WO2022085829A1 - 서비스 생성 방법 - Google Patents

Abstract

본 발명의 일 실시예에 따른 인공 신경망 모델을 이용하여 서비스를 생성하는 방법은, 학습 데이터의 전처리를 수행하는 데이터 처리 단계; 전처리 된 학습 데이터에 기초하여 인공 신경망 모델을 학습시키는 모델 학습 단계; 및 상기 서비스를 구성하는 하나 이상의 구성요소들을 편집하는 입력 및 상기 하나 이상의 구성요소들 간의 연결관계를 설정하는 입력을 수신하는 서비스 메이킹 단계를 포함할 수 있다. 이때 상기 하나 이상의 구성요소들은 상기 인공 신경망 모델을 포함할 수 있다.

Description

서비스 생성 방법

본 발명의 실시예들은 사용자의 학습 데이터와 사용자가 선택한 인공 신경망 모델을 이용하여 개인화된 서비스를 생성하는 방법에 관한 것이다.

최근 인공지능 기술의 발달과 보급으로 다양한 분야에서 인공지능을 도입하고자 하는 시도가 점차 증가하고 있는 추세이다. 그러나 기존의 서비스에 인공지능을 도입하기 위해서는 해결해야 할 문제점이 산적해 있어 인공지능의 도입을 더디게 하고 있는 실정이다.

보다 구체적으로 기존의 서비스에 인공지능을 도입하기 위해서는 새롭게 인공지능 개발자를 채용해야 하고, 많은 도입 비용을 지출해야 하는 근본적인 문제점이 있었다. 또한 인공지능을 도입하더라도 결과물의 수준이 높지 않아, 인공지능의 도입 전에 비해서 서비스의 수준이 월등히 향상되지 못하는 문제점 또한 있었다.

인공지능 개발자를 직접 채용하는 경우를 가정하여 살펴보면, 현재 인공지능 개발자가 많지 않은 상황에 놓여있기에 개발자의 채용을 위해서는 많은 급여를 지급해야 하는 상황이고, 기업의 규모가 작을수록 실력이 있는 인공지능 개발자를 채용하기 어려운 문제점이 있었다.

또한 기존의 관리 인력이 인공지능과 관련된 지식 수준이 높지 않아 인공지능 개발자와의 커뮤니케이션이 원활하게 이루어지지 않을 가능성이 높고 이로 인해 원하는 수준으로 서비스를 개발하지 못하는 문제점이 있었다.

이러한 문제점을 해결하기 위해 인공지능을 이용하는 서비스를 외주 형태로 개발하는 방안들이 고려되고 있으나, 그와 같은 방안도 여전히 부담스러운 지출을 요하며 추후 유지 보수가 사실상 불가능하다는 점에서 많은 문제점들을 안고 있다.

이와 같이 기존의 서비스에 인공지능을 도입하기 위해서는 해결해야 할 문제점이 많기에 많은 기업들이 인공지능을 적극적으로 도입하지 못하고 있으며, 산업 전반에 걸쳐서 인공지능이 도입되는 속도가 증가되지 못하고 있는 실정이다.

본 발명은 상술한 문제점들을 해결하기 위한 것으로, 인공지능에 대한 전문적인 지식 없이도 높은 수준의 인공지능 활용 서비스를 생성할 수 있도록 하고자 한다.

본 발명의 일 실시예에 따른 인공 신경망 모델을 이용하여 서비스를 생성하는 방법은, 학습 데이터의 전처리를 수행하는 데이터 처리 단계; 전처리 된 학습 데이터에 기초하여 인공 신경망 모델을 학습시키는 모델 학습 단계; 및 상기 서비스를 구성하는 하나 이상의 구성요소들을 편집하는 입력 및 상기 하나 이상의 구성요소들 간의 연결관계를 설정하는 입력을 수신하는 서비스 메이킹 단계를 포함할 수 있다. 이때 상기 하나 이상의 구성요소들은 상기 인공 신경망 모델을 포함할 수 있다.

상기 데이터 처리 단계는 상기 학습 데이터를 획득하는 단계; 및 상기 학습 데이터 및 사용자의 입력에 기초하여, 입력 데이터 및 출력 데이터를 포함하는 전처리 된 학습 데이터를 생성하는 단계;를 포함할 수 있다.

상기 전처리 된 학습 데이터를 생성하는 단계는 상기 학습 데이터의 시각화 데이터를 생성하는 단계; 및 상기 시각화 데이터에 대한 상기 사용자의 입력에 기초하여, 상기 입력 데이터 및 상기 출력 데이터 중 적어도 하나를 생성하는 단계;를 포함할 수 있다.

상기 전처리 된 학습 데이터를 생성하는 단계는 상기 시각화 데이터에서 상기 사용자의 입력에 대응되는 부분에 대한 분석 결과를 제공하는 단계; 및 상기 분석 결과에 대한 상기 사용자의 입력에 기초하여 상기 입력 데이터 및 상기 출력 데이터 중 적어도 하나를 생성하는 단계;를 더 포함할 수 있다.

상기 모델 학습 단계는 인공 신경망 모델의 타입을 선택하는 제1 인터페이스를 제공하는 단계; 및 선택된 타입에 따른 인공 신경망 모델에 대한 적어도 하나의 파라미터를 설정하는 제2 인터페이스를 제공하는 단계;를 포함할 수 있다.

상기 모델 학습 단계는 입력 데이터와 출력 데이터가 서로 대응된 형태로 상기 전처리 된 학습 데이터를 제공하는 제3 인터페이스를 제공하는 단계;를 더 포함할 수 있다.

상기 모델 학습 단계는 상기 인공 신경망 모델에 테스트 입력 데이터를 입력하고, 상기 테스트 입력 데이터에 대한 테스트 출력 데이터를 제공하는 제4 인터페이스를 제공하는 단계;를 더 포함할 수 있다.

상기 서비스 메이킹 단계는 서비스에 추가 가능한 하나 이상의 후보 구성요소에 대응되는 개체들이 표시되는 제5 인터페이스를 제공하는 단계; 및 상기 서비스를 구성하는 하나 이상의 구성요소에 대응되는 개체들이 나열되는 제6 인터페이스를 제공하는 단계;를 포함할 수 있다.

상기 서비스 메이킹 단계는 상기 제5 인터페이스에서 선택된 개체를 상기 제6 인터페이스에 추가하고, 상기 서비스에 상기 선택된 개체와 대응되는 구성요소를 추가하는 단계; 및 상기 제6 인터페이스 상에서 제1 개체와 제2 개체를 서로 연결하는 사용자의 입력에 따라 상기 제1 개체에 대응되는 구성요소와 상기 제2 개체에 대응되는 구성요소를 연관시키는 단계;를 포함할 수 있다.

상기 구성요소를 연관시키는 단계는 상기 제1 개체에 대응되는 구성요소의 출력 데이터를 상기 제2 개체에 대응되는 구성요소의 입력 데이터로 결정하는 단계;를 포함할 수 있다.

상기 서비스 메이킹 단계는 상기 제5 인터페이스 및 상기 제6 인터페이스 중 어느 하나에서 선택된 개체에 대응되는 구성요소의 적어도 하나 이상의 속성값을 설정하는 제7 인터페이스를 제공하는 단계; 및 상기 제7 인터페이스에 대한 사용자의 입력에 따라 상기 선택된 개체에 대응되는 구성요소의 속성값을 변경하는 단계;를 더 포함할 수 있다.

상기 하나 이상의 후보 구성요소는 상기 전처리 된 학습 데이터에 기초하여 학습된 인공 신경망 모델을 포함할 수 있다.

본 발명에 따르면 인공지능에 대한 전문적인 지식 없이도 높은 수준의 인공지능 활용 서비스를 생성할 수 있다.

또한 본 발명에 따르면 사용자가 자신의 데이터 또는 자신이 사용하고자 하는 원본 데이터로부터 인공 신경망 모델의 학습을 위한 학습 데이터를 손쉽게 생성할 수 있다.

또한 본 발명에 따르면 사용자는 자신이 선택한 인공 신경망 모델을 자신의 학습 데이터로 학습시켜 개인화된 인공 신경망 모델을 생성할 수 있다.

또한 본 발명에 따르면 서비스를 구성하는 구성요소들을 손쉽게 추가, 삭제하여 사용자가 서비스를 간편하게 생성할 수 있도록 하며, 특히 개인화된 인공 신경망 모델을 서비스의 생성에 있어서 하나의 선택 가능한 구성요소로써 제공함으로써 서비스에 인공지능을 쉽게 도입할 수 있도록 한다.

도 1은 본 발명의 일 실시예에 따른 인공지능 서비스 생성 시스템의 구성을 개략적으로 도시한 도면이다.

도 2는 본 발명의 일 실시예에 따른 서버의 구성을 개략적으로 도시한 도면이다.

도 3은 학습 데이터가 음성 데이터인 경우의 전처리 된 학습 데이터를 생성하는 과정을 설명하기 위한 도면이다.

도 4는 학습 데이터가 이미지 데이터인 경우의 전처리 된 학습 데이터를 생성하는 과정을 설명하기 위한 도면이다.

도 5는 제1 사용자 단말에 제1 인터페이스가 제공된 화면의 예시이다.

도 6은 제1 사용자 단말에 제2 인터페이스가 제공된 화면의 예시이다.

도 7은 사용자의 입력에 따라 서비스를 생성하기 위한 인터페이스들이 표시된 화면을 도시한 도면이다.

도 8 내지 도 9는 본 발명의 일 실시예에 따른 제어부에 의해 수행되는 서비스 생성 방법을 설명하기 위한 흐름도이다.

본 발명의 일 실시예에 따른 인공 신경망 모델을 이용하여 서비스를 생성하는 방법은, 학습 데이터의 전처리를 수행하는 데이터 처리 단계; 전처리 된 학습 데이터에 기초하여 인공 신경망 모델을 학습시키는 모델 학습 단계; 및 상기 서비스를 구성하는 하나 이상의 구성요소들을 편집하는 입력 및 상기 하나 이상의 구성요소들 간의 연결관계를 설정하는 입력을 수신하는 서비스 메이킹 단계를 포함할 수 있다. 이때 상기 하나 이상의 구성요소들은 상기 인공 신경망 모델을 포함할 수 있다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 형태는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.

도 1은 본 발명의 일 실시예에 따른 인공지능 서비스 생성 시스템의 구성을 개략적으로 도시한 도면이다.

본 발명의 일 실시예에 따른 인공지능 서비스 생성 시스템은 사용자의 학습 데이터를 전처리하여 인공 신경망의 학습에 사용 가능하도록 할 수 있다.

또한 본 발명의 일 실시예에 따른 인공지능 서비스 생성 시스템은 사용자가 선택한 인공 신경망 모델을 사용자의 학습 데이터를 이용하여 학습시킬 수 있다.

또한 본 발명의 일 실시예에 따른 인공지능 서비스 생성 시스템은 사용자가 인공지능 서비스를 구성하는 하나 이상의 구성요소들을 편집할 수 있도록 하며, 이때 구성요소로써 사용자에 의해 생성된 인공 신경망 모델이 포함되도록 할 수 있다.

이와 같이 본 발명은 사용자가 자신의 학습 데이터로부터 인공지능을 이용한 서비스를 생성하는 일련의 과정을 수행할 수 있도록 한다.

본 발명의 일 실시예에 따른 인공지능 서비스 생성 시스템은 도 1에 도시된 바와 같이 서버(100), 제1 사용자 단말(200), 제2 사용자 단말(300) 및 통신망(400)을 포함할 수 있다.

본 발명의 일 실시예에 따른 제1 사용자 단말(200) 및 제2 사용자 단말(300)은 사용자들이 서버(100)에 의해 제공되는 다양한 서비스를 이용할 수 있도록 사용자들과 서버(100)를 매개하는 다양한 형태의 장치를 의미할 수 있다.

본 발명의 일 실시예에서 제1 사용자 단말(200)은 인공지능 서비스를 제작하는 사용자의 단말일 수 있다. 따라서 제1 사용자 단말(200)은 서버(100)로부터 수신한 데이터에 기초하여 인공지능 서비스를 생성하기 위한 인터페이스들을 표시할 수 있다.

본 발명의 일 실시예에서 제2 사용자 단말(200)은 생성된 인공지능 서비스를 이용하는 서비스 이용자의 단말일 수 있다. 따라서 제2 사용자 단말(200)은 서버(100)로부터 수신한 데이터에 기초하여 제1 사용자 단말(200)의 사용자가 생성한 서비스를 제공할 수 있다.

이와 같은 사용자 단말(200, 300)은 도 1에 도시된 바와 같이 휴대용 단말(201 내지 203, 301 내지 303)을 의미할 수도 있고, 컴퓨터(204, 304)를 의미할 수도 있다.

본 발명의 일 실시예에 따른 사용자 단말(200, 300)은 상술한 기능을 수행하기 위해 콘텐츠 등을 표시하기 위한 표시수단, 이러한 콘텐츠에 대한 사용자의 입력을 획득하기 위한 입력수단을 구비할 수 있다. 이 때 입력수단 및 표시수단은 다양하게 구성될 수 있다. 가령 입력수단은 키보드, 마우스, 트랙볼, 마이크, 버튼, 터치패널 등을 포함할 수 있으나 이에 한정되지 않는다.

도 1에는 제1 사용자 단말(200)과 제2 사용자 단말(300) 각각이 모두 단수개인 것으로 도시되었지만, 이와 같은 수량은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 제1 사용자 단말(200) 및 제2 사용자 단말(300) 각각은 복수일 수도 있다.

본 발명의 일 실시예에 따른 통신망(400)은 시스템의 각 구성 간의 데이터 송수신을 매개하는 수단을 의미할 수 있다. 이와 같은 통신망(400)은 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 서버(100)는 제1 사용자 단말(200)의 사용자가 자신의 학습 데이터로부터 인공지능을 이용한 서비스를 생성하는 일련의 과정을 수행할 수 있도록 한다. 가령 서버(100)는 사용자의 학습 데이터를 전처리하여 인공 신경망의 학습에 사용 가능하도록 할 수 있다. 서버(100)는 사용자의 학습 데이터를 이용하여 사용자가 선택한 인공 신경망 모델을 학습시킬 수 있다. 서버(100)는 사용자가 인공지능 서비스를 구성하는 하나 이상의 구성요소들을 편집할 수 있도록 하며, 이때 구성요소로써 사용자에 의해 생성된 인공 신경망 모델이 포함되도록 할 수 있다.

도 2는 본 발명의 일 실시예에 따른 서버(100)의 구성을 개략적으로 도시한 도면이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 서버(100)는 통신부(110), 제어부(120) 및 메모리(130)를 포함할 수 있다. 또한 도면에는 도시되지 않았으나, 본 발명의 일 실시예에 따른 서버(100)는 입/출력부, 프로그램 저장부 등을 더 포함할 수 있다.

통신부(110)는 서버(100)가 사용자 단말(200, 300)과 같은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.

제어부(120)는 프로세서(Processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(Processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(Microprocessor), 중앙처리장치(Central Processing Unit: CPU), 프로세서 코어(Processor Core), 멀티프로세서(Multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

메모리(130)는 서버(100)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리는 자기 저장 매체(Magnetic Storage Media) 또는 플래시 저장 매체(Flash Storage Media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 가령 메모리(130)는 사용자에 의해 생성된 인공 신경망 모델과 관련된 파라미터들을 일시적 및/또는 영구적으로 저장할 수 있다.

이하에서는 서버(100)의 제어부(120)가 인공지능 서비스를 생성하는 과정을 중심으로 설명한다.

1. 데이터 전처리

본 발명의 일 실시예에 따른 제어부(120)는 사용자의 학습 데이터를 전처리 하여 인공 신경망 모델의 학습에 적합한 형태로 변환할 수 있다.

본 발명에서 '학습 데이터'는 인공 신경망 모델의 학습에 사용되는 데이터로써, 서로 상관 관계를 갖는 입력 데이터와 출력 데이터를 포함하지만 인공 신경망 모델의 학습을 위한 포맷(Foramat)으로 작성되지 않은 데이터를 의미할 수 있다. 가령 학습 데이터는 복수의 음성 구간을 포함하는 음성 데이터 일 수도 있고, 복수 종류의 인식 대상 개체를 포함하는 이미지 데이터 일 수도 있다. 이와 같이 학습 데이터는 인공 신경망 모델의 학습을 위한 데이터를 포함하지만 인공 신경망 모델의 학습에 적합한 형태로 가공되지 않은 원시적인 데이터(또는 원본 데이터)를 의미할 수 있다.

본 발명에서 '인공 신경망 모델'은 학습 데이터에 기초하여 입력 데이터와 출력 데이터 간의 상관관계를 학습하는 다양한 형태의 모델을 의미할 수 있다. 이와 같은 인공 신경망 모델은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)으로 구성될 수 있다. 또한 인공 신경망 모델은 학습을 통하여 개별 인공 뉴런(노드)의 가중치를 적절하게 학습시키고, 입력 데이터에 개별 인공 뉴런(노드)의 학습된 가중치를 반영시킴으로써 출력 데이터를 생성할 수 있다.

이와 같은 인공 신경망 모델은 가령 CNN 모델, RNN 모델 및 LSTM 모델로써 구현될 수 있다. 다만 상술한 인공 신경망 모델을 예시적인것으로, 학습 데이터에 기초하여 입력과 출력간의 상관관계를 학습할 수 있는 모델은 본 발명의 인공 신경망 모델에 해당할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)가 학습 데이터를 전처리 하는 과정을 보다 상세히 살펴보면, 먼저 제어부(120)는 전처리 대상이 되는 학습 데이터를 획득할 수 있다.

본 발명의 일 실시예에서, 제어부(120)는 제1 사용자 단말(200)로부터 학습 데이터를 획득할 수 있다. 가령 본 발명의 일 실시예에 따른 제어부(120)는 제1 사용자 단말(200)에 데이터를 업로드 하는 인터페이스를 제공하고, 해당 인터페이스를 통해 제1 사용자가 업로드한 학습 데이터를 수신할 수 있다.

본 발명의 다른 실시예에서, 제어부(120)는 외부장치(미도시)로부터 학습 데이터를 획득할 수 있다. 가령 본 발명의 다른 실시예에 따른 제어부(120)는 사용자가 입력하거나 선택한 데이터 제공 서버(미도시)로부터 학습 데이터를 수신할 수 있다. 이때 데이터 제공 서버(미도시)는 학습 데이터 판매 서비스를 사용자에게 제공하는 서버일 수도 있고, 공개 및/또는 공공 학습 데이터를 제공하는 서버일 수도 있다.

또한 본 발명의 다른 실시예에 따른 제어부(120)는 사용자가 입력한 웹 페이지로부터 학습 데이터를 수신할 수도 있다.

다만 전술한 학습 데이터 획득 방식들은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 획득된 학습 데이터 및 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터를 포함하는 전처리 된 학습 데이터를 생성할 수 있다.

전술한 바와 같이 '학습 데이터'는 입력 데이터와 출력 데이터를 포함하지만 인공 신경망 모델의 학습을 위한 포맷(Foramat)으로 작성되지 않은 데이터를 의미할 수 있다. 따라서 이와 같은 학습 데이터를 인공 신경망 모델의 학습에 사용하기 위해서는 학습에 적합한 형태로 변환이 필요할 수 있다.

본 발명의 일 실시예에서 제어부(120)는 학습 데이터의 시각화 데이터를 생성하고, 생성된 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 이때 본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에서 사용자의 입력에 대응되는 부분에 대한 분석 결과를 제공할 수 있다. 또한 제어부(120)는 제공된 분석 결과에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다.

도 3은 학습 데이터가 음성 데이터인 경우의 전처리 된 학습 데이터를 생성하는 과정을 설명하기 위한 도면이다.

설명의 편의를 위해 학습 데이터에 음성 데이터가 포함되어 있으며, 제1 사용자 단말(200)에 도 3에 도시된 화면(510)이 표시되는 것 임을 전제로 설명한다. 또한 전처리 된 학습 데이터에 포함되는 입력 데이터는 음성 데이터이고, 출력 데이터는 음성 데이터에 대응되는 텍스트 데이터임을 전제로 설명한다.

상술한 전제 하에, 본 발명의 일 실시예에 따른 제어부(120)는 음성 데이터로부터 시각화 데이터를 생성할 수 있다. 가령 제어부(120)는 음성 데이터로부터 도 3의 시각화 데이터 표시 영역(511)에 도시된 그래프 형태의 시각화 데이터를 생성할 수 있다. 이때 그래프 형태의 시각화 데이터는 시간의 흐름에 따라 음성 데이터의 음의 높낮이, 음량, 주파수 등을 도시한 것 일 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 가령 제어부(120)는 시각화 데이터 표시 영역(511)에 도시된 그래프 형태의 시각화 데이터의 적어도 일부 구간을 선택하는 사용자의 입력에 따라, 해당 구간에 포함되는 음성 데이터에 기초하여 입력 데이터를 생성할 수 있다. 예를 들어 제어부(120)는 해당 구간에 포함되는 음성 데이터 만을 포함하는 입력 데이터를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에서 사용자의 입력에 대응되는 부분에 대한 분석 결과를 제공할 수 있다. 가령 제어부(120)는 도 3의 분석 결과 표시 영역(512)에 도시된 바와 같이, 사용자 선택한 구간에 포함되는 음성 데이터를 텍스트로 변환한 결과를 분석 결과로써 제공할 수 있다. 이때 본 발명의 일 실시예에 따른 제어부(120)는 다양한 공지의 기술을 이용하여 음성 데이터를 텍스트 데이터의 형태로 변환할 수 있다.

본 발명의 선택적 실시예에서 사용자는 시각화 데이터 표시 영역(511)에서 복수의 불연속적인 구간을 선택하고, 제어부(120)는 개별 구간 각각에 대응되는 입력 데이터를 생성할 수 있다. 또한 제어부(120)는 분석 결과 표시 영역(512)에 각각의 입력 데이터에 대응되는 텍스트 데이터를 제공할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제공된 분석 결과에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 가령 제어부(120)는 분석 결과 표시 영역(512)에 제공된 텍스트 데이터를 선택하여 해당 텍스트 데이터를 출력 데이터로 선택(또는 확정)할 수 있다.

또한 제어부(120)는 분석 결과 표시 영역(512)에 제공된 텍스트 데이터를 선택하여 편집 영역(514)으로 불러와서 편집한 뒤, 편집 된 텍스트 데이터를 출력 데이터로 선택(또는 확정)할 수도 있다. 다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 선택적 실시예에서, 제어부(120)는 생성된 입력 데이터 및 출력 데이터를 서로 대응시켜 제공할 수 있다. 가령 제어부(120)는 데이터 현황 표시 영역(513)을 통하여 개별 입력 데이터 관련 정보와 출력 데이터 관련 정보를 서로 대응시켜 표시할 수 있다. 예를 들어 제어부(120)는 입력 데이터를 표시함에 있어서, 학습 데이터에서 해당 입력 데이터가 위치하는 구간에 대한 정보, 해당 구간에서의 음성을 재생하기 위한 인터페이스를 표시할 수 있다. 또한 제어부(120)는 출력 데이터를 표시함에 있어서, 입력 데이터로부터 생성된 텍스트 데이터를 표시할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

도 4는 학습 데이터가 이미지 데이터인 경우의 전처리 된 학습 데이터를 생성하는 과정을 설명하기 위한 도면이다.

설명의 편의를 위해 학습 데이터에 이미지 데이터가 포함되어 있으며, 제1 사용자 단말(200)에 도 4에 도시된 화면(520)이 표시되는 것 임을 전제로 설명한다. 또한 전처리 된 학습 데이터에 포함되는 입력 데이터는 이미지 데이터이고, 출력 데이터는 이미지 데이터 내의 적어도 일부 영역의 선택 정보 및 해당 영역에 대한 태그임을 전제로 설명한다.

상술한 전제 하에, 본 발명의 일 실시예에 따른 제어부(120)는 이미지 데이터로부터 시각화 데이터를 생성할 수 있다. 가령 제어부(120)는 이미지 데이터를 기 설정된 방식에 따라 보정하여 도 4의 시각화 데이터 표시 영역(522)에 도시된 이미지 형태의 시각화 데이터를 생성할 수 있다.

이때 '기 설정된 방식으로 보정하는 것'은 이미지의 적어도 하나의 속성값을 미리 설정한 값으로 변경하는 것을 의미할 수 있다. 예를 들어 '기 설정된 방식으로 보정'하는 것 이미지의 선명도를 미리 설정한 값으로 변경하거나, 이미지의 크기를 미리 설정한 값으로 변경하는 것을 의미할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 가령 제어부(120)는 사용자가 시각화 데이터 표시 영역(522)에 도시된 이미지의 적어도 일부 영역을 선택하고, 선택된 영역에 대한 태그를 입력(또는 선택)함에 따라 영역에 대한 특징 정보와 태그를 포함하는 출력 데이터를 생성할 수 있다. 이때 사용자는 시각화 데이터 표시 영역(522)에 도시된 이미지의 적어도 일부 영역을 선택하고, 태그 선택 영역(521)에 표시된 태그 중 어느 하나를 선택함으로써 영역 선택과 해당 영역에 대한 태그 입력을 수행할 수 있다. 바꾸어말하면 본 발명의 일 실시예에 따른 제어부(120)는 태그 선택 영역(521)에 표시된 태그 중 어느 하나를 선택하는 사용자의 입력과 시각화 데이터 표시 영역(522)에 도시된 이미지의 적어도 일부 영역을 선택하는 사용자의 입력에 기초하여 출력 데이터를 생성할 수 있다.

본 발명의 선택적 실시예에서, 제어부(120)는 출력 데이터의 생성에 필요한 도구들을 함께 제공할 수 있다. 가령 제어부(120)는 도구 표시 영역(523)에 표시된 바와 같이 시각화 데이터를 확대 또는 축소하기 위한 도구, 시각화 데이터의 표시 부분을 변경하기 위한 도구 등을 제공할 수 있다. 다만 이와 같은 도구들은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

한편 도 3 및 도 4에서는 학습 데이터가 음성 데이터 및 이미지 데이터인 경우를 예시적으로 설명하였지만, 본 발명의 사상이 이에 한정되는 것은 아니다. 가령 학습 데이터가 텍스트 데이터인 경우에도 본 발명의 일 실시예에 따른 제어부(120)는 텍스트 데이터에 대응되는 시각화 데이터를 생성하고, 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다.

이하에서는 상술한 과정에 따라 전처리 된 학습 데이터가 생성되었음을 전제로 제어부(120)가 인공 신경망 모델을 학습시키는 과정을 설명한다.

2. 인공 신경망 모델 학습

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 전처리 된 학습 데이터(이하에서는 때때로 '전처리 데이터'라고 명명하여 설명함)를 이용하여 인공 신경망 모델을 학습시킬 수 있다.

이를 위해 본 발명의 일 실시예에 따른 제어부(120)는 학습시키고자 하는 인공 신경망 모델의 타입을 선택하는 제1 인터페이스를 제공할 수 있다. 또한 제어부(120)는 제1 인터페이스에서 선택된 타입에 따른 인공 신경망 모델에 대한 적어도 하나의 파라미터를 설정하는 제2 인터페이스를 제공할 수 있다.

도 5는 제1 사용자 단말(200)에 제1 인터페이스가 제공된 화면(530)의 예시이다.

본 발명의 일 실시예에 따른 제어부(120)는 도 5에 도시된 바와 같이 사용자가 선택 가능한 인공 신경망 모델의 타입을 나열한 제1 인터페이스를 제1 사용자 단말(200)에 제공할 수 있다.

사용자는 자신이 생성하고자 하는 서비스에서 사용하는 데이터의 종류, 해당 데이터를 처리하는 방법 등을 고려하여 나열된 타입 중 적합한 타입을 선택할 수 있다. 가령 사용자가 이미지 데이터를 이용하는 서비스를 생성하고자 하는 경우 첫 번째 타입(531)을 선택할 수 있다.

또한 사용자는 자신이 생성하고자 하는 서비스에 부합되는 타입이 없는 경우, 네 번째 타입(532)을 선택하여 개인화된 인공 신경망 모델 타입을 생성할 수도 있다.

다만 도 5에 도시된 제1 인터페이스의 구성은 예시적인것으로, 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 인터페이스에서 선택된 타입에 따른 인공 신경망 모델의 적어도 하나의 파라미터를 설정하는 제2 인터페이스를 제공할 수 있다.

도 6은 제1 사용자 단말(200)에 제2 인터페이스(542)가 제공된 화면(540)의 예시이다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 인터페이스에서 선택된 타입에 따른 인공 신경망 모델에 대한 적어도 하나의 파라미터를 설정하는 제2 인터페이스(542)를 제공할 수 있다. 가령 제어부(120)는 인공 신경망 모델의 Epoch을 설정하기 위한 인터페이스, Batch Size를 설정하기 위한 인터페이스 및 Learning Rate를 설정하기 위한 인터페이스를 포함하는 제2 인터페이스(542)를 제공할 수 있다.

한편 본 발명의 일 실시예에 따른 제어부(120)는 상술한 제2 인터페이스(542)와 함께 전처리 데이터에 포함되는 입력 데이터와 출력 데이터가 서로 대응된 형태로 표시되는 제3 인터페이스(541)를 제공할 수 있다.

가령 제어부(120)는 첫 번째 전처리 데이터(541-1)를 제공함에 있어서, 입력 데이터(541-1b)와 출력 데이터(541-1a)를 도 6에 도시된 바와 같이 대응시켜 표시할 수 있다. 물론 제어부는 나머지 전처리 데이터를 제공함에 있어서도 첫 번째 전처리 데이터(541-1)와 마찬가지 방식으로 제공할 수 있다. 다만 도 6에 도시된 표시 형식은 예시적인것으로, 제3 인터페이스의 제공 방식이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 인공 신경망 모델에 테스트 입력 데이터를 입력하고, 입력된 테스트 입력 데이터에 대한 테스트 출력 데이터를 제공하는 제4 인터페이스(543)를 제공할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 이와 같은 제4 인터페이스(543)를 전술한 제2 인터페이스 및 제3 인터페이스 중 적어도 하나와 함께 제공하거나, 제4 인터페이스(543)만을 단독으로 제공할 수 있다.

한편 제4 인터페이스(543)는 도 6에 도시된 바와 같이 사용자가 테스트 입력 데이터를 입력하거나 입력한 테스트 입력 데이터가 표시되는 인터페이스(543-1), 입력된 테스트 데이터에 대응한 테스트 출력 데이터가 표시되는 인터페이스(543-2) 및 인공 신경망 모델을 최종적으로 생성하기 위한 인터페이스(543-3)를 포함할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 인터페이스(543-2)에 테스트 출력 테이터를 표시함에 있어서, 복수의 출력 데이터를 표시하되 각 출력 데이터가 정답일 확률을 함께 표시할 수 있다.

한편 본 발명의 일 실시예에 따른 인터페이스(543-3)에 대한 사용자의 입력을 획득함에 따라 제1 인터페이스에서 선택한 인공 신경망 모델의 타입을 제2 인터페이스(542)에 설정한 파라미터에 따라 설정하고, 제3 인터페이스(541)에 표시된 전처리 된 학습 데이터를 이용하여 인공 신경망 모델을 학습시킬 수 있다. 학습된 인공 신경망 모델은 서비스를 생성함에 있어서 서비스를 구성하는 하나의 구성요소로써 사용될 수 있으며, 이에 대한 상세한 설명은 후술한다.

본 발명의 선택적 실시예에 따른 제어부(120)는 인공 신경망 모델의 학습에 있어서 사용하고자 하는 자원이나, 학습된 인공 신경망 모델을 이용한 서비스의 구동에 있어서 사용하고자 하는 자원을 소정의 규칙에 따라 할당할 수 있다.

이때 '소정의 규칙'은 제1 사용자 단말(200)의 과금 유무, 과금 정도, 서버(100)에 의해 관리되는 자원의 유휴 정도, 유휴 스케쥴 및 전처리 된 학습 데이터의 크기(또는 볼륨) 중 적어도 하나에 기초하여 할당되는 자원의 크기가 조절되는 규칙일 수 있다.

이하에서는 상술한 과정에 따라 인공 신경망 모델을 이용하여 서비스를 생성하는 방법에 대해서 설명한다.

3. 서비스 생성

본 발명의 일 실시예에 따른 제어부(120)는 서비스를 구성하는 하나 이상의 구성요소들을 편집하는 입력 및 하나 이상의 구성요소들 간의 연결관계를 설정하는 입력에 따라 서비스를 생성할 수 있다. 이때 상술한 과정에 따라 학습된 인공 신경망 모델은 서비스의 구성요소 중 하나에 해당할 수 있다.

도 7은 사용자의 입력에 따라 서비스를 생성하기 위한 인터페이스들(551, 552, 553)이 표시된 화면(550)을 도시한 도면이다.

본 발명의 일 실시예에 따른 제어부(120)는 서비스에 추가 가능한 하나 이상의 후보 구성요소에 대응되는 개체들이 표시되는 제5 인터페이스(551)를 제공할 수 있다.

또한 본 발명의 일 실시예에 따른 제어부(120)는 서비스를 구성하는 하나 이상의 구성요소에 대응되는 개체들이 나열되는 제6 인터페이스(552)를 제공할 수 있다. 이때 제5 인터페이스(551)와 제6 인터페이스(552)는 도 7에 도시된 바와 같이 함께 제공될 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제5 인터페이스(551)에서 선택된 개체를 제6 인터페이스(552)에 추가하고, 생성중인 서비스에 선택된 개체와 대응되는 구성요소를 추가할 수 있다. 가령 제어부(120)는 제5 인터페이스(551)에 대한 사용자의 입력에 따라, 음성인식 개체(552-1)를 제6 인터페이스(552)에 추가하고, 이에 따라 서비스에 음성인식 개체(552-1)에 대응되는 구성요소를 추가할 수 있다.

선택적 실시예에서, 제어부(120)는 제5 인터페이스(551)에서 선택된 개체를 제6 인터페이스(552)로 드래그 하는 사용자의 입력에 따라, 해당 개체를 제6 인터페이스(552)에 추가할 수 있다. 물론 이러한 경우에도 제어부(120)는 생성중인 서비스에 음성인식 개체(552-1)에 대응되는 구성요소를 추가할 수 있다.

한편 제5 인터페이스(551)에는 상술한 과정에 따라 생성된 인공 신경망 모델에 대응되는 개체가 포함될 수 있다. 사용자는 해당 개체를 서비스에 추가함으로써 인공 신경망을 기반으로 하는 서비스를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제6 인터페이스(552) 상에서 제1 개체와 제2 개체를 서로 연결하는 사용자의 입력에 따라 제1 개체에 대응되는 구성요소와 제2 개체에 대응되는 구성요소를 연관시킬 수 있다. 가령 제어부(120)는 제1 개체와 제2 개체를 서로 연결하는 사용자의 입력에 따라, 제1 개체에 대응되는 구성요소의 출력 데이터를 제2 개체에 대응되는 구성요소의 입력 데이터로 결정할 수 있다.

예를 들어 사용자의 입력에 따라 음성을 획득하는 개체와 음성과 대응되는 텍스트를 생성하는 인공 신경망 모델 개체가 서로 연관된 경우, 제어부(120)는 획득된 음성 데이터를 인공 신경망 모델의 입력 데이터로 결정할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 제6 인터페이스(552) 상의 실행 버튼(552-2)에 대한 사용자의 입력에 따라 서비스를 실행할 수 있다. 이때 본 발명의 일 실시예에 따른 제어부(120)는 제6 인터페이스(552) 상의 개체들의 연결관계를 고려하여, 각 개체에 대응되는 구성요소를 순차적으로 실행시킬 수 있다.

본 발명의 선택적 실시예에서 제어부(120)는 실행 버튼(552-2)에 대한 사용자의 입력에 따라 서비스가 실행될 때, 현재 실행되고 있는 서비스 구성요소에 대응되는 개체를 나머지 개체와 구분되도록 표시할 수 있다. 가령 제어부(120)는 현재 실행되고 있는 서비스 구성요소에 대응되는 개체를 강조하여 표시할 수 있다.

또한 본 발명의 선택적 실시예에서 제어부(120)는 서비스 구성요소에 대응되는 개체, 해당 구성요소의 입력 데이터 및 해당 구성요소의 출력 데이터를 함께 표시할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제5 인터페이스(551) 및 제6 인터페이스(552) 중 어느 하나에서 선택된 개체에 대응되는 구성요소의 적어도 하나 이상의 속성값을 설정하는 제7 인터페이스(553)를 제공할 수 있다. 이때 제5 인터페이스(551), 제6 인터페이스(552) 및 제7 인터페이스(553)는 도 7에 도시된 바와 같이 함께 제공될 수 있다.

사용자는 제7 인터페이스(553)를 통하여 서비스를 구성하는 개별 구성요소의 속성값을 변경할 수 있다. 가령 사용자는 인터페이스(553-1)를 통해 음성인식 개체(552-1)의 속성값을 변경할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 제7 인터페이스(553)에 대한 사용자의 입력에 따라 선택된 개체에 대응되는 구성요소의 속성값을 변경할 수 있다.

도 8 내지 도 9는 본 발명의 일 실시예에 따른 제어부(120)에 의해 수행되는 서비스 생성 방법을 설명하기 위한 흐름도이다. 이하에서는 도 1 내지 도 7에서 설명한 것과 중복되는 내용은 생략하되, 도 1 내지 도 7을 함께 참조하여 설명한다.

본 발명의 일 실시예에 따른 제어부(120)는 사용자의 학습 데이터를 전처리 하여 인공 신경망 모델의 학습에 적합한 형태로 변환할 수 있다.(S810)

본 발명의 일 실시예에 따른 제어부(120)가 학습 데이터를 전처리 하는 과정을 보다 상세히 살펴보면, 먼저 제어부(120)는 전처리 대상이 되는 학습 데이터를 획득할 수 있다.(S811)

본 발명의 일 실시예에서, 제어부(120)는 제1 사용자 단말(200)로부터 학습 데이터를 획득할 수 있다. 가령 본 발명의 일 실시예에 따른 제어부(120)는 제1 사용자 단말(200)에 데이터를 업로드 하는 인터페이스를 제공하고, 해당 인터페이스를 통해 제1 사용자가 업로드한 학습 데이터를 수신할 수 있다.

본 발명의 다른 실시예에서, 제어부(120)는 외부장치(미도시)로부터 학습 데이터를 획득할 수 있다. 가령 본 발명의 다른 실시예에 따른 제어부(120)는 사용자가 입력하거나 선택한 데이터 제공 서버(미도시)로부터 학습 데이터를 수신할 수 있다. 이때 데이터 제공 서버(미도시)는 학습 데이터 판매 서비스를 사용자에게 제공하는 서버일 수도 있고, 공개 및/또는 공공 학습 데이터를 제공하는 서버일 수도 있다.

또한 본 발명의 다른 실시예에 따른 제어부(120)는 사용자가 입력한 웹 페이지로부터 학습 데이터를 수신할 수도 있다.

다만 전술한 학습 데이터 획득 방식들은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 획득된 학습 데이터 및 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터를 포함하는 전처리 된 학습 데이터를 생성할 수 있다. (S812)

전술한 바와 같이 '학습 데이터'는 입력 데이터와 출력 데이터를 포함하지만 인공 신경망 모델의 학습을 위한 포맷(Foramat)으로 작성되지 않은 데이터를 의미할 수 있다. 따라서 이와 같은 학습 데이터를 인공 신경망 모델의 학습에 사용하기 위해서는 학습에 적합한 형태로 변환이 필요할 수 있다.

본 발명의 일 실시예에서 제어부(120)는 학습 데이터의 시각화 데이터를 생성하고, 생성된 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 이때 본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에서 사용자의 입력에 대응되는 부분에 대한 분석 결과를 제공할 수 있다. 또한 제어부(120)는 제공된 분석 결과에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다.

도 3은 학습 데이터가 음성 데이터인 경우의 전처리 된 학습 데이터를 생성하는 과정을 설명하기 위한 도면이다.

설명의 편의를 위해 학습 데이터에 음성 데이터가 포함되어 있으며, 제1 사용자 단말(200)에 도 3에 도시된 화면(510)이 표시되는 것 임을 전제로 설명한다. 또한 전처리 된 학습 데이터에 포함되는 입력 데이터는 음성 데이터이고, 출력 데이터는 음성 데이터에 대응되는 텍스트 데이터임을 전제로 설명한다.

상술한 전제 하에, 본 발명의 일 실시예에 따른 제어부(120)는 음성 데이터로부터 시각화 데이터를 생성할 수 있다. 가령 제어부(120)는 음성 데이터로부터 도 3의 시각화 데이터 표시 영역(511)에 도시된 그래프 형태의 시각화 데이터를 생성할 수 있다. 이때 그래프 형태의 시각화 데이터는 시간의 흐름에 따라 음성 데이터의 음의 높낮이, 음량, 주파수 등을 도시한 것 일 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 가령 제어부(120)는 시각화 데이터 표시 영역(511)에 도시된 그래프 형태의 시각화 데이터의 적어도 일부 구간을 선택하는 사용자의 입력에 따라, 해당 구간에 포함되는 음성 데이터에 기초하여 입력 데이터를 생성할 수 있다. 예를 들어 제어부(120)는 해당 구간에 포함되는 음성 데이터 만을 포함하는 입력 데이터를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에서 사용자의 입력에 대응되는 부분에 대한 분석 결과를 제공할 수 있다. 가령 제어부(120)는 도 3의 분석 결과 표시 영역(512)에 도시된 바와 같이, 사용자 선택한 구간에 포함되는 음성 데이터를 텍스트로 변환한 결과를 분석 결과로써 제공할 수 있다. 이때 본 발명의 일 실시예에 따른 제어부(120)는 다양한 공지의 기술을 이용하여 음성 데이터를 텍스트 데이터의 형태로 변환할 수 있다.

본 발명의 선택적 실시예에서 사용자는 시각화 데이터 표시 영역(511)에서 복수의 불연속적인 구간을 선택하고, 제어부(120)는 개별 구간 각각에 대응되는 입력 데이터를 생성할 수 있다. 또한 제어부(120)는 분석 결과 표시 영역(512)에 각각의 입력 데이터에 대응되는 텍스트 데이터를 제공할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제공된 분석 결과에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 가령 제어부(120)는 분석 결과 표시 영역(512)에 제공된 텍스트 데이터를 선택하여 해당 텍스트 데이터를 출력 데이터로 선택(또는 확정)할 수 있다.

또한 제어부(120)는 분석 결과 표시 영역(512)에 제공된 텍스트 데이터를 선택하여 편집 영역(514)으로 불러와서 편집한 뒤, 편집 된 텍스트 데이터를 출력 데이터로 선택(또는 확정)할 수도 있다. 다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 선택적 실시예에서, 제어부(120)는 생성된 입력 데이터 및 출력 데이터를 서로 대응시켜 제공할 수 있다. 가령 제어부(120)는 데이터 현황 표시 영역(513)을 통하여 개별 입력 데이터 관련 정보와 출력 데이터 관련 정보를 서로 대응시켜 표시할 수 있다. 예를 들어 제어부(120)는 입력 데이터를 표시함에 있어서, 학습 데이터에서 해당 입력 데이터가 위치하는 구간에 대한 정보, 해당 구간에서의 음성을 재생하기 위한 인터페이스를 표시할 수 있다. 또한 제어부(120)는 출력 데이터를 표시함에 있어서, 입력 데이터로부터 생성된 텍스트 데이터를 표시할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

도 4는 학습 데이터가 이미지 데이터인 경우의 전처리 된 학습 데이터를 생성하는 과정을 설명하기 위한 도면이다.

설명의 편의를 위해 학습 데이터에 이미지 데이터가 포함되어 있으며, 제1 사용자 단말(200)에 도 4에 도시된 화면(520)이 표시되는 것 임을 전제로 설명한다. 또한 전처리 된 학습 데이터에 포함되는 입력 데이터는 이미지 데이터이고, 출력 데이터는 이미지 데이터 내의 적어도 일부 영역의 선택 정보 및 해당 영역에 대한 태그임을 전제로 설명한다.

상술한 전제 하에, 본 발명의 일 실시예에 따른 제어부(120)는 이미지 데이터로부터 시각화 데이터를 생성할 수 있다. 가령 제어부(120)는 이미지 데이터를 기 설정된 방식에 따라 보정하여 도 4의 시각화 데이터 표시 영역(522)에 도시된 이미지 형태의 시각화 데이터를 생성할 수 있다.

이때 '기 설정된 방식으로 보정하는 것'은 이미지의 적어도 하나의 속성값을 미리 설정한 값으로 변경하는 것을 의미할 수 있다. 예를 들어 '기 설정된 방식으로 보정'하는 것 이미지의 선명도를 미리 설정한 값으로 변경하거나, 이미지의 크기를 미리 설정한 값으로 변경하는 것을 의미할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다. 가령 제어부(120)는 사용자가 시각화 데이터 표시 영역(522)에 도시된 이미지의 적어도 일부 영역을 선택하고, 선택된 영역에 대한 태그를 입력(또는 선택)함에 따라 영역에 대한 특징 정보와 태그를 포함하는 출력 데이터를 생성할 수 있다. 이때 사용자는 시각화 데이터 표시 영역(522)에 도시된 이미지의 적어도 일부 영역을 선택하고, 태그 선택 영역(521)에 표시된 태그 중 어느 하나를 선택함으로써 영역 선택과 해당 영역에 대한 태그 입력을 수행할 수 있다. 바꾸어말하면 본 발명의 일 실시예에 따른 제어부(120)는 태그 선택 영역(521)에 표시된 태그 중 어느 하나를 선택하는 사용자의 입력과 시각화 데이터 표시 영역(522)에 도시된 이미지의 적어도 일부 영역을 선택하는 사용자의 입력에 기초하여 출력 데이터를 생성할 수 있다.

본 발명의 선택적 실시예에서, 제어부(120)는 출력 데이터의 생성에 필요한 도구들을 함께 제공할 수 있다. 가령 제어부(120)는 도구 표시 영역(523)에 표시된 바와 같이 시각화 데이터를 확대 또는 축소하기 위한 도구, 시각화 데이터의 표시 부분을 변경하기 위한 도구 등을 제공할 수 있다. 다만 이와 같은 도구들은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

한편 도 3 및 도 4에서는 학습 데이터가 음성 데이터 및 이미지 데이터인 경우를 예시적으로 설명하였지만, 본 발명의 사상이 이에 한정되는 것은 아니다. 가령 학습 데이터가 텍스트 데이터인 경우에도 본 발명의 일 실시예에 따른 제어부(120)는 텍스트 데이터에 대응되는 시각화 데이터를 생성하고, 시각화 데이터에 대한 사용자의 입력에 기초하여 입력 데이터 및 출력 데이터 중 적어도 하나를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 전처리 된 학습 데이터(이하에서는 때때로 '전처리 데이터'라고 명명하여 설명함)를 이용하여 인공 신경망 모델을 학습시킬 수 있다.(S820)

이를 위해 본 발명의 일 실시예에 따른 제어부(120)는 학습시키고자 하는 인공 신경망 모델의 타입을 선택하는 제1 인터페이스를 제공할 수 있다.(S821)

도 5는 제1 사용자 단말(200)에 제1 인터페이스가 제공된 화면(530)의 예시이다.

본 발명의 일 실시예에 따른 제어부(120)는 도 5에 도시된 바와 같이 사용자가 선택 가능한 인공 신경망 모델의 타입을 나열한 제1 인터페이스를 제1 사용자 단말(200)에 제공할 수 있다.

사용자는 자신이 생성하고자 하는 서비스에서 사용하는 데이터의 종류, 해당 데이터를 처리하는 방법 등을 고려하여 나열된 타입 중 적합한 타입을 선택할 수 있다. 가령 사용자가 이미지 데이터를 이용하는 서비스를 생성하고자 하는 경우 첫 번째 타입(531)을 선택할 수 있다.

또한 사용자는 자신이 생성하고자 하는 서비스에 부합되는 타입이 없는 경우, 네 번째 타입(532)을 선택하여 개인화된 인공 신경망 모델 타입을 생성할 수도 있다.

다만 도 5에 도시된 제1 인터페이스의 구성은 예시적인것으로, 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 인터페이스에서 선택된 타입에 따른 인공 신경망 모델의 적어도 하나의 파라미터를 설정하는 제2 인터페이스를 제공할 수 있다. (S822)

도 6은 제1 사용자 단말(200)에 제2 인터페이스(542)가 제공된 화면(540)의 예시이다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 인터페이스에서 선택된 타입에 따른 인공 신경망 모델에 대한 적어도 하나의 파라미터를 설정하는 제2 인터페이스(542)를 제공할 수 있다. 가령 제어부(120)는 인공 신경망 모델의 Epoch을 설정하기 위한 인터페이스, Batch Size를 설정하기 위한 인터페이스 및 Learning Rate를 설정하기 위한 인터페이스를 포함하는 제2 인터페이스(542)를 제공할 수 있다.

한편 본 발명의 일 실시예에 따른 제어부(120)는 상술한 제2 인터페이스(542)와 함께 전처리 데이터에 포함되는 입력 데이터와 출력 데이터가 서로 대응된 형태로 표시되는 제3 인터페이스(541)를 제공할 수 있다. (S823)

가령 제어부(120)는 첫 번째 전처리 데이터(541-1)를 제공함에 있어서, 입력 데이터(541-1b)와 출력 데이터(541-1a)를 도 6에 도시된 바와 같이 대응시켜 표시할 수 있다. 물론 제어부는 나머지 전처리 데이터를 제공함에 있어서도 첫 번째 전처리 데이터(541-1)와 마찬가지 방식으로 제공할 수 있다. 다만 도 6에 도시된 표시 형식은 예시적인것으로, 제3 인터페이스의 제공 방식이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 인공 신경망 모델에 테스트 입력 데이터를 입력하고, 입력된 테스트 입력 데이터에 대한 테스트 출력 데이터를 제공하는 제4 인터페이스(543)를 제공할 수 있다. (S824)

본 발명의 일 실시예에 따른 제어부(120)는 이와 같은 제4 인터페이스(543)를 전술한 제2 인터페이스 및 제3 인터페이스 중 적어도 하나와 함께 제공하거나, 제4 인터페이스(543)만을 단독으로 제공할 수 있다. 또한 본 명세서에서는 제1 내지 제4 인터페이스를 순차적으로 제공하는 것으로 설명하였지만, 인터페이스의 제공 순서나 방식이 이에 한정되는 것은 아니다. 따라서 제어부(120)는 제1 내지 제4 인터페이스를 동시에 제공할 수도 있고, 일부 인터페이스를 먼저, 나머지를 나중에 제공할 수도 있다.

한편 제4 인터페이스(543)는 도 6에 도시된 바와 같이 사용자가 테스트 입력 데이터를 입력하거나 입력한 테스트 입력 데이터가 표시되는 인터페이스(543-1), 입력된 테스트 데이터에 대응한 테스트 출력 데이터가 표시되는 인터페이스(543-2) 및 인공 신경망 모델을 최종적으로 생성하기 위한 인터페이스(543-3)를 포함할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 인터페이스(543-2)에 테스트 출력 테이터를 표시함에 있어서, 복수의 출력 데이터를 표시하되 각 출력 데이터가 정답일 확률을 함께 표시할 수 있다.

한편 본 발명의 일 실시예에 따른 인터페이스(543-3)에 대한 사용자의 입력을 획득함에 따라 제1 인터페이스에서 선택한 인공 신경망 모델의 타입을 제2 인터페이스(542)에 설정한 파라미터에 따라 설정하고, 제3 인터페이스(541)에 표시된 전처리 된 학습 데이터를 이용하여 인공 신경망 모델을 학습시킬 수 있다. 학습된 인공 신경망 모델은 서비스를 생성함에 있어서 서비스를 구성하는 하나의 구성요소로써 사용될 수 있으며, 이에 대한 상세한 설명은 후술한다.

본 발명의 선택적 실시예에 따른 제어부(120)는 인공 신경망 모델의 학습에 있어서 사용하고자 하는 자원이나, 학습된 인공 신경망 모델을 이용한 서비스의 구동에 있어서 사용하고자 하는 자원을 소정의 규칙에 따라 할당할 수 있다.

이때 '소정의 규칙'은 제1 사용자 단말(200)의 과금 유무, 과금 정도, 서버(100)에 의해 관리되는 자원의 유휴 정도, 유휴 스케쥴 및 전처리 된 학습 데이터의 크기(또는 볼륨) 중 적어도 하나에 기초하여 할당되는 자원의 크기가 조절되는 규칙일 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 서비스를 구성하는 하나 이상의 구성요소들을 편집하는 입력 및 하나 이상의 구성요소들 간의 연결관계를 설정하는 입력에 따라 서비스를 생성할 수 있다.(S830) 이때 상술한 과정에 따라 학습된 인공 신경망 모델은 서비스의 구성요소 중 하나에 해당할 수 있다.

도 7은 사용자의 입력에 따라 서비스를 생성하기 위한 인터페이스들(551, 552, 553)이 표시된 화면(550)을 도시한 도면이다.

본 발명의 일 실시예에 따른 제어부(120)는 서비스에 추가 가능한 하나 이상의 후보 구성요소에 대응되는 개체들이 표시되는 제5 인터페이스(551)를 제공할 수 있다. (S831)

또한 본 발명의 일 실시예에 따른 제어부(120)는 서비스를 구성하는 하나 이상의 구성요소에 대응되는 개체들이 나열되는 제6 인터페이스(552)를 제공할 수 있다.(S832) 이때 제5 인터페이스(551)와 제6 인터페이스(552)는 도 7에 도시된 바와 같이 함께 제공될 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제5 인터페이스(551)에서 선택된 개체를 제6 인터페이스(552)에 추가하고, 생성중인 서비스에 선택된 개체와 대응되는 구성요소를 추가할 수 있다.(S833) 가령 제어부(120)는 제5 인터페이스(551)에 대한 사용자의 입력에 따라, 음성인식 개체(552-1)를 제6 인터페이스(552)에 추가하고, 이에 따라 서비스에 음성인식 개체(552-1)에 대응되는 구성요소를 추가할 수 있다.

선택적 실시예에서, 제어부(120)는 제5 인터페이스(551)에서 선택된 개체를 제6 인터페이스(552)로 드래그 하는 사용자의 입력에 따라, 해당 개체를 제6 인터페이스(552)에 추가할 수 있다. 물론 이러한 경우에도 제어부(120)는 생성중인 서비스에 음성인식 개체(552-1)에 대응되는 구성요소를 추가할 수 있다.

한편 제5 인터페이스(551)에는 상술한 과정에 따라 생성된 인공 신경망 모델에 대응되는 개체가 포함될 수 있다. 사용자는 해당 개체를 서비스에 추가함으로써 인공 신경망을 기반으로 하는 서비스를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제6 인터페이스(552) 상에서 제1 개체와 제2 개체를 서로 연결하는 사용자의 입력에 따라 제1 개체에 대응되는 구성요소와 제2 개체에 대응되는 구성요소를 연관시킬 수 있다.(S834) 가령 제어부(120)는 제1 개체와 제2 개체를 서로 연결하는 사용자의 입력에 따라, 제1 개체에 대응되는 구성요소의 출력 데이터를 제2 개체에 대응되는 구성요소의 입력 데이터로 결정할 수 있다.

예를 들어 사용자의 입력에 따라 음성을 획득하는 개체와 음성과 대응되는 텍스트를 생성하는 인공 신경망 모델 개체가 서로 연관된 경우, 제어부(120)는 획득된 음성 데이터를 인공 신경망 모델의 입력 데이터로 결정할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 제6 인터페이스(552) 상의 실행 버튼(552-2)에 대한 사용자의 입력에 따라 서비스를 실행할 수 있다. 이때 본 발명의 일 실시예에 따른 제어부(120)는 제6 인터페이스(552) 상의 개체들의 연결관계를 고려하여, 각 개체에 대응되는 구성요소를 순차적으로 실행시킬 수 있다.

본 발명의 선택적 실시예에서 제어부(120)는 실행 버튼(552-2)에 대한 사용자의 입력에 따라 서비스가 실행될 때, 현재 실행되고 있는 서비스 구성요소에 대응되는 개체를 나머지 개체와 구분되도록 표시할 수 있다. 가령 제어부(120)는 현재 실행되고 있는 서비스 구성요소에 대응되는 개체를 강조하여 표시할 수 있다.

또한 본 발명의 선택적 실시예에서 제어부(120)는 서비스 구성요소에 대응되는 개체, 해당 구성요소의 입력 데이터 및 해당 구성요소의 출력 데이터를 함께 표시할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제5 인터페이스(551) 및 제6 인터페이스(552) 중 어느 하나에서 선택된 개체에 대응되는 구성요소의 적어도 하나 이상의 속성값을 설정하는 제7 인터페이스(553)를 제공할 수 있다. 이때 제5 인터페이스(551), 제6 인터페이스(552) 및 제7 인터페이스(553)는 도 7에 도시된 바와 같이 함께 제공될 수 있다.

사용자는 제7 인터페이스(553)를 통하여 서비스를 구성하는 개별 구성요소의 속성값을 변경할 수 있다. 가령 사용자는 인터페이스(553-1)를 통해 음성인식 개체(552-1)의 속성값을 변경할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 제7 인터페이스(553)에 대한 사용자의 입력에 따라 선택된 개체에 대응되는 구성요소의 속성값을 변경할 수 있다.

이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 저장하는 것일 수 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다.

한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (11)

1. 인공 신경망 모델을 이용하여 서비스를 생성하는 방법에 있어서,

   학습 데이터의 전처리를 수행하는 데이터 처리 단계;

   전처리 된 학습 데이터에 기초하여 인공 신경망 모델을 학습시키는 모델 학습 단계; 및

   상기 서비스를 구성하는 하나 이상의 구성요소들을 편집하는 입력 및 상기 하나 이상의 구성요소들 간의 연결관계를 설정하는 입력을 수신하는 서비스 메이킹 단계로써, 상기 하나 이상의 구성요소들은 상기 인공 신경망 모델을 포함하는; 서비스 생성 방법.
2. 청구항 1에 있어서

   상기 데이터 처리 단계는

   상기 학습 데이터를 획득하는 단계; 및

   상기 학습 데이터 및 사용자의 입력에 기초하여, 입력 데이터 및 출력 데이터를 포함하는 전처리 된 학습 데이터를 생성하는 단계;를 포함하는, 서비스 생성 방법.
3. 청구항 2에 있어서

   상기 전처리 된 학습 데이터를 생성하는 단계는

   상기 학습 데이터의 시각화 데이터를 생성하는 단계; 및

   상기 시각화 데이터에 대한 상기 사용자의 입력에 기초하여, 상기 입력 데이터 및 상기 출력 데이터 중 적어도 하나를 생성하는 단계;를 포함하는, 서비스 생성 방법.
4. 청구항 3에 있어서

   상기 전처리 된 학습 데이터를 생성하는 단계는

   상기 시각화 데이터에서 상기 사용자의 입력에 대응되는 부분에 대한 분석 결과를 제공하는 단계; 및

   상기 분석 결과에 대한 상기 사용자의 입력에 기초하여 상기 입력 데이터 및 상기 출력 데이터 중 적어도 하나를 생성하는 단계;를 더 포함하는, 서비스 생성 방법.
5. 청구항 1에 있어서

   상기 모델 학습 단계는

   인공 신경망 모델의 타입을 선택하는 제1 인터페이스를 제공하는 단계; 및

   선택된 타입에 따른 인공 신경망 모델에 대한 적어도 하나의 파라미터를 설정하는 제2 인터페이스를 제공하는 단계;를 포함하는, 서비스 생성 방법.
6. 청구항 5에 있어서

   상기 모델 학습 단계는

   입력 데이터와 출력 데이터가 서로 대응된 형태로 상기 전처리 된 학습 데이터를 제공하는 제3 인터페이스를 제공하는 단계;를 더 포함하는, 서비스 생성 방법.
7. 청구항 5에 있어서

   상기 모델 학습 단계는

   상기 인공 신경망 모델에 테스트 입력 데이터를 입력하고, 상기 테스트 입력 데이터에 대한 테스트 출력 데이터를 제공하는 제4 인터페이스를 제공하는 단계;를 더 포함하는, 서비스 생성 방법.
8. 청구항 1에 있어서

   상기 서비스 메이킹 단계는

   서비스에 추가 가능한 하나 이상의 후보 구성요소에 대응되는 개체들이 표시되는 제5 인터페이스를 제공하는 단계; 및

   상기 서비스를 구성하는 하나 이상의 구성요소에 대응되는 개체들이 나열되는 제6 인터페이스를 제공하는 단계;를 포함하는, 서비스 생성 방법.
9. 청구항 8에 있어서

   상기 서비스 메이킹 단계는

   상기 제5 인터페이스에서 선택된 개체를 상기 제6 인터페이스에 추가하고, 상기 서비스에 상기 선택된 개체와 대응되는 구성요소를 추가하는 단계; 및

   상기 제6 인터페이스 상에서 제1 개체와 제2 개체를 서로 연결하는 사용자의 입력에 따라 상기 제1 개체에 대응되는 구성요소와 상기 제2 개체에 대응되는 구성요소를 연관시키는 단계;를 포함하는, 서비스 생성 방법.
10. 청구항 9에 있어서

    상기 구성요소를 연관시키는 단계는

    상기 제1 개체에 대응되는 구성요소의 출력 데이터를 상기 제2 개체에 대응되는 구성요소의 입력 데이터로 결정하는 단계;를 포함하는, 서비스 생성 방법.
11. 청구항 8에 있어서

    상기 서비스 메이킹 단계는

    상기 제5 인터페이스 및 상기 제6 인터페이스 중 어느 하나에서 선택된 개체에 대응되는 구성요소의 적어도 하나 이상의 속성값을 설정하는 제7 인터페이스를 제공하는 단계; 및

    상기 제7 인터페이스에 대한 사용자의 입력에 따라 상기 선택된 개체에 대응되는 구성요소의 속성값을 변경하는 단계;를 더 포함하는, 서비스 생성 방법.

Images