KR102602144B1

KR102602144B1 - 사용자의 뇌파를 분석하여 분석결과를 기초로 컨텐츠를 제공하는 장치 및 방법

Info

Publication number: KR102602144B1
Application number: KR1020220138454A
Authority: KR
Inventors: 권하은; 임형빈; 박소령
Original assignee: 주식회사 프레임
Priority date: 2022-10-25
Filing date: 2022-10-25
Publication date: 2023-11-16

Abstract

실시예들은 사용자의 뇌파를 분석하여 분석결과를 기초로 컨텐츠를 제공하는 장치 및 방법을 제공한다. 본 발명의 실시예에 따른 게임장치는, 상기 사용자의 머리 부분에 적어도 일부가 접촉하도록 머리띠 형태로 형성되며, 파를 검출하는 적어도 하나의 센서를 포함하고, 상기 센서에서 검출된 뇌파를 기초로 뇌파 데이터를 생성하는 착용모듈; 상기 게임장치에 저장된 적어도 하나의 멀티미디어 컨텐츠 중 선택된 컨텐츠를 외부로 표시하는 출력부; 상기 착용모듈로부터 상기 뇌파 데이터를 수신하고, 상기 뇌파 데이터를 기초로 상기 출력부에 표시할 멀티미디어 컨텐츠를 선택하는 제어부; 및 상기 착용모듈이 미사용되는 경우 상기 착용모듈을 거치할 수 있도록 상기 게임장치 외부에 형성되는 거치부;를 포함할 수 있다.

Description

사용자의 뇌파를 분석하여 분석결과를 기초로 컨텐츠를 제공하는 장치 및 방법{APPARATUS AND METHOD FOR ANALYZING THE USER'S BRAIN WAVES AND PROVIDING CONTENT BASED ON THE ANALYSIS RESULT}

본 발명의 실시예들은 사용자의 뇌파를 분석하여 분석결과를 기초로 컨텐츠를 제공하는 장치 및 방법에 관한 것으로, 보다 구체적으로는 사람의 뇌파를 실시간으로 센싱하고, 센싱된 뇌파를 분석하여 사용자의 집중 상태, 감정 등을 인식하고, 그에 따른 컨텐츠를 사용자에게 제공하여 주는 게임장치에 관한 것이다.

뇌파(Electroencephalogram)란 뇌신경 사이에 신호가 전달될 때 생기는 전기 흐름을 말한다. 사람의 뇌에서는 매 순간 뇌파가 흘러나오는데, 사람이 보고 느끼는 상황에 따라 그 사람으로부터 흘러나오는 뇌파의 특성이 변화하게 된다. 이러한 특성 때문에 뇌파는 '뇌의 목소리'라고도 한다. 최근 이러한 뇌파를 감지하고 뇌파를 분석하여 이를 기초로 다양한 멀티미디어 컨텐츠를 제공하는 장치 및 서비스가 증가하고 있다. 그러나 종래의 서비스는 뇌파를 측정하기 위해 많은 수의 측정 장비를 요구하고, 측정된 뇌파를 분석하기 위한 컴퓨터 장비 또한 별도로 관리가 필요하기 때문에, 관리자의 경우 뇌파 장비를 활용한 기능성 프로그램을 진행할 때, PC 및 모바일 디바이스와 연결 오류 및 뇌파 장비 관리 소홀 등으로 어려움을 겪게 된다.

이와 더불어 클라우드 서버 등과의 연결을 통한 빅데이터(Big data) 처리 기술 등이 IoT 기술에 결합된 IoE (Internet of Everything) 기술도 대두되고 있다. IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 연구되고 있다.

실시예들은, 상기한 문제점을 해결하기 위한 일체형 게임장치로서, 뇌파 측정 장비와 연결되어 작동하는 전용 콘솔을 포함하여 관리 편의성을 증대시킨 게임장치를 제공한다.

실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.

본 발명의 일 실시예에 따른 게임장치는, 상기 사용자의 머리 부분에 적어도 일부가 접촉하도록 머리띠 형태로 형성되며, 뇌파를 검출하는 적어도 하나의 센서를 포함하고, 상기 센서에서 검출된 뇌파를 기초로 뇌파 데이터를 생성하는 착용모듈; 상기 게임장치에 저장된 적어도 하나의 멀티미디어 컨텐츠 중 선택된 컨텐츠를 외부로 표시하는 출력부; 상기 착용모듈로부터 상기 뇌파 데이터를 수신하고, 상기 뇌파 데이터를 기초로 상기 출력부에 표시할 멀티미디어 컨텐츠를 선택하는 제어부; 및 상기 착용모듈이 미사용되는 경우 상기 착용모듈을 거치할 수 있도록 상기 게임장치 외부에 형성되는 거치부;를 포함할 수 있다.

상기 착용모듈을 상기 게임장치에 연결하는 케이블;을 더 포함하고, 상기 케이블은, 상기 게임장치로부터 상기 착용모듈에 전원을 공급하고, 상기 착용모듈로부터 상기 뇌파 데이터를 상기 제어부에 전달할 수 있다.

상기 제어부는, 상기 착용모듈로부터 수신한 뇌파 데이터를 기초로, 상기 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 결정하고, 상기 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 기초로 생체 정보를 생성하는 프로세서; 및 상기 적어도 하나의 멀티미디어 컨텐츠와, 상기 사용자의 뇌의 활성도에 관한 제1 임계값, 상기 사용자의 뇌의 집중도에 관한 제2 임계값을 저장하는 메모리;를 포함할 수 있다.

상기 프로세서는, 제1 시점과 상기 제1 시점에 후속하는 제2 시점에서 각각 검출된 뇌파를 기초로 생성된 제1 생체 정보와 제2 생체 정보를 비교하고, 상기 비교 결과를 기초로 상기 메모리에 저장된 적어도 하나의 멀티미디어 컨텐츠 중에서 어느 하나를 선택하여 상기 출력부에 표시하고, 상기 비교 결과를 기초로 피드백 데이터를 생성하여 상기 메모리에 저장할 수 있다.

상기 프로세서는, 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하는 다층 신경망; 및 상기 생체 정보, 상기 피드백 데이터를 입력값으로 하고 평가 점수를 출력값으로 하는 학습 데이터를 사용하여 상기 다층 신경망을 지도학습시켜 상기 학습 데이터를 기초로 최적화된 하이퍼파라미터(hyperparameter)를 산출하는 학습 엔진;을 포함하고, 상기 입력 레이어는, 상기 생체 정보 및 상기 피드백 데이터를 입력받고, 상기 하나 이상의 히든 레이어는, 상기 입력 레이어의 출력값 각각에 대하여 가중치를 곱하고, 바이어스를 더하여 출력하고, 상기 출력 레이어는, 상기 히든 레이어의 출력값을 입력받아 활성화 함수를 이용하여 출력 벡터를 출력하고, 상기 다층 신경망은 상기 출력 레이어에 연결된 손실함수 레이어를 포함하고, 상기 출력 벡터는 상기 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 피드백 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 다층 신경망의 파라미터는 상기 손실값이 작아지는 방향으로 학습될 수 있다.

본 발명의 실시예들에 따른 게임장치는, 사용자의 뇌파를 실시간으로 측정하여 사용자가 컨텐츠를 보고 느끼는 과정에서 뇌파의 변화를 추적하여 사용자가 흥미를 느끼는 멀티미디어 컨텐츠를 제공해줄 수 있다.

실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.

실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 본 발명의 일 실시예에 따른 게임장치(100) 및 이와 통신하는 서버(300)를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 게임장치(100)의 구성을 나타내는 블록도이다.
도 3은 게임장치의 제어부를 설명하기 위한 블록도이다.
도 4는 본 발명의 일 실시예에 따른 착용모듈을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 서버를 도시한 블록도이다. 도 6은 도 5의 다층 신경망을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 게임장치(100)의 동작을 설명하기 위한 흐름도이다.

이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.

도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.

또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

도 1은 본 발명의 일 실시예에 따른 게임장치(100) 및 이와 통신하는 서버(300)를 도시한 도면이다. 도 2는 본 발명의 일 실시예에 따른 게임장치(100)의 구성을 나타내는 블록도이다. 도 3은 게임장치(100)의 제어부(110)를 설명하기 위한 블록도이다.

도 1을 참조하면, 네트워크 환경에서 게임장치(100)는 네트워크를 통하여 서버(300)와 통신할 수 있다. 서버(300)는 서버(300)에 연결된 게임장치(100) 및 사용자 단말(미도시)을 관리할 수 있다. 서버(300)는 게임장치(100)로부터 사용자의 뇌파를 측정하여 획득한 뇌파 데이터, 뇌파 데이터를 분석하여 생성된 생체 정보, 및 복수의 생체 정보 비교 결과에 따른 선택 정보 및 피드백 데이터를 수신하고 이를 저장할 수 있다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 게임장치(100)는 제어부(110), 출력부(120), 거치부(130), 지지부(140)를 포함할 수 있다.

출력부(120)는 멀티미디어 컨텐츠를 출력할 수 있다. 제어부(110)는 프로세서(111)에서 출력 가능한 복수의 멀티미디어 컨텐츠 중 하나를 사용자의 입력에 기초하여 선택할 수 있다. 예를 들어, 제어부(110)는 출력부(120)의 화면에 출력되는 복수의 멀티미디어 컨텐츠 각각에 대한 아이콘들 중 사용자의 터치 입력에 대응되는 멀티미디어 컨텐츠를 선택할 수 있다.

출력부(120)는 디스플레이 모듈을 포함할 수 있다. 디스플레이 모듈은 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 또는, 디스플레이 모듈은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다. 이 경우 디스플레이 모듈은 사용자의 조작에 의해 입력 신호를 생성하는 입력 장치로서 기능할 수 있다.

제어부(110)는 게임장치(100)의 전반적인 동작을 제어할 수 있다. 도 4를 참조하면, 게임장치(100)의 제어부(110)는 프로세서(111), 메모리(112), 통신 모듈(113), 안테나 모듈(114)을 포함할 수 있다. 또는, 제어부(110)에는 이 구성요소들 중 적어도 하나가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 다른 실시예에서는, 이 구성요소들 중 일부들은 하나의 구성요소로 통합될 수 있다.

제어부(110)의 프로세서(111)는, 후술할 착용모듈(200)로부터 수신한 뇌파 데이터를 기초로, 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 결정할 수 있다. 프로세서(111)는 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 기초로 생체 정보를 생성할 수 있다.

여기서 사용자의 감정 상태는, 예를 들면, 긍정적 감정 상태와 부정적 감정 상태로 분류될 수 있다. 다른 예시에서, 사용자의 감정 상태는 복수의 상태로 분류될 수 있다. 복수의 상태는, 즐거움을 느끼는 제1 상태, 짜증을 느끼는 제2 상태, 지루함을 느끼는 제3 상태, 분노를 느끼는 제4 상태 중 적어도 하나를 포함할 수 있다.

프로세서(111)는 생체 정보를 분석하고, 생체 정보를 기초로 멀티미디어 컨텐츠를 메모리(112)에서 선택하여 출력부(120)에 출력할 수 있다.

프로세서(111)는 복수의 시점에서 생성한 생체 정보들을 비교하고, 비교 결과를 기초로 피드백 데이터를 생성하여 메모리(112)에 저장할 수 있다. 복수의 시점 각각은 서로 다른 멀티미디어 컨텐츠가 출력부(120)에서 출력(재생)되고 있는 시점을 의미할 수 있다. 예를 들면, 제1 컨텐츠가 출력 중인 시점이 제1 시점, 제1 컨텐츠와는 다른 제2 컨텐츠가 출력 중인 시점이 제2 시점이라고 정의될 수 있다.

여기서, 피드백 데이터란, 프로세서(111)가 사용자의 생체 정보를 기초로 선택한 멀티미디어 컨텐츠가 출력부(120)를 통해 표시되는 시점에 새롭게 획득한 사용자의 생체 정보를 기존의 생체 정보와 비교하여 뇌의 활성도 및 집중도가 얼만큼 상승하였는지에 대한 평가가 반영된 데이터일 수 있다. 예를 들면, 만약 프로세서(111)가 사용자의 제1 생체 정보를 기초로 현재 출력부(120)에서 표시되고 있는 멀티미디어 컨텐츠와 다른 새로운 컨텐츠를 표시하였는데, 이 때 새롭게 획득된 사용자의 제2 생체 정보를 분석한 결과 제1 생체 정보와 비교하여 사용자의 뇌의 활성도 또는 집중도가 상승하였다면, 프로세서(111)는 상승분에 비례하는 점수(예를 들면, 양의 값을 가지는 점수)를 포함하는 피드백 데이터를 생성할 수 있다. 반대로, 사용자의 뇌의 활성도 또는 집중도가 오히려 저하되었다면, 프로세서(111)는 음의 값을 가지는 점수를 포함하는 피드백 데이터를 생성할 수 있다.

프로세서(111)는 다른 구성요소(예를 들면, 착용모듈(200), 서버(300))로부터 수신된 명령 또는 데이터를 휘발성 메모리에 저장하고, 휘발성 메모리에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다. 일 실시예에서, 프로세서(111)는 메인 프로세서(예를 들면, 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(예를 들면, 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 센서 허브 프로세서)를 포함할 수 있다. 예를 들어, 게임장치(100)가 메인 프로세서 및 보조 프로세서를 포함하는 경우, 보조 프로세서는 메인 프로세서보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서는 메인 프로세서와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서는, 예를 들면, 메인 프로세서가 인액티브 상태에 있는 동안 메인 프로세서를 대신하여, 또는 메인 프로세서가 액티브 상태에 있는 동안 메인 프로세서와 함께, 게임장치(100)의 구성요소들 중 적어도 하나의 구성요소와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에서, 보조 프로세서는 기능적으로 관련 있는 다른 구성요소의 일부로서 구현될 수 있다.

일 실시예에서, 보조 프로세서가 신경망 처리 장치인 경우, 보조 프로세서는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 게임장치(100) 자체에서 수행될 수 있고, 별도의 서버를 통해 수행될 수도 있다.

학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

프로세서(111)는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하는 다층 신경망, 및 생체 정보, 상기 피드백 데이터를 입력값으로 하고 평가 점수를 출력값으로 하는 학습 데이터를 사용하여 다층 신경망을 지도학습시켜 학습 데이터를 기초로 최적화된 하이퍼파라미터(hyperparameter)를 산출하는 학습 엔진을 포함할 수 있다.

여기서 입력 레이어는, 생체 정보 및 피드백 데이터를 입력받을 수 있다. 하나 이상의 히든 레이어는, 입력 레이어의 출력값 각각에 대하여 가중치를 곱하고, 바이어스를 더하여 출력할 수 있다. 출력 레이어는, 히든 레이어의 출력값을 입력받아 활성화 함수를 이용하여 출력 벡터를 출력할 수 있다.

또한, 다층 신경망은 출력 레이어에 연결된 손실함수 레이어를 포함할 수 있다. 출력 벡터는 손실함수 레이어에 입력될 수 있다. 손실함수 레이어는 출력 벡터와 각각의 피드백 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력할 수 있다. 다층 신경망의 파라미터는 손실값이 작아지는 방향으로 학습될 수 있다.

이러한 프로세서(111)의 다층 신경망 구조 및 학습 엔진의 동작은, 도 5 및 도 6을 참조하여 후술할 서버 프로세서의 구조 및 서버 프로세서의 학습 동작과 동일하거나 유사할 수 있다.

제어부(110)의 메모리(112)는 복수의 멀티미디어 컨텐츠를 저장할 수 있다. 게임장치(100)는 메모리(112)에 저장된 복수의 멀티미디어 컨텐츠 중 어느 하나를 사용자의 입력에 기초하여 선택하고 선택된 컨텐츠를 출력부(120)를 통해 출력할 수 있다.

또한, 메모리(112)는 사용자의 뇌의 활성도에 관한 제1 임계값과 사용자의 뇌의 집중도에 관한 제2 임계값을 저장할 수 있다. 여기서, 제1 임계값은 사용자의 뇌의 활성도 분포 범위 내의 어느 하나의 값을 의미할 수 있다. 예를 들면, 사용자의 뇌의 활성도가 0 ~ 100 범위의 값으로 표현되는 경우, 제1 임계값은 0 ~ 100 범위의 값 중 어느 하나, 예를 들면 50일 수 있다. 다만 이는 예시적인 것이고, 본 발명의 실시예는 이에 제한되지 않는다. 마찬가지로, 제2 임계값은 사용자의 뇌의 집중도 분포 범위 내의 어느 하나의 값을 의미할 수 있으며, 여기서 '범위'의 최솟값과 최댓값은 다양할 수 있다.

프로세서(111)는 사용자 정보, 생체 정보, 및 피드백 데이터 등에 기초하여 제1 및/또는 제2 임계값을 변경하여 메모리(112)에 저장할 수 있다. 예를 들면, 프로세서(111)는 생체 정보를 분석하고, 생체 정보 중 사용자의 뇌의 활성도가 제1 임계값 이하인 경우, 현재 출력부(120)에서 출력되고 있는 멀티미디어 컨텐츠와 다른 컨텐츠를 메모리(112)에서 선택하여 출력부(120)에 출력할 수 있다. 또는, 프로세서(111)는 생체 정보 중 사용자의 뇌의 집중도가 제2 임계값 이하로 되는 경우, 현재 출력부(120)에서 출력되고 있는 멀티미디어 컨텐츠와 다른 컨텐츠를 메모리(112)에서 선택하여 출력부(120)에 출력할 수 있다.

또한, 메모리(112)는 사용자의 감정 상태에 관한 트리거 정보를 저장할 수 있다. 여기서, 사용자의 감정 상태에 관한 트리거 정보는, 사용자의 감정 상태를 어느 하나의 상태에서 다른 상태로 변경시키기 위해 필요한 생체 정보의 임계값에 관한 정보일 수 있다.

그 밖에 메모리(112)는, 게임장치(100)의 적어도 하나의 구성요소에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(112)는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다.

통신 모듈(113)은 게임장치(100)와 외부 전자 장치 간의 유선 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(113)은 프로세서(111)와 독립적으로 운영되고, 유선 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에서, 통신 모듈(113)은 무선 통신 모듈 또는 유선 통신 모듈을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 네트워크(400)를 통하여 게임장치(100)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소로 통합되거나, 또는 서로 별도의 복수의 구성요소들로 구현될 수 있다.

무선 통신 모듈은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역을 지원할 수 있다. 무선 통신 모듈은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈은 게임장치(100), 외부 전자 장치 또는 네트워크 시스템에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에서, 무선 통신 모듈은 eMBB 실현을 위한 Peak data rate, mMTC 실현을 위한 손실 Coverage 또는 URLLC 실현을 위한 U-plane latency를 지원할 수 있다.

안테나 모듈(114)은 신호 또는 전력을 외부 전자 장치로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에서, 안테나 모듈(114)은 서브스트레이트 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에서, 안테나 모듈(114)은 복수의 안테나들을 포함할 수 있다. 이 경우, 네트워크(400)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(113)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(113)과 외부 전자 장치 간에 송신되거나 수신될 수 있다.

일 실시예에서, 명령 또는 데이터는 네트워크(400)에 연결된 게임장치(100)간에 송신 또는 수신될 수 있다. 게임장치(100)는 게임장치(100)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에서, 게임장치(100)에서 실행되는 동작들의 전부 또는 일부는 게임장치(100)에서 실행될 수 있다.

예를 들면, 게임장치(100)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 게임장치(100)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 게임장치(100)로 전달할 수 있다. 게임장치(100)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 게임장치(100)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다.

게임장치(100)의 거치부(130)는 착용모듈(200)이 미사용되는 경우 착용모듈(200)을 거치할 수 있도록 게임장치(100) 외부에 형성될 수 있다. 거치부(130)의 형상은 다양할 수 있다. 일 실시예에서, 거치부(130)는 도 2에 도시된 바와 같이 게임장치(100)의 출력부(120)의 베젤 부분에 부착된 원통 형태의 형상을 가질 수 있다.

지지부(140)는 사용자가 게임장치(100)를 이용하여 멀티미디어 컨텐츠 또는 게임을 즐기는 도중에 게임장치(100)가 지면에 안정적으로 고정될 수 있도록 게임장치(100)를 지지할 수 있다.

도 4는 본 발명의 일 실시예에 따른 착용모듈(200)을 설명하기 위한 도면이다.

도 4를 참조하면, 착용모듈(200)은 복수의 센서 중 어느 하나 또는 일부만을 이용하거나, 복수의 센서 전부를 이용하여 사용자의 뇌파를 감지할 수 있다. 이 경우, 복수의 센서 각각은 사용자의 뇌의 각 부분(예를 들면, 전두엽, 두정엽, 측두엽, 후두엽 등)에 가깝게 부착될 수 있다. 이에 따라, 복수의 센서 각각은 뇌의 특정 부위에서 발생하는 뇌파를 개별적으로 감지할 수 있다.

착용모듈(200)은 사용자의 머리 부분에 적어도 일부가 접촉하도록 머리띠 형태로 형성될 수 있다.

착용모듈(200)은 복수의 센서, 통신부(220), 및 케이블(230)을 포함할 수 있다. 복수의 센서는 제1 센서(210_1), 제2 센서(210_2)를 포함할 수 있다. 복수의 센서에 포함되는 센서의 수는 다양할 수 있다. 비록 도 4에서는 2개의 센서만이 도시되었으나, 본 발명의 실시예는 이에 제한되지 않는다. 각각의 센서(210_1, 210_2)는 뇌파(Electroencephalogram) 검출을 위한 금속 측정 전극을 포함할 수 있다. 각각의 센서(210_1, 210_2)는 사용자의 뇌에서 흘러나오는 뇌파를 개별적으로 검출할 수 있다. 사용자가 착용모듈(200)을 머리에 착용한 경우에 측정 전극은 사용자의 두피 또는 얼굴 피부에 접촉할 수 있다. 각각의 센서(210_1, 210_2)는 서로 다른 부위의 뇌에서 흘러나오는 뇌파를 개별적으로 검출할 수 있다. 예를 들면, 제1 센서(210_1)는 전두엽에서 흘러나오는 제1 뇌파를, 제2 센서(210_2)는 후두엽에서 흘러나오는 제2 뇌파를 검출할 수 있다. 또는, 제1 센서(210_1)는 좌뇌에서 흘러나오는 제1 뇌파를, 제2 센서(210_2)는 우뇌에서 흘러나오는 제2 뇌파를 검출할 수 있다.

통신부(220)는 착용모듈(200)의 복수의 센서에 의해 획득된 뇌파 데이터를 외부 전자 장치(예를 들면, 게임장치(100))로 송신하거나, 외부 전자 장치로부터 신호 또는 데이터를 수신할 수 있다. 통신부(220)는 게임장치(100) 등 외부 전자 장치와 착용모듈(200) 간의 유선 통신 채널 또는 무선 통신 채널의 수립하고, 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다.

통신부(220)는 무선 통신 모듈 또는 유선 통신 모듈을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 네트워크를 통하여 게임장치(100)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소로 통합되거나, 또는 서로 별도의 복수의 구성요소들로 구현될 수 있다.

케이블(230)은 게임장치(100)와 연결될 수 있다. 착용모듈(200)은 케이블(230)을 통해 게임장치(100)로부터 전기 에너지를 전달받을 수 있다. 또한, 케이블(230)은 착용모듈(200)이 유선 통신 방법으로 게임장치(100)와 데이터를 주고받는 경우, 데이터를 전송할 수 있는 통신 케이블을 포함할 수 있다. 즉, 착용모듈(200)은 케이블(230)을 통해 신호 또는 전력을 외부 전자 장치로 송신하거나 외부로부터 수신할 수 있다. 본 발명의 일 실시예에 따른 게임장치(100)는, 케이블(230)을 포함하여 착용모듈(200)과 일체형으로 제공됨으로써, 장치 관리 편의성을 증대시키고 유선 통신 방법으로 데이터를 송신하여 안정적인 데이터 처리를 제공할 수 있다.

도 5는 본 발명의 일 실시예에 따른 서버(300)를 도시한 블록도이다. 도 6은 도 5의 다층 신경망(311)을 설명하기 위한 도면이다.

도 5를 참조하면, 서버(300)는 서버 프로세서(310), 서버 메모리(320), 및 사용자 관리부(330)를 포함할 수 있다. 서버 프로세서(310)는 게임장치(100)의 메모리(112)에 저장된 뇌파 데이터, 생체 정보, 피드백 데이터를 수신할 수 있다. 서버 메모리(320)는 수신한 뇌파 데이터, 생체 정보, 피드백 데이터를 저장할 수 있다.

서버 프로세서(310)는 학습 모델을 이용하여 게임장치(100)에서 출력되는 멀티미디어 컨텐츠 선택 신호를 생성할 수 있다.

이를 위해, 서버 프로세서(310)는 다층 신경망(311), 학습 엔진(312)을 포함할 수 있다.

학습 엔진(312)은 복수의 학습 데이터를 사용하여 다층 신경망(311)을 미리 지도학습시킬 수 있다. 다층 신경망(Multilayer Neural Network)은 많은 수의 인공 뉴런(또는, 노드)들을 이용하여 생물학적인 시스템의 계산 능력을 모방하는 소프트웨어나 하드웨어로 구현된 예측 모델이다.

학습 엔진(312)은, 다층 신경망(311)이 학습 데이터를 기초로 컨텐츠 선택 신호를 정확하게 생성할 수 있도록, 생체 정보, 피드백 데이터, 및 선택 신호를 입력값으로 하고, 평가 점수를 출력값으로 하는 학습 데이터를 사용하여 다층 신경망(311)을 지도학습시킬 수 있다. 여기서, 평가 점수는 생체 정보와 피드백 데이터의 상관관계를 기초로 생성되는 점수일 수 있다. 평가 점수는, 제1 생체 정보에 포함된 사용자 뇌의 집중도 및 활성도 값과, 제1 생체 정보에 기초하여 프로세서(111)가 선택한 멀티미디어 컨텐츠에 따른 제2 생체 정보의 비교 결과에 의한 피드백 데이터의 상관관계를 기초로 생성되는 점수일 수 있다. 평가 점수가 높을수록 프로세서(111)의 선택 결과가 긍정적임을 의미할 수 있다.

이때, 지도학습이란, 입력값과 그에 따른 출력값이 있는 데이터를 학습 데이터로 이용하여 주어진 입력값에 따른 출력값을 찾는 학습을 의미하며, 정답을 알고 있는 상태에서 이루어지는 학습을 의미한다. 지도 학습에서 주어지는 입력값과 출력값 세트를 학습 데이터(Training Data)라고 한다.

도 6을 참조하면, 다층 신경망(311)은 입력 레이어(311_a), 하나 이상의 히든 레이어(311_b), 및 출력 레이어(311_c)을 포함할 수 있다.

일 실시예에서, 다층 신경망(311)은, 입력값을 입력받고 제1 특징 벡터의 성분 개수에 상응하는 노드들을 갖는 입력 레이어(311_a), 입력 레이어(311_a)의 출력값 각각에 대하여 가중치를 곱하고, 바이어스(bias)를 더하여 출력하는 제1 히든 레이어(421_b1), 및 제1 히든 레이어(421_b1)의 출력값 각각에 대하여 가중치를 곱하고, 바이어스를 더하여 출력하는 제2 히든 레이어(제421_b2), 및 제2 히든 레이어(421_b2)의 출력값 각각에 대하여 가중치를 곱하고, 그 결과를 활성화 함수를 이용하여 출력하는 출력 레이어(output layer)(311_c)를 포함할 수 있다. 비록 도 6에서는 2개의 히든 레이어(421_b1, 421_b2)만이 도시되었으나, 하나 이상의 히든 레이어(311_b)은, 제1 히든 레이어(421_b1), 제2 히든 레이어(421_b2)외에 더 많은 수의 히든 레이어를 포함할 수 있다.

예를 들어, 활성화 함수는 Softmax 함수일 수 있으나, 본 발명의 실시예는 이에 제한되는 것은 아니고, 활성화 함수는 LeRU 함수 등 다른 다양한 함수일 수 있다. 가중치와 바이어스는 지도학습에 의해 지속적으로 갱신될 수 있다.

구체적으로, 출력 벡터는 출력 레이어(311_c)에 연결된 손실함수 레이어에 입력될 수 있다. 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력할 수 있다. 다층 신경망(311)의 파라미터는 손실값이 작아지는 방향으로 지도학습될 수 있다.

예를 들어, 손실함수 레이어는 [수학식 1]을 따라 손실 값을 계산할 수 있다. [수학식 1]에서, N은 복수의 학습 데이터의 수, n은 학습 데이터를 식별하는 자연수, k는 n번째 학습 데이터의 값을 식별하는 자연수, nk는 n번째 학습 데이터의 k번째 값을 의미하고, t는 정답 데이터를 의미하고, y는 출력 벡터를 의미하고, E는 손실값을 의미할 수 있다.

또는, 손실함수 레이어는 [수학식 2]를 따라 손실 값을 계산할 수 있다. [수학식 2]에서, n은 클래스 별 학습 데이터의 수, y와 j는 클래스를 나타내는 식별자, C는 상수값, M은 클래스의 개수, x_y는 학습 데이터가 클래스 y에 속할 확률값, x_j는 학습 데이터가 클래스 j에 속할 확률값, L은 손실값을 의미할 수 있다.

서버 프로세서(310)는 적어도 하나의 하드웨어 칩 형태로 제작되어 디바이스에 탑재될 수 있다. 예를 들어, 서버 프로세서(310)는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 디바이스에 탑재될 수도 있다.

이 경우, 서버 프로세서(310)는 하나의 디바이스에 탑재될 수도 있으며, 또는 별개의 디바이스에 탑재될 수도 있다. 한편, 서버 프로세서(310)의 학습 모델은 소프트웨어 모듈로 구현될 수 있다. 학습 모델이 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 어플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 어플리케이션에 의해 제공될 수 있다.

사용자 관리부(330)는, 서버(300)가 제공하는 게임 어플리케이션 프로그램이 설치된 사용자 단말로부터 사용자 정보를 제공받아 저장하고, 사용자 단말을 관리할 수 있다. 사용자 관리부(330)은 게임 어플리케이션에 대한 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 기능을 제공할 수도 있다. 사용자 관리부(330)은 게임 어플리케이션 서비스의 사용자 인증이나, 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.

일 실시예에서, 사용자 관리부(330)은 사용자 단말로부터 제공받은 사용자 정보를 기초로, 사용자 단말에 대한 고유 식별 정보를 추출하여 저장할 수 있다. 고유 식별 정보는, 예를 들면 사용자 단말 각각의 ID(Identification), 또는 고유 IP(Internet Protocol) 주소 등일 수 있다.

서버(300)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 왑 서버(WAP Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Visual Basic, Visual C 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(300)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(300)는, 전술한 서버 프로그램 이외에도, 서버(300) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 한다)를 포함하는 넓은 개념으로 이해되어야 할 것이다.

도 7은 본 발명의 일 실시예에 따른 게임장치(100)의 동작을 설명하기 위한 흐름도이다.

도 7을 참조하면, 먼저 S710 단계에서, 사용자의 착용모듈(200)을 착용하면 게임장치(100)에서 멀티미디어 컨텐츠를 출력한다.

게임장치(100) 제어부(110)의 메모리(112)에는 복수의 멀티미디어 컨텐츠가 저장될 수 있다. 게임장치(100)는 메모리(112)에 저장된 복수의 멀티미디어 컨텐츠 중 어느 하나를 사용자의 입력에 기초하여 선택하고 선택된 컨텐츠를 출력부(120)를 통해 출력할 수 있다.

S720 단계에서, 착용모듈(200)의 복수의 센서에 의해 사용자의 뇌파를 감지하여 제1 뇌파 데이터를 생성한다.

착용모듈(200)은 복수의 센서 중 어느 하나 또는 일부만을 이용하거나, 복수의 센서 전부를 이용하여 사용자의 뇌파를 감지할 수 있다. 이 경우, 복수의 센서 각각은 사용자의 뇌의 각 부분(예를 들면, 전두엽, 두정엽, 측두엽, 후두엽 등)에 가깝게 부착될 수 있다. 이에 따라, 복수의 센서 각각은 뇌의 특정 부위에서 발생하는 뇌파를 개별적으로 감지할 수 있다.

S730 단계에서, 제어부(110)의 프로세서(111)에 의해, 제1 뇌파 데이터를 기초로 제1 생체 정보를 추출한다.

일 실시예에서, 프로세서(111)는 수신한 뇌파 데이터를 기초로, 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 결정할 수 있다. 프로세서(111)는 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 기초로 생체 정보를 생성할 수 있다.

일 실시예에서, 프로세서(111)는, 출력부(120)에서 멀티미디어 컨텐츠가 출력되는 동안 획득된 사용자의 뇌파 데이터를 기초로, 출력된 멀티미디어 컨텐츠에 대응하는 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태를 각각 결정할 수 있다.

메모리(112)는 사용자의 뇌의 활성도에 관한 제1 임계값과 사용자의 뇌의 집중도에 관한 제2 임계값을 저장할 수 있다. 프로세서(111)는 사용자 정보, 및 피드백 데이터 등에 기초하여 제1 및 제2 임계값을 변경하여 메모리(112)에 저장할 수 있다. 또한, 메모리(112)는 사용자의 감정 상태에 관한 트리거 정보를 저장할 수 있다. 여기서, 사용자의 감정 상태에 관한 트리거 정보는, 사용자의 감정 상태를 어느 하나의 상태에서 다른 상태로 변경시키기 위해 필요한 생체 정보의 임계값에 관한 정보일 수 있다.

S740 단계에서, 제어부(110)의 프로세서(111)에 의해, 제2 생체 정보를 기초로 메모리(112)에서 멀티미디어 컨텐츠를 선택하여 출력부(120)로 출력한다.

일 실시예에서, 프로세서(111)는 S730 단계에서 추출한 생체 정보를 분석하고, 생체 정보 중 사용자의 뇌의 활성도가 제1 임계값 이하로 되는 경우, 현재 출력부(120)에서 출력되고 있는 멀티미디어 컨텐츠와 다른 컨텐츠를 메모리(112)에서 선택하여 출력부(120)에 출력할 수 있다.

일 실시예에서, 프로세서(111)는 S730 단계에서 추출한 생체 정보를 분석하고, 생체 정보 중 사용자의 뇌의 활성도가 제1 임계값 이하이고, 및 사용자의 뇌의 집중도가 제2 임계값 이하로 되는 경우, 현재 출력부(120)에서 출력되고 있는 멀티미디어 컨텐츠와 다른 컨텐츠를 메모리(112)에서 선택하여 출력부(120)에 출력할 수 있다.

일 실시예에서, 프로세서(111)는 S730 단계에서 추출한 생체 정보를 분석하고, 생체 정보 중 사용자의 뇌의 집중도가 제2 임계값 이하로 되는 경우, 현재 출력부(120)에서 출력되고 있는 멀티미디어 컨텐츠와 다른 컨텐츠를 메모리(112)에서 선택하여 출력부(120)에 출력할 수 있다.

S750 단계에서, 착용모듈(200)의 복수의 센서에 의해, 변경된 멀티미디어 컨텐츠에 대한 사용자의 뇌파를 감지하여 제2 뇌파 데이터를 생성한다. 이어, 프로세서(111)는, 제2 뇌파 데이터를 기초로 제2 생체 정보를 추출한다. S750 단계는 도 7을 참조하여 설명한 S720 단계 및 S730 단계에 대응할 수 있다.

S760 단계에서, 프로세서(111)에 의해, 제2 생체 정보와 제1 생체 정보를 비교하고, 비교 결과를 기초로 피드백 데이터를 생성하여 메모리(112)에 저장한다.

피드백 데이터는 비교되는 두 생체 정보의 서로 다른 생성 시점(뇌파 검출 시점)에 걸쳐 사용자 뇌의 활성도가 증가 또는 감소한 경우, 활성도 증가분 또는 감소분에 대한 정보를 포함하는 활성도 증가 또는 감소 정보를 포함할 수 있다. 마찬가지로, 피드백 데이터는 비교되는 두 생체 정보의 서로 다른 생성 시점(뇌파 검출 시점)에 걸쳐 사용자 뇌의 집중도가 증가 또는 감소한 경우, 집중도 증가분 또는 감소분에 대한 정보를 포함하는 집중도 증가 또는 감소 정보를 포함할 수 있다.

프로세서(111)는 제1 생체 정보와 제2 생체 정보에 포함된 사용자의 뇌의 활성도, 집중도 및 사용자의 뇌의 감정 상태를 비교할 수 있다.

일 실시예에서, 프로세서(111)는 제1 생체 정보와 제2 생체 정보를 비교하여, 제1 생체 정보의 활성도보다 제2 생체 정보의 활성도가 낮은 경우, 활성도 감소 정보를 포함하는 피드백 데이터를 생성할 수 있다.

일 실시예에서, 프로세서(111)는 제1 생체 정보와 제2 생체 정보를 비교하여, 제1 생체 정보의 활성도보다 제2 생체 정보의 활성도가 높은 경우, 활성도 증가 정보를 포함하는 피드백 데이터를 생성할 수 있다.

일 실시예에서, 프로세서(111)는 제1 생체 정보와 제2 생체 정보를 비교하여, 제1 생체 정보의 집중도보다 제2 생체 정보의 집중도가 낮은 경우, 집중도 감소 정보를 포함하는 피드백 데이터를 생성할 수 있다.

일 실시예에서, 프로세서(111)는 제1 생체 정보와 제2 생체 정보를 비교하여, 제1 생체 정보의 집중도보다 제2 생체 정보의 집중도가 높은 경우, 집중도 증가 정보를 포함하는 피드백 데이터를 생성할 수 있다.

일 실시예에서, 프로세서(111)는 제1 생체 정보와 제2 생체 정보를 비교하여, 제1 생체 정보의 감정 상태에서 제2 생체 정보의 감정 상태로 변경되는 트리거 정보를 포함하는 피드백 데이터를 생성할 수 있다. 프로세서(111)는 생성된 피드백 데이터들을 메모리(112)에 저장할 수 있다.

전술한 바와 같이, 본 발명의 게임장치(100)는 사용자의 뇌파를 실시간으로 측정하여 사용자가 컨텐츠를 보고 느끼는 과정에서 뇌파의 변화를 추적하여 사용자가 흥미를 느끼는 멀티미디어 컨텐츠를 제공해줄 수 있다.

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

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

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

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

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

Claims

사용자의 뇌파를 감지하여 뇌파를 기초로 멀티미디어 컨텐츠를 제공하는 게임장치에 있어서,
상기 사용자의 머리 부분에 적어도 일부가 접촉하도록 머리띠 형태로 형성되며, 뇌파를 검출하는 적어도 하나의 센서를 포함하고, 상기 센서에서 검출된 뇌파를 기초로 뇌파 데이터를 생성하는 착용모듈;
상기 게임장치에 저장된 적어도 하나의 멀티미디어 컨텐츠 중 선택된 컨텐츠를 외부로 표시하는 출력부;
상기 착용모듈로부터 상기 뇌파 데이터를 수신하고, 상기 뇌파 데이터를 기초로 상기 출력부에 표시할 멀티미디어 컨텐츠를 선택하는 제어부; 및
상기 착용모듈이 미사용되는 경우 상기 착용모듈을 거치할 수 있도록 상기 게임장치 외부에 형성되는 거치부;를 포함하고,
상기 착용모듈을 상기 게임장치에 연결하는 케이블;을 더 포함하고,
상기 케이블은, 상기 게임장치로부터 상기 착용모듈에 전원을 공급하고, 상기 착용모듈로부터 상기 뇌파 데이터를 상기 제어부에 전달하고,
상기 제어부는,
상기 착용모듈로부터 수신한 뇌파 데이터를 기초로, 상기 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 결정하고, 상기 사용자의 뇌의 활성도, 집중도, 및 사용자의 감정 상태 중 적어도 하나를 기초로 생체 정보를 생성하는 프로세서; 및
상기 적어도 하나의 멀티미디어 컨텐츠와, 상기 사용자의 뇌의 활성도에 관한 제1 임계값, 상기 사용자의 뇌의 집중도에 관한 제2 임계값을 저장하는 메모리;를 포함하고,
상기 프로세서는,
제1 시점과 상기 제1 시점에 후속하는 제2 시점에서 각각 검출된 뇌파를 기초로 생성된 제1 생체 정보와 제2 생체 정보를 비교하고, 상기 비교 결과를 기초로 상기 메모리에 저장된 적어도 하나의 멀티미디어 컨텐츠 중에서 어느 하나를 선택하여 상기 출력부에 표시하고, 상기 비교 결과를 기초로 피드백 데이터를 생성하여 상기 메모리에 저장하고,
상기 프로세서는,
입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하는 다층 신경망; 및 상기 생체 정보, 상기 피드백 데이터를 입력값으로 하고 평가 점수를 출력값으로 하는 학습 데이터를 사용하여 상기 다층 신경망을 지도학습시켜 상기 학습 데이터를 기초로 최적화된 하이퍼파라미터(hyperparameter)를 산출하는 학습 엔진;을 포함하고,
상기 입력 레이어는, 상기 생체 정보 및 상기 피드백 데이터를 입력받고, 상기 하나 이상의 히든 레이어는, 상기 입력 레이어의 출력값 각각에 대하여 가중치를 곱하고, 바이어스를 더하여 출력하고, 상기 출력 레이어는, 상기 히든 레이어의 출력값을 입력받아 활성화 함수를 이용하여 출력 벡터를 출력하고,
상기 다층 신경망은 상기 출력 레이어에 연결된 손실함수 레이어를 포함하고, 상기 출력 벡터는 상기 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 피드백 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 다층 신경망의 파라미터는 상기 손실값이 작아지는 방향으로 학습되고,
<수학식>

상기 손실함수 레이어는 상기 <수학식>을 따라 상기 손실값을 산출하고, 상기 <수학식>에서, n은 클래스 별 학습 데이터의 수, y와 j는 클래스를 나타내는 식별자, C는 상수값, M은 클래스의 개수, x_y는 학습 데이터가 클래스 y에 속할 확률값, x_j는 학습 데이터가 클래스 j에 속할 확률값, L은 손실값을 의미하는,
게임장치.
삭제
삭제
삭제
삭제