반응형

(304100) 솔트룩스 - (1) 회사소개 & 인공지능 ( AI Suite , 적용사례 , 기술소개 )

saltlux

  • 동사는 1981년 8월에 설립되었으며, B2B 및 B2G 인공지능·빅데이터 솔루션을 프로젝트 수주하여 구축 혹은 클라우드 기반으로 서비스 하는 사업을 영위.
  • 동사의 주요 제품으로는 지능형 빅데이터 분석 플랫폼인 Big Data Suite와 인공지능 플랫폼인 AI Suite가 있으며, 각각 2019년 전체 매출액의 41.2%, 37.75%를 차지.
  • 아웃바운드 컨택센터 자동화, 지능형 채용/HR 심사 등의 신규 사업 확장 계획.

 

회사소개

솔트룩스는 기계학습과 자연어처리 스타트업으로 2000년에 창업된 ㈜시스메타에 그 뿌리를 두고 있으며, 창업이래 인공지능과 빅데이터 기술의 한 우물을 파온, 국내 대표적인 4차산업혁명 원천기술 기업입니다. 자사는 창업 초기부터 원천기술 확보에 집중해 왔으며 2006년 솔트룩스로 기업명을 변경하고 인공지능 기술개발과 신시장 창출에 더욱 박차를 가해 왔습니다.

인공지능 데이터과학 전문기업 솔트룩스 회사 및 사업소개

youtu.be/Iv2IhNxok2c

솔트룩스는 알고리즘 중심의 인공지능과 빅데이터 기술개발뿐만 아니라 인공지능 사업의 글로벌 경쟁력 확보를 위해 150억건 이상의 대규모 데이터를 축적, 자산화하고 끊임없는 혁신제품 출시와 해외 진출에 노력해 왔습니다. 자사의 이러한 노력은 118건의 기술 특허출원(PCT 포함)과 61건의 등록특허, 145건의 등록 소프트웨어 보유, 매년 20% 이상의 높은 매출 성장의 결실을 보이고 있습니다. 지난 19년간 인공지능과 데이터 부분에서의 기술, 인재, 경험의 축적은 최근 인공지능 기술의 성숙과 세계적 성장에 따라 솔트룩스와 자회사, 파트너, 고객 모두에게 큰 성장의 기회가 되고 있습니다.

솔트룩스 인공지능 기술의 차별성은 한마디로 ‘고정밀 앙상블 인공지능’으로 표현할 수 있습니다. 이는 다양한 기계학습(딥러닝) 기술과 지식그래프, 논리추론과 같은 상이한 AI 기술들을 융합함으로 구현되며, 대규모 데이터 수집, 분석, 학습 등의 빅데이터 및 데이터과학 기술이 뒷받침되어야 합니다. 축적의 시간을 통해 확보된 솔트룩스의 차별화된 인공지능과 빅데이터 기술에 대한 상세 소개와 그 상용 경쟁력 및 구체적 사업계획과 전망 내용을 담고 있습니다.

 

설립 배경

솔트룩스는 ‘세상 모든 사람들이 자유롭게 지식 소통하도록 돕겠다’는 기업 사명(mission statement)을 중심으로 사람과 사람뿐 아니라 사람과 기계, 기계와 기계가 상호 소통/협력 가능한 미래 원천기술을 개발하겠다는 일념으로 세명의 공동창업자에 의해 설립이 되었습니다. 설립초기에는 컴퓨터가 사람의 글과 말을 이해하기 위한 기계학습 기술 개발에 집중을 하였으며, 2005년부터는 지식공학(Knowledge Engineering)과 지식그래프(Knowledge Graph) 및 추론 기술에 대한 연구, 2010년부터는 심층 질의응답과 대화처리, 2015년 이후는 딥러닝 기반의 지식학습, 음성인식/합성 등에 많은 투자를 진행해 왔습니다. 솔트룩스의 기업 사명은 회사의 존재 이유가 되며 ‘올곧게 일함’, ‘혁신을 통한 공헌’, ‘행복과 성장 추구’로 정의된 핵심 가치는 솔트룩스 임직원이 일하는 방식과 이유를 설명하고 있습니다. 솔트룩스 임직원은 우리의 기업 사명과 핵심 가치가 우리의 고객의 성공을 넘어 사회와 인류의 보다 행복한 삶에 기여한다 믿고 있습니다.

 

브랜드 스토리

세상에 필요한 빛과 소금이 되겠습니다.

솔트룩스(SALTLUX)는 ‘SALT(소금)’와 ‘LUX(빛)’의 합성어로서, 새로운 지식기반 세상에 필요한 빛과 소금의 역할을 담당할 기업 철학을 내포하고 있습니다. 구체적으로 ‘SALT’는 변치 않는 도덕적 가치와 성실한 봉사의 정신 그리고 통화와 자본으로서 가장 오래된 화폐 기능 등 문화적 이미지를 상징합니다. 또한 ‘LUX’는 빠르게 변하는 지식과 정보를 손쉽게 제공하는 IT 기술로서의 빛과 따뜻하고 풍요롭게 변화하는 미래의 문명적 이미지를 상징하고 있습니다. 따라서 ‘SALT’는 기업의 내재 가치를, ‘LUX’는 기업이 제공하는 기술적 서비스를 뜻합니다.

기술 개요

솔트룩스는 향후 5년간 언어, 음성, 시각, 감성, 지식 등 각 AI 기술을 고도화하고, 하나의 앙상블 AI 플랫폼으로 융합, 발전시킴으로 현재 기계학습 기술의 한계를 극복한 세계 최고 수준의 차세대 인공지능 상용 기술의 확보를 목표하고 있습니다. 현재 솔트룩스가 보유한 국가 수준의 빅데이터 플랫폼 기술을 지구 스케일로 확장 고도화하고, 이를 통해 전세계 대상의 데이터 수집과 실시간 이슈 분석, 이상징후 조기 감지, 더 나아가 지능형 예측을 포함한 실시간 증강분석 기술의 상용화를 목표로 하고 있습니다. 지구 스케일의 빅데이터 증강분석 기술은 앙상블 AI기술과 결합되어 글로벌 AIaaS 통합 플랫폼을 구현하는데 중추역할을 하게 될 것입니다.

 

조직 구성

솔트룩스는 현재 5개의 사업본부 아래에 6개 그룹, 16개 팀, 대표이사 직속의 2개의 실과 경영자문위, 기술자문위로 조직이 구성되어 있으며, 2개의 해외 자회사와 1개의 국내 자회사를 별도 운영하고 있습니다. 경영자문위원회는 경영, 법률, IT산업 등의 분야에서 독보적인 경력을 쌓아온 국내 최고 리더 6명으로 구성되어 있으며, 솔트룩스의 경영전략에 대한 자문과 경영진에 대한 멘토의 역할을 하고 있습니다. 기술자문위원회는 국내외 최고의 AI 석학과 전문가로 구성되어 있으며, 솔트룩스의 기술과 제품에 대한 발전 방향을 제언하고 오픈 이노베이션을 통한 R&D 혁신을 지원하고 있습니다.

 

이경일 대표이사는 폭넓은 대내외 활동과 빅데이터 및 인공지능에 대한 기술전문성을 바탕으로 솔트룩스의 사업 비전과 성장 방향을 제시하며 솔트룩스를 이끌고 있습니다.

AI 및 빅데이터 분야에서 세계적으로 인정받는 AI & Big Data Guru

솔트룩스의 7명의 CXO와 3명의 연구위원은
각자의 사업/운영 영역에 대한 풍부한 경험과 전문성을 가지고 있습니다.

 

사업소개

사업 비전

솔트룩스의 기업 사명이 우리의 존재 이유와 목적을 설명한다면, 사업 비전은 우리의 사업 추구 목표와 방향을 제시합니다. 지난 2017년 솔트룩스는 2025년까지 글로벌 AIaaS (AI as a Service) 통합 플랫폼을 확보하고, "1억 명의 일상과 함께하는 AI 기업"이 되겠다는 새로운 기업 비전과 함께 기술, 제품, 사업 부분의 각 세부 목표를 수립하고 단계적 로드맵을 실천해 가고 있습니다.

 

사업 내용

솔트룩스는 지난 10년간 인공지능 고객센터 구축과 챗봇 고객응대 서비스를 포함한 인공지능 플랫폼 공급 사업과 공공 빅데이터 분석 플랫폼, 비정형 및 고객 목소리 분석 등을 위한 빅데이터 플랫폼 공급을 주요 사업으로 진행해 왔습니다. 주요 고객으로는 삼성전자, LG전자, 현대자동차를 포함한 국내대기업과 행자부, 국토부 등의 공공기관, 그리고 우리은행, NH농협은행 등의 금융기관뿐만 아니라 ANA항공, 미즈호은행 등 해외사업분야에도 폭 넓게 확대되고 있습니다.

최근에는 AI OpenAPI 서비스와 데이터과학 SaaS 서비스, 대규모 데이터 수집과 인지분석 등의 클라우드 기반한 구독형 서비스 사업을 확대하고 있으며, 향후 이 사업 부문은 매년 100% 이상 성장할 것으로 기대하고 있습니다.

 

지적 재산권

꾸준한 연구개발 활동을 통해 축적된 다수의 지적 재산권과 많은 국내외 인증 및 수상 실적은 솔트룩스의 탁월한 기술력과 성과의 우수성을 대외적으로 인정받고 있음을 증명합니다.

AI as a Service, Welcome aboard! - 솔트룩스 이경일 대표이사 (AI SUMMIT 2020 SEOUL)

youtu.be/G1xwtsZThsM

 

[CES 2020] 인공지능 가상 인간 'Virtual Human' 선보인 '솔트룩스(Saltlux)'

youtu.be/E4lJR12-rwI

 

Partner

프로젝트 별 담당자를 위한
다타이쿠의 특징

 

인공지능

인공지능 인식 및 기술 패러다임 변화

인공지능(AI, Artificial Intelligence) 기술은 아주 오랜 시간 동안 연구되고 발전해 왔습니다. 이미 1950년대부터 인공지능 기술 분야에 대한 연구가 시작되었는데, 초기에는 사람이 이해하고 사고하는 것처럼 기계에도 명시적으로 지식을 구축하고 논리(규칙)을 정의하는데 목표가 있었습니다. 기계가 더욱 복잡한 추론과 탐색을 가능하게 하는 것에 연구의 핵심이었고, 1980년대에 이르러서는 전문가시스템이라고 하는 형태로 더욱 연구되고 발전되었습니다.

2000년대에 들어서는 기계학습(Machine Learning) 분야의 연구가 시작되었는데, 시스템에 필요한 지식과 논리를 구축하는데 많은 시간과 노력이 소요되기 때문에, 기계가 스스로 학습하게 하여 그 한계를 극복하고자 하였습니다. 이후, 꾸준한 기계학습의 연구와 하드웨어의 발전이 동반되면서 2012년 이후 딥러닝(Deep Learning) 기술에 대한 연구가 급격히 성장하였고, 사람의 개입 없이 기계가 스스로 학습하여 다양한 분야에서 훌륭한 성과를 보이는 단계에 이르렀습니다. 이를 계기로 인공지능 분야에서의 접근 방식은 딥러닝 기술을 통한 발전으로 그 인식이 변화되어 왔습니다.

현재는 이러한 인공지능 기술의 발전이 실생활에 적용되어 서비스의 확대로 이어지고 있는데 이미 금융, 의료, 법률, 공공, 민간 등 다양한 산업 분야에서 인공지능 서비스가 구축되고 있습니다. 만족할 만한 서비스 수준을 위해서는 기계가 서비스 환경에서의 상호작용으로 더욱 더 지능화되어야 하고 다른 기술과 융합된 형태의 서비스가 요구된다는 점에서 단순히 기술적 성장뿐만 아니라, 서비스 관점에서의 발전이 필요한 단계입니다.

솔트룩스 AI Suite은 다음과 같은 10개의 엔진을 제공합니다.

시장 변화에 따른 제품 혁신의 통찰력

인공지능 분야의 발전 과정에서 보듯, 기술은 시장의 요구에 따라 빠르게 발전하고 있고, 이러한 기술발전에 따라 제품으로 완성되어야 비로소 실현 가능한 서비스로 활용될 수 있습니다.

솔트룩스는 창립 이후로 자연언어처리와 시맨틱, 추론을 포함한 인공지능 분야에서의 독보적인 원천기술을 연구해 왔습니다. 시맨틱기술과 지식그래프기술을 통해 명시적인 지식과 논리를 축적하여 시스템을 지능화하고, 빅데이터 기반의 기계학습과 딥러닝을 통해 통계적 패턴을 학습하여 시스템이 자가 성장할 수 있는 기술적 성과를 이루었습니다. 즉, 솔트룩스의 인공지능 기술은 지식 기반 추론과 데이터 기반 학습이 융합된, 상호작용을 통해 시스템을 지능화 하는 앙상블 인공지능(Ensemble AI)으로 제품화 되어 있습니다. 또한, 이러한 인공지능 기술이 실제 서비스에 활용될 수 있도록 언어, 음성, 시각 등 모든 데이터에 대해 인지, 이해, 지식, 추론, 예측의 각 과정에서 필요한 기능을 통합하고, 탁월한 성능을 보장하도록 완성도를 높이고 있습니다. 이처럼, 솔트룩스의 AI Suite 제품은 인공지능 기술의 융합을 통해 지능형 소프트웨어 솔루션과 서비스를 통합 제공하는 혁신적인 인공지능 플랫폼으로 발전해 가고 있습니다.

 

소개

AI Suite은 솔트룩스가 지난 20년간 투자해온 R&D의 결정체로써 언어지능, 음성지능, 학습/추론지능, 시각지능의 4개의 영역으로 구분하고, 각 분야별 원천기술을 개발한 결과물입니다. 국내 최초로 상용화된 인공지능 플랫폼 ADAM의 경우 아시아 최대 규모의 지식그래프를 내장하고 있으며 지식학습 및 추론을 통한 생활 질의응답의 경우 94% 수준의 정확도로 일반상식 수준의 질의에 대한 응답이 가능합니다. 각각의 엔진들은 적용 도메인에 따라 필요한 구성요소들을 조합하거나 ADAMS.ai를 통해 RESTful 형태로 제공되는 60여 개의 API를 결합 사용함으로 가상비서, 인공지능 상담원, 지능형 로봇 등 혁신적인 인공지능 서비스 구현이 가능합니다.

다음 그림과 같이 AI Suite은 다양한 인공지능 기반기술들을 활용하여 필요한 기능을 수행할 수 있도록 영역별 엔진들을 포함하고 있고, 하나의 지능형 지식처리 플랫폼으로 동작 할 수 있도록 구성되어 있습니다. 텍스트, 음성, 영상 등의 데이터에 대해 분석과 이해가 가능하고, 지식그래프 형태의 지식으로 구축되어 대화, 질의응답, 독해, 번역 등과 같은 지능형 지식처리에 활용됩니다. 또한 각각의 엔진은 적용하고자 하는 서비스 요구 기능에 따라 독립적, 선별적으로 적용이 가능하도록 설계되어 있어, 다양한 종류의 인공지능 서비스 구현에 효과적으로 활용할 수 있습니다.

< AI Suite 구성도 >

AI Suite은 인공지능 기반 실시간 가상 상담 및 상담 지원 서비스는 물론, 금융, 통신/방송, 법률/특허, 의료, 쇼핑/여행, 공공, 민간 등 지식 기반 고객응대가 즉각적으로 필요한 모든 분야에서 폭넓게 사용될 수 있습니다.

< AI Suite의 주요 활용 범위 >

 

주요 기능

AI Suite은 각 인공지능 분야별 주요 기술들에 대한 개별 엔진들을 아래 표와 같이 구분하고, 각 엔진별 최고 성능의 기능과 서비스를 제공합니다. 그 뿐만 아니라 적용 분야에 따라 커스터마이징을 통해 최적의 결과 제공이 가능하도록 사전 및 데이터구축, 모델 학습 등의 관리 기능을 함께 제공하고 있습니다.

 

주요 특성

 

주요 경쟁력

AI Suite은 자연어처리와 대화모델 위주의 기능만을 제공하는 일반적인 제품들과는 달리 다음과 같은 차별화되고 경쟁력 있는 기능 요소들을 지속적으로 연구 개발하여 제품화하고 있습니다.

 

자연어이해 엔진 LEA

자연어이해 엔진(LEA - Language Engineering & Analysis)은 비정형 데이터 가공을 위해 형태소 분석, 개체명 인식, 구문 분석, 감성 분석 등의 텍스트 분석 기능을 처리하는 기계학습/심층학습 기반의 언어 분석 엔진입니다. 그 뿐만 아니라 자연어처리 결과를 바탕으로 문장에 숨겨진 의도를 이해하거나 질문의 유형을 파악하는 등의 한 단계 높은 수준의 분석 결과를 제공함으로써, 대화처리를 위한 의도 이해 및 분석, 심층질의응답을 위한 질문 의미 이해 등이 가능합니다. 자연어이해 엔진(LEA)은 AI Suite에 포함된 다른 엔진들이 동작하기 위해 필요한 기본 엔진입니다.

자연어이해 엔진을 구성하고 있는 고정밀 언어분석기들은 기계학습과 심층학습(인공신경망) 기술이 적용되어 있으며, 대규모 언어자원(분야별 대용량 학습데이터, 사전과 규칙)을 통해 도메인별로 품질을 최적화할 수 있습니다. 형태소 분석기는 98% 이상의 분석 품질을 제공하고, 구문 분석과 개체명 추출기는 병렬/분산 처리를 통해 세계 최고 성능을 제공하고 있습니다. 한국어뿐 아니라 영어, 일어 등 다국어 대응이 가능하며, 지식그래프와 연계하여 의미해석, 질의응답, 대화 시스템 구현이 가능한 자연어처리 엔진입니다.

< 자연어이해엔진 - LEA 구성도 >

주요 특징

 

주요 기능 및 사양

 

주요 엔진 화면

 

음성인식 엔진 STT

음성인식(Speech Recognition)이란 사람이 말하는 음성 언어를 컴퓨터가 해석해 그 내용을 문자데이터로 전환하는 처리를 말하며 STT(Speech-to-Text)라고도 합니다. 음성인식 엔진은 음성 인터페이스를 기반으로 하는 다양한 서비스에 활용하기 위해 음성인식 서비스를 제공하는 시스템입니다. 특히 AI Suite의 음성인식 엔진은 방대한 데이터를 사전 학습하였으며, 특정 도메인에 빠르게 적용하기 위한 전이학습 방식을 활용하여 적은 양의 데이터 학습만으로도 양질의 음성인식 서비스 제공이 가능합니다.

< 음성 대화 인터페이스 기반 서비스 구성 >

 

주요 특징

 심층신경망 기반의 음성인식 학습AI Suite의 음성인식 엔진은 딥러닝(Deep Learning)에 의해 고도화된 음향모델 적응 학습을 기반으로 합니다. 일반적으로 사용되는 음성인식 알고리즘인 HMM(Hidden Markov Model) 또는, 기존 Fully connected DNN(Deep Neural Network) 기반 음향모델보다 개선된 음성인식 성능을 보이는 LSTM(Long Short-Term Memory)기술을 적용한 baseline 음향모델을 기반으로 적응 학습 환경을 제공합니다.

< 심층신경망 기반 음성인식 학습 개요 >

 

주요 기능 및 사양

음성인식 엔진은 RESTful 기반의 음성인식 서비스와 음향모델 및 언어모델의 학습 관리 기능으로 나눌 수 있습니다. 음성인식 서비스는 입력되는 음성데이터의 전처리, 특성 추출, 모델을 통한 텍스트 변환, 결과 보정 단계로 음성인식 결과를 제공합니다. 학습 관리는 음성-텍스트의 학습데이터로 음향모델과 언어모델에 대한 학습을 수행합니다.

< 음성 인식 엔진 구성도 >

 

주요 성능

아래 표는 적응학습 기반의 음성인식 품질 평가 결과입니다. Corr(Correct)는 음절단위맞춘 수, Acc(Accuracy)는 삽입, 삭제 오류를 고려한 정답률, H(hit)는 바르게 인식한 개수, D(deletion)은 묵음으로 인식한 수, S(substitution)는 다른 음절로 인식한 수, I(insertion)는 묵음이 다른 음절로 인식된 수를 의미합니다. 적응학습 이전의 베이스라인의 경우 음향 및 언어모델 모두 70% 이하의 정답률이었는데, 적응학습을 거친 후 두 모델 모두 97% 이상까지 향상되는 것을 확인할 수 있습니다. 개발된 음성인식 기술은 다양한 환경에서의 챗봇과 콜센터의 음성인식과 텍스트분석, 콜봇 시스템 구축 등에 활용되고 있습니다.

 

주요 엔진 화면

 

음성합성 엔진 TTS

음성합성(speech synthesis)은 인위적으로 사람의 소리를 합성하여 만들어내는 것으로, 텍스트를 음성으로 변환한다는 데서 텍스트 음성변환(text-to-speech, TTS) 이라고 하기도 합니다.

AI Suite의 음성합성 엔진은 사람의 목소리를 학습하여 주어진 문장에 대하여 학습한 목소리와 유사한 어조와 억양으로 사람의 음성을 인공적으로 만들어 주는 엔진입니다. 특히, 이미 학습되어 있는 모델에 의한 목소리뿐만 아니라 특정 개인 목소리 또는 특정 도메인의 음성파일을 실시간으로 학습하여 사용자 각각의 특성이 반영된 목소리로 음성합성 모델을 생성할 수 있습니다. 음성합성 엔진은 이렇게 학습된 모델을 End-Point를 통해 개별 서비스로 제공함으로써, 다양한 인공지능 서비스에 활용할 수 있습니다.

 

주요 특징

 

주요 기능 및 사양

음성합성 엔진의 기능은 크게 학습 관리와 서비스 관리 영역으로 나눌 수 있습니다. 학습 관리 영역은 특정 음성데이터를 학습하여 새로운 음성합성 모델의 생성하거나 관리합니다. 서비스 관리 영역은 엔진을 통해 학습된 음성합성 모델을 서비스로 구성하여 타 서비스 애플리케이션에서 접근하고 사용할 수 있도록 배포 및 관리를 담당합니다.

< 음성 합성 엔진 시스템 구성 >

 

주요 성능

솔트룩스는 음성합성 개인화 서비스 실현을 위해 전이 학습 기술을 이용한 화자적응 방법을 사용하고 있습니다. 전이 학습이란 기존에 잘 훈련된 모델을 사용하여 유사한 문제를 가지는 새로운 모델을 학습하는 방법입니다. 전이학습은 새로운 모델의 학습 효율을 높여 적은 데이터양으로도 이미 학습된 모델의 가중치(Weight) 값들을 의미 있게 조정(Fine-tuning)하므로 높은 성능을 달성할 수 있습니다. 전이학습은 충분한 양의 데이터로 잘 학습된 A 모델에 기반하여 데이터가 부족한 B의 목소리를 효율적으로 학습하는 것이 가능합니다.

전이학습 시 사전 학습된 A 모델과 추가 학습할 B 모델의 분포가 큰 차이를 보이는 경우 음성합성 성능이 크게 떨어지게 됩니다. 솔트룩스는 이러한 데이터 부조화 따른 학습 성능 변이 문제를 해결하기 위해 여러 사람의 음성으로 이루어진 수십 시간의 데이터를 사용하여 음성합성 네트워크의 일부만을 미리 학습시켜 놓는 준지도학습(Semi-Supervised Learning) 방법을 추가로 적용하고 있습니다. 준지도학습은 전사 데이터 없이 음성 데이터만으로 학습을 수행하는 것으로, 인간이 글을 배우기 전에 말하는 법을 배우는 것과 같은 원리입니다. 솔트룩스는 전이학습과 함께 준지도학습 모델을 음성합성에 적용하므로 학습 시간을 현격하게 줄이면서 동시에 음성합성 성능을 극대화할 수 있습니다. 현재 솔트룩스의 음성합성 엔진은 30분 분량의 음성데이터로 특정인의 목소리를 학습, 높은 품질의 발화하는 것이 가능합니다.

 

주요 엔진 화면

 

톡봇 대화 엔진 Talkbot

AI Suite의 톡봇 대화 엔진은 솔트룩스에서 개발한 챗봇 플랫폼으로, 기존의 챗봇 시스템의 한계를 뛰어넘은 지식 기반의 심층 대화 시스템입니다. 기존의 챗봇이 간단한 자연언어처리와 규칙 및 문장 매칭 방식의 대화 매니저를 가지고 있다면, 톡봇 대화 엔진은 지식그래프와 복합추론 기반의 자연어이해 결과를 바탕으로 사용자 발화의 정확한 의미를 이해하고, 탁월한 답변을 제공하는 강력하고 유연한 대화모델을 생성할 수 있도록 지원합니다.

톡봇 대화 엔진을 통한 대화 서비스는 아래 그림과 같은 구조로 처리됩니다. 사용자는 다양한 채널을 통해 톡봇 대화 엔진에 메시지를 전달합니다. 입력된 메시지는 자연어이해 엔진을 통해 분석되고 대화 매니저는 학습된 대화모델을 통해 답변을 생성하여 음성, 텍스트, UX 등 적절한 방법으로 사용자에게 전달합니다. 톡봇 대화 엔진은 대화모델을 학습할 때 지식그래프, 선호추천, 사용자모델 등을 반영하여 모델을 학습한다는 점에서 기존의 대화처리 시스템들과 차이점이 있습니다. 또한, 대화모델로 처리하기 어려운 메시지에 대해서는 심층 질의응답을 통해 문제를 해결하며, 서비스 사용자와 대화 도중 문제가 발생하면 서비스 매니저를 통해 관리자가 대화에 개입할 수 있는 기능을 제공합니다.

< 대화 처리 구조 >

 

주요 특징

 

주요 기능 및 사양

톡봇 대화 엔진은 크게 대화 서비스를 담당하는 대화 서버와 대화모델 학습 및 관리를 담당하는 API 서버로 구성됩니다. 다양한 서비스 채널을 통해 대화 서비스를 제공하고, 자연어이해 엔진, 심층질의응답 엔진과 연동하여 사용자 발화의 의도를 분석하거나 처리하지 못하는 질의에 대한 답변을 제공하기도 합니다. 또한, 플러그인을 통한 외부서비스 연계로 대화 처리 시 필요한 데이터나 기능을 활용할 수 있습니다. 이러한 톡봇 대화 엔진의 기능들은 대화 관리도구 인 톡봇 빌더를 통해 쉽게 운영 관리될 수 있습니다.

< 톡봇 대화 엔진 구성 >

 

강력한 ‘봇 빌더’ 내장

인공지능에게 언어와 대화, 지식을 가르치는 것은 늘 어려운 도전과제였습니다. 톡봇 대화 엔진은 코딩과 프로그래밍 기술 없이 마우스 클릭만으로 똑똑한 상담 봇을 만들고 다양한 채널로 즉각적인 서비스 시작이 가능합니다.

[튜토리얼] 솔트룩스 TalkBot(톡봇)으로 인공지능 '챗봇' 금방 만들어요! (Full Ver.)

youtu.be/ahg0khtut8g

< 톡봇 제작 튜토리얼 영상 >

 

주요 사례

 

주요 엔진 화면

 

심층QA 엔진 ASSISTANT

AI Suite의 심층QA 엔진은 사용자의 질문에 대해 다양한 지식을 스스로 학습, 추론하여 축적한 지식으로부터 최적의 답을 찾아내어 답을 제시하는 시스템입니다. 심층QA 엔진은 지식베이스 기반 질의응답기술(KBQA), 정보 검색 기반 질의응답기술(IRQA), 기계독해 기술을 이용한 질의응답기술(MRCQA), 상담 및 대화 이력 학습 기반 질의응답기술(DLQA) 등이 앙상블 되어 질의 유형에 따라 최적의 풀이 방식을 채택하여 사용자에게 응답을 제시합니다.

 

주요 특징

 

주요 기능 및 사양

심층QA 엔진은 자연어이해 엔진의 자연어이해 결과를 기반으로 정답을 찾기 위한 다양한 QA 방법을 적용합니다. 이 때, 지식그래프를 참조하여 자연어이해 및 답변 탐색 등을 수행합니다. 별도의 관리도구를 제공하여 도메인에 따라 심층질의응답을 위한 지식 구축, 관리, 서비스 모니터링 등을 수행할 수 있습니다.

< 심층QA 엔진 시스템 구조 >

 앙상블 심층질의응답

심층QA 엔진은 고정밀 자연어이해 결과를 기반으로 지식베이스와 시맨틱 검색, 기계학습 및 딥러닝 등의 다양한 방법으로 답변을 탐색하는 앙상블 심층 QA를 제공합니다.① 지식베이스 기반 질의응답 (Knowledge Based Question Answering, KBQA)질문의 핵심 의미를 파악하고, 이를 지식그래프 저장소에 질의하여 답변을 탐색하는 방식입니다. 지식을 구조적으로 설계하고, 지식 구조에 맞게 지식베이스를 구축하기 때문에, 질문에 대한 정확한 답변을 질의할 수 있습니다. 또한, 지식 변경 및 유지 관리가 용이하고, 답변 품질을 지속적으로 높일 수 있습니다.

< 지식베이스 기반 질의응답 처리 개요 >

② 정보 검색 기반 질의응답 (Information Retrieval Question Answering, IRQA)

심층QA 엔진의 IRQA는 색인 기술 기반의 처리 방식과 심층인공신경망을 활용한 임베딩(Embedding) 기술 기반의 처리 방식으로 구분됩니다. 색인 기반의 IRQA는 가장 일반적인 질의응답 처리 방식으로 예상 질문-답변 데이터를 미리 구축해 두고, 사용자 질문과 유사한 질문 검색하여 해당 답변을 제공하는 방식입니다.

③ 기계독해 기반 질의응답 (Machine Reading Comprehension Question Answering, MRCQA)

사람이 직접 지식 구축을 하지 않아도, 기계가 문서를 읽고 질문에 대한 답변을 찾아 제시할 수 있도록 학습시키는 방식입니다. 대상 문서를 탐색하는 정보 검색 방식과 문서에서 답변을 찾는 기계독해(MRC) 방식을 결합하여 질문에 대한 답변을 제공합니다.

④ 대화 학습 기반 질의응답 (Dialog Learning based Question Answering, DLQA)

실제 상담이나 대화 이력, 질의응답 이력 등의 대화 데이터를 학습한 딥러닝 모델을 기반으로 질문에 대한 답변을 자동 생성하는 방식입니다. 학습을 위해 양질의 학습데이터를 대량으로 구축하고 지속적인 학습 및 평가를 통해 품질을 높일 수 있습니다. 딥러닝 모델이 생성한 답변을 직접 서비스 하거나, KBQA, IRQA 등의 질의처리와 병합하여 서비스 하는 앙상블 질의응답 처리로 활용할 수 있습니다.

< 대화 학습 기반 질의응답 처리 개요 >

 

주요 엔진 화면

 

기계번역 엔진

솔트룩스의 기존 통계기반 기계번역 엔진에서 더욱 발전된 인공신경망을 기반으로 한 기계번역 엔진입니다. 기계번역 학습을 도메인에 따라 특화할 수 있도록 CAT(Computer-assisted translation) 언어자원 관리도구를 통합 구성하여 지속적해서 번역의 품질과 생산성이 개선될 수 있도록 구성되어 있습니다.

< 인공신경망기계번역 엔진 개념도 >

 

주요 특징

 자동번역 후처리 및 재학습을 통한 품질 향상

기계번역 엔진의 처리 구조는 NMT학습, 번역적용, 자산화, NMT 재학습의 선순환 구조로 이루어집니다. 이러한 시스템을 통해 번역 엔진을 사용할수록 자동 번역의 품질과 생산성이 더욱 향상되는 효과를 기대할 수 있습니다.

< 기계번역 엔진의 선순환 작업 구조 >

 다양한 Office 도구와의 연동성

기계번역 엔진은 오피스도구와 연계를 가능하게 하는 Office플러그인을 제공합니다. 이를 통해 다양한 Office프로그램 내에서 기계번역의 결과를 즉시 활용할 수 있습니다.

주요 기능 및 사양

기계번역 엔진은 크게 번역자원과 각종 사전을 검색 관리하기 위한 데이터 영역, 기계번역이 수행 및 관리를 위한 NMT 영역, 그리고 시스템 사용자가 번역결과를 확인하고 관리할 수 있는 관리도구 영역으로 구성되어 있습니다.

< 기계번역 엔진 기능 구성도 >

 

주요 엔진 화면

 

기계독해 엔진 MRC

기계독해 엔진은 질문에 대한 답을 찾기 위해 스스로 관련된 문서를 찾고 해당 문서로부터 답을 찾아 제시하는 엔진입니다. 특히 AI Suite의 기계독해 엔진은 솔트룩스가 보유한 다양한 지식자원을 활용하여 질문의 답을 찾는다는 점에서 기존의 기계독해 기술의 문서 입력에 대한 단점을 보완하였으며, 기계독해 서비스 사용자에게 문서 입력 없이 질문에 대한 답을 구하는 Open QA 형태의 서비스를 제시합니다. 또는 기계독해 엔진을 통해 문서에서 원하는 정보를 추출하는 용도로 활용할 수 있습니다.

 

주요 특징

 Open QA로 활용

가능솔트룩스는 지난 20년간 수집해온 다양한 지식자원을 기계독해 엔진을 통한 QA에 활용합니다. 사용자로부터 문서를 입력받지 않아도 이미 보유하고 있는 지식자원에서 기계독해 엔진에 입력할 문서 또는 문단을 자동으로 추출함으로써, 사용자가 질문만 입력하여 답을 구할 수 있도록 질의응답 서비스로서의 활용성을 높였습니다.

< 문서 자동 검색/입력을 통한 기계독해 >

 

주요 기능 및 사양

기계독해 서비스

기계독해 엔진은 현재 별도의 관리도구를 제공하지 않으며 시스템 설치형으로 제공됩니다. 시스템 설치와 구동을 통해 기계독해 서비스에 접근할 수 있는 API가 동작하며 기계독해 엔진 사용자는 해당 API 활용을 통해 기계독해를 활용한 다양한 서비스를 구현할 수 있습니다.

< 기계독해 테스트 및 시각화 화면 >

 

주요 엔진 화면

 

복합추론 엔진

복합추론 엔진은 정형/비정형 문서로부터 추출된 지식들을 지식그래프 형태로 축적하고, 주어진 규칙이나 지식 간의 관계에 기반하여 새로운 사실을 탐색/추론함으로써 지식을 생성하는 엔진입니다. 특히, AI Suite의 복합추론 엔진이 제공하는 논리규칙 기반 연역추론과 기계학습 기반 귀납추론의 복합 적용으로 기 구축된 지식으로부터 새로운 관계를 도출하고 지식으로 활용하는 등 지식 증강 및 검증을 가능하게 합니다.

 

주요 특징

 

주요 기능 및 사양

복합추론 엔진은 대규모 시맨틱추론, 경험규칙기반추론, 시공간추론 등 다양한 추론기능을 통합 제공하고, 뿐만 아니라 신뢰 값 기반 확률/불확실 추론, 부재(default) 추론 등 관련 연구를 통해 지속적으로 기능을 확장하고 있습니다. 또한, 지식베이스 엔진과 연계하고 실시간 분산 처리 환경을 적용하여 초 대용량의 데이터로부터 초고속으로 추론된 결과를 제시합니다.

< 복합추론 엔진 구성도 >

 

주요 엔진 화면

 

지식학습 엔진 KENT

지식자동추출 엔진(Knowledge Extraction from Natural Language Text, KENT)이란 정형/비정형 데이터로부터 지식을 추출하고 지식 추출을 위한 모델을 학습 및 관리하는 엔진입니다. 추출된 지식은 지식그래프화 하여 질의응답, 대화처리 등 다양한 지식기반 인공지능 서비스에 활용될 수 있습니다. 지식자동추출 엔진의 기능만으로도 상품설명서, 계약서 등으로부터 유용한 지식정보를 추출하는 것이 가능합니다.

< 지식추출 및 지식그래프 생성 예 >

 

주요 특징

 

주요 기능 및 사양

지식학습 엔진은 지식학습 기능을 통한 지식 추출을 담당하는 KENT Server와 학습모델 관리, 작업 관리 등을 웹 상에서 운영할 수 있도록 하는 운영관리 Server로 구성되어 있습니다.

< 지식학습 엔진 시스템 구성 >

 

주요 엔진 화면

 

이미지인식 엔진

이미지인식 엔진은 이미지에 포함되어 있는 객체들을 인식하고 인식된 결과를 바탕으로 이미지가 어떤 장면인지를 분류할 수 있는 엔진입니다. 이미지인식 엔진은 향후 앞서 소개한 시각기반 검색, 비디오 캡셔닝, 자율주행, 시각적 질의응답 등의 응용 분야에 적용하기 위한 기반 기능을 지원합니다. 솔트룩스는 현재의 이미지인식 엔진의 고도화를 통해 이미지를 단순 설명하는 수준을 넘어 이미지속 장면의 의미를 이해하는 수준으로 발전시켜 아래 그림과 같은 기술 스택을 달성할 계획입니다.

< 이미지인식 엔진 기술 스택 >

 

주요 특징

 

주요 기능 및 사양

이미지인식 엔진은 카메라 등을 통해 들어온 이미지를 실시간으로 처리해 상황을 인식하고, 인식된 정보를 응용 어플리케이션에 제공하는 역할을 합니다. 이를 위해 이미지에서 다양한 정보를 분석하는 시각 분석 모듈과 분석된 정보를 바탕으로 상황을 이해하기 위한 시각 이해 모듈로 구성될 수 있습니다.

< 이미지인식 엔진 구성도 >

주요 성능

앞서 소개한 이미지 인식 엔진의 각 기능들은 지속적인 연구 및 개발 진행 중에 있습니다. 현재까지의 SOTA(Status-Of-The-Art)는 아래 표와 같습니다.

 

적용사례

인공지능 상담 시스템 구축 사례

상담사 및 대고객 질의응답 서비스 - NH농협은행

최근 금융 분야에서는 모바일을 비롯한 다양한 고객 서비스 채널이 확대되고 있고, 최신 인공지능 기반의 기술 트렌드에 대응하는 서비스 요구가 증가하고 있습니다. NH농협은행에서도 여러 디지털 채널을 통한 인공지능 상담 서비스의 필요성이 대두되고 있습니다. NH농협은행 고객행복센터는 상담사와 고객, 온라인과 오프라인 등 인공지능 상담 서비스가 필요한 모든 환경을 수용하여 서비스 채널을 확대해 나갈 수 있도록 시스템 인프라를 구축하는 것을 목표로 합니다. 이를 통해 고객행복센터가 인공지능 서비스의 중추적 역할을 담당하고, 전체 금융 분야를 선도할 것으로 기대하고 있습니다.

① 사업의 내용

  1. (고객상담 질의응답 서비스 구축) 고객 상담 지식에 대한 질의응답 서비스 제공. 모바일앱을 통한 채팅상담 서비스를 통해 사용자 질문을 입력 받아 해당하는 답변을 찾아 텍스트로 제공하거나 계좌 조회나 이체 등의 서비스로 연결
  2. (실시간 전화상담 지원 서비스 구축) 상담사와 고객의 전화상담 내용을 실시간으로 텍스트로 변환하여, 질문에 대한 답변을 제공. 상담사가 직접 질의하는 것과는 달리, 상담 중에 인공지능 시스템에 의해 제시되는 내용을 참고로 하여 빠른 고객대응이 가능
  3. (인공지능 가상 상담 서비스 ‘콜봇’ 구축) 고객의 상담 전화를 인공지능 시스템이 먼저 수신하여 간단한 질문에 대한 답변을 하거나 전문 상담사로 연결. 대화 모델을 통해 대화형 상담을 제공하고, 일반 질문은 질의응답 시스템으로 답변을 제공
  4. (안내 로봇 상담 서비스) 안내 로봇으로 농협은행 인공지능 시스템에서 제공하는 API를 연계하여 고객 상담 및 안내 서비스 제공. 상담 내용에 대한 대화모델 구축과 질의응답 시스템 연계를 통한 고객 상담 제공

< 가상상담 콜봇 서비스 및 로봇 상담 서비스 >

② 적용 기술 및 솔루션

  1. AI Suite 제품 적용
    상담 서비스 제공 시, 서비스 시나리오에 따른 대화 흐름 처리와 질의응답 제공을 위해 AI Suite의 자연어이해 엔진, 심층QA 엔진, 대화처리 엔진, 기계독해 엔진 적용

③ 주요 성과

  1. 인공지능 상담 시스템을 활용하여 직원과 고객을 대상으로 모든 채널에서 서비스를 확장할 수 있는 시스템 인프라 구축
  2. 심층QA 엔진과 대화처리 엔진의 연계를 통해 대화형 상담 서비스 제공. 대화를 통해 고객의 질문 의도를 파악하여 답변함으로써, 질문 의도가 불분명한 단순질의에 대한 답변역량을 향상할 수 있고, 추가 질문으로 연속적인 상담을 이어 나갈 수 있어 의도하는 서비스를 원활하게 제공 가능
  3. 콜센터 상담원의 업무 보조 역할을 하는 상담도우미 운영을 통한 상담 품질 향상 및 상담원 업무 전문성 강화
  4. 농협은행 모바일앱인 올원뱅크 및 스마트뱅킹 앱 내에 상담톡 서비스를 탑재하여 일반 사용자들에게 서비스를 확대
  5. 국내 최초 인공지능 전화 상담 서비스 콜봇(Call Bot) 개발 및 상용화. 기존 ARS 안내에 대비하여 보다 빠른 대응이 가능하고, 상담사도 전문 상담에 집중 가능. 안내로봇 Pilot 시스템 구축으로 영업점과 같은 오프라인 채널에서 안내로봇 운영을 통한 대화형 상담 및 지식 서비스 제공 가능성 확인

 

지능형 지식관리 시스템 구축 사례

지능형 지식관리 시스템 - NH농협은행

고객콜센터 및 전 영업점에서 고객상담에 필요한 업무 지식을 관리하고 공유하는 지식관리 시스템을 인공지능 시스템에서 활용 가능한 형태로 개선하였습니다. 지식 생성, 관리, 검색 등의 사용 편의성을 높이고, 지식 콘텐츠 생성 시, 업무 분야와 속성에 따라 구체적으로 관리되도록 하여 Knowledge-Graph 기반의 지식베이스로 변환 저장합니다. 이는 자연어 콘텐츠를 시스템이 이해 가능한 형태(machine readable)의 지식 데이터로 자동 변환을 시도하는 것이며, 이 과정은 인공지능 기반 지식자동추출을 통해 지식 데이터를 추출하고 시맨틱 복합추론을 통해 지식베이스로 변환 및 저장되도록 적용하였습니다.

< 지능형 지식관리 시스템 개요 >

① 사업의 내용

  1. (지식 콘텐츠 생성 관리) 지식 추출 및 지식그래프 형태의 변환을 고려하여 계층 구조로 업무 카테고리를 정의하고, 각 카테고리 별 단위 지식 콘텐츠 생성 관리할 수 있도록 세분화된 콘텐츠 관리도구 구축
  2. (지식 데이터 자동 추출) 비정형 텍스트로 작성된 지식 콘텐츠를 분석하여 지식 데이터 후보를 자동으로 추출. 콘텐츠 내용에서 자연어이해 처리를 통해 대상 지식을 식별하고, 딥러닝 기반 학습 모델을 통해 데이터를 추출하는 지식자동추출 과정이 적용. 추출된 지식 데이터는 지식그래프 기반으로 저장할 수 있도록 트리플(triple) 형태로 변환
  3. (지식학습 검증 및 관리) 자동 추출된 지식 데이터를 검증하고 편집할 수 있는 품질 관리 환경 구축. 지식자동추출의 품질과 성능을 지속적으로 개선

② 적용 기술 및 솔루션

  1. AI Suite 제품 적용
    지식 콘텐츠로부터 지식 추출 및 저장 관리를 위해 AI Suite의 자연어이해 엔진, 지식학습 엔진, 복합추론 엔진 적용

③ 주요 성과

  1. 지식자동추출 및 지식 추출은 아직까지 많은 연구 개발의 노력이 필요한 기술 분야입니다. 품질 향상을 위해 언어처리와 기계학습을 포함한 다양한 방안들을 연구하였고, 해당 도메인의 콘텐츠로부터 필요한 지식을 추출하는 범위에서는 만족할 만한 수준의 성과를 보였습니다. 지식자동추출을 실제 서비스에 적용한 성공 사례로 볼 수 있습니다.
  2. 지식관리 시스템에서 관리되는 지식 콘텐츠가 인공지능 시스템에서 활용될 수 있어 지식 활용성이 높아지고, 각각 관리되던 지식정보를 일원화하여 지식 유지 관리에 대한 비용이 절감하고 편의성이 증대되었습니다.

 

챗봇 서비스 구축 사례

내부 업무 지원을 위한 챗봇 서비스 도입 사업 – 한전 KDN

본 사업은 한전 KDN의 챗봇 서비스 도입 사업으로 고성능의 자연어처리, 인텐트/엔티티 맵핑 기술, 대화모델링 등 기본적인 대화처리 엔진의 적용과 향후 다양한 지식에 대한 효과적인 질의-답변 제공이 가능한 시스템으로 확장하기 위한 지식그래프 연계 등의 업무를 수행했습니다. 한전 내부 직원들의 편의를 위해 접근성이 용이한 메신저 플랫폼 기반으로 실지 업무에서 직면하는 출장업무와 ICT 장비대여, 업무담당자 연계 등의 분야에 관한 단순지식 제공을 넘어 맞춤형 답변 서비스를 제공하는 것을 목표로 합니다.

< 한전 KDN 챗봇 서비스 구성도 >

① 사업의 내용

  1. (도메인 사전 구축) 내부 직원들로부터 자주 문의되는 질의 수집 및 용어사전 구축
  2. (업무 프로세스 대화모델 구성) 각 업무 프로세스에 따라 챗봇이 동작할 수 있도록 대화모델 구성
  3. (문장 분석) 컨설팅을 통해 도출된 다양한 인텐트를 적용하고, 인텐트 추출 적중률을 높이기 위해 상담내용 문장 분리하여 인텐트 분석에 활용
  4. (안내 서비스 구현) 출장여비제도 안내 및 ICT 장비대여 업무 안내 서비스 구축

② 적용 기술 및 솔루션

  1. AI Suite의 대화처리 엔진 및 심층QA 기술 선별적 적용

③ 주요 성과

  1. 지식 기반 업무지원으로, 단순 지원업무를 위한 인적자원 소비 감소로 주요 업무에 대한 업무효율성 향상
  2. 복잡한 논리흐름도(Logical flow chart)를 자체 생성하여 다양한 작업 상황에 대해 구체적 조치 가능
  3. 업무 절차에 대한 질의응답 뿐만 아니라 그룹웨어 연동을 통한 업무 신청, 예약 등을 하나의 메신저 플랫폼 상에서 가능

 

추천 서비스 구축 사례

방송 콘텐츠 추천 시스템 구축 – KBS (한국방송공사)

개방형 기술 환경과 방송/통신 융합과 같은 서비스 환경, 그리고 진화된 콘텐츠 소비 구조로 인해, 필요한 콘텐츠를 손쉽게 발견하고 소비할 수 있는 환경의 필요성이 점점 부각됨에 따라, 사용자의 특성과 상황에 따른 맞춤형 콘텐츠 추천 기술을 개발하게 되었습니다. 본 사례에서는 언어분석, 검색, 마이닝, 시맨틱기술 등 다양한 기술들을 이용하여 방송 영상 콘텐츠 및 관련 콘텐츠들에 대한 사용자 맞춤형 방송 콘텐츠 추천 검색을 연구 개발하였습니다. 방송 콘텐츠 추천 검색 시스템은 크게 데이터 수집, 콘텐츠 검색, 콘텐츠 추천, API 서버, 4개의 시스템으로 구성되고, 이를 각각의 독립된 시스템으로 나눌 수 있으며, 독립된 시스템은 데이터 수집, 콘텐츠 색인, 콘텐츠 분석, 콘텐츠 탐색, 콘텐츠 검색, 사용자 분석, 콘텐츠 추천으로 구분되어집니다.

< 방송 콘텐츠 추천 시스템 구성도 >

① 사업의 내용

  1. (콘텐츠 및 선호데이터 플랫폼) 콘텐츠 분석을 위한 KBS 내의 방송 메타 데이터와 관련 정보, 사용자 분석을 위한 사용자 프로파일 정보와 방송 서비스 이력 및 사용자 피드백 정보 등에 대한 수집 및 저장 관리.
  2. (추천 검색 플랫폼) 사용자의 콘텐츠 소비 이력 데이터를 분석하여 콘텐츠를 소비한 사용자의 패턴이 다른 콘텐츠의 소비 사용자들과 얼마나 비슷한 지 유사 정도를 도출하고 이를 기반으로 콘텐츠 추천 검색 결과를 제공.
  3. (추천 검색 알고리즘 개발) 수집된 콘텐츠 메타데이터의 특성을 기반으로 콘텐츠 간의 유사성 또는 연관성을 분석하여 사용자의 입력(검색어, 메뉴, 콘텐츠)에 따라 콘텐츠를 추천하는 콘텐츠 기반 알고리즘과, 사용자 개인의 선호 정보, 프로파일(Profile)을 기반으로 사용자 기반 협업 필터링 기법과 아이템 기반 협업 필터링 기법을 활용한 사용자 기반 추천 알고리즘 구현.
  4. (추천 검색 관리) 수집 관리, 색인 관리, 기획 관리, API 관리, 콘텐츠 관리 등 추천 시스템에 필요한 데이터 및 서비스 관리 기능 구현.
  5. (추천 검색 활용 서비스) 추천 검색 인터페이스 개발 및 이를 활용한 프로그램 관련 메뉴 및 관련 추천 페이지, 콘텐츠/키워드/인물 기반 추천 검색, 맞춤 추천 작품, 최근 추천 작품 등 활용 서비스 구현.

② 적용 기술 및 솔루션

  1. AI Suite의 자연어이해 엔진 및 복합추론 엔진

③ 주요 성과

  1. 방송 콘텐츠 추천 서비스를 위해 추천 검색 연구 동향을 파악하고 기존 추천 시스템 사례를 바탕으로 추천 시스템의 구성요소와 추천 알고리즘, 목표 기능과 서비스를 기획, 연구 개발.
  2. 방송 메타데이터 표준에 따른 모델링을 기반으로 방송 콘텐츠 데이터 및 메타데이터, 사용자 이력 정보를 수집. 사용자 이력정보는 각 추천 알고리즘에 따른 추천 모델을, 방송 콘텐츠 데이터와 메타데이터는 텍스트 마이닝과 통계 기법으로 추천 모델을 구현.
  3. 콘텐츠 추천 검색을 적용하여 OHTV 추천 서비스 정합에 사용하고, 추천검색 웹 페이지에 적용하여 추천검색 시스템의 활용 서비스를 구축.
  4. 추천검색 엔진 활용 방안의 연구로 KBS 통합 CMS에 적용하여 소비 이력 기반 추천, 선호 인물 추천, 선호 장르 추천, 그룹/성별/연령 추천, 복합 추천으로 총 5가지 추천 기능을 제공하는 사용자기반 추천검색 서비스를 개발.

 

인공지능 스마트 뉴스 추천 앱 서비스 구축 – 지니뉴스 (Ziny News)

뉴스와 소셜 콘텐츠는 인공지능을 통해 분석할 수 있는 빅데이터의 핵심입니다. 솔트룩스는 1,200여개 이상의 국내 온/오프라인 뉴스 및 소셜 미디어를 인공지능 엔진이 실시간으로 분석하여 30만명에 달하는 개인 사용자에게 맞춤형 정보를 추천하고 제공하는 스마트 뉴스 앱 ‘지니뉴스’ 서비스를 구축하였습니다.

지니뉴스 인공지능 엔진은 하루 700만건의 뉴스와 블로그를 사람처럼 읽어내고, 500여 카테고리로 자동 분류할 뿐 아니라 떠오르는 이슈들을 자동 인지해 맞춤 서비스를 제공합니다. 특히, 맞춤 뉴스 기능은 등록된 관심 키워드 뉴스 뿐만 아니라 딥러닝 기술을 사용해 각 사용자가 읽은 콘텐츠의 내용을 학습하고, 학습된 결과에 기반을 둬 사용자가 좋아할 만한 콘텐츠를 자동 예측, 추천해줍니다. 일종의 각 사용자 별 인공지능 페르소나와 각 개인별 맞춤형 인공신경망을 생성해 콘텐츠 추천을 진행하는 것으로, 사용자의 개인 정보를 수집하지 않고 인공지능 엔진이 익명화 된 인공신경망을 통해 개인 맞춤형 뉴스 추천 서비스를 진행한다는 점이 특징입니다.

① 사업의 내용

  1. 딥러닝 기반 사용자 맞춤 콘텐츠 추천
    딥러닝 기반의 사이코그래피(Psychography) 학습과 데모그래피(Demography) 기반 융합 추천 기술 연구 및 이를 활용한 뉴스 추천 서비스 개발
  2. 심층 뉴스와 소셜 콘텐츠의 지능적 큐레이션
    대규모 콘텐츠 실시간 분석을 통한 핵심 콘텐츠 및 주요 이슈(주제) 도출.
    카테고리 별 콘텐츠 분류 및 시맨틱기술 기반 연관/유사 콘텐츠 분석 제공.
  3. 보다 진화된 사용자 경험(UX) 제공
    사용자 편의성과 콘텐츠의 가독성을 높이는 UI/UX 구현.
    관심 콘텐츠의 개인화 및 소셜 공유 기능 구현.

② 적용 기술 및 솔루션

  1. AI Suite의 자연어이해 엔진 및 복합추론 엔진

③ 주요 성과

  1. (커버스토리) 놓치지 말아야 할 오늘의 이슈들을 실시간으로 제공. 중복 뉴스 제거, 랭킹 뉴스, 속보, 3분 브리핑 등 다양한 스타일의 카드 뉴스 제공으로 오늘의 핫이슈 확인.
  2. (뉴스/소셜 스트림) 국내 언론사 뉴스와 소셜미디어 콘텐츠 실시간 수집하여 주요 뉴스, 재미 있는 볼거리 등 다양한 콘텐츠 제공. 사용자가 관심 있는 분야별/주제별 카테고리만 선택하여 뉴스와 소셜미디어 콘텐츠 제공.

  1. (맞춤 뉴스) 등록된 관심 키워드를 기반으로 뉴스, 소셜미디어 구분 없이 해당 주제의 보고 싶은 콘텐츠를 선별하여 제공.
  2. (3분 브리핑) 매일 정치, 경제, 세계, IT, 스포츠 등 중요한 뉴스만을 골라 요약된 정보로 브리핑 제공.
  3. (지니 추천) 사용자 개개인을 연구하고, 분석하여 개인이 선호할 만한 재미 있는 콘텐츠를 선별하여 제공. 자체 추천 알고리즘을 통해 주제별, 연령별, 성별 등 다양한 콘텐츠를 제공.

  1. (아티클 뷰어) 사용자의 편의성과 가독성을 고려하여 광고 없는 스마트뷰를 제공.
  2. (뉴스 연대기 / 연관 뉴스) 기사가 담고 있는 토픽일 분석하여 시간순으로 자동 구성되며 기사의 흐름을 한눈에 확인할 수 있도록 제공. 그 외 연관된 토픽 기사들을 추천하여 다양한 볼거리 제공.

 

해외 사례

[일본] 인공지능 상담 시스템

솔트룩스는 일본 금융과 항공 산업에 인공지능 상담 시스템, 가상 상담 비서 서비스를 도입했고 기계학습, 지식추론 및 심층 질의응답과 같은 인공지능 기술을 상용화했습니다. 인공지능 상담 시스템 도입을 통해 고객 이탈방지, 시스템 스스로 해결, 고객만족도 향상 등의 효과를 보았고 기업 이미지 및 영업이익 증가와 실질적인 고객 만족도 상승에 기여했습니다.

< 일본 인공지능 상담 시스템 도입 사례 >

① 사업의 내용

  1. (미즈호 은행 가상상담) 사람이 질문하는 말의 의도를 이해하고 적절한 내용과 답변을 찾아 실제 상담원(사람)처럼 대답을 제공하는 컨시어지(Concierge) 개념의 서비스 구축. 미즈호 은행 고객의 문제 해결을 위해 비즈니스 웹사이트에서 Push Type의 네비게이터 미나(Mi-na) 서비스를 제공.
  2. (마넥스 증권) 마넥스(Monex) 증권 홈페이지에서의 상담 서비스 구축.
  3. (손해보험재팬 주식회사) 손해보험재팬日本興亜주식회사 공식 홈페이지에서 고객의 궁금사항 해결을 도와주는 ‘날마다 지킴이(日々乃まもり)’ 서비스 구축.
  4. (전일본공수 주식회사) 전일본공수 주식회사(ANA, All Nippon Airways)의 ANA SKY WEB에 아미(Amy) 서비스 구축

< AI Suite 해외 적용 사례 >

② 적용 기술 및 솔루션

  1. AI Suite 제품 적용
    상담 서비스 제공을 위해 AI Suite의 자연어이해 엔진, 심층QA 엔진 적용

③ 주요 성과

  1. 고객 이탈 방지
    문의 진행중 고객에게 필요한 정보를 적절히 제공함으로써 고객이 서비스 페이지에서 문제 해결 도중 이탈을 방지함
  2. 상담 횟수 감소
    고객 상담센터 문의 내용을 컨시어지 서비스가 대신함으로써 상담 전화 횟수 및 문의 메일 건수의 감소
  3. 고객만족도 향상
    서비스 모니터링을 통해 부족한 지식을 보완하여 품질 향상. 서비스 사용자의 평가율이 지속적으로 증가하여 실제 고객 만족도 상승 확인

 

기술소개

AI Suite은 4차 산업혁명 시대에서 요구되는 문자, 음성, 시각, 학습, 대화 등의 인공지능 기반기술들의 집합체입니다. 솔트룩스는 각 분야의 원천기술을 자체화하고 이들을 다양한 산업 분야에 적용함으로써 그 성능과 효율성을 검증해왔습니다. 지금까지 확보한 기술과 제품들을 기반으로 향 후 우리 생활에 필수 요소로 자리잡을 자율주행, 인공지능 가상비서 등의 기술 시장을 선도해 나가도록 할 것입니다. 아래 표는 AI Suite를 이루고 있는 엔진들과 해당 엔진을 구현한 주요 기술들을 나열한 것입니다.

 

반응형

+ Recent posts