2020년 12월 30일 제4회 인공지능 챗봇톤 <함께 만드는 딥러닝 챗봇>을 100% 온라인 실시간으로 성공리에 개최하였습니다. 이틀이라는 짧은 모집기간에도 불구하고 관심주셔서 의미있는 협력 과정을 경험하게 되어며 아래와 같이 과정을 공유드립니다.
챗봇 프레임워크
이번 챗봇톤에서는 오픈소스 한국어 딥러닝 챗봇 프레임워크인 koChat 프프레임워크를 사용하였습니다. 오픈소스 그대로 사용하기에는 처음 시작시점에 환경세팅과 가독성에 어려운 점이 있어서 코드를 일정부분 수정하여 베이스라인 프레임워크로 제공하였습니다. KoChat 프레임워크는 크게 의도파악(Intent classification)와 개체명 인식(Entity recognition)을 모듈 단위로 제공하며 학습용 데이터 처리를 위한 processor 도 제공하고 있어 최소한의 베이스라인 프레임워크로 사용하는데 유용하였습니다.
기획
기획팀: 노래경, 이미정, 김지은, 전창삼
<딥러닝 유튜브 추천 웹 챗봇> 을 주제로 대화 설계를 진행하였으며, 짧긴 시간이라는 제약으로 최소한의 의도(Intent) 2개로 정하여 다이어트, 맛집 음식 추천을 선정하였으며 그에 맞춰 각 인텐트 별로 두개정도의 Entity 를 정하였습니다.
의도분류와 개체명 인식을 위한 학습 데이터도 만들어 보았습니다. 기획팀에서 열심히 노가다로 만들어 주셨네요. 처음에 기획 논의에 시간을 많이 사용하여 데이터를 많이 만들지는 못했습니다.
학습용 라벨 데이터
디자인 (UI & UX)
디자인팀: 오주희
아래와 같이 챗봇 페르소나 도 설정해 보았으며 그에 맞춰 유튜브 영상 추천 챗봇 UI 도 기획해 보았습니다. 다만, 시간 관계상 적용은 하지 못하였는데요. 추후 가능하면 반영해 보려고 합니다.
페르소나 및 화면기획 슬라이드
개발 및 모델링
개발팀: 이승현, 장문정
모델링팀: 윤희동, 이정민
처음 개발환경 세팅에 시간이 많이 소요되었습니다. 기본으로 제공하였던 koChat 프레임워크가 윈도우 환경에서는 환경이슈가 있어서 디버깅 하는데에 적지 않은 시간을 소비하였으며 다양한 이슈로 인해 결과적으로는 임시방편으로 구름 IDE 를 통해 클라우드 협업 환경을 세팅하여 진행하였습니다.
10시부터 12시까지, 2간정도 소개 및 가이드를 마무리하고 점심식사후 1시부터 본격적으로 시작하여 챗봇 프레임워크에 대한 이해를 마쳤으나 라벨링된 데이터를 최종적으로 저녁 7시경에 접수 받아 결과적으로는 시간내에 딥러닝 유튜브 추천 챗봇을 구현 완성에는 성공하지 못하였습니다. 다만, 그럼에도 학습 데이터를 통해 학습이 돌아가는 과정까지는 확인하였고 에러는 발생했으나 큰 맥락에서 어떻게 진행하면 된다 하는 이해를 할 수 있었습니다.
마치며
처음으로 100% 온라인 실시간 방식으로 시도하면서 그동안 경진대회 방식에서 협력 모델로 변경하여 시도해 보았습니다. 10시간이라는 짧은 시간에도 불구하고 참여자 분들의 적극적인 참여로 협력하여 함께 하나의 딥러닝 챗봇을 만들어 가는 과정은 유의미했습니다. 다만, 처음 만난 다수의 참여자가 다수의 팀프로젝트를 진행하기에는 대회 소개 시간을 포함해서 10시간은 상대적으로 짧게 느껴졌으며, 짧은 시간동안 유의미한 결과까지 만들어 내기 위해서는 기본 템플릿 구성과 다양한 예외 환경에 대한 준비가 충분히 되어 있어야 함을 느꼈습니다.
그럼에도 불구하고, 작지만 의미있는 경험을 함께 할 수 있었으며 모두가 작은 경험치를 쌓았음을 확인할 수 있었습니다. 이번의 경험을 바탕으로 이후 챗봇톤을 좀더 체계적으로 설계하여 좀더 가치있는 경험과 결과를 만들 기 위한 챗봇톤이 될 수 있도록 단단히 준비하도록 하겠습니다.
함께 만들어가는 방식은 좀더 횟수를 늘려서 챗봇톤을 거듭할 수 록 딥러닝 챗봇의 완성도가 올라갈 수 있는 장으로 발전시키면 좋겠습니다.
* 대회 포스터
