KR102637198B1 - 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램 - Google Patents
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램 Download PDFInfo
- Publication number
- KR102637198B1 KR102637198B1 KR1020230110709A KR20230110709A KR102637198B1 KR 102637198 B1 KR102637198 B1 KR 102637198B1 KR 1020230110709 A KR1020230110709 A KR 1020230110709A KR 20230110709 A KR20230110709 A KR 20230110709A KR 102637198 B1 KR102637198 B1 KR 102637198B1
- Authority
- KR
- South Korea
- Prior art keywords
- artificial intelligence
- intelligence model
- user
- platform
- rented
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 617
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004590 computer program Methods 0.000 title claims abstract description 22
- 230000008569 process Effects 0.000 claims description 24
- 238000005516 engineering process Methods 0.000 description 18
- 238000012549 training Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 13
- 241000167854 Bourreria succulenta Species 0.000 description 11
- 235000019693 cherries Nutrition 0.000 description 11
- 230000004044 response Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 238000013145 classification model Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004883 computer application Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/35—Creation or generation of source code model driven
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/36—Software reuse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/12—Payment architectures specially adapted for electronic shopping systems
- G06Q20/123—Shopping for digital content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
Abstract
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 단계, 플랫폼에 기 등록된 복수의 인공지능 모델 중 상기 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 단계 및 상기 사용자에게 상기 선택된 인공지능 모델을 제공하는 단계를 포함한다.
Description
본 발명의 다양한 실시예는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램에 관한 것이다.
AI, 빅데이터는 4차산업혁명의 핵심 기술로 미래산업의 원유인 바, 한국판 디지털 뉴딜 정책(국가경쟁력을 결정짓는 핵심요소로서 디지털 분야(데이터, AI 등)를 선정하고 2025년까지 사업비 58.2조원 투자), 혁신성장동력추진 계획(2023년까지 국내 데이터시장을 30조원 규모로 확장), 데이터, AI 경제 활성화 계획(향후 5년 동안 데이터의 수집, 유통, 활용에 이르는 가치사슬 전주기를 활성화하기 위한 정책 추진) 등 다양한 국내 정책이 시행, 추진되고 있다.
국내 인공지능(AI) 시장이 향후 5년 간 연평균 17.8% 성장해 2023년 6,400억 원 이상의 규모를 형성 전망되고, 국내 데이터분석(빅데이터) 시장은 2019년 1조 6,744억원(전년 대비 10.9% 증가), 2023년까지 2조 5,692억원(연평균 성장률 11.2%) 전망되는 등 국내 데이터 분석 및 인공지능 시장은 고성장할 것으로 전망되고 있으며, 업무 프로세스 효율화 및 비즈니스 자동화를 위한 AI 애플리케이션 및 플랫폼 구현 사업이 크게 증가하고, 관련 서비스와 소프트웨어 시장 모두 향후 5년 간 연평균 성장률 30% 이상의 본격적인 성장을 전망되는 등, 인공지능기술 적용 서비스와 S/W 시장이 본격적으로 성장할 것으로 예측되고 있다.
이러한 추세에 맞춰, 맞춤형 고객서비스 제공을 위한 AI기술 적용으로 발전되고 있다. 예컨대, AI와 머신러닝은 모든 업계가 주시해야 하는 기술로 맞춤형 고객서비스 구현을 위한 기술로 활용되고 있으며, 국방/보안, 의료 및 헬스케어, 마케팅 등 사회전반 전분야 걸쳐 AI기술 도입되고 있다.
AI 딥러닝 기술은 오픈소스활용 및 협업방식(Co-creation)이 활발한 분야로, 기술개발 속도가 매우 빠른 분야이기 때문에 단독개발의 한계가 발생하는 바, 오픈플랫폼 방식으로 확장되어 오픈소스 활용 AI솔루션이 보편화되어 있다. 즉, 개발단계, 프레임워크 학습, 평가 단계, 자원관리 등 활용 가능한 오픈소스가 존재하며, 이를 어떻게 구성하는지가 현재 AI솔루션을 만드는 핵심이다.
모든 기술이 그러하듯 근미래에 AI기술은 일반인도 활용가능한 수준의 ‘기술 보편화-확장-개인화’ 단계가 이루어질 것으로 전망되고 있다.
한편, AI기술은 빠른 기술발전 속도에 대비 실질적인 활용이 미흡하다는 문제가 있다. 예컨대, 비용적인 문제로 중소기업은 도입률이 10%도 되지 않으며, ‘기업 수요에 맞는 AI기술 및 솔루션 부족'이 가장 큰 걸림돌이 되고 있다.
따라서, 중소기업, 일반대중의 AI기술 접근성 향상으로 기술확산에 기여할 수 있도록, 전문기술이해에 필요한 학습단계를 줄여 비전문가도 AI기술을 활용할 수 있는 환경을 제공하고, 적은 비용으로 AI서비스가 가능하도록 자동화 시스템으로 전환하며, 중소규모 혹은 개인환경에 최적화된 AI학습모델을 만들 수 있도록 보유데이터를 직접 활용할 수 있는 환경을 구축할 필요성이 있다.
본 발명이 해결하고자 하는 과제는 상술된 종래의 문제점을 해소하기 위한 목적으로, 사용자 맞춤형 인공지능 모델의 제작이 가능한 서비스를 제공함에 따라 해당 서비스를 통해 사용자가 직접 자신이 제작하고자 하는 인공지능 모델을 생성하도록 함으로써, 비전문가도 AI기술을 활용할 수 있는 환경을 제공하고, 적은 비용으로 AI서비스가 가능하도록 하며, 중소규모 혹은 개인환경에 최적화된 AI학습모델을 만들 수 있도록 하는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하는 인공지능 모델 제작 플랫폼을 통해 다수의 사용자로부터 제작되는 인공지능 모델들을 공유, 대여 및 판매 목적으로 사용자들에게 제공함으로써, 사용자가 자신이 원하는 인공지능 모델을 직접 제작할 수 있을 뿐만 아니라, 다수의 사용자들로부터 제작된 인공지능 모델을 공유, 대여 및 구매하여 사용할 수 있도록 하는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 단계, 플랫폼에 기 등록된 복수의 인공지능 모델 중 상기 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 단계 및 상기 사용자에게 상기 선택된 인공지능 모델을 제공하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 플랫폼을 통해 제공되는 사용자 맞춤형 인공지능 모델 제작 서비스를 이용하여 복수의 인공지능 모델을 생성하되, 상기 사용자 맞춤형 인공지능 모델 제작 서비스는 사용자 인터페이스(User Interface, UI)를 통해 제작하고자 하는 인공지능 모델에 대한 학습 데이터를 생성하고, 상기 생성된 학습 데이터를 이용하여 상기 제작하고자 하는 인공지능 모델을 학습시킴에 따라 사용자 맞춤형 인공지능 모델을 생성하는 서비스인, 단계 및 상기 생성된 복수의 인공지능 모델 중 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 단계를 더 포함할 수 있다.
다양한 실시예에서, 상기 플랫폼에 등록하는 단계는, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성을 판단하는 단계 및 상기 판단된 유효성에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단되는 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 유효성을 판단하는 단계는, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 소정의 기간 무료로 공유하는 단계, 상기 소정의 기간 동안 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델의 공유 이력에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성 점수를 산출하는 단계 및 상기 산출된 유효성 점수가 임계 점수 이상인 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 인공지능 모델을 선택하는 단계는, 상기 기 등록된 복수의 인공지능 모델 중 상기 하나 이상의 조건 정보를 만족하는 인공지능 모델이 없는 경우, 상기 하나 이상의 조건 정보를 만족하는 인공지능 모델의 제작을 위한 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 선택된 인공지능 모델을 제공하는 단계는, 상기 사용자로부터 상기 선택된 인공지능 모델에 대한 구매 요청을 획득하는 경우, 상기 선택된 인공지능 모델의 구매를 위한 결제 프로세스를 제공하는 단계 및 상기 제공된 결제 프로세스를 통해 상기 선택된 인공지능 모델에 대한 구매 비용이 지불되는 경우, 상기 선택된 인공지능 모델에 대응하는 URL을 생성하고, 상기 생성된 URL을 제공하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 생성된 URL을 제공하는 단계는, 상기 사용자가 특정 인공지능 모델을 구매한 경우, 상기 특정 인공지능 모델과 긍정적 상관 관계를 가지는 인공지능 모델을 선정하는 단계 및 상기 선정된 인공지능 모델의 구매를 추천하는 단계를 포함하며, 상기 특정 인공지능 모델과 긍정적 상관 관계를 가지는 인공지능 모델을 선정하는 단계는, 상기 기 등록된 복수의 인공지능 모델 중 서로 다른 종류의 둘 이상의 인공지능 모델을 포함하는 앙상블 모델들의 성능을 평가하는 단계, 상기 평가된 성능에 기초하여 상기 서로 다른 둘 이상의 인공지능 모델에 대한 상관 관계를 정의하고, 상기 정의된 상관 관계에 기초하여 상관 관계 맵을 생성하는 단계 및 상기 생성된 상관 관계 맵에 기초하여, 상기 특정 인공지능 모델과 긍정적 상관 관계를 가지는 인공지능 모델을 선정하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 조건 정보는, 입력 데이터를 포함하며, 상기 선택된 인공지능 모델을 제공하는 단계는, 상기 선택된 적어도 하나의 인공지능 모델에 관한 정보와 상기 선택된 적어도 하나의 인공지능 모델에 상기 입력 데이터를 입력함에 따라 출력되는 결과 데이터를 함께 제공하는 단계를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 수행하는 컴퓨팅 장치는 프로세서, 네트워크 인터페이스, 메모리 및 상기 메모리에 로드(load) 되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되, 상기 컴퓨터 프로그램은, 사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 인스트럭션(instruction), 플랫폼에 기 등록된 복수의 인공지능 모델 중 상기 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 인스트럭션 및 상기 사용자에게 상기 선택된 인공지능 모델을 제공하는 인스트럭션을 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터프로그램은 컴퓨팅 장치와 결합되어, 사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 단계, 플랫폼에 기 등록된 복수의 인공지능 모델 중 상기 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 단계 및 상기 사용자에게 상기 선택된 인공지능 모델을 제공하는 단계를 포함하는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 실행시키기 위하여 컴퓨팅 장치로 판독 가능한 기록매체에 저장될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 다양한 실시예에 따르면, 사용자 맞춤형 인공지능 모델의 제작이 가능한 서비스를 제공함에 따라 해당 서비스를 통해 사용자가 직접 자신이 제작하고자 하는 인공지능 모델을 생성하도록 함으로써, 비전문가도 AI기술을 활용할 수 있는 환경을 제공하고, 적은 비용으로 AI서비스가 가능하도록 하며, 중소규모 혹은 개인환경에 최적화된 AI학습모델을 만들 수 있다는 이점이 있다.
또한, 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하는 인공지능 모델 제작 플랫폼을 통해 다수의 사용자로부터 제작되는 인공지능 모델들을 공유, 대여 및 판매 목적으로 사용자들에게 제공함으로써, 사용자가 자신이 원하는 인공지능 모델을 직접 제작할 수 있을 뿐만 아니라, 다수의 사용자들로부터 제작된 인공지능 모델을 공유, 대여 및 구매하여 사용할 수 있다는 이점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 인공지능 모델 제작 플랫폼 운영 시스템을 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 인공지능 모델 제작 플랫폼을 운영하는 컴퓨팅 장치의 하드웨어 구성도이다.
도 3은 다양한 실시예에서, 인공지능 제작 플랫폼을 통해 수행되는 인공지능 모델 제작 및 등록 방법을 설명하기 위한 순서도이다.
도 4 내지 도 6은 다양한 실시예에서, 컴퓨팅 장치에 의해 제공되는 사용자 맞춤형 인공지능 모델 생성 서비스를 제공하는 사용자 인터페이스(User Interface, UI)를 예시적으로 도시한 도면이다.
도 7은 본 발명의 또 다른 실시예에 따른 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 설명하기 위한 순서도이다.
도 8 내지 도 10은 다양한 실시예에서, 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매하는 과정을 도시한 도면이다.
도 11 내지 도 13은 다양한 실시예에서, 컴퓨팅 장치에 의해 제공되는 인공지능 모델 공유, 대여 및 판매 서비스를 제공하는 사용자 인터페이스를 예시적으로 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 인공지능 모델 제작 플랫폼을 운영하는 컴퓨팅 장치의 하드웨어 구성도이다.
도 3은 다양한 실시예에서, 인공지능 제작 플랫폼을 통해 수행되는 인공지능 모델 제작 및 등록 방법을 설명하기 위한 순서도이다.
도 4 내지 도 6은 다양한 실시예에서, 컴퓨팅 장치에 의해 제공되는 사용자 맞춤형 인공지능 모델 생성 서비스를 제공하는 사용자 인터페이스(User Interface, UI)를 예시적으로 도시한 도면이다.
도 7은 본 발명의 또 다른 실시예에 따른 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 설명하기 위한 순서도이다.
도 8 내지 도 10은 다양한 실시예에서, 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매하는 과정을 도시한 도면이다.
도 11 내지 도 13은 다양한 실시예에서, 컴퓨팅 장치에 의해 제공되는 인공지능 모델 공유, 대여 및 판매 서비스를 제공하는 사용자 인터페이스를 예시적으로 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 모델 제작 플랫폼 운영 시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능 모델 제작 플랫폼 운영 시스템은 컴퓨팅 장치(100), 사용자 단말(200), 외부 서버(300) 및 네트워크(400)를 포함할 수 있다.
여기서, 도 1에 도시된 인공지능 모델 제작 플랫폼 운영 시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 사용자 맞춤형 인공지능 모델 생성 서비스와 인공지능 모델 공유, 대여 및 판매 서비스를 제공하는 인공지능 모델 제작 플랫폼을 운영할 수 있다.
먼저, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼을 통해 사용자 맞춤형 인공지능 모델 생성 서비스를 제공할 수 있다.
여기서, 사용자 맞춤형 인공지능 모델은 사용자가 제작하고자 하는 인공지능 모델을 의미할 수 있으며, 사용자 맞춤형 인공지능 모델 제작 서비스는 사용자 맞춤형 인공지능 모델의 제작을 가이드하고, 가이드에 따른 사용자 입력에 따라 사용자 맞춤형 인공지능 모델을 제작하는 서비스 즉, 사용자가 자신이 제작하고자 하는 인공지능 모델을 보다 쉽게 제작할 수 있는 환경을 제공하는 서비스를 의미할 수 있다.
보다 구체적으로, 컴퓨팅 장치(100)는 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하는 UI(예: 도 4 내지 도 6)를 통해 제작하고자 하는 인공지능 모델을 선택받는 경우, 선택된 인공지능 모델에 대응하는 학습 데이터를 생성하고, 해당 학습 데이터를 이용하여 인공지능 모델을 학습시킴에 따라 사용자 맞춤형 인공지능 모델 즉, 사용자가 제작하고자 하는 인공지능 모델을 생성할 수 있다.
여기서, 인공지능 모델(예: 신경망)은 하나 이상의 네트워크 함수로 구성되며, 하나 이상의 네트워크 함수는 일반적으로 ‘노드’라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 ‘노드’들은 ‘뉴런(neuron)’들로 지칭될 수도 있다. 하나 이상의 네트워크 함수는 적어도 하나 이상의 노드들을 포함하여 구성된다. 하나 이상의 네트워크 함수를 구성하는 노드(또는 뉴런)들은 하나 이상의 ‘링크’에 의해 상호 연결될 수 있다.
인공지능 모델 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 인공지능 모델이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 인공지능 모델은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 인공지능 모델 내에서 입력 노드 및 출력 노드 관계를 형성한다. 인공지능 모델 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 인공지능 모델의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 인공지능 모델이 존재하는 경우, 두 개의 인공지능 모델들은 서로 상이한 것으로 인식될 수 있다.
인공지능 모델을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 인공지능 모델 내에서 레이어의 차수는 전술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 인공지능 모델 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 인공지능 모델을 구성하는 노드들을 의미할 수 있다. 본 발명의 일 실시예에 따른 인공지능 모델은 입력 레이어의 노드가 출력 레이어에 가까운 히든 레이어의 노드보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 인공지능 모델일 수 있다.
인공지능 모델은 하나 이상의 히든 레이어를 포함할 수 있다. 히든 레이어의 히든 노드는 이전의 레이어의 출력과 주변 히든 노드의 출력을 입력으로 할 수 있다. 각 히든 레이어 별 히든 노드의 수는 동일할 수도 있고 상이할 수도 있다. 입력 레이어의 노드의 수는 입력 데이터의 데이터 필드의 수에 기초하여 결정될 수 있으며 히든 노드의 수와 동일할 수도 있고 상이할 수도 있다. 입력 레이어에 입력된 입력 데이터는 히든 레이어의 히든 노드에 의하여 연산될 수 있고 출력 레이어인 완전 연결 레이어(FCL: fully connected layer)에 의해 출력될 수 있다.
다양한 실시예에서, 인공지능 모델은 딥러닝(Deep learning) 모델일 수 있다.
딥러닝 모델(예: 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 인공지능 모델을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다.
딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있으나, 이에 한정되지 않는다.
다음으로, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼을 통해 인공지능 모델 공유, 대여 및 판매 서비스를 제공할 수 있다.
여기서, 인공지능 모델 공유, 대여 및 판매 서비스는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델을 사용자의 요청에 따라 공유, 대여 및 판매하는 서비스를 의미할 수 있다.
보다 구체적으로, 컴퓨팅 장치(100)는 사용자로부터 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 조건 정보를 획득하는 경우, 플랫폼에 기 등록된 복수의 인공지능 모델 중 사용자로부터 획득한 조건 정보를 만족하는 인공지능 모델을 선택하여 사용자에게 공유, 대여 또는 판매할 수 있다.
일 실시예에서, 사용자 단말(200)은 네트워크(400)를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)로부터 제공되는 인공지능 모델 제작 플랫폼을 통해 제공되는 사용자 맞춤형 인공지능 모델 생성 서비스를 실행함에 따라 사용자 맞춤형 인공지능 모델을 생성하거나, 인공지능 모델 공유, 대여 및 판매 서비스를 실행함에 따라 사용자의 니즈에 맞는 인공지능 모델을 공유, 대여 또는 구매할 수 있다.
여기서, 사용자 단말(200)은 컴퓨팅 장치(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 엔티티(들)를 의미할 수 있다. 예를 들어, 이러한 사용자 단말(200)은 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 및 웨어러블 디바이스(wearable device) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다. 또한, 사용자 단말(200)은 에이전트, API(Application Programming Interface) 및 플러그-인(Plug-in) 중 적어도 하나에 의해 구현되는 임의의 컴퓨팅 장치를 포함할 수도 있다. 또한, 사용자 단말(200)은 애플리케이션 소스 및/또는 클라이언트 애플리케이션을 포함할 수 있다.
또한, 여기서, 네트워크(400)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미할 수 있다. 예를 들어, 네트워크(400)는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망, CAN(Controller Area Network) 및 이더넷(Ethernet) 등을 포함할 수 있다.
무선 데이터 통신망은 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등을 포함할 수 있으나, 이에 한정되지는 않는다.
일 실시예에서, 외부 서버(300)는 네트워크(400)를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)가 사용자 맞춤형 인공지능 모델 제작 서비스 제공방법 및 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 수행하기 위해 필요한 각종 정보 및 데이터를 저장 및 관리하거나, 컴퓨팅 장치(100)가 사용자 맞춤형 인공지능 모델 제작 서비스 제공방법 및 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 수행함에 따라 도출되는 각종 정보 및 데이터를 수집하여 저장 및 관리할 수 있다. 예컨대, 외부 서버(300)는 컴퓨팅 장치(100)의 외부에 별도로 구비되는 저장 서버일 수 있으나, 이에 한정되지 않는다. 이하, 도 2를 참조하여, 사용자 맞춤형 인공지능 모델 제작 서비스 제공방법 및 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 수행하는 컴퓨팅 장치(100)의 하드웨어 구성에 대해 설명하도록 한다.
도 2는 본 발명의 다른 실시예에 따른 인공지능 모델 제작 플랫폼을 운영하는 컴퓨팅 장치의 하드웨어 구성도이다.
도 2를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(110)는 컴퓨팅 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.
또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 컴퓨팅 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(130)는 컴퓨팅 장치(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(140)는 컴퓨팅 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.
스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 컴퓨팅 장치(100)를 통해 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매 프로세스를 수행하는 경우, 스토리지(150)는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.
스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램(151)은 사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 단계, 플랫폼에 기 등록된 복수의 인공지능 모델 중 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 단계 및 사용자에게 선택된 인공지능 모델을 제공하는 단계를 포함하는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 인공지능 모델 공유, 대여 및 판매 서비스를 제공할 수 있다. 예컨대, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 사용자가 공유, 대여 및 구매하고자 하는 인공지능 모델을 선택하여 사용자에게 제공할 수 있다. 이를 위해, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼을 통해 복수의 인공지능 모델을 생성 및 등록하는 동작을 선행함으로써, 인공지능 모델 공유, 대여 및 판매 서비스를 제공하기 위한 환경을 사전에 구축할 수 있다. 이하, 도 3 내지 도 6을 참조하여, 컴퓨팅 장치(100)에 의해 수행되는 인공지능 모델 제작 플랫폼을 통해 복수의 인공지능 모델을 생성 및 등록하는 동작에 대해 보다 구체적으로 설명하도록 한다.
도 3은 다양한 실시예에서, 인공지능 제작 플랫폼을 통해 수행되는 인공지능 모델 제작 및 등록 방법을 설명하기 위한 순서도이다.
도 3을 참조하면, S110 단계에서, 컴퓨팅 장치(100)는 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하기 위한 UI(예: 도 4 내지 도 6)를 제공할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자로부터 사용자 맞춤형 인공지능 모델 생성 요청을 획득하는 것에 대응하여, 사용자 단말(200)로 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하기 위한 UI를 제공할 수 있다.
여기서, 사용자 맞춤형 인공지능 모델 생성 요청은 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하는 웹 사이트를 접속하거나, 컴퓨터 프로그램 및 애플리케이션을 실행함에 따라 출력되는 초기 화면을 통해 획득되는 사용자 맞춤형 인공지능 모델 생성 요청일 수 있으나, 이에 한정되지 않고 사용자 맞춤형 인공지능 모델 생성 요청은 웹 사이트를 접속하거나, 컴퓨터 프로그램 및 애플리케이션을 실행하는 동작 자체일 수 있다. 즉, 컴퓨팅 장치(100)는 별도의 요청을 받지 않더라도 사용자가 웹 사이트에 접속하거나 컴퓨터 프로그램 및 애플리케이션을 실행하는 것에 대응하여 사용자 단말(200)로 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하기 위한 UI를 제공할 수 있다.
S120 단계에서, 컴퓨팅 장치(100)는 S120 단계를 거쳐 제공된 UI를 통해, 사용자로부터 제작하고자 하는 인공지능 모델을 선택받을 수 있다(예: 도 4).
다양한 실시예에서, 컴퓨팅 장치(100)는 UI를 통해 복수의 인공지능 모델 템플릿을 제공할 수 있고, UI를 통해 제공된 복수의 인공지능 모델 템플릿 중 어느 하나의 인공지능 모델 템플릿을 선택받을 수 있다.
여기서, 복수의 인공지능 모델 템플릿은 서로 다른 종류의 인공지능 모델을 제작할 수 있는 템플릿일 수 있다.
예컨대, 복수의 인공지능 모델 템플릿은 지도학습(Supervised Learning) 기반의 인공지능 모델 제작이 가능한 템플릿(예: 분류 모델(예: kNN, Naive Bayes, Support Vector, Machine Decision 등) 및 회귀 모델(예: Linear Regression, Locally Weighted Linear, Ridge, Lasso 등) 등), 비지도 학습(Unsupervised Learning) 기반의 인공지능 모델 제작이 가능한 템플릿(예: Clustering, K mean, Density Estimation, Exception Maximization, Pazen Window, DBSCAN 등), 강화학습(Reinforcement learning) 기반의 인공지능 모델 제작이 가능한 템플릿을 포함할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 UI를 통해, 사용자로부터 선택된 인공지능 모델에 대한 정보를 입력받을 수 있다. 예컨대, 컴퓨팅 장치(100)는 UI를 통해 선택한 인공지능 모델의 모델명과 인공지능 모델을 설명하기 위한 키워드(예: 인공지능 모델에 대응하는 해시태그)를 입력받을 수 있으나, 이에 한정되지 않는다. 여기서, 인공지능 모델을 설명하기 위한 키워드(예: 해시태그)는 후술되는 인공지능 모델 공유, 대여 및 판매 서비스를 수행함에 있어서 인공지능 모델을 검색하거나 조건 정보에 따라 필터링하기 위해 설정되는 것일 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 인공지능 모델의 사용 목적에 관한 정보를 획득할 수 있고, 사용자로부터 획득되는 사용 목적에 관한 정보에 기초하여, 사용자가 사용하기 적합한 종류의 인공지능 모델을 추천할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자가 특정 목적을 위해 인공지능 모델을 사용하고자 할 경우, 기 생성된 복수의 인공지능 모델 중 특정 목적으로서 제작된 인공지능 모델들의 성능을 평가할 수 있고, 특정 목적으로서 제작된 인공지능 모델들 중 평가된 성능이 가장 높은 인공지능 모델의 종류를 사용자가 사용하기 적합한 종류의 인공지능 모델로 추천할 수 있으나, 이에 한정되지 않는다.
또한, 컴퓨팅 장치(100)는 사용자가 제작하고자 하는 인공지능 모델로서 특정 인공지능 모델을 선택하는 경우, 복수의 인공지능 모델 중 특정 인공지능 모델과의 시너지가 좋은 인공지능 모델 즉, 특정 인공지능 모델과 조합되어 앙상블 학습하기 좋은 인공지능 모델을 추천할 수 있다. 이를 위해, 컴퓨팅 장치(100)는 사전에 복수의 인공지능 모델 각각에 대하여, 상호 간의 시너지 효과의 여부 및 그 정도를 정의하는 인공지능 모델 관계 정보를 사전에 정의할 수 있다.
일례로, 인공지능 모델 관계 정보는 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하는 제공자에 의해 사전에 정의될 수 있다.
다른 예로, 인공지능 모델 관계 정보는 다수의 사용자들의 인공지능 모델 생성 이력에 기초하여, 서로 다른 종류의 인공지능 모델들을 포함하는 앙상블 모델들에 대한 성능을 평가할 수 있고, 평가된 성능에 따라 앙상블 모델에 포함된 서로 다른 종류의 인공지능 모델들에 대한 상호 간의 관계(예: 긍정, 부정)를 정의할 수 있으며, 정의된 관계에 따라 생성될 수 있다.
S130 단계에서, 컴퓨팅 장치(100)는 S120 단계를 거쳐 선택된 인공지능 모델에 대한 학습 데이터를 생성할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 UI를 통해 인공지능 모델에 대한 복수의 레이블을 설정받을 수 있고, 설정된 복수의 레이블 각각에 대응하는 데이터를 업로드받을 수 있으며, 업로드된 데이터 상에 업로드된 데이터 각각에 대응하는 레이블을 레이블링함에 따라 학습 데이터를 생성할 수 있다. 예컨대, 컴퓨팅 장치(100)는 도 5에 도시된 바와 같이, 사용자가 '벚꽃'과 '매화'를 분류하는 분류 모델을 제작하고자 하는 경우, '벚꽃'과 '매화' 각각을 레이블로 설정할 수 있고, '벚꽃' 카테고리로 업로드되는 이미지들에 '벚꽃'을 레이블링하고, '매화' 카레고리로 업로드되는 이미지들에 '매화'를 레이블링함에 따라 '벚꽃'과 '매화'를 분류하는 분류 모델을 학습시키기 위한 학습 데이터를 생성할 수 있다.
여기서, 컴퓨팅 장치(100)는 사용자가 제작하고자 하는 인공지능 모델이 별도의 레이블링 작업이 필요하지 않은 비지도 학습 기반의 인공지능 모델인 경우, 사용자로부터 학습 데이터로서 이용하기 위한 데이터만을 업로드받을 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 인공지능 모델을 학습시키기 위한 학습 데이터를 생성하되, 생성되는 학습 데이터가 기 설정된 개수 미만인 경우, UI를 통해 복수의 추천 데이터를 제공할 수 있고, 복수의 추천 데이터 중 사용자로부터 선택되는 적어도 하나의 추천 데이터를 학습 데이터로 생성할 수 있다.
일례로, 컴퓨팅 장치(100)는 인공지능 모델에 대하여 생성되는 학습 데이터의 개수가 기 설정된 개수 미만인 경우, 인공지능 모델에 대하여 생성된 학습 데이터를 소정의 범위 내에서 임의적으로 변환 가공함에 따라 복수의 증강 데이터를 생성하고, 생성된 복수의 증강 데이터를 UI를 통해 추천 제공할 수 있다. 예컨대, 컴퓨팅 장치(100)는 인공지능 모델에 대하여 생성된 학습 데이터가 이미지 데이터인 경우, 이미지 데이터의 색상, 크기, 각도를 소정의 범위 내에서 임의적으로 변환함에 따라 변환된 이미지 데이터를 증강 데이터로 생성할 수 있다.
다른 예로, 컴퓨팅 장치(100)는 인공지능 모델에 대하여 생성되는 학습 데이터의 개수가 기 설정된 개수 미만인 경우, 기 생성된 복수의 학습 데이터 중 상기 생성된 학습 데이터와 동일한 레이블이 설정된 학습 데이터를 증강 데이터로서 UI를 통해 추천 제공할 수 있다. 예컨대, 컴퓨팅 장치(100)는 인공지능 모델에 대하여 생성된 학습 데이터가 '벚꽃'이 레이블링된 이미지 데이터인 경우, 기 생성된 복수의 학습 데이터 중 '벚꽃'이 레이블링 학습 데이터들을 UI를 통해 추천 제공할 수 있다. 그러나, 이에 한정되지 않는다.
여기서, 기 생성된 복수의 학습 데이터는 다수의 사용자들이 사용자 맞춤형 인공지능 모델 제작 서비스를 통해 인공지능 모델을 생성하는 과정에서 생성된
다양한 실시예에서, 컴퓨팅 장치(100)는 외부 서버(300)로부터 복수의 데이터를 수집(예: 크롤링)할 수 있고, 외부 서버(300)로부터 수집되는 복수의 데이터 중 사용자가 제작하고자 하는 인공지능 모델을 학습시키기에 적합한 데이터를 선별할 수 있고, 선별된 데이터를 이용하여 학습 데이터를 생성할 수 있다.
일례로, 컴퓨팅 장치(100)는 UI를 통해 사용자로부터 복수의 레이블이 설정되는 경우, 외부 서버(300)로부터 수집되는 복수의 데이터 중 복수의 레이블 각각에 대응하는 데이터를 선별할 수 있고, 선별된 데이터를 이용하여 학습 데이터를 생성할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자가 이미지 데이터 분석을 통해 '벚꽃'과 '매화'를 분류하는 분류 모델을 생성하기 위해 레이블로서 '벚꽃'과 '매화'가 설정되는 경우, 외부 서버(300)로부터 크롤링되는 복수의 이미지 데이터 중 '벚꽃' 및 '매화'와 관련되는 이미지 데이터들을 선별하고, 선별된 이미지 데이터 상에 '벚꽃' 또는 '매화'를 레이블링함에 따라 학습 데이터를 생성할 수 있다.
S140 단계에서, 컴퓨팅 장치(100)는 S130 단계를 거쳐 생성된 학습 데이터를 이용하여 S120 단계를 거쳐 선택된 인공지능 모델을 학습시킴에 따라 사용자 맞춤형 인공지능 모델을 생성할 수 있다(예: 도 6).
다양한 실시예에서, 컴퓨팅 장치(100)는 지도학습, 비지도 학습 및 반지도 학습 중 적어도 하나의 방식으로 인공지능 모델을 학습시킬 수 있다.
여기서, 인공지능 모델의 학습은 출력의 오류를 최소화하기 위한 것이다. 인공지능 모델의 학습에서 반복적으로 학습 데이터를 인공지능 모델에 입력시키고 학습 데이터에 대한 인공지능 모델의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 인공지능 모델의 에러를 인공지능 모델의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 인공지능 모델의 각 노드의 가중치를 업데이트 하는 과정이다.
지도 학습의 경우 각각의 학습 데이터에 정답이 레이블링 되어있는 학습 데이터를 사용하며(즉, 레이블링된 학습 데이터), 비지도 학습의 경우는 각각의 학습 데이터에 정답이 레이블링 되어있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 레이블링 된 데이터 일 수 있다. 레이블링된 학습 데이터가 인공지능 모델에 입력되고, 인공지능 모델의 출력(카테고리)과 학습 데이터의 레이블을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비지도 학습의 경우 입력인 학습 데이터가 인공지능 모델 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 인공지능 모델에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 인공지능 모델의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 인공지능 모델의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 인공지능 모델의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 인공지능 모델의 학습 초기에는 높은 학습률을 사용하여 인공지능 모델이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
인공지능 모델의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 인공지능 모델을 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 인공지능 모델이 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 인공지능 모델의 학습을 위해 생성된 복수의 학습 데이터 중 유효한 학습 데이터만을 이용하여 인공지능 모델을 학습시킬 수 있다.
보다 구체적으로, 컴퓨팅 장치(100)는 인공지능 모델에 대하여 생성된 복수의 학습 데이터 각각에 대한 유효성을 판단할 수 있다.
일례로, 컴퓨팅 장치(100)는 인공지능 모델에 대하여 생성된 복수의 학습 데이터 간의 유사도를 산출할 수 있고, 유사도가 임계값 이상인 학습 데이터가 유효한 학습 데이터인 것으로 판단할 수 있으며, 유사도가 임계값 미만인 학습 데이터가 유효하지 않은 학습 데이터인 것으로 판단할 수 있다.
다른 예로, 컴퓨팅 장치(100)는 인공지능 모델에 대하여 생성된 복수의 학습 데이터 중 특정 학습 데이터에 대하여, 특정 학습 데이터 및 기 생성된 복수의 학습 데이터(예: 다른 사용자들의 인공지능 모델 생성 요청에 대응하여 사전에 생성된 학습 데이터들) 중 특정 학습 데이터와 동일한 레이블이 설정된 적어도 하나의 학습 데이터 간의 유사도를 산출할 수 있고, 유사도가 임계값 이상 경우 특정 학습 데이터가 유효한 학습 데이터인 것으로 판단할 수 있으며, 유사도가 임계값 미만 경우 특정 학습 데이터가 유효하지 않은 학습 데이터인 것으로 판단할 수 있다. 그러나, 이에 한정되지 않는다.
이후, 컴퓨팅 장치(100)는 인공지능 모델의 학습을 위해 생성된 복수의 학습 데이터 각각에 대한 유효성 판단 결과에 기초하여, 유효 학습 데이터 즉, 유효한 것으로 판단된 학습 데이터만 이용하여 인공지능 모델을 학습시킬 수 있다.
이때, 컴퓨팅 장치(100)는 유효 학습 데이터의 개수가 기 설정된 개수 미만인 경우, 유효하지 않은 것으로 판단된 학습 데이터들을 유사도에 따라 내림차순으로 정렬하고, 학습 데이터의 수가 기 설정된 개수 이상이 될 만큼의 개수를 정렬된 순서에 따라 순차적으로 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 학습 데이터를 이용하여 학습된 인공지능 모델에 대한 테스트를 수행할 수 있고, 테스트의 결과에 기초하여 인공지능 모델을 사용자 맞춤형 인공지능 모델로 확정할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 인공지능 모델에 대한 테스트 데이터를 이용하여 인공지능 모델에 대한 테스트를 수행할 수 있다. 여기서, 인공지능 모델에 대한 테스트 데이터는 인공지능 모델의 성능을 검증하기 위한 데이터를 의미할 수 있다.
일례로, 테스트 데이터는 인공지능 모델의 학습에 사용되는 학습 데이터의 일부일 수 있다. 예컨대, 컴퓨팅 장치(100)는 전체의 학습 데이터 중 70%의 학습 데이터를 인공지능 모델의 학습에 사용하고, 나머지 30%의 학습 데이터를 인공지능 모델의 테스트에 사용할 수 있다.
다른 예로, 테스트 데이터는 인공지능 모델의 테스트를 위해 사용자로부터 획득되는 데이터일 수 있다. 예컨대, 테스트 데이터는 UI를 통해 사용자로부터 업로드되거나 실시간으로 획득되는 테스트용 데이터일 수 있다. 그러나, 이에 한정되지 않는다.
이후, 컴퓨팅 장치(100)는 인공지능 모델의 테스트를 수행한 결과에 기초하여, 테스트 데이터에 대응하는 레이블과 인공지능 모델의 출력 간의 오차를 산출할 수 있고, 산출한 오차에 따라 인공지능 모델의 성능이 사전 결정된 성능 이상이 될 때까지 인공지능 모델의 가중치를 조정할 수 있다. 여기서, 컴퓨팅 장치(100)는 정확도(accuracy), 정밀도(precision), 재현율(recall) 등의 요소를 기준으로 하여 인공지능 모델의 성능을 판단할 수 있으나, 이에 한정되지 않는다.
이후, 컴퓨팅 장치(100)는 인공지능 모델의 가중치를 조정함에 따라 인공지능 모델의 성능이 사전 결정된 성능 이상이 되는 경우, 가중치가 조정된 인공지능 모델을 최종적으로 사용자 맞춤형 인공지능 모델로 채택할 수 있다.
한편, 컴퓨팅 장치(100)는 인공지능 모델의 가중치를 조정하더라도 인공지능 모델의 성능이 사전 결정된 성능에 도달하지 못하는 경우, UI를 통해 사용자에게 학습 데이터로 활용하기 위한 추가 데이터를 업로드할 것을 요청할 수 있다. 그러나, 이에 한정되지 않고, 인공지능 모델의 성능이 사전 결정된 성능에 도달하지 못하는 경우, 경우에 따라 기 생성된 학습 데이터를 이용하여 복수의 증강 데이터를 생성할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 UI를 통해 사용자에게 인공지능 모델에 대한 제작 가이드를 제공할 수 있다.
이때, 컴퓨팅 장치(100)는 사용자의 인공지능 모델 제작 능력과 제작하고자 하는 인공지능 모델의 제작 난이도에 기초하여 사용자에게 인공지능 모델에 대한 제작 가이드를 제공할 수 있다.
먼저, 컴퓨팅 장치(100)는 사용자의 인공지능 모델 제작 능력을 판단할 수 있다. 예컨대 컴퓨팅 장치(100)는 UI를 통해 사용자에게 인공지능 모델 제작 능력을 평가하기 위한 복수의 질의를 제공할 수 있고, 복수의 질의에 대한 답변에 기초하여, 사용자의 인공지능 모델 제작 능력을 판단할 수 있다. 여기서, 컴퓨팅 장치(100)는 사용자의 인공지능 모델 제작 능력을 상, 중 또는 하로 판단할 수 있으나, 이에 한정되지 않고, 가장 높은 등급인 제1 등급부터 가장 낮은 등급인 제10등급 중 어느 하나의 등급으로 분류할 수 있다. 그러나, 이에 한정되지 않는다.
이후, 컴퓨팅 장치(100)는 사용자의 인공지능 모델 제작 능력과 사용자가 제작하고자 하는 인공지능 모델의 난이도를 비교하여, 가이드 수준을 결정할 수 있고, 결정된 가이드 수준에 기초하여 사용자에게 제작 가이드를 제공할 수 있다.
예컨대, 컴퓨팅 장치(100)는 사용자의 인공지능 모델 제작 능력이 사용자가 제작하고자 하는 인공지능 모델의 난이도보다 높은 경우, 별도의 제작 가이드를 제공하지 않거나, 경우에 따라 사용자가 요청하는 부분에 대해서만 제작 가이드를 선택적으로 제공할 수 있다.
한편, 컴퓨팅 장치(100)는 사용자의 인공지능 모델 제작 능력이 사용자가 제작하고자 하는 인공지능 모델의 난이도와 동일한 경우, 사용자가 제작하고자 하는 인공지능 모델의 제작 방법을 포함하는 텍스트 형태의 가이드를 사용자에게 제공할 수 있다.
한편, 컴퓨팅 장치(100)는 사용자의 인공지능 모델 제작 능력이 사용자가 제작하고자 하는 인공지능 모델의 난이도보다 낮은 경우, 사용자가 제작하고자 하는 인공지능 모델의 제작 방법을 포함하는 텍스트 형태의 가이드와 제작 방법에 따라 인공지능 모델을 제작하는 과정을 촬영한 동영상 및/또는 이미지 형태의 가이드를 함께 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자가 제작하고자 하는 인공지능 모델의 종류에 기초하여, 사용자에게 레이블을 추천하는 레이블 설정 가이드를 제공할 수 있다. 또한, 컴퓨팅 장치(100)는 사용자에게 추천한 레이블 또는 사용자가 설정한 레이블에 기초하여, 어떤 학습 데이터가 준비되면 좋을지 학습 데이터 준비 가이드를 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 상기의 과정을 거쳐 최종적으로 생성되는 사용자 맞춤형 인공지능 모델에 대하여, 사용자로부터 사용자 맞춤형 인공지능 모델에 대한 저장 또는 삭제 요청을 획득함에 따라 사용자 맞춤형 인공지능 모델은 사용자의 계정에 대응하여 저장하거나, 삭제할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자의 계정에 대응하여 저장된 사용자 맞춤형 인공지능 모델에 대한 URL을 생성할 수 있고, 사용자 맞춤형 인공지능 모델 제작 서비스를 통해 생성된 사용자 맞춤형 인공지능 모델을 URL을 통해 외부로 내보낼 수 있다.
한편, 경우에 따라 컴퓨팅 장치(100)는 외부에서 제작된 인공지능 모델의 URL을 가져옴으로써, URL을 통해 외부에서 제작된 인공지능 모델을 등록할 수 있고, 등록된 인공지능 모델에 대한 관리와 추가 학습을 수행할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터, 사용자의 계정에 대응하여 저장된 사용자 맞춤형 인공지능 모델에 대한 애플리케이션 생성 요청을 획득함에 따라 사용자 맞춤형 인공지능 모델이 적용된 애플리케이션을 생성할 수 있다.
S150 단계에서, 컴퓨팅 장치(100)는 S140 단계를 거쳐 생성된 인공지능 모델(사용자 맞춤형 인공지능 모델)을 인공지능 모델 제작 플랫폼에 등록할 수 있다.
여기서, 인공지능 모델 제작 플랫폼에 인공지능 모델을 등록한다는 것은 인공지능 모델 제작 플랫폼에서 제공하는 별도의 공간(예: 인공지능 모델 공유 게시판, 인공지능 모델 대여 게시판 및 인공지능 모델 구매/판매 게시판 등)에 인공지능 모델을 등록하는 것일 수 있으나, 이에 한정되지 않고, 경우에 따라 도 12에 도시된 바와 같이, 사용자의 계정 각각에 대응하는 개인 페이지에 등록하는 것일 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 특정 사용자로부터, 사용자 맞춤형 인공지능 모델 생성 서비스를 통해 제작한 특정 인공지능 모델에 대한 공유, 대여 및 판매 등록을 요청받음에 따라 특정 인공지능 모델을 인공지능 모델 제작 플랫폼에 등록할 수 있다.
여기서, 인공지능 모델의 공유는 인공지능 모델을 모든 사용자(또는 특정 사용자 군)에게 무료로 배포하는 것을 의미할 수 있다. 인공지능 모델의 공유는 인공지능 모델을 무료로 공개하여 다수의 사용자들이 조건없이 이용할 수 있도록 하는 것인 바, 인공지능 모델의 공유는 인공지능 모델을 사용하는 권한뿐만 아니라 인공지능 모델을 변환, 가공할 수 있는 권한도 함께 제공하는 것일 수 있다.
또한, 여기서, 인공지능 모델의 대여는 소정의 비용을 지불한 사용자에게 대여 비용에 대응하는 기간동안 인공지능 모델을 유상으로 빌려주는 것을 의미할 수 있다. 인공지능 모델의 대여는 인공지능 모델을 유료로 빌려주고 대여 기간이 만료되는 경우 다시 돌려받는 것인 바, 인공지능 모델의 대여는 인공지능 모델을 사용하는 권한만을 제공하는 것일 수 있다.
또한, 여기서, 인공지능 모델의 판매는 소정의 비용을 지불한 사용자에게 인공지능 모델을 제공하는 것을 의미할 수 있다. 인공지능 모델의 판매는 인공지능 모델을 소유권을 완전히 제공하는 것을 의미할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 특정 사용자가 제작한 특정 인공지능 모델을 대여 또는 판매하기 위해 인공지능 모델 제작 플랫폼에 등록하고자 하는 경우, 특정 인공지능 모델의 유효성을 판단할 수 있고, 판단된 유효성에 따라 인공지능 모델을 인공지능 모델 제작 플랫폼에 등록할지를 판단할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 대여 또는 판매하고자 하는 특정 인공지능 모델에 대한 유효성을 판단할 수 있다.
일례로, 컴퓨팅 장치(100)는 대여 또는 판매하고자 하는 특정 인공지능 모델에 대한 성능을 평가할 수 있고, 평가된 성능이 임계값 이상일 경우 특정 인공지능 모델이 유효한 것으로 판단할 수 있으며, 평가된 성능이 임계값 미만일 경우 특정 인공지능 모델이 유효하지 않은 것으로 판단할 수 있다.
다른 예로, 컴퓨팅 장치(100)는 대여 또는 판매하고자 하는 특정 인공지능 모델을 소정의 기간 동안 무료로 공유할 수 있고, 소정의 기간 특정 인공지능 모델의 공유 이력(예: 공유 횟수, 공유한 사용자의 수, 공유한 사용자들의 평점 등)에 기초하여 특정 인공지능 모델에 대한 유효성 점수를 산출할 수 있으며, 유효성 점수가 임계 점수 이상일 경우 특정 인공지능 모델이 유효한 것으로 판단할 수 있고, 유효성 점수가 임계 점수 미만일 경우 특정 인공지능 모델이 유효하지 않은 것으로 판단할 수 있다.
여기서, 특정 사용자가 제작한 특정 인공지능 모델을 공유하기 위해 인공지능 모델 제작 플랫폼에 등록하고자 하는 경우, 무상으로 자신이 제작한 인공지능 모델을 공개하는 것인 바, 공유하기 위해 인공지능 모델 제작 플랫폼에 인공지능 모델을 등록하고자 하는 경우에는 상기의 유효성 판단을 통해 등록 여부를 결정하는 동작을 수행하지 않을 수 있다. 그러나, 공유하고자 하는 모든 인공지능 모델을 무조건 인공지능 모델 제작 플랫폼에 등록할 경우, 성능이 떨어지는 인공지능 모델이 등록되거나 동일/유사한 인공지능 모델들이 다수 등록되는 등의 문제가 발생될 수 있는 바, 공유하고자 하는 인공지능 모델에 대해서도 상기와 같은 유효성 판단 동작을 거쳐 유효한 것으로 판단되는 인공지능 모델에 대해서만 인공지능 모델 제작 플랫폼에 공유 등록할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 특정 사용자가 제작한 특정 인공지능 모델을 대여 또는 판매하기 위해 인공지능 모델 제작 플랫폼에 등록하고자 하는 경우, 특정 인공지능 모델과 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 각각의 유사도를 산출할 수 있고, 산출된 유사도의 최대 값이 기준 값 미만인 경우에만 특정 인공지능 모델을 인공지능 모델 제작 플랫폼에 등록할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 특정 인공지능 모델이 유효한 것으로 판단되는 경우, 특정 인공지능 모델에 대한 대여 비용 또는 판매 비용을 설정할 수 있다. 예컨대, 컴퓨팅 장치(100)는 특정 인공지능 모델을 제작한 사용자로부터 특정 인공지능 모델의 비용 정보를 입력받음에 따라 특정 인공지능 모델에 대한 대여 비용과 판매 비용을 설정할 수 있으나, 이에 한정되지 않고, 경우에 따라 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 특정 인공지능 모델과 동일한 속성(예: 종류, 성능, 키워드(해시태그) 등)을 가지는 인공지능 모델들에 설정된 비용 정보에 기초하여 특정 인공지능 모델에 대한 적정가를 산출할 수 있고, 산출된 적정가를 사용자에게 제안하거나, 적정가를 기반으로 특정 인공지능 모델의 비용을 자동으로 설정할 수 있다. 이하, 도 7 내지 도 10을 참조하여, 컴퓨팅 장치(100)에 의해 수행되는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법에 대해 설명하도록 한다.
도 7은 본 발명의 또 다른 실시예에 따른 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 설명하기 위한 순서도이며, 도 8 내지 도 10은 다양한 실시예에서, 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매하는 과정을 도시한 도면이다.
도 7 내지 도 10을 참조하면, S210 단계에서, 컴퓨팅 장치(100)는 인공지능 모델 공유, 대여 및 판매 서비스를 제공하기 위한 UI(예: 도 11 내지 도 13)를 제공할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자로부터 인공지능 모델에 대한 공유, 대여 또는 구매 요청을 획득하는 것에 대응하여 사용자 단말(200)로 인공지능 모델 공유, 대여 및 판매 서비스를 제공하기 위한 UI를 제공할 수 있다.
S220 단계에서, 컴퓨팅 장치(100)는 S210 단계를 거쳐 제공된 UI를 통해, 사용자로부터 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득할 수 있다.
여기서, 조건 정보는 사용자가 공유, 대여 또는 구매하고자 하는 인공지능 모델을 검색 및 필터링하기 위한 조건에 관한 정보로, 예컨대, 조건 정보는 검색 및 필터링하고자 하는 인공지능 모델의 종류, 등록 방식(예: 공유 등록, 대여 등록, 판매 등록), 대여 또는 판매 비용(범위), 기간(대여의 경우), 성능(범위) 및 키워드(예: 포함될 키워드 및/또는 제외시킬 키워드 등)를 포함할 수 있으나, 이에 한정되지 않고, 인공지능 모델 검색 및 필터링을 위해 사용 가능한 다양한 종류의 조건 정보가 적용될 수 있다.
S230 단계에서, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 S220 단계를 거쳐 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택할 수 있다. 예컨대, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 하니 이상의 조건 정보를 만족하는 인공지능 모델들 만을 선별하거나, 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 하나 이상의 조건 정보를 필터링함으로써, 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 특정 사용자로부터 획득된 특정 조건 정보를 만족하는 인공지능 모델이 없는 경우, 특정 조건 정보를 만족하는 인공지능 모델의 제작을 위한 사용자 맞춤형 인공지능 모델 제작 서비스(예: 도 3의 S110 단계 내지 S140 단계)를 특정 사용자에게 제공할 수 있다.
이때, 컴퓨팅 장치(100)는 특정 사용자에게 사용자 맞춤형 인공지능 모델 제작 서비스를 제공한 것에 대응하여, 특정 사용자가 사용자 맞춤형 인공지능 모델 제작 서비스를 통해 특정 조건 정보를 만족하는 인공지능 모델이 생성하고, 생성된 인공지능 모델을 인공지능 모델 제작 플랫폼에 등록할 경우, 특정 사용자에게 소정의 보상을 제공할 수 있다. 여기서, 소정의 보상은 인공지능 모델 제작 플랫폼을 통해 제공되는 서비스들을 이용하기 위해 지불되는 비용을 대체 결제하기 위한 포인트일 수 있으나, 이에 한정되지 않고, 할인권, 기프티콘 등 다양한 형태의 보상이 적용될 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 복수의 조건 정보를 만족하는 인공지능 모델이 없는 경우, 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 만족하는 조건 정보의 개수가 많은 인공지능 모델부터 순차적으로 N개의 인공지능 모델을 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 중 복수의 조건 정보를 만족하는 인공지능 모델이 없는 경우, 복수의 조건 정보를 이용하여 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 각각에 대한 점수를 산출하고, 산출된 점수가 높은 인공지능 모델부터 순차적으로 N개의 인공지능 모델을 선택할 수 있다. 예컨대, 컴퓨팅 장치(100)는 사전에 복수의 조건 정보 각각에 대한 중요도 기반의 점수가 할당될 수 있으며, 인공지능 모델 제작 플랫폼에 기 등록된 복수의 인공지능 모델 각각이 복수의 조건 정보 각각에 해당되는지에 따라 복수의 조건 정보 각각에 할당된 점수를 부여할 수 할 수 있고, 상기와 같이 부여된 점수의 총합이 가장 높은 인공지능 모델부터 순차적으로 N개의 인공지능 모델을 선택할 수 있다. 그러나, 이에 한정되지 않는다.
S240 단계에서, 컴퓨팅 장치(100)는 사용자에게, S230 단계를 거쳐 선택된 인공지능 모델을 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 도 8에 도시된 바와 같이, 사용자로부터 하나 이상의 조건 정보를 포함하는 인공지능 모델 공유 요청을 획득한 경우, 사용자에게 광고를 제공할 수 있고, 사용자가 광고를 시청한 경우에만 하나 이상의 조건 정보를 만족하는 인공지능 모델을 사용자에게 공유할 수 있다. 이때, 컴퓨팅 장치(100)는 하나 이상의 조건 정보를 만족하는 인공지능 모델을 사용자에게 공유할 경우, 하나 이상의 조건 정보를 만족하는 인공지능 모델을 제작한 제작자에게 소정의 보상을 지급할 수 있다. 이때, 소정의 보상은 사용자가 시청한 광고로 인해 발생되는 수익(예: 광고 수익)의 적어도 일부분일 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 도 9에 도시된 바와 같이, 사용자로부터 하나 이상의 조건 정보를 포함하는 인공지능 모델 대여 요청을 획득한 경우 사용자에게 결제 프로세스를 제공할 수 있고, 사용자가 결제 프로세스를 통해 대여 비용을 지불하는 경우 하나 이상의 조건 정보를 만족하는 인공지능 모델을 사용자에게 대여할 수 있으며, 하나 이상의 조건 정보를 만족하는 인공지능 모델을 제작한 제작자에게 사용자로부터 지불된 대여 비용의 적어도 일부분을 지급할 수 있다. 예컨대
다양한 실시예에서, 컴퓨팅 장치(100)는 도 10에 도시된 바와 같이, 사용자로부터 하나 이상의 조건 정보를 포함하는 인공지능 모델 구매 요청을 획득한 경우 사용자에게 결제 프로세스를 제공할 수 있고, 사용자가 결제 프로세스를 통해 구매 비용을 지불하는 경우 하나 이상의 조건 정보를 만족하는 인공지능 모델을 사용자에게 제공할 수 있으며, 하나 이상의 조건 정보를 만족하는 인공지능 모델을 제작한 제작자에게 사용자로부터 지불된 구매 비용의 적어도 일부분을 지급할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 결제 프로세스를 통해 사용자로부터 특정 인공지능 모델에 대한 구매 비용이 지불되는 경우, 특정 인공지능 모델에 대응하여 생성된 URL을 사용자에게 제공할 수 있고, 사용자는 자신의 계정을 통해 URL을 등록함으로써, 자신이 구매한 인공지능 모델을 사용할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 하나 이상의 조건 정보와 함께 입력 데이터를 획득하는 경우, 인공지능 모델 제작 플랫폼을 통해 기 등록된 복수의 인공지능 모델 중 하나 이상의 조건 정보를 만족하는 적어도 하나의 인공지능 모델에 관한 정보를 사용자에게 제공할 뿐만 아니라, 하나 이상의 조건 정보를 만족하는 적어도 하나의 인공지능 모델에 사용자로부터 획득된 입력 데이터를 입력함에 따라 출력되는 결과 데이터를 함께 제공함으로써, 사용자가 자신이 원하는 인공지능 모델을 정확하게 공유, 대여 및 구매할 수 있도록 할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자가 특정 인공지능 모델을 구매한 경우, 특정 인공지능 모델과 긍정적 상관 관계를 가지는 인공지능 모델을 선정하고, 선정된 인공지능 모델의 구매를 추천할 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 인공지능 모델 제작 플랫폼을 통해 기 등록된 복수의 인공지능 모델 중 서로 다른 종류의 둘 이상의 인공지능 모델을 포함하는 앙상블 모델을 선별하고, 선별된 앙상블 모델들에 대한 성능을 평가할 수 있다.
이후, 컴퓨팅 장치(100)는 앙상블 모델들에 대한 성능 평가 결과에 기초하여, 앙상블 모델들 각각에 포함된 인공지능 모델들 간의 상호 상관 관계를 정의(예: 강한 부정, 부정, 약한 부정, 약한 긍정, 긍정, 강한 긍정 등)할 수 있다. 예컨대, 제1 인공지능 모델과 제2 인공지능 모델을 포함하는 제1 앙상블 모델의 성능이 제1 인공지능 모델과 제3 인공지능 모델을 포함하는 제2 앙상블 모델의 성능보다 좋을 경우, 제1 인공지능 모델과 제2 인공지능 모델 간의 상관 관계가 제1 인공지능 모델과 제3 인공지능 모델 간의 상관 관계보다 더욱 긍정적인 것으로 정의할 수 있다.
이후, 컴퓨팅 장치(100)는 서로 다른 인공지능 모델 간의 상관 관계에 기초하여 상관 관계 맵을 생성할 수 있다. 예컨대, 상관 관계 맵은 복수의 인공지능 모델 각각에 대응하는 노드가 표시되고, 상호 상관 관계가 있는 인공지능 모델들을 선으로 연결한 맵이며, 여기서, 선의 속성(예: 종류, 굵기, 색상 등)은 상관 관계의 종류와 정도에 따라 결정될 수 있다.
이후, 컴퓨팅 장치(100)는 사용자가 특정 인공지능 모델을 구매한 경우, 상관 관계 맵에 기초하여 특정 인공지능 모델과 긍정적인 상관 관계를 가지는 인공지능 모델을 선정할 수 있고, 선정된 인공지능 모델의 구매를 추천할 수 있다.
전술한 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법은 도면에 도시된 순서도를 참조하여 설명하였다. 간단한 설명을 위해 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법은 일련의 블록들로 도시하여 설명하였으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 본 명세서에 도시되고 시술된 것과 상이한 순서로 수행되거나 또는 동시에 수행될 수 있다. 또한, 본 명세서 및 도면에 기재되지 않은 새로운 블록이 추가되거나, 일부 블록이 삭제 또는 변경된 상태로 수행될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : 컴퓨팅 장치
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
Claims (10)
- 컴퓨팅 장치에 의해 수행되는 방법에 있어서,
사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 단계;
플랫폼에 기 등록된 복수의 인공지능 모델 중 상기 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 단계;
상기 사용자에게 상기 선택된 인공지능 모델을 제공하는 단계;
상기 플랫폼을 통해 제공되는 사용자 맞춤형 인공지능 모델 제작 서비스를 이용하여 복수의 인공지능 모델을 생성하는 단계; 및
상기 생성된 복수의 인공지능 모델 중 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 단계를 포함하며,
상기 플랫폼에 등록하는 단계는,
상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성을 판단하는 단계; 및
상기 판단된 유효성에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단되는 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 단계를 포함하고,
상기 유효성을 판단하는 단계는,
상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 소정의 기간 무료로 공유하는 단계;
상기 소정의 기간 동안 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델의 공유 이력 - 상기 공유 이력은 공유 횟수, 공유한 사용자의 수 및 공유한 사용자들의 평점을 포함함 - 에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성 점수를 산출하는 단계; 및
상기 산출된 유효성 점수가 임계 점수 이상인 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단하는 단계를 포함하는,
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법. - 제1항에 있어서,
상기 사용자 맞춤형 인공지능 모델 제작 서비스는 사용자 인터페이스(User Interface, UI)를 통해 제작하고자 하는 인공지능 모델에 대한 학습 데이터를 생성하고, 상기 생성된 학습 데이터를 이용하여 상기 제작하고자 하는 인공지능 모델을 학습시킴에 따라 사용자 맞춤형 인공지능 모델을 생성하는 서비스인,
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법. - 삭제
- 삭제
- 제1항에 있어서,
상기 인공지능 모델을 선택하는 단계는,
상기 기 등록된 복수의 인공지능 모델 중 상기 하나 이상의 조건 정보를 만족하는 인공지능 모델이 없는 경우, 상기 하나 이상의 조건 정보를 만족하는 인공지능 모델의 제작을 위한 사용자 맞춤형 인공지능 모델 제작 서비스를 제공하는 단계를 포함하는,
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법. - 제1항에 있어서,
상기 선택된 인공지능 모델을 제공하는 단계는,
상기 사용자로부터 상기 선택된 인공지능 모델에 대한 구매 요청을 획득하는 경우, 상기 선택된 인공지능 모델의 구매를 위한 결제 프로세스를 제공하는 단계; 및
상기 제공된 결제 프로세스를 통해 상기 선택된 인공지능 모델에 대한 구매 비용이 지불되는 경우, 상기 선택된 인공지능 모델에 대응하는 URL을 생성하고, 상기 생성된 URL을 제공하는 단계를 포함하는,
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법. - 제6항에 있어서,
상기 생성된 URL을 제공하는 단계는,
상기 사용자가 특정 인공지능 모델을 구매한 경우, 상기 특정 인공지능 모델과 긍정적 상관 관계를 가지는 인공지능 모델을 선정하는 단계; 및
상기 선정된 인공지능 모델의 구매를 추천하는 단계를 포함하며,
상기 특정 인공지능 모델과 긍정적 상관 관계를 가지는 인공지능 모델을 선정하는 단계는,
상기 기 등록된 복수의 인공지능 모델 중 서로 다른 종류의 둘 이상의 인공지능 모델을 포함하는 앙상블 모델들의 성능을 평가하는 단계;
상기 평가된 성능에 기초하여 상기 서로 다른 둘 이상의 인공지능 모델에 대한 상관 관계를 정의하고, 상기 정의된 상관 관계에 기초하여 상관 관계 맵을 생성하는 단계;
상기 생성된 상관 관계 맵에 기초하여, 상기 특정 인공지능 모델과 긍정적 상관 관계를 가지는 인공지능 모델을 선정하는 단계를 포함하는,
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법. - 제1항에 있어서,
상기 하나 이상의 조건 정보는,
입력 데이터를 포함하며,
상기 선택된 인공지능 모델을 제공하는 단계는,
상기 선택된 적어도 하나의 인공지능 모델에 관한 정보와 상기 선택된 적어도 하나의 인공지능 모델에 상기 입력 데이터를 입력함에 따라 출력되는 결과 데이터를 함께 제공하는 단계를 포함하는,
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법. - 프로세서;
네트워크 인터페이스;
메모리; 및
상기 메모리에 로드(load) 되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되,
상기 컴퓨터 프로그램은,
사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 인스트럭션(instruction);
플랫폼에 기 등록된 복수의 인공지능 모델 중 상기 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 인스트럭션;
상기 사용자에게 상기 선택된 인공지능 모델을 제공하는 인스트럭션;
상기 플랫폼을 통해 제공되는 사용자 맞춤형 인공지능 모델 제작 서비스를 이용하여 복수의 인공지능 모델을 생성하는 인스트럭션; 및
상기 생성된 복수의 인공지능 모델 중 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 인스트럭션을 포함하며,
상기 플랫폼에 등록하는 인스트럭션은,
상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성을 판단하는 인스트럭션; 및
상기 판단된 유효성에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단되는 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 인스트럭션을 포함하고,
상기 유효성을 판단하는 인스트럭션은,
상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 소정의 기간 무료로 공유하는 인스트럭션;
상기 소정의 기간 동안 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델의 공유 이력 - 상기 공유 이력은 공유 횟수, 공유한 사용자의 수 및 공유한 사용자들의 평점을 포함함 - 에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성 점수를 산출하는 인스트럭션; 및
상기 산출된 유효성 점수가 임계 점수 이상인 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단하는 인스트럭션을 포함하는,
인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 수행하는 컴퓨팅 장치. - 컴퓨팅 장치와 결합되어,
사용자로부터, 공유, 대여 또는 구매하고자 하는 인공지능 모델에 관한 하나 이상의 조건 정보를 획득하는 단계;
플랫폼에 기 등록된 복수의 인공지능 모델 중 상기 획득된 하나 이상의 조건 정보를 만족하는 인공지능 모델을 선택하는 단계;
상기 사용자에게 상기 선택된 인공지능 모델을 제공하는 단계;
상기 플랫폼을 통해 제공되는 사용자 맞춤형 인공지능 모델 제작 서비스를 이용하여 복수의 인공지능 모델을 생성하는 단계; 및
상기 생성된 복수의 인공지능 모델 중 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 단계를 포함하며,
상기 플랫폼에 등록하는 단계는,
상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성을 판단하는 단계; 및
상기 판단된 유효성에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단되는 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 상기 플랫폼에 등록하는 단계를 포함하고,
상기 유효성을 판단하는 단계는,
상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델을 소정의 기간 무료로 공유하는 단계;
상기 소정의 기간 동안 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델의 공유 이력 - 상기 공유 이력은 공유 횟수, 공유한 사용자의 수 및 공유한 사용자들의 평점을 포함함 - 에 기초하여, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델에 대한 유효성 점수를 산출하는 단계; 및
상기 산출된 유효성 점수가 임계 점수 이상인 경우, 상기 대여 또는 판매하고자 하는 적어도 하나의 인공지능 모델이 유효한 것으로 판단하는 단계를 포함하는 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법을 실행시키기 위하여 컴퓨팅 장치로 판독 가능한 기록매체에 저장된, 컴퓨터프로그램.
Priority Applications (10)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020240019621A KR20240031975A (ko) | 2022-08-31 | 2024-02-08 | 수익 창출이 가능한 개인화된 인공지능 모델 공유, 대여 및 판매 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019626A KR20240031255A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유 및 판매 플랫폼의 등록을 위한 인공지능 모델 검증방법, 장치 및 컴퓨터프로그램 |
| KR1020240019619A KR20240031973A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작 및 판매가 가능한 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019620A KR20240031974A (ko) | 2022-08-31 | 2024-02-08 | 소규모 환경에 최적화된 ai학습 모델의 제작 및 판매방법, 장치 및 컴퓨터프로그램 |
| KR1020240019628A KR20240031977A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작을 위한 가이드 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019622A KR20240031976A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유에 따른 수익 쉐어 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019623A KR20240031252A (ko) | 2022-08-31 | 2024-02-08 | 사용 목적에 따른 최적화된 인공지능 모델 공유 및 판매 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019627A KR20240031256A (ko) | 2022-08-31 | 2024-02-08 | 판매용 인공지능 모델의 최적화된 제작을 위한 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
| KR1020240019624A KR20240031253A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유, 대여 및 판매 플랫폼을 이용한 인공지능 모델 추천 방법, 장치 및 컴퓨터프로그램 |
| KR1020240019625A KR20240031254A (ko) | 2022-08-31 | 2024-02-08 | 공유 및 판매용 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220110020 | 2022-08-31 | ||
| KR20220110020 | 2022-08-31 |
Related Child Applications (10)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240019622A Division KR20240031976A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유에 따른 수익 쉐어 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019623A Division KR20240031252A (ko) | 2022-08-31 | 2024-02-08 | 사용 목적에 따른 최적화된 인공지능 모델 공유 및 판매 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019626A Division KR20240031255A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유 및 판매 플랫폼의 등록을 위한 인공지능 모델 검증방법, 장치 및 컴퓨터프로그램 |
| KR1020240019628A Division KR20240031977A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작을 위한 가이드 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019625A Division KR20240031254A (ko) | 2022-08-31 | 2024-02-08 | 공유 및 판매용 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
| KR1020240019620A Division KR20240031974A (ko) | 2022-08-31 | 2024-02-08 | 소규모 환경에 최적화된 ai학습 모델의 제작 및 판매방법, 장치 및 컴퓨터프로그램 |
| KR1020240019619A Division KR20240031973A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작 및 판매가 가능한 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019627A Division KR20240031256A (ko) | 2022-08-31 | 2024-02-08 | 판매용 인공지능 모델의 최적화된 제작을 위한 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
| KR1020240019624A Division KR20240031253A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유, 대여 및 판매 플랫폼을 이용한 인공지능 모델 추천 방법, 장치 및 컴퓨터프로그램 |
| KR1020240019621A Division KR20240031975A (ko) | 2022-08-31 | 2024-02-08 | 수익 창출이 가능한 개인화된 인공지능 모델 공유, 대여 및 판매 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102637198B1 true KR102637198B1 (ko) | 2024-02-16 |
Family
ID=90056021
Family Applications (11)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230110709A KR102637198B1 (ko) | 2022-08-31 | 2023-08-23 | 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램 |
| KR1020240019621A KR20240031975A (ko) | 2022-08-31 | 2024-02-08 | 수익 창출이 가능한 개인화된 인공지능 모델 공유, 대여 및 판매 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019619A KR20240031973A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작 및 판매가 가능한 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019625A KR20240031254A (ko) | 2022-08-31 | 2024-02-08 | 공유 및 판매용 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
| KR1020240019620A KR20240031974A (ko) | 2022-08-31 | 2024-02-08 | 소규모 환경에 최적화된 ai학습 모델의 제작 및 판매방법, 장치 및 컴퓨터프로그램 |
| KR1020240019624A KR20240031253A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유, 대여 및 판매 플랫폼을 이용한 인공지능 모델 추천 방법, 장치 및 컴퓨터프로그램 |
| KR1020240019623A KR20240031252A (ko) | 2022-08-31 | 2024-02-08 | 사용 목적에 따른 최적화된 인공지능 모델 공유 및 판매 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019626A KR20240031255A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유 및 판매 플랫폼의 등록을 위한 인공지능 모델 검증방법, 장치 및 컴퓨터프로그램 |
| KR1020240019622A KR20240031976A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유에 따른 수익 쉐어 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019628A KR20240031977A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작을 위한 가이드 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019627A KR20240031256A (ko) | 2022-08-31 | 2024-02-08 | 판매용 인공지능 모델의 최적화된 제작을 위한 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
Family Applications After (10)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240019621A KR20240031975A (ko) | 2022-08-31 | 2024-02-08 | 수익 창출이 가능한 개인화된 인공지능 모델 공유, 대여 및 판매 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019619A KR20240031973A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작 및 판매가 가능한 플랫폼 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019625A KR20240031254A (ko) | 2022-08-31 | 2024-02-08 | 공유 및 판매용 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
| KR1020240019620A KR20240031974A (ko) | 2022-08-31 | 2024-02-08 | 소규모 환경에 최적화된 ai학습 모델의 제작 및 판매방법, 장치 및 컴퓨터프로그램 |
| KR1020240019624A KR20240031253A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유, 대여 및 판매 플랫폼을 이용한 인공지능 모델 추천 방법, 장치 및 컴퓨터프로그램 |
| KR1020240019623A KR20240031252A (ko) | 2022-08-31 | 2024-02-08 | 사용 목적에 따른 최적화된 인공지능 모델 공유 및 판매 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019626A KR20240031255A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유 및 판매 플랫폼의 등록을 위한 인공지능 모델 검증방법, 장치 및 컴퓨터프로그램 |
| KR1020240019622A KR20240031976A (ko) | 2022-08-31 | 2024-02-08 | 인공지능 모델 공유에 따른 수익 쉐어 서비스 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019628A KR20240031977A (ko) | 2022-08-31 | 2024-02-08 | 사용자 맞춤형 인공지능 모델의 제작을 위한 가이드 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020240019627A KR20240031256A (ko) | 2022-08-31 | 2024-02-08 | 판매용 인공지능 모델의 최적화된 제작을 위한 인공지능 모델의 학습방법, 장치 및 컴퓨터프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (11) | KR102637198B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110027267A (ko) * | 2009-09-10 | 2011-03-16 | (주)제너시스템즈 | 웹 상에서 생성한 서비스를 판매하는 시스템 및 방법 |
| KR20190056697A (ko) * | 2017-11-17 | 2019-05-27 | 에스케이브로드밴드주식회사 | 컨텐츠서비스장치 및 그 동작 방법 |
| KR20220000491A (ko) * | 2020-06-26 | 2022-01-04 | 주식회사 티앤엠테크 | 모듈화된 인공지능 모델 플랫폼 서비스 제공 방법, 장치 및 컴퓨터프로그램 |
| KR20220030680A (ko) | 2020-09-03 | 2022-03-11 | (주)아크릴 | 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법 |
-
2023
- 2023-08-23 KR KR1020230110709A patent/KR102637198B1/ko active IP Right Grant
-
2024
- 2024-02-08 KR KR1020240019621A patent/KR20240031975A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019619A patent/KR20240031973A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019625A patent/KR20240031254A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019620A patent/KR20240031974A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019624A patent/KR20240031253A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019623A patent/KR20240031252A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019626A patent/KR20240031255A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019622A patent/KR20240031976A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019628A patent/KR20240031977A/ko not_active Application Discontinuation
- 2024-02-08 KR KR1020240019627A patent/KR20240031256A/ko not_active Application Discontinuation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110027267A (ko) * | 2009-09-10 | 2011-03-16 | (주)제너시스템즈 | 웹 상에서 생성한 서비스를 판매하는 시스템 및 방법 |
| KR20190056697A (ko) * | 2017-11-17 | 2019-05-27 | 에스케이브로드밴드주식회사 | 컨텐츠서비스장치 및 그 동작 방법 |
| KR20220000491A (ko) * | 2020-06-26 | 2022-01-04 | 주식회사 티앤엠테크 | 모듈화된 인공지능 모델 플랫폼 서비스 제공 방법, 장치 및 컴퓨터프로그램 |
| KR20220030680A (ko) | 2020-09-03 | 2022-03-11 | (주)아크릴 | 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20240031974A (ko) | 2024-03-08 |
| KR20240031252A (ko) | 2024-03-07 |
| KR20240031253A (ko) | 2024-03-07 |
| KR20240031973A (ko) | 2024-03-08 |
| KR20240031255A (ko) | 2024-03-07 |
| KR20240031976A (ko) | 2024-03-08 |
| KR20240031975A (ko) | 2024-03-08 |
| KR20240031256A (ko) | 2024-03-07 |
| KR20240031254A (ko) | 2024-03-07 |
| KR20240031977A (ko) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bai et al. | DLTSR: A deep learning framework for recommendations of long-tail web services | |
| CN108229590B (zh) | 一种获取多标签用户画像的方法和装置 | |
| US10354184B1 (en) | Joint modeling of user behavior | |
| WO2021155691A1 (zh) | 用户画像生成方法、装置、存储介质及设备 | |
| Phang et al. | How to derive causal insights for digital commerce in China? A research commentary on computational social science methods | |
| Cantelmo et al. | Low-dimensional model for bike-sharing demand forecasting that explicitly accounts for weather data | |
| CN111695084A (zh) | 模型生成方法、信用评分生成方法、装置、设备及存储介质 | |
| CN115238188A (zh) | 一种对象推荐方法和***及对象推荐模型*** | |
| US11501214B2 (en) | Systems and methods for managing, distributing and deploying a recursive decisioning system based on continuously updating machine learning models | |
| WO2023050143A1 (zh) | 一种推荐模型训练方法及装置 | |
| Fareed et al. | A collaborative filtering recommendation framework utilizing social networks | |
| CN116910373B (zh) | 房源推荐方法、装置、电子设备及存储介质 | |
| Liu et al. | [Retracted] Deep Learning and Collaborative Filtering‐Based Methods for Students’ Performance Prediction and Course Recommendation | |
| KR102637198B1 (ko) | 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램 | |
| CN116308641A (zh) | 产品推荐方法、训练方法、装置、电子设备和介质 | |
| Drif et al. | A sentiment enhanced deep collaborative filtering recommender system | |
| CN111127145B (zh) | 基于catboost算法与深度学习结合的排序推荐方法及*** | |
| KR102687353B1 (ko) | 상품의 입고부터 출고까지 모든 프로세스에 대한 통합관리솔루션을 제공하며 국내 쇼핑몰 등록과 연동하여 해외 쇼핑몰 등록을 자동으로 지원하는 셀러와 유저를 매칭시키는 글로벌 이커머스 플랫폼의 운영방법 | |
| KR102617179B1 (ko) | 소비자 판매 보증 서비스 제공 시스템 | |
| KR102526451B1 (ko) | 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램 | |
| KR20240031071A (ko) | 사용자 맞춤형 인공지능 모델 제작 서비스 제공방법, 장치 및 컴퓨터프로그램 | |
| US12039424B2 (en) | Systems and methods for managing, distributing and deploying a recursive decisioning system based on continuously updating machine learning models | |
| KR20230158768A (ko) | 인공지능을 기반으로 데이터를 분석하여 셀러에게 유저가 선호하는 상품 정보를 제공하는 셀러와 유저를 매칭시키는 글로벌 이커머스 플랫폼의 운영방법 | |
| KR20230158767A (ko) | 상품의 입고부터 출고까지 모든 프로세스에 대한 통합관리솔루션을 제공하며 국내 쇼핑몰 등록과 연동하여 해외 쇼핑몰 등록을 자동으로 지원하는 셀러와 유저를 매칭시키는 글로벌 이커머스 플랫폼의 운영방법 | |
| Wu et al. | Multiple feedback based adversarial collaborative filtering with aesthetics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |