KR20210039049A

KR20210039049A - 음성 인식을 수행하는 인공 지능 장치 및 그 방법

Info

Publication number: KR20210039049A
Application number: KR1020190121363A
Authority: KR
Inventors: 이광용
Original assignee: 엘지전자 주식회사
Priority date: 2019-10-01
Filing date: 2019-10-01
Publication date: 2021-04-09
Also published as: US20200043478A1; US11289074B2

Abstract

본 발명의 실시 예는 사용자의 음성 명령을 입력 받는 마이크로폰, 소정의 텍스트 데이터에 포함된 대용어를 판별하는 대용어 인식 모델을 이용하여, 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어를 판별하는 러닝 프로세서 및 인공 지능 장치로 입력되거나 인공 지능 장치를 통해 출력된 정보를 포함하는 컨텍스트 정보를 기초로 판별된 대용어가 지칭하는 지칭 대상을 특정하고, 특정된 지칭 대상을 기초로 음성 명령에 대한 응답을 판별하고, 판별된 응답에 따라 인공 지능 장치를 제어하는 프로세서를 포함하는 인공 지능 장치를 제공한다.

Description

음성 인식을 수행하는 인공 지능 장치 및 그 방법 {AN ARTIFICIAL INTELLIGENCE APPARATUS FOR PERFORMING SPEECH RECOGNITION AND METHOD FOR THE SAME}

본 발명은 음성 인식을 수행하는 인공 지능 장치 및 그 방법에 관한 것으로, 보다 상세하게는 인공 지능 장치로 입력되거나 인공 지능 장치를 통해 출력된 정보를 포함하는 컨텍스트 정보를 기초로 대용어의 지칭 대상을 특정하여 음성 인식을 수행하는 인공 지능 장치 및 그 방법에 관한 것이다.

스마트폰에 시작된 음성인식 기술 경쟁은 사물인터넷(IoT)의 본격 확산과 맞물려 이제 집 안에서 본격적으로 불붙을 전망이다.

특히, 주목할 만 한 점은 그 기기가 음성을 매개로 명령을 내리고, 대화를 나눌 수도 있는 인공지능(AI) 기기라는 점이다.

음성인식 서비스는 막대한 양의 데이터베이스를 활용하여, 사용자의 질문에 최적 답변을 선택하는 구조를 갖고 있다.

음성검색 기능 역시 입력된 음성데이터를 클라우드 서버에서 텍스트로 변환하여 분석하고, 그 결과에 따른 실시간 검색결과를 기기로 재전송하는 방식이다.

클라우드 서버는 수많은 단어들을 성별, 연령별, 억양별로 구분된 음성 데이터로 구분하여, 저장하고 실시간으로 처리할 수 있는 컴퓨팅 능력을 보유하고 있다.

음성 인식은 더 많은 음성데이터가 축적될수록, 인간과 동등한(Human parity) 수준 정도로, 정확해 질 것이다.

한편, 사람들이 음성 명령을 통해 기기를 제어하는 경우, 대용어를 포함하는 음성 명령을 발화하는 경우가 있다.

이 경우, 음성 인식 시스템은 대용어가 지칭하는 대상을 정확하게 특정하지 못하는 경우 자연어 처리에 실패할 가능성이 매우 높아 진다.

따라서, 대용어가 지칭하는 대상을 정확히 특정할 수 있는 기능의 필요성이 증대하고 있다.

본 발명은 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다.

본 발명은 컨텍스트 정보를 기초로 음성 인식을 수행하는 인공 지능 장치 및 그 방법의 제공을 목적으로 한다.

본 발명은 음성 명령에 포함된 대용어의 지칭 대상을 판별하여 음성 인식을 수행하는 인공 지능 장치 및 그 방법의 제공을 목적으로 한다.

본 발명은 화면 컨텍스트 정보를 기초로 대용어의 지칭 대상을 판별하여 음성 인식을 수행하는 인공 지능 장치 및 그 방법의 제공을 목적으로 한다.

본 발명의 일 실시 예는 사용자의 음성 명령을 입력 받는 마이크로폰, 소정의 텍스트 데이터에 포함된 대용어를 판별하는 대용어 인식 모델을 이용하여, 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어를 판별하는 러닝 프로세서 및 인공 지능 장치로 입력되거나 인공 지능 장치를 통해 출력된 정보를 포함하는 컨텍스트 정보를 기초로 판별된 대용어가 지칭하는 지칭 대상을 특정하고, 특정된 지칭 대상을 기초로 음성 명령에 대한 응답을 판별하고, 판별된 응답에 따라 인공 지능 장치를 제어하는 프로세서를 포함하는 인공 지능 장치를 제공한다.

또한, 본 발명의 일 실시 예는 사용자의 음성 명령을 입력 받는 단계, 소정의 텍스트 데이터에 포함된 대용어를 판별하는 대용어 인식 모델을 이용하여, 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어를 판별하는 단계, 인공 지능 장치로 입력되거나 인공 지능 장치를 통해 출력된 정보를 포함하는 컨텍스트 정보를 기초로 판별된 대용어가 지칭하는 지칭 대상을 특정하는 단계, 특정된 지칭 대상을 기초로 음성 명령에 대한 응답을 판별하는 단계 및 판별된 응답에 따라 인공 지능 장치를 제어하는 단계를 포함하는 음성 인식 방법을 제공한다.

본 발명의 실시 예에 따르면, 음성 명령에 포함된 대용어의 지칭 대상을 특정함으로써, 음성 명령에 대한 자연어 이해 처리 능력을 향상시킬 수 있다.

또한, 본 발명의 실시 예에 따르면, 화면 컨텍스트 정보를 기초로 대용어의 지칭 대상을 특정함으로써, 음성 명령에 대한 자연어 이해 처리 능력을 향상시킬 수 있다.

또한, 본 발명의 실시 예에 따르면, 인접 대용어와 비인접 대용어의 지칭 대상 특정에 최적화된 컨텍스트 정보를 이용함으로써, 지칭 대상 특정을 효율적으로 할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 4는 본 발명과 관련된 인공 지능 장치를 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 음성 시스템을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 음성 명령에 포함된 대용어의 지칭 대상을 특정하여 음성 인식을 수행하는 방법을 나타낸 동작 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 대용어 인식 모델을 설명하기 위한 도면이다.
도 8 내지 11는 본 발명의 일 실시 예에 따른 컨텍스트 정보를 기초로 대용어를 특정하여 음성 인식을 수행하는 과정을 설명하기 위한 도면이다.
도 12 내지 도 14는 본 발명의 일 실시 예에 따른 대용어 인식 모델을 이용하여 음성 인식을 수행하는 과정을 설명하기 위한 도면이다.
도 15는 본 발명의 일 실시 예에 따른 대화 컨텍스트를 설명하기 위한 도면이다.
도 16 내지 도 18은 본 발명의 일 실시예에 따른 인접 대용어와 비인접 대용어를 구분하여 음성 인식을 수행하는 과정을 설명하는 도면이다.
도 19는 본 발명의 일 실시 예에 따른 대화 컨텍스트의 상태 관리 방법을 설명하기 위한 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.

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, 단말기(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. 예를 들어, 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 발명과 관련된 인공 지능 장치를 설명하기 위한 블록도이다.

도 1과 중복되는 설명은 생략한다.

통신부(110)는, 방송 수신 모듈(111), 이동통신 모듈(112), 무선 인터넷 모듈(113), 근거리 통신 모듈(114), 위치정보 모듈(115) 중 적어도 하나를 포함할 수 있다.

방송 수신 모듈(111)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다.

이동통신 모듈(112)은, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다.

무선 인터넷 모듈(113)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 인공 지능 장치(100)에 내장되거나 외장될 수 있다. 무선 인터넷 모듈(113)은 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 이루어진다.

무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있다.

근거리 통신 모듈(114)은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.

위치정보 모듈(115)은 이동 인공 지능 장치의 위치(또는 현재 위치)를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈 또는 WiFi(Wireless Fidelity) 모듈이 있다. 예를 들어, 인공 지능 장치는 GPS모듈을 활용하면, GPS 위성에서 보내는 신호를 이용하여 이동 인공 지능 장치의 위치를 획득할 수 있다.

입력부(120)는 영상 신호 입력을 위한 카메라(121), 오디오 신호를 수신하기 위한 마이크로폰(122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(123)를 포함할 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(151)에 표시되거나 메모리(170)에 저장될 수 있다.

마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 인공 지능 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 구현될 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 인공 지능 장치(100)의 동작을 제어할 수 있다.

사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예를 들어, 인공 지능 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.

출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(151), 음향 출력부(152), 햅팁 모듈(153), 광 출력부(154) 중 적어도 하나를 포함할 수 있다.

디스플레이부(151)는 인공 지능 장치(100)에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부(151)는 인공 지능 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, 인공 지능 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 인공 지능 장치(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 인공 지능 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. 인공 지능 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.

인터페이스부(160)는 인공 지능 장치(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다. 이러한 인터페이스부(160)는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port)중 적어도 하나를 포함할 수 있다. 인공 지능 장치(100)에서는, 상기 인터페이스부(160)에 외부 기기가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절할 제어를 수행할 수 있다.

한편, 식별 모듈은 인공 지능 장치(100)의 사용 권한을 인증하기 위한 각종 정보를 저장한 칩으로서, 사용자 인증 모듈(user identify module; UIM), 가입자 인증 모듈(subscriber identity module; SIM), 범용 사용자 인증 모듈(universal subscriber identity module; USIM) 등을 포함할 수 있다. 식별 모듈이 구비된 장치(이하 '식별 장치')는, 스마트 카드(smart card) 형식으로 제작될 수 있다. 따라서 식별 장치는 상기 인터페이스부(160)를 통하여 인공 지능 장치(100)와 연결될 수 있다.

전원공급부(190)는 프로세서(180)의 제어 하에서, 외부의 전원, 내부의 전원을 인가 받아 인공 지능 장치(100)에 포함된 각 구성요소들에 전원을 공급한다. 이러한 전원공급부(190)는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리가 될 수 있다.

한편, 앞서 살펴본 것과 같이, 프로세서(180)는 응용 프로그램과 관련된 동작과, 통상적으로 인공 지능 장치(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(180)는 상기 인공 지능 장치의 상태가 설정된 조건을 만족하면, 애플리케이션들에 대한 사용자의 제어 명령의 입력을 제한하는 잠금 상태를 실행하거나, 해제할 수 있다.

도 5는 본 발명의 일 실시 예에 따른 음성 시스템을 설명하기 위한 도면이다.

도 5를 참조하면, 음성 시스템(1)은 인공 지능 장치(100), 음성 텍스트 변환(Speech To Text, STT) 서버(10), 자연어 처리(Natural Language Processing, NLP) 서버(20) 및 음성 합성 서버(30)를 포함할 수 있다.

인공 지능 장치(100)는 음성 데이터를 STT 서버(10)에 전송할 수 있다.

STT 서버(10)는 인공 지능 장치(100)로부터 수신된 음성 데이터를 텍스트 데이터로 변환할 수 있다.

STT 서버(10)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(10)는 언어 모델을 이용하여 음성 데이터로부터 변환된 텍스트 데이터가 적합하게 변환된 것인지 판단할 수 있고, 이를 통해 텍스트 데이터로의 변환의 정확도를 높일 수 있다.

NLP 서버(20)는 STT 서버(10)로부터 텍스트 데이터를 수신할 수 있다. NLP 서버(20)는 수신된 텍스트 데이터에 기초하여, 텍스트 데이터에 대한 의도 분석을 수행할 수 있다.

NLP 서버(20)는 의도 분석의 수행 결과를 나타내는 의도 분석 정보를 인공 지능 장치(100)에 전송할 수 있다.

NLP 서버(20)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 단계이다.

NLP 서버(20)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(20)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(20)에 전송할 수 있다.

음성 합성 서버(30)는 기 저장된 음성 데이터들을 조합하여, 합성 음성을 생성할 수 있다.

음성 합성 서버(30)는 모델로 선정된 한 사람의 음성을 녹음하고, 녹음된 음성을 음절 또는 단어 단위로 분할할 수 있다. 음성 합성 서버(30)는 음절 또는 단어 단위로, 분할된 음성을 내부 또는 외부의 데이터 베이스에 저장할 수 있다.

음성 합성 서버(30)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(30)는 복수의 언어들 각각에 대응하는 복수의 음성 언어 그룹들을 저장하고 있을 수 있다.

예를 들어, 음성 합성 서버(30)는 한국어로 녹음된 제1 음성 언어 그룹, 영어로, 녹음된 제2 음성 언어 그룹을 포함할 수 있다.

음성 합성 서버(30)는 제1 언어의 텍스트 데이터를 제2 언어의 텍스트로 번역하고, 제2 음성 언어 그룹을 이용하여, 번역된 제2 언어의 텍스트에 대응하는 합성 음성을 생성할 수 있다.

음성 합성 서버(30)는 생성된 합성 음성을 인공 지능 장치(100)에 전송할 수 있다.

음성 합성 서버(30)는 NLP 서버(20)로부터 의도 분석 정보를 수신할 수 있다.

음성 합성 서버(30)는 의도 분석 정보에 기초하여, 사용자의 의도를 반영한, 합성 음성을 생성할 수 있다.

일 실시 예에서, STT 서버(10), NLP 서버(20) 및 음성 합성 서버(30)는 하나의 서버로 구현될 수 있다.

위에서, 설명된 STT 서버(10), NLP 서버(20) 및 음성 합성 서버(30) 각각의 기능은 인공 지능 장치(100)에서도 수행될 수도 있다. 이를 위해, 인공 지능 장치(100)는 복수의 프로세서들을 포함할 수 있다.

도 6은 본 발명의 일 실시 예에 따라 음성 신호로부터 사용자의 발화 특징을 추출하는 과정을 설명하는 도면이다.

도 1에 도시된, 인공 지능 장치(100)는 오디오 프로세서(181)를 더 포함할 수 있다.

오디오 프로세서(181)는 프로세서(180)와 별도의 칩으로 구현되거나, 프로세서(180)에 포함된 칩으로 구현될 수 있다.

오디오 프로세서(181)는 음성 신호로부터, 잡음을 제거할 수 있다.

오디오 프로세서(181)는 음성 신호를 텍스트 데이터로 변환할 수 있다. 이를 위해, 오디오 프로세서(181)는 STT 엔진을 구비할 수 있다.

오디오 프로세서(181)는 인공 지능 장치(100)의 음성 인식을 활성화시키기 위한 기동어를 인식할 수 있다. 오디오 프로세서(181)는 마이크로폰(121)을 통해 수신된 기동어를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터가 기 저장된 기동어에 대응하는 텍스트 데이터인 경우, 기동어를 인식한 것으로 판단할 수 있다.

오디오 프로세서(181)는 잡음이 제거된 음성 신호를 파워 스펙트럼으로 변환할 수 있다.

파워 스펙트럼은 시간적으로 변동하는 음성 신호의 파형에 어떠한 주파수 성분이 어떠한 크기로 포함되어 있는지를 나타내는 파라미터일 수 있다.

파워 스펙트럼은 음성 신호의 파형의 주파수에 따른 진폭 제곱 값의 분포를 보여준다.

이에 대해서는 도 7을 참조하여, 설명한다.

도 7은 본 발명의 일 실시 예에 따른 음성 신호를 파워 스펙트럼으로 변환한 예를 설명한 도면이다.

도 7을 참조하면, 음성 신호(410)가 도시되어 있다. 음성 신호(410)는 마이크로폰(121)을 통해 수신되거나, 메모리(170)에 미리 저장된 신호일 수 있다.

음성 신호(410)의 x축은 시간이고, y축은 진폭의 크기를 나타낼 수 있다.

오디오 프로세서(181)는 x축이 시간 축인 음성 신호(410)를 x축이 주파수 축인 파워 스펙트럼(430)으로 변환할 수 있다.

오디오 프로세서(181)는 고속 퓨리에 변환(Fast Fourier Transform, FFT)을 이용하여, 음성 신호(410)를 파워 스펙트럼(430)으로 변환할 수 있다.

파워 스펙트럼(430)의 x축은 주파수, y축은 진폭의 제곱 값을 나타낸다.

다시 도 3을 설명한다.

프로세서(180)는 오디오 프로세서(181)로부터 전달된 텍스트 데이터 또는 파워 스펙트럼(430) 중 하나 이상을 이용하여, 사용자의 발화 특징을 결정할 수 있다.

사용자의 발화 특징은 사용자의 성별, 사용자의 음의 높낮이, 사용자의 음색, 사용자의 발화 주제, 사용자의 발화 속도, 사용자의 성량등을 포함할 수 있다.

프로세서(180)는 파워 스펙트럼(430)을 이용하여, 음성 신호(410)의 주파수 및 주파수에 대응하는 진폭을 획득할 수 있다.

프로세서(180)는 파워 스펙트럼(430)의 주파수 대역을 이용하여, 음성을 발화한 사용자의 성별을 결정할 수 있다.

예를 들어, 프로세서(180)는 파워 스펙트럼(430)의 주파수 대역이 기 설정된 제1 주파수 대역 범위 내인 경우, 사용자의 성별을 남자로 결정할 수 있다.

프로세서(180)는 파워 스펙트럼(430)의 주파수 대역이 기 설정된 제2 주파수 대역 범위 내인 경우, 사용자의 성별을 여자로 결정할 수 있다. 여기서, 제2 주파수 대역 범위는 제1 주파수 대역 범위보다 클 수 있다.

프로세서(180)는 파워 스펙트럼(430)의 주파수 대역을 이용하여, 음성의 높낮이를 결정할 수 있다.

예를 들어, 프로세서(180)는 특정 주파수 대역 범위 내에서, 진폭의 크기에 따라 음의 높낮이 정도를 결정할 수 있다.

프로세서(180)는 파워 스펙트럼(430)의 주파수 대역을 이용하여, 사용자의 음색(tone)을 결정할 수 있다. 예를 들어, 프로세서(180)는 파워 스펙트럼(430)의 주파수 대역들 중, 진폭의 크기가 일정 크기 이상인 주파수 대역을 사용자의 주요 음역대로 결정하고, 결정된 주요 음역대를 사용자의 음색으로 결정할 수 있다.

프로세서(180)는 변환된 텍스트 데이터로부터, 단위 시간 당 발화된 음절 수를 통해, 사용자의 발화 속도를 결정할 수 있다.

프로세서(180)는 변환된 텍스트 데이터에 대해, Bag-Of-Word Model 기법을 이용하여, 사용자의 발화 주제를 결정할 수 있다.

Bag-Of-Word Model 기법은 문장 내 단어 빈도 수 기반으로, 주로 사용하는 단어를 추출하는 기법이다. 구체적으로, Bag-Of-Word Model 기법은 문장 내에서, 유니크한 단어를 추출하고, 추출된 각 단어의 빈도 수를 벡터로 표현하여, 발화 주제를 특징을 결정하는 기법이다.

예를 들어, 프로세서(180)는 텍스트 데이터에 <달리기>, <체력> 등과 같은 단어가 자주 등장하면, 사용자의 발화 주제를 운동으로 분류할 수 있다.

프로세서(180)는 공지된 텍스트 카테고리화(Text Categorization) 기법을 이용하여, 텍스트 데이터로부터 사용자의 발화 주제를 결정할 수 있다. 프로세서(180)는 텍스트 데이터로부터 키워드를 추출하여, 사용자의 발화 주제를 결정할 수 있다.

프로세서(180)는 전체 주파수 대역에서의 진폭 정보를 고려하여 사용자의 성량을 결정할 수 있다.

예컨대, 프로세서(180)는 파워 스펙트럼의 각 주파수 대역에서의 진폭의 평균 또는 가중치 평균을 기준으로 사용자의 성량을 결정할 수 있다.

도 6 및 도 7에서 설명된 오디오 프로세서(181) 및 프로세서(180)의 기능은 NLP 서버(20), 음성 합성 서버(30) 중 어느 하나의 서버에서도 수행될 수 있다.

예를 들어, NLP 서버(20)는 음성 신호를 이용하여, 파워 스펙트럼을 추출하고, 추출된 파워 스펙트럼을 이용하여, 사용자의 발화 특징을 결정할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 음성 명령에 포함된 대용어의 지칭 대상을 특정하여 음성 인식을 수행하는 방법을 나타낸 동작 흐름도이다.

마이크로폰(122)은 사용자의 음성 명령을 입력 받을 수 있다(S601).

음성 명령은 사용자가 인공 지능 장치(100)를 제어하기 위한 음성 신호일 수 있다. 프로세서(180)는 마이크로폰(122)을 통해 입력된 사용자의 음성 명령을 획득 할 수 있다. 예를 들어, 사용자는 인공 지능 장치(100)를 통해 친구에게 이메일을 보내기 위한 음성 명령을 발화할 수 있으며, 마이크로폰(122)은 발화된 음성 명령을 입력받을 수 있다.

한편, 프로세서(180)는 통신부(110)를 통해 사용자의 음성 명령을 수신할 수도 있다. 또한, 프로세서(180)는 사용자 입력부(123)를 통해 사용자의 음성 명령을 대체하는 텍스트 명령을 획득할 수 있다.

또한, 프로세서(180)는 마이크로폰(122)을 통해 획득한 음성 명령을 STT 엔진을 이용하여 텍스트 데이터로 변환할 수 있다. 따라서, 프로세서(180)는 사용자의 음성 명령에 대응한 텍스트 데이터를 획득할 수 있다.

러닝 프로세서(130)는 소정의 텍스트 데이터에 포함된 대용어를 판별하는 대용어 인식 모델을 이용하여, 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어를 판별할 수 있다(S602).

대용어(anaphora)는 이전에 나왔던 표현이나 문맥의 전제 혹은 전례에 의존하는 용어이다. 대용어는 대명사 또는 지시 관형사로 시작하는 명사구를 포함할 수 있다.

예를 들어, ‘이 사진들 그녀에게 문자로 보내’라는 말뭉치(corpus)에서 ‘이’는 ‘지시 관형사’에 해당하고 ‘사진’은 명사구에 해당한다. 따라서, ‘이 사진’은 지시 관형사로 시작하는 명사구로서 대용어에 해당할 수 있다. 또한, ‘그녀’는 인칭 대명사로서 대용어에 해당할 수 있다.

또한, 대용어는 인물 또는 사물과 인접한 대상을 지칭하는 인접 대용어 및 인물 또는 사물과 인접하지 않은 대상을 지칭하는 비인접 대용어 중 적어도 하나를 포함할 수 있다. 예를 들어, 인물 또는 사물과 인접한 대상을 지칭하는 인접 대용어는 지시 관형사‘이(this, these)’로 시작하는 명사구이거나 ‘이것’, ‘여기’ 등과 같은 근칭 대명사를 포함할 수 있다. 또한, 인물 또는 사물과 인접하지 않은 대상을 지칭하는 비인접 대용어는 ‘그, 저(that, those)’로 시작하는 명사구, ‘저것’, ‘저기’ 등과 같은 원칭 대명사, ‘그것’, ‘거기’와 같은 중칭대명사 및 3인칭 대명사(her, him, them)를 포함할 수 있다.

대용어 인식 모델은 소정의 텍스트 데이터가 입력 레이어에 입력되는 경우 입력된 소정의 텍스트 데이터에 포함된 문자 또는 단어 각각에 대한 대용어 태깅값을 출력하도록 기계 학습 알고리즘 또는 딥 러닝 알고리즘으로 학습된 뉴럴 네트워크일 수 있다.

도 7을 참고하면, 사용자의 음성 명령에 대응하는 텍스트 데이터(701)가 ‘Delete this picture’인 경우, 대용어 인식 모델(702)은 텍스트 데이터의 각 문자(character)마다 대용어 태깅값(703)을 출력할 수 있다. ‘Delete this picture’에서 ‘this picture’는 지시 관형사로 시작하는 명사구로서, 대용어에 해당한다. 대용어 인식 모델은 대용어(anaphora)가 시작(begin)하는 문자 ‘t’에 대하여 Ba(Begin anaphora) 값을 태깅하고, 대용어에 해당하는 문자 ‘h, i, s, p, i, c, t, u, r, e’는 Ia(Inside anaphora)값을 태깅할 수 있다. 이 경우, 태깅값은 이에 한정되지 않으며 다양한 실시예로 구현될 수 있다.

또한, 대용어 인식 모델은 텍스트 데이터의 각 단어(word)마다 대용어 태깅값을 출력할 수 있다. 예를 들어, 대용어 인식 모델을 텍스트 데이터‘Delete this picture’내에서 ‘this’ 및 ‘picture’가 대용어에 해당함을 표시하는 값을 태깅할 수 있다.

도 12를 참고하면, 사용자의 음성 명령에 대응하는 텍스트 데이터가 ‘Call this contact’인 경우, 대용어 인식 모델은 텍스트 데이터의 각 문자(character)마다 대용어 태깅값을 출력할 수 있다. ‘Call this contact’에서 ‘this contact’는 지시 관형사로 시작하는 명사구로서 대용어에 해당한다. 대용어 인식 모델은 대용어(anaphora)가 시작(begin)하는 문자 ‘t’에 대하여 Ba(Begin anaphora) 값을 태깅하고, 대용어에 해당하는 문자 ‘h, i, s, c, o, n, t, a, c, t’는 Ia(Inside anaphora)값을 태깅할 수 있다.

또한, 대용어 인식 모델은 텍스트 데이터의 각 단어(word)마다 태용어 태깅값을 출력할 수 있다. 예를 들어, 대용어 인식 모델을 텍스트 데이터‘Call this contact’내에서 ‘this’ 및 ‘contact’가 대용어에 해당함을 표시하는 값을 태깅할 수 있다.

또한, 러닝 프로세서(130)는 대용어 인식 모델을 이용하여 음성 명령에 대응하는 텍스트 데이터에 포함된 인접 대용어 또는 비인접 대용어를 판별할 수 있다.

도 16을 참고하면, 사용자의 음성 명령에 대응하는 텍스트 데이터(1601)가 ‘Send these pictures to her’인 경우, 대용어 인식 모델(1602)은 텍스트 데이터의 각 문자(character)마다 인접 대용어 또는 비인접 대용어 태깅값(1603)을 출력할 수 있다. ‘Send these pictures to her’에서 ‘these pictures’는 지시 관형사 ‘these’로 시작하는 명사구로서 인접 대용어에 해당한다.

또한, ‘her’는 3인칭 대명사로 비인접 대용어에 해당한다.

대용어 인식 모델(1602)은 인접 대용어가 시작(begin)하는 문자 ‘t’에 대하여 Bths(Begin anaphora of ‘this’) 값을 태깅하고, 대용어에 해당하는 문자 ‘h, e, s, e, p, i, c, t, u, r, e, s’는 Iths(Inside anaphora of ‘this’)값을 태깅할 수 있다. 이 경우, 태깅값은 이에 한정되지 않으며 다양한 실시예로 구현될 수 있다.

또한, 대용어 인식 모델(1602)은 비인접 대용어가 시작(begin)하는 문자 ‘h’에 대하여 Btht (Begin anaphora of ‘that’) 값을 태깅하고, 대용어에 해당하는 문자 ‘e, r’는 Itht(Inside anaphora of ‘that’)값을 태깅할 수 있다. 이 경우, 태깅값은 이에 한정되지 않으며 다양한 실시예로 구현될 수 있다.

프로세서(180)는 컨텍스트 정보를 기초로 대용어의 지칭 대상을 특정할 수 있다(S603).

프로세서(180) 사용자와 인공 지능 장치(100)간 입력 또는 출력된 정보를 포함하는 컨텍스트 정보를 기초로 판별된 대용어가 지칭하는 지칭 대상을 특정할 수 있다.

프로세서(180) 인공 지능 장치(100)로 입력되거나 인공 지능 장치(100)를 통해 출력된 정보를 포함하는 컨텍스트 정보를 기초로 판별된 대용어가 지칭하는 지칭 대상을 특정할 수 있다.

컨텍스트 정보는 인공 지능 장치(100)의 입력부(120)를 통해 사용자로부터 입력을 받은 정보 및 인공 지능 장치(100)의 출력부(150)를 통해 출력된 정보를 포함할 수 있다. 메모리(170)는 컨텍스트 정보를 저장할 수 있다.

컨텍스트 정보는 화면 컨텍스트 정보를 포함할 수 있다.

화면 컨텍스트 정보는 인공 지능 장치의 디스플레이(151)를 통해 출력되는 출력 콘텐츠에 대한 정보를 포함할 수 있다. 이 경우, 출력 콘텐츠는 텍스트, 사진, 비디오, 연락처, 통화 내역, 애플리케이션 등 화면상에 표시될 수 있는 정보를 포함할 수 있다.

또한, 화면 컨텍스트 정보는 사용자로부터 선택된 선택 콘텐츠에 대한 정보를 포함할 수 있다. 예를 들어, 복수의 사진이 디스플레이상에 표시되어 있는 경우, 사용자는 디스플레이 화면을 터치 입력하여 복수의 사진 중 일부 사진을 선택할 수 있다. 이 경우, 선택된 일부의 사진을 선택 콘텐츠로 볼 수 있다.

예를 들어, 도 8을 참고하면, 인공 지능 장치(100)의 디스플레이(151)을 통해 복수의 사진이 출력된다. 출력되는 복수의 사진들은 출력 콘텐츠가 될 수 있다. 또한, 사용자로부터 선택된 사진(801)은 선택 콘텐츠가 될 수 있다.

프로세서(180)는 선택 콘텐츠가 적어도 하나 이상 존재하는 경우, 선택 콘텐츠에 기초하여 대용어가 지칭하는 지칭 대상을 특정할 수 있다.

예를 들어, 도 7 및 8을 참고하면, 사용자의 음성 명령에 대응하는 텍스트 데이터가 ‘Delete this picture’인 경우, 러닝 프로세서(130)는 대용어 인식 모델을 이용하여‘this picture’가 대용어에 해당함을 판별하고, 프로세서(180)는 화면 컨텍스트 정보를 기초로 선택된 사진(801)이 판별된 대용어 “this picture”의 지칭 대상임 특정할 수 있다.

또한, 도 12 및 13을 참고하면, 사용자의 음성 명령에 대응하는 텍스트 데이터가 ‘Call this contact’인 경우, 러닝 프로세서(130)는 대용어 인식 모델을 이용하여‘this contact’가 대용어에 해당함을 판별할 수 있다. 또한, 인공 지능 장치(100)의 디스플레이(151)을 통해 복수의 연락처 목록이 출력된다. 출력되는 복수의 연락처들은 출력 콘텐츠가 될 수 있다. 사용자로부터 선택된 연락처(1301)은 선택 콘텐츠가 될 수 있다. 프로세서(180)는 화면 컨텍스트 정보를 기초로 선택된 연락처(1301)이 판별된 대용어 “this contact”의 지칭 대상임 특정할 수 있다.

프로세서(180)는 출력 콘텐츠가 디스플레이에 풀스크린으로 출력되는 풀스크린 콘텐츠인 경우, 풀스크린 콘텐츠에 기초하여 대용어가 지칭하는 지칭 대상을 특정할 수 있다.

예를 들어, 도 7 및 10을 참고하면, 화면 컨텍스트 정보는 인공 지능 장치(100)의 디스플레이(151)을 통해 풀스크린으로 출력되는 풀스크린 콘텐츠(1001)에 대한 정보를 포함할 수 있다. 사용자의 음성 명령에 대응하는 텍스트 데이터가 ‘Delete this picture’인 경우, 러닝 프로세서(130)는 대용어 인식 모델을 이용하여‘this picture’가 대용어에 해당함을 판별하고, 프로세서(180)는 화면 컨텍스트 정보를 기초로 풀스크린으로 출력된 사진(1001)이 판별된 대용어 “this picture”의 지칭 대상임 특정할 수 있다.

한편, 프로세서(180)는 대용어의 지칭 대상이 특정되지 않은 경우, 대용어의 지칭 대상을 특정하기 위한 질의 응답을 수행할 수 있다.

예를 들어, 프로세서(180)는 대용어의 지칭 대상이 될 수 있는 후보가 복수인 경우, 사용자에게 지칭 대상을 선택하도록 하는 화면 인터페이스를 디스플레이로 출력할 수 있다.

또한, 프로세서(180)는 대용어의 지칭 대상이 될 수 있는 후보가 없는 경우, 사용자에게 지칭 대상을 특정할 수 없다는 메시지를 출력하고, 지칭 대상을 입력하도록 하는 화면 인터페이스를 디스플레이로 출력할 수 있다.

프로세서(180)는 특정된 지칭 대상을 기초로 음성 명령에 대한 응답을 판별할 수 있다 (S604). 프로세서(180)는 판별된 응답에 따라 인공 지능 장치(100)를 제어할 수 있다(S605).

프로세서(180)는 대용어의 지칭 대상이 특정된 경우, 특정된 지칭 대상을 기초로 음성 명령에 대한 응답을 판별할 수 있다.

프로세서(180)는, 사용자의 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어의 지칭 대상을 특정하고, 자연어 처리(NLP: Natural Language Processing) 엔진을 이용하여 사용자의 음성 명령에 상응하는 의도 정보를 획득할 수 있다. 프로세서(180)는 획득한 의도 정보를 기초로 음성 명령에 대한 응답을 판별할 수 있다.

도 7 내지 9를 참고하면, 프로세서(180)는 사용자의 음성 명령에 대응하는 텍스트 데이터 “Delete this picture”(701)에 포함된 대용어 “this picture”의 지칭 대상을 선택된 사진(801)으로 특정할 수 있다. 또한, 프로세서(180)는 사용자의 음성 명령 “Delete this picture”에 상응 하는 의도 정보인 ‘선택된 사진을 삭제’를 획득할 수 있다. 프로세서(180)는 획득한 의도 정보를 기초로 선택된 사진(801)을 삭제한 후 알람을 출력하는 동작을 음성 명령에 대한 응답으로 판별하고, 판별된 응답에 따라 인공 지능 장치(100)를 제어하여 선택된 사진(801)을 삭제하고 알람(901)을 디스플레이(151)를 통해 출력할 수 있다.

또한, 도 7, 10 및 11을 참고하면, 프로세서(180)는 사용자의 음성 명령에 대응하는 텍스트 데이터 “Delete this picture”(701)에 포함된 대용어 “this picture”의 지칭 대상을 풀스크린 사진(1001)으로 특정할 수 있다. 또한, 사용자의 음성 명령 “Delete this picture”에 상응 하는 의도 정보인 ‘풀스크린 사진을 삭제’를 획득할 수 있다. 프로세서(180)는 획득한 의도 정보를 기초로 풀스크린 사진(1001)을 삭제한 후 알람을 출력하는 동작을 음성 명령에 대한 응답으로 판별하고, 판별된 응답에 따라 인공 지능 장치(100)를 제어하여 풀스크린 사진(1001)을 삭제하고 알람(1101)을 디스플레이(151)를 통해 출력할 수 있다.

도 12 내지 도 14를 참고하면, 프로세서(180)는 사용자의 음성 명령에 대응하는 텍스트 데이터 “call this contact”(1201)에 포함된 대용어 “this contact”의 지칭 대상을 선택된 연락처(1301)으로 특정할 수 있다. 또한, 프로세서(180)는 사용자의 음성 명령 “Call this contact”에 상응 하는 의도 정보인 ‘선택된 연락처로 전화’를 획득할 수 있다. 프로세서(180)는 획득한 의도 정보를 기초로 선택된 연락처(1301)로 전화를 거는 동작을 음성 명령에 대한 응답으로 판별하고, 판별된 응답에 따라 인공 지능 장치(100)를 제어하여 선택된 연락처(1301)로 전화를 할 수 있다.

또한, 컨텍스트 정보는 사용자와 인공 지능 장치간 음성 명령 및 음성 명령에 대한 응답을 통한 대화 내역에 대한 정보인 대화 컨텍스트 정보를 포함할 수 있다.

도 15를 참고하면, 대화 컨텍스트 정보는 사용자의 음성 명령(1501) 및 음성 명령 (1501)에 대한 응답(1502)을 통한 사용자와 인공 지능 장치간 대화 내역에 대한 정보를 포함할 수 있다.

인공 지능 장치(100)는 사용자의 음성 명령(1501) 및 음성 명령(1501)에 대한 응답(152)을 통한 대화 내역에 대한 정보인 대화 컨텍스트 정보를 메모리(170)에 저장할 수 있다.

또한, 프로세서(180)는 대화 컨텍스트 정보에 대하여 각 대화마다 대용어의 지칭 대상이 될 수 있는 후보를 상태(state)별로 관리할 수 있다.

예를 들어, 도 19를 참고하면, 프로세서(180)는 S0상태에서 ‘Send a text message to Rachel, Amy and Andres’ 라는 사용자의 음성 명령을 획득한 경우, ‘Rachel’, ‘Amy’, ‘Andres’를 대용어의 지칭 대상이 될 수 있는 후보로 결정할 수 있다. 또한, 프로세서(180)는 ‘Rachel’, ‘Amy’, ‘Andres’를 각각 S1, S2, S3 상태로 결정할 수 있다. 따라서, 프로세서(180)는 S4상태에서 ‘Send a text message to them’ 라는 사용자의 음성 명령을 획득한 경우 비인접대용어 ‘them’의 지칭대상의 후보를 S4상태의 이전 상태인 S1, S2, S3에서 추출하여 지칭 대상을 특정할 수 있다.

한편, 도 16 내지 도 18를 참고하면, 프로세서(180)는 사용자의 음성 명령에 대응하는 텍스트 데이터 “Send these pictures”(1601)에 포함된 인접 대용어 “these pictures”의 지칭 대상을 화면 컨텍스트 정보를 기초로 선택된 복수의 사진들(1701, 1702)로 특정할 수 있다.

또한, 프로세서(180)는 대화 컨텍스트 정보(1801, 1802)를 기초로 비인접 대용어 “her”를 “Rachel” 로 특정할 수 있다.

또한, 프로세서(180)는 사용자의 음성 명령 “Send these pictures”에 상응 하는 의도 정보인 ‘사진을 전송’을 획득할 수 있다. 프로세서(180)는 획득한 의도 정보를 기초로 선택된 사진들(1701, 1702)을 “Rachel”에게 전송하는 동작을 음성 명령에 대한 응답으로 판별하고, 판별된 응답에 따라 인공 지능 장치(100)를 제어하여 “Rachel”에게 사진을 전송할 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

음성 인식을 수행하는 인공 지능 장치에 있어서,
사용자의 음성 명령을 입력 받는 마이크로폰;
소정의 텍스트 데이터에 포함된 대용어를 판별하는 대용어 인식 모델을 이용하여, 상기 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어를 판별하는 러닝 프로세서; 및
상기 인공 지능 장치로 입력되거나 상기 인공 지능 장치를 통해 출력된 정보를 포함하는 컨텍스트 정보를 기초로 상기 판별된 대용어가 지칭하는 지칭 대상을 특정하고, 상기 특정된 지칭 대상을 기초로 상기 음성 명령에 대한 응답을 판별하고, 상기 판별된 응답에 따라 상기 인공 지능 장치를 제어하는 프로세서를 포함하는,
인공 지능 장치.
제1항에 있어서,
상기 컨텍스트 정보는,
상기 인공 지능 장치의 디스플레이를 통해 출력되는 출력 콘텐츠에 대한 정보 및 상기 사용자로부터 선택된 선택 콘텐츠에 대한 정보 중 적어도 하나를 포함하는 화면 컨텍스트 정보를 포함하는,
인공 지능 장치.
제2항에 있어서,
상기 프로세서는,
상기 선택 콘텐츠가 적어도 하나 이상 존재하는 경우, 상기 선택 콘텐츠에 기초하여 상기 대용어가 지칭하는 지칭 대상을 특정하는,
인공 지능 장치.
제2항에 있어서,
상기 프로세서는,
상기 출력 콘텐츠가 상기 디스플레이에 풀스크린으로 출력되는 풀스크린 콘텐츠인 경우, 상기 풀스크린 콘텐츠에 기초하여 상기 대용어가 지칭하는 지칭 대상을 특정하는,
인공 지능 장치.
제2항에 있어서,
상기 컨텍스트 정보는,
상기 사용자와 상기 인공 지능 장치간 음성 명령 및 음성 명령에 대한 응답을 통한 대화 내역에 대한 정보인 대화 컨텍스트 정보를 포함하는,
인공 지능 장치.
제5항에 있어서,
상기 대용어는,
인물 또는 사물과 인접한 대상을 지칭하는 인접 대용어 및 인물 또는 사물과 인접하지 않은 대상을 지칭하는 비인접 대용어 중 적어도 하나를 포함하고,
상기 러닝 프로세서는,
상기 대용어 인식 모델을 이용하여 상기 음성 명령에 대응하는 텍스트 데이터에 포함된 인접 대용어 또는 비인접 대용어를 판별하는,
인공 지능 장치.
제6항에 있어서,
상기 프로세서는,
상기 화면 컨텍스트 정보를 기초로 상기 판별된 인접 대용어가 지칭하는 지칭 대상을 특정하는,
인공 지능 장치.
제6항에 있어서,
상기 프로세서는,
상기 대화 컨텍스트 정보를 기초로 상기 판별된 비인접 대용어가 지칭하는 지칭 대상을 특정하는,
인공 지능 장치.
제8항에 있어서,
상기 대화 컨텍스트 정보는,
상기 대화 내역에 포함된 각각의 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어 지칭 대상 후보에 대한 정보를 포함하고,
상기 프로세서는,
상기 대용어 지칭 대상 후보를 기초로 상기 판별된 비인접 대용어가 지칭하는 지칭 대상을 특정하는,
인공 지능 장치.
제1항에 있어서,
상기 대용어 인식 모델은,
상기 소정의 텍스트 데이터가 입력 레이어에 입력되는 경우 입력된 소정의 텍스트 데이터에 포함된 문자 또는 단어 각각에 대한 대용어 태깅값을 출력하도록 기계 학습 알고리즘 또는 딥 러닝 알고리즘으로 학습된 뉴럴 네트워크인,
인공 지능 장치.
인공 지능 장치가 수행하는 음성 인식 방법에 있어서,
사용자의 음성 명령을 입력 받는 단계;
소정의 텍스트 데이터에 포함된 대용어를 판별하는 대용어 인식 모델을 이용하여, 상기 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어를 판별하는 단계;
상기 인공 지능 장치로 입력되거나 상기 인공 지능 장치를 통해 출력된 정보를 포함하는 컨텍스트 정보를 기초로 상기 판별된 대용어가 지칭하는 지칭 대상을 특정하는 단계;
상기 특정된 지칭 대상을 기초로 상기 음성 명령에 대한 응답을 판별하는 단계; 및
상기 판별된 응답에 따라 상기 인공 지능 장치를 제어하는 단계를 포함하는,
음성 인식 방법.
제11항에 있어서,
상기 컨텍스트 정보는,
상기 인공 지능 장치의 디스플레이를 통해 출력되는 출력 콘텐츠에 대한 정보 및 상기 사용자로부터 선택된 선택 콘텐츠에 대한 정보 중 적어도 하나를 포함하는 화면 컨텍스트 정보를 포함하는,
음성 인식 방법.
제12항에 있어서,
상기 지칭 대상을 특정하는 단계는,
상기 선택 콘텐츠가 적어도 하나 이상 존재하는 경우, 상기 선택 콘텐츠에 기초하여 상기 대용어가 지칭하는 지칭 대상을 특정하는 단계를 포함하는,
음성 인식 방법.
제12항에 있어서,
상기 지칭 대상을 특정하는 단계는,
상기 출력 콘텐츠가 상기 디스플레이에 풀스크린으로 출력되는 풀스크린 콘텐츠인 경우, 상기 풀스크린 콘텐츠에 기초하여 상기 대용어가 지칭하는 지칭 대상을 특정하는 단계를 포함하는,
음성 인식 방법.
제12항에 있어서,
상기 컨텍스트 정보는,
상기 사용자와 상기 인공 지능 장치간 음성 명령 및 음성 명령에 대한 응답을 통한 대화 내역에 대한 정보인 대화 컨텍스트 정보를 포함하는,
음성 인식 방법.
제15항에 있어서,
상기 대용어는,
인물 또는 사물과 인접한 대상을 지칭하는 인접 대용어 및 인물 또는 사물과 인접하지 않은 대상을 지칭하는 비인접 대용어 중 적어도 하나를 포함하고,
상기 대용어를 판별하는 단계는,
상기 대용어 인식 모델을 이용하여 상기 음성 명령에 대응하는 텍스트 데이터에 포함된 인접 대용어 또는 비인접 대용어를 판별하는,
음성 인식 방법.
제16항에 있어서,
상기 지칭 대상을 특정하는 단계는,
상기 화면 컨텍스트 정보를 기초로 상기 판별된 인접 대용어가 지칭하는 지칭 대상을 특정하는 단계를 포함하는,
음성 인식 방법.
제16항에 있어서,
상기 지칭 대상을 특정하는 단계는,
상기 대화 컨텍스트 정보를 기초로 상기 판별된 비인접 대용어가 지칭하는 지칭 대상을 특정하는 단계를 포함하는,
음성 인식 방법.
제18항에 있어서,
상기 대화 컨텍스트 정보는,
상기 대화 내역에 포함된 각각의 음성 명령에 대응하는 텍스트 데이터에 포함된 대용어 지칭 대상 후보에 대한 정보를 포함하고,
상기 지칭 대상을 특정하는 단계는,
상기 대용어 지칭 대상 후보를 기초로 상기 판별된 비인접 대용어가 지칭하는 지칭 대상을 특정하는 단계를 포함하는,
음성 인식 방법.
제11항에 있어서,
상기 대용어 인식 모델은,
상기 소정의 텍스트 데이터가 입력 레이어에 입력되는 경우 입력된 소정의 텍스트 데이터에 포함된 문자 또는 단어 각각에 대한 대용어 태깅값을 출력하도록 기계 학습 알고리즘 또는 딥 러닝 알고리즘으로 학습된 뉴럴 네트워크인,
음성 인식 방법.