KR102696140B1

KR102696140B1 - 인공지능 모델 이용 서비스 제공 방법 및 이를 수행하는 서버

Info

Publication number: KR102696140B1
Application number: KR1020230091847A
Authority: KR
Inventors: 박해정; 최재영
Original assignee: 연세대학교 산학협력단
Priority date: 2023-07-14
Filing date: 2023-07-14
Publication date: 2024-08-16

Abstract

본 발명은, 인공지능 모델 이용 서비스 관리 방법으로서, 서비스 제공자 디바이스를 통해 어느 한 종류의 입력 데이터를 입력으로 하여 기 지정된 결과 데이터를 출력하도록 구성된 인공지능 모델을 획득하여 서비스 가능한 모델로 결정하는 단계, 서비스 이용자 디바이스로 복수의 인공지능 모델을 이용하기 위한 서비스 이용 인터페이스를 제공하는 단계, 상기 서비스 이용 인터페이스를 통해 어느 하나의 인공지능 모델에 입력되는 입력 데이터를 획득하는 단계 및 상기 인공지능 모델을 이용하여 상기 입력 데이터를 기초로 하는 결과 데이터를 산출하는 단계를 포함하도록 구성된다.

Description

인공지능 모델 이용 서비스 제공 방법 및 이를 수행하는 서버{METHOD FOR PROVIDING ARTIFICIAL INTELLIGENCE MODEL USE SERVICE AND SERVER FOR PERFORMING THE SAME}

본 발명은 인공지능 모델 이용 서비스 제공 방법 및 이를 수행하는 서버에 관한 것이다.

인공지능(AI, Artificial Intelligence)이란 인간의 학습능력과 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터 프로그램으로 실현한 기술을 의미한다. 이러한 인공지능이 적용된 인공지능 모델을 실제 서비스하기 위해서는 인공지능 모델 개발과는 다른 요소들을 고려하여야 한다. 예시로, 서비스를 이용하고자 하는 사용자가 인공지능 모델에서 요구하는 입력의 특성에 맞게 자료를 업로드하고 그 모델 적용 결과를 손쉽게 확인할 수 있도록 해야 한다. 또한, 서비스를 관리하는 서비스 서버는 인공지능 모델이 사용하는 메모리, GPU 점유율 등을 고려하여 자원 할당을 해야 한다.

특히, 개별 모델이 아니라 여러 종류의 모델들에 대한 서비스를 제공하는 경우, 리소스를 고려하여야 하는 바, 모델들 각각이 사용자에게 요구하는 정보와 자료, 각 모델들의 작동 과정을 표준화해서 지원해야 한다. 뿐만 아니라, 지속적으로 등록되는 다수의 서로 다른 인공지능 모델에 대한 서비스를 하나의 서버에서 가동하기 위해서는 새로 가입된 모델들이 수월하게 서비스될 수 있도록 해 주는 기술이 필요하다.

발명의 배경이 되는 기술은 본 발명에 대한 이해를 보다 용이하게 하기 위해 작성되었다. 발명의 배경이 되는 기술에 기재된 사항들이 선행기술로 존재한다고 인정하는 것으로 이해되어서는 안 된다.

본 발명은 특정 수의 고정된 모델들에 대한 최적화된 서비스가 아니라 불특정 다수의 인공지능 모델을 이용한 서비스 제공자가 인공지능모델을 가입하고 서비스를 개시할 경우 이를 효율적으로 지원하는 플랫폼에 관한 것이다.

구체적으로, 본 발명의 발명자들은 어느 하나의 결과를 제공하는 인공지능 모델을 제공하는 웹 페이지, 어플리케이션은 존재하지만, 인공지능 기술의 적용 분야 별로 사용자의 요구 사항에 적합한 인공지능 모델을 검색하고 그 서비스를 받을 수 있는 플랫폼은 개시된 적 없음을 인지하였다.

이에, 본 발명의 발명자들은 전문 기술 분야에서 인공지능 모델의 수요와 공급이 존재함에 따라, 이를 간편한 방식으로 추론 서비스 환경을 제공할 수 있는 방법을 개발하였다.

특히, 본 발명의 발명자들은 복수의 인공지능 모델을 공유 및 사용하기 위해 필요한 모델과 이를 서비스하기 위한 환경 정보들을 손쉽게 서비스 플랫폼 환경에 등록할 수 있도록 방법을 구성하였다.

나아가, 본 발명의 발명자들은 특정 인공지능 모델을 사용하기 위해 사용자가 입력한 입력 데이터의 유효성을 판단함으로써, 서비스의 품질은 높이고, 불필요한 연산에 따른 리소스 부족을 방지할 수 있도록 방법을 구성하였다.

더욱이, 본 발명의 발명자들은 서비스 이용자에게 실시간 인공지능 모델 이용 서비스를 제공하고, 플랫폼 이용 현황에 맞게 인공지능 모델의 연산 순서를 스케쥴링함으로써, 서비스의 이용 효율을 높일 수 있도록 방법을 구성하였다.

본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 관리 방법이 제공된다. 상기 방법은, 서비스 제공자 디바이스를 통해 어느 한 종류의 입력 데이터를 입력으로 하여 기 지정된 결과 데이터를 출력하도록 구성된 인공지능 모델을 획득하여 서비스 가능한 모델로 결정하는 단계, 서비스 이용자 디바이스로 복수의 인공지능 모델을 이용하기 위한 서비스 이용 인터페이스를 제공하는 단계, 상기 서비스 이용 인터페이스를 통해 어느 하나의 인공지능 모델에 입력되는 입력 데이터를 획득하는 단계 및 상기 인공지능 모델을 이용하여 상기 입력 데이터를 기초로 하는 결과 데이터를 산출하는 단계를 포함하도록 구성된다.

본 발명의 특징에 따르면, 상기 입력 데이터를 획득하는 단계 이후에, 상기 인공지능 모델에 매칭된 입력 데이터를 기초로 상기 입력 데이터의 유효성을 판단하는 단계를 더 포함할 수 있다.

본 발명의 다른 특징에 따르면, 상기 입력 데이터의 유효성을 판단하는 단계는, 상기 획득된 입력 데이터의 데이터 형식에 대한 적합성을 판단하는 단계 및 판단 결과, 상기 데이터 형식이 적합한 데이터 형식인 경우, 상기 획득된 입력 데이터의 컨텐츠에 대한 적합성을 판단하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 데이터 형식에 대한 적합성을 판단하는 단계는, 상기 영상의 종류, 해상도, 크기, 범위 및 프레임의 개수 중 적어도 하나의 항목에 대한 적합성을 판단하는 단계일 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 인공지능 모델은, 영상을 입력으로 하여 기 설정된 분석 결과를 출력하도록 구성된 영상 분석 모델이고, 상기 결과 데이터를 산출하는 단계는, 상기 의료 영상 분석 모델에 판단 결과 적합한 목적 부위에 대한 의료 영상을 입력하여 상기 목적 부위에 대한 분석 결과를 산출하는 단계일 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 인공지능 모델을 획득하는 단계는, 상기 서비스 제공자 디바이스로부터 상기 인공지능 모델 서비스를 나타내는 데이터를 획득하여, 획득된 데이터를 구문 분석하는 단계 및 구문 분석 결과를 기초로 인공지능 모델의 구조와 함께 인공지능 모델의 서비스 가이드 설정, 입력 설정, 출력 설정, 결과 설정 중 적어도 하나의 데이터 셋을 획득하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 인공지능 모델을 획득하여 서비스 가능한 모델로 결정하는 단계는, 상기 서비스 제공자 디바이스로 인공지능 모델 서비스를 구현하기 위한 서비스 제공 인터페이스를 제공하는 단계 및 상기 서비스 제공 인터페이스를 통해 인공지능 모델의 구조와 함께 인공지능 모델의 서비스 가이드 설정, 입력 설정, 출력 설정, 결과 설정 중 적어도 하나의 데이터 셋을 추출하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 서비스 제공 인터페이스는, 인공지능 모델에 매칭되는 이미지 또는 텍스트를 입력하는 영역, 인공지능 모델을 이용하기 위한 서비스 제공 페이지를 생성하는 영역 및 인공지능 모델의 결과 데이터를 설명하기 위한 서비스 결과 페이지를 생성하는 영역 중 적어도 하나의 영역을 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 서비스 이용 인터페이스를 송신하는 단계는, 상기 서비스 제공 인터페이스를 통해 획득된 이미지 또는 텍스트를 기초로 복수의 인공지능 모델 중 어느 하나를 선택하는 상기 서비스 이용 인터페이스를 생성하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 입력 데이터를 획득하는 단계는, 상기 서비스 이용자 디바이스의 요청에 따라, 상기 서비스 이용 인터페이스를 통해 상기 인공지능 모델에 입력되는 상기 입력 데이터에 대한 실시간 피드백을 제공하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 인공지능 모델을 획득하는 단계 이후에, 상기 인공지능 모델의 서비스 제공 여부를 판단하는 단계는, 판단 결과, 새로운 인공지능 모델인 경우, 상기 인공지능 모델의 유효성을 평가하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 인공지능 모델의 유효성을 평가하는 단계는, 상기 인공지능 모델에 테스트 데이터를 입력하여 산출되는 레이어 별 결과 데이터를 기초로 상기 서비스 제공자 디바이스에 피드백을 제공하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 인공지능 모델의 유효성을 평가하는 단계는, 테스트 데이터를 이용하여 상기 인공지능 모델의 연산 리소스를 계산하는 단계 및 계산된 연산 리소스를 메모리에 저장하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 결과 데이터를 산출하는 단계 이전에, 적어도 둘 이상의 인공지능 모델에 입력되는 입력 데이터를 획득한 경우, 메모리에 기 저장된 인공지능 모델의 연산 리소스 및 상기 인공지능 모델의 연산 특성을 기초로 상기 둘 이상의 인공지능 모델에 대한 연산 시점을 결정하는 단계를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 상기 결과 데이터를 산출하는 단계 이후에, 상기 서비스 이용 인터페이스를 통해 상기 결과 데이터를 표시하거나, 상기 서비스 이용자 디바이스로 상기 결과 데이터를 제공하는 단계를 더 포함할 수 있다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 다른 실시예에 따른 위험 인공지능 모델 이용 서비스 관리 서버가 제공된다. 상기 서버는, 통신 인터페이스, 메모리 및 상기 통신 인터페이스 및 상기 메모리와 동작 가능하게 연결된 프로세서를 포함하고, 상기 프로세서는, 서비스 제공자 디바이스를 통해 어느 한 종류의 입력 데이터를 입력으로 하여 기 지정된 결과 데이터를 출력하도록 구성된 인공지능 모델을 획득하여 서비스 가능한 모델로 결정하고, 서비스 이용자 디바이스로 복수의 인공지능 모델을 이용하기 위한 서비스 이용 인터페이스를 제공하고, 상기 서비스 이용 인터페이스를 통해 어느 하나의 인공지능 모델에 입력되는 입력 데이터를 획득하고, 상기 인공지능 모델을 이용하여 상기 입력 데이터를 기초로 하는 결과 데이터를 산출하도록 구성된다.

기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명은 복수의 인공지능 모델을 공급 및 이용할 수 있는 환경을 제공함으로써, 사용자들로 하여금 다양한 인공지능 모델로의 접근성을 높일 수 있다. 특히, 본 발명은 인공지능 모델을 등록하고 이용하기에 편리한 사용자 인터페이스를 제공함으로써, 인공지능 모델 이용 서비스의 입출력 과정을 규격화할 수 있으며, 이를 통해 서비스 제공자의 사용 편의성을 높일 수 있다.

또한, 본 발명은 인공지능 모델의 구조에 관한 전문적인 지식이 없는 사용자들도 인공지능 모델을 이용하여 원하는 결과를 획득할 수 있다. 특히, 사용자로부터 입력 데이터의 적합 여부와, 부적합 시 올바른 입력 데이터를 요구함으로써, 인공지능 모델 이용 서비스를 실시간으로 제공할 수도 있다.

또한, 본 발명은 서비스 이용자 수, 인공지능 모델의 연산 진행 상황 및 우선 순위에 따라, 인공지능 모델의 연산 순서를 스케쥴링함으로써, 서비스의 이용 효율을 높일 수 있다.

또한, 본 발명은 의료 분야와 같이 전문가가 소지한 학습 데이터를 기초로 학습된 인공지능 모델을 이용할 수 있는 서비스를 제공함으로써, 의료진이 진단한 것과 같은 정확한 분석 결과를 얻을 수 있다.

특히, 본 발명은 서비스를 이용하고자 하는 사용자가 입력한 입력 데이터를 평가하는 단계를 사전에 수행하여 서비스의 품질은 높이고, 불필요한 연산에 따른 리소스 부족을 방지할 수 있다.

본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 발명 내에 포함되어 있다.

도 1은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스를 설명하기 위한 개략도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 시스템의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 제공자 디바이스의 구성을 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 제공 방법에 대한 개략적인 순서도이다.
도 5는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 관리 서버의 구성을 나타낸 블록도이다.
도 6은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 관리 방법에 대한 개략적인 순서도이다.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 인공지능 모델 이용 등록을 위한 사용자 인터페이스 화면의 예시도이다.
도 8은 도 6에 도시된 S210 단계를 구체화한 순서도이다.
도 9는 도 6에 도시된 S230 단계를 구체화한 순서도이다.
도 10은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 이용자 디바이스의 구성을 나타낸 블록도이다.
도 11은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 이용 방법에 대한 개략적인 순서도이다.
도 12는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 시스템의 흐름을 전반적으로 설명한 개략도이다.

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 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조부호가 사용될 수 있다.

본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는(3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.

어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~ 를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된)프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시예들을 배제하도록 해석될 수 없다.

본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.

본 명세서의 해석의 명확함을 위해, 이하에서는 본 명세서에서 사용되는 용어들을 정의하기로 한다.

본 명세서에서 사용되는 용어, "인공지능 모델"은 서비스 제공자가 지정한 입력 데이터를 입력으로 하여 지정된 결과를 예측하도록 학습된 모델일 수 있다. 구체적으로, 인공지능 모델은 영상의 분석 서비스 제공을 기본으로 하나, 전문적인 영역에서 예를 들어, 인공지능 모델은 의료 영상을 입력으로 하여 기 지정된 분석 결과를 출력하도록 학습된 의료 영상 분석 모델일 수 있다. 여기서, 의료 영상은 개체에 대한 의료 영상일 수 있으며, 분석 결과는 특정 영역에서 어떠한 질환의 발생 여부, 치료의 성공 여부, 진단 확률 등을 포함할 수 있다. 다른 예를 들어, 인공지능 모델은 측정 데이터를 입력으로 하여 기 지정된 분석 결과를 출력하도록 학습된 의료 데이터 분석 모델일 수 있다. 여기서, 측정 데이터는 개체에 의해 측정 또는 산출된 데이터일 수 있으며, 분석 결과는 질환의 발생 여부, 성공 여부, 진단 확률 등을 포함할 수 있다. 또 다른 예를 들어, 인공지능 모델은 개체의 음성과 같은 오디오 데이터, 개체를 통해 획득된 텍스트 데이터 등을 입력으로 하여 기 지정된 분석 결과를 출력하도록 학습된 분석 모델일 수 있다.

다양한 실시예에서, 인공지능 모델은 CNN (Convolutional Neural Network) 기반의 VGG net, R, DenseNet 및, encoder-decoder structure를 갖는 FCN (Fully Convolutional Network), SegNet, DeconvNet, DeepLAB V3+, U-net와 같은 DNN (deep neural network), SqueezeNet, Alexnet, ResNet18, MobileNet-v2, GoogLeNet, Resnet50, Resnet101, Inception-v3 중 적어도 하나의 모델 혹은 두 개 이상의 앙상블 모델로 구성될 수 있다.

도 1은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스를 설명하기 위한 개략도이다.

도 1을 참조하면, 인공지능 모델 이용 서비스는 다양한 종류의 인공지능 모델을 하나의 공간에서 이용할 수 있는 서비스를 의미할 수 있다. 본 발명의 인공지능 모델 이용 서비스를 제공하는 인공지능 모델 이용 서비스 관리 서버(200)(이하, '서비스 관리 서버(200)'라고 함)는 복수의 인공지능 모델을 직접 개발하여 제공하는 것이 아니라, 서비스 제공자로부터 복수의 인공지능 모델을 제공받고 이를 공유할 수 있다. 여기서, 인공지능 모델을 공유한다는 것은 인공지능 모델에 관한 데이터를 그대로 다른 사용자에게 제공한다는 것이 아니라 특정 기능을 수행하는 인공지능 모델에 사용자가 가진 데이터를 입력했을 때 얻어지는 결과를 공유하는 것으로 이해될 수 있다. 예를 들어, 인공지능 모델 이용 서비스는 서비스 관리 서버(200)가 제공하는 웹 페이지(1)를 통해 서비스 이용자 디바이스(300)로 제공될 수 있다. 이 외에도, 인공지능 모델 이용 서비스는 서비스 제공자 디바이스(100) 및 서비스 이용자 디바이스(300)에서 설치 또는 실행 가능한 어플리케이션, 프로그램 형태로 제공될 수 있다.

인공지능 모델 이용 서비스의 웹 페이지(11)에는 다양한 분야 별로 이용 가능한 복수의 인공지능 모델들을 나타내는 그래픽 객체(12)들이 제공될 수 있다. 여기서, 그래픽 객체(2)들은 인공지능 모델을 제공하는 서비스 제공자 디바이스(100)에 의해 생성된 그래픽 객체일 수 있다. 구체적으로, 서비스 제공자 디바이스(100)는 서비스 관리 서버(200)로 인공지능 모델을 설명하기 위한 데이터를 제공할 수 있으며, 서비스 관리 서버(200)는 데이터에서 인공지능 모델을 설명하기 위한 이미지, 텍스트를 추출하여 서비스 이용자 디바이스(300)로 제공할 그래픽 객체를 생성할 수 있다. 예를 들어, 이미지는 인공지능 모델의 분석 대상을 직관적으로 설명하기 위한 이미지를 포함할 수 있으며, 텍스트는 인공지능 모델에 입력되는 데이터의 종류, 인공지능 모델을 통해 얻을 수 있는 분석 결과를 설명하기 위한 텍스트를 포함할 수 있다.

서비스 이용자 디바이스(300)는 인공지능 모델 이용 서비스의 웹 페이지(1)에 표시된 어느 하나의 그래픽 객체를 선택할 수 있으며, 서비스 관리 서버(200)로부터 해당 인공지능 모델을 이용하기 위한 사용자 인터페이스를 제공받을 수 있다. 여기서, 인공지능 모델을 이용하기 위한 사용자 인터페이스도 서비스 제공자 디바이스(100)에 의해 생성될 수 있으며, 구체적인 설명은 후술하도록 한다.

서비스 관리 서버(200)는 서비스 이용자 디바이스(300)에서 획득된 입력 데이터를 인공지능 모델에 입력하여 인공지능 모델을 연산할 수 있으며, 그 결과 데이터를 산출할 수 있다. 예를 들어, 서비스 관리 서버(200)는 서비스 이용자 디바이스(300)에서 실행되고 있는 웹 페이지(1)에 결과 데이터를 표시할 수 있다.

지금까지 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스에 대하여 개략적으로 설명하였다. 본 발명에 따르면, 인공지능 모델 이용 서비스를 통해 의료 분야와 같이 전문적이고, 정확한 결과 데이터를 요구하는 분야에서 인공지능 모델을 이용한 데이터 분석이 보다 간편하게 수행될 수 있다.

이하에서는, 인공지능 모델 이용 서비스를 제공하는 시스템의 각 구성에 대하여 구체적으로 설명하도록 한다.

도 2는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 시스템의 블록도이다.

도 2를 참조하면, 인공지능 모델 이용 서비스 시스템(1000)은 복수의 인공지능 모델을 하나의 공간에서 이용할 수 있는 서비스를 제공하도록 구성된 시스템일 수 있다.

인공지능 모델 이용 서비스 시스템(1000)은 인공지능 모델을 개발하여 제공하는 서비스 제공자 디바이스(100), 서비스 제공자 디바이스(100)에서 제공한 복수의 인공지능 모델을 관리하고, 인공지능 모델을 이용하여 서비스 이용자가 요청한 결과 데이터를 결정할 수 있는 서비스 관리 서버(200) 및 인공지능 모델을 이용하는 서비스 이용자 디바이스(300)를 포함할 수 있다.

서비스 제공자 디바이스(100)는 인공지능 모델을 개발하고, 인공지능 모델을 이용할 수 있는 각종 데이터를 제공하는 서비스 제공자의 디바이스일 수 있다. 예를 들어, 서비스 제공자 디바이스(100)는 스마트폰, 태블릿 PC (Personal Computer), 노트북 및 PC 등을 포함할 수 있다.

다양한 실시예에서, 서비스 제공자 디바이스(100)는 인공지능 모델 서비스를 나타내는 데이터를 제공할 수 있다. 구체적으로, 서비스 제공자 디바이스(100)는 인공지능 모델의 식별 데이터와 함께 인공지능 모델을 설명 또는 이용하기 위한 인터페이스 화면을 생성할 수 있는 json 형태의 파일을 서비스 관리 서버(200)로 제공할 수 있다. 예를 들어, json 형태의 파일은 인공지능 모델 등록 및 이용 페이지 구조(input config.), 인공지능 모델 설명 페이지 구조(model config.), 인공지능 모델 결과 페이지 구조(result config.)에 대한 파일을 포함할 수 있다. 서비스 제공자 디바이스(100)는 서비스 관리 서버(200)로부터 json 형태의 파일을 제공하기 위한 서비스 등록 인터페이스를 수신할 수 있다. 서비스 등록 인터페이스는 인공지능 모델 이용 서비스를 제공하기 위해 필요한 필수 데이터 항목들(예. 인공지능 모델의 입출력 표준 규격)이 나열될 수 있으며, 서비스 제공자 디바이스(100)는 서비스 등록 인터페이스를 통해 자신이 생성한 json 형태의 파일을 서비스 관리 서버(200)로 제공할 수 있다.

다양한 실시예에서, 서비스 제공자 디바이스(100)는 서비스 관리 서버(200)로부터 제공받은 서비스 제공 인터페이스를 통해 인공지능 모델을 설명하기 위한 각종 데이터를 입력할 수 있다. 예를 들어, 서비스 제공자 디바이스(100)는 인공지능 모델의 구조 데이터, 학습 데이터, 이용 가능한 입력 데이터, 제공 가능한 결과 데이터, 분석 결과의 정확도 등을 입력할 수 있다.

다양한 실시예에서, 서비스 제공자 디바이스(100)는 서비스 관리 서버(200)로부터 제공받은 서비스 제공 인터페이스를 통해 인공지능 모델을 이용하기 위한 서비스 화면을 구성할 수 있다. 여기서, 서비스 화면은 인공지능 모델 소개 페이지, 인공지능 모델 이용 페이지, 인공지능 모델 결과 페이지 등을 포함할 수 있다. 예를 들어, 서비스 제공자 디바이스(100)는 서비스 제공 인터페이스를 통해 인공지능 모델을 설명하는 대표 이미지, 텍스트를 입력할 수 있으며, 인공지능 모델에 입력 가능한 입력 데이터의 종류, 범위, 예시 화면 등을 입력할 수 있으며, 인공지능 모델을 통해 얻을 수 있는 결과 데이터의 종류 등을 입력할 수 있다.

서비스 관리 서버(200)는 복수의 인공지능 모델을 관리하며, 서비스 제공자 디바이스(100)와 서비스 이용자 디바이스(300)를 중개할 수 있는 중개 서비스 제공자의 장치일 수 있다. 예를 들어, 서비스 제공자 디바이스(100)에서 제공한 의료 영상 분석 모델을 이용하여 서비스 이용자 디바이스(300)의 의료 영상 기초로 하는 분석 결과를 산출할 수 있는 범용 컴퓨터, 랩톱, 데이터 서버, 및 웹 서버 등을 포함할 수 있다.

다양한 실시예에서, 서비스 관리 서버(200)는 서비스 제공자 디바이스(100)로부터 인공지능 모델을 설명하기 위한 데이터를 획득하고, 이를 기초로 서비스 이용자 디바이스(300)로 제공할 서비스 이용 인터페이스를 생성할 수 있다. 구체적으로, 서비스 관리 서버(200)는 서비스 제공/등록 인터페이스 또는 json 형태의 파일을 기초로 인공지능 모델에 관한 데이터를 획득할 수 있다. 또한, 서비스 관리 서버(200)는 서비스 제공자 디바이스(100)로부터 획득된 인공지능 모델을 조합하여 복수의 인공지능 모델을 검색 및 이용할 수 있는 서비스 이용 인터페이스를 생성할 수 있다.

다양한 실시예에서, 서비스 관리 서버(200)는 서비스 제공자 디바이스(100)로부터 획득된 인공지능 모델을 즉시 이용 가능한 서비스로 등록하지 않고, 인공지능 모델의 유효성을 판단할 수 있다. 이는 새로운 인공지능 모델이 제공될 경우에 수행될 수 있으며, 서비스 관리 서버(200)는 서비스 제공자 디바이스(100)에서 제공한 테스트 데이터를 이용하여 인공지능 모델의 유효성을 판단할 수 있다. 예를 들어, 서비스 관리 서버(200)는 서비스 제공자 디바이스(100)에 입력한 결과 데이터와 동일한 결과 데이터가 산출되는지, 결과 데이터가 소프트맥스(SoftMax)를 이용한 결과 데이터가 확률 값으로 정의되는지, 결과 데이터의 예외 사항이 존재하는지, 계산 시간, 메모리 용량 등의 리소스 사용량이 적절한 지 등의 유효성을 판단할 수 있다.

다양한 실시예에서, 서비스 관리 서버(200)는 서비스 제공자 디바이스(100)와 서비스 이용자 디바이스(300)를 인공지능 모델을 매개로 중개할 수 있는 웹/앱 어플리케이션을 제공할 수 있다. 예를 들어, 서비스 관리 서버(200)는 서비스 제공자 디바이스(100)와 서비스 이용자 디바이스(300)로 접속 가능한 웹 브라우저를 제공하거나, 서비스 제공자 디바이스(100)와 서비스 이용자 디바이스(300)에 설치 가능한 어플리케이션 또는 프로그램을 제공할 수 있다.

다양한 실시예에서, 서비스 관리 서버(200)는 서비스 이용자 디바이스(300)로부터 입력 데이터를 획득하고, 인공지능 모델을 연산하여 이에 대한 결과 데이터를 산출하기 이전에 입력 데이터에 대한 검증을 수행할 수 있다. 구체적으로, 서비스 관리 서버(200)는 서비스 제공자가 기 지정한 입력 데이터를 기초로 획득된 입력 데이터의 유효성을 판단할 수 있다. 서비스 관리 서버(200)는 입력 데이터의 데이터 형식에 대한 적합성을 판단할 수 있으며, 이후에는 획득된 입력 데이터의 컨텐츠에 대한 적합성을 판단할 수 있다. 판단 결과에 따라, 서비스 관리 서버(200)는 입력 데이터를 기초로 인공지능 모델 연산을 수행하거나, 서비스 이용자 디바이스(300)로 새로운 입력 데이터를 요청할 수 있다. 예를 들어, 서비스 관리 서버(200)는 의료 영상 분석 모델에 입력 요청한 의료 영상이 적절한 종류인지, 의료 영상의 목적 부위가 적합한지 판단할 수 있다.

서비스 이용자 디바이스(300)는 인공지능 모델 이용 서비스를 이용하는 서비스 이용자의 디바이스일 수 있다. 예를 들어, 서비스 이용자 디바이스(300)는 스마트폰, 태블릿 PC (Personal Computer), 노트북 및 PC 등을 포함할 수 있다.

다양한 실시예에서, 서비스 이용자 디바이스(300)는 서비스 관리 서버(200)로부터 제공받은 서비스 이용 인터페이스를 통해 어느 하나의 인공지능 모델을 이용하기 위한 입력 데이터를 입력할 수 있다. 즉, 서비스 이용자 디바이스(300)는 서비스 관리 서버(200)로 입력 데이터를 기초로 하는 인공지능 모델 연산 결과를 요청할 수 있다. 예를 들어, 서비스 이용자 디바이스(300)는 서비스 관리 서버(200)로 의료 영상과 함께 인공지능 모델을 이용한 의료 영상의 분석 결과를 요청할 수 있다. 서비스 이용자 디바이스(300)는 서비스 관리 서버(200)로부터 해당 인공지능 모델을 이용한 분석 결과를 획득할 수 있다. 여기서, 분석 결과는 서비스 제공자 디바이스(100)에 의해 생성된 결과 분석 페이지를 통해 서비스 이용자 디바이스(300)로 제공될 수 있다.

다양한 실시예에서, 서비스 이용자 디바이스(300)는 인공지능 모델의 종류 및 서비스 제공 현황에 따라, 실시간 결과 데이터를 획득할 수도 있다. 예를 들어, 서비스 이용자 디바이스(300)는 서비스 관리 서버(200)가 요구하는 실시간으로 촬영한 이미지, 영상, 또는 녹음한 오디오를 입력 데이터로 제공할 수 있으며, 서비스 관리 서버(200)로부터 그에 대한 결과 데이터를 획득할 수 있다. 다만, 여기서, 인공지능 모델의 연산량이 증가하면 지연 시간이 발생할 수 있으며, 서비스 이용자 디바이스(300)는 서비스 관리 서버(200)로부터 지연 시간에 대한 알림을 제공받을 수도 있다.

지금까지 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 시스템(1000)에 대하여 설명하였다. 본 발명에 따르면, 인공지능 모델 이용 서비스 시스템(1000)은 복수의 인공지능 모델을 공급 및 이용할 수 있는 환경을 제공함으로써, 사용자들로 하여금 인공지능 모델로의 접근성을 높일 수 있다.

이하에서는 도 3 및 도 4를 참조하여 인공지능 모델 이용 서비스를 제공하는 서비스 제공자 디바이스에 대해서 설명하도록 한다.

도 3은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 제공자 디바이스의 구성을 나타낸 블록도이다.

도 3을 참조하면, 서비스 제공자 디바이스(100)는 메모리 인터페이스(110), 하나 이상의 프로세서(120) 및 주변 인터페이스(130)를 포함할 수 있다. 서비스 제공자 디바이스(100) 내의 다양한 컴포넌트들은 하나 이상의 통신 버스 또는 신호 라인에 의해 연결될 수 있다.

메모리 인터페이스(110)는 메모리(150)에 연결되어 프로세서(120)로 다양한 데이터를 전할 수 있다. 여기서, 메모리(150)는 플래시 메모리 타입, 하드디스크 타입, 멀티미디어 카드 마이크로 타입, 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램, SRAM, 롬, EEPROM, PROM, 네트워크 저장 스토리지, 클라우드, 블록체인 데이터베이스 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

다양한 실시예에서, 메모리(150)는 운영 체제(151), 통신 모듈(152), 그래픽 사용자 인터페이스 모듈(GUI)(153), 센서 처리 모듈(154), 전화 모듈(155) 및 애플리케이션(156) 중 적어도 하나 이상을 저장할 수 있다. 구체적으로, 운영 체제(151)는 기본 시스템 서비스를 처리하기 위한 명령어 및 하드웨어 작업들을 수행하기 위한 명령어를 포함할 수 있다. 통신 모듈(152)은 다른 하나 이상의 디바이스, 컴퓨터 및 서버 중 적어도 하나와 통신할 수 있다. 그래픽 사용자 인터페이스 모듈(GUI)(153)은 그래픽 사용자 인터페이스를 처리할 수 있다. 센서 처리 모듈(154)은 센서 관련 기능(예를 들어, 하나 이상의 마이크(192)를 이용하여 수신된 음성 입력을 처리함)을 처리할 수 있다. 전화 모듈(155)은 전화 관련 기능을 처리할 수 있다. 애플리케이션 모듈(156)은 사용자 애플리케이션의 다양한 기능들, 예컨대 전자 메시징, 웹 브라우징, 미디어 처리, 탐색, 이미징, 기타 프로세스 기능을 수행할 수 있다. 아울러, 서비스 제공자 디바이스(100)는 메모리(150)에 어느 한 종류의 서비스와 연관된 하나 이상의 소프트웨어 애플리케이션(156-1, 156-2)(예. 인공지능 모델 이용 서비스 제공자용 어플리케이션)을 저장할 수 있다.

다양한 실시예에서, 메모리(150)는 인공지능 모델 이용 서비스를 제공하기 위한 각종 데이터를 저장할 수 있다. 구체적으로, 메모리(150)는 서비스 제공자가 구상하는 서비스 화면의 구성 데이터를 저장할 수 있다. 이러한, 구성 데이터는 서비스 제공 인터페이스를 통해 입력될 시에 메모리(150)에 저장될 수 있다. 예를 들어, 메모리(150)는 인공지능 모델 소개 페이지에 입력되는 이미지, 텍스트를 저장할 수 있다. 다른 예를 들어, 메모리(150)는 인공지능 모델 이용 페이지에 입력되는 인공지능 모델의 구조 데이터, 학습 데이터, 테스트 데이터, 인공지능 모델 별 입력 가능한 데이터의 유형, 인공지능 모델 별 제공 가능한 결과 데이터의 종류, 분석 결과의 정확도, 업데이트 가능한 데이터 등을 저장할 수 있다. 또 다른 예를 들어, 메모리(150)는 인공지능 모델 결과 페이지에 입력되는 레이아웃을 저장할 수 있다.

다양한 실시예에서, 메모리(150)는 디지털 어시스턴트 클라이언트 모듈(157)(이하, DA 클라이언트 모듈)을 저장할 수 있으며, 그에 따라 디지털 어시스턴트의 클라이언트 측의 기능을 수행하기 위한 명령어 및 다양한 사용자 데이터(158)(예. 사용자 맞춤형 어휘 데이터, 선호도 데이터, 사용자의 전자 주소록, 할 일 목록, 쇼핑 리스트 등과 같은 기타 데이터)를 저장할 수 있다.

한편, DA 클라이언트 모듈(157)은 서비스 제공자 디바이스(100)에 구비된 다양한 사용자 인터페이스(예. I/O 서브시스템(140))를 통해 사용자의 음성 입력, 텍스트 입력, 터치 입력 및/또는 제스처 입력을 획득할 수 있다.

또한, DA 클라이언트 모듈(157)은 시청각적, 촉각적 형태의 데이터를 출력할 수 있다. 예를 들어, DA 클라이언트 모듈(157)은 음성, 소리, 알림, 텍스트 메시지, 메뉴, 그래픽, 비디오, 애니메이션 및 진동 중 적어도 둘 하나 이상의 조합으로 이루어진 데이터를 출력할 수 있다. 아울러, DA 클라이언트 모듈(157)은 통신 서브시스템(180)을 이용하여 디지털 어시스턴트 서버(미도시)와 통신할 수 있다.

다양한 실시예에서, DA 클라이언트 모듈(157)은 사용자 입력과 연관된 상황(context)을 구성하기 위하여 다양한 센서, 서브시스템 및 주변 디바이스로부터 서비스 제공자 디바이스(100)의 주변 환경에 대한 추가 정보를 수집할 수 있다. 예를 들어, DA 클라이언트 모듈(157)은 사용자 입력과 함께 상황 정보를 디지털 어시스턴트 서버에 제공하여 사용자의 의도를 추론할 수 있다. 여기서, 사용자 입력에 동반될 수 있는 상황 정보는 센서 정보, 예를 들어, 광(lighting), 주변 소음, 주변 온도, 주변 환경의 이미지, 비디오 등을 포함할 수 있다. 다른 예를 들어, 상황 정보는 서비스 제공자 디바이스(100)의 물리적 상태(예. 디바이스 배향, 디바이스 위치, 디바이스 온도, 전력 레벨, 속도, 가속도, 모션 패턴, 셀룰러 신호 강도 등)을 포함할 수 있다. 또 다른 예를 들어, 상황 정보는 서비스 제공자 디바이스(100)의 소프트웨어 상태에 관련된 정보(예. 서비스 제공자 디바이스(100)에서 실행 중인 프로세스, 설치된 프로그램, 과거 및 현재 네트워크 활동성, 백그라운드 서비스, 오류 로그, 리소스 사용 등)를 포함할 수 있다.

다양한 실시예에서, 메모리(150)는 추가 또는 삭제된 명령어를 포함할 수 있으며, 나아가 서비스 제공자 디바이스(100)도 도 3에 도시된 구성 외에 추가 구성을 포함하거나, 일부 구성을 제외할 수도 있다.

프로세서(120)는 서비스 제공자 디바이스(100)의 전반적인 동작을 제어할 수 있으며, 메모리(150)에 저장된 어플리케이션 또는 프로그램을 구동하여 인공지능 모델 이용 서비스를 등록할 수 있는 서비스 제공 인터페이스를 구현하기 위한 다양한 명령들을 수행할 수 있다.

프로세서(120)는 CPU(Central Processing Unit)나 AP(Application Processor)와 같은 연산 장치에 해당할 수 있다. 또한, 프로세서(120)는 NPU(Neural Processing Unit)과 같은 다양한 연산 장치가 통합된 SoC(System on Chip)와 같은 통합 칩(Integrated Chip (IC))의 형태로 구현될 수 있다.

다양한 실시예에서, 프로세서(120)는 인공지능 모델의 기능을 다른 사용자들과 공유할 수 있도록 인공지능 모델을 등록할 수 있다.

관련하여, 도 4는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 제공 방법에 대한 개략적인 순서도이다.

도 4를 참조하면, 프로세서(120)는 서비스 관리 서버(200)로부터 인공지능 모델 등록을 위한 서비스 제공 인터페이스를 획득할 수 있다(S110). 구체적으로, 서비스 제공 인터페이스는 서비스 제공자가 제작할 페이지에 포함되는 그래픽 객체들을 정의하기 위한 입력창들을 포함할 수 있으며, 프로세서(120)는 이러한 입력창들을 포함하는 서비스 제공 인터페이스를 출력할 수 있다. 예를 들어, 서비스 제공 인터페이스는 인공지능 모델 등록 페이지, 소개 페이지, 이용 페이지, 결과 페이지, 서비스 내역 관리 페이지 등을 구성하기 위한 인터페이스일 수 있다. 다른 예를 들어, 서비스 제공 인터페이스는 제목(title), 부제목(sub-title), 머리글(header), 미디어(media), 설명(notes)을 입력하기 위한 영역을 포함할 수 있다.

S110 단계 이후, 프로세서(120)는 서비스 제공 인터페이스를 통해 인공지능 모델을 정의하기 위한 입력 데이터를 제공할 수 있다. 예를 들어, 프로세서(120)는 인공지능 모델을 소개하는 메인 페이지에 입력되는 이미지, 텍스트를 획득할 수 있다. 다른 예를 들어, 프로세서(120)는 인공지능 모델의 레이어 수, 입-출력 파이프 라인을 나타내는 구조 데이터를 획득할 수 있으며, 학습 데이터, 테스트 데이터, 인공지능 모델 별로 입력 가능한 데이터의 유형, 인공지능 모델 별로 제공 가능한 결과 데이터의 종류, 분석 결과의 정확도 등을 획득할 수 있다. 또 다른 예를 들어, 프로세서(120)는 인공지능 모델 결과 페이지에 입력되는 레이아웃을 획득할 수 있다. 여기서, 레이아웃은 결과 데이터가 표시되는 위치, 크기 등을 의미할 수 있다.

S120 단계 이후, 프로세서(120)는 서비스 관리 서버(200)로부터 제공받은 입력 데이터를 기초로 인공지능 모델을 업데이트할 수 있다(S130). 구체적으로, 프로세서(120)는 서비스 관리 서버(200)에 의해 인공지능 모델로 입력된 입력 데이터를 획득할 수 있으며, 이를 기초로 인공지능 모델을 업데이트할 수 있다. 아울러, 프로세서(120)는 서비스 관리 서버(200)로부터 인공지능 모델을 이용한 서비스 이용자 디바이스(300) 목록을 획득할 수 있다. 이러한 목록은 서비스 제공자가 서비스 이용자를 관리하기 위해 활용될 수 있다.

다양한 실시예에서, 프로세서(120)는 서비스 관리 서버(200)로부터 메인 페이지, 이용 페이지, 결과 페이지 각각을 정의하기 위한 인터페이스를 획득하는 것 외에도, 인공지능 모델 서비스를 나타내는 데이터를 제공하기 위한 인터페이스를 획득할 수 있다. 구체적으로, 프로세서(120)는 서비스 관리 서버(200)로 인공지능 모델의 식별 데이터와 함께 인공지능 모델을 설명 또는 이용하기 위한 인터페이스 화면을 생성할 수 있는 json 형태의 파일을 서비스 관리 서버(200)로 제공할 수 있다. 예를 들어, json 형태의 파일은 인공지능 모델 등록 및 이용 페이지 구조(input config.), 인공지능 모델 설명 페이지 구조(model config.), 인공지능 모델 결과 페이지 구조(result config.)에 대한 파일을 포함할 수 있다. 프로세서(120)는 서비스 관리 서버(200)로부터 json 형태의 파일을 제공하기 위한 서비스 등록 인터페이스를 수신할 수 있다. 서비스 등록 인터페이스는 인공지능 모델 이용 서비스를 제공하기 위해 필요한 필수 데이터 항목들(예. 인공지능 모델의 입출력 표준 규격)이 나열될 수 있으며, 프로세서(120)는 서비스 등록 인터페이스를 통해 자신이 생성한 json 형태의 파일을 서비스 관리 서버(200)로 제공할 수 있다.

주변 인터페이스(130)는 다양한 센서, 서브 시스템 및 주변 디바이스와 연결되어, 서비스 제공자 디바이스(100)가 다양한 기능을 수행할 수 있도록 데이터를 제공해 줄 수 있다. 여기서, 서비스 제공자 디바이스(100)가 어떠한 기능을 수행한다는 것은 프로세서(120)에 의해 수행되는 것으로 이해될 수 있다.

주변 인터페이스(130)는 모션 센서(160), 조명 센서(광 센서)(161) 및 근접 센서(162)로부터 데이터를 제공받을 수 있으며, 이를 통해, 서비스 제공자 디바이스(100)는 배향, 광, 및 근접 감지 기능 등을 수행할 수 있다. 다른 예를 들어, 주변 인터페이스(130)는 기타 센서들(163)(포지셔닝 시스템-GPS 수신기, 온도 센서, 생체인식 센서)로부터 데이터를 제공받을 수 있으며, 이를 통해 서비스 제공자 디바이스(100)가 기타 센서들(163)과 관련된 기능들을 수행할 수 있다.

다양한 실시예에서, 서비스 제공자 디바이스(100)는 주변 인터페이스(130)와 연결된 카메라 서브시스템(170) 및 이와 연결된 광학 센서(171)를 포함할 수 있으며, 이를 통해 서비스 제공자 디바이스(100)는 사진 촬영 및 비디오 클립 녹화 등의 다양한 촬영 기능을 수행할 수 있다.

다양한 실시예에서, 서비스 제공자 디바이스(100)는 주변 인터페이스(130)와 연결된 통신 서브 시스템(180)을 포함할 수 있다. 통신 서브 시스템(180)은 하나 이상의 유/무선 네트워크로 구성되며, 다양한 통신 포트, 무선 주파수 송수신기, 광학 송수신기를 포함할 수 있다.

다양한 실시예에서, 서비스 제공자 디바이스(100)는 주변 인터페이스(130)와 연결된 오디오 서브 시스템(190)을 포함하며, 이러한 오디오 서브 시스템(190)은 하나 이상의 스피커(191) 및 하나 이상의 마이크(192)를 포함함으로써, 서비스 제공자 디바이스(100)는 음성 작동형 기능, 예컨대 음성 인식, 음성 복제, 디지털 녹음, 및 전화 기능 등을 수행할 수 있다.

다양한 실시예에서, 서비스 제공자 디바이스(100)는 주변 인터페이스(130)와 연결된 I/O 서브시스템(140)을 포함할 수 있다. 예를 들어, I/O 서브시스템(140)은 터치 스크린 제어기(141)를 통해 서비스 제공자 디바이스(100)에 포함된 터치 스크린(143)을 제어할 수 있다. 일 예로서, 터치 스크린 제어기(141)는 정전용량형, 저항형, 적외형, 표면 탄성파 기술, 근접 센서 어레이 등과 같은 복수의 터치 감지 기술 중 어느 하나의 기술을 사용하여 사용자의 접촉 및 움직임 또는 접촉 및 움직임의 중단을 검출할 수 있다. 다른 예를 들어, I/O 서브시스템(140)은 기타 입력 제어기(들)(142)를 통해 서비스 제공자 디바이스(100)에 포함된 기타 입력/제어 디바이스(144)를 제어할 수 있다. 일 예로서, 기타 입력 제어기(들)(142)은 하나 이상의 버튼, 로커 스위치(rocker switches), 썸 휠(thumb-wheel), 적외선 포트, USB 포트 및 스타일러스 등과 같은 포인터 디바이스를 제어할 수 있다.

지금까지 본 발명의 일 실시예에 따른 서비스 제공자 디바이스(100)에 대하여 설명하였다. 본 발명에 따르면, 서비스 제공자 디바이스(100)는 단순히 인공지능 모델을 이용할 수 있도록 구성 데이터만을 제공하는 것이 아니라, 인공지능 모델을 설명 및 이용할 수 있는 서비스 페이지를 직접 구성함으로써, 자신이 개발한 인공지능 모델을 보다 적극적으로 홍보할 수 있으며, 서비스 이용자에게는 인공지능 모델을 보다 효율적으로 이용할 수 있는 정보를 제공해줄 수 있다.

이하에서는, 도 5 및 도 6을 참조하여 서비스 제공자 디바이스(100)와 서비스 이용자 디바이스(300)를 중개하며, 인공지능 모델 이용 서비스 전반을 관리하는 서비스 관리 서버(200)에 대하여 설명하도록 한다.

도 5는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 관리 서버의 구성을 나타낸 블록도이다.

도 5를 참조하면, 서비스 제공 서버(200)는 통신 인터페이스(210), 메모리(220), I/O 인터페이스(230) 및 프로세서(240)를 포함할 수 있으며, 각 구성은 하나 이상의 통신 버스 또는 신호 라인을 통해 서로 통신할 수 있다.

통신 인터페이스(210)는 유/무선 통신 네트워크를 통해 서비스 제공자 디바이스(100) 및 서비스 이용자 디바이스(300)와 연결되어 데이터를 주고받을 수 있다. 예를 들어, 통신 인터페이스(210)는 서비스 제공자 디바이스(100)로 서비스 제공 인터페이스를 송신할 수 있으며, 서비스 제공자 디바이스(100)로부터 인공지능 모델을 이용하는데 필요한 데이터들을 수신할 수 있다. 여기서, 인공지능 모델을 이용하는데 필요한 데이터들이란 인공지능 모델의 구조 데이터, 학습 데이터, 테스트 데이터(혹은 샘플 데이터), 인공지능 모델 별 입력 가능한 데이터의 유형, 인공지능 모델 별 제공 가능한 결과 데이터의 종류 등을 포함할 수 있다. 다른 예를 들어, 통신 인터페이스(210)는 서비스 이용자 디바이스(300)로 서비스 이용 인터페이스를 송신할 수 있으며, 어느 하나의 인공지능 모델에 대한 선택 정보와 함께 해당 모델에 입력될 입력 데이터를 수신할 수 있다.

한편, 이러한 데이터의 송수신을 가능하게 하는 통신 인터페이스(210)는 통신 포트(211) 및 무선 회로(212)를 포함하며, 여기 유선 통신 포트(211)는 하나 이상의 유선 인터페이스, 예를 들어, 이더넷, 범용 직렬 버스(USB), 파이어와이어 등을 포함할 수 있다. 또한, 무선 회로(212)는 RF 신호 또는 광학 신호를 통해 외부 디바이스와 데이터를 송수신할 수 있다. 아울러, 무선 통신은 복수의 통신 표준, 프로토콜 및 기술, 예컨대 GSM, EDGE, CDMA, TDMA, 블루투스, Wi-Fi, VoIP, Wi-MAX, 또는 임의의 기타 적합한 통신 프로토콜 중 적어도 하나를 사용할 수 있다.

메모리(220)는 서비스 제공 서버(200)에서 사용되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(220)는 서비스 제공 인터페이스, 서비스 이용 인터페이스의 구성 데이터를 저장할 수 있으며, 각각의 인터페이스를 통해 획득되는 데이터들을 추가로 저장할 수 있다. 다른 예를 들어, 메모리(220)는 복수의 인공지능 모델 및 이를 학습하는데 사용된 학습 데이터들, 입력 데이터의 종류, 결과 데이터의 유형 등을 저장할 수 있다. 또 다른 예를 들어, 메모리(220)는 서비스 제공자 디바이스(100) 및 서비스 이용자 디바이스(300)의 식별 데이터를 저장할 수 있다.

다양한 실시예에서, 메모리(220)는 각종 데이터, 명령 및 정보를 저장할 수 있는 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 예를 들어, 메모리(220)는 플래시 메모리 타입, 하드디스크 타입, 멀티미디어 카드 마이크로 타입, 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램, SRAM, 롬, EEPROM, PROM, 네트워크 저장 스토리지, 클라우드, 블록체인 데이터베이스 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

다양한 실시예에서, 메모리(220)는 운영 체제(221), 통신 모듈(222), 사용자 인터페이스 모듈(223) 및 하나 이상의 애플리케이션(224) 중 적어도 하나의 구성을 저장할 수 있다.

운영 체제(221)(예. LINUX, UNIX, MAC OS, WINDOWS, VxWorks 등의 내장형 운영 체제)는 일반적인 시스템 작업(예. 메모리 관리, 저장 디바이스 제어, 전력 관리 등)를 제어하고 관리하기 위한 다양한 소프트웨어 컴포넌트 및 드라이버를 포함할 수 있으며, 다양한 하드웨어, 펌웨어, 및 소프트웨어 컴포넌트 간의 통신을 지원할 수 있다.

통신 모듈(223)은 통신 인터페이스(210)를 통해 다른 디바이스와 통신을 지원할 수 있다. 통신 모듈(220)은 통신 인터페이스(210)의 유선 통신 포트(211) 또는 무선 회로(212)에 의해 수신되는 데이터를 처리하기 위한 다양한 소프트웨어 구성 요소들을 포함할 수 있다.

사용자 인터페이스 모듈(223)은 I/O 인터페이스(230)를 통해 키보드, 터치 스크린, 마이크 등으로부터 사용자의 요청 또는 입력을 수신하고, 디스플레이 상에 사용자 인터페이스를 제공할 수 있다.

애플리케이션(224)은 하나 이상의 프로세서(240)에 의해 실행되도록 구성되는 프로그램 또는 모듈을 포함할 수 있다. 여기서, 복수의 인공지능 모델 관리 서비스를 제공하기 위한 애플리케이션은 서버 팜(server farm) 상에서 구현될 수 있다.

I/O 인터페이스(230)는 서비스 제공 서버(200)의 입출력 디바이스(미도시), 예컨대 디스플레이, 키보드, 터치 스크린 및 마이크 중 적어도 하나를 사용자 인터페이스 모듈(223)과 연결할 수 있다. I/O 인터페이스(230)는 사용자 인터페이스 모듈(223)과 함께 사용자 입력(예. 음성 입력, 키보드 입력, 터치 입력 등)을 수신하고, 수신된 입력에 따른 명령을 처리할 수 있다.

프로세서(240)는 통신 인터페이스(210), 메모리(220) 및 I/O 인터페이스(230)와 연결되어 서비스 제공 서버(200)의 전반적인 동작을 제어할 수 있으며, 메모리(220)에 저장된 애플리케이션 또는 프로그램을 통해 인공지능 모델 이용 서비스를 관리하기 위한 다양한 명령들을 수행할 수 있다.

프로세서(240)는 CPU(Central Processing Unit)나 AP(Application Processor)와 같은 연산 장치에 해당할 수 있다. 또한, 프로세서(240)는 다양한 연산 장치가 통합된 SoC(System on Chip)와 같은 통합 칩(Integrated Chip (IC))의 형태로 구현될 수 있다. 또는 프로세서(240)는 NPU(Neural Processing Unit)과 같이 인공 신경망 모델을 계산하기 위한 모듈을 포함할 수 있다.

다양한 실시예에서, 프로세서(240)는 인공지능 모델 이용 서비스를 중개 및 관리할 수 있으며, 이하 도 6을 참조하여 설명하도록 한다.

도 6은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 관리 방법에 대한 개략적인 순서도이다.

도 6을 참조하면, 프로세서(240)는 서비스 제공자 디바이스(100)를 통해 어느 한 종류의 입력 데이터를 입력으로 하여 지정된 결과 데이터를 출력하도록 구성된 인공지능 모델을 획득하여 서비스 가능한 모델로 결정할 수 있다(S210). 구체적으로, 프로세서(240)는 서비스 제공자 디바이스(100)로부터 인공지능 모델 서비스를 나타내는 데이터를 획득할 수 있으며, 획득된 데이터를 구문 분석할 수 있다. 예를 들어, 프로세서(240)는 인공지능 모델 등록 및 이용 페이지 구조(input config.), 인공지능 모델 설명 페이지 구조(model config.), 인공지능 모델 결과 페이지 구조(result config.)를 나타내는 json 형태의 파일을 획득할 수 있다. 여기서, json 형태의 파일은 프로세서(240)가 서비스 제공자 디바이스(100)로 제공한 서비스 등록 인터페이스를 통해 획득될 수 있다. 이때, 서비스 등록 인터페이스는 인공지능 모델 이용 서비스를 제공하기 위해 필요한 필수 데이터 항목들(예. 인공지능 모델의 입출력 표준 규격)을 포함할 수 있다. 프로세서(240)는 이를 구문 분석한 결과를 기초로 인공지능 모델의 구조와 함께 인공지능 모델의 서비스 가이드 설정, 입력 설정, 출력 설정, 결과 설정 중 적어도 하나의 데이터 셋을 획득할 수 있다. 예를 들어, 프로세서(240)는 구문 분석한 결과를 토대로 제목(title), 부제목(sub-title), 머리글(header), 미디어(media), 설명(notes) 항목 별로 이에 대응되는 데이터를 포함하는 데이터 셋을 획득할 수 있다.

이와 같이, 프로세서(240)는 사용자 요청에 따라 인공지능 모델의 연산 서비스를 제공할 수 있는 모든 종류의 데이터들을 획득할 수 있으며, 이를 서비스 가능한 모델로 결정할 수 있다. 다시 말해서, 프로세서(240)는 획득한 인공지능 모델을 서비스 제공 인터페이스에 등록 가능한 모델로 결정할 수 있다.

다양한 실시예에서, 프로세서(240)는 서비스 제공자 디바이스(100)로 인공지능 모델을 획득하기 위한 서비스 제공 인터페이스를 제공할 수 있다. 프로세서(240)는 서비스 제공 인터페이스를 통해 인공지능 모델의 구조와 함께 인공지능 모델의 서비스 가이드 설정, 입력 설정, 출력 설정, 결과 설정 중 적어도 하나의 데이터 셋을 추출할 수 있다. 이를 위해, 서비스 제공 인터페이스는 예를 들어, 인공지능 모델에 매칭되는 이미지 또는 텍스트를 입력하는 영역, 인공지능 모델을 이용하기 위한 서비스 제공 페이지를 생성하는 영역 및 인공지능 모델의 결과 데이터를 설명하기 위한 서비스 결과 페이지를 생성하는 영역 중 적어도 하나의 영역을 포함할 수 있다. 여기서, 이미지 또는 텍스트를 입력하는 영역은 인공지능 모델을 소개하는 메인 페이지를 생성하기 위해 서비스 제공 인터페이스에 포함될 수 있다.

관련하여, 도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 인공지능 모델 이용 등록을 위한 사용자 인터페이스 화면의 예시도이다.

도 7a 및 도 7b를 참조하면, 프로세서(240)는 인공지능 모델 서비스를 이용하는 서비스 이용 인터페이스를 생성하기 위해 다음과 같은 서비스 제공 인터페이스 화면(11)(11')을 서비스 제공자 디바이스(100)로 제공할 수 있다. 여기서, 밑줄로 표시된 부분은 실제 서비스 이용 인터페이스에 포함되지 않는 항목이며, 예를 들어, 서비스 제공 인터페이스 화면(11)은 부제목(sub-title), 머리글(header), 설명(notes)을 입력하기 위한 영역(12), 인공지능 모델을 선택하기 위한 그래픽 객체(13)를 포함할 수 있다. 또한, 서비스 제공 인터페이스 화면(11')은 서비스 이용자에게 요구할 입력 데이터들을 나타내는 그래픽 객체(14)를 포함할 수 있다. 이와 같이, 프로세서(240)는 서비스 제공 인터페이스를 통해 가이드 설정, 입력 설정에 대한 데이터 셋을 추출할 수 있으며, 도 7c와 같이 출력 설정, 결과 설정에 대한 데이터 셋을 추출할 수 있는 서비스 제공 인터페이스를 서비스 제공자 디바이스(100)로 제공할 수 있다. 예를 들어, 서비스 제공 인터페이스 화면(15)은 부제목(sub-title), 머리글(header), 미디어(media)을 입력하기 위한 영역(16)을 포함할 수 있으며, 프로세서(240)는 "영상 결과", "뇌 전두엽이 약합니다"와 같이 서비스 이용 인터페이스에 표시될 텍스트, 이미지 데이터 셋을 추출할 수 있다.

다시 말해서, 프로세서(240)는 서비스 제공자 디바이스(100)로부터 인공지능 모델의 서비스 가이드 설정, 입력 설정, 출력 설정, 결과 설정 중 적어도 하나를 획득할 수 있다. 아울러, 입력 설정에는 인공지능 모델을 개략적으로 설명하기 위한 이미지 또는 텍스트와 인공지능 모델이 연산할 수 있는 데이터의 범위를 포함하며, 결과 설정은 인공지능 모델에서 학습되어 출력 가능한 데이터의 범위를 포함할 수 있다.

다양한 실시예에서, 프로세서(240)는 서비스 제공자 디바이스(100)로부터 획득된 이미지 또는 텍스트를 기초로 복수의 인공지능 모델 중 어느 하나를 선택하는 서비스 이용 인터페이스를 생성할 수 있다. 다시 말해서, 프로세서(240)는 서비스 제공자 디바이스(100)들이 제공한 인공지능 모델을 소개하는 제목, 문구, 이미지 등을 취합하여, 복수의 인공지능 모델을 이용할 수 있는 하나의 인터페이스를 생성할 수 있다.

다양한 실시예에서, 프로세서(240)는 획득한 인공지능 모델이 유효한 지 평가를 수행할 수 있다. 여기서 유효성의 평가란 인공지능 모델이 악성인지 아닌지, 인공지능 모델이 실제로 구현 가능한지에 대한 평가일 수 있다.

관련하여, 도 8은 도 6에 도시된 S210 단계를 구체화한 순서도이다.

도 8을 참조하면, 프로세서(240) 서비스 제공자 디바이스(100)로부터 획득된 데이터를 기초로 인공지능 모델을 구현하여 메모리(220)에 저장할 수 있으며, 인공지능 모델의 코드에서 오류가 존재하는지 판단할 수 있다(S210-1). 예를 들어, 프로세서(240)는 ONNX (Open Neural Network Exchange) 또는 NNEF(Neural Network Exchange Format) 등과 같은 표준화된 딥러닝 데이터 변환 포맷을 이용하여 인공지능 모델을 구현할 수 있다. 만약, 오류가 존재할 경우, 프로세서(240)는 서비스 제공자 디바이스(100)로 인공지능 모델을 구현하기 위한 데이터를 다시 요청할 수 있다(S210-11. 예). 즉, 프로세서(240)는 서비스 제공자 디바이스(100)로 인공지능 모델에 대한 오류가 존재함을 알리는 피드백을 제공할 수 있다.

이와 반대로, 오류가 존재하지 않는 경우, 프로세서(240)는 획득한 인공지능 모델의 서비스 제공 여부를 판단할 수 있다(S210-2). 다시 말해서, 프로세서(240)는 인공지능 모델이 이전에 제공된 이력이 존재하는지 판단할 수 있다. 예를 들어, 프로세서(240)는 인공지능 모델의 식별 데이터를 기초로 제공 이력을 판단할 수 있다.

만약, 인공지능 모델의 서비스가 이전에 제공된 경우, 프로세서(240)는 해당 인공지능 모델이 모델의 구조 또는 학습 데이터를 업데이트하는 것으로 이해할 수 있다. 그에 따라, 프로세서(240)는 해당 인공지능 모델을 다시 등록하고, 인공지능 모델에 대응되는 리소스를 메모리(220)에 저장할 수 있다(S210-5, 예).

이와 반대로, 인공지능 모델의 서비스가 이전에 제공된 적이 없는 경우, 프로세서(240)는 인공지능 모델에 테스트 데이터를 입력하여 테스트 결과 데이터를 획득할 수 있다(S210-3, 아니오). 여기서, 프로세서(240)는 인공지능 모델의 서비스 제공 상황에 따라, 예를 들어, TensorRT를 사용하여 인공지능 모델의 연산을 최적화하고, 연산 속도를 단축시킬 수 있다.

이후, 프로세서(240)는 테스트 결과 데이터와 서비스 제공자 디바이스(100)에서 제공한 인공지능 모델의 결과 데이터가 동일한지 판단할 수 있다(S210-4). 또한, 프로세서(240)는 인공지능 모델에 테스트 데이터를 입력하여 산출되는 레이어 별 결과 데이터가 서비스 제공자 디바이스(100)에서 제공한 레이어 별 결과 데이터와 동일한지 판단할 수 있다.

만약, 두 개의 결과 데이터가 동일하지 않은 경우, 프로세서(240)는 서비스 제공자 디바이스(100)로 인공지능 모델을 구현하기 위한 데이터 또는 테스트 데이터를 다시 요청할 수 있다(S210-11. 아니오). 즉, 프로세서(240)는 서비스 제공자 디바이스(100)로 해당 인공지능 모델의 구조가 부적합함을 알리는 피드백을 제공할 수 있다.

이와 반대로, 두 개의 결과 데이터가 동일한 경우, 프로세서(240)는 인공지능 모델의 리소스를 계산하고, 메모리(220)에 서비스 가능한 인공지능 모델로 등록할 수 있다(S210-5, 예). 구체적으로, 프로세서(240)는 인공지능 모델을 연산함에 따라, 사용되는 단위 계산량, 메모리 용량, 디스크 샤용량을 포함하는 연산 리소스를 계산할 수 있다. 프로세서(240)는 계산된 연산 리소스를 메모리(220)에 저장할 수 있다.

다시 도 6을 참조하면, S210 단계 이후, 프로세서(240)는 서비스 이용자 디바이스(300)로 복수의 인공지능 모델을 이용하기 위한 서비스 이용 인터페이스를 제공할 수 있다(S220). 여기서, 서비스 이용 인터페이스는 앞서 언급한 바와 같이 프로세서(240)에 의해 생성될 수 있으며, 인공지능 모델을 선택하기 위한 메인 페이지일 수 있다. 프로세서(240)는 서비스 이용자 디바이스(300)의 요청에 따라, 인공지능 모델의 적용 분야 별로 분류된 서비스 이용 인터페이스를 제공할 수 있다.

다양한 실시예에서, 프로세서(240)는 어느 하나의 인공지능 모델이 선택되면, 서비스 이용자 디바이스(300)로 인공지능 모델을 이용하기 위해 이용자가 입력해야 하는 입력 데이터를 정의한 서비스 이용 인터페이스를 제공할 수 있다. 즉, 프로세서(240)는 이용 페이지를 나타내는 서비스 이용 인터페이스를 제공할 수 있으며, 해당 페이지에는 인공지능 모델의 연산 결과로 제공 가능한 결과 데이터의 범위가 함께 정의될 수 있다.

S220 단계 이후, 프로세서(240)는 서비스 이용 인터페이스를 통해 어느 하나의 인공지능 모델에 입력되는 입력 데이터를 획득할 수 있다(S230). 프로세서(240)는 인공지능 모델의 연산을 수행하기 이전에 입력 데이터가 유효한 것인지 우선적으로 판단하여, 서비스의 품질을 높일 수 있다. 구체적으로, 프로세서(240)는 인공지능 모델에 지정된 입력 데이터를 기초로 입력 데이터의 유효성을 판단할 수 있다. 또한, 프로세서(240)는 서비스 이용자 디바이스(300)의 요청에 따라 서비스 이용 인터페이스를 통해 인공지능 모델에 입력되는 입력 데이터에 대한 실시간 피드백을 제공할 수 있다. 예를 들어, 실시간 피드백은 입력 데이터의 데이터 형식, 컨텐츠에 대한 부적합함을 알리는 피드백일 수 있다. 프로세서(240)는 실시간으로 입력 데이터에 대한 피드백을 제공함으로써, 서비스 이용자가 본 발명의 인공지능 모델 이용 서비스를 통해 실시간으로 문제를 해결하는데 도움을 줄 수 있다. 아울러, 프로세서(240)는 피드백을 제공하는 시점이 기 설정된 시간보다 지연될 경우, 서비스 이용자 디바이스(100)로 예상되는 최소 피드백 시간에 대해 알릴 수 있다.

관련하여, 도 9는 도 6에 도시된 S230 단계를 구체화한 순서도이다.

도 9를 참조하면, 프로세서(240)는 획득된 입력 데이터의 데이터 형식이 적합한지 판단할 수 있다(S230-1). 구체적으로, 프로세서(240)는 데이터 유형(예. 음성, 사진, 동영상 DICOM, TXT, CSV, excel, MRI, CT 등), 크기, 해상도, 범위, 수량(예. 프레임의 개수)이 인공지능 모델에 입력할 수 있는 데이터 형식에 매칭되는지 판단할 수 있다. 예를 들어, 프로세서(240)는 획득된 의료 영상 DICOM의 헤더 정보를 토대로 데이터 형식이 해당 인공지능 모델에 적합한지 판단할 수 있다.

만약, 데이터 형식이 적합하지 않은 경우, 프로세서(240)는 서비스 이용자 디바이스(100)로 입력 데이터가 부적합함을 알릴 수 있다(S230-11, 아니오). 이와 반대로, 데이터 형식이 적합한 경우, 프로세서(240)는 획득된 입력 데이터의 컨텐츠가 적합한지 판단할 수 있다(S230-2, 예). 다시 말해서, 프로세서(240)는 입력 데이터의 내용물이 적합한지 판단할 수 있다. 예를 들어, 프로세서(240)는 인공지능 모델이 의료 영상을 입력으로 하여 기 설정된 분석 결과를 출력하도록 구성된 의료 영상 분석 모델인 경우, 입력 데이터의 목적 부위가 적합한지 판단할 수 있다.

만약, 컨텐츠가 부적합한 경우, 프로세서(240)는 서비스 이용자 디바이스(100)로 입력 데이터가 부적합함을 알릴 수 있다(S230-11, 아니오). 이와 반대로, 컨텐츠가 적합한 경우, 프로세서(240)는 해당 입력 데이터를 인공지능 모델에 입력할 수 있으며, 그 전에 인공지능 모델의 연산 시점을 결정할 수 있다(S230-3, 예). 구체적으로, 프로세서(240)는 둘 이상의 인공지능 모델에 대한 이용 서비스가 제공될 시에, 앞서 S210-5 단계에서 등록한 인공지능 모델의 메모리(혹은 연산 리소스), 서비스 관리 서버(200)의 현재 메모리를 고려하여 연산 시점을 스케쥴링할 수 있다. 만약, 프로세서(240)가 적어도 둘 이상의 인공지능 모델에 입력에 입력되는 입력 데이터를 획득하는 경우, 메모리(220)에 기 저장된 인공지능 모델의 연산 리소스 및 인공지능 모델의 연산 특성을 기초로 둘 이상의 인공지능 모델에 대한 연산 시점을 결정할 수 있다. 여기서, 연산 리소스는 획득된 입력 데이터를 기초로 계산될 수 있으며 연산 특성은 현재 프로세서(240)의 리소스 정보(시간대 별 리소스), 긴급성, 서비스의 실시간성 여부, 인공지능 모델의 결과 용량 등을 포함할 수 있다. 그에 따라, 예를 들어, 연산 시점은 하기 [수학식 1]의 긴급성, 지연 시간, 메모리(연산 리소스) 특성에 비례하여 결정될 수 있다.

[수학식 1]

f(p) ∝ f(urgency)g(1/duration)h(1/memory)

S230 단계 이후, 프로세서(240)는 인공지능 모델을 이용하여 입력 데이터를 기초로 하는 결과 데이터를 산출할 수 있다(S240). 예를 들어, 프로세서(240)는 의료 영상을 입력으로 하여 기 설정된 분석 결과를 출력하도록 구성된 의료 영상 분석 모델에 앞서 판단 결과 적합한 목적 부위에 대한 의료 영상을 입력하여 해당 목적 부위에 대한 분석 결과를 산출할 수 있다.

다양한 실시예에서, 프로세서(240)는 서비스 이용 인터페이스를 통해 결과 데이터를 표시하거나, 통신 인터페이스(210)를 통해 서비스 이용자 디바이스(300)로 결과 데이터를 제공할 수 있다. 예를 들어, 인공지능 모델의 연산 예상 결과가 기 설정된 시간 이상인 경우, 프로세서(240)는 서비스 이용자 디바이스(300)로 결과 데이터를 송신 및 알림 할 수 있다.

지금까지 본 발명의 일 실시예에 따른 서비스 관리 서버(200)에 대하여 설명하였다. 본 발명에 따르면, 서비스 관리 서버(200)가 제공하는 인터페이스를 통해 서비스 제공자는 서비스 이용자를 손쉽게 모집할 수 있으며, 서비스 이용자는 인공지능 모델을 이용하여 자신이 원하는 결과를 손쉽게 획득할 수 있다. 특히, 서비스 관리 서버(200)가 인공지능 모델에 입력되는 입력 데이터의 유효성을 판단함으로써, 복수의 인공지능 모델을 연산해야 하는 서버의 부하를 경감시켜 줄 수 있다.

이하에서는, 도 10 및 도 11을 참조하여 인공지능 모델 이용 서비스를 이용하는 서비스 이용자 디바이스에 대해서 설명하도록 한다.

도 10은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 이용자 디바이스의 구성을 나타낸 블록도이다.

도 10을 참조하면, 서비스 이용자 디바이스(300)는 메모리 인터페이스(310), 하나 이상의 프로세서(320) 및 주변 인터페이스(330)를 포함할 수 있다.

서비스 이용자 디바이스(300)는 서비스 관리 서버(200)가 제공하는 인터페이스를 통해 인공지능 모델을 이용할 수 있으며, 인공지능 모델을 소지하고 있다면 서비스 제공자가 될 수도 있다. 그에 따라, 서비스 이용자 디바이스(300)는 서비스 제공자 디바이스(100)와 동일한 구성으로 이루어질 수 있다.

도 10에서 도 3과 중복되는 구성에 대한 설명은 생략하도록 하며, 도 11을 참조하여 프로세서(320)에 의해 수행되는 인공지능 모델 이용 서비스를 이용하는 방법에 대하여 설명하도록 한다.

도 11은 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 이용 방법에 대한 개략적인 순서도이다.

도 11을 참조하면, 프로세서(320)는 서비스 관리 서버(200)로부터 인공지능 모델을 이용하기 위한 서비스 이용 인터페이스를 획득할 수 있다(S310). 예를 들어, 서비스 이용 인터페이스는 복수의 인공지능 모델 중 어느 하나를 선택할 수 있는 인터페이스, 선택한 인공지능 모델에 입력 가능한 입력 데이터를 확인할 수 있는 인터페이스, 인공지능 모델을 통해 얻어진 결과 데이터를 확인할 수 있는 인터페이스가 순차적으로 제공될 수 있다. 여기서, 어느 하나의 인공지능 모델을 선택할 수 있는 인터페이스에는 인공지능 모델을 검색하기 위한 그래픽 객체를 포함할 수 있다. 프로세서(320)는 서비스 이용자로부터 어떠한 키워드에 대한 검색 요청 또는 필터링 요청을 수신할 경우, 키워드에 대응되는 인공지능 모델의 검색 결과 또는 필터링 결과를 제공할 수 있다.

S310 단계 이후, 프로세서(320)는 서비스 이용 인터페이스를 통해 어느 하나의 인공지능 모델을 선택하고, 서비스 관리 서버(200)로 입력 데이터를 제공할 수 있다(S320). 프로세서(320)는 서비스 이용자로부터 획득한 입력 데이터를 서비스 관리 서버(200)로 송신할 수 있으며, 서비스 관리 서버(200)로부터 입력 데이터에 대한 유효성 판단 결과를 수신할 수 있다. 예를 들어, 프로세서(320)는 서비스 관리 서버(200)로부터 입력 데이터의 데이터 형식에 대한 적합성, 및 입력 데이터의 컨텐츠에 대한 적합성 판단 결과를 수신할 수 있다. 만약, 유효성 판단 결과, 입력 데이터가 유효하지 않은 것으로 판단된 경우, 프로세서(320)는 서비스 이용 인터페이스를 통해 입력 데이터를 다시 요구하는 알람을 생성할 수 있다. S320 단계 이후, 프로세서(320)는 서비스 관리 서버(200)로부터 인공지능 모델을 이용한, 입력 데이터를 기초로 하는 결과 데이터를 획득할 수 있다(S330). 프로세서(320)는 서비스 이용 인터페이스를 통해 결과 데이터를 시각적으로 표시할 수 있다. 프로세서(320)는 서비스 이용자의 요청에 따라, 결과 데이터를 별도의 저장 공간에 저장할 수 있도록 변환하여 제공하거나, 인공지능 모델의 이용 내역을 표시해줄 수도 있다.

다양한 실시예에서, 프로세서(320)는 인공지능 모델의 종류 및 서비스 제공 현황에 따라, 서비스 관리 서버(200)와 실시간으로 인터랙션 하여 인공지능 모델을 이용할 수도 있다. 예를 들어, 프로세서(320)는 서비스 이용 인터페이스를 통해 서비스 관리 서버(200)가 요구하는 실시간으로 촬영한 이미지, 영상, 또는 녹음한 오디오를 입력 데이터로 제공할 수 있으며, 서비스 관리 서버(200)로부터 그에 대한 결과 데이터를 획득할 수 있다. 다만, 여기서, 인공지능 모델의 연산량이 증가하면 지연 시간이 발생할 수 있으며, 서비스 이용자 디바이스(300)는 서비스 관리 서버(200)로부터 지연 시간에 대한 알림을 제공받을 수도 있다.

지금까지 본 발명의 서비스 이용자 디바이스(300)에 대하여 설명하였다. 본 발명에 따르면, 서비스 관리 서버(200)가 제공하는 인공지능 모델 이용 서비스를 통해 인공지능 모델의 구조에 관한 전문적인 지식이 없는 이용자들에게도 인공지능 모델을 이용하여 원하는 결과를 제공할 수 있다.

도 12는 본 발명의 일 실시예에 따른 인공지능 모델 이용 서비스 시스템의 흐름을 전반적으로 설명한 개략도이다.

도 12를 참조하면, 서비스 관리 서버(200)는 서비스 이용자(User)에게 실시간으로 입력 데이터를 획득할 수 있으며, 입력 데이터의 적합성을 평가할 수 있다. 또한, 서비스 제공 가능한 인공지능 모델의 리소스를 평가하여 복수의 인공지능 모델의 연산 순서, 시점을 결정할 수 있다.

다양한 실시예에서, 서비스 관리 서버(200)는 인공지능 모델을 연산하기 위한 복수의 추론 서버를 포함할 수 있다. 서비스 관리 서버(200)는 복수의 추론 서버 각각에서 인공지능 모델의 연산 시점, 순서를 결정할 수 있다. 구체적으로, 서비스 관리 서버(200)는 서버 리소스 정보, 현재 리소스 정보와 인공지능 모델 별로 사용하는 메모리, 입력 데이터에 따른 연산 시간을 고려하여, 리소스를 스케쥴링할 수 있다. 예를 들어, 서비스 관리 서버(200)는 복수의 인공지능 모델의 연산 순서를 스케쥴링하거나, 어느 하나의 인공지능 모델에 대한 복수의 서비스 이용자 디바이스(300)의 서비스 이용 요청에 따른 연산 순서를 스케쥴링할 수도 있다.

다양할 실시예에서, 서비스 관리 서버(200)는 복수의 추론 서버 각각에서 스케쥴링 순서에 따라, 인공지능 모델의 연산을 수행할 수 있다. 구체적으로, 추론 서버는 서비스 이용자 디바이스(300)로부터 획득한 입력 데이터를 인공지능 모델의 입력 데이터에 입력 가능한 형태로 전처리할 수 있으며, 연산을 통해 분석 결과에 대응되는 결과 데이터를 획득할 수 있다. 만약, 복수의 서비스 이용자 디바이스(100)로부터 동일한 어느 하나의 인공지능 모델에 대한 연산 요청이 수신되는 경우, 서비스 관리 서버(200)는 복수의 서비스 이용자 디바이스(300)로부터 획득한 복수의 입력 데이터를 기초로 인공지능 모델에 대한 연산을 연속적으로 수행할 수 있다.

서비스 관리 서버(200)는 연산에 따른 추론 결과를 자체 데이터베이스(메모리(220)에 대응됨)에 저장할 수 있으며, 이를 서비스 이용자에게 제공할 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 일 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

1000: 인공지능 모델 이용 서비스 시스템
100: 서비스 제공자 디바이스
300: 서비스 이용자 디바이스
110, 310: 메모리 인터페이스 120, 320: 프로세서
130, 330: 주변 인터페이스 140, 340: I/O 서브 시스템
141, 341: 터치 스크린 제어기 142, 342: 기타 입력 제어기
143, 343: 터치 스크린
144, 344: 기타 입력 제어 디바이스
150, 350: 메모리 151, 351: 운영 체제
152, 352: 통신 모듈 153, 353: GUI 모듈
154, 354: 센서 처리 모듈 155, 355: 전화 모듈
156, 356: 애플리케이션들
156-1, 156-2, 356-1, 356-2: 애플리케이션
157, 357: 디지털 어시스턴트 클라이언트 모듈
158, 358: 사용자 데이터
160, 360: 모션 센서 161, 361: 조명 센서
162, 362: 근접 센서 163. 363: 기타 센서
170, 370: 카메라 서브 시스템 171, 371: 광학 센서
180, 380: 통신 서브 시스템
190, 390: 오디오 서브 시스템
191, 391: 스피커 192, 392: 마이크
200: 서비스 관리 서버
210: 통신 인터페이스
211: 유선 통신 포트 212: 무선 회로
220: 메모리
221: 운영 체제 222: 통신 모듈
223: 사용자 인터페이스 모듈 224: 애플리케이션
230: I/O 인터페이스 240: 프로세서

Claims

인공지능 모델 이용 서비스 관리 서버의 프로세서에 의해 수행되는 인공지능 모델 이용 서비스를 위한 플랫폼 관리 방법으로서,
상기 프로세서를 통해, 서비스 제공자 디바이스로 일 종류의 입력 데이터를 입력으로 하여 결과 데이터를 출력하도록 구성된 인공지능 모델의 서비스 등록을 위한 서비스 제공 인터페이스를 제공하는 단계;
상기 프로세서를 통해, 상기 서비스 제공 인터페이스로부터 인공지능 모델의 구조를 정의할 수 있는 레이어 수, 입출력 파이프 라인을 나타내는 구조 데이터와 함께 인공지능 모델 이용 서비스를 정의할 수 있는 서비스 가이드 설정, 입력 설정, 출력 설정, 및 결과 설정과 관련된 데이터 셋을 획득하는 단계;
상기 프로세서를 통해, 상기 구조 데이터를 기초로 입력 데이터를 입력으로 하여 결과 데이터를 출력할 수 있는 인공지능 모델을 구현하는 단계;
상기 구현된 인공지능 모델의 구조 데이터에서 오류가 존재하는지 판단하는 단계;
오류의 판단 결과 오류가 존재하지 않는 경우, 상기 프로세서를 통해, 상기 인공지능 모델을 서비스 가능한 모델로 결정하고, 상기 결정된 모델의 연산 리소스를 저장하는 단계;
상기 프로세서를 통해, 상기 데이터 셋을 이용하여 상기 오류가 존재하지 않아 연산 리소스가 저장된, 인공지능 모델을 이용할 수 있는 서비스 이용 인터페이스를 생성하는 단계;
상기 프로세서를 통해, 서비스 이용자 디바이스로 서비스 가능한 복수의 인공지능 모델을 이용할 수 있는 상기 서비스 이용 인터페이스를 제공하는 단계;
상기 프로세서를 통해, 상기 서비스 이용 인터페이스로부터 서비스 이용자에 의해 선택된 어느 하나의 인공지능 모델에 입력되는 입력 데이터를 획득하는 단계;
상기 프로세서를 통해, 상기 입력 데이터의 데이터 형식 및 컨텐츠가 적합한지 상기 입력 데이터의 유효성을 순차적으로 판단하는 단계;
상기 프로세서를 통해, 판단 결과에 따라, 적합한 입력 데이터를 상기 서비스 이용자에 의해 선택된 인공지능 모델에 입력하되, 복수의 서비스 이용자로부터 복수의 인공지능 모델 이용 서비스가 제공되는지 확인하는 단계;
상기 복수의 인공지능 모델에 대한 이용 서비스가 제공되는 경우, 상기 프로세서를 통해, 상기 저장된 연산 리소스와 복수의 입력 데이터를 이용하여 현재 상기 복수의 인공지능 모델 각각에 부과될 수 있는 연산 리소스를 계산하는 단계;
상기 프로세서를 통해, 상기 계산된 연산 리소스를 이용하여, 상기 복수의 인공지능 모델 각각의 연산 시점을 결정하는 단계; 및
상기 프로세서를 통해, 상기 연산 시점에 따라, 상기 복수의 입력 데이터를 기초로 하는 복수의 결과 데이터를 산출하는 단계; 를 포함하는 인공지능 모델 이용 서비스 관리 방법.
삭제
제1항에 있어서,
상기 입력 데이터의 유효성을 판단하는 단계는,
상기 프로세서를 통해, 상기 획득된 입력 데이터의 상기 데이터 형식에 대한 적합성을 판단하는 단계; 및
판단 결과, 상기 데이터 형식이 적합한 데이터 형식인 경우, 상기 프로세서를 통해, 상기 획득된 입력 데이터의 상기 컨텐츠에 대한 적합성을 판단하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
제3항에 있어서,
상기 인공지능 모델은,
영상을 입력으로 하여 기 설정된 분석 결과를 출력하도록 구성된 영상 분석 모델이고,
상기 결과 데이터를 산출하는 단계는,
상기 프로세서를 통해, 상기 영상 분석 모델에 판단 결과 적합한 목적 부위에 대한 영상을 입력하여 상기 목적 부위에 대한 분석 결과를 산출하는 단계인, 인공지능 모델 이용 서비스 관리 방법.
제4항에 있어서,
상기 데이터 형식에 대한 적합성을 판단하는 단계는,
상기 프로세서를 통해, 상기 영상의 종류, 해상도, 크기, 범위 및 프레임의 개수 중 적어도 하나의 항목에 대한 적합성을 판단하는 단계인, 인공지능 모델 이용 서비스 관리 방법.
제1항에 있어서,
상기 데이터 셋을 획득하는 단계는,
상기 프로세서를 통해, 상기 서비스 제공 인터페이스로부터 인공지능 모델 서비스를 나타내는 json 형태의 데이터를 구문 분석하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
제1항에 있어서,
상기 데이터 셋을 획득하는 단계는,
상기 프로세서를 통해, 인공지능 모델에 매칭되는 이미지 또는 텍스트를 입력하는 영역, 인공지능 모델을 이용하기 위한 서비스 제공 페이지를 생성하는 영역 및 인공지능 모델의 결과 데이터를 설명하기 위한 서비스 결과 페이지를 생성하는 영역 중 적어도 하나의 영역을 포함하는 상기 서비스 제공 인터페이스로부터 인공지능 모델 서비스를 나타내는 상기 데이터 셋을 추출하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
삭제
제7항에 있어서,
상기 서비스 이용 인터페이스를 생성하는 단계는,
상기 프로세서를 통해, 상기 서비스 제공 인터페이스로부터 획득된 이미지 또는 텍스트를 기초로 복수의 인공지능 모델 중 어느 하나를 선택하는 상기 서비스 이용 인터페이스를 생성하는 단계인, 인공지능 모델 이용 서비스 관리 방법.
제1항에 있어서,
상기 입력 데이터를 획득하는 단계는,
상기 프로세서를 통해, 상기 서비스 이용자 디바이스의 요청에 따라, 상기 서비스 이용 인터페이스를 통해 상기 인공지능 모델에 입력되는 상기 입력 데이터에 대한 실시간 피드백을 제공하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
제1항에 있어서,
상기 오류가 존재하는지 판단하는 단계 이후에,
상기 프로세서를 통해, 상기 인공지능 모델의 서비스 제공 여부를 판단하는 단계; 및
판단 결과, 새로운 인공지능 모델인 경우, 상기 프로세서를 통해, 상기 인공지능 모델의 유효성을 평가하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
제11항에 있어서,
상기 인공지능 모델의 유효성을 평가하는 단계는,
상기 프로세서를 통해, 상기 인공지능 모델에 테스트 데이터를 입력하여 산출되는 레이어 별 결과 데이터를 기초로 상기 서비스 제공자 디바이스에 피드백을 제공하는 단계, 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
제11항에 있어서,
상기 인공지능 모델의 유효성을 평가하는 단계는,
상기 프로세서를 통해, 테스트 데이터를 이용하여 상기 인공지능 모델의 연산 리소스를 계산하는 단계; 및
상기 프로세서를 통해, 상기 서버의 메모리 용량을 기준으로 상기 계산된 연산 리소스가 적절한지 판단하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
제1항에 있어서,
상기 결과 데이터를 산출하는 단계 이전에,
적어도 둘 이상의 인공지능 모델에 입력되는 입력 데이터를 획득한 경우,
상기 프로세서를 통해, 상기 프로세서와 동작 가능하게 연결된 메모리에 기 저장된 인공지능 모델의 연산 리소스 및 상기 인공지능 모델의 연산 특성을 기초로 상기 둘 이상의 인공지능 모델에 대한 연산 시점을 결정하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
제1항에 있어서,
상기 결과 데이터를 산출하는 단계 이후에,
상기 프로세서를 통해, 상기 서비스 이용 인터페이스로 상기 결과 데이터를 표시하거나, 상기 서비스 이용자 디바이스로 상기 결과 데이터를 제공하는 단계; 를 더 포함하는 인공지능 모델 이용 서비스 관리 방법.
통신 인터페이스;
메모리;
상기 통신 인터페이스, 상기 메모리와 동작 가능하게 연결된 프로세서; 를 포함하고,
상기 프로세서는,
서비스 제공자 디바이스로 일 종류의 입력 데이터를 입력으로 하여 결과 데이터를 출력하도록 구성된 인공지능 모델의 서비스 등록을 위한 서비스 제공 인터페이스를 제공하고, 상기 서비스 제공 인터페이스로부터 인공지능 모델의 구조를 정의할 수 있는 레이어 수, 입출력 파이프 라인을 나타내는 구조 데이터와 함께 인공지능 모델 이용 서비스를 정의할 수 있는 서비스 가이드 설정, 입력 설정, 출력 설정, 및 결과 설정 중 적어도 하나와 관련된 데이터 셋을 획득하고, 상기 구조 데이터를 기초로 입력 데이터를 입력으로 하여 결과 데이터를 출력할 수 있는 인공지능 모델을 구현하고, 구현된 인공지능 모델의 구조 데이터에서 오류가 존재하는지 판단하고, 오류의 판단 결과 오류가 존재하지 않는 경우, 상기 인공지능 모델을 서비스 가능한 모델로 결정하고, 상기 결정된 모델의 연산 리소스를 저장하며, 상기 데이터 셋을 이용하여 상기 오류가 존재하지 않아 연산 리소스가 저장된, 인공지능 모델을 이용할 수 있는 서비스 이용 인터페이스를 생성하고, 서비스 이용자 디바이스로 서비스 가능한 복수의 인공지능 모델을 이용할 수 있는 상기 서비스 이용 인터페이스를 제공하고, 상기 서비스 이용 인터페이스로부터 서비스 이용자에 의해 선택된 어느 하나의 인공지능 모델에 입력되는 입력 데이터를 획득하고, 상기 입력 데이터의 데이터 형식 및 컨텐츠가 적합한지 상기 입력 데이터의 유효성을 순차적으로 판단하고, 판단 결과에 따라, 적합한 입력 데이터를 상기 서비스 이용자에 의해 선택된 인공지능 모델에 입력하되, 복수의 서비스 이용자로부터 복수의 인공지능 모델 이용 서비스가 제공되는지 확인하고, 상기 복수의 인공지능 모델에 대한 이용 서비스가 제공되는 경우, 상기 저장된 연산 리소스와 복수의 입력 데이터를 이용하여 현재 상기 복수의 인공지능 모델 각각에 부과될 수 있는 연산 리소스를 계산하고, 상기 계산된 연산 리소스를 이용하여, 상기 복수의 인공지능 모델 각각의 연산 시점을 결정하고, 상기 연산 시점에 따라, 상기 복수의 입력 데이터를 기초로 하는 복수의 결과 데이터를 산출하도록 구성되는, 인공지능 모델 이용 서비스 관리 서버.
삭제
제16항에 있어서,
상기 프로세서는,
상기 획득된 입력 데이터의 상기 데이터 형식에 대한 적합성을 판단하고,
판단 결과, 상기 데이터 형식이 적합한 데이터 형식인 경우, 상기 획득된 입력 데이터의 상기 컨텐츠에 대한 적합성을 판단하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제18항에 있어서,
상기 인공지능 모델은,
영상을 입력으로 하여 기 설정된 분석 결과를 출력하도록 구성된 영상 분석 모델이고,
상기 프로세서는,
상기 영상 분석 모델에 판단 결과 적합한 목적 부위에 대한 영상을 입력하여 상기 목적 부위에 대한 분석 결과를 산출하도록 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제19항에 있어서,
상기 프로세서는,
상기 영상의 종류, 해상도, 크기, 범위 및 프레임의 개수 중 적어도 하나의 항목에 대한 적합성을 판단하도록 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제16항에 있어서,
상기 프로세서는,
상기 서비스 제공 인터페이스로부터 인공지능 모델 서비스를 나타내는 json 형태의 데이터를 구문 분석하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제16항에 있어서,
상기 프로세서는,
인공지능 모델에 매칭되는 이미지 또는 텍스트를 입력하는 영역, 인공지능 모델을 이용하기 위한 서비스 제공 페이지를 생성하는 영역 및 인공지능 모델의 결과 데이터를 설명하기 위한 서비스 결과 페이지를 생성하는 영역 중 적어도 하나의 영역을 포함하는 상기 서비스 제공 인터페이스로부터 인공지능 모델 서비스를 나타내는 상기 데이터 셋을 추출하도록 더 구성되는 인공지능 모델 이용 서비스 관리 서버.
삭제
제22항에 있어서,
상기 프로세서는,
상기 서비스 제공 인터페이스로부터 획득된 이미지 또는 텍스트를 기초로 복수의 인공지능 모델 중 어느 하나를 선택하는 상기 서비스 이용 인터페이스를 생성하도록 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제16항에 있어서,
상기 프로세서는,
상기 서비스 이용자 디바이스의 요청에 따라, 상기 서비스 이용 인터페이스를 통해 상기 인공지능 모델에 입력되는 상기 입력 데이터에 대한 실시간 피드백을 제공하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제16항에 있어서,
상기 프로세서는,
상기 인공지능 모델의 서비스 제공 여부를 판단하고, 판단 결과, 새로운 인공지능 모델인 경우, 상기 인공지능 모델의 유효성을 평가하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제26항에 있어서,
상기 프로세서는,
상기 인공지능 모델에 테스트 데이터를 입력하여 산출되는 레이어 별 결과 데이터를 기초로 상기 서비스 제공자 디바이스에 피드백을 제공하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제26항에 있어서,
상기 프로세서는,
테스트 데이터를 이용하여 상기 인공지능 모델의 연산 리소스를 계산하고,
상기 서버의 메모리 용량을 기준으로 상기 계산된 연산 리소스가 적절한지 판단하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제16항에 있어서,
상기 프로세서는,
적어도 둘 이상의 인공지능 모델에 입력되는 입력 데이터를 획득한 경우,
상기 메모리에 기 저장된 인공지능 모델의 연산 리소스 및 상기 인공지능 모델의 연산 특성을 기초로 상기 둘 이상의 인공지능 모델에 대한 연산 시점을 결정하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.
제16항에 있어서,
상기 프로세서는,
상기 서비스 이용 인터페이스를 통해 상기 결과 데이터를 표시하거나, 상기 서비스 이용자 디바이스로 상기 결과 데이터를 제공하도록 더 구성되는, 인공지능 모델 이용 서비스 관리 서버.