쇼핑 에이전트를 어떻게 설득할 것인가?

챗봇이 예-아니오 형식의 질문을 한다면 사용자의 가능한 응답은 예, 아니오, 왜 물어요? 정도가 되겠지만 챗봇이 열린 질문을 한다면 그 때는 대비해야 할 사용자 예상 응답이 무척 많게 된다. 예를 들어 “라면 좋아하세요?”라는 질문에는 예, 아니오, 왜 물어요? 정도의 사용자 답변이 가능하지만 “좋아하는 요리가 뭐에요?”라는 열린 질문에 대해서는 수 십 개에서 수 백 개의 사용자 답변이 가능할 것이다. 더구나 각각의 답변이 다시 꼬리에 꼬리를 물며 대화가 이어질 수도 있기 때문에 각 상황에 맞는 답변을 준비하는 것은 내용상으로도 쉽지 않을 뿐만 아니라 형식상으로도 복잡할 수 있다. 위의 대화 예제는 이러한 열린 질문을 약식으로 정리해 본 것이다. 예제에서 보는 것처럼 열린 질문을 할 경우 그 답변은 크게..

사용자가 챗봇에게 “좋아하는 노래 있어요?”라고 묻는 상황을 가정해 보자. 이때 사용자는 아래와 같이 물어볼 수 있다. A. 좋아하는 노래 있어요?B. 노래 좋아하는 거 있어요? 어순이 중요한 영어에서도 구어의 경우 어순을 무시하는 경우가 많다고 하는데, 한국어와 같이 어순이 중요하지 않은 언어의 경우는 어순이 더더욱 무시될 수 있다. 이런 경우에는 순서에 상관없이 패턴과 사용자 입력문을 비교하는 것이 필요하다. 이때 사용하는 명령어가 >이다. C. u: (>) 예. I love you를 좋아해요. 패턴에 > 명령어가 있으면 CS엔진은 단어의 나열된 순서에 상관없이 그 단어들이 사용자 입력문에 나타나는가를 조사하여 매칭여부를 판단한다. 이제 룰C가 어떻게 사용자 입력문 B와 매칭되는지 확인해 보기로 하자..

챗봇이 K-POP을 좋아하냐고 물은 후, 사용자의 대답을 듣고 그에 적합한 응대를 함으로써 대화를 이어 나가는 예제이다. 이와 같은 대화가 가능하기 위해서는 첫째 사용자의 말을 “잘” 들어야 하며 둘째 “들은” 말에 대응하는 규칙이 준비되어 있어야 한다 사용자의 말을 잘 듣는다는 것은, 사용자가 이렇게 말할 것이다라고 예상하여 그 말과 매칭이 가능하도록 패턴을 준비해 놓는 것을 뜻한다. 위의 대화를 위한 스크립트를 보면, 로 작성되어 있는데 먼저 룰의 형식을 다시 한 번 복습해 보자. 이 룰은 사용자 입력문(u:)이 패턴(괄호 안의 내용)과 일치하면 오른쪽의 출력문을 출력하라는 룰이다. 이런 형식의 룰을 응답하기(responder) 룰이라고 부른다. 즉 사용자의 말에, 그것이 의문문이든 평서문이든 관계없..

사용자가 말을 걸기 전에 챗봇이 먼저 사용자에게 말을 걸 수 있다. 또는 챗봇에게 대화의 컨트롤이 왔을 때 사용자에게 새로운 화제를 제시할 수 있다. 이때 사용하는 규칙이 말걸기[1] (gambit) 규칙이다.챗봇에게 대화의 컨트롤이 오는 경우는 다음과 같은 경우이다. 사용자가 입력을 하면 챗봇에게 말할 차례가 온 것인데 이때, 챗봇이 하는 최우선 업무는 사용자 입력문에 일치하는 규칙을 찾는 일이다. 찾으면 그 규칙을 시행하게 되고 따라서 이 경우 대화의 컨트롤은 사용자가 갖고 있다. 사용자의 입력문에 챗봇이 대응하여야 하기 때문이다. 대신 사용자는 자연스런 대화를 하고 있다는 느낌을 받게 된다. 그런데 사용자 입력문에 해당하는 규칙을 발견하지 못한 경우에는 챗봇이 어떤 말이든 할 수 있는 상태가 된다...

이제 챗봇에게 아래의 대화문을 교재로 사용하여 대화를 가르쳐 보기로 하자. 이 대화를 읽어 보면 내용이 단순하고 흐름도 단조로워서 굳이 가르칠 내용이 있을까 싶을 정도이다. 그러나 사람에게 쉬운 것은 컴퓨터에게 어렵고 컴퓨터에게 쉬운 것은 사람에게 어렵다는 말처럼 아래의 대화 흐름을 컴퓨터가 구현하려면 많은 룰이 필요하다. 이제부터 하나씩 점검해 보기로 하자.

CS는 사용자 입력문이 들어오면 입력문과 패턴을 비교하는데 어떻게 비교할 것인지는 패턴내에 함께 기술되어 있는 명령어에 따른다. 예를 들어 사용자가 아래와 얘기한다고 가정해 보자. a. 집에 간다b. 이모네 집에 간다c. 집에 간다 말하고 나왔다d. 집으로 간다 이들 문장 중 앞의 a, b, c 세 개 문장은 아래의 룰로 모두 매칭시킬 수 있다. (논의의 초점을 패턴에 맞추기 위해 출력문은 생략하였다) 룰A는 패턴 내에 별도의 명령어가 없는 경우인데 이런 경우 패턴 내에 나열되어 있는 단어가 사용자 입력문에 순서대로 연속적으로 나타날 경우에만 매칭되었다고 판단한다. 따라서 a와 같이 입력문과 패턴이 같거나 b와 c처럼 패턴이 입력문 내에 포함될 경우 일치한다고 판단한다.그러나 마지막 예문 d와는 매칭되지..

① 입력문, 패턴, 매칭, 출력문 사용자와 챗봇의 대화는 입력문, 패턴, 매칭, 출력문의 4가지 요소로 구성된다. 패턴과 출력문은 챗봇의 개발자가 미리 준비해 놓는 것이고 (이 둘을 묶어 룰이라 부름) 입력문과 매칭은 대화 중에 사용자와 챗봇에 의해 각각 실시간으로 입력되고 검토되는 것이다. 사용자 입력문이 들어오면 챗봇은 가지고 있는 룰 중에서 입력문과 일치하는 패턴을 찾는다. 이때 패턴을 기준으로 입력문을 조사한다. 즉 패턴이 입력문과 같거나 패턴이 입력문에 포함되면 일치하는 것으로 판단하고 준비되어 있는 출력문을 사용자에게 출력한다. Ａ는 패턴과 입력문이 동일하므로 ‘일치’ 판정을 내리고 Ｂ는 패턴이 입력문에 포함되므로 ‘일치’ 판정을 내린다. Ｃ는 패턴에 있는 단어 ‘음악’이 입력문에 없기 때문에..

자연어를 안다는 것과 대화를 한다는 것은 완전히 별개의 능력이다. 자연어를 안다는 것은 지식의 영역이지만 대화를 한다는 것은 말할 차례를 알아차리는 것에서부터 시작하여 대화 상대방의 의도를 파악하고 상대방의 체면을 유지할 수 있는 어법을 고르고 이어지는 대화문들이 유의미한 관계를 맺도록 관리하며 대화의 결과로부터 예상되는 상대방과의 관계 변화 등을 고려해야 하는 등 관계의 영역이기 때문이다. 단순히 자연어를 안다고 대화가 가능한 것은 아니라는 점이다. 특히 대화는 글로 쓴 문장과 달리 어순이 더 자유롭고 문법 요소의 생략이나 함축, 대용, 줄임말 등도 빈번하게 나타나기 때문에 자연어에 대한 더 폭 넓은 이해를 전제로 한다. 구글도 2013년 발표한 “구글의 4가지 큰 과제”에서 세 번째 과제와 네 번째 ..

Chatscript는 자연어 처리 및 대화 관리를 위한 인공지능(Artificial Intelligence) 개발툴 이다. 자연어로 대화를 할 수 있는 봇을 개발하는 툴인데 2010년 Loebner[1]대회에서 우승한 Suzette, 2011년 우승한 Rosette 그리고 2014년과 2015년 연속 우승한 Rose를 만든 개발툴이다[2]. 또한 일본 SpeakGlobal사의 영어를 가르치는 교사 Ben(=ESL 챗봇)과 미국 아마존의 자연어 검색서비스 그리고 세계 최대의 기업정보 서비스 회사인 미국 Dun & BradStreet의 자연어 검색에도 사용되어 상업적으로도 그 성능을 입증 받고 있는 개발툴이다[3]. 한편 현재 8세 소녀로 활동하고 있는 Talking Angela라는 iPhone 및 iPad..

전통적으로 컴퓨터의 조작은 사용자가 명령어를 입력하거나 메뉴를 선택해서 수행해 왔는데 이는 컴퓨터의 언어로 컴퓨터 중심의 대화를 하는 것이다. 만약 컴퓨터가 사람의 언어를 알아듣고 사람과 비슷한 수준으로 대화를 할 수 있다면 사람은 인간의 언어로 일을 시키고 조작하고 원하는 목적을 달성할 수 있을 것이다.이렇게 대화를 통해 기계에게 지시를 내리고 도움을 받는다는 생각은 오래 전부터 있어 왔던 것이다. 영화나 소설에서 상상만 한 것이 아니라, 실제 학계에서도 최초의 대화형 에이전트를 무려 1966년에 발표했을 정도이다.[1] 이후 인터넷의 보급과 함께 검색 서비스가 일반화되면서 자연어 처리 기술이 발전되자 2000년 대 초부터 많은 대화형 에이전트들이 등장하게 되었다. 그러나 대화를 한다는 것은 사람의 언..