향을 반영시킬 수 있을 것이다. 이러한 점수들이 모임 진행 중 실시간으로 반영되어 시간에 따른 평가 지수의 변화가 이루어질 것이고 이러한 점수는 각 사람의 모임 참여 스타일에 따라 달라질 수 있다. 또한 같은 주제로 오랜 시간 대화한 경우, 그리고 최근 같은 주제로 대화를 일찍 마무리한 경우 사용자는 해당 주제로 대화를 추가로 하고 싶지 않을 수도 있다. 이 때 시스템은 사용자에게 해당 주제로 대화를 지속하고 싶은지 여부를 물어봐도 좋을 것이다. 그리고 다른 주제의 대화를 추천해 주고 다른 대화그룹으로의 이동을 추천 할 수도 있다. 상기 점수들에 따라 모임 이후 모임을 통해 얻을 모임 권한에 대한 토큰 수도 비례하게 됨이 바람직 할 것이다. 또한 모임내의 미션을 제공하고 이를 확인한 참여자들이 해당 미션을 수행함으로써 얻는 토큰도 있을 것이다.
모임의 구성 및 모임으로 인해 발생하는 각종 데이터, 예를들어 참여자의 대화, 상기 참여자들간의 상대적 위치, 절대적 위치, 음성 및 영상, 사진, 서베이관련 데이터, 인맥맵, 모임 내외에서의 이동기록 등 앞서 설명한 여러 실시예에 등장하는 모든 데이터들을 포함하여 후술할 실시예에 등장하는 모임 관련 관리 권한 및 참여, 모임 인맥맵에 대한 접근, 모임 대화록(음성 및 텍스트, 영상 등의 데이터)에 접근하기 위한 권한 등이 부여될 하나 이상의 토큰 정보, 상기 토큰의 생성, 배포, 거래, 그리고 상기 토큰의 신뢰도를 높이기 위해 서비스 서버가 중앙관리자가 되어 관리하는 일반적인 방법 외에 블럭체인 프로토콜 및 이를 이용하여 상기 토큰을 관리하기 위한 장부 내역, 그리고 상기 장부 정보를 비롯한 소유한 토큰의 양, 거래한 토큰의 기록을 별로도 사용자 단말기에 저장된 내역, 모임과 관련되어 소유한 가상 공간 권한 및 상기 가상공간 활용(대여 등) 내역, 상기 가상공간 및 가상공간 내 존재하는 이미지, 영상, 음성, 텍스트 데이터의 권한에 대한 토큰화 및 상기 데이터의 토큰화에 따라 파생되는 소유 및 거래 데이터, 대출 데이터, 사용 데이터, 그리고 앞서 본 발명에서 언급된 모든 데이터들을 종합하여 사용자에게 특화된 AI를 만들기 위한 라벨링 작업 데이터와 이들에 대한 관리를 해당 사용자가 직접 확인하고, 사용자 본인 소유의 데이터이거나 관리의 권한이 주어진 경우 이들을 관리하기 위해서는 기존에 제공되는 단순한 수준의 사용자 정보 관리 UI로는 해결할 수가 없다. 인간이 가진 직관성과 기억력 등을 최대로 활용하지 못할 경우 상기에 나열한 정보를 사용자가 구분해내고 순간 순간 변화하는 UI를 따라가며 관리할 방법이 없는 것이다. 따라서 본 발명에서는 후술할 토큰, 블럭체인, AI와 관련된 실시예를 설명하기전 상기 나열한 데이터를 포함한 본 발명에서 언급되는 모든 데이터 중 사용자가 직접 만들거나 사용자의 행위에 의해 생성되어지는 데이터 및 사용자에게 관리 권한이 주어진 데이터들에 대해 사용자가 직접 데이터를 살펴보고 관리할 수 있는 방법을 제공하고 이를 본 발명의 각 구성부를 통해 제어할 수 있는 시스템을 제공하고자 한다. 이는 본 발명의 또다른 목적이기도 하다. 현실적으로 현재 사용자들이 사용하는 대부분의 애플리케이션 프로그램은 해당 애플리케이션이 데이터 저장용 프로그램이 아닌 이상, 사용자가 해당 프로그램 내에서 자신이 생성하는 데이터에 접근할 방법이 제공되지 않는다. 즉, 사용자가 자신이 생성하는 데이터를 관리할 방법이 없는 것이다. 예를들어 사용자의 특정 액션으로 생성되는 데이터를 AI 학습용 데이터로 사용하기 위해서는 상기 사용자의 특정 액션(행동 등)의 데이터를 별도로 수집하거나 해당 애플리케이션 관리자가 특정 대상 데이터만을 별도로 관리하고 추출하여 데이터 라벨링을 수행해야만 한다.
이와 같은 구조는 AI학습에 필요한 데이터를 수집해야할 관리자와 상기 AI학습으로 인해 보다 나은 서비스를 제공받을 수 있는 사용자 양측 모두에게 비효율적이다. 단말기를 가지고 있는 모든 사용자는 ‘변화되는 상당히 짧은 시간 동안’에도 각종 데이터를 생성해 낸다. 만약 상기 사용자의 특정 액션으로 부터 파생된 데이터가 의미있는 데이터로 변화될 수 있고 이것이 상기 사용자에게 금전적 이득이 된다면, 상기 사용자가 스스로 판단하여 상기 데이터를 의미있는 데이터로 변화시키는데 응할 수 있을 것이다. 따라서 무엇보다, 사용자의 액션으로부터 생성되는 데이터를 사용자가 직접 관리할 수 있도록 하는 것은 AI 고도화에 필수 영양제인 데이터를 수집·가공하고, 라벨(이름표)을 붙이는 작업을 사용자가 직접, 스스로 할 수 있도록 유도 할 수 있게 됨을 의미한다. 이는 장기적으로 AI 학습에 기반하는 시스템에 유리하다고 할 수 있다. 또한 사용자가 자신의 액션으로 부터 생성되는 데이터를 직접 관리함에 있어서, 보다 직관적인 구조를 갖는 데이터 표현 방법은 필수적으로 필요할 것이다. 본 발명의 앞선 실시예에서 제시되었던, 본 발명에 의한 데이터 표현 방법은 자신의 데이터를 직접 관리하고자하는 사용자들에게 매우 편리한 사용법을 직관적으로 제시해줄 것이다.
데이터는 크게 사용자A의 입장에서,
사용자A가 다른 사용자(또는 단말기)에게 보낸 ‘사용자가 생성 또는 판독이 가능한 데이터’와 다른 사용자(또는 단말기)가이 사용자A에게 보낸 ‘사용자가 생성 또는 판독이 가능한 데이터’, 사용자A가 다른 사용자(또는 단말기)에게 보낸 ‘사용자가 생성 또는 판독이 불가능한 데이터’와 다른 사용자(또는 단말기)가 사용자A에게 보낸 ‘사용자가 생성 또는 판독이 불가능한 데이터’로 나뉘어 표현되어 질 수 있다. 그리고 여기서 상기 데이터 중 ‘사용자가 생성 또는 판독이 불가능한 데이터’가 단말기로 보내(저장되어)지거나 단말기에서 보내(꺼내어)질 때는 별도로 구분되어 표현되어 질 수있다 .여기서 사용자가 생성 또는 판독 가능한 데이터의 범주는 상대적일 수 있다. 먼저 사용자가 사용자 단말기를 사용해서 직접적으로 생성할 수 있는지 여부로 다음과 같은 세가지 범주를 들 수 있을 것이다.
1. 특정시기의 사용자 단말기
특정 시기의 사용자 단말기에서는 텍스트 데이터만 사용자가 생성할 수 있고 판독이 가능할 수 있다. 예를들어 1990년대의 대다수 단말기는 사용자가 텍스트 데이터만 생성가능했고, 텍스트 데이터를 인터넷과 같은 네트워크를 동해 다른 사용자에게 송신할 수 있었다. 이 시기에 대부분의 사용자가 직접 생성 또는 판독 가능한 데이터는 “텍스트 데이터”로 한정함이 바람직 할 것이다. 또한 이러한 특정 시기에는 사용자가 생성할 수 있는 데이터가 매우 한정적이었을 것이다. 또한 본 발명이 실제 개발로 이어져 실현되기전의 과거에 해당하는 데이터들은 사용자들이 직접 입력하여 추가한, 사용자가 소유하거나 접근 가능한, 파편화된 데이터로 만들어지는 데이터셋이 될 것이다. 다만 본 발명에 의한 서비스를 많은 사용자들이 사용하게 되면 다른사용자들과 일부 겹치는데이터들이 생성되어질 것이고, 이는 본 발명의 또 다른 실시예에서 상당히 귀한 데이터들이 될 것이다.
2. 사용자 단말기의 발전 수준
물론 사용자 단말기의 급격한 발전으로 인해 사용자는 음성데이터 뿐만 아니라 영상데이터도 직접 생성할 수는 있게 되었다. 이 경우 사용자는 상기 음성 데이터와 영상데이터를 사용자 단말기를 통해 생성할 수는 있지만 사용자가 생성한 상기 음성데이터 및 영상데이터를 다른 사용자에게 전송하였을 때 다른 사용자가 상기 음성 데이터 또는 영상데이터를 판독이 가능할지는 확신할 수 없다. 이럴 경우에는 상기 데이터들은 ‘사용자가 직접 생성 또는 판독이 불가능한 데이터’로 분류하는 것이 바람직 할 수도 있다.
3. 사용자의 능력, 인간 고유의 능력
첫번째와 두번째 예시는 사용자 단말기의 능력에 따른 분류이다. 그러나 사용자 단말기는 부가적인 도구로 보고, 사용자 자체의 능력. 종이에 쓴 그림, 텍스트 등 일반적으로 사람이 직접 종이 등에 기록하여 전달할 수 있는 데이터들을 ‘사용자가 직접 생성 또는 판독이 가능한 데이터’로 한정할 수도 있을 것이다. 위의 세가지 예시를 통해 가장 기본적인 ‘사용자가 직접 생성 또는 판독이 가능한 데이터’로 ‘문자’등의 텍스트만을 한정하여 본 발명의 초기 모델에 적용하는 것이 보다 보편적으로 데이터를 분류할 수 있는 바람직한 실시예라 할 수도 있을 것이다. 또한 사용자가 ‘사용자가 직접 생성 또는 판독이 불가능한 데이터’를 전송할 때 해당 데이터에 대한 메모, 태그와 같은 메타데이터를 첨부함으로써 ‘사용자가 직접 생성 또는 판독이 가능한 불가능한 데이터’를 ‘사용자가 생성 또는 판독이 가능한 데이터’화 할 수도 있을 것이다. 이는 실제 사용자가 직접 생산, 판독을 한 것은 아니지만, 우리는 실제 영상이나 데이터를 직접 보지 않은 상태에서, 그 줄거리나 요약본, 설명서, 안내서(README.TXT 등) 등을 통해 간접적으로 해당 데이터를 이해할 수 있으며 이는 언어를 활용할 수 있는 사용자라면, 해당 사용자의 고유능력에 해당하므로 보다 보편적인 기준으로써 활용할 수 있을 것이다.
한편 근래와 같은 디지털 시대에서 스마트폰과 같은 멀티 모달 인터페이스 기기를 사용자 한명의 삶은 시간의 흐름에 따른 사용자의 데이터 생성, 저장, 송신, 수신 과정으로 이루어지게 된다고 해도 과언이 아닐것이다.여기서 데이터 생성이란 사용자가 텍스트를 생성하는 기본적인 데이터 생성을 포함하여 사용자의 신체 일부를 활용(손가락, 또는 음성)하거나 마우스, 키보드 등으로 특정 애플리케이션을 실행하는 행동 단위의 데이터, 사용자가 이동하는 중에 만들어지는 데이터, 사용자의 건강 상태를 측정하는 단말기 등에서 생성되어지는 사용자 바이오 데이터, 그리고 애플리케이션을 실행하여 상기 언급한 텍스트를 포함한 이미지, 음성, 동영상 데이터 및 이들의 편집 데이터, 더 나아가 이들의 조합으로 새로운 애플리케이션 만들어내는 데이터 등 사용자 단말기의 저장부(임시저장부 포함)에 단기 혹은 장기적으로 저장되어질, 아주 작은 용량이라도 가지는 데이터가 생성되어진다면 이는 데이터 생성 과정에 포함되어진다. 상기 데이터 생성 과정에는 사용자가 사용하는 단말기(스마트폰, PC, 테블릿, 스마트워치, 스마트 글래스, 스마트 링 등)에서 생성되는 데이터도 있겠지만 상기 사용자 단말기와 통신부를 통해 연결된 IoT기기, 예를들어 자동차, 냉장고, 세탁기, TV, 청소기, 흡연기기를 비롯한 전자기기스위치등도 포함되어질 수 있다.
도92는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법을 도시한 도면1이다.
도면에는 사용자 Ray.K가 데이터를 생성하고 상기 생성된 데이터가 사용자 단말기에 저장되는 과정이 도시되어 있다. 이 도면에서는 사용자 Ray.K의 Life Line이 좌측에 위치하고 있는데 본 발명에서는 이런 위치의 표현은 관습에 따른 표현에 가깝다. 실제 다음 도면에서는 사용자 Ray.K와 사용자의 단말기의 Life Line 위치가 변경되어 도시되어 있지만 본 발명에 따른 데이터의 구분 및 송수신 관계 표현 방법에 있어서 혼란은 없다. 본 발명에서는 5가지의 구분가능한 종류의 띠(색상으로 구분되어짐이 보다 바람직하지만 본 발명에서는특허 명세서 양식의 보편적 특성을 유지하기 위하여 띠를 이루는 모양으로 구분)로 데이터를 구분하고 송수신관계를 명확히 표현하고 있기 때문이다. 이는 사용자가 자신의 Life Line을 이루는 데이터의 구성을 한눈에 쉽게 알아볼 수 있게 하고, 사용자 의지에 따라 해당 데이터에 쉽게 접근할수 있게 하기위한 본 발명만의 특징적 방법이라 할 수 있다.
이하에서는 도 92 내지 98을 통해 본 발명에 의한 데이터 구분 및 송수신 관계 표현 방법에 따른 설명을 하도록 한다. 데이터의 저장이란, 상기 생성된 데이터를 사용자 단말기에 저장하는 과정이다. 사용자 1인의 관점에서는 생성된 데이터가 사용자 단말기에 저장되는 단계라 할 수도 있겠지만 복수의 사용자 관점에 따라 상기 과정의 순서는 달라질 수도 있으므로, 과정이라 표현하기로 한다. 예를들어 사용자 A가 사용자 B에게 ‘사용자가 생성 또는 판독이 불가능한 데이터’를 전송할 경우 사용자 B는 데이터 생성단계를 거치지 않고 사용자 B의 동의를거쳐 사용자B의 단말기에 저장하는 과정을 거치게 된다. 데이터의 송신이란, 기존에 단말기에 저장해놓은 데이터를 다른 단말기로 보내는 과정이다. 이 과정은 필연적으로 데이터의 수신이라는 과정을 동반한다. 물론 이 과정이 실시간이 되지 않을 수도 있다(비동기). 또한, 수신여부를 확인하는 과정까지 데이터의 수신 내용에 포함된다고 할 경우, 특정 기간내 데이터의 수신이 이루어지지 않았다면 상기 데이터가 수신되지 않았음을 증명하는 과정을 거치게 함으로써 데이터 수신과정을 종료할 수 있을 것이다.
또한 앞서 언급한대로 데이터의 상기사용자 데이터는 그 성격에 따라 나뉠 수 있는데 본 실시예에서는 텍스트와 파일로 구분하도록 한다. 또한, 본 실시예에서는 상기 데이터의 생성, 저장, 송신, 수신 과정과 상기 데이터의 구분 방법을 조합하여 도면과 같이 사용자와 단말기간 주고받는 데이터를 표현하는 방법을 제시하도록 한다. 이때 본 발명에 따른 데이터 표현법에 의한 데이터의 흐름은 도 95와 같다. 본 발명의 일실시예에 따른 데이터 표현법에 의하면, 데이터의 흐름은 총 6가지의 요소로 표현될 수 있는데 그 중 하나는 사용자 혹은 단말기의 Life Line을 의미하는 축이며, 나머지 5가지 요소는 도 94에 도시된 바와 같이 데이터의 속성과 흐름을 표현하는 요소이다. 도면과 같이 윤곽선이 검정색 선이고 내부 색상이 검정색으로 칠해져 있는 요소는 텍스트 송신을 의미한다. 표현의 경제성을 위해 윤곽선색을 앞에 두고, 내부색상을 뒤에 두며 중간의 구분자로 대시(-)를 사용하여 검-검으로 표현하도록 한다. 따라서 검-검은 텍스트 송신을 의미하고 회-검은 텍스트 수신, 검-회는 파일송신, 회-회는 파일 수신, 회-흰은 단말기에 파일을 저장하는 것과 단말기에서 파일을 출력하는 것을 의미한다. 이렇게 데이터의 속성을 나타내는 5개의 요소는, 이중 2개의 요소를 각 사용자 혹은 단말기의 Life Line 하나의 데이터를 주고 받는 과정에서 그룹으로 사용함으로써 데이터의 흐름도 함께 표현할 수 있게 된다. 도 95, 도 96과 같이 말이다. 이를 데이터송수신바(트랜잭션바) 이라고 부르기로 하자. 데이터 요소는 특정 행위를 Life Line 상에서 연속적으로 기록되지 않은 것처럼 보일 경우가 더 많을 수도 있을 것이다. 예를들어 사용자가 텍스트 데이터를 제작한다면 그 텍스트 데이터를 생성하기 시작한 시점은 텍스트 데이터를 생성하기 위해 해당 애플리케이션을 실행했을 시점을 시작점으로 구성함이 바람직할 것이다. 이 행위는 “애플리케이션을 실행해” 라는 명령문(즉, 텍스트로 판단할 수도 있다. 따라서 사용자로부터 생성된 텍스트 테이터가 단말기에 저장되어질 것이다. 이 과정은 Ray.K의 행동으로 텍스트 송신, 이에 따른 Ray.K의 단말기가 텍스트 수신을 했다는 것으로 기록(표현)될수 있다. 다만, 후술될 상기 데이터송수신바를 사용자가 확대하여 본다면, 상기 ‘기록되지 않은 것’ 처럼 보였던 데이터들이 존재하는 것을 볼 수도 있을 것이다. 상기 텍스트 데이터의 생성 중 다른 행위, 예를들어 구글 검색을 하였다면 해당 행위는 상기의 기록 하단에 텍스트 송신/수신으로 기록될 것이고, 이후 상기 검색을 통해 이미지, 영상 등의 파일을 다운로드 되었다면 상기 텍스트 송신/수신 기록 하단에 파일 송신/수신으로 기록되어질 것이다. 사용자의 Life Line은 사용자의 행동을 기록함이 보다 합리적일 수 있다. 실제 사용자의 행동은 쉽게 데이터화하기 어려울 수 있다. 예를들어 사용자의 Life Line에서 사용자가 텍스트를 송신한다는 개념은 단말기의 장치, 예를들어 표시부에 디스플레이된 가상의 키보드 혹은 물리적으로 연결된 키보드 등을 통해 텍스트를 입력하고 전송을 하였을 경우로, 아직 전송을 하지 않았을 경우 아직은 사용자의 행동이 상기 Life Line상에 기록되지 않았을 수도 있다(그러나 데이터송수신바는 만들어지고 있으며 사용자의 행동을 추적하고 기록하는 것이 바람직할 것이다). 따라서 이러한 경우에 대한 정의가 우선 마련되어야한다. 추후 언급할 부가적인 데이터상에는 입력이 될 수 있겠지만(예를들어 30초간 입력, 3차례 수정 등) 상기 도면상에서 표시되는 수준에서는 해당 기록은 쉽게 드러나지 않는 것이 보다 직관적이며 합리적일 수 있다. 보다 확대된 수준에서는 다양한 태그(시스템에 의해 자동으로입력되는 태그, 사용자가 입력해야 하는 태그, 사용자가 타인에게 허락한 입력가능한 태그 범위, 시스템이 사용자에게 허락을 구하고동의시 입력되는 태그 등)와 함께 나타날 수는 있다. 일례로 사용자가 텍스트의 작성을 완료한 후 전송버튼을 눌렀을 때 이를 “텍스트 전송”이라 정의할 수 있을 것이다. 사실 표시부를 통해 입력된 텍스트로 단말기에게 어떤 명령(예를들어 검색)을 한 것일 수도 있지만 이는 본 발명에 의한 데이터 분류 및 표시 방법 상 “텍스트 전송”이라는 범주 내에 속해있다고 볼 수도 있는 것이다.
마찬가지로 사용자가 서비스 서버 등으로부터 다른 사용자가 파일을 송신하였음을 “알림”을 통해 알게 되었을 경우, 사용자는 상기 서비스 서버로부터 “텍스트 전송”을 받은 것으로 볼 수 도 있다. 이후 사용자가 상기 파일을 수신하였다면 상기 사용자 Life Line에서는 상기 파일을 상기 서비스서버로 부터 “파일 수신”을 받게 된 것이고, 수신을 받음과 동시에 단말기로 “파일 송신”에 해당하는 사용자 행위를 하게 된다. 파일의 수신 동의는 결국 단말기로의 저장을 하게 되는 것이기 때문이다. 따라서 사용자의 Life Line에서는 다른 사용자로부터 P2P로 파일을 받거나 다른 사용자가 보낸 파일을 서버를 통해 받거나, 서비스 서버가 보낸 파일을 받을 경우 “사용자 입장에선 ”파일 수신”과 동시에 사용자 자신의 단말기에 “파일 송신”을 함으로써 해당 파일을 저장하게 되고 파일송수신바가, 상기 파일의 송수신에 관여한 대상들의 Life Line에 기록되어 진다. 이와같이 본 발명에 따른 데이터 표현 방법은 사용자들이 일상적인 애플리케이션 사용 과정에서 발생하는 모든 행위들을 6개의 구성요소로 표현할 수 있게 된다. 이와 같은 표현법을 본 발명에서는 1차표현방법이라고 한다. 또한 단말기에서 사용자가 자신의 Life Line을 보고자 할 때 보여지는 기본 단계의 모습이 될 것이다. 물론 상기 기본단계의 모습은 사용자의 설정에 따라 보다 축소되거나 보다 확대된 상태로 존재할 수도 있다. 본 발명에 따른 데이터 표현 방법은 상기와 같이 기본적인 표현 방법을 기반으로 점진적으로 구체화된 표현 방법을 제시한다.이 과정에서 사용자 및 단말기가 송수신한 데이터는 더욱 구체적으로 표현되어진다.
도 98은 각자 단말기를 소유한 사용자 둘이 데이터를 주고받는 과정을 본 발명에 따른 데이터 표현 방법을 이용하여 도시한 도면이다. 앞선 도면과 설명들을 통해 각 과정을 하나씩 짚어보면 사용자 Ray.K와 사용자 Silver.K 가 어떤 식으로 데이터를 주고 받았는지 대략적으로 알 수 있을 것이다. 여기서 사용자 행위로 지칭한 Life Line 이 본 발명에 따른 서비스 서버에서 사용자 계정의 클라우드저장소일 수도 있다. 상기 클라우드 저장소에는 다른 사용자로부터 전달된 데이터가 임시로 저장되어 있을 수도 있지만 반영구적으로 저장될 수도 있다. 여기서 사용자가 사용자 단말기로 저장하는 과정이 상기에 표현된 과정이 될 수도 있다. 그러나 여기서 더 엄밀히 상기 과정을 살펴보려한다면 사용자는 상기 데이터 표현 인터페이스에서 원하는 스케일로 확대를 한 후 상기의 내부 과정을 들여다 볼 수 있을 것이다. 이때는 사용자를 표시하는 LIfe Line은 사용자의 행동이 될 것이고 파일이 수신되기전 “다른 사용자가 파일을 보내려 합니다, 수신하겠습니까?”와 비슷한 텍스트메세지를 상대편 사용자 또는 서비스서버로부터 받고 이에 응하는 과정이 들어갈 수 있다. 이 과정이 사용자 행동의 Life Line에서 파일 수신에 응했다는 기록등이 남게 될 것이며 이후 사용자 단말기 또는 클라우드 저장소등에 해당 파일이 저장되어지는 과정을 수행하게 될 것이다.
일반적인 사용자들은 자신의 행위 및 단말기의 데이터 기록외 단말기간의 데이터 송, 수신을 볼 이유가 거의 없을 것이다. 따라서 위 시간축요소를 포함한 5가지의 데이터 송수신 표현만으로도 일반적인 Life Line을 통해 데이터를 관리함에 부족함이 없을 것이다. 후술하는 추가적인 표현 요소들(태그, 썸네일, 링크, 요약글 등)을 통해 자신과 관련된 데이터를 꾸밀 수 있다. 그러나 상기 5가지 데이터 송수신 표현방법만으로 단말기간 데이터의 송수신은 종종 표현이 부족할 수 있다. 예를들어 사용자가 단말기간 파일 송-수신 중간 과정에 개입하지 않는 서버와 서버간 또는 단말기와 단말기간, 또는 서버와 단말기간 데이터 송-수신에 있어서는 파일을 송-수신하는 과정에서는 파일의 출력과 저장이 직관적으로 표현되기 어려울 수 있다. 상기 단말기는 일반적인 스마트폰을 비롯하여 본 발명에서 언급된 단말기들이 포함되며 특히 IoT센서, 스위치, CCTV와 같은 단말기들도 포함된다. 따라서 단말기간 파일을 송수신하는 과정에서는 검-흰 으로 표현되는 요소를 두어 파일송신으로 지정할 수도 있을 것이다. 이 때에는 회-흰 으로 표현되는 요소는 파일수신으로 지정될 수 있다. 이렇게 하나의 요소를 추가함으로써 총 7개의 요소로 데이터의 송-수신을 표현하는 방법이 제시될 수 있다.
앞선 실시예에서는 사용자가 자신의 Life Line을 보고자 하였을 때 본 발명에 의한 애플리케이션이 사용자 단말기에 디스플레이 하는 기본 단계의 표현법이라 할 수 있다. 만약 사용자가 특정 데이터에 대한 내용을 더 상세히 보고 싶을 경우 이를 확대한다.
스마트폰과 같은 단말기에서는 두 손가락으로 화면을 더치 후, 터치한 상태를 유지한 채 두 손가락의 사이를 벌리는 동작으로써 확대 명령을 행할 수 있을 것이다. 또한 그 반대의 동작은 화면의 축소를 의미할 것이다. 또한 확대를 의미하는 아이콘과 축소를 의미하는 가상버튼을 두어 각각의 가상버튼을 터치할 때마다 해당 명령을 이행하도록 할 수 있을 것이며, 바(bar)형태의 확대/축소 툴을 두고 바 내에 위치한, 확대/축소 레벨을 조절하는 조절부를 움직며 확대/축소 명령을 행할 수 있을 것이다. 또한 위와 같은 세가지 방법을 모두 이용할 수 있도록 할 수도 있고, 그외 확대/축소를 위한 다양한 방법이 제시되어 질 수 있다. 예들들어 단말기가 보유한 물리키인 +볼륨버튼을 누를 경우 확대, -볼륨버튼을 누를 경우 축소 명령이 주어질 수도 있고 사용자가 음성으로 제어할 수도 있을 것이며, 단말기의 카메라 센서, 적외선 센서, 라이다 센서 등을 통해 사용자 움직임을 감지함으로써 확대와 축소를 행할 수도 있을 것이다. 이러한 센서를 이용하는 과정에서는 단말기와 사용자 얼굴 등 신체부위와의 거리, 또는 특정 물체와의 거리를 지속적으로 측정함으로써 확대/축소 명령이 이루어질 수 있다. 예를들어 단말기 화면측에 위치한 카메라에서 측정한 사용자 얼굴이 점진적으로 커진다면, 사용자는 단말기 내 정보를 보다 확대하여 보고 싶다는 의지를 표현한 것이라 할 수 있을 것이며, 사용자 얼굴이 점진적으로 작아진다면, 단말기 내 정보를 보다 작게 보고 싶다는 의지를 표현한 것이라 할 수 있으므로 이에 따른 명령을 단말기가 수행할 수 있도록 할 수 있을 것이다.
도 99 내지 도 101은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법을 도시한 도면들이다. 도면 각각에 대한 설명은 다음과 같다.
도99는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-일반)을 도시한 도면8이다.
도100은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-확대1단계)을 도시한 도면9이다.
도101은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-확대n단계)을 도시한 도면10이다.
상기와 같이 사용자가 단말기를 통해 본 발명에 의한 애플리케이션을 실행하고 자산의 Life Line을 보고자 한다면 상기의 설명 및 앞선 도면들에 도시된 바와 같이 기본 단계로 표현된 Life Line을 보게 될 것이다. 여기서 사용자는 ‘기본 단계’ 과정에선 데이터 송수신 요소들은 도 99와 같이 보일 것이며 ‘확대 1단계’에서는 도 100와 같이 표현된 데이터 송수신 요소들을 보게 될 것이다. 도 99와 같이 하나로만 표현되었던 요소들의 내부에 추가적인 요소가 있을 수 있다. 여기에는 기본적으로 날짜와 태그, 데이터 송신자 및 수신자, 데이터의 요약 내용들이 표현되거나 유저에 의해 삽입되어질 수 있는 종류의 데이터 공간이 될 수 있다. 상기 내부의 추가적인 요소들은 다시 “확대 2단계”에서 보다 세분화되어질 수 있다. 이에 대한 표현방법은 도 101과같은 프랙탈 형태로 제공되어질 수 있으며, BAR 형태의 직사각형이 아닌 다각형 등의 도형을 통해 내부요소들이 표현되어질 수있다. 사용자가 자산의 Life Line을 살펴보는 행위도 그 시작 명령인 텍스트 데이터도 기록되고 사용자의 Life Line을 확대하고 축소하고, 그 세부 내용을 확인하는 내용도 데이터로 기록되어질 것이다. 이 경우 서비스 서버의 기본 설정이나 사용자의 설정에 따라 사용자의 액션이 텍스트 데이터로 기록(사용자 텍스트 데이터 생성 및 송신, 단말기 텍스트 데이터 수신 및 저장)되어질 수 있고 서비스 애플리케이션이 생성하는 파일형태로 파일이 생성되어 사용자 : 파일 데이터 생성 및 송신 -> 단말기 : 파일 데이터 수신 및 저장)이 이루어 질 수도 있다. 또한 하나의 요소가 표현되는 기준을 행동단위(텍스트송신, 텍스트수신, 파일송신, 파일 수신) 로 할 수도 있고 이들을 특정 시간단위로 표현할 수도 있을 것이다. 물론 특정 시간단위로 표현할 경우 하나의 요소안에는 다양한 행동단위의 요소들이 표현되어 있을 것이다. 이를 표현하기 위해서 상기 행동단위 표현 요소들이 각기 다른색상을 가지고 해당 특정 시간단위 동안 특정 요소들이 각각 차지하는 비율을 통해 색상을혼합하여 표현하는 방법도 적절할 수 있다. 물론 이들을 특정 수준까지 확대할 경우 행동단위 요소들이 구분되어 보이기 시작할 것이고 이보다 더 확대한 상태에서는 앞서 언급한 다양한 태그들이 붙어져있는 행동단위 요소들을 볼수 있을 것이다.
도102는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-세부1)을 도시한 도면11이다.
도103은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-세부1-1)을 도시한 도면12이다.
도104는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(데이터송수신바-세부2)을 도시한 도면13이다.
각 데이터 송수신 표시바는 도 102 내지 도 104 처럼 표현되어질 수 있다. 앞서 바(Bar)의형태의 프랙탈로 표시한 것 처럼 표현할 수도 있지만, 각 데이터 송수신 표시바 내에 존재하는 데이터의 종류(메타데이터 포함)을 한눈에 알 수 있게 표현되어질 수도 있다. 여기서 일부는 사용자가 단말기 표시부를 통해 주어지는 블럭 툴을 이용해 블럭을 덧붙이거나 끼워넣는 방식으로 데이터를 추가할 수 있으며, 사용자가 태그나 다른 데이터를 입력하거나 다른 파일을 추가 또는 링크를 입력할 수도 있을 것이다. 이러한 데이터 송수신 표시 방법은 사용자 단말기에서 도 105 부터 도면을 통해 상세하게 도시 되어 있다. 각 모양들은 Markup Language와 같은 언어에서 특정 태그(예를들어 <head><title><body>를 의미할 수도 있다.
도 105 내지 도 115는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지들에 관해 도시한 도면들이다.
각각의 도면에 대한 간단한 설명은 다음과 같다.
도105는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면1이다.
도106은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면2이다.
도107은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면3이다.
도108은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line-데이터송수신바)를 도시한 도면4이다.
도109는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자 단말기 화면에 디스플레이되는 이미지(Life Line의 시작점 포함)를 도시한 도면5이다.
도110은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점)을 도시한 도면6이다.
도111은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점)을 도시한 도면7이다.
도112는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-분기)을 도시한 도면8이다.
도113은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-분기)을 도시한 도면9이다.
도114는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-분기)을 도시한 도면10이다.
도115는 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-세부)을 도시한 도면11이다.
사용자 Ray.K의 Life Line의 시작점은 본 발명에 의한 서비스 애플리케이션을 사용자의 단말기에 설치할 때 생성된다(도 105 내지 도 110). 이러한 시작점에는 사용자가 초기 설정값으로 입력한 사용자 정보 및 기본적인 서베이에 따른 입력 데이터, 프로필 사진, 영상, 음성인식을 위한 음성데이터, 지문, 홍채 등의 생체 정보 및 사용자 Ray.K의 다른 단말기등과의 공유 설정, 등을 설정한다. 시작점 외 보다 과거에 대한 데이터가 존재할 경우 필요에 따라 상기 시작점을, 사용자가 입력한 데이터 중 가장 오래된 데이터를 근거로 이동할 수도 있다. 이후 상기 시작점에서 시작한 사용자의 액션 Life Line과 사용자 단말기 Life Line이 데이터에 대한 기록을 남기면서 계속 뻗어나가게 된다. 이때 상기 시작점은 시계방향으로 회전하면서 도 111, 도 112에 도시된 것 처럼 상기 Life Line을 꽈베기 처럼 꼬아지게 한다. 이러한 회전은 하루 동안 사용자와 연계된 데이터들로 만들어진 해시값을 산출해 낸다. 상기 해시값을 만드는 해시함수는 SHA256를 비롯하여, 이미
널리 알려진 기술들을 사용할 수 있다. 상기 해시값은 하루를 마감하는 시간의 Life Line에서 텍스트 데이터 형태로 추가되어질 수 있으며, 서버에서 사용자로 확인요청을 보내고 사용자가 확인하는 과정을 거칠 수 있다. 물론 상기 확인과정은 사용자의 설정에 따라 확인없이 기록되어질 수도 있다. 상기의 과정을 거치면서 파일형태의 블록이 제작되어진다. 상기 블록은 상기 해시값 외에 하루동안 생성된 각 데이터에 태그 형태로 달릴 수 있는 숫자 또는 문자 데이터로 이루어질 수 있다. 또한 다음 하루를 시작하는 시간의 Life Line에는 상기 해시값을 비롯, 상기 블럭 파일의 해시값이 텍스트 메시지로 사용자 에게 전달되어져, 사용자가 확인하는 과정을 거칠 수 있다. 물론 상기 확인 과정은 사용자의 설정에 따라 확인없이 기록되어질 수도 있다.
이렇게 하루의 시작과 마감이 반복되고, 이 과정에서 생성된 해시값들은 상기 사용자 Life Line의 시작점의 일부에 지속적으로 누적되어 저장되어 진다. 상기 블록에 기록되어질, 사용자의 데이터에 태그 형태로 달릴 수 있는 데이터의 실시예는 후술하도록 한다. 상기 해시 값을 생성하는 과정은 하루 뿐만아니라, 사용자 또는 시스템의 설정에 따라 오전/오후로 나누어 두번, 또는 특정 시 마다, 또는 특정 분마다 실행되어질 수 있을 것이며, 보안이 필요한 사용자의 경우 이의
간격을 줄여 보다 높은 수준의 보안을 추구할 수도 있을 것이다. 상기 Life Line에 기록되어진 각 해시값들과 상기 Life Line의 시작점에 기록되진 해시값들의 총 해시값을 각각 두어 이들을 상기 해시코드 생성 주기마다 비교함으로써 Life Line에서 관리되어지는 데이터들의 외부로부터의 변조, 삭제 등을 빠르게 인식하고 대응할 수 있게 된다. 도 105 내지 도 108에 도시된 도면들은 사용자행위와 사용자단말기에 대한 Life Line이 데이터를 송수신 하는 과정을 도시한 도면이다.
도 113, 도 114에 도시된 도면은 사용자들간 데이터를 송수신할 때 생성되어지는 Life Line과 해당 데이터를 표현한 도면이다. 도112에 동그라미 두개는 각각 도 113, 도 114의 과정이 Ray.K 사용자의 Life Life 에 존재함을 나타내는 것이라 할 수 있다. 또한 상기 동그라미는 새로운 데이터 송수신 관계로 새로운 시작점이 생겼음을 의미하고 해당 시작점에는 상기 송수신 관계에 참여한 사람들의 행동 Life Line이 추가되어질 수 있다. 상기 참여한 사람들의 행동에 기인하는 각 사용자 단말기의 데이터 송수신은 각 사용자만의 사용자-단말기 Life Line에 표현되어질 것이다. 또한 상기 사용자들간 데이터 송수신으로 생성된 새로운 Life Line은 사용자 단말기 내 타인과 공유된 Life Line을 검색하고 찾을 수 있은 메뉴를 통해 쉽게 접근할 수 있을 것이다. 또한 도 113 , 도 114 에서와 같이 연계된 각 Life Line에 표현될 수도 있어 사용자들은 보다 쉽게 다양한 Life Line에 접근할 수 있게 된다. 또한 도 115과 같이 Life Line에도 해당 시간과 관련된 메타데이터를 추가할 수 있도록 할 수 있다. 예를들어 날씨에 관한 정보라든가, GPS 등의 정보 또는 상기 언급된 종류의 데이터 중 시간단위로 반복되는 데이터 예를들어 알람 설정나 사용자의 스케줄과 관련된 데이터를 나타낼 수도 있을 것이다. 상기 데이터들은 사용자가 설정한 것과 시스템 또는 단말기내 다른 애플리케이션 등에 의해 설정된 값일 수도 있고 기 설정된 다른 사용자와의 그룹에서 설정되어진 데이터일 수도 있을 것이다.
앞서 언급된 각 데이터별 해시값 또는 시간에 따라 산출되어지는 해시값은 본 발명에 의한 애플리케이션 및 시스템에서 암호처럼 사용되어질 수 있다. 예를들어 사용자의 데이터 관리와 관련된 인증이 필요할 때 시스템은 해당 사용자가 해당 데이터를 관리할 권한이 있는지를 확인하기 위하여 시기를 특정한 후 해당 시기에 생성되어진 해시값의 몇자리를 요구할 수 있을 것이다. 사용자는 본 발명에 의한 애플리케이션의 또다른 프로그램에 의해 사용자의 Life Line 및 시작점에 저장된 해시코드를 각 생성정보별로 정리되어진 파일을 소유하고 있고, 상기 요청한 “특정 시기에 생성되어진 해시값의 몇자리” 에 해당하는 정보를 상기 파일에서 사용자가 직접 찾거나, 시스템이 사용자로부터 사용자 암호를 요구한 후 상기 암호가 일치할 경우 시스템이 해당 정보를 찾아 일치여부를 판단할 수 있다. 상기 과정에서 해시값의 몇자리가 일치할 경우 사용자의 데이터 관리 권한을 부여할 수 있을 것이다. 상기 “해시값 몇자리”는 여러 해시값을 통해 복수개의 값을 요구할 수도 있다
도115에 도시된 시작점에 저장되어질 데이터를 상세히 설명하면, 처음 본 발명에 의한 서비스를 이용할 때, 초기의 특정 값이 저장됨. 저장되는 데이터는 사용자가 입력한 값(나이, 성별, 학력, 관심분야, 취미, 연락처, 사용자 단말기내 주요 정보 및 단말기 주요 파트(카메라, 블루투스, Wifi, 마이크, 스피커, 지문인식장치, GPS, 자이로센서, 가속도센서, 조도센서 등) 사용동의 등) 및 환경에의해 주어지는 값(시간, 지역, 추천한 사용자, 단말기 정보, 주변 주요 사용자 등)이 사용자의 초기 특정 값으로 지정되어질 수 있음. 이런 내용들은 사용자 고유의 특징값으로 치환되어져 나타날 수 있고, 이는 동그라미, 네모, 세모, 육각형 등의 도형 및 상기 도형을 이루는 라인이 상기 특정 데이터들을 저장되는 공간으로 세분화되어 도시될 수 있다. 사용자가 해당 세부화된 공간을 터치하거나 손가락 또는 마우스, 펜 등의 입력장치를 가까이 가져갔을때(호버링 등)해당 테이터들이 나타날 수 있다. 이는 사용자가 상기의 초기 등록과정을 마친 후 사용자와 애플리케이션 서버 및 타 사용자와 주고 받는 데이터들도 위와 같은 방식으로 특징, 구분되어 저장되어 질 수 있다. 이때 사용자와 단말기는 각각 시작점을 가지고 이 시작점들을 기반으로 하여 두개의 선이 시간이 지남에 따라 점점 길어지며 상호 데이터를 주고 받는 과정이 도시된 것 처럼 기록되어질 수 있다.
사용자의 단말기가 추가될 경우 새로운 단말기에 해당하는 Life Line이 만들어질 수 있다. 또한 단말기가 변경될 경우 새로운 단말기로의 변경이 데이터 송수신 바를 통해 Life Line에 남겨지게 되고, 기존의 Life Line을 이어가도록 하거나, 새로운 Life Line을 만들어 사용자 데이터 기록의 연속성을 유지하도록 한다. 이때 사용자의 LIfe Line의 특정 데이터송수신바에 O과 같은 도형으로 기기의 변경이나 추가가 있었음을 특징적으로 표시해둘 수 있을 것이다.
도116은 본 발명에 따른 애플리케이션을 사용하는 사용자들의 Life Line이 시간에 따라 각 사용자의 데이터를 쌓아나가며 커져나가는 이미지를 도시한 도면이다.
본 발명에 의한 시스템 애플리케이션의 초기 유저들 USER_01 ~ USER_08 이 있다고 가정하자. 이들은 각각 단말기(DEVICE)_01~08을 소유하고 있다고 가정하자. 그리고 상기 유저들이 상기 단말기를 소유한채(단말기를 중간에 변경하더라도, 변경된 단말기로 마이그레이션하여 단말기의 Life Line은 이어갈 수 있다.) 본 발명에 의한 시스템 애플리케이션을 사용하기 시작한 시점을 도 116의 T1이라 하자. 상기 시작 시점에서 각 사용자 및 단말기 Life Line의 시작점은 상기 단말기의 GPS 값을 기반으로 한 실제 지리상의 지점이 되는 것이 보다 바람직하다. 시간이 흘러 현재 시간이 T3의 시간 지점까지 와 있다면 상기 초기 유저 USER_01 ~ USER_08 들이 본 발명에 의한 시스템 애플리케이션을 활용하여 자신만의 데이터를 쌓고, 다른 유저들과 소통하며 모임을 만들고 데이터를 주고 받으며, 앞서 본 발명의 다양한 실시예를 통해 만들어진 가상 세상의 크기는 T1의 시점보다 커져있을 것이며, 상기 가상 세계 및 상기 Life Line이 연관되어져 관리하는 데이터의 크기는 마치 풍선과 같이 커지는 것 처럼 보일 수 있다. 마치 도 116과 같이 말이다. 도 116은 사용자가 단말기에서 사용자의 Life Line 및 주변의 Life Line을 보려고 할때 대상을 최대한 축소시켜, 마치 최대한 멀리서 본 것과 같이 보여질 때, 사용자 단말기 표시부에 나타날 수 있는 화면이다. 이 화면은 마치 실제 지구를 보는 것과 비슷할 수 있을 것이다. 다만 시간이 T3에서 T4로 흐르면 대상을 더욱 축소시켜 보아야 할 것이다. 이렇게 시간이 T100까지 지나게 된다면 사용자들에게 제공되는 UI는 상기 표시부에 도시된 지구와 비슷한 대상, 즉 사용자들의 Life Line으로 만들어진, 지속적으로 커지는 원을 보다 편히 볼 수 있도록 스케일의 조작 단위가 변경되어 제공되어져야 할 것이다. 예를들어 T10까지 사용자가 한단계 낮춘 이전 시간 즉, T9에 이루어진 데이터들의 생성, 전송, 수신 등의 내용을 보고자 할 때는 사용자 표시부에 제공되는 화면 축소 버튼을 한번만 누르면 되었지만, T100의 시간대에서 동일한 스케일로 작동되면 사용자에게는 해당 조작이 매우 답답하게 느껴질 수 있을 것이다. 따라서 T10단위씩 변하도록 제공되어질 수 있다.
그리고 스케일(시간)바를 축소 또는 확대로 움직일 때, 버튼을 누르는 것보다 작은 단위의 스케일 변화를 조작 할 수 있도록 제공되어질 수 있을 것이다. 이것은 마치 시간과 데이터가 도 116에 도시된 가상의 구(이하 가상 세계)를 이루는 물질처럼 생각하게 할 것이다. 시간이 추가됨(흐름)에 따라 상기 가상 세계의 부피는 점점 부풀어 오르며 이에 따라 면적 또한 점점 커지게 될 것이다. 이처럼, 상기 가상 세계의 면적은 시간이 흐름에 따라 점점 증가할 것인데, 이는 그 특정 시점에서 소통하는 데이터의 크기로 비견될 수 있을 것이며, 가상 세계가 이루는 구의 부피는 가상세계가 품고 있는 전체 데이터의 양에 비견될 수 있을 것이다. 물론 상기 전체 데이터의 경우 초기엔 각 실제 데이터로 연결되어질 수 있는 URL과 같은 데이터 주소를 저장한 데이터로 관리하는 것이 보다 경제적일것이다.
이와 같이 본 발명에 의한 사용자 데이터들을 표현하는 방법 및 시스템에서 데이터는 마치 가상의 지구를 만들어감에 있어서 필수적인 요소이며 사람들의 눈에 보이지 않는 실체적 데이터를 사용자들이 쉽게 눈으로 보고, 데이터의 움직임을 이해할 수 있게 할 수 있다. 또한, 다양한 작업에 있어서 해당 데이터로 접근을 용이하게 함으로써 사용자들이 손쉽게 해당 데이터들을 수정, 삭제, 복사, 전송, 수신, 저장, 판매, 구매 등을 용이하게 해줄 수 있다. 한편 이러한 수정, 삭제, 복사, 전송, 수신, 저장 등으로 인해 변경되어지는 사항은 Life Line상 과거의 데이터 기록에 대한 부분이 아니라 새로 생성되어지는 Life Line 상에 데이터로 남게 되어 과거 시간에 존재했던 데이터와 기록은 보존되어 질 수 있다.
앞서 상술한 Life Line을 이용한 데이터 관리 방법 및 시스템은 여러 특정 영역(예를 들어 일상, 친구, 가족, 학교, 회사)으로 나뉘어져 각각의 영역에서 별개의 Life Line을 이루도록 제공되어질 수도 있다. 또한 한명의 사용자가 여러개의 단말기를 사용할 수도 있을 것이다.
또한 Life Line, 시작점, 데이터 표현 요소들이 가진 데이터를 특정 주제에 따라 분류해서 기존의 다양한 데이터 분류 및 관리 방법, 예를들어 마인드 맵과 같은 형식으로 변형하여 제공되어질 수도 있을 것이다. 이를 위해 본 발명에서는 사용자, 시스템에 의한 다양한 종류의 데이터(메타데이터, 기준데이터, 거래데이터 분석데이터, GIS데이터, 로그 데이터, 활동데이터, 문서 데이터, 미디어 데이터 등)가 태그형식으로 각 데이터에 첨부되어질 수 있다. 또한 상기 데이터가 어떠한 활동(업무, 측정, 생체, 웹, SNS, 모임, 지식 등)에서 기인한 것인지 구분하고 생산 주체가 시스템인지, 단말기 또는 서버 등과 같은 기계인지, 사람인지 분류한 데이터도 첨부되어질 수 있을 것이다
도117은 본 발명에 따른 데이터 송수신 기록을 저장하고 사용자에게 제공할 화면 이미지를 제공하는 방법(Life Line-데이터송수신바-시작점-데이터이미지)을 도시한 도면12이다.
본 발명에서 상술한 여러 실시예는 도 117과 같은 형태로 통합되어 도시되어 질 수도 있을 것이다. 또한 사용자 Ray.K가 사용자 Silver.K, Rang.K와 주고 받은 데이터 로그는 도 118과 같이 도시되어 질 수 있다.
도118은 본 발명에 따른 데이터 송수신 기록을 사용자 단말기를 통해 텍스트로 보여주는 화면을 도시한 도면이다.
본 발명에 따른 애플리케이션 서비스 사용자들은 사람들과의 만남, 모임참여 및 본인의 활동 등을 통해 데이터를 생산해 내고 해당 데이터를 관리한다. 상기 데이터는 데이터 생성(생성, 복사, 송신, 수신 등의 데이터 생성과 관련된 모든 방법을 포괄한다)은 생성된 데이터를 간략히 표시하는 메타데이터(태그, 저장위치, 생성자, 생성날짜, 복사, 복사날짜, 송신, 송신날짜, 수신, 수신날짜, 데이터의 크기, 복사자, 송신자, 수신자, 데이터의 종류, 단말기, 단말기제조자, 데이터 송수신시의 이용한 데이터망, 해당데이터를 특징하는 고유 코드 데이터의 권리권자, 상기 권리권자의 다수유뮤, 관련된 모임정보) 등의 부가적 데이터 생성도 포함될 수 있으며, 상기 포함된 데이터는 다른 데이터와의 관계속에서 링크가 이루어질 될 수 있다. 상기 데이터의 관리에는 상당한 수고가 들어갈 수도 있다.
애초에 온라인 혹은 오프라인 모임에 참여하여 다른 사람들과 소통하는 것이 때로는 재미있고 즐거울 수 있지만, 여기서 생성되는 데이터를 스스로 관리하는 것(예를들어 모임에 참여하여 얻은 명함 및 사람들과 주고 받은 대화, 파일 등을 관리하는 것)은 상당한 수고를 요할 수 있다. 본 발명 이전의 대부분의 모임에서는, 참여한 사람들이 자각을 하지 못하는 사이 모임에서 생성되는 중요한 데이터들이 사라지고 있었던 것으로 생각할 수도 있다. 사실, 이러한 데이터는 기록하는 것 자체가 매우 까다로운 작업이기도 할 것이다. 이런 본질적인 이유로 상기와 같은 기록이 이루어지기 어려웠고 따라서 기록 이후에 행해질 수 있는 관리는 생각하기도 어려운 일이었을 것이다.
종종 이러한 데이터들을 관리하기 위한 수단으로써 명함 애플리케이션, 온-오프라인 모임 참여를 관리하는 애플리케이션 등이 등장하기도 하였다. 그러나 이들이 대중적으로 사용되기 보단, 비지니스에 집중하는 하이엔드 사용자들에게 널리 각광을 받았을 뿐, 대중적으로 사용되었다고 하기에는 다소 부족함이 없지 않았다. 예측해보건대 이들을 통합적으로 관리하기 위한 방법 및 시스템을 만드는 것이 극히 어려운 일이었고 이를 통해 산업화를 할 방법 또한 찾기가 쉽지 않은 일이었기 때문이었을 것이다. 그러나 이제 이러한 데이터는 과거처럼 버려져야 할 데이터로 취급받기 보단, 어떠한 방식으로든 모아 놓고 추후 활용방안을 찾자는 산업적 분위기가 대두되고 있다. 데이터가 미래의 연료라는 글과 말을 어렵지 않게 접할 수 있는 시기가 도래한 것이다. 한편으로는 이러한 데이터들이 어떻게 활용되어질 수 있는지 그 방법과 시스템에 대한 접근은 여전히 쉽지 않은 과제로 남아있다. (이를 위한 특허의 명세서 또한 일반적인 작성법과 접근 방식이 달라져야 할
것이다).
도119는 일반적인 개념에서의 딥러닝, 머신러닝, AI의 개념 다이어그램을 도시한 도면이다.
본 발명이 포함하는 AI는 거의 모든 산업에 대두되고 있으며, 이를 응용하기 위한 산업의 범위, 기술적 배경, 이론적 지식은 매우 방대하다고 할 수 있다. 딥러닝, 머신러닝, 인공지능은 도 119과 같은 범주를 갖는 다고 할 수 있다. AI를 발전시키는 방향은 앞서 이야기한 산업의 범위, 기술적 배경, 이론적 지식이 펼쳐지는 방대한 분야를 넘나들며 각각의 범위, 분야에서 필요한 데이터를 모으는 방법 및 시스템, 상기 방법 및 시스템을 이용하여, 타 분야에서 활용 가능한 방법 및 시스템 등에서 유용한 데이터 및 결과물로 변화시키기 위해서는 매우 복잡한 단계(통합적으로 하드웨어 및 소프트웨어 영역에서의 기술적 레이어라고 표현될 수 있을 것)를 거쳐야 하기 때문이다. 상기 과정을 위해서 무엇보다 중요한 것은 각 사용자가 자신의 데이터 주권을 유지한 채, 본 발명에 따른 서비스를 제공하는 사업자, 상기 서비스를 이용하는 이용자(호스트 및 게스트 , 제3자 들)가 스스로 또는 상호 원하는 데이터와 가치(Value)를 얻고 상호간 이익을 취할 수 있는 방법과 시스템이라 할 수 있다. 따라서 본 발명의 본질적이며 최종적인 목적은 이러한 데이터의 확보 및 관리, 데이터 활용을 통한 이익을 얻을 수 있는 효과적인 방법 및 시스템을 제공하는 데 있다고 할 수 있을 것이다.
이상으로 상술한 바와 같이 사용자가 자신에게 권한이 있는 다양한 데이터를 직접 관리할 수 있게 되면, 시스템 입장에서는 이들이 관리한 데이터들을 통해 시스템에서 유용하게 사용될 수 있는 AI모델을 학습하는 데 매우 유리할 것이다.. 또한 시스템은, 시스템이 요구하는 AI학습에 필요한 데이터를 얻기 위해, 시스템을 사용하는사용자들로 하여금 그들이 일상에서 데이터를 생성하고 관리할 때 AI학습에 보다 유리한 방향으로 데이터가 관리되어질 수 있도록 일종의 포맷을 제공함이 바람직 할 것이다. 또한 상기 포맷은 시스템이 운영하는 AI서버에 의해 ‘어떤 형태의 포맷이 시스템의 AI를 학습시킬 때 더욱 유리할 것인지에 대해서도, 사용자들의 데이터를 이용해 학습하고 상기 포맷을 개선시키기 위한 AI학습 모델을 생성해 낼 수 있을 것이다. 상기 포맷에는 본 발명에서 상술한 데이터 및 상기 데이터들로 유추되어질 수 있는 모든 데이터에 대한 시스템 및 사용자에 의한 입력 양식이 포함되어질 수 있다. 이하에서는 현재 일반적으로 정의되는 AI 및 관련 시장의 현황을 간략히 살펴보고 본 발명에서 상술한 다양한 데이터들을 이용하여 AI를 학습시키는 과정과 상기 학습을 통해 만들 수 있는 AI모델들에 대해 설명할 것이다.
도120은 전통적인 프로그래밍 시스템과 머신러닝 시스템을 비교한 도면이다.
전통적인 프로그래밍은 도 120에서와 같이 프로그램이 요구하는 답을 찾기 위한 룰을 정의하고 빅데이터에서 답을 추출해 낸다. 따라서 사람이 룰을 만드는 과정에 지속적으로 개입하여 특정 데이터들에서 보다 정확한 답안을 찾아내는 것이 목적이다. 그러나 기계학습(ML, Machine Learning)에서는 각 데이터에 답안을 기입하고 각 데이터들에서 상기 답안이 도출되기 위한 룰을 찾는 것이 목적이라 할 수 있다. 어찌보면 앞서 전통적인 프로그래밍에서 사람이 했었던 일, 즉 수많은 데이터와 이들의 공통적인 답안을 통해 룰을 정의하는 작업 가능한 도구를 만드는 과정이 기계학습이라고 할 수 있다. 이 과정은 사뭇 사람이 학습하는 과정과 비슷하다. 예를들어 특정 도메인에서 식별 정보를 인식하는인식 시스템의 경우 해당 식별 정보를 인식하기 위해 도 121과 같은 인공신경망 구조를 가질 수 있다.
도121은 머신러닝 학습을 위한 인공신경망 구조를 도시한 도면이다.
상기 인식 시스템은 기계학습을 통하여 특정 도메인에서의 식별 정보를 인식 할 수 있다. 이러한 기계학습은 새로운 데이터를 학습하고, 학습을 수행함에 따라 룰을 습득한다. 이렇게 룰을 통해 추가로 주어지는 데이터에서 보다 효율이 높은 룰을 습득하고 이를 반복함으로써 상기 룰을 통해 도출해내는 결과물을 지속적으로 개선시켜 나간다. 이러한 학습과정에서는 한대 이상의 AI학습 서버에 구축된 인공신경망을 기반으로 기계학습기술인 딥 러닝을 통하여 특정 도메인과 관련된 식별 정보를 분석 및 추론할 수 있게 되는것이다 . 이러한 딥러닝은 인간의 두뇌가 일상에서 마주하는 거대한 데이터(시각, 청각, 미각, 촉각, 후각, 감정 등) 속에서 패턴을발견한 뒤 특정 도메인에 대한 식별력을 가지고 해당 상황에 대하여 분석 및 추론을 하고 대응하는 과정에서의 정보처리 방식을 모방한 것이다. 따라서 상기 인식 시스템은 사람이 모든 판단 기준, 룰을 정해주지 않아도 학습 서버가 스스로 인지, 추론 및 판단을 행할 수 있게 된다. 이와같은 인식시스템은 딥러닝의 예로 CNN, RNN, DNN 및 관련되어 지속적으로 연구 개발되어 개선된 인공신경망을 복합적으로 이용하여 특정 도메인에 대한 식별 정보를 추론할 수 있다. 본 발명에서 상기 인식시스템은 모임과 관련된 도메인들에 대한 식별정보를 학습시키기 위해 인공신경망 기반의 학습모델을 구성할 수 있다. 예로써, 상기 학습모델에 구성된 인공신경망의 구조는 적어도 하나의 Fully Connected Layer(이하 FC 레이어)를 가질 수 있으며, 학습 가능한 가중치 (weight)와 바이어스(bias)로 구성되어진 컨볼루션 신경망 (Convolutional Neural Network, 이하 ConvNet)으로 구성되어질 수도 있다. 신경망은 입력받은 벡터를 일련의 히든 레이어 (hidden layer) 를 통해 변형 (transform) 시킨다. 각 히든 레이어는 뉴런들로 이뤄져 있으며, 각 뉴런은 앞쪽 레이어 (previous layer)의 모든 뉴런과 연결되어 있다 (fully connected). 같은 레이어 내에 있는 뉴런들 끼리는 연결이 존재하지 않고 서로 독립적이다. 마지막 Fully-connect?ed 레이어는 출력 레이어라고 불리며, 분류 문제에서 클래스 점수 (class score)를 나타낸다(도 121). 여기서 2개의 선택지 중에서 1개를 고르는 이진 분류(Bi?nary Classification)는 로지스틱 회귀(기므모이드 함수 사용)를 통해 풀어낼 수 있으며 3개 이상의 선택지 중에서 1개를 고르는 다중 클래스 분류 문제를 위해 소프트맥스 회귀(Softmax Regression)를 활용할 수도 있다. 이는 각 도메인의 특성에 따라 각각에 알맞은 방법을 활용해야 한다. 소프트맥스 회귀를 벡터와 행렬 연산으로 이해해 볼 수 있다. 입력을 특성(feature)의 수만큼의 차원을 가진 입력 벡터 라고 하고, 가중치 행렬을 , 편향을 라고 하였을 때, 소프트맥스 회귀에서 예측값을 구하는 과정을 벡터와 행렬 연산으로 표현하면 도 122와 같다.
도122는 소프트맥스 회귀에서 예측값을 구하는 과정을 벡터와 행렬연산으로 표현하여 도시한 도면이다. 이러한 기법은 예시일 뿐 본 발명의 한계를 한정하지는 않는다. 따라서 상기와 같은 기법은 보다 다양하게 적용되어질 수 있다.
도123은 반도체에 인공지능을 결합한 AI반도체와 빅데이터, AI소프트웨어, AI서비스의 관계도를 도시한 도면이다.
최근 도 123과 같은 AI반도체 시장에 전통적인 반도체 생산 업체들 뿐만아니라 소프트웨어 업체, 통신 업체들도 뛰어들고 있다. AI반도체는 말그대로 반도체에 인공지능을 결합한 것이다. 기존 반도체는 데이터를 순차적으로 처리하는 이른바, 폰노이만 방식을 쓴다. 하지만 기존 반도체 방식은 근래의 AI 서비스가 확산되며 폭증하는 데이터를 처리하는 데 한계가 뚜렷하게 존재한다. 이러한 문제를 해결하기 위한 것이 AI반도체이다. AI반도체는 폭증하는 데이터를 처리하는 문제를 학습과 추론으로써 해결한다. 대량의 데이터를 동시에 병렬처리하면서 전통적인 반도체보다 처리속도는 빠르게, 전력을 적게 쓰는 것을 목표로 한다. 이러한 반도체는 대량의 데이터를 실시간으로 처리해야 하는 자율주행, 클라우드 서비스, 사물인터넷 시장에서 큰 수요가 존재한다. 그러나 현재의 AI 반도체 시장은 극초기 시장에 불과할 것이다. 본 발명과 같이 대량의 데이터를 실시간으로 생산해내고 이러한 데이터의 생산 주체 및 소유 주체를 구분하여 상기 데이터에 가치를 매기고 이를 활용하여 각각의 목적에 맞는 AI를 만들어내는 서비스들이 등장하기 시작하면 현재의 AI반도체 시장으로는 감당하기 어려울 것이다. 따라서 본 발명이 보다 원활히 수행되기 위해서는 상기와 같은 AI반도체 시장의 성장도 뒷받침되어야 할 것이다. 이러한 AI에만 특화된 반도체를 글로벌 기업뿐만 아니라 스타트업과 같은 신생기업들도 앞다투어 개발하고 있다. 여기서 모든 AI가 필요로 하는 Big Data와 모든 AI의 목적인 AI Service는 AI의 시작과 끝이라고도 할 수 있다. 물론 중간은 AI학습을 위한 툴과 모델이 될 것이다. 본 발명에서는 Big Data를 확보하는 것과 이렇게 확보된 Big Data를 활용하여 AI Service 를 제공하는 것을 목표로 한다. 이를 위해 본 발명은 모임을 위한 애플리케이션을 제공하는 것을 목적으로 한다. 이를 통해 정제되지 않은 날것은 Big Data를 지속적으로 확보하는 것을 그 다음 목적으로 한다. 상기 Big Data를 지속적으로 확보하기 위해 ‘모임을 만들고 참여하는 다양한 사람들에게 끊임없는 Benefit을 주는 환경을 구축’하는 것을 그 다음 목적으로 한다. 이 목적들을 이루기 위해 하나의 큰 틀안에서 복수의 애플리케이션이 제공되어질 수 있다. 또한 상기 Big Data가 무분별하게 모든 이에게 노출되는 것을 통제하고 실시간으로 데이터의 누적되는 것을 보이기 위한 수단으로써 데이터를 5가지로 분류하는 체계를 제시했다. 상기 5가지 데이터 분류 체계(데이터 요약본과 같다)를 통해 특정인에게(으로 하여금) 얼마나 많은 데이터가 쌓여있고 그 데이터의 가치를 대략적으로 추산할 수 있게 된다. 이 과정에서 상기 특정인이 본인의 데이터에 대한 접근을 허용할 경우 상기 5가지 데이터 분류체계는 요약본이 아닌 상기 특정인이 본 발명에 의한 애플리케이션 서비스를 이용하면서 만든 데이터에 접근할 수 있다. 요약본이 데이터의 특징 분류 및 해당 데이터가 실제 존재하는 URL등을 포함한 간략한 데이터 저장소였다면 상기 특정인이 제3자 혹은 제3의 서버(서비스)에게 본인 데이터에 접근을 단계별로 허용하고 허용한 단계 만큼 상기 데이터 저장소를 통해 실제 데이터에 접근할 수 있게 된다. 이 과정에서 상기 데이터들은 상기 특정인의 AI를 만드는 데 활용되어 질 수 있으며 상기 AI를 학습시킴에 있어서 별도의 비용이 청구되어질 수도 있다. 단순한 AI를 만드는 단계부터, 특정 영역에서는 사람 수준을 뛰어넘는 AI를 만드는 단계에 따라 상기 비용은 달라질 것이다. 또한 단순한 AI를 만드는 것과 특정 수준에 이르는 AI를 학습시키는 것은 상기 데이터 및 서버가 제공하는 학습 모델을 이용하는 방법이 활용될 것이며 이 과정에서 상기 특정인의 특징은 상기 데이터를 이용하여 상기 특정인의 AI모델을 만들 수 있고 추가적으로 언어 학습 모델을 구매하여 상기 특정인의 AI가 다양한 언어를 활용할 수 있도록 할 수도 있을 것이다. 즉, 사용자만의 특징을 학습하여 제작된 AI에 사용자의 데이터와는 별개로 보편적인 AI에 소프트웨어를 설치하듯이 언어팩 등을 추가할 수 있게 되는 것이다. 물론 상기 언어팩중에 이미 사용자가 사용 가능한 언어는 사용자의 데이터에 의해 사용자의 주사용 단어들로 패치되어질 수 있다. 상기 과정에서는 해당 사용자의 상황별 활용 단어, 문장 등의 데이터가 파싱된 후, 이미 파싱된 보편적인 상황별 활용 단어, 문장 등의 데이터에 매핑되어지는 방법들이 활용되어질 수 있을 것이다.
본 발명에서 가장 먼저 설명했던 모임과 관련된 실시예에 있어서, 상기 AI 기술은 사용자가 모임을 만들 때(모임의 HOST가 되고자 할 때) 사용자가 입력한 사용자의 이력, 오프라인 모임일 경우 해당 지역, 주제, 목적, 주된 모임 시간, 모임의 주기, 최대 참여인원, 현재 참여가능한 인원, 회당 모임 예산 등을 입력하면, 모임과 관련된 AI모델은 모임의 시나리오를 추천해 줄 수 있을 것이다. 이 시나리오에는 상기 언급된 모임의 정보 중 사용자가 입력하지 못한 데이터에 대한 추천
값이 포함되어질 수 있고, 모임을 주최할 장소(비용 등), 유사 모임 리스트, 시스템이 추천 가능한 모임 게스트 목록, 해당 지역에서 모임을 만들 경우 참여가능한 최대 인원, 평균적으로 참여 가능한 인원, 호스트의 마케팅 비용 예산 대비 참여 가능한 인원 등을 텍스트와 표, 도면을 통해 제공할 수 있을 것이다. 이를 위해 상기 AI시스템은 본 발명에 의한 서비스 서버에서 산출가능한 기존 모임 데이터 뿐만 아니라 가용 가능한 데이터를 최대한 확보하여 AI 서비스 모델을을 훈련 시켜야 한다. 상기 가용 가능한 데이터에는 정부 주도의 각 부처별 연구 결과물, DART와 같은 상장사 공시 시스템에 공개된 자료, 다른 모임 서비스들에서 추출 가능한 데이터(서드파티로 참여하는 회사들의 데이터 포함), 명함 서비스 애플리케이션 등 유사 서비스에서 추출 가능한 데이터(이름, 연락처, 주소, 소속회사 등) 들이 포함되어질 수 있다. 상기와 같은 데이터를 포함하여 본 발명에 의한 서비스 애플리케이션의 사용자들에 의해 누적되는 모임 데이터의 양이 많이질 수도록
상기 AI모델 서비스가 제공할 데이터 리스트의 양과 데이터의 형태, 정확도등은 점진적으로 증가할 것이다. 상기 추론 데이터는 일부 무료로 제공되어질 수도 있지만, 사용자가 보다 상세한 데이터를 원할 경우 각 단계별 비용을 달리 청구하여 결과물을 제공할 수도 있을 것이다. 또한 본 발명에 의한 방법과 시스템을 이용한 애플리케이션을 통해 모임을 진행할 경우 호스트의 경우 매 모임을 준비할 때 마다 상기와 유사한 데이터를 제공하여 줄 수 있다. 모임 참여 인원 추정값과 참여인원들의 일반적인 이동 경로(출근길, 퇴근길, 점심, 주말의 이동 경로 등)을 고려하여 모임 위치 등을 추천하여 주고 마케팅을 통해 모임을 알릴 경우, 어떤 키워드가 좋을 지, 해당 키워드에 어느 세대, 지역, 직업군이 가장 관심을 많이 보이는지 등의 정보와 어느정도 비용으로 몇 명정도의 참여자를 더 모을 수 있는지(마케팅을 통한 모임 노출 대비) 데이터를 보여줄 수 있다. 또한 모임에 참여하는 게스트의 경우 관심 모임 주제 설정에 따라 모임을 추천해 주고 해당 모임을 통해 얻을 수 있는 인맥맵을 추정하여 제공할 수 있다. 이 경우 게스트가 필요한 특정 분야의 전문가, 예를들어 블럭체인 또는 AI와 관련된 전문가를 만나고 싶어할 경우 하나 이상의 모임을 추천하여 주고, 모임의 참여 순서 등을 정렬하여 줄 수 있다. 이러한 데이터는 본 발명에 의한 AI 학습 서버가 사용자들의 모임 활동 데이터(인맥맵을 포함한 앞서 서술한 관련 데이터)를 분석해 상기 게스트의 요청에 해당 데이터를 제공할 수 있게 된다. 또한 본 발명에 의한 방법과 시스템을 이용한 애플리케이션을 통해 모임에 참여하고자 할 경우 앞선 실시예에서 설명한 서베이 등의 요청에 따라 데이터를 입력하면 상기 참여요청자의 참여 목적 등을 분석하여 모임내에서 만나야할 사람을 추천하여 준다. 상기 추천인이 복수일 경우 모임에 참여한 다른 사용자들의 참여 목적 등을 함께 분석하여 상기 참여요청자들의 인맥지수 등을 비롯하여 상술한 관련 데이터를 통해 참여자들의 미팅 순서와 한번에 몇명씩 미팅을 진행하는 것이 좋을 지 최적값을 도출해내고 각각의 참여요청자들에게 각각의 리스트를 전달하여 준다. 상기 참여요청자들에게 전달된 리스트의 내용은 상기 참여요청자가 모임에 참여하는 시간, 모임내에서의 취득하는 각종 점수, 데이터를 기반으로 실시간으로 변동되어질 수 있다. 상기 내역이 변동되면 당사자들에게 해당 내용을 통지한다. 또한 본 발명에 의한 방법과 시스템을 이용한 애플리케이션을 통해 모임에 참여자들이 대화를 나눌 때, 상기 대화는 녹음이 되어질 수 있다. 이 과정에서 참여자들의 동의를 구할 수 있고, 녹음된 대화는 텍스트로 변환되어 저장된다. 이 과정에서 참여자들의 단말기(멀티 모달 인터페이스를 갖는 스마트폰과 같은 단말기)는 각 단말기의 사용자 음성데이터를 미리 충분히 확보한 상태로 가정한다. 만약 모임 참여전 사용자를 판별하기 위한 음성데이터가 충분하지 않을 경우 사용자 단말기는 사용자에게 다양한 음성을 요구할 수 있다. 예를들어 특정 문장을 보여주고 따라 읽는 것을 요구하는 식이다. 이후 사용자의 음성을 판별할 수 있을 정도로 학습이 되었다면, 모임에 참여한 상태에서 대화를 진행할 때 상기 사용자의 음성과, 상기 사용자와 대화하는 사용자와의 음성을 구분하고 분리하여 저장한다. 상기 저장은 각 단말기에 우선적으로 저장된 후 서비스 서버로 전송되어질 수 있으며, 하드웨어 및 소프트웨어적으로 충분한 기술이 뒷받침될 경우 즉각 서버로 음성데이터를 전송할 수도 있다. 이는 비용적인 측면에서 우선 고려되어야할 것이다. 또한 사용자 단말기는 사용자의 음성 뿐만 아니라 대화상대의 음성도 녹음할 수 있다. 대화 상대의 단말기에서도 동일하게 녹음되어 질 수 있으며, 만약 단말기 사용자의 음성데이터를 텍스트로 전환하는 도중, 특정되기 어려운 음성 부분에서는 사용자 단말기에 녹음된 대화 상대의 음성 및 상대 단말기에 녹음되었던 상대의 음성, 그리고 상대 단말기에 녹음되었던 사용자의 음성데이터를 분석하여 사용자의 음성데이터를 추론하고 확정지을 수 있을 것이다. 이 과정에서 사용자의 음성에 따른 대화 상대의 음성이 답변일 경우, 상기 답변을 이끌어내기 위한 질문을 추론하고 상기 대화 상대의 음성이 질문일 경우, 해당 질문에 대한 답변을 AI 모델이 추론하고, 다음 음성을 분석하여 상기 추론을 확정지어 대화록을 만들어 갈 수 있을 것이다. 이렇게 만들어진 대화록은 각각의 사용자에게 먼저 공개되어지 수 있고, 이 과정에서 각각의 사용자는 일부 잘못 변환된 내용을 수정하거나, 자신의 답변에 오류가 있었다면 특정 코멘트를 텍스트 데이터로 남길 수 있다. 이 과정에서 AI 학습 서버는 사용자의 행동을 통해, 사용자의 특정 음성이 잘못인식된 경우에 대해 다시 학습을 행할 수 있고, 사용자의 오류에 따른 코멘트 데이터도 이 학습 과정에서 활용할 수 있다. 또한 상기 코멘트가 상기 학습과정과 관계없는 별도의 데이터일 경우 어떤 내용이 상기 대화와 이어질 수 있는지 추론할 데이터로 활용할 수 있다. 이 과정에서 상기 AI학습 모델은 단순히 음성을 텍스트로 변환하는 것에 그치지 않았음을 알 수 있을 것이다. 이렇게 모임내 각 그룹 및 사용자들로 부터 추출된 음성데이터와 이를 통해 만들어진 텍스트 데이터를 통해 사람의 대화에 대해 학습 하는 AI서버를 구축할 수 있다.
도124는 모임내 사용자간 대화를 나누는 상황을 도시한 도면이다.
도 124는 모임내에서 참여자간 대화를 나누고 있는 상황을 도시한 도면이다. 사람들은 일반적으로 상대의 질문을 듣고, 질문을 이해한 후 대화의 흐름을 통해 본인의 일정 및 기억 정보를 기반으로 답변을 생각하여 답변을 한다. 이 과정은 AI학습을 통해 도 125에서처럼 이루어질 수 있다.
도125는 도124의 과정에서 답변자를 AI로 대체하는 상황을 도시한 도면이다.
먼저 듣기 과정은 음성 인식 (Speech Recognition)으로 구현해 낼 수 있다.. 여기서 AI가 오프라인의 기계로 대체되지 않는 이상, 문자로 대화를 주고 받는 상황일 수도 있다. 음성 인식은 소리 신호를 언어 정보(텍스트)로 바꿔주는 기술이다. 언어 모델과 어쿠스틱 모델으로 나누거나 이를 합쳐 E2E로 딥러닝 모델로 처리하는 기술이 활용되어질 수 있다. 만일 음성 인식 모델의 성능이 떨어진다면 그 이후 과정에서도 에러가 이어질 확률이 높을 것이다. 따라서 초기 모델에서는 사용자가 자신의 음성데이터를 텍스트 데이터로 변화시키는데 직접적으로 개입하여, 데이터를 지속적으로 쌓는 과정이 필요할 것이다. 그 다음 단계로 이해하기 과정은 자연어 처리(Natural Language Understanding)로 구현해 낼 수 있다.. 이는 텍스트로 변환된 사용자의 말을 의중을 파악하여 기계가 이해할 수 있는 언어로 번역하는 과정이다. 이를 Semantic Parsing이라고 부르기도 한다. 특히 대화 시스템에서 중요한 컨셉은 크게 Domain, Intent, Slot 세 가지이다. 도메인(Domain)은 큰 범위에서의 대화 주제. 유저가 생활 정보를 원하는지, 생산성 기능(ex. 타이머)을 작동시키려는지, 음악 관련 기능을 원하는지, 대략적인 큰 범위의 분류이며 의도(Intent)은 유저가 하고자 하려는 것에 대한 분류이다. "날씨 정보 알려주기", "타이머 시작하기", "타이머 끄기", "음악 재생하기", "음악 끄기" 등 각 도메인 마다 각각 가능한 의도가 있을 수 있다. 이를 분류해야 대화 시스템이 다음 액션을 선택할 수 있는 것이다. 슬롯(Slot)은 사용자의 니즈를 해결해주기 위해 필요한 정보를 포함한다. 예를 들어, "오늘 서울 날씨 어때?"에서 장소="서울", 시간="오늘"이라는 두 가지 슬롯이 포함되어 있다. 대화 흐름 생각하기 과정은 대화 매니지먼트 (Dialogue Management)로 구현해 낼 수 있다. 이 과정에서는 상대방의 의도를 파악하고 나서는 이를 위한 정보를 수집한다. 날씨 정보 같은 경우, DB 또는 외부 API로부터 끌어와야 합니다. 만일 타이머를 새로 만드는 것이라면, 타이머를 담당하는 서버와 소통을 해야 한다. 또한 만일 사용자가 원하는 액션을 수행하지 못할 경우에는 사용자에게 알려주어야 한다. 에러의 이유를 사람처럼 설명할 수 있다면 더 없이 좋을 것이다. 단순히 날씨 정보 서버에 접근이 안된다는 기계같은 표현이 아니라, “나도 잘 모르겠다” 정도의 답변 말이다. 만일 "서울"이라는 장소 이름을 빼고 "오늘 날씨 어때?"라고 했다면, 현재 사용자의 위치를 서버에 요청해야 한다. 위치 정보가 없다면, 이처럼 상황 정보에 따라 다양한 대화 시나리오가 가능하다. 그 다음 단계로 답변 생각하기 과정은 자연어 답변 생성 (Natural Language Response Generation) 으로 구현해 낼 수 있다. 자연스러운 답변을 만들기 위해 상황에 따라 수많은 대본(템플릿)을 사용하기도 하고, 언어 생성 모델을 따로 학습시켜야 할 수 있다. 이를 위해 각 사용자에게 서버가 수시로 템플릿에 따른 다양한 질문을 하고 이를 학습에 이용하는 것이 바람직할 것이다. 말하기 과정은 음성 합성 (Text-To-Speech Synthesis)으로 구현해 낼 수 있으며, 만약 대화의 시작이 텍스트였다면, 상기 이전 과정에서 생성된 텍스트를 전송하여 대화를 완료할 수 있을 것이다. 또한 음성 대화였다면, 텍스트를 소리로 변환시켜 주어야 한다. 이 과정에서 사용자의 음성으로 그동안 학습한 AI음성 모델을 활용해야 한다. 이와 관련된 TTS기술중 가장 유명한 연구는 구글의 WaveNet가 있으며, 상기 WaveNet을 기반으로 구현된 TTS 엔진에 상기 사용자의 음성을 학습한 모델의 데이터를 매핑하여, 최대한 사용자의 음성에 가까운 소리를 구현해 내도록 한다. 이는 사용자가 본 발명에 의한 애플리케이션 서비스를 지속적으로 이용하고 충분하지 않은 음성 데이터 등(상술하고 후술될 사용자 개인화와 관련된 모든 데이터)에 필요한 데이터를 지속적으로 수정, 제공하고 AI서버가 이를 학습 데이터로 학습을 진행하는 것을 반복하면 점진적으로 더욱 개인화고 진보된 AI음성 모델을 얻을 수 있게 될 것이다.
또한 모임에 참여한 사람들은 모임이 오프라인에서 개최되었더라도 호스트의 설정에 따라 온라인에서 접속이 가능할 수도 있다. 이 경우 온라인에서 모임에 참여하는 사용자는 일반 PC나 스마트폰과 같은 단말기나 VR기기 등을 이용하여 상기 모임에 참여할 수 있을 것이며, 필요에 따라 실제 오프리안 참여자 중 사용자 단말기 등의 카메라를 통해 모임을 볼 수 있게 제공하는 사람들을 통해 모임을 실시간으로 볼 수도 있을 것이다. 또한 로봇과 같은 기기를 호스트가 마련해 놓았거나 상기 온라인 참여자가 로봇 대여 업체 등을 통해(혹은 자신이 소유한) 단말기나 VR기기로 조작 가능한 로봇이 오프라인 모임에 비치되어 있을 경우 실재하는 오프라인 장소가 다르더라도 마치 오프라인의 실제 모임에 참여하는 것과 비슷한 수준의 경험을 할 수 있게 될 것이다. 여기서 만약 온라인 참여자가 자신의 AI를 본 발명에서 제공되는 여러 AI 학습 모델을 통해 충분히 학습시킨 경우, 혹은 온라인상의 텍스트 대화만 가능한 정도로 학습시킨 경우 그 학습량에 맞춰 학습된 자신의 AI를 상기 모임에 대신 참여하도록 할 수도 있다. 이 경우 사용자는 다른 일을 할 수 있을 것이며, 일상 대화 같이 한정된 범주내에서 AI가 직접 답변을 할 수 있게 설정할 수도 있을 것이다. 일상대화, 예를들어 "오늘 날씨가 참 좋다" 정도의 상대편의 말에 대해 사용자에게 허락을 구하지 않고 바로 AI가 답변을 할 수도 있을 것이다. 즉, 사용자가 미리 설정한 정도에 따라, 또는 사용자가 미리 설정해 놓은 값이 없다면, 시스템이 기본적으로 허용하는 수준의 대화에서는 사용자의 허락없이 AI가 대화에 대한 답변도 하고, 호응도 하는 식으로 대화를 이어나갈 수 있는 것이다.
만약 대화 중 시간 약속, 약속 장소와 같은 내용이 있었다면, AI는 대화 상대방에게 잠시 스케쥴을 확인해보겠다는 식의 답변을 한 후 사용자에게 해당 내용을 알람과 같은 메세지 형태로 전달할 수 있으며 사용자가 해당 내용에 대해 약속을 잡아도 되겠다고 확인을 하면 대화 상대방에게 해당 약속을 확인해주고, 해당 약속을 사용자의 스케쥴에 등록함과 동시에 해당 대화 내용을 확인할 링크를 상기 스케쥴에 남겨 놓을 수도 있다. 이 과정에서 상기 대화 내용은 사용자의 단말기 또는
서비스 서버의 저장소에 저장되어지고, 상기 링크는 상기 저장소의 주소가 될 것이다. 마찬가지로 대화 중 상대방이 사진, 이미지, 동영상, 파일 등을 요청한다면,대화 주제에 허용된 특정 사진, 이미지, 동영상, 파일 등은 AI가 대화 내용에 근거하거 대화 상대자에게 전달할 수 있을 것이다. 대화의 의미를 제대로 파악하지 못했을 경우 이모티콘을 보낼 수도 있다. AI는 사용자의 상기 허가 등을 통해 지속적으로 업데이트되게 되며, 사용자가 오프라인 모임등을 통해 데이터화 해 놓은 사용자의 대화체를 익히게 된다. 이 과정에서 사용자는 보다 고도화된 AI학습을 위해 서비스 서버에 비용을 지불하고 보다 업그레이드된 학습모델을 갖는 AI를 제공받을 수 있게 될 것이다. 서비스 서버에게 해당 AI학습을 맡기기 위한 과정에서, 사용자의 데이터에 접근할 수 있는 권한을 요청할 수 있으며, 사용자의 요구에 맞는 수준에 대한 권한을 확보한 후 AI학습을 진행할 수 있을 것이다. 그런데 여기서 상기 AI학습을 위한 데이터는 실제로 쉽게 얻기는 어려울 것이다. 일반적인 애플리케이션의 구동형태와 사용자에게 제공되는 자유도를 고려하면, 현재 사용자는 자신의 AI를 학습시키기위해 필요한 데이터를 수집하기도 쉽지 않을 것이다. 물론 수집한다고 해서 끝이 아닐 것이다. 어떻게 해당 데이터들을 관리할 수 있을 것인가도 쉽지 않은 문제이다. 그러나 상술한 본 발명에 따른, 모임 및 일상생활에서 생성해내는 수많은 데이터의 분류 및 저장 등의 관리 방법 및 시스템을 이용한다면 이러한 AI학습에 사용자가 참여하고 해당 권리를 취하는 것이 가능하게 된다.
본 발명에 따른 실시예에서는 다음과 같은 문구로 사용자들에게 각자의 AI를 만들으라고 광고할 수도 있을 것이다.
-----------------------------------------------------------------------------
당신의 AI를 더욱 훈련시키세요! 학습 도구들을 구매하여 더 쉽게 훈련시킬 수 있습니다.
우리에게 매우 어려운 훈련 중 하나는 타인의 감정에 대한 당신의 반응입니다. 매일 매일 꾸준히 당신의 감정 대응 방법을 알려주고 훈련시켜주세요.
그리고 당신의 AI를 판매하거나 대여하여 부가적인 수익을 창출하세요!
-----------------------------------------------------------------------------
물론 AI학습에 사용자의 적극적인 도움이 없더라도 사용자의 텍스트 메세지, 음성 대화 등을 통해 사용자의 감정을 유추할 수 있는 데이터들을 확보할 수 있다. 여기서는 사용자의 일상에서의 전화통화에서 추출될 수 있는 음성데이터가 활용되어질 수 있으며, 사용자가 단말기를 통해 주고 받는 텍스트 메세지 및 SNS나 이메일 등을 통해 주고 받는 메세지가 포함되어질 수 있다. 특정 상황, 예를들어 업무를 볼 때 상사로 부터 실적과 관련된 이메일을 받게 되면(읽게 되면) 이후
사용자가 통화 중의 음성, 텍스트메세지, SNS에 올리는 글들이 과격해지거나 힘들어하는 감정을 표현하는 단어 및 문장들로 구성되어 있을 수 있다. 이러한 데이터가 누적되어 AI학습이 이루어지면, 사용자가 어떤 상황에서 어떤 GPS 데이터를 가진 위치에서 느꼈던 감정들에 대해 추정되어질 수 있을 것이다.
사용자의 감정 분석, 예를들어 사용자의 음성을 분석해서, 감정을 유추, 사용자의 검토, 정확도를 높이고, 여기에 GPS, 날씨, 주변사람 등의 정보를 추가하여 저장, 어느 지역에서 기분이 좋았는지 표시, 어느 날씨에 기분이 좋았는지 기록, 누구와 함께 있을 때 기분이 좋았는지를 평가하여 인맥 지도에 감정을 표시한다. 이러한 감정의 표시는 사용자가 직접할 수도 있고 시스템이 유추할 수도 있으며 단말기외 본 발명에서 언급한 스마트워치, 스마트링 등의 웨어러블 기기로 해당 정보를 유추하거나 상기 기기들이 생산가능한 사용자 생체정보의 조합과 사용자 음성정보 등을 조합하여 보다 정확한 사용자의 감정을 기록한다. 또한 모임에서 사용자의 음성 데이터들은 특정 상황에서 사용자의 감정을 추정할 수 있게 AI를 학습하기 위한 매우 귀중한 자료가 될 것이다. 그리고 모임내에서 사용자의 행동들, 예를들어 모임에 참여한 사람 중 매력적인 사람이 근방에 있었음에도 불구하고 어떠한 액션이 존재하지 않고 그저 옆에 머물거나, 그냥 지나치는 행위가 반복적으로 데이터로 남는다면 이는 그 사용자의 이성에 대해 내성적인 성향을 유추할 수 있는 데이터가 될 것이다. 역으로 앞서 언급한 ‘매력적인 사람’이 실제 매력적인지 아닌지 모임에 참여하면서 해당 사용자가 남긴 서베이 데이터, 개인 데이터 및 모임 내 주변인들의 움직임, 모임참여 코드 스캔 여부 등의 데이터를 비교 분석하면 상당히 정확하게 추론이 가능할 것이다. 이를 위해 모임의 시작과 중간, 그리고 모임의 호스트가 설정한 시간에, 모임의 끝에 각 사용자들의 모임 후기 및 각자가 스캔했던 모임 참여 코드 상대들에 대한 여러 데이터를 입력하도록 할 수도 있다. 이와 같은 데이터와 앞서 언급한 데이터들을 AI학습 데이터로 사용하고 이들 간의 데이터 유사도를 추출하여 평가한다. 이들이 유사도를 갖는다면, 그리고 이들의 학습을 지속함을써 일부 데이터를 통하여 별도로 생성되어질 데이터를 추론할 수 있게 된다. 이렇게 학습되어진 AI 모델을 활용해 추론된 데이터(사용자의 행동 데이터)가 별도로 생성될 데이터(모임참여자들이 서베이 등을 통해 모임내 사람들을 여러 측면에서 평가하는 데이터)를 매우 높은 수준으로 추론한 결과를 보일 경우, 사용자의 매력도를 보다 높은 수준으로 측정할 수 있는 AI모델로 활용할 수 있게 될 것이다. 유사한 방식으로 해당 사용자가 갖는 성격적 특징, 일반적으로 어떤 감정에 보다 치우쳐저 있거나 환경에 따라 쉽게 치우쳐지는지 추론할 수도 있을 것이다.
또한 사용자의 인맥맵에 대한 분석 서비스가 제공되어질 수 있다. 예를들어 사용자의 인맥맵을 분석한 결과 인맥지수는 평균점수 100점이고, 모임의 주제는 블럭체인, IoT, 개발 이며, 주기적으로 참여하는 모임의 수, 단발성 이벤트에 참여한 모임의 수, 각 모임의 주제, 실제 각 모임에 참여하여 주로 나누는 대화가 모임의 주제와 일치하는 정도, 실제 사용자가 가장 많은 관심을 갖는 주제, 인맥맵 내 공통 인맥들이 참여하는 모임, 인맥맵 내 인맥들이 가장 많이 참여하는 모임의
순차적 리스트, 상기 리스트 중에 사용자의 성향과 가장 잘 맞는 모임 등의 정보를 제공하고, 이들 중 사용자가 설정한 조건에 부합하거나 시스템의 판단에 사용자에게 적합한 모임 및 인맥을 별도로 추천할 수도 있을 것이다. 또한 추천한 모임을 통해 어느정도 활동(모임의 참여, 스태프로 활동, 모임 참여서 참여한 모임에서 몇명의 사람들에게 모임참여 코드를 스캔할 경우, 스캔 당할 경우)을 하면 어떤 인맥맵을 구축하게 될 것인지 가상의 인맥맵을 보여줄 수 있을 것이다.
인맥맵에 대한 로드맵을 AI모델이 제공하는 것이다. 이러한 로드맵의 제공을 위해 상기 AI 모델은 각 모임에서 발행하는 인맥맵 데이터와 모임 주제별, 대화 주제별, 사용자들간 대화 데이터, 모임 참여 코드를 스캔한 데이터, 스캔된 데이티 등을 비교 분석해 각 사용자들의 인맥맵이 성장하는 시나리오를 지속적으로 학습해야 할 것이다. 또한 사용자들에게 서베이와 같은 질의를 통해, 사용자가 모임을 통해 이루고자 하는 것, 이를 위해 사용자는 무엇을 할 계획인 것인지 등의 데이터를 얻어 내, 사용자의 목적과 행동에 따른 결과를 비교 분석 하고 데이터로 저장한다. 이러한 데이터들로 인맥맵 기반 인맥 추천, 모임 추천을 하기 위한, AI 모델이 학습되어질 수 있다.
또한 앞서 언급된 사용자의 데이터들을 기본으로 활용하고, 사용자의 감정에 따른 표정들을 사용자 단말기로 촬영하도록 하여, 사용자 아바타(서비스 서버에서 제공하는 아바타 제작 프로그램을 통해 사용자가 커스터마이징한 사용자의 아바타)에 사용자의 표현(음성, 텍스트, 이모티콘 등)에 반응하는 아바타를 제공할 수도 있다. 즉 사용자가 오프라인 모임에 참여중이더라도 상기 오프라인 모임 공간이 온라인 상에 데이터로 표현되고 상기 온라인상 데이터로 표현된 공간이 사용자 단말기에 디스플레이 됨으로써, 오프라인 모임 참여자들의 대화를 통해 검출된 단어, 문장의 표현 및 사용자의 생체 데이터 등을 기반으로 상기 사용자의 감정, 표정 데이터가 사용자의 온라인 아바타에 매핑되어 상기 온라인 공간상의 사용자 아바타의 얼굴에 표정으로 반영되어질 수 있다. 상기 온라인 공간이 오프라인 모임 참여자 뿐만 아니라 온라인상으로만 모임에 참여하려고 하는 사용자들에게도 개방된 경우 온라인으로만 참여하는 모임 참여자들의 대화를 통해 검출된 단어, 문장의 표현 및 사용자의 생체 데이터 등을 기반으로 상기 사용자의 감정, 표정 데이터가 사용자의 온라인 아바타에 매핑되어 상기 온라인 공간상의 사용자 아바타의 얼굴에 표정으로 반영되어질 수 있다. 이렇게 구현됨으로써 오프라인 참여자는 온라인 참여자들과도 상호 리액션이 존재하는 대화를 할 수 있게 된다. 또한 상기 온라인 참여자 들은 상기 오프라인 참여자들과의 대화를 시도할 때 오프라인 참여자 아바타 근처로 자신의 아바타를 이동시킨 후 대화 메뉴 등을 터치(클릭)하고 상대가 응하는 과정을 거쳐 대화가 이루어질 수 있을 것이다. 이때 오프라인 참여자의 입장에서는 애플리케이션을 통해, 온라인상으로 음성대화 또는 텍스트 대화 요청이 있음을 통지하여 줄 수 있다. 상기 상대가 응하는 온라인 참여자가, 온라인 상의 다른 참여자 아바타 근처에 가면 대화자체가 활성화되는 방법으로 진행되어질 수도 있다. 이때 상기 다른 참여자 아바타는 해당 참여자가 온라인 상에만 존재하는 것인지, 오프라인 모임에 참여한 것인지 구분하여 표시할 수도 있을 것이며, 이러한 표현을 생략할 수도 있을 것이다.또한 앞서 설명한 바와 같이 상기 온라인 참여자의 경우 해당 참여자의 AI가 사용자를 대신하여 참여한 것일 수도 있다. 이렇게 AI가 참여한 것을 시스템의 설정 또는 호스트의 설정에 따라 다른 사용자들이 인지할 수 있도록 할 수도 있을 것이다. 앞서 몇차례 설명되었던 개인화된 사용자 AI의 서비스 모델 의 생성을 위하여, 상기 AI 서비스 모델에 긍정적인 학습 데이터 생성 포맷을 서비스 서버가 사용자에게 제공하는 것이 바람직 할 것이다. 예를들어 사용자의 다양한 얼굴표정(단말기를 통한 안면인식 데이터), 상기 표정에 대응하는 음성, 사용자가 일상의 대화에서 사용하는 기본적인 단어와 문장 및 사용 습관 등을 요청할 수 있고 상기 감정의 표현에는, 기분 좋을 때, 기쁠 때, 집중할 때, 타인을 웃길 때, 타인이 웃길 때, 나에게 화가 났을 때, 타인이 나를 화가나게 할 때. 짜증날 때, 장난할 때, 불안할 때, 놀랐을 때, 흥분했을 때에 대응하는 표정과 몸짓, 음성 등이 될 것이다. 이는 사용자 단말기로 사진, 영상을 촬영하고, 사용자의 몸무게, 키, 성별에 해당하는 아바타를 사용자가 제작함(기본적인 아바타는 아바타 생성 AI가 , 사용자의 누적된 데이터들을 기반으로 생성하여 제공)으로써 보다 높은 완성도를 가지게 될 것이다.
도126은 상술한 본 발명의 다양한 실시예에서 활용되는 Parser의 기본적인 역할을 도시한 도면이다. Parser는 일련의 문자열을 의미있는 token(어휘 분석의 단위)으로 분해하고 그것들로 이루어진 Parse tree를 만드는 과정인 Parsing을 수행한다. 도 127은 도126에 도시된 구조도를 XML형태로 표현한 예시이다.
또한 Parser는 프로그램을 compile하는 과정에서 특정 프로그래밍 언어가 제시하는 문법을 잘 지켜서 작성하였는지 compiler가 검사하는 것을 Parsing이라고도 하는데 , 예를들어 XML parser는 XML 문서가 XML 문법에 맞게 작성되었는지 검사한다. 이 과정에서 XML 문서를 읽고 해석하여 태그명, 속성명, 속성값 및 엘리먼트 내용을 분리해 준다. 이는 하나의 프로그램으로 고려되질 수있으며 , 상기의 어떤 문장을 분석하거나 문법적 관계를 해석하는 행위를 하기도 하며, 본 발명에서는 본 발명에 따른 데이터 표현 방법의 세세한 부분, 즉 서비스서버 및 사용자가 설정한 부분까지 사용자 및 단말기, 서버 등 의 Life Line 에서 주어진 정보를 사용자, 및 단말기, 서버 등에 의해 설정한 바 대로 가공하여 해당 데이터를 원하는 때 불러올 수 있도록 하는 역할을 주로 수행한다. 또한 모임의 구성 및 모임으로 인해 발생하는 각종 데이터, 예를들어 참여자의 대화, 상기 참여자들간의 상대적 위치, 절대적 위치, 음성 및 영상, 사진을 포함한 모임 관리 권한 토큰의 생성, 배포, 상기 토큰의 거래 등이 상기 파서가 수행해야할 대상 데이터가 될 것이다. 마찬가지로 본 발명의 앞선 실시예에서 제시되었던, 본 발명에 의한 애플리케이션에서 생성된 데이터들은 앞서 설명한 데이터 저장 방법 / 관리 방법 및 시스템에 의해 상기 파서가 파싱을 원활히 수행할 수 있는 방향으로 저장되어 질 것이다. 상기 파싱 과정에서 임의의 특정 데이터를 기존과 다른 방식으로 파싱을 수행할 수도 있고 사용자들을 복수 개의 그룹으로 나눈 후 파싱의 기준을 달리한 후 파싱(예를들어 A그룹은 GPS값을 기준으로 사용자와 관련된 특정 데이터를 파싱했다면, B그룹은 사용자의 국가, 거주지 값을 기준으로 사용자와 관련된 특정 데이터를 파싱)을 수행함으로써 어느 기준이 특정 데이터를 파싱함에 있어서 보다 적은 수의 하위 데이터를 갖는 그룹으로 나뉠 수 있는지 또는 보다 많은 수의 하위 데이터를 갖는 그룹으로 나뉘어질 수 있는지 테스트 하고 그 결과에 따라 사용자가 각 데이터에 메타데이터를 추가하는 과정에 적절한 포맷을 제공할 수 있게 될 것이다.
또한 본 발명에 따른 다양한 AI학습 모델들이 공통적으로, 일반적으로 상기와 같은 파서를 통해 데이터를 파싱하는 과정을 거쳐 학습을 하게 된다. 또한 텍스트, 이미지, 비디오 등의 데이터를이 멀티 모달 인터페이스를 갖는 사용자 단말기를 통해 끊임없이 제공될 것이므로 텍스트, 이미지, 비디오 등의 데이터들을 함께 다루는 멀티모달(multi-modal) 시스템을 위한 데이터 구축이 이루어져야 한다. 또한 상술한 여러 AI 모델들이 공통적으로 학습 해야 하는 데이터나 그에 따른 중복되는 모델 부분에 대해 기초모델(Foundational Model)을 도입함으로써 본 발명에서 상술한 다양한 AI모델을 통합하여 갈 수 있을 것이다. 마찬가지로 이 과정에서도 AI의 학습이 꾸준히 행해질 것이며 상기 학습에 따른 결과물 및 상기 결과물의 복수개 이상으로 조작하는 과정(이 과정 또한 AI모델을 통해 행해질 것이다)을 거쳐 본 발명에 의한 AI의 기초모델을 확립해 나갈 수 있게 될 것이다. 또한 본 발명에서 상술한 모임 참여자의 오프라인 위치에 대한 실시예를 통해 산출되어지는 데이터들은 사용자 위치 추정 AI모델을 학습시키는 데이터로써 매우 유용할 것이다. 일반적인 사용자의 위치는 모임 참여자(호스트+게스트)들의 단말기와 전통적인 프로그래밍을 통해 만들어진 소프트웨어를 통해 산출, 추적되어질 수 있을 것이다. 그러나 각 참여자의 위치에서 실시간으로 변동되는 사용자들의 데이터를 점수화하고 가장 가까운(단순히 물리적 거리뿐만 아니라, 모임의 목적 및 이루고자 하는 결과 등이 가까운)참여자들끼리 효율적으로 만나게 하기 위해 사용자들의 위치, 대화의 주제, 물리적 거리 및 모임내 대화 그룹들의 대화내용으로 부터 산출한 대화의 주기(시작, 중간, 마무리 각 단계), 사용자들간 모임 코드 스캔 등의 데이터를 검토하고 각 사용자들의 모임내 이동 동선(모임 내비게이션)을 제공하는 것을 특징으로 하는 AI 모델이 제공되어질 수도 있다. 또한 각 참여자/참여예정자의 위치를 추적하면서 오프라인에 참여한 사람들의 위치 및 이동데이터를 실시간으로 온라인 가상 공간에 매핑하고, 상기 모임의 가상 공간에 참여한 온라인 참여자도 같은 온라인 공간상에 위치해 있다가 상기 온라인 참여자가 오프라인에 등장한 경우(GPS로 오프라인 모임 참여 예정자의 위치를 실시간으로 파악하다가), 상기 온라인 참여자의 위치, 이동정보를 오프라인에 참여하여 생성되는 데이터로 갈음하고 상기 데이터를 온라인에서의 위치 및 움직임 데이터로 매핑함으로써 참여자의 온라인/오프라인 데이터를 전환할 수 있다. 반대의 경우도 성립한다.
모임 참여자들중 일정 모임점수를 취득한 사람들에게는 모임의 성격을 살린 이미지, 예를들어 해당 모임이 웹툰과 관련된 모임이면 웹툰 캐릭터, 수학과 관련된 모임일 경우 수학자들의 느낌이 물씬 풍기는 캐릭터, 동물과 관련된 모임일 경우 동물 캐릭터 등을 프로필로 활용할 수 이 있는 이미지를 모임 점수를 취득하면서 얻게 되는 모임 토큰을 통해 구매할 수 있게 하고(물론 상기 캐릭터 이미지들은 모임 참여시 무료로 배포되어질 수도 있음) 헤딩 이미지들을 사고팔수 있는 마켓과 해당 이미지를 제작할 수 있는 툴들을 제공함으로써 참여자들이 모임의 활성화에 자발적으로 기여를 할 수 있도록 유도할 수 있다. 또한 상기 이미지들은 캐릭터 생성 AI모델을 통해 특정 속성, 예를들어 ‘머리모양, 얼굴모양, 옷, 배경 등의 속성으로 나뉘어진 속성’들 또는 ‘미리 제시된 속성별 포맷을 따라 제작되어진 속성’들을 일정 프로토콜에 따라 배합함으로써 개별적인 특성을 가지며 중복되지 않는 새로운 캐릭터들로 제작되어질 수 있다. 이 과성에서 상기 캐릭터 생성 AI모델은 사용자들이 주로 사용하는 단어, 모임의 주제, 사용자의 성격 등을 유추할 수 있는, 본 발명내에서 언급되어지거나 유사한 속성을 갖는 데이터들을 통해 각 사용자에 알맞는 캐릭터를 생성하여 줄 수도 있다. 이 과정에서 후술할, 본 발명이 탈중앙형 자율조직(DAO, Decentralized Autonomous Organization)로 운영하기 위한 기반 기술인 블렌디드 네트워크 체인을 구성하는 숫자들을 참고하여 캐릭터 생성시 각 속성을 랜덤하게 조합되어지도록 할 수도 있다. 또한 사용자들의 AI 아바타들도 상기 캐릭터 생성 AI모델을 응용하여 생성되어질 수 있을 것이다. 상술한 AI학습 및 서비스 모델은 사용자의 모임과 같은 사회활동 및 스마트폰과 같은 멀티 모달 인터페이스 등의 단말기로 부터 얻어진 대량의 사용자 데이터가 정리되고 가시화된 사용자 Life Line 으로부터 끊임없이 댜량의 데이터(인간 활동에서 생산되어지는 거의 모든 형태의 데이터)를 지속적으로 공급받을 수 있게 된다. 이렇게 대량의 데이터를 끊임없이 공급받는 AI학습 및 서비스 모델은 각 사용자에게 특화된 개별적인 AI를 만들어 낼 수 있다. 도 128은 본발명에 의한 맞춤형 AI 모델의 구조도라 할 수 있다. 도 128 에 도시된 구조도는 AI의 외형적인 부분을 담당하는 외형 파트와 사용자들의 이야기나 행동을 분석하는 두뇌 파트로 나누어진 AI 서비스 모델의 구조도라고 할 수 있다. 상기 AI서비스 모델의 구조도는 기본적인 부분들로 구성되어 있지만, 일부 구조도는 서로 합쳐져 하나의 모듈로 작동될 수도 있고 추가적인 구성을 가질 수 있을 것이다. 또한 상기 AI 서비스 모델은 상술한 AI 학습을 통해 지속적으로 성능을 업데이트한다. 상기 외형 파트는 Appearance Customize Manager, Facial Animation Controller, Text-to-Speech Engine, Audio Customize Manager 를 통해 상대 사용자의 음성, 외형, 텍스트에 반응하여, 사용자AI의 얼굴 애니메이션 제어, TTS 기능, 학습에 사용된 사용자의 음성으로 음성 파일을 생성해 낸다. 여기서 상대 사용자는 오프라인에 있는 사용자일 수도 있고, 온라인 상에 존재하는 사용자일 수도 있다.
또한 상기 상대 사용자는 온라인상에서 텍스트만으로 상기 AI 서비스 모델과 대화를 할 수도 있고 아바타와 같은 가상인물을 통해 대화를 이어나갈 수 있다. 여기서 상대 사용자와 온라인 상으로 대화를 할 경우 상대 사용자가 AI서비스 모델로 이루어진 가상 인간인지 아닌지 간단한 질의를 통해서는 알 수 없을 것이다. 상기 두뇌 파트는 Preprocessing, Event Handler, Text Handler, Context Manager, Action Handler를 통해 음성의 경우 텍스트로 변환하고 변환된 텍스트를 해석하여 상대 사용자의 의도(intent)를 파악하고 이에 대한 적합한 응답문장을 AIML repository, AIML Parser로 부터 자동 생성 및 생성 처리과정을 거친다. 상기 과정에서 감정 표현 등이 들어갈 수 있는 특징적인 데이터가 추출되면, 해당 데이터들에 대응하는 사용자의 설정 및 DB 를 참고하여, 사용자에 맞는 단어 및 문장 구현 패턴, 그리고 사용자 아바타의 표정 및 행동 부분에 대한 후처리를 진행한 후 해당 데이터를 상기 외형 파트로 전달한다. 상기 후처리 과정에서 본 발명에 의해 학습된 AI모델을 활용해 상기의 답변 및 행동에 대한 데이터가 최초 상대 사용자의 대화에 적합한지 평가할 수 있다. 이후 상대 사용자의 반응을 검출하여, 대화가 자연스러웠는지, 그렇지 못했는지도 평가하고, 실제 사용자에게 피드백을 요구할 수도 있다.
당연하게도 상기 AI서비스 모델, 즉 사용자별 맞춤 가상인간은 더 많은 학습을 반복할 수록, 그리고 하드웨어의 성능을 좋아질 수록 보다 실제 사람에 가깝게 구현되어질 것이다. 각 사용자들은 각자에게 필요한 수준내에서 상기 가상인간을 제작할 수 있으며, 그렇게 만들어진 가상인간은 사용자가 소유할 수도 있을 것이다. 이 소유에 대한 증명은 후술할 분산 데이터 저장환경에 의해 별도의 신뢰기관을 통하지 않고 기록된 데이터만으로도 사용자 소유권 등의 권리 여부가 증명되어질 수 있다. 상기 사용자가 권리(소유, 판매, 수정, 삭제 등)를 가지고 있는 한 가상인간은 실제 인간에 가까울 수록 제작하는데 비용이 많이 들 것이며, 사용자가 판매할 경우 보다 많은 수익을 기대할 수 있을 것이다. 또한 사용자가 특정 툴(예를들어 엑셀, 일러스트레이터, 프로그래밍 툴 등)을 활용하는 기술들에 대한 AI모델을 학습할 수도 있을 것이다. 사용자가 해당 툴을 사용하며 생산해내는 데이터들을 LIfe Line에 기록하고 이를 상기 AI모델이 학습하기 위한 데이터화 하는 파싱, 매핑 과정을 거칠 수 있고 이 데이터들로 상기 사용자가 상기 툴들을 활용하는 방법에 대한 과정을 학습시킬 수 있다. 또한 도 128의 외형파트를 소프트웨어가 아닌 하드웨어에 적용할 경우 실제 오프라인에서 구현된 사용자의 맞춤 인공인간을 마주할 수 있게 될 것이다. 도128은 본 발명에 따른 맞춤형 AI모델의 구조도를 도시한 도면이다.
이하에서는 도 120 내지 143을 통해 본 발명에 의한 시스템이 단순히 서비스 서버에 의해서 제공되는 것이 아닌, 일정의 프로토콜을 따라 본 발명에 의한 시스템의 사용자들에 의해 구축되는 생태계에 대해 설명한다.
도129는 본 발명에 따른 BW 숫자 체인의 알고리즘을 도시한 도면이다.
도130은 주어진 BW 숫자를 도 129에 주어진 알고리즘에 따라 BW 숫자체인화하는 과정을 도시한 도면이다.
시스템에서 접속된 단말기(노드)들에서 어떤 거래 행위(이하 트랜잭션)가 이루어 졌을 경우, 예를들어 텍스트나 파일(음성, 영상, 문서 파일 등)을 송신하거나 수신받을 때, 즉 사용자 및 단말기 등 본 발명의 시스템내에서 어떤 트랜잭션이 발생하였을 경우 상기 트랜잭션들은 도 131에 도시된 바와 같이 트랜잭션 box(7104)가 생성되어 지고, 여기에 존재하는 BW 넘버는 별도로 사용자가 쉽게 볼 수 있는 위치에(예를들어 Life Line의 일단에) 함께 표시하여 주고 추후 상기 사용자가 Life Line을 요약하여 볼 때 상기 사용자의 트랜잭션에 상기 BW 넘버가 도 129에 도시된 BW 체인알고리즘에 의해 생성되어 표시되어질 수 있다. 이는 기본적으로 Life Line에 BW숫자 체인을 형성하도록 한다. 상기 BW숫자는 도 129에 도시된 바와 같이 트랜잭션(송수신바)가 생성될 때 함께 생성되어지는 트랜잭션 박스내 해시값을 3으로 나눈 값인 0, 1, 2로 표현할 수도 있지만 사용자가 단말기의 표시부에 도시된 해당 값들을 보다 보기 좋게 상기 나눈 값에 +1을 더한 값으로 나타낼 수도 있다. 이 경우, 0, 1, 2 로 표시한 BW값은 1, 2, 3으로 표현될 수 있다. 또한 해당 트랜잭션(송수신바)에 포함된 트랜잭션박스의 TimeStamp 값을 3으로 나눈 값에 +1을 더한 값으로 나타낼 수도 있다. 이들은 앞서 주어진 BW 숫자값에 다음으로 생성된 BW숫자값과의 BW연산 과정을 통해 생성되는데 사용자가 이해하기 쉽도록 두개의 라인을 두고, 위의 숫자는 트랜잭션을 통해 생성되는 BW값, 아래 숫자는 이전의 두 BW숫자의 BW연산을 통해 생성되는 값으로 표현할 수 있다(도 130).
도131은 n번차(시간)에 만들어진 데이터송수신바(트랜잭션바)와 함께 생성되어진 트랜잭션 박스 그룹 및 트랜잭션 박스의 구조를 도시한 도면이다.
상기 트랜잭션 박스는 데이터 송수신바를 구성하는 요소로 추가되어질 수 있으며, 사용자의 요청에 의해 상기 트랜잭션 박스들로만 구성된 BW 체인을 사용자 단말기 표시부에 도시할 수도 있을 것이다. 또한 상기 트랜잭션 박스들은 사용자 자신만의 것으로 이루어진 상태로만 구성되어 사용자 지갑에 저장, 표시될 수 있을 것이고, 모든 사용자의 트랜잭션 박스들로 이루어진 상태로 구성될 수도 있을 것이다. 또한 여기서 상기 트랜잭션들을 통해 만들어진 BW 숫자 체인만으로 구성된 상태로 구성될 수도 있고, 이는 사용자의 요청에 따라 서로 다른 BW 체인, BW숫자 체인을 사용자의 단말기 표시부에 도시할 수 있을 것이다. 또한 사용자의 트랜잭션이 BW체인의 초기값(제네시스밸류)와 맞닿아 있는 트랜잭션 박스 또는 BW체인만 보관되어 있는 개인화된 장부, 모든 사용자의 트랜잭션 박스를 포함하는 장부, 특정 기간의 트랜잭션 박스를 포함하는 장부로 구분되어 제공되어 질 수 있을 것이며, 상기 각 장부의 시작부는 제네시스밸류와 맞닿아 있거나, 특정 기간으로 구분된 장부의 경우 각 기간의 직전 시간동안 산출된 BW체인의 직전 최종값의 해시값 등을 포함하고 있을 수 있다. 또한 트랜잭션 박스내 H(Hashed Value)값은 트랜잭션 박스내 몇개의 값을 대상으로 할 수도 있고, H값을 제외한 나머지 값 전체를 대상으로 하여 가장 마지막에 산출하도록 할 수도 있다. 또한 Add Num의 값을 반영한 H값의 특정 자리의 값이 특정 문자 또는 숫자가 되도록 제한을 걸어 해당 Add num을 찾아야지만 해당 트랜잭션 박스가 생성 완료되도록 할 수도 있다. 이러한 트랜잭션 박스내 BW숫자값으로 이루어지는 BW블록이 생성될 때 또한 트랜잭션바(데이터 송수신바)가 생성되어지며, 해당 트랜잭션 바에는 트랜잭션박스가 포함되어질 수 있다.
도132는 n번차(시간)에 만들어진 박스가 그 직전 시간인 n-1번차(시간)에 만들어진 트랜잭션 그룹내 특정 트랜잭션 박스를 (검증후)지지하는 상태를 도시한 도면이다.
도133은 n번차(시간)에 만들어진 트랜잭션 박스들로부터 최초의 트랜잭션 그룹 및 해당 그룹에 들어있는 최초의 트랜잭션 박스까지 연결되는 과정을 도시한 도면이다.
도 132에 도시된 바와 같이 BW알고리즘은 이전 텀[n-1] 중 무게W가 가장 낮은 거래 2개의 BW값이 유효한지 확인 (Validate) 후 지지(Support)지지하는 과정을 거치게 된다. 단, 현재 거래의 BW값을 만들어 낼 수 있는 BW 값을 가진 거래들을 선택한다. 이는 BW 연산 알고리즘(도 129, 도 130)을 따라 선택되도록 할 수 있다. 즉, 현재 거래의 BW값이 2라면,BW 값 2를 만들기 위한 직전 거래 BW 값 2개는 1과 3 또는 2와 2의 쌍이 되어야 할 것이다. 이와 같은 과정을 거쳐 자신의 거래를 인증함과 동시에 이전의 거래들을 검증하고 그 거래들의 무게를 늘려준다. 만약 n-1번째 거래보다 더 무게가 낮은 n-d 번째 거래가 BW값을 만족한다면, 이 거래를 우선적으로 선정하여 지지한다. 앞의 두 거래를 인증한 트랜잭션은 해당 거래의 장부를 장부 검증 알고리즘을 통해 검증한다. 이때 검증 알고리즘에 따라 Genesis Transaction까지 닿아야 검증이 완료된다. 일정 무게 이상(예를들어 무게가 10만)의 트랜잭션과 닿은 경우, 이 거래는 해당 거래부터 시작한 Genesis Transaction 까지의 압축된 데이터를 다른 사람의 장부로부터 복사해온다. 무게가 10만(이 값은 경험적으로 산출되어야 바람직할 것이다)에 이른 트랜잭션을 수정하기 위해서는 하나의 장부 내 10만개의 데이터를 변조해야하며, 이후 해당 장부를 동일하게 갖고 있는 다른 이들의 장부 또한 50.1%이상 변조하는 조작을 행해야 한다. 그러나 사용자들의 장부를 상호비교하는 시간 주기보다 짧은 시간내에 상기와 같은 조작을 행하는 것은 실질적으로 불가능하다. 따라서 사용자들의 분산된 장부는 보다 적은 수의 서버가 보관하는 장부보다 안전하게 유지되어진다고 할 수 있다. 도 133에 도시된 바와 같이 n번째 특정 거래의 BW 값을 만족하는 n-1번째 두개의 거래를 특정 알고리즘에 의해 선택시 두 거래의 BW 값이, 상기 n번째 특정 거래의 BW 값과 동일할 경우 n번째 특정 거래는 n-1번째의 두 트랜잭션(거래)를 개인 장부에 저장하고, n-1번째 두 트랜잭션의 BW 값이 서로 다른 값이라면, 두 BW 값 중에 상기 n번째 특정 거래의 BW값보다 작은 값(순서 2->1->0->2..) 하나의 거래를 장부에 저장함으로써 개인장부와 전체장부의 연속성을 특정한 방법으로 만들어 갈 수 있다. 또다른 사용자의 경우 n-1번째투 트랜잭선의 BW값이 동일할 경우 w의 값이 적은 트랜잭션을 선택하게 하고, n-1번째 두 트랜잭션의 BW 값이 서로 다른 값이라면, 두 BW 값 중에 상기 n번째 특정 거래의 BW값보다 큰 값(순서 2->0->1->2..)을 선택하게 할 수도 있다.
도134는 k번차(시간)에를 만들어진 트랜잭션 박스와 해당 박스의 사용자(노드)들을 관계를 도시한 도면이다.
이하에서는 데이터 송수신(트랜잭션, 거래 등)의 인증, 공통장부 제작자 선정 및 공통장부(BW블럭)제작과 관련된 실시예를 설명한다. 도 134에 도시된 바와 같이 k번째 그룹의 transaction 에 참여한 노드들에게만 공통장부를 만들 자격이 주어질 수 있다. 또한 노드들 중 ‘공통장부를 보관하는 저장공간과 해시파워등을 제공하지 않음’을 선택한 노드들은 BW블럭 제작 작업에 참여하지 못한다. 여기서 BW블럭은 BW퍼즐이 될 수도 있는데 이는 후술하는 실시예를 통해 자세히 설명하도록 한다.
잘못된 인증을 시도한 노드의 경우, 충분한 페널티를 가할 수 있는 구조가 마련되어야 한다. 예들들어 페널티의 조건은, 공통장부를 보관하는 노드들이 시간이 지남에 따라 새로 만들어지는 공통장부를 검증하되 상기 검증을 1회 이상, 각 차수별로 나누어 하되 3회 검증까지 마친 공통장부는 안전한 공통장부로 인정하는 방식이 될 수 있다. 그리고 잘못된 인증을 시도한 노드의 행위가 상기 검증과정에서 적발될 경우 페널티로 금전적 손해 또는 검증 노드로서의 자격을 박탈할 수 있을 것이다. 이를 위해 노드들은 일종의 보관료 등을 선지급해야 할 수도 있다.
도135는 본 발명에 따른 BW 유닛을 도시한 도면이다.
BW UNIT의 cell 에는 BW Number가 들어가며 core에는 각 cell의 합이 들어간다. 예를들어 6개의 cell로 이루어진 BW UNIT의 각 cell에 모두 1이 들어갔다면 core의 값은 6이 될 것이다.
도136은 본 발명에 따른 BW 블럭을 도시한 도면이다.
BW BLOCK에서 각 UNIT들은 다른 UNIT내 cell들과의 논리적 관계(BW 알고리즘)에 의해 관계되어질 수 있다. 예를들어 cell11과 cell21과 cell31은 BW알고리즘을 충족한다. 즉 cell11의 값이 1이고 cell21의 값이 2라면 cell31값은 3이 된다. 또한 cell11의 값이 1이고 cell 41의 값이 3이라면, cell 71의 값은 2가 된다. 이렇게 core와 cell, UNIT, BLOCK의 관계가 논리적인 관계가 유기적으로 이루어지게 된다.
도137은 본 발명에 따른 트랜잭션 블럭과 해당 블럭내 존재하는 BW 숫자 및 BW 블럭간의 관계를 도시한 도면이다.
n번째 거래 그룹의 모든 거래와, n-1번째 그룹의 일부 거래를 포함하는 BW 블럭이 제작되어진다. 노드들은 해당 그룹의 총 거래횟수에 비례해 BW유닛내 셀의 수가 정해진다. 또한 서로 다른 그룹간 BW 유닛 내 셀의 중복을 위해 기본 적으로 모든 BW 유닛을 2n(n은 자연수)로 제한하거나 특정 위치(예를들어 cell 1.1, cell 2.1, cell 3.1만 중복되어지도록 할 수도 있다.각 노드의 BW값 또는 상기 각 노드가 선택한 앞선 회차 노드의 BW값을 통해 선정(*노드선정알고리즘참고)된 노드들은 BW블럭을 만드는 과정에서 함께 선정된 다른 노드들과, BW블럭을 BW퍼즐로 만드는 계산 과정에 각 제어부가 가진 계산력을 공유하도록 선택할 수 있다. 상기 선정 과정은 랜덤하게 진행될 수 있으며, 설정에 따라 같은 모임의 사람들과 상기 계산력을 공유하도록 설정할 수도 있다. 이렇게 해당 차수에 복수개의 팀이 생성되어 각각 BW 블럭내에 최소의 BW 숫자 개수-BW숫자가 존재하는 cell의 개수- 및 core의 개수를 갖는 BW 퍼즐을 제작한다. 그리고 이 퍼즐에 대해 복수회 검증이 이루어지고 블럭을 만드는데 참여한 노드 그룹의 50%이상이 동의(계산 결과가 동일)하면 BW 블럭 생성과정이 종료되며, 상기 BW퍼즐을 만든 노드 그룹 및 검증에 참여한 노드 그룹은 BW 메인 코인을 획득하게 된다. BW 메인 코인은 전체가 한정된 수량(예를들어 BW코인 발행 한도는 최대1억개) 내에서 각 BW 블럭이 생성되었을 때 생성되는 BW코인의 수를 100개 등으로 한정하여 발행할 수도 있다. 상기 발행되는 BW코인의 수는 점진적으로 줄어들게 설계되어질 수도 있으며 점진적으로 늘어나게 설계될 수도 있으며, 항상 동일하게 설계되거나, 참여한 노드수에 따라 달리 발행되도록 설계될 수도 있다. 예를들어 참여한 노드 수당 1BW 코인이 생성되도록하여, 100개의 노드가 참여한 경우 100개의 BW코인이 발행되도록 할 수 도 있을 것이다. 이 경우 각 노드들에게 참여를 위한 BW코인을 요구할 수도 있을 것이다.
도 138과 도 139는 본 발명에 따른 BW 블럭을 BW 퍼즐로 만들기 위해 경쟁하는 노드 그룹들을 도시한 도면들이다.
이 때 최소 j개의 팀(예를들어 19팀) 최대 J개의 팀으로 나누어 경쟁하여야 한다. 또한, 거래횟수에 따라 BW퍼즐의 난이도가 결정되므로, 이에 의해 팀의 수는 유동적으로 변동될 수 있다. BW 블럭을 가장 먼저 제작한 팀이나 개인은, 퍼즐에 대한 보상으로 주어지는 일정량의 BW 코인 중 일부, 예를들어 2/3 만큼을 가져가게 하고, 나머지 코인의 2/3는 검증자 노드내에서 분할, 또 그 나머지 코인은 공통장부를 유지하고 있는 모든 노드들에게 골고루 분배되게 함으로써 본 발명에 의한 BW블럭 및 체인 시스템이 지속가능하게 운영되어질 수 있을 것이다. 여기서 생성된 BW코인은 상술한 본 발명의 다른 실시예에서 비용이 필요한 모든 부분에서 활용할 수 있도록 할 수 있다. 예를들어 모임을 개설할 때의 비용, 모임에 참여할 때의 비용, 모임에서의 정보 획득을 위해 타인에게 지불해야할 비용(예를들어 인맥맵 소개비용), 내가 참여하지 않았던 모임의 기록을 살펴보기 위해 지불해야할 비용, 모임이 종료된 모임(완전히 종료된 모임일 수도 있고 각회차가 종료된 모임일 수도 있음)에서 기존의 대화에 참여하기 위해 필요한 비용, 나의 데이터를 학습하여 AI를 만들기 위해 필요한 비용, 타인의 AI구매하기 위해 필요한 비용 등 각종 비용에 상기 BW코인을 활용할 수 있을 것이다. 만약 사용자가 BW코인을, 사용해야할 비용만큼 소유하고 있지 않다면, 다른 금전적 수단으로 BW코인을 구매한 후 상기 비용을 지불하거나, BW코인을 획득하기 위한 과정을 거쳐 BW코인을 획득하고 상기 비용을 지불하여 원하는 것, 원하는 서비스를 제공받을 수 있을 것이다. 이렇게 지불된 BW코인은 거래 상대자가 획득하게 되고, 이는 상기 소비되는 비용과정의 상대과정으로 BW를 획득하기 위한 다양한 수단이 될 것이다. 물론, 앞서 언급한대로 사용자 및 사용자가 권한을 가진 단말기들의 특정 행동으로 인해 발생한 트랜잭션이 속한 회차에서 노드로 참여해 BW코인을 받는 거나, 공통장부를 유지하면서 각 회차별로 각 회차 트랜잭션 참여자들에 의해 1회이상 검증된 BW블럭을 재검증하여 BW를 취득할 수도 있게 될 것이다. 이 과정과 별개로 제작이 완료된 BW 퍼즐의 난이도를 평가하는 프로그램에 사용자 단말기 제어부 등이 가진 계산력을 제공함으로써 BW코인을 보상으로 받을 수도 있을 것이다. 상기 계산력의 정도(예를들어 상기 계산력이 문제를 풀 때의 해시파워를 의미한다고 하면 그 단위는 Z H/s, Z KH/s, Z MH/s, Z GH/s 로 나타낼 수 있을 것이다)에 따른 난이도 테이블이 존재하고 상기 테이블에는 난이도에 따른 각 계산력, 예를들어 N-1 번째 BW퍼즐의 제작에 1GH/s이 필요할 경우, 이는 난이도 테이블 데이터에 따르 5등급의 난이도를 가지고 있으며, 이를 발굴한 그룹에게 10BW 코인을 보상하며, 해당 난이도를 증명한 그룹 또는 노드에게 1BW를 제공한다는 내용이 포함되어질 수 있다.
상기 검증자 노드는 BW블럭을 생산(BW퍼즐의 최소갯수도 만족)한 노드 그룹을 제외하고 선정하는 것이 바람직하며, 상기 선정과정에서는 BW 알고리즘을 통해, n번째 거래 그룹의 상기 검증자 노드가 갖는 해당 회차 트랜잭션에 포함된 BW숫자들을 TimeStamp에 찍힌 시간 순서대로 나열하고 BW 숫자를 BW 연산에 따라 계산한 후 최종 BW 숫자가 결정되고 나면 해당 BW 값을 가진 노드만이 공통장부를 만들 자격을 갖게 된다. 이 과정은 본 발명의 BW 블럭의 제작을 완료하기 위해 특정 갯수 이하의 노드를 선별하기 위해 필요한 과정이다. 만약, 이 과정을 통해 선별된 노드의 수가 여전히 기준수(예를들어 기준은 노드3개)를 초과할 경우에는 선별된 노드들이 서포트하고 있는 n-1번째 트랜잭션들의 BW숫자 값을 가져와서 추가적인 연산을 진행할 수도 있다. 물론 남아있는 n번째 그룹 노드들의 BW숫자들을 통해 앞서 언급된 TimeStamp를 응용한 선출 방법을 이용할 수 있다. 이때 선출된 노드의 수가 기준수 이하일 경우 선출된 노드을 기준으로 바로 앞 시간의 노드, 혹은 바로 뒤 시간의 노드를 선출하는 부가적인 방법을 이용할 수도 있다. 여기서 노드는 트랜잭션을 일으킨 주체이다.
도 140 내지 도 142는 본 발명에 따른 BW 블럭을 BW 퍼즐로 만들고 난 후 BW블럭을 잠그기 위한 노드를 선정하는 과정을 도시한 도면들이다.
최종 선출된 노드가 세개라면, 그 세 노드의 공개키로 잠금이 된다. 또한 본 발영에서 장부를 소유한 노드들은 주기적으로 자신이 소유한 장부들의 위변조를 주기적으로 검사한다. 상기 위변조를 주기적으로 검사하는 방법 중 에는 우선 상기 노드를 소유하고 있는 사용자의 인맥맵을 활용하는 방법이 사용되어질 수 있다. 자신의 인맥맵에서 장부를 소유하고 있는 사람들과 주기적으로, 사용자가 설정한 시간과 주기에 따라 장부의 위변조를 비교한다. 예를들어 사용자는 새벽 2시, Wifi를 통한 연결에서만, 1일 간격 지갑내 장부의 위변조를 검토하도록 단말기를 통해 설정할 수있다. 상기 감시자 노드들은 1차로 변화된 BW숫자 체인이 존재할 경우 해당 BW숫자체인에서 BW알고리즘을 통해 알게 되는 변화된 BW 숫자 지점을 찾아내고, 상기 BW 숫자를 다른 감시자 노드들이 보유한 BW숫자 체인과 비교한다. 이 속도는 해커가 해킹하여 BW 숫자를 변화시키는 속도보다 매우 빠르기 때문에(단순히 감시자 노드 간 BW숫자체인 비교 VS 해커가 각 감시자 노드의 BW 숫자체인 변조 과정만 비교해보아도 이 차이는 매우 크다) 변조된 지점의 BW 숫자에 대해 모든 감시자 노드 및 장부를 소유한 노드들에게 경고 알림을 보내고, 해당 알림을 받은 노드들은 해당 부분을 이미지화하여 별도로 저장해 놓도록 한다.
이 과정에서 단순 숫자 데이터가 아닌, 이미지화한 BW숫자체인내의 이미지화된 숫자는 해커가 변조하기 더욱 어려워진다. 또한 BW 숫자가 변조된 해당 트랜잭션의 내용 변화를 다른 감시자 노드들이 보유한 공통장부와 비교하고 상기 변화된 BW숫자를 가진 감시자 노드(그룹)과 동일한 BW 숫자를 가진 감시자 노드(개별 or 그룹)와 아닌 노드들의 그룹(복수의 그룹이 생성될 수 있다)의 총합 계산력을 비교하여 더 높은 계산력을 가진 그룹이 보유한 공통장부를, 나머지 그룹이 수신하여 전체 감시자 노드 및 일반 노드가 가진 공통장부 데이터를 통일하는 과정을 수행한다. 상기 컴퓨팅 파워는 일반적으로 컴퓨팅 성능 벤치마킹을 행하는 프로그램들을 통해 기본적으로 부여할 수 있으며, 상기 변조된 BW 숫자(변조된 공통장부)를 복구할 수 있는 공통장부를 더 많이 제공한 그룹에 속한 기록 등을 토대로 더 높은 점수를 부여할 수도 있다. 이는 해당 노드가 존재하는 물리적, 논리적 공간과 연결이 상대적으로 청정하게 유지 보수되고 있다고 추산할 수 있는 기준이 될 수 있기 때문이다. 이 과정에서도 각 노드들은 자신들이 보유한 인맥맵을 통해 빠른 시간 내 위변조 여부를 검토하고 상기 검토에서 위변조가 발생될 경우 사용자의 단막기 지갑에 등록된 감시자 노드들에게 해당내용을 통지할 수도 있다.
상술한 개인장부는 본 시스템에 참여하는 모든 단말기에서 소유하여야 함이 바람직하며, 공통장부, 그리고 상기 공통장부를 지속적으로 감시하는 감시자노드에 참여하여 BW코인을 얻고자 하는 단말기는 상기 개인장부를 포함한 공통장부를 모두 보유하고 있어야 함이 바람직하다. 또한 상기 공통장부와 감시자노드로 참여하는 단말기가 본 발명에 의한 시스템의 모든 거래를 원활히 포함할 수 있을 정도의 컴퓨팅 파워(CPU와 같은 컴퓨팅 프로세서, 저장 장치, 충분한 네트워크 밴드 등)을 보유하게 되면 본 발명에 의해 시스템의 중앙에서 본 발명에 의한 시스템 전반을 관리하고 통제했던 서비스서버(서버시스템) 또한 상기 공통장부와 감시자노드로 참여하는 단말기화 되어 본 발명에 의한 시스템이 중앙통제에서 점진적으로 탈중앙화되어 감이 바람직 할 것이다. 이 과정에서 본 발명에 의한 모든 시스템 혹은 시스템의 일부는 상기 본 발명에 체인시스템을 통해 생산되어지는 코인의 수량에 따라 사용자들의 의사를 반영하여 이루어짐이 바람직할 것이다. 예를들어 블럭을 만드는 시간을 조절하고 싶을 경우 BW코인을 일정 수량 가진 사용자가 안건을 제출하고, 해당 안건에 BW소유자들이 투표를 하여 상기 안건에 대한 찬부 여부를 가리고, 만약 투표 참여 수 및 찬성 수 이 기준 값 이상으로 이뤄진 경우 해당 안건을 실행하기 위한 비용을 시스템이 소유하고 있는 지갑 또는 사용자들의 지원, 또는 각출을 통해 마련할 수 있다. 또한 상기 실행을 위한 프로젝트팀을 선발하기 위한 과정도 유사한 과정을 통해 이루어질 수 있으며 해당 프로젝트팀이 해당 안건을 잘 이행했는지 여부를 판단하는 과정 또한 BW 코인을 소유한 사용자들에 의해 투표로 이루어질 수 있을 것이다.
도143은 본 발명에 따른 데이터송수신바(트랜잭션바)와 BW체인과의 관계를 도시한 도면이다. 도 143은 본 발명의 상술한 실시예 중 데이터 구분 및 송수신 관계 표현 방법과 BW체인 실시예가 어떻게 결합되어질 수 있는지 보여주는 실시예이다. 앞서 데이터 구분 및 송수신 관계 표현 방법을 설명할 때 도면을 보다 구체화하며 BW체인 실시예와 결합시킨 도면이다. 좌측의 Ray.K단말기는 좌측과 우측 라인으로 구성될 수 있다. 이들은 단말기 Life line의 일부분이다. 앞선 예제에서는 하나의 라인으로 Life Line을 표기했었지만, 이처럼 복수 개의 라인이 생성될 수 있다. 상기 Ray.K 단말기의 Life Line에서 우측라인이 단말기의 데이터송수신시 생성되는 트랜잭션바(송수신바)에 포함된 트랜잭션 박스내 BW 숫자라고 할 수 있다. 상기 우측 라인은 생성시 즉, 단말기 Life Line의 최 상단에는 제네시스 BW 숫자가 2개 존재하는 것이 BW체인을 만드는 데 수월하다. 그러나 사용자 및 단말기의 데이터 송신시 발생하는 트랜잭션 바의 데이터에 의해 랜덤하게 생성되어지는 것이 바람직할 것이다. 또한 수신시도 유사하게 생성되어지도록 할 수도 있지만, 상기 데이터 송신시 발생하는 트랜잭션바의 트랜잭션 박스 내 BW숫자와 동일한 BW숫자를 동일하게, 상기 데이터 수신시 발생하는 트랜잭션바의 트랜잭션 박스 내 입력되도록 하는 것이 보다 바람직할 것이다. 이렇게 생성된 BW 숫자는 트랜잭션바 내
트랜잭션 박스에 포함되어진다. 이 BW숫자들의 BW연산으로 Ray.K 단말기의 좌측라인이 만들어 진다. 마찬가지로 Ray.K 행위의 좌측, 우측 라인도 동일한 과정을 따른다. 이때 단말기와 사용자간 데이터 트랜잭션바에 표기되는 BW 숫자도 존재할 수 있다. 이들의 관계 또한 BW 연산에 의해 만족하며, 트랜잭션을 야기한 Life Line으로 부터 만들어진 트랜잭션 박스 내 BW 숫자로부터 시작해서 상기 BW연산이 순차적으로 이뤄질 수 있다. 예를들어 Ray.K 행위의 Life Line에서 시작된 텍스트 트랜잭션 송신바의 트랜잭션 박스 내 BW 숫자가 2이고, 상기 트랜잭션 바의 BW 숫자가 1로 계산되어질 경우, Ray.K단말기가 상기 텍스트를 수신할 때 상기 텍스트 트랜잭션 수신바의 BW 숫자는 3이 되고, 상기 텍스트 트랜잭션 송신바의 BW 숫자 1과 BW연산을 수행하여 Ray.K 단말기의 우측 Life Line에는 2라는 BW 숫자가 입력되어질 수 있다. 상기 BW 숫자 2는 텍스트 트랜잭션 수신바에 포함된, 트랜잭션 박스내 BW 숫자값이다. 이와 같이 본 발명내 BW 숫자는 주변의 BW 숫자와 깊은 연관이 있으며 항상 이러한 상태가 유지되어 BW 연산을 만족하는 BW 숫자들이 생성되어진다.
앞서 언급된 각 데이터별 BW숫자 또는 시간에 따라 산출되어지는 BW숫자들은 본 발명에 의한 애플리케이션 및 시스템에서 암호처럼 사용되어질 수 있다. 예를들어 사용자의 데이터 관리와 관련된 인증이 필요할 때 시스템은 해당 사용자가 해당 데이터를 관리할 권한이 있는지를 확인하기 위하여 시기를 특정한 후 해당 시기에 생성되어진 BW숫자의 몇자리를 요구할 수 있을 것이다. 사용자는 본 발명에 의한 애플리케이션의 또다른 프로그램에 의해 사용자의 Life Line 및 시작점에 저장된 BW숫자를 각 생성정보별로 정리되어진 파일을 소유하고 있고, 상기 요청한 “특정 시기에 어떤 트랜잭션 바에 생성되어진 BW숫자의 몇자리”에 해당하는 정보를 상기 파일에서 사용자가 직접 찾거나, 시스템이 사용자로부터 사용자 암호를 요구한 후 상기 암호가 일치할 경우 시스템이 해당 정보를 찾아 일치여부를 판단할 수 있다. 상기 과정에서 BW숫자가 요구한 몇자리의 숫자와 일치할 경우 사용자의 데이터 관리 권한을 부여할 수 있을 것이다. 상기 “BW숫자 몇자리”는 여러 트랜잭션 바, 또는 Life Line에 존재하는 BW숫자 몇자리 세트를 통해 복수개의 값을 요구할 수도 있다. 또한 출입인증과 같이 다른 단말기로 사용자의 단말기 화면을 스캔하여 사용자의 인증을 요구하는 경우, 상기 출입 인증을 위해 사용자의 단말기를 스캔하는 출입인증 단말기에서 사용자의 Life Line의 일정 구간을 설정하여 주면, 이를 통해 사용자는 사용자의 Life Line의 일정 구간의 기간을 애플리케이션을 통해 한정하여 준다. 이후 시스템 애플리케이션은 이를 3D 로 구현하고 이를 회전시키면서 트랜잭션바 내부의 특정 BW숫자 구간을 특정 암호화 알고리즘으로 인코딩한 후 출입인증과 같은 애플리케이션 시스템이 설치된 단말기의 카메라부로 스캔하는 과정을 거쳐 디코딩함으로써 사용자의 인증여부를 수행할 수도 있을 것이다.
본 발명의 실시예에 따른 모임에서 본 발명의 또다른 실시예에 따라 발행되는 각 그룹의 토큰은 서비스 서버에 기록되어질 수도 있으며 상술한 노드들에 의해 분산저장되는 장부에 기록되이질 수도 있을것이다. 상기 토큰은 모임의 호스트가 정한 규칙에 따라 게스트가 모임 참여시 일정 수량이 제공되어지거나, 일정 회수 모임에 참여시 제공되어질 수 있으며, 상기 모임 토큰을 소유할 경우 해당 모임에 대한 권한을 해당 토큰의 총 발행량 대비 소유한 량의 비율대로 가질 수도 있다.
또한 일부의 토큰은 제한된 수량으로 소수의 사람들에게만 제공될 수 있고, 해당 토큰에 대한 소유권 이전 권한은 해당 토큰을 개인전자지갑에 소유하고 있는 사용자에게 주어질 수도 있고 모임의 호스트에게 주어질 수도있으며, 해당 모임의 일반적인 토큰을 보유한 사용자들의 투표에 의해 소유권의 이전이 이루어질 수도 있다. 또한 상술한 바와 같이 모임의 성격을 살린 이미지 등이 모임의 호스트 또는 서비스서버, 사용자들에 의해 공급되어 질 수 있고 각 사용자들은 이를 구매하거나 대여함으로써 본 발명의 시스템내에서 활용할 권리를 얻을 수 있다. 상기의 권리는 다양하게 주어질 수 있는데, 예를들어 저작권을 포함한 모든 권리를 구매하거나, 일부의 사용권을 얻기 위해 구매하는 방식 등으로 나뉘어질 수 있을 것이다. 유사하게 서비스서버 또는 사용자가 학습시킨 AI 서비스 모델을 구매한 사용자에게 그 사용/재판매 등에 대한 권한을 차등하여 제공할 수도 있을 것이다. 사용자가 AI서비스 모델를 구매할 시 사용 기한이 정해진 상태로 구매할 수도 있을 것이며 이러한 판매/구매의 계약에는 다양한 방법들이 존재할 수 있을 것이다. 또한 AI 서비스모델을 구매한 후 이를 업데이트 하는 과정에서 기존의 계약을 종료하고 새로운 계약으로 대체하기 위한 과정 등에서 본발명에 의한 분산저장되는 장부를 이용할 수 있을 것이며, 앞서 설명한 다양한 권리들을 확보하고 재 판매하거나, 일정 시간이 흐른 후 자동으로 권리 권한이 자동으로 이전되거나 종료되게 하기 위하여 본발명에 의해 분산저장되는 장부를 활용함으로써 사용자들은 서비스서버의 갑작스런 서비스 종료로 인한 리스크를 고려하지 않아도 될 수 있다. 이는 주로 스마트계약(Smart Contract), 메타데이터(Metadata), 미디어 데이터(Media Data)등에 대한 권리 권한을 거래함에 있어서 주로 사용될 것이며, 상기 권리 권한의 대상은 직전에 상술한 내용들 외 앞선 실시예에서 언급했던, 오프라인모임공간을 가상화한 공간, 모임내 특정 사용자의 음성, 텍스트, 특정 사용자가 촬영하여 모임내 가상 공간에 업로드한 사진, 영상, 그림 등의 권리에 대한 판매/구매 또한 서비스서버를 이용한 방법 외 상기 분산저장되는 장부 시스템을 활용할 수 있을 것이다. 상기 모임의 토큰은 각 회차별로 발행되어질 수도 있고 각 회차별과 별개로 모임의 각회차별 토큰과 특정 비율로 교환할 수 있는 모임의 주 토큰이 존재할 수도 있을 것이다. 상기 모임의 주 토큰은 모임 참여자가 많아질 수록 모임토큰을 보유하고 있는 사람에게 지속적으로 특정비율(예를들어 이전에 발행된 모임 주 토큰의 전체 수량 대비 보유한 수량의 비율에 따라 새로 생산되어지는 모임 주 토큰의 전체 수량에서 해당 비율, 최근 참여한 회차별 모임에서의 획득한 모임 점수, 모임내 인맥지수 등의 기준에 따른 차등적 비율 등)로 지급되어질수 있을 것이다. 상술한 바와 같이 각 토큰들은 본 발명에 따라 상술한 대상들을 구매하는 용도, 사용권을 허가받는 용도, 다른 토큰이나 코인을 구매하는 용도, 실제 화폐로 환전하는 용도 등으로 사용되어질 수 있다. 이러한 결제(토큰 및 코인의 사용을포함한 각종 결제방법을 통한 결제) 데이터들 또한 데이터송수신바 (트랜잭션바)로 기록되어 사용자와 사용자 단말기, 그리고 서비스 서버 등에 기록되어질 수 있다.
또한 사용자들이 본 발명에 의한 애플리케이션을 활용하기 시작한 시점의 GPS 데이터를 기반으로 사용자의 Life Line이 생성되어지며 시작점이 되는 반경의 크기(예를들어 상기 GPS데이터를 기반으로 할경우, 전세계 사용자들을 통해 만들어지는 시작점들로 구성되는 가상의 공간은 지구와 매우 흡사할 것이고 이때 지구상에서 사용하는 길이 측정단위를 통해 상기 반경의 크기를 이야기할 수 있을 것이다)를 약 30m로 한정할 수 있을 것이다. 이렇게 사용자가 시작한 가상공간상의 땅에는 사용자들이 원하는 다양한 건물 이미지 데이터 및 그 속과 주변을 꾸밀 수 있는 다양한 이미지 데이터가 제공되어 질 수있고 이는 앞서 언급한 대로 서비스시스템이 제공하거나, 사용자가 제작할 수 있는 기본 툴을 제공하고, 상기 이미지들을 제작하여 사용자들끼리 사고 팔고 선물할 수 있는 마켓플레이스를 제공할 수도있을 것이다. 상기 이미지데이터들은 3D 이미지데이터로 제작될 수있도록 함으로써 보다 현실에 가까운 느낌을 제공할 수 있을 것이다. 이후 상기 가상공간의 땅, 그리고 상기 사용자가 만들거나 구매한 모든 이미지 데이터 등의 권리는 앞서 상술한 권리 권한 매매 방법과 그에 따른 단말기 상에 구현된 마켓 플레이스를 통해 거래할 수 있게 될 것이다. 상기 사용자의 가상 공간의 땅은 주변에 다른 사용자가 없을 경우 특정 시간(예를들어 이전에 땅을 확보한 경우, 10일)이 지나야 주변의 땅을 구매할 수있는 조건, 한 명의 사용자가 취할 수 있는 땅의 양을 한정(예를들어 100평방미터)하는 조건 등으로 과도한 땅의 취득 제약함(취득할 수 있는 땅의 크기를 해당 GPS이 속한 지역 구역(예를들어 서울)의 크기를 해당 구역에 거주하는 사람의 수로 나눈 크기의 땅이 한명의 사용자가 취할 수 있는 땅의 크기)으로써 타 사용자의 신규 진입을 원활히 할 수 있을 것이다. 또한 앞서 도면을 통해 언급한 바있는데 시간이 지나고(t1-> t2 -> t3) 데이터가 누적됨에 따라 상기 가상의 지구공간은 점점 커지게될 것이고 실제 사용자들이 단말기를 통해 볼 수있는 가상지구는 현재 시간에 따른 각자의 시작점과 땅, 건물 등의 이미지가 될 것이다. 여기서 현 시점이 t3라면 t3에 시작한 사용자는 t3 이후의 데이터만 존재하기 때문에(물론 상술한 바와 같이 이전 시간에 제작되어진 이미지, 영상, 텍스트를 첨부함으로써 과거 시간대의 기록을 저장할 수도는 있다) 해당 사용자는 Life Line이 t3 이후부터 생성되기 시작한다. 그러나 t1의 시점에서 본 발명에 따른 애플리케이션을 t1의 시점에 사용한 사용자라면 t1부터 시작된 자신의 Life Line을 살펴볼 수 있게 되고, t1의 시점에 시작한 다른 사용자들의 Life Line 중 일부를 허용된 권리 범위안에서 살펴볼 수도 있을 것이다. 이는 후술할 실시예와 연관되어지는 부분이지만, 현 설명 단계에서는 다른 사용자들의 Life Line, t1부터 t3(현재)까지 뻗어 올라간 데이터 기둥을 볼 수 있을 것이다. 여기서 본 발명에 의한 애플리케이션을 일찍 시작한 사용자들이 얻는 이득이 존재할 수 있다.
도144는 본 발명에 따른 특정시간대의 데이터에서 분기가 일어났을 경우, 해당 상황을 도시한 도면이다.
상술한 오프라인 모임, 인맥맵, 상기 오프라인 모임을 가상화하여 온오프라인 참여가 가능한 가상공간, Life Line을 통한 데이터 정리 모델, 복수의 AI 서비스 모델, 맞춤 가상인간과 분산장부를 통해 시간이 누적됨에 따라 강력한 보안을 갖는 시스템의 통합은, 사람들에게 한차원 높은 경험을 선사해 줄 수 있다. 상기 오프라인 모임, 인맥맵, 오프라인 모임의 가상화 및 온라인 모임참여 등으로 얻는 데이터가 각각의 Life Line 에 기록되어지고, 이를 통해 사용자들이 필요한 AI 모델을 학습하며, 사용자별 맞춤 가상인간을 제작이 가능하게 하고, 분산장부를 통해 각 사용자가 창출한 가치를, 서비스 제공자 리스크(사업 중단, 판매 중단 등의 서비스 제공자에 대한 리스크) 없이 소유하고 거래할 수 있게 된다. 그리고 그에 따라 분산장부의 누적량이 많아질 수록 분산 장부의 조작가능성은 점차 낮아지게 될 것이다. 상기의 실시예들을 고려하면 사용자는 과거 특정 시간에 따른 충분한 데이터가 뒷받침되었을 때, 과거 시간의 데이터로 그 당시에 일어난 일들을 가상의 세계에서 개괄적으로 구현이 가능할 것이다. 단순하게는 과거의 텍스트 대화를 살펴보는 수준부터 특정 시점의 텍스트 대화에, 당시에 존재하지 않았던 사용자가 껴들어 대화의 방향이 과거와는 전혀 다른 방향으로 진행되어질 수도 있다. 물론, 이렇게 한다고 해서 현재 시점(앞선 텍스트 대화의 시점에선 미래)의 일들이 바뀔 수는 없다. 다만, 상술한 실시예들을 통해, 상기 특정 시점의 텍스트 대화는 물론, 당시 모임에서 있었던 사람들로 구성된 가상 공간의 모임에 참여할 수도 있고, 과거 공간에 존재하는 특정 사람들은, 함께 과거의 특정 시점의 Life Line으로 이동해온 사람들로 구성되어 질 수도 있다. 또한 일부의 사람들은 현재 시점의 사용자가 특정 과거 시점에 보내(설치해) 놓은 자신의 가상인간 또는 구매하여 사용 또는 이용 권리를 확보한 타인의 가상인간일 수도 있다. 과거의 가상공간에 존재하는 사람들은 시스템이 사용자들의 과거 Life Line을 통해 일반적인 질의 응답, 움직인 수준만 구현해놓은 가상인간들이라 할 수 있을 것이다.
또한 일부는 앞서 말한대로, 해당 시간대로 애플리케이션을 통해 이동해온 사람들일 수도 있고(이들에겐 과거를 체험하게 해주는 게임과 같은 느낌일 수도 있다), 또한 일부는 앞서 말한대로, 해당 시간대로 특정 사용자가 보내(설치해)놓은 가상인간일 수도 있다. 이렇게 과거로 이동한 사용자는, 도 144에 도시된 바와 같이 사용자의 데이터가 해당 시점으로부터 분기하여 새로운 시작점을 갖고, 새로운 Life Line을 갖게 될 수 있다. 이 때 현재 시간의 Life Line에는 과거 시간으로 이동한 사용자의 행위가 기록되고, 데이터송수신바(트랜잭션바)에 O와 같은 형태(이전 도면 참고)로 새로운 Life Line과 연결되어지는 표시부를 포함하여 사용자의 데이터가 기록되어진다. 현재 시간의 Life Line은 시간에 따른 그 데이터송수신 바의 증식을 제어할 수는 없지만, 과거 시간으로 사용자가 이동(이것은 단말기 내에서의 이동을 의미한다. VR같은 기기를 사용하여 더욱 실감나는 과거를 체험할 수 있을 것이다)하여 생성된 Life Line은 사용자가 해당 시간대에서 다른 시간대로 이동할 경우 데이터 송수신 바의 증가가 중단될 수 있다. 물론 사용자가 자신의 가상인간을 보내(설치해)놓음으로써, 해당 시간대에도 데이터가 누적되어 질 수는 있을 것이다. 상기에서 사용자가 특정 과거 시간대에 접속(방문)할 때, 상기 사용자의 현재 시간에서 사용자는 자신의 가상인간을 통해 온라인 상으로 오프라인 모임의 가상 공간 및 온라인 모임, 사람들과의 일반적인 채팅을 사용자를 대신해 수행할 수 있으며, 상기 수행 과정 또한 당연히 데이터송수신바(트랜잭션바)에 기록되어지고 BW체인과 BW블럭에 저장되어질 수 있다. 만약 어떤 사용자가 자신의 가상인간을 과거의 시간대(T2시간 ~T3시간)에 보내(설치해)둠으로써 상기 시간대를 방문하는 다른 사용자는 앞서 언급한 사용자의 가상인간을 만나볼 수 있을 것이다. 이는 가상인간을 만들어 특정시간대에 보내놓지 않았더라도 온/오프라인의 모임을 기록화해 놓았다면, 해당 기록이 속한 시간대를 방문한 사람들은 시스템에 의해 최소한의 가상인간화된 모임의 참여자들을 만날 수 있을 것이다. 이때 상기 언급한 특정 시간대를 방문한 사람이 만약 다른 사용자들의 인공인간이나 과거의 모임 데이터를 통해 구현된 모임에서, 가상인간화된 모임의 참여자들과 대화를 나누거나 연략처 등을 요구할 경우 해당 사용자의 설정에 따라서, 혹은 현재의 시간대에 있는 해당 사용자에게 알림을 보내서 그들의 허락여부에 따라 연락처 데이터를 제공하여 주거나, 약속을 잡을 수 있다. 이를 통해 과거 특정인의 행적으로 현재 시간대에서 인맥을 만들 수 있게 되는 것이다. 이렇게 만들어질 수 있는 인맥맵은 도 145에 도시되어 있다.
뿐만아니라 “특정 시간대로 돌아가고 싶은 사람들의 모임”을 만들고, 예를들어 2001년 9월1일로 돌아가는 모임, 모임인원 최대 100명 최소 30명, 장소는 한국, 서울, 종로, 시청 반경 5km, 현재 18명 모집, 출발일자 2022년 1월 30일. 출발일자까지 최소인원을 채우지 못할 경우 모임 불발, 시간의 흐름은 1.5배속, 기타 중력과 같은 물리적 제한은 상세 항목 참고” 등의 조건을 걸어 모임의 특징을 특정하고 최소 인원 이상 구성이 이루어지면, 해당 사람들을 시작으로 “2001년 9월 1일의 시간대로 여행하는 모임”이 만들어지고 해당 모임에서는 시간이나 기타 물리적 제한을 상세 조절하여 원하는 가상의 공간을 체험할 수 있도록 할 수 있다. 다만, 시간을 제외한 물리적 조건이 과거의 상태와 다른 경우, 이는 현재 시간의 다른 이들에게 미치는 영향이 없도록 시스템적으로 제한할 수도 있다. 물론 시간이 흐르는 속도 또한 변경하지 않을 수도 있다. 다만, 흐름이 현재보다 몇배수 빠르게 할 경우, 예를들어 1년안에 현재의 시간과 동일하게 되도록 설정이 되었다면, 현재의 시간에 맞닿은 그 시점에서는 더이상 시간의 흐름을 빠르게 할 수 없거나, 현재 시간으로 부터 1개월 전의 과거부터 본 발명에 의한 시스템이 구축되어 실행되기 시작한 시점까지만의 과거를 체험할 수 있도록 제한할 수도 있다. 상기 모임을 위한 가상공간도 별도로 주어질 수 있으며 이들 모임에 따른 데이터 생산 및 상기 데이터들을 저장하고 활용하는 과정은 상술한 실시예들과 유사하게 이뤄질 수있다. 일반적인 모임에서 처럼, 상기 모임 또한 모임이 진행중일 때에도 추가적으로 다른 사용자들이 참여할 수 있을 것이다. 어떻게 보면 이들은 ‘그들의 시간 세상’을 창조한 것으로 볼 수도 있을 것이다. 나머지 사람들은 역사적 기록(해당 과거 시점으로부터 현재에 이르기 까지 쌓은 데이터)에 의한 데이터 관성으로 행동하는 가상인간에 가까울 것이며, 각 가상인간이 이전의 사용자와는 다른행위 및 선택을 할 수 밖에 없는 상황이 발생할 경우 그들로 인해 발생할 기존의 역사적 사건을 일으키기 위한 별도의 과정을 시간에 관여하는 AI학습모델이 현재 시점까지의 데이터를 통해 추산해냄으로써, 해당사건이 일어나도록 함이 타당하다고 할 것이다. 상기의 과정에서 단순히 서비스 서버가 해킹을 당하거나 임의로 조작되기 쉬운 환경이라면, 시간이라는 개념은 무너질 것이며, 변조 및 조작, 삭제가 불가능한 시스템이 기반이 되어야 시간으로부터 자유로운 경험을 누릴 수 있게될 것이다. 이를위해 본 발명에서는 BW체인을 활용하여 모든 데이터가 상호 영향을 미치는 시스템을 마련한 것이다. 도145는 본 발명에 따른 Ray.K의 인맥맵(도 46에서 과거시간대에서 연결된 인맥 추가 표기)을 도시한 도면4이다.
모임에 참여하는 개인의 단말기들은 기본적으로 본 발명에 의한 애플리케이션의 주요 노드들이 될 수 있다. 물론 사용자의 선택에 의해 노드가 될 것인지 아닌지 결정이 되겠지만, 애플리케이션의 노드가 되었을 경우 본인의 모임맵과 인맥맵을 얻을 수 있고 이를 기반으로 타인의 인맥맵에 대한 접근이 가능할 수 있기에 본 발명에 의한 애플리케이션의 노드가 되는 것이, 반대의 선택을 하는 것 보다 이득이 더욱 큰 것은 자명하다.
이상에서 설명한 바와 같이 본 발명의 모임은 특정 모임, 특정 지역 또는 공간 뿐만아니라 여기에 시간의 개념까지 추가한 모임의 개념을 모두 포괄하고 있다고 할 수 있다. 즉 장소와 시간에 구애 받지 않는 모임을 만들고, 참여하며 재화를 만들고 생산하며 금전적 이득까지 창출해 낼 수 있게 된다. 또한 상기 모임의 범위를 다음과 같은 조건과 방법으로 정할 수도 있을 것이다. 예를들어 특정 모임, 특정 지역 또는 공간에 방문했거나, 특정 시간에 지나간 사람의 모임, 또는 해당 모임, 해당 지역 또는 공간을 몇번 이상 참여하거나 지나가거나 방문한 사람 등 공간과 시간의 조건, 회수, 성별, 나이 등과 같은 추가적인 조건을 검색 범주 사람들을 검색하고 이들을 별도의 가상의 공간에 모이도록 요청하거나 메세지 등의 연락을 할 수도 있다. 일반적인 개념에서 상기와 같은 조건은 상호 관련이 없는 것 같을 수도 있지만, 예를들어 상기와 같은 방법으로 모임을 만들거나 연락을 취할 수 있게 함으로써 이전에 참여했던 모임, 지나갔던 지역, 방문했던 공간에서 마주쳤지만 연락처를 주고 받지 못했던 사람과의 관계를 이어나갈 수도있다. 즉 다양한 시간대에 다양한 공간의 기억을 가진 사람들로 하여금 서로 원하는 시간대, 원하는 공간 등을 조건으로 모임을, 만남을 갖게 할 수 있게 되는 것이다. 이 과정에서 사용자의 Life Line을 통해 기록되어진 사용자의 감정을 평가하여, 해당 감정을 재현하기 위하여 음향 및 시각 효과, 감각 효과, 약물 투여 등을 행할 수도 있을 것이며, 이를 위해 VR기기를 포함한 시각제어부 음향제어부, 감각제어부(예를들어 사람의 촉각 수용기를 통해 압력 진동 등의 데이터를 입력할 수 있는 촉각 인식 기제를 가진 모듈 등), 의사의 처방하에 투약가능한 약물투여제어부가 사용자의 단말기에 추가로 구성되어질 수 있을 것이다.
한편 도1에 도시된 400~420의 봇은 200 사용자단말기로 대체되어질 수도 있다. 또한 로봇의 대여 시스템을 활용하여 모임 전 상기 로봇들을 대여하여 비치해 놓을 수도 있을 것이다. 후술할 오프라인 모임 공간의 가상화를 통해 오프라인 공간과 로봇의 경로를 사람이 조절 하면서 앞에 장애물이 있을 경우 상기 장애물을 통과하는 과정에 프로그램이 개입될 수도 있으며 사용자를 통한 로봇의 움직임을 데이터화하여 AI모델의 데이터로 활용할 수도 있을 것이다. 로봇에 접속 허가를 받은 온라인참여자는 이용시간만큼 비용을 내야할 수도 있다. 모임의 호스트가 소유하는 경우도 있을 것이고, 로봇 대여 업체로부터 대여를 받을 수도 있다. 이러한 로봇들은 사용자 단말기와 같은 멀티 모달 인터페이스, 예를들어 음성 송수신기, GPS, 블루투스, Wifi, 가속도 센서 등을 포함한 로봇일 수 있다.
모임의 안내부터, 온라인에서 접속한 사람이 로봇에 접속하여, 오프라인 모임에 참여한 것처럼 이를 위한 조작 기구는 일반 스마트폰, PC부터 오큘러스와 같은 VR장치가 이용될 수 있다. 이 로봇들은 사용자가 조작한 방법, 사용자의 움직임 인식 등의 데이터를 AI모델을 구축하기 위한 의 학습 데이터로 활용해 AI 서비스 모델을 구축하여 실제 사람이 조작한 것과 같이 자연스러운 움직임, 사람과의 대화를 제공할 수도 있을 것이다. 특히 본 발명에서 설명한 실시예를 통해 모임내 움직일 경로(자율주행)과 음성인식 방법, 상대방과의 상호작용 방법 및 시스템이 제공되어 질 수 있다.
자신의 가상인간을 특정 시간의 미래로 보냄으로써 얻을 이익도 존재한다. 예를들어 사용자가 참여 예정인 모임은 미래의 시간에 시작할 것이다. 따라서 해당 모임이 온라인 참여를 지원하는 경우(오프라인 모임이라 할지라도), 우선 나의 가상인간을 미래의 모임 시간대로 보내(세팅해)놓으면, 만약 사용자가 해당 모임을 잊고 있었다 하더라도 미리 해당 시간대에 모임 참여를 설정해 놓은 사용자의 가상인간이 모임의 초반에 쓰이는 일상적인 대화에서 무리없이 대화를 이어나가게 될 것이다. 해당 가상인간은, 사용자가 정한 주제, 모임에 제출한 서베이, 사용자의 모임내 패턴 등을 기반으로 서비스서버가 제공, 추천하는 모임내 이동 동선을 따라 여러 상대를 만나 대화하고, 해당 대화를 기록하여 추후 사용자가 해당 모임에 참여할 때 자신의 가상인간이 상대와 나눈 대화를 인지할 수 있게 할 수 있을 것이다. 물론 상기 사용자의 가상인간은 사용자가 승인한 범위(시스템이 기본적으로 제공하는 범위- 날씨, 취미, 특정 주제에 대한 질의 및 응답 등)내에서만 행동하게 해야할 것이다. 만약 이러한 가상인간의 모임참여가 일상화된 다면, 호스트는 모임을 개설할 때(개설된 모임의 매 개최시), 시스템이 제공하는 메뉴 또는 호스트의 제약사항으로 “가상인간은 참여 금지”와 같은 조항을 둘 수 있을 것이며, 이 경우 가상인간의 참여는 불가능하게 될 것이다. 또한 “가상인간 여부의 표시”라는 제약사항을 둠으로써 모임내 사용자들이 각자 자신의 단말기를 통해 모임내 참여자들을 볼 때 모임에 참여한 사람이 가상인간인지 실제 사람인지 여부를 판단할 수 있게 할 수도 있다.
도146은 본 발명에 따른 실시예들의 관계를 도시한 도면이다. 본 발명은 상기에서 설명한 바와 같이, 오프라인 모임을 기반을 하여 모임에서 발생하는 데이터들의 온라인(디지털)화를 통해 온라인에서도 참여가능하도록 온-오프라인을 통합하는 방법을 제안하고, 상기 방법을 실현하기 위한 시스템을 구성하는 각 스마트폰, 서버, VR, 로봇과 같은 단말기, 인터넷, 블루투스, Wifi와 같은 네트워크, 상기 시스템 구성요소들로 이루어진 시스템을 사용하는 사용자들로 부터의 데이터 수집과 제공, 각종 AI모델의 훈련 및 AI모델 서비스 제공, 권리관계, 이들 사이에서 유도할 수 있는 상업적 가치 및 Life Line의 데이터,상기 단말기, 상기네트워크, 상기 AI시스템 이용한 가상공간과 가상시간에 대한 서비스 제공 방법 및 시스템 등을 실시예를 통해 순차적으로 설명했다. 이를 통해 본 발명의 최종 목적이라 할 수 있는 사용자들의 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용한 공간 및 시간의 통합 관리 방법 및 시스템을 최종적으로 설명낼 수 있었다.
한편, 상술한 실시예, 특히 방법들은 서버와 같은 컴퓨터를 비롯한 다양한 단말기들을 통해 실행될 수 있는 프로그램으로 작성이 가능하고, 컴퓨터 판독 가능 한 매체를 이용하여 상기 프로그램을 동작시키는 상기 서버 및 단말기들을 통해 구현될 수 있다. 또한 상술한 실시예, 방법에서 사용된 데이터들은 상기 서버 및 단말기들의 구성부인 저장매체에 다양한 수단을 통해 입출력 되어질 수 있다. 본 발명의 다양한 실시예, 방법 들을 수행하기 위해 프로그램 코드를 포함하는 저장매체는 마그네틱 저장매체, 반도체 저장매체, 광학적 저장매체와 같은 저장매체가 활용되어질 수 있다.
또한 특정한 순서로 도시된 순서도 도면은, 상술한 바와 같은 일 실시예의 원활한 설명을 위해 설정된 순서로 이해함이 바람직할 것이다. 즉, 도면으로 도시된 순서도는 실제 본 발명에 의한 서비스가 진행될 때, 어느 한 순간 이뤄지는 순서 중 하나로써 이해하여야 한다. 즉, 실제 서비스가 이루어지는 임의의 환경에서는 멀티태스킹, 병렬 프로세싱, 교차 선택과 동시 진행 등이 사용자 단말과 서비스 서버에서 동시에 이루어질 것이므로 모든 실시예에서는 순서도에 도시된 순서로만 본 발명을 이해하거나 구분하여 해석하는 것은 합리적이지 못하며, 도시되고 기술된 구성요소들은 일반적인 단일 소프트웨어로, 혹은 다수의 소프트웨어로 하나의 서버에 혹은 다수의 서버에 설치되어 실행되어질 수 있음을 이해해야 할 것이다.
이상 설명된 본 발명에 따른 실시예들은 보다 다양한 구성요소, 예를 들어 서비스 서버, 통신수단, 스마트폰과 같은 휴대용 단말기를 포함한 PC와 같은 단말기들을 통해 수행되어질 수 있는 만큼, 한정된 실시예 및 도면들에 의해 본 발명이 구속되지는 않는다. 이는 본 발명의 전반적 이해를 돕고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 상기의 기재들로부터 다양한 수정 및 변형을 꾀할 수 있기 위함으로 해석함이 바람직할 것이다. 따라서 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니되며, 본 발명의 청구범위 뿐만 아니라 이 청구범위와 균등하게 또는 등가적으로 변형된 범주 내의 것들은 본 발명의 사상 내에 속한다고 할 것이다. 즉 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 상태로 실시될 수 있다. 또한 일부 구성요소들의 나열한 후 이들 중 하나 이상을 선택적으로 사용되게 함으로써 발명의 실시예를 구성하는 것 또한 가능할 것이다. 발명의 실시예 들에서 설명되는 동작들, 구성들의 나열 순서들은 당연히 변경될 수 있으며, 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될수 있고, 또는 다른 실시예에 대응하는 구성 또는 특징과 교체될 수도 있다. 또한 청구범위에서 명시적으로 인용관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함시킬 수 있음은 자명하다 할 것이다.
본 발명에 따른 시스템을 이용하면, 오프라인 모임의 운영비가 줄어들게 된다. 또한 본 발명에 따른 시스템을 통해 오프라인에서 생성되는 데이터를 저장하고 관리할 수 있게 된다. 이 관리 방법 또한 제시되어 있기에 어떠한 소프트웨어, 애플리케이션이라 하더라도 사용자가 관리할 수 있는 수준으로 데이터를 구분할 수 있게 하여 준다. 이는 본 발명이 각 사용자가 자신의 데이터를 관리하고 매매하는 등의 산업상 활용을 위해 갖춰야할 도구를 제공할 수 있음을 의미한다. 이러한 데이터는 개인 맞춤 AI 모델을 제공하기 위한 필요한 상업적 도구라고 할 수 있을 것이다. 이러한 도구로 개인 맞춤 AI 모델을 생성할 경우 각 AI를 사고 파는 산업상 활용 가능성도 존재한다.
또한 본 발명에서의 사회적 인맥지수(Social Map Score, SMS)는 상당히 다양한 분야에서 활용될 수 있을 것이라 예상된다. 예를들어 인맥지수에 따른 사회적 신용도와 관련된 메타 데이터도 생성이 가능하며, 사회적 인맥지수와 IQ 등과의 상관관계, 사회적 인맥지수와 직업과의 상관관계, 사화적 인맥지수와 연봉과의 상관관계 등의 결과에 따라 신용도 조사기관에서 상기의 사회적 인맥지수를 대출에 필요한 주요 수치, 또는 상대적 수치로 사용할 수 있을 것이며, 대출 가능성 및 이자 등과 관련해서 영향을 미칠 가능성도 있을 것이다. 마찬가지로 앞서 언급한 인맥 추천, 소개 과정에서도 활용될 수 있으며 이는 추천, 소개하는 사람과 그 소개를 받는 사람등 관계자들에게 있어서 신뢰도를 판단할 때 중요한 수치가 될 것이 자명하다.
100 : 인터넷, 네트워크
200 : 외부단말 - 사용자-호스트, 202, 204,206, ...
210 : 외부단말 - 사용자-게스트, 212, 214,216, ...
220 : 외부단말 - 서드파티, 222, 224,226, ...
230 : 외부단말 - 사용자 위치추적, 232, 234,236 ,...
모임 진행 중 경우 각 사용자의 위치를 실시간으로 팍악하기 위한
영상촬영용 단말, 사용자 200 외부단말이 이용될 수 있다.
240 : 외부단말 - 사용자영상녹화음성녹음, 242, 244, 246, ...
모임 진행 중 경우 경우 각 사용자의 영상을 촬영하거나 대화를
실시간으로 녹음하기 위한 단말, 사용자 200 외부단말이 이용될
수 있다.
300 : 서비스서버
310 : AI서버
400 : 안내봇 - 402, 404, 406, ...
410 : 앵커봇 - 412, 414, 416, ...
420 : 대리봇 - 422, 424, 426, ...

Claims (1)

  1. 2개 이상의 사용자 단말기가 통신 가능한 네트워크 상에 연결되어 상기 사용자들의 활동을 기록하는 시스템에 있어서,

    제1 사용자가 제1 단말기로 제2 사용자를 특정할 수 있는 문자, 숫자, 코드 중 적어도 하나를 포함하여 스캔하는 단계;

    제2 사용자가 제2 단말기를 통해 사전 설정한 데이터를 제1 단말기가 습득하는 단계를 통해

    복수의 사용자가 상호간 데이터를 주고 받을 수 있는 것을 특징으로 하는 데이터를 수집, 저장, 제어, 학습 및 활용 시스템
KR1020220013894A 2022-02-03 2022-02-03 사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템 KR20230117767A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220013894A KR20230117767A (ko) 2022-02-03 2022-02-03 사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220013894A KR20230117767A (ko) 2022-02-03 2022-02-03 사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20230117767A true KR20230117767A (ko) 2023-08-10

Family

ID=87560846

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220013894A KR20230117767A (ko) 2022-02-03 2022-02-03 사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20230117767A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117349798A (zh) * 2023-12-05 2024-01-05 西南石油大学 一种基于非均衡回归的机械钻速预测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
1. 인터넷 전자지도를 이용한 만남과 모임의 서비스방법
멀티모달 인터페이스 개발을 위한 휴먼-컴퓨터 인터랙션 설계(임미정 아주대학교, 2006)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117349798A (zh) * 2023-12-05 2024-01-05 西南石油大学 一种基于非均衡回归的机械钻速预测方法及系统
CN117349798B (zh) * 2023-12-05 2024-02-23 西南石油大学 一种基于非均衡回归的机械钻速预测方法及系统

Similar Documents

Publication Publication Date Title
US11805091B1 (en) Social topical context adaptive network hosted system
Anderson et al. The metaverse in 2040
West The future of work: Robots, AI, and automation
Erickson Social computing
Gemignani et al. Data fluency: Empowering your organization with effective data communication
Bloom Monitored: Business and Surveillance in a Time of Big Data
US20220129064A1 (en) Methods, systems, apparatuses, and devices for facilitating modifying environments based on user preferences
Brubaker Hyperconnectivity and its discontents
Havens Hacking happiness: Why your personal data counts and how tracking it can change the world
Weber Digitalization for value creation
KR20230117767A (ko) 사용자 행동 데이터 및 멀티 모달 단말기를 기반으로 데이터를 수집, 저장, 제어, 학습 및 활용 방법 및 시스템
Andrejevic et al. Media backends: digital infrastructures and sociotechnical relations
Wang Creativity and data marketing: A practical guide to data innovation
Martins et al. Metaversed: See beyond the hype
Murala et al. Artificial Intelligence in the Development of Metaverse
Sen Doing Digital: The Guide to Digital for Non-Technical Leaders
Nour Co-Create: How your Business will profit from innovative and strategic collaboration
Todorovic Rethinking strategy for creative industries: Innovation and interaction
Jones Platform DIY: Examining the impact of social media on cultural resistance in contemporary DIY music
Chown et al. Meaningful Technologies: How Digital Metaphors Change the Way We Think and Live
Rasch Let’s Get Physical. A Sample of INC Longforms, 2015-2020
Grau et al. Why Brands Still Cause Trouble: Revisiting Holt's dialectical theory of consumer culture and branding
US20240113880A1 (en) Event signifiers connected to social- or group-based visual representations of cryptographic objects
Meli Niches. A study on the digital evolution of the fashion industry and its new possibilities
Williams Blog to be Real: A Mixed Methods Approach to Defining, Measuring, and Determining Predictors of Blogger Authenticity