[경영,경제] 인공지능 기술 적용 사례 조사 - Apple의 음성 인식 기능 Siri

arning), 추론(inference), 지식 베이스(knowledge base), 문맥 인식(context awareness)의 하위 모듈로 나눌 수 있습니다. 먼저 지식 베이스 모듈은 입력 문장에 대한 출력 문장의 규칙을 정의해 놓은 데이터베이스로서 위에서 설명한 바와 같이 가능한 많은 규칙을 정의해 놓을수록 시스템이 더 똑똑한 것처럼 보입니다. 여기서 또한 중요한 것은 예측 불가능성으로, 사용자가 같거나 유사한 질문을 계속 할 경우 정의해 놓은 규칙이 적으면 시스템은 반복적인 대답만 하게 됩니다. 그러면 사용자는 시스템이 단순한 기계임을 느끼게 되는데, 만약 시스템이 의외의 대답이나 농담을 하면 사용자는 시스템의 답변을 예측하지 못함으로 인해서 시스템이 마치 사람과 같다는 느낌을 받고 즐거워합니다.
추론 모듈은 지식 베이스 내의 지식에 대해 삼단논법과 같은 단순한 형태의 추론을 수행합니다. 예를 들어, “김연아는 스케이트를 잘 타나요?”라는 질문에 대해서 지식 베이스에 저장된 지식이 “김연아 -> 피겨 스케이팅 선수”, “피켜 스케이팅 선수 -> 스케이트를 잘탄다.”와 같을 때, 결론으로 “김연아는 스케이트를 잘 탄다.”라는 결론을 추론하게 되고 대답으로 “예, 김연아는 스케이트를 잘 탑니다.”와 같은 대답을 할 수 있습니다. 그러나 규칙 기반 시스템에서 복잡한 추론은 오류를 발생할 확률은 높이므로 단순한 추론만 수행하는 것이 시스템의 오류를 줄일 수 있습니다.
학습 모듈은 지식 베이스에 없던 새로운 지식이 들어왔을 때 이를 지식 베이스에 추가하는 기능을 하는데, Siri의 경우 사용자의 목소리나 억양을 학습해서 음성 인식이 더 좋게 한다는 내용은 있지만 새로운 지식을 학습하는 기능이 있는지는 확실하지 않습니다. 다만 Siri는 울프람 알파(Wolfram Alpha)라는 QA(질문-답변) 시스템을 사용하는데, 이 시스템이 서버에서 동작하면서 새로운 지식을 계속 학습할 수 있고, Siri는 이 서버에 질의하고 답변을 받아서 사용할 수 있습니다.
문맥

(보관된 자료가 없습니다)