'지식'을 '돈'으로 바꿔주는 챗봇의 시대

'지식'이 돈벌이가 될 수 있는 새로운 시대가 열렸다.

분야의 복잡성과는 별개로 개개인마다 자신만의 전문분야가 있기 마련이죠. 일반적으로 지식을 쌓는 과정은 초중고, 대학교 그리고 직장 경험 등을 통해서 오랜 시간이 걸리는데, 이는 생체학적으로 제한된 커뮤니케이션 속에서 병목 현상이 발생하기 때문입니다. 쉽게 설명하자면, 영어를 배우거나 컴퓨터를 배울 때 학생 수가 많은 그룹 수업의 경우는 선생님 한 명이 다수를 상대로 정보를 전달하지만, 적극적인 참여를 유도하며 수업을 진행하기엔 제약이 있습니다. 반면 선생과 학생 간의 소통이 많은 수업에서는 보통 학생 수가 소수이며 이로 인해 효과적인 소통을 이뤄낼 수 있습니다. 물론 이 밖에 에세이, 책, 블로그, 비디오, 소셜 미디어를 통해서 학습이 가능하지만 최소한의 소통이 이루어지죠. 결론은, 현재까지 지식을 전달하고 '전달받는 과정은 '소통'면에서 매우 제약되어 있다는 것입니다.

이제는 챗봇이 '1대1 튜터링'을 넘어서 1000배 이상의 폭넓은 소통율을 선보인다.

[편집 플래폼을 통한 Expert 챗봇 를 만든다?]

한 분야의 전문 챗봇(Subject Matter Expertise chatbot)을 만든다는건 코딩이나 AI에 대한 사전 트레이닝 없이 큐레이팅된 컨텐츠를 다듬어서 '새로운 인격체'를 만드는 것을 많이들 예상합니다. 하지만 이런 전문 챗봇은 개발 비용이 많이 들고 개발 기간이 길어서 ROI가 안나올 수 도 있습니다. 가장 큰 챌린지는 단기 기억력의 대화형 챗봇 내에 가지고 있는 컨텐츠를 전환, 입력하는 것입니다. 이런 배경 하에 최근 다양한 러신머닝 플랫폼이 사용되어지고 있습니다. 그 중 exClone을 예를 들 수 있는데요, SME chatbot을 각 유저들의 계정에 탑재된 샘플을 통해 빠른 시간 내 개발할 수 있습니다. 아래의 채팅창은 SME chatbot의 예시가 될 수 있습니다. 이는 자영업자들을 위한 세금 어드바이저 역할을 하는 챗봇이며 미국 국세청 IRS 334의 데이터를 바탕으로 하고 있습니다.

Expert 챗봇은 대화형 플로우 차트라고 보시면 됩니다. 그런데 '채팅을 통한 (대화)소통'과 '단순 문서 검색'의차이 를 완전히 인지하지 못하는 사람들도 있습니다. 이는 어쩌면 Siri나 Alexa와 같이 간단히 질의응답으로 구성된 대화형 챗봇으로 인해 잘못된 인식이 심어졌다고 볼 수도있습니다. 교육/학습에 최적화된 형태라고 볼 수 있는 '인간형 대화'는 일반 질의의답 방식의 소통과는 차원이 다릅니다. 이런 '인간형 대화'를 위해선 다소 복잡한 단기기억력이 요구되는데요, 이는 보통 유저들은 그들의 문제를 설명할때 여러번의 사고의 단계를 거치기 때문입니다. 아래가 바로 이를 설명할 수있는 좋은 예시라고 볼 수 있겠네요. 건강보험과 관련된'세금'이라는 문제가 있을때, 이를 해결하기 위한 인간의 사고 과정을 플로우 차트로 표현해놓았습니다.

단순 구글 검색에서는 복제할 수 없는 전문솔루션 플로우 차트

상위 플로우차트에서는 제시된 문제 상황에서 취할수 있는 5가지 액션을 보여줍니다. 그리고 보시면 아시겠지만 이러한 플로우 차트 대신 단순히 구글 검색창에 몇 가지 키워드로 본인의 문제 상황을 설명하기엔 매우 복잡하고 어렵습니다. 또한, 간단한 문서검색으로 해결할 수 없으며 전문가의 도움없이 위의 차트를 같이 만들면 위의 5가지 액션이 나올 수가 없죠. 하지만 이러한 전문 지식이 탑재된 챗봇이 있다면 정말 도움이 되겠죠. 특히, 즉흥적인 질문에 개별 블록화가 되어 더 많은 정보가 준비되어있다면 말이죠. 앞서 언급한 exClone 플랫폼에서는 플로우 차트로 대화 탬플릿이 구성되는데요, 고객에 따라 고객 맞춤형으로 다르게 구성되기도 합니다.

[지식기반 머신러닝 챌린지]

기술적인 측면에서의 전문 챗봇개발의 챌린지는 콘텐츠를 담고있는 문서 혹은 플로우차트 등을 적절한 형태의 대화형 흐름의 형태로 전환시키는 것입니다. 지식은 이미 인터넷상에 오픈되어 있기 때문에, 다음 챌린지는 머신러닝을 통해서 이러한 프로세스를 특별한 코딩없이 자동화시키는 것입니다. 당연히, 데이터 주도적 머신러닝 방법은 (ex-딥러닝) 이 경우에 적용되지는 않습니다. "Can Machine Learning Use Knowleage instead of Data? Deep Cloning vs. Deep Learning."기사를 통해 더 자세한 내용을 확인하실 수 있습니다.

출처 : http://blog.exclone.com/?p=468