KR102331675B1 - 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 - Google Patents

사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 Download PDF

Info

Publication number
KR102331675B1
KR102331675B1 KR1020190111320A KR20190111320A KR102331675B1 KR 102331675 B1 KR102331675 B1 KR 102331675B1 KR 1020190111320 A KR1020190111320 A KR 1020190111320A KR 20190111320 A KR20190111320 A KR 20190111320A KR 102331675 B1 KR102331675 B1 KR 102331675B1
Authority
KR
South Korea
Prior art keywords
voice
recognition result
user
data
voice data
Prior art date
Application number
KR1020190111320A
Other languages
English (en)
Other versions
KR20190110072A (ko
Inventor
채종훈
김다해
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190111320A priority Critical patent/KR102331675B1/ko
Priority to US16/584,402 priority patent/US11282522B2/en
Publication of KR20190110072A publication Critical patent/KR20190110072A/ko
Application granted granted Critical
Publication of KR102331675B1 publication Critical patent/KR102331675B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/24—Speech recognition using non-acoustical features
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/221—Announcement of recognition results
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 발명의 실시 예는 사용자의 음성을 인식하는 인공 지능 장치에 있어서, 마이크로폰; 및 상기 마이크로폰을 통하여 사용자의 음성을 포함하는 제1 음성 데이터를 획득하고, 상기 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성하고, 상기 생성된 제1 음성 인식 결과에 상응하는 제어를 수행하고, 상기 사용자로부터 부정적 피드백(negative feedback)을 획득한 경우에 상기 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하고, 상기 생성된 대체 음성 인식 결과에 상응하는 제어를 수행하는 프로세서를 포함하는, 인공 지능 장치를 제공한다.

Description

사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 {ARTIFICIAL INTELLIGENCE APPARATUS AND METHOD FOR RECOGNIZING SPEECH OF USER}
본 발명은 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법에 관한 것이다. 구체적으로, 본 발명은 사용자의 음성을 인식할 때 음성 인식에 실패한 것으로 판단되면, 사용자의 재발화 없이도 대체 인식 결과를 생성하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법에 관한 것이다.
최근 들어 소리를 입력 받아 제어를 수행하는 기기들이 늘어나고 있다. 인공 지능 스피커나 스마트폰 등의 기기에서는 사용자의 발화 음성을 인식하고, 인식 결과에 상응하는 제어를 수행하거나 응답을 제공한다.
하지만, 종래의 음성 인식 장치들은 사용자의 발화 음성을 잘못 인식하더라도, 잘못 인식하였음을 파악하지 못한다. 또한, 잘못된 인식 결과에 기초한 제어나 응답을 수행할 뿐이며, 사용자는 다시 발화하여 음성을 입력시켜야 한다.
본 발명은 사용자의 발화 음성에 대한 음성 인식 결과를 제공하고, 사용자의 부정적인 피드백을 획득하면 사용자의 재발화 없이도 대체 인식 결과를 생성하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법을 제공하고자 한다.
본 발명의 일 실시 예는, 사용자의 음성이 포함된 음성 데이터를 획득하고, 획득한 음성 데이터에 상응하는 음성 인식 결과를 생성하고, 음성 인식 결과에 상응하는 제어를 수행하며, 제어 수행 이후 사용자의 부정적 피드백을 획득한 경우에 획득한 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하며, 대체 음성 인식 결과에 상응하는 제어를 수행하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 발명의 일 실시 예는 사용자의 부정적 피드백을 획득하면 기존에 생성한 음성 인식 결과에 잘못이 있음을 파악하고, 음성 데이터를 텍스트로 변환할 때의 각 단어의 확률을 보정하고, 보정된 확률에 기초하여 음성 데이터를 텍스트로 변환하며, 새로 변환된 텍스트를 이용하여 대체 음성 인식 결과를 생성하는 인공 지능 장치 및 그 방법을 제공한다.
본 발명의 다양한 실시 예에 따르면, 사용자의 음성을 인식할 때 사용자의 부정적인 피드백을 감지함으로써 부정확하게 음성을 인식하였음을 파악할 수 있고, 사용자의 추가 발화 없이도 대체 인식 결과를 생성함에 따라 사용자가 재발화하는 횟수를 효과적으로 줄일 수 있으며, 음성 인식 기능에 대한 사용자 만족도를 높일 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 인공 지능 시스템을 나타낸 블록도이다.
도 6은 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 방법을 나타낸 동작 흐름도이다.
도 7은 도 6에 도시된 제1 음성 인식 결과를 생성하는 단계(S603)의 일 예를 나타낸 동작 흐름도이다.
도 8은 도 6에 도시된 부정적 피드백을 획득하였는지 판단하는 단계(S607)의 일 예를 나타낸 동작 흐름도이다.
도 9는 도 6에 도시된 부정적 피드백을 획득하였는지 판단하는 단계(S607)의 일 예를 나타낸 동작 흐름도이다.
도 10은 도 6에 도시된 대체 음성 인식 결과를 생성하는 단계(S609)의 일 예를 나타낸 동작 흐름도이다.
도 11은 본 발명의 일 실시 예에 따른 대체 음성 인식 정보를 생성하는 방법을 나타낸 도면이다.
도 12는 종래의 기술에 따른 사용자의 음성을 인식하는 실시 예를 나타낸 도면이다.
도 13은 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 실시 예를 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 '모듈' 및 '부'는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
이하에서, 인공 지능 장치(100)는 단말기라 칭할 수 있다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, 인공 지능 장치(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
<AI+로봇>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
<AI+로봇+자율주행>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예컨대, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 1과 중복되는 설명은 생략한다.
도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다.
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, AI 장치(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
센싱부(140)는 센서부라고 칭할 수 있다.
출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.
광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
도 5는 본 발명의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸 블록도이다.
도 5를 참조하면, 인공 지능 시스템(1)은 인공 지능 장치(100), 음성 텍스트 변환(STT: Speech To Text) 서버(300), 자연어 처리(NLP: Natural Language Processing) 서버(400) 및 음성 합성 서버(500)를 포함할 수 있다.
인공 지능 장치(100)는 음성 데이터를 STT 서버(300)에 전송할 수 있다. STT 서버(300)는 인공 지능 장치(100)로부터 수신한 음성 데이터를 텍스트 데이터로 변환할 수 있다. NLP 서버(400)는 STT 서버(300)로부터 텍스트 데이터를 수신할 수 있다. NLP 서버(400)는 수신한 텍스트 데이터에 기초하여, 텍스트 데이터에 대한 의도 분석을 수행할 수 있다. NLP 서버(400)는 의도 분석의 수행 결과를 나타내는 의도 분석 정보를 인공 지능 장치(100) 또는 음성 합성 서버(500)에 전송할 수 있다. 음성 합성 서버(500)는 의도 분석 정보에 기초하여 사용자의 의도를 반영한 합성 음성을 생성하고, 생성된 합성 음성을 인공 지능 장치(100)에 전송할 수 있다.
STT 서버(300)는 언어 모델을 이용하여 음성-텍스트 변환의 정확도를 높일 수 있다. 언어 모델은 문장의 확률을 계산하거나, 이전의 단어들이 주어졌을 때 다음 단어가 나올 확률을 계산할 수 있는 모델을 의미할 수 있다. 예컨대, 언어 모델은 유니그램(Unigram) 모델, 바이그램(Bigram) 모델, N-그램(N-gram) 모델 등과 같은 확률론적 언어 모델들을 포함할 수 있다. 유니그램 모델은 모든 단어의 활용이 완전히 서로 독립적이라고 가정하는 모델로, 단어 열의 확률을 각 단어의 확률의 곱으로 계산하는 모델이다. 바이그램 모델은 단어의 활용이 이전 1개의 단어에만 의존한다고 가정하는 모델이다. N-그램 모델은 단어의 활용이 이전 (n-1)개의 단어에 의존한다고 가정하는 모델이다.
즉, STT 서버(300)는 언어 모델을 이용하여 음성 데이터로부터 변환된 텍스트 데이터가 적합하게 변환된 것인지 판단할 수 있고, 이를 통해 음성 데이터에서 텍스트 데이터로의 변환의 정확도를 높일 수 있다.
NLP 서버(400)는 텍스트 데이터에 대해, 형태소 분석 단계, 구문 분석 단계, 화행 분석 단계, 대화 처리 단계를 순차적으로 수행하여, 의도 분석 정보를 생성할 수 있다.
형태소 분석 단계는 사용자가 발화한 음성에 대응하는 텍스트 데이터를 의미를 지닌 가장 작은 단위인 형태소 단위로 분류하고, 분류된 각 형태소가 어떤 품사를 가지는지를 결정하는 단계이다. 구문 분석 단계는 형태소 분석 단계의 결과를 이용하여, 텍스트 데이터를 명사구, 동사구, 형용사 구 등으로 구분하고, 구분된 각 구들 사이에, 어떠한 관계가 존재하는지를 결정하는 단계이다. 구문 분석 단계를 통해, 사용자가 발화한 음성의 주어, 목적어, 수식어들이 결정될 수 있다. 화행 분석 단계는 구문 분석 단계의 결과를 이용하여, 사용자가 발화한 음성에 대한 의도를 분석하는 단계이다. 구체적으로, 화행 분석 단계는 사용자가 질문을 하는 것인지, 요청을 하는 것인지, 단순한 감정 표현을 하는 것인지와 같은, 문장의 의도를 결정하는 단계이다. 대화 처리 단계는 화행 분석 단계의 결과를 이용하여, 사용자의 발화에 대해 대답을 할지, 호응을 할지, 추가 정보를 문의하는 질문을 할지를 판단하는 위한 단계이다.
NLP 서버(400)는 대화 처리 단계 후, 사용자가 발화한 의도에 대한 답변, 호응, 추가 정보 문의 중 하나 이상을 포함하는 의도 분석 정보를 생성할 수 있다.
한편, NLP 서버(400)는 인공 지능 장치(100)로부터 텍스트 데이터를 수신할 수도 있다. 예를 들어, 인공 지능 장치(100)가 음성 텍스트 변환 기능을 지원하는 경우, 인공 지능 장치(100)는 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 NLP 서버(400)에 전송할 수 있다.
음성 합성 서버(500)는 기 저장된 음성 데이터들을 조합하여, 합성 음성을 생성할 수 있다. 음성 합성 서버(500)는 모델로 선정된 한 사람의 음성을 녹음하고, 녹음된 음성을 음절 또는 단어 단위로 분할할 수 있다. 음성 합성 서버(500)는 음절 또는 단어 단위로, 분할된 음성을 내부 또는 외부의 데이터 베이스에 저장할 수 있다.
음성 합성 서버(500)는 주어진 텍스트 데이터에 대응하는 음절 또는 단어를 데이터 베이스로부터 검색하고, 검색된 음절 또는 단어들의 조합을 합성하여, 합성 음성을 생성할 수 있다.
음성 합성 서버(500)는 복수의 언어들 각각에 대응하는 복수의 음성 언어 그룹들을 저장하고 있을 수 있다. 예를 들어, 음성 합성 서버(500)는 한국어로 녹음된 제1 음성 언어 그룹, 영어로, 녹음된 제2 음성 언어 그룹을 포함할 수 있다.
음성 합성 서버(500)는 제1 언어의 텍스트 데이터를 제2 언어의 텍스트로 번역하고, 제2 음성 언어 그룹을 이용하여, 번역된 제2 언어의 텍스트에 대응하는 합성 음성을 생성할 수 있다.
인공 지능 시스템(1)은 인공 지능 서버(200)를 더 포함할 수 있다. 인공 지능 서버(200)는 STT 서버(300)에서 이용하는 STT 엔진, NLP 서버(400)에서 이용하는 NLP 엔진, 음성 합성 서버(500)에서 이용하는 음성 합성 엔진 중에서 적어도 하나 이상을 학습시킬 수 있다. 즉, STT 서버(300), NLP 서버(400), 음성 합성 서버(500) 중에서 적어도 하나 이상은 인공 지능 서버(200)에서 학습된 모델들 또는 엔진들을 이용할 수 있다.
도 5에서는 인공 지능 장치(100), STT 서버(300), NLP 서버(400) 및 음성 합성 서버(500)가 서로 구분되어 도시되어 있으나, 본 발명이 이에 한정되지 않는다. 일 실시 예에서, 인공 지능 서버(200), STT 서버(300), NLP 서버(400) 또는 음성 합성 서버(500) 중에서 일부는 하나의 서버로 구성될 수도 있다. 일 실시 예에서, STT 서버(300), NLP 서버(400) 또는 음성 합성 서버(500) 중에서 일부는 인공 지능 장치(100)에 포함될 수도 있고, 이는 인공 지능 장치(100)가 STT 서버(300), NLP 서버(400) 또는 음성 합성 서버(500)의 기능을 수행하는 것을 의미한다.
도 6은 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 방법을 나타낸 동작 흐름도이다.
도 6을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 사용자의 음성을 포함하는 제1 음성 데이터(first speech data)를 획득한다(S601).
프로세서(180)는 마이크로폰(122)을 통해 제1 음성 데이터를 획득할 수도 있고, 통신부(110)를 통해 외부 장치(미도시)로부터 제1 음성 데이터를 수신할 수도 있다.
제1 음성 데이터는 사용자의 음성을 포함하는 음파가 디지털 신호로 변환된 것이다. 예컨대, 제1 음성 데이터는 PCM(pulse code modulation), wav, mp3 등의 다양한 형식의 오디오 파일일 수 있다.
사용자의 음성은 인공 지능 장치(100)를 제어하기 위한 명령, 정보 검색을 위한 질의 등을 포함하는 발화 음성을 의미할 수 있다.
프로세서(180)는 전처리(pre-processing)로써 획득한 제1 음성 데이터에서 노이즈를 제거할 수 있다. 프로세서(180)는 직접 노이즈 제거 엔진 또는 노이즈 제거 필터를 이용하여 노이즈를 제거한 음성 데이터를 생성할 수도 있고, 인공 지능 서버(200)에 소리 데이터를 전송하고 노이즈가 제거된 음성 데이터를 수신할 수도 있다. 또한, 음성 데이터의 볼륨은 미리 정해진 레벨에 맞추어 조절될 수 있다. 음성 데이터의 볼륨의 조절도 전처리 과정의 일부로 볼 수 있다. 이하에서, 제1 음성 데이터는 전처리를 통하여 노이즈가 제거된 제1 음성 데이터를 의미할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 제1 음성 데이터에 상응하는 제1 음성 인식 결과(first speech recognition result)를 생성한다(S603).
제1 음성 인식 결과는 제1 음성 데이터에 상응하는 음성 인식 결과를 의미한다. 음성 데이터에 대한 음성 인식 결과는 음성 데이터에 포함된 음성으로부터 변환된 텍스트, 변환된 텍스트에 상응하는 의미 정보 또는 의도 정보를 포함할 수 있다.
프로세서(180)는 STT 엔진을 이용하여 제1 음성 데이터를 텍스트로 변환하고, NLP 엔진을 이용하여 변환된 텍스트에 상응하는 의도 정보를 생성하고, 생성한 의도 정보에 상응하는 제1 음성 인식 결과를 생성할 수 있다. 제1 음성 데이터를 텍스트로 변환할 때, 프로세서(180)는 제1 음성 데이터는 각 구간에 상응하는 단어별 확률을 산출하고, 산출된 확률에 기초하여 제1 음성 데이터를 텍스트로 변환하고, 변환한 텍스트에 기초하여 제1 음성 인식 결과를 생성할 수 있다. 특히, 프로세서(180)는 가장 높은 확률을 갖는 단어들을 조합하여 제1 음성 데이터를 텍스트로 변환할 수 있다.
또는, 프로세서(180)는 STT 서버(300), NLP 서버(400)을 이용하여 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성할 수 있다. 예컨대, 프로세서(180)는 통신부(110)를 통해 제1 음성 데이터를 STT 서버(300)에 전송하고, STT 서버(300)는 수신한 제1 음성 데이터를 텍스트로 변환하고, 변환된 텍스트를 NLP 서버(400)에 전송하고, NLP 서버(400)는 수신한 텍스트에 상응하는 의도 정보를 생성하고, 생성한 의도 정보에 상응하는 제1 음성 인식 결과를 생성하고, 생성한 제1 음성 인식 결과를 인공 지능 장치(100)에 전송할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 생성한 제1 음성 인식 결과에 상응하는 제어를 수행한다(S605).
제1 음성 인식 결과가 인공 지능 장치(100) 또는 외부 장치(미도시)를 제어하는 제어 명령인 경우, 프로세서(180)는 그 제어 명령에 상응하는 제어를 수행할 수 있다. 특히, 제어 명령이 외부 장치(미도시)를 제어하는 명령인 경우, 프로세서(180)는 외부 장치(미도시)를 제어 명령에 따라 제어하기 위한 제어 신호를 생성하고, 통신부(110)를 통해 생성한 제어 신호를 외부 장치(미도시)에 전송할 수 있다. 그리고, 프로세서(180)는 출력부(150)를 통해 사용자에게 제어 명령에 대한 피드백을 출력하거나, 통신부(110)를 통해 제어 명령에 대한 피드백을 출력하는 출력 신호를 사용자 단말기(미도시)에 전송할 수 있다.
마찬가지로, 제1 음성 인식 결과가 정보를 요청하는 질의인 경우, 프로세서(180)는 인터넷 등을 통하여 질의에 상응하는 응답 정보를 생성할 수 있다. 그리고, 프로세서(180)는 출력부(150)를 통해 생성한 응답 정보를 출력하거나, 통신부(110)를 통해 응답 정보를 출력하는 출력 신호를 사용자 단말기(미도시)에 전송할 수 있다.
프로세서(180)는 응답 정보를 출력하기 위한 응답 음성(response speech)을 생성하고, 음향 출력부(152)를 통해 응답 음성을 음성으로 출력할 수 있다. 구체적으로, 프로세서(180)는 자연어 생성(NLG: Natural Language Generation) 기법을 이용하여 응답 문장을 생성하고, TTS(Text To Speech) 엔진을 이용하여 생성된 응답 문장을 응답 음성으로 변환하고, 음향 출력부(152)를 통해 변환된 응답 음성을 통해 출력할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 부정적 피드백을 획득하였는지 판단한다(S607).
부정적 피드백은 인공 지능 장치(100)가 제1 음성 데이터에 기초하여 수행한 제어에 대한 부정적인 평가 또는 부정적인 반응을 의미한다. 부정적 피드백은 사용자의 부정적인 발언, 사용자의 부정적인 표정이나 제스쳐 등을 포함할 수 있다. 예컨대, 부정적 피드백은 "아니야", "틀렸어", "인식이 틀렸어"와 같은 인공 지능 장치(100)의 제어에 대한 직접적인 부정적 평가, "뭐?"와 같은 되묻는 질문, 사용자의 찡그리는 표정, 사용자의 손을 휘젓는 행동 등을 포함할 수 있다.
일 실시 예에서, 인공 지능 장치(100)의 프로세서(180)는 제1 음성 인식 결과의 신뢰도가 미리 설정된 기준 값에 미치지 못하는 경우에만 부정적 피드백을 획득하였는지 판단할 수도 있다.
단계(S607)의 판단 결과, 부정적 피드백을 획득한 경우, 인공 지능 장치(100)의 프로세서(180)는 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성한다(S609).
부정적 피드백은 제1 음성 인식 결과에 대한 부정적 피드백을 의미하며, 이는 제1 음성 인식 결과가 부정확하다는 것을 의미할 수 있다. 따라서, 사용자로부터 부정적 피드백을 획득하였다면, 프로세서(180)는 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성할 수 있다. 대체 음성 인식 결과는 제1 음성 데이터로부터 생성되며, 제1 음성 인식 결과와는 다르게 생성될 수 있다.
일 실시 예에서, 프로세서(180)는 제1 음성 데이터부터 음성 인식 결과를 생성할 때, 두 번째로 신뢰도가 높게 나타나는 인식 결과를 대체 음성 인식 결과로써 생성할 수도 있다.
일 실시 예에서, 프로세서(180)는 제1 음성 데이터를 텍스트로 변환할 때, 각 구간에 상응하는 단어별 확률을 보정하고, 보정된 확률에 기초하여 제1 음성 데이터를 텍스트로 변환하고, 새로 변환한 텍스트에 기초하여 대체 음성 인식 결과를 생성할 수 있다. 이에 대한 구체적인 설명은 도 10 및 11에서 설명한다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 생성한 대체 음성 인식 결과에 상응하는 제어를 수행한다(S611).
단계(S607)의 판단 결과, 부정적 피드백을 획득하지 않은 경우, 인공 지능 장치(100)의 프로세서(180)는 절차를 종료한다. 절차를 종료한다는 것은 제1 음성 데이터에 대한 상호작용을 종료한다는 것을 의미하며, 다음 대화로 진행한다는 것을 의미할 수도 있다.
도 6에 도시된 단계들은 반복적으로 수행될 수 있고, 그에 따라 인공 지능 장치(100)는 음성 인식을 통해 사용자와 반복적으로 상호작용할 수 있다.
도 7은 도 6에 도시된 제1 음성 인식 결과를 생성하는 단계(S603)의 일 예를 나타낸 동작 흐름도이다.
도 7을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 제1 음성 데이터를 제1 텍스트로 변환한다(S701).
프로세서(180)는 음향 모델(AM: Acoustic Model)과 언어 모델(LM: Language Model)을 이용하여 제1 음성 데이터에 포함된 음성을 제1 텍스트로 변환할 수 있다.
프로세서(180)는 제1 음성 데이터에서 각 구간에 상응하는 단어별 신뢰도를 산출하고, 가장 신뢰도가 높은 단어들을 선택 또는 조합하여 제1 음성 데이터를 제1 텍스트로 변환할 수 있다. 즉, 변환된 제1 텍스트는 음향 모델과 언어 모델에서 가장 높은 신뢰도를 갖는 단어들을 조합한 결과로 볼 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 제1 텍스트에서 개체명(named entity)과 동사어구를 추출한다(S703).
개체명은 제1 텍스트에 포함된 단어들 중에서 일정한 의미를 갖는 명사를 의미하며, 제1 텍스트의 의미나 의도를 파악하는데 중요한 역할을 한다. 마찬가지로, 동사어구도 제1 텍스트의 의미나 의도를 파악하는데 중요한 역할을 한다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 추출된 개체명과 동사어구에 기초하여 제1 의도 정보를 생성한다(S705).
제1 음성 인식 결과는 생성된 제1 의도 정보를 포함할 수 있다. 즉, 제1 의도 정보를 생성하는 것은 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성하는 것을 의미할 수 있다.
도 8은 도 6에 도시된 부정적 피드백을 획득하였는지 판단하는 단계(S607)의 일 예를 나타낸 동작 흐름도이다.
구체적으로, 도 8은 새로 획득한 음성 데이터에 부정적 피드백이 포함되어 있는지 여부를 판단하는 일 실시 예를 나타낸다.
도 8을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 사용자의 음성을 포함하는 제2 음성 데이터를 획득한다(S801).
제2 음성 데이터는 제1 음성 데이터의 획득 시점 이후에 획득하는 음성 데이터를 의미할 수 있다.
프로세서(180)는 마이크로폰(122)을 통해 제2 음성 데이터를 획득할 수도 있고, 통신부(110)를 통해 외부 장치(미도시)로부터 제2 음성 데이터를 수신할 수도 있다.
프로세서(180)는 전처리(pre-processing)로써 획득한 제2 음성 데이터에서 노이즈를 제거할 수 있다. 이하에서, 제2 음성 데이터는 전처리를 통하여 노이즈가 제거된 제2 음성 데이터를 의미할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 제2 음성 데이터에 상응하는 제2 음성 인식 결과(first speech recognition result)를 생성한다(S803).
제2 음성 인식 결과는 제2 음성 데이터에 상응하는 음성 인식 결과를 의미한다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 제2 음성 인식 결과에 부정적 피드백이 포함되어 있는지 여부를 판단한다(S805).
상술한 바와 같이, 제2 음성 데이터는 제1 음성 데이터의 획득 시점 (또는 발화 시점) 이후에 발화된 음성을 포함하는 음성 데이터이다.
부정적 피드백은 인공 지능 장치(100)가 수행한 제어에 대한 부정적인 평가 또는 부정적인 반응(negative reaction)을 포함한다. 예컨대, 부정적 피드백은 "아니야", "틀렸어", "인식이 틀렸어"와 같은 인공 지능 장치(100)의 제어에 대한 직접적인 부정적 평가나, "뭐?"와 같은 되묻는 질문이나 한숨을 쉬는 것과 같은 부정적 반응 등을 포함할 수 있다.
단계(S805)의 판단 결과, 제2 음성 인식 결과에 부정적 피드백이 포함되지 않은 경우, 인공 지능 장치(100)의 프로세서(180)는 제2 음성 인식 결과에 상응하는 제어를 수행한다(S807).
제2 음성 인식 결과에 부정적 피드백이 포함되지 않았다는 것은, 제2 음성 데이터가 제1 음성 인식 결과에 대한 피드백이 아닌, 새로운 질의 또는 제어를 위한 발화 음성을 포함하는 것이라 볼 수 있다. 따라서, 프로세서(180)는 제2 음성 인식 결과에 상응하는 제어를 수행할 수 있다.
일 실시 예에서, 프로세서(180)는, 제2 음성 인식 결과에 부정적 피드백이 포함되지 않았다면, 제2 음성 인식 결과에 상응하는 제어를 수행하지 않고 동작을 종료할 수도 있다.
단계(S805)의 판단 결과, 제2 음성 인식 결과에 부정적 피드백이 포함된 경우, 인공 지능 장치(100)의 프로세서(180)는 제1 음성 데이터에 상응하는 대체 음성 인식 결과(alternative speech recognition result)를 생성하는 단계(S609)를 수행한다.
도 9는 도 6에 도시된 부정적 피드백을 획득하였는지 판단하는 단계(S607)의 일 예를 나타낸 동작 흐름도이다.
구체적으로, 도 9는 새로 획득한 이미지 데이터에 부정적 피드백이 포함되어 있는지 여부를 판단하는 일 실시 예를 나타낸다.
도 9를 참조하면, 인공 지능 장치(100)의 프로세서(180)는 사용자의 신체를 포함하는 이미지 데이터를 획득한다(S901).
프로세서(180)는 카메라(121)를 통해 이미지 데이터를 획득할 수도 있고, 통신부(110)를 통해 외부 장치(미도시)로부터 이미지 데이터를 수신할 수도 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 이미지 데이터에 상응하는 이미지 인식 결과(image recognition result)를 생성한다(S903).
이미지 인식 결과는 표정 인식 결과 또는 제스쳐 인식 결과 중에서 적어도 하나 이상을 포함할 수 있다. 프로세서(180)는 표정 인식 모델을 이용하여 표정 인식 결과를 생성할 수 있고, 제스쳐 인식 모델을 이용하여 제스쳐 인식 결과를 생성할 수 있다.
표정 인식 모델 또는 제스쳐 인식 모델 중에서 적어도 하나 이상은 인공 신경망을 포함할 수 있고, 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습될 수 있다. 예컨대, 표정 인식 모델 또는 제스쳐 인식 모델은 컨벌루젼 신경망(CNN: Convolution Neural Network)을 포함하고, 이미지 데이터가 입력되면 이미지 데이터에 포함된 사용자의 표정이나 사용자의 제스쳐에 대한 정보를 출력하도록 학습되는 모델일 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 이미지 인식 결과에 부정적 피드백이 포함되어 있는지 여부를 판단한다(S905).
부정적 피드백은 인공 지능 장치(100)가 수행한 제어에 대한 부정적인 평가 또는 부정적인 반응을 포함한다. 예컨대, 부정적 피드백은 사용자의 찡그리는 표정, 사용자의 손사래 치는 제스쳐 등을 포함할 수 있다.
단계(S905)의 판단 결과, 제2 음성 인식 결과에 부정적 피드백이 포함되지 않은 경우, 인공 지능 장치(100)의 프로세서(180)는 이미지 인식 결과에 상응하는 제어를 수행한다(S907).
이미지 인식 결과에 부정적 피드백이 포함되지 않았다는 것은, 이미지 데이터가 제1 음성 인식 결과에 대한 피드백이 아닌, 새로운 질의 또는 제어를 위한 동작을 포함하는 것이라 볼 수 있다. 따라서, 프로세서(180)는 이미지 인식 결과에 상응하는 제어를 수행할 수 있다.
일 실시 예에서, 프로세서(180)는, 이미지 인식 결과에 부정적 피드백이 포함되지 않았다면, 이미지 인식 결과에 상응하는 제어를 수행하지 않고 동작을 종료할 수도 있다.
단계(S905)의 판단 결과, 제2 음성 인식 결과에 부정적 피드백이 포함된 경우, 인공 지능 장치(100)의 프로세서(180)는 제1 음성 데이터에 상응하는 대체 음성 인식 결과(alternative speech recognition result)를 생성하는 단계(S609)를 수행한다.
도 10은 도 6에 도시된 대체 음성 인식 결과를 생성하는 단계(S609)의 일 예를 나타낸 동작 흐름도이다.
도 10을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 제1 텍스트로부터 추출된 개체명과 동사어구 각각의 도메인을 결정한다(S1001).
그리고, 인공 지능 장치(100)의 프로세서(180)는 결정된 도메인에 기초하여 제1 음성 데이터에 상응하는 각 단어의 신뢰도를 보정한다(S1003).
프로세서(180)는 추출된 개체명과 추출된 동사어구 각각에 대하여 결정된 도메인들 중에서 지배 도메인을 결정할 수 있고, 결정된 도메인 각각과 지배 도메인과의 거리를 계산하고, 각 결정된 도메인과 지배 도메인과의 거리에 기초하여 각 결정된 도메인에 포함된 단어들의 신뢰도를 보정할 수 있다. 프로세서(180)는 지배 도메인과 거리가 먼 도메인일수록, 그 도메인에 포함된 단어들의 신뢰도를 더욱 낮게 결정할 수 있다.
프로세서(180)는 추출된 개체명과 추출된 동사어구 각각에 대하여 결정된 도메인들 중에서 가장 많은 도메인을 지배 도메인으로 결정할 수 있다. 예컨대, 개체명 3개와 동사어구 2개가 추출되었으며, 각각에 대하여 결정된 도메인이 "날씨", "날씨", "영화", "날씨", "날씨"인 경우, 프로세서(180)는 "날씨" 도메인이 가장 많으므로 지배 도메인을 "날씨"로 결정할 수 있다.
프로세서(180)는 워드 임베딩(word embedding) 기법에 따라 각 단어들을 벡터로 변환하였을 때, 벡터 공간(vector space)에서 각 도메인에 포함된 단어들 사이의 거리에 기초하여 도메인 사이의 거리를 결정할 수 있다. 예컨대, 프로세서(180)는 벡터 공간에서 제1 도메인에 포함된 제1 단어들과 제2 도메인에 포함된 제2 단어들 사이의 거리의 평균을 제1 도메인과 제2 도메인 사이의 거리로 결정할 수 있다.
프로세서(180)는 각 도메인에 대하여 가중치를 결정하고, 결정한 가중치를 기존의 단어별 신뢰도에 곱하여 단어별 신뢰도를 보정할 수 있다. 프로세서(180)는 지배 도메인으로부터의 거리가 큰 도메인일수록 가중치를 작게 결정할 수 있다. 따라서, 프로세서(180)는 지배 도메인의 가중치를 가장 높게 설정할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 보정된 신뢰도에 기초하여 제1 음성 데이터를 제2 텍스트로 변환한다(S1005).
프로세서(180)는 각 단어별로 보정된 신뢰도를 이용하여, 가장 높은 신뢰도를 갖는 단어들을 조합하여 제1 음성 데이터를 제2 텍스트로 변환할 수 있다. 단어별 신뢰도가 보정됨에 따라, 가장 높은 신뢰도를 갖는 단어들이 달라질 수 있으며, 그에 따라 제1 텍스트와 제2 텍스트는 동일하지 않을 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 제2 텍스트에서 개체명과 동사어구를 추출한다(S1007).
개체명은 제2 텍스트에 포함된 단어들 중에서 일정한 의미를 갖는 명사를 의미하며, 제2 텍스트의 의미나 의도를 파악하는데 중요한 역할을 한다. 마찬가지로, 동사어구도 제2 텍스트의 의미나 의도를 파악하는데 중요한 역할을 한다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 추출된 개체명과 동사어구에 기초하여 제2 의도 정보를 생성한다(S1009).
대체 음성 인식 결과는 생성된 제2 의도 정보를 포함할 수 있다. 즉, 제2 의도 정보를 생성하는 것은 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하는 것을 의미할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 대체 음성 인식 정보를 생성하는 방법을 나타낸 도면이다.
도 11을 참조하면, 프로세서(180)는 사용자의 음성을 포함하는 음성 데이터(1110)를 획득하면, 음성 데이터(1110)에 포함된 각 단어별로 신뢰도 또는 확률(1120)을 산출하고, 가장 높은 신뢰도를 갖는 단어가 음성 데이터(1110)에 포함된 음성에 상응하는 단어라 결정할 수 있다. 예컨대, 프로세서(180)는 특정 구간(1111)의 음성이 단어 A일 확률을 60%, 단어 B일 확률을 20%, 그리고 단어 C일 확률을 10%라 결정할 수 있고, 결정된 단어별 확률(1120)에 기초하여 구간(1111)의 단어를 단어 A로 결정할 수 있다.
그리고, 프로세서(180)는 산출한 확률(1120)에 기초하여 음성 데이터(1110)를 텍스트(1130)으로 변환할 수 있다. 도 11에 도시된 텍스트(1130)은 글자들(characters)을 도시하고 있지 않지만, 각 칸이 형태소 또는 단어를 의미할 수 있다.
그리고, 프로세서(180)는 변환한 텍스트(1130)에서 개체명들(1131, 1132, 1133, 1134)과 동사어구들(1135, 1136)을 추출하고, 각 추출된 개체명들(1131, 1132, 1133, 1134)과 동사어구들(1135, 1136) 각각에 대하여 도메인을 결정할 수 있다. 예컨대, 프로세서(180)는 제1 개체명(1131)의 도메인을 도메인 A(1141)로 결정하고, 제2 내지 제4 개체명들(1132, 1133, 1134)과 제1 및 제2 동사어구들(1135, 1136)의 도메인을 도메인 B(1142)로 결정할 수 있다. 이 경우, 도메인 B(1142)에 속하는 개체명들과 동사어구들이 그 이외의 도메인(1141)에 속하는 개체명들과 동사어구들보다 많으므로, 프로세서(180)는 도메인 B(1142)를 지배 도메인으로 결정할 수 있다.
그리고, 프로세서(180)는 각 단어가 속하는 도메인이 지배 도메인(1142)으로부터의 거리가 얼마나 먼지에 기초하여, 각 도메인들에 대한 가중치들(1151, 1152, 1153)을 결정할 수 있다. 예컨대, 프로세서(180)는 단어 A가 속하는 도메인의 가중치 α(1151)를 0.617로 결정하고, 단어 B가 속하는 도메인의 가중치 β(1152)를 2.25로 결정하고, 단어 C가 속하는 도메인의 가중치 γ(1153)를 1.8로 결정할 수 있다. 각 도메인들에 대한 가중치를 도메인 가중치라 칭할 수 있다.
그리고, 프로세서(180)는 결정한 가중치들(1151, 1152, 1153)에 기초하여 각 단어별 확률(1120)을 보정하여 보정된 확률(1160)을 결정할 수 있다. 예컨대, 프로세서(180)는 각 단어들이 속하는 도메인에서의 가중치들(1151, 1152, 1153)을 이용하여, 단어 A의 보정된 확률을 37%, 단어 B의 보정된 확률을 45%, 단어 C의 보정된 확률을 18%로 결정할 수 있고, 이에 따라 가장 높은 확률을 갖는 단어 B를 상기 구간(1111)의 단어로 결정할 수 있다.
그리고, 프로세서(180)는 보정된 확률(1160)을 이용하여 음성 데이터(1110)를 다시 텍스트로 변환하고, 새로이 변환된 텍스트에 상응하는 의도 정보를 생성함으로써, 대체 음성 인식 결과를 생성할 수 있다.
예를 들어, 음성 데이터(1110)으로부터 변환된 텍스트(1130)가 "오늘 전국의 기온이 영화로 떨어졌습니다."이고, 텍스트 변환시 구간(1111)의 단어가 "영화"일 확률이 60%, "영하"일 확률이 20%, "영아"일 확률이 10%라고 가정한다. 이 경우, 프로세서(180)는 텍스트(1130)에 포함된 개체명들 "전국", "기온", "영화"과 동사어구 "떨어졌습니다"에 기초하여, 지배 도메인을 "날씨"로 결정할 수 있다. 그리고, 결정된 도메인에 기초하여 구간(1111)의 단어가 "영화"일 확률을 37%, "영하"일 확률을 45%, "영아"일 확률을 18%로 결정할 수 있고, 그에 따라 구간(1111)의 단어를 "영하"로 결정할 수 있고, 그에 기초하여 새로운 텍스트 "오늘 전국의 기온이 영하로 떨어졌습니다."로 변환할 수 있다.
도 12는 종래의 기술에 따른 사용자의 음성을 인식하는 실시 예를 나타낸 도면이다.
도 12를 참조하면, 사용자(1201)가 "기분 전환할 겸 노래나 들을까"(1211)와 같이 발화하면, 인공 지능 장치(1203)는 "어떤 노래를 재생할까요?"(1213)와 같이 응답할 수 있다.
그리고 사용자(1201)가 "아이유 노래 리스트 찾아줘."(1215)와 같이 발화하였으나 인공 지능 장치(1203)가 "아이유"라는 단어를 정확하게 인식 못한 상황을 가정하면, 종래 기술에 따른 인공 지능 장치(1203)는 "말씀을 이해하지 못했습니다." 또는 "아이구를 검색합니다."(1217)와 같은 음성 인식에 실패한 상황에 상응하는 응답을 제공할 수 있다.
이에 대응하여, 사용자(1201)가 "뭐?"(1219)와 같이 부정적인 피드백을 발화하게 되면, 종래 기술에 따른 인공 지능 장치(1203)는 사용자의 음성에서 의미를 찾지 못하여 "말씀을 이해하지 못했습니다."(1221)와 같이 음성 인식에 실패한 상황에 상응하는 응답을 제공할 수 있다.
도 13은 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 실시 예를 나타낸 도면이다.
도 13을 참조하면, 사용자(1301)가 "기분 전환할 겸 노래나 들을까"(1311)와 같이 발화하면, 인공 지능 장치(1303)는 "어떤 노래를 재생할까요?"(1313)와 같이 응답할 수 있다.
그리고 사용자(1301)가 "아이유 노래 리스트 찾아줘."(1315)와 같이 발화하였으나 인공 지능 장치(1303)가 "아이유"라는 단어를 정확하게 인식 못한 상황을 가정하면, 본 발명의 일 실시 예에 따른 따른 인공 지능 장치(1303)는 "말씀을 이해하지 못했습니다." 또는 "아이구를 검색합니다."(1317)와 같은 음성 인식에 실패한 상황에 상응하는 응답을 제공할 수 있다.
이에 대응하여, 사용자(1301)가 "뭐?"(1319)와 같이 부정적인 피드백을 발화하게 되면, 본 발명의 일 실시 예에 따른 인공 지능 장치(1303)는 기존의 음성 인식 결과가 잘못되었음을 판단하고, 대체 음성 인식 결과를 생성하여 그에 대한 응답으로 "아이유 노래 리스트를 출력합니다."(1321)와 같이 응답할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.

Claims (13)

  1. 사용자의 음성을 인식하는 인공 지능 장치에 있어서,
    마이크로폰; 및
    상기 마이크로폰을 통하여 사용자의 음성을 포함하는 제1 음성 데이터를 획득하고, 상기 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성하고, 상기 생성된 제1 음성 인식 결과에 상응하는 제어를 수행하고, 상기 사용자로부터 부정적 피드백(negative feedback)을 획득한 경우에 상기 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하고, 상기 생성된 대체 음성 인식 결과에 상응하는 제어를 수행하는 프로세서를 포함하고,
    상기 프로세서는
    상기 제1 음성 데이터에서 각 구간에 상응하는 단어별 신뢰도를 산출하고, 상기 구간별로 상기 신뢰도가 가장 높은 단어들을 선택하여 상기 제1 음성 데이터를 제1 텍스트로 변환하고,
    상기 제1 텍스트에 기초하여 상기 제1 음성 인식 결과를 생성하고,
    상기 제1 음성 데이터에서 각 구간에 상응하는 상기 단어별 신뢰도를 보정하고,
    상기 구간별로 상기 보정된 신뢰도가 가장 높은 단어들을 선택하여 상기 제1 음성 데이터를 제2 텍스트로 변환하고, 상기 제2 텍스트에 기초하여 상기 대체 음성 인식 결과를 생성하는, 인공 지능 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 청구항 1에 있어서,
    상기 프로세서는
    상기 제1 텍스트에서 개체명(named entity)과 동사어구를 추출하고, 상기 추출한 개체명과 상기 추출한 동사어구 각각에 대한 도메인을 결정하고, 상기 결정된 도메인들에 기초하여 상기 단어별 신뢰도를 보정하는, 인공 지능 장치.
  6. 청구항 5에 있어서,
    상기 프로세서는
    상기 도메인들 각각에 대한 도메인 가중치를 결정하고, 상기 도메인 가중치에 기초하여 상기 단어별 신뢰도를 보정하는, 인공 지능 장치.
  7. 청구항 6에 있어서,
    상기 프로세서는
    상기 결정된 도메인들에 기초하여 지배 도메인을 결정하고, 상기 결정된 도메인들 각각에 대하여 상기 지배 도메인까지의 거리를 계산하고, 상기 계산된 거리가 먼 도메인일수록 도메인 가중치를 낮게 결정하는, 인공 지능 장치.
  8. 청구항 1에 있어서,
    카메라
    를 더 포함하고,
    상기 프로세서는
    상기 카메라를 통해 이미지 데이터를 획득하고, 상기 이미지 데이터에 상응하는 이미지 인식 결과를 생성하고, 상기 이미지 인식 결과에 부정적 피드백이 포함되어 있는지 판단하는, 인공 지능 장치.
  9. 청구항 8에 있어서,
    상기 프로세서는
    상기 이미지 데이터에서 상기 사용자의 표정 또는 상기 사용자의 제스쳐를 인식하여 상기 이미지 인식 결과를 생성하고,
    상기 부정적 피드백은
    찡그리는 표정 또는 손사래 치는 제스쳐를 포함하는, 인공 지능 장치.
  10. 청구항 1에 있어서,
    상기 프로세서는
    상기 마이크로폰을 통해 제2 음성 데이터를 획득하고, 상기 제2 음성 데이터에 상응하는 제2 음성 인식 결과를 생성하고, 제2 음성 인식 결과에 부정적 피드백이 포함되어 있는지 판단하는, 인공 지능 장치.
  11. 청구항 10에 있어서,
    상기 부정적 피드백은
    상기 제1 음성 인식 결과에 상응하는 제어에 대한 부정적 평가 또는 부정적 반응(reaction)을 포함하는, 인공 지능 장치.
  12. 사용자의 음성을 인식하는 방법에 있어서,
    마이크로폰을 통하여 사용자의 음성을 포함하는 제1 음성 데이터를 획득하는 단계;
    상기 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성하는 단계;
    상기 생성된 제1 음성 인식 결과에 상응하는 제어를 수행하는 단계;
    상기 사용자로부터 부정적 피드백(negative feedback)을 획득한 경우에 상기 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하는 단계; 및
    상기 생성된 대체 음성 인식 결과에 상응하는 제어를 수행하는 단계
    를 포함하고,
    상기 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성하는 단계는,
    상기 제1 음성 데이터에서 각 구간에 상응하는 단어별 신뢰도를 산출하고, 상기 구간별로 상기 신뢰도가 가장 높은 단어들을 선택하여 상기 제1 음성 데이터를 제1 텍스트로 변환하고,
    상기 제1 텍스트에 기초하여 상기 제1 음성 인식 결과를 생성하는 단계를 포함하고,
    상기 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하는 단계는,
    상기 제1 음성 데이터에서 각 구간에 상응하는 상기 단어별 신뢰도를 보정하고,
    상기 구간별로 상기 보정된 신뢰도가 가장 높은 단어들을 선택하여 상기 제1 음성 데이터를 제2 텍스트로 변환하고, 상기 제2 텍스트에 기초하여 상기 대체 음성 인식 결과를 생성하는 단계를 포함하는, 방법.
  13. 사용자의 음성을 인식하는 방법을 수행하기 위한 프로그램이 기록된 기록 매체에 있어서,
    상기 사용자의 음성을 인식하는 방법은
    마이크로폰을 통하여 사용자의 음성을 포함하는 제1 음성 데이터를 획득하는 단계;
    상기 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성하는 단계;
    상기 생성된 제1 음성 인식 결과에 상응하는 제어를 수행하는 단계;
    상기 사용자로부터 부정적 피드백(negative feedback)을 획득한 경우에 상기 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하는 단계; 및
    상기 생성된 대체 음성 인식 결과에 상응하는 제어를 수행하는 단계
    를 포함하고,
    상기 제1 음성 데이터에 상응하는 제1 음성 인식 결과를 생성하는 단계는,
    상기 제1 음성 데이터에서 각 구간에 상응하는 단어별 신뢰도를 산출하고, 상기 구간별로 상기 신뢰도가 가장 높은 단어들을 선택하여 상기 제1 음성 데이터를 제1 텍스트로 변환하고,
    상기 제1 텍스트에 기초하여 상기 제1 음성 인식 결과를 생성하는 단계를 포함하고,
    상기 제1 음성 데이터에 상응하는 대체 음성 인식 결과를 생성하는 단계는,
    상기 제1 음성 데이터에서 각 구간에 상응하는 상기 단어별 신뢰도를 보정하고,
    상기 구간별로 상기 보정된 신뢰도가 가장 높은 단어들을 선택하여 상기 제1 음성 데이터를 제2 텍스트로 변환하고, 상기 제2 텍스트에 기초하여 상기 대체 음성 인식 결과를 생성하는 단계를 포함하는, 컴퓨터로 읽을 수 있는 기록 매체.
KR1020190111320A 2019-09-09 2019-09-09 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 KR102331675B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190111320A KR102331675B1 (ko) 2019-09-09 2019-09-09 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US16/584,402 US11282522B2 (en) 2019-09-09 2019-09-26 Artificial intelligence apparatus and method for recognizing speech of user

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190111320A KR102331675B1 (ko) 2019-09-09 2019-09-09 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20190110072A KR20190110072A (ko) 2019-09-27
KR102331675B1 true KR102331675B1 (ko) 2021-11-30

Family

ID=68097053

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190111320A KR102331675B1 (ko) 2019-09-09 2019-09-09 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법

Country Status (2)

Country Link
US (1) US11282522B2 (ko)
KR (1) KR102331675B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102486119B1 (ko) * 2022-07-15 2023-01-09 (주)액션파워 피드백 정보를 이용한 음성 인식 방법
US11657803B1 (en) 2022-11-02 2023-05-23 Actionpower Corp. Method for speech recognition by using feedback information

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220012360A (ko) 2019-08-02 2022-02-03 선전 구딕스 테크놀로지 컴퍼니, 리미티드 지문 감지 장치 및 전자 디바이스
KR20190098928A (ko) * 2019-08-05 2019-08-23 엘지전자 주식회사 음성 인식 방법 및 장치
CN111367407B (zh) * 2020-02-24 2023-10-10 Oppo（重庆）智能科技有限公司 智能眼镜交互方法、智能眼镜交互装置及智能眼镜
US11688394B1 (en) * 2020-06-01 2023-06-27 Amazon Technologies, Inc. Entity language models for speech processing
CN112100419B (zh) * 2020-09-15 2024-02-06 贵州迅畅科技有限公司 一种基于图像检索的单幅天气图像识别方法及系统
US11676593B2 (en) 2020-12-01 2023-06-13 International Business Machines Corporation Training an artificial intelligence of a voice response system based on non_verbal feedback
US11776534B1 (en) * 2020-12-08 2023-10-03 Amazon Technologies, Inc. Natural language understanding intent adjustment
US11620993B2 (en) * 2021-06-09 2023-04-04 Merlyn Mind, Inc. Multimodal intent entity resolver
KR20230037804A (ko) * 2021-09-10 2023-03-17 삼성전자주식회사 전자 장치 및 전자 장치의 음성 처리 방법
KR102465228B1 (ko) * 2021-11-24 2022-11-09 인하대학교 산학협력단 메타버스 플랫폼 이용한 혼합현실에서의 복잡한 기계류 훈련 및 교육과 홍보 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003208196A (ja) * 2002-01-11 2003-07-25 Matsushita Electric Ind Co Ltd 音声対話方法および装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100580619B1 (ko) * 2002-12-11 2006-05-16 삼성전자주식회사 사용자와 에이전트 간의 대화 관리방법 및 장치
JP4048492B2 (ja) * 2003-07-03 2008-02-20 ソニー株式会社 音声対話装置及び方法並びにロボット装置
US9679568B1 (en) * 2012-06-01 2017-06-13 Google Inc. Training a dialog system using user feedback
US20140164476A1 (en) * 2012-12-06 2014-06-12 At&T Intellectual Property I, Lp Apparatus and method for providing a virtual assistant
KR102084646B1 (ko) * 2013-07-04 2020-04-14 삼성전자주식회사 음성 인식 장치 및 음성 인식 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003208196A (ja) * 2002-01-11 2003-07-25 Matsushita Electric Ind Co Ltd 音声対話方法および装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102486119B1 (ko) * 2022-07-15 2023-01-09 (주)액션파워 피드백 정보를 이용한 음성 인식 방법
US11657803B1 (en) 2022-11-02 2023-05-23 Actionpower Corp. Method for speech recognition by using feedback information

Also Published As

Publication number Publication date
US11282522B2 (en) 2022-03-22
KR20190110072A (ko) 2019-09-27
US20200027459A1 (en) 2020-01-23

Similar Documents

Publication Publication Date Title
KR102331675B1 (ko) 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US11200467B2 (en) Artificial intelligence apparatus and method for recognizing object included in image data
KR102281515B1 (ko) 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US11289074B2 (en) Artificial intelligence apparatus for performing speech recognition and method thereof
US11195528B2 (en) Artificial intelligence device for performing speech recognition
KR102281600B1 (ko) 합성 음성에 대한 보정을 수행하는 인공 지능 장치 및 그 방법
US11443747B2 (en) Artificial intelligence apparatus and method for recognizing speech of user in consideration of word usage frequency
KR20210047173A (ko) 오인식된 단어를 바로잡아 음성을 인식하는 인공 지능 장치 및 그 방법
KR102339085B1 (ko) 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US11355101B2 (en) Artificial intelligence apparatus for training acoustic model
KR20210035968A (ko) 사용자의 표정이나 발화를 고려하여 마사지 동작을 제어하는 인공 지능 마사지 장치 및 그 방법
KR102306393B1 (ko) 음성 처리 장치 및 음성 처리 방법
US11508358B2 (en) Artificial intelligence apparatus and method for recognizing speech in consideration of utterance style
KR102412308B1 (ko) 장치 간 연동에 기초한 장치 제어 기능을 제공하는 인공 지능 장치 및 그 방법
US11468247B2 (en) Artificial intelligence apparatus for learning natural language understanding models
US11211059B2 (en) Artificial intelligence apparatus and method for recognizing speech with multiple languages
US20210334461A1 (en) Artificial intelligence apparatus and method for generating named entity table
KR20210081103A (ko) 복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210094323A (ko) 감성을 포함하는 음성을 제공하는 인공 지능 장치, 인공 지능 서버 및 그 방법
EP4148726A1 (en) Artificial intelligence device for recognizing speech and method thereof
US20210118437A1 (en) Artificial intelligence server

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant