KR20210081103A - 복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법 - Google Patents

복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법 Download PDF

Info

Publication number
KR20210081103A
KR20210081103A KR1020190173315A KR20190173315A KR20210081103A KR 20210081103 A KR20210081103 A KR 20210081103A KR 1020190173315 A KR1020190173315 A KR 1020190173315A KR 20190173315 A KR20190173315 A KR 20190173315A KR 20210081103 A KR20210081103 A KR 20210081103A
Authority
KR
South Korea
Prior art keywords
text data
language
keyword
languages
obtaining
Prior art date
Application number
KR1020190173315A
Other languages
English (en)
Inventor
김예진
유현
채종훈
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 KR1020190173315A priority Critical patent/KR20210081103A/ko
Priority to US16/812,172 priority patent/US11380311B2/en
Publication of KR20210081103A publication Critical patent/KR20210081103A/ko
Priority to US17/831,371 priority patent/US11682388B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/005—Language recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • 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
    • G06N3/047—Probabilistic or stochastic networks
    • 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
    • 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • G10L15/142—Hidden Markov Models [HMMs]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G10L2015/025—Phonemes, fenemes or fenones being the recognition units
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting

Abstract

본 발명은 복수의 언어를 포함하는 음성 데이터를 획득하는 마이크로폰 및 음성 데이터에 상응하는 텍스트 데이터를 획득하고, 텍스트 데이터에 포함된 언어 중 메인 언어를 판별하고, 메인 언어가 아닌 언어를 갖는 텍스트 데이터를 메인 언어로 번역하여 번역 텍스트 데이터를 획득하고, 번역 텍스트 데이터에 대한 형태소 분석 결과를 획득하고, 형태소 분석 결과로부터 의도 분석을 위한 키워드를 추출하고, 키워드에 매칭되는 의도 패턴을 획득하고, 의도 패턴에 대응하는 동작을 수행하는 프로세서를 포함하는 인공 지능 장치를 제공한다.

Description

복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법{ARTIFICIAL INTELLIGENCE APPARATUS AND METHOD FOR RECOGNIZING SPEECH WITH MULTIPLE LANGUAGES}
본 개시는 복수의 언어가 포함된 음성을 인식하고 응답을 생성하는 인공 지능 장치 및 그 방법에 관한 것이다. 구체적으로, 음성에 포함된 복수의 언어 중 주된 언어를 기준으로 의도를 파악하여 음성을 인식하는 인공 지능 장치 및 그 방법에 관한 것이다.
최근 들어 소리를 입력 받아 제어를 수행하는 기기들이 늘어나고 있다. 음성 인식 기능을 제공하는 인공 지능 스피커나 스마트폰 등의 기기에서는 사용자의 발화 음성을 인식하고, 인식 결과에 상응하는 제어를 수행하거나 응답을 제공한다.
점점 세계화가 되면서 사용자의 발화 음성에는 복수의 언어가 포함되는 경우가 많다. 다만, 음성 인식 모델은 각 언어별로 구분되어 각 언어에 맞는 음성을 처리하기 때문에, 복수의 언어가 섞인 문장에 대한 인식률이 낮다.
또한, 복수의 언어가 포함된 음성 명령의 경우에는 음성 명령의 의도를 파악하기 어려워 음성 명령을 이해하지 못하는 문제가 있다.
본 개시는 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다.
본 개시는 복수의 언어가 포함된 음성을 인식하는 인공 지능 장치 및 그 방법의 제공을 목적으로 한다.
본 개시는 복수의 언어가 포함된 음성을 각각의 언어로 인식하는 경우 전체 발화에 대한 의도 파악을 할 수 없는 문제를 해결할 수 있는 인공 지능 장치 및 그 방법의 제공을 목적으로 한다.
본 개시는 복수의 언어가 포함된 음성으로부터 각 언어의 의도가 추출되더라도 전체 발화에 대한 의도 분석이 완전하게 될 수 없는 문제를 해결할 수 있는 인공 지능 장치 및 그 방법의 제공을 목적으로 한다.
본 개시의 일 실시예는 복수의 언어를 포함하는 음성 데이터를 획득하는 마이크로폰 및 음성 데이터에 상응하는 텍스트 데이터를 획득하고, 텍스트 데이터에 포함된 언어 중 메인 언어를 판별하고, 메인 언어가 아닌 언어를 갖는 텍스트 데이터를 메인 언어로 번역하여 번역 텍스트 데이터를 획득하고, 번역 텍스트 데이터에 대한 형태소 분석 결과를 획득하고, 형태소 분석 결과로부터 의도 분석을 위한 키워드를 추출하고, 키워드에 매칭되는 의도 패턴을 획득하고, 의도 패턴에 대응하는 동작을 수행하는 프로세서를 포함하는 인공 지능 장치를 제공한다.
또한, 본 개시의 일 실시 예는 복수의 언어를 포함하는 음성 데이터를 획득하는 단계, 음성 데이터에 상응하는 텍스트 데이터를 획득하는 단계, 텍스트 데이터에 포함된 언어 중 메인 언어를 판별하는 단계, 메인 언어가 아닌 언어를 갖는 텍스트 데이터를 메인 언어로 번역하여 번역 텍스트 데이터를 획득하는 단계, 번역 텍스트 데이터에 대한 형태소 분석 결과를 획득하는 단계, 형태소 분석 결과로부터 의도 분석을 위한 키워드를 추출하는 단계, 키워드에 매칭되는 의도 패턴을 획득하는 단계 및 의도 패턴에 대응하는 동작을 수행하는 단계를 포함하는 복수의 언어를 포함하는 방법을 제공한다.
본 개시의 실시 예에 따르면, 둘 이상의 언어가 섞여있는 음성을 인식할 수 있다.
또한, 본 개시의 다양한 실시 예에 따르면, 음성에 포함된 복수의 언어 중 주된 언어가 무엇인지 파악하여 주된 언어를 기준으로 완전한 의도 분석을 할 수 있다.
또한, 본 개시의 다양한 실시 예에 따르면, 복수의 언어가 포함된 음성에 대하여 전체 발화에 대한 의도 분석이 가능하다.
또한, 본 개시의 일 실시예에 따르면, 복수의 언어를 포함하는 각각의 언어에 대한 의도 분석을 하는 경우 의도 분석을 실패할 수 있는 가능성을 줄일 수 있다.
도 1은 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 4는 본 개시의 일 실시 예에 따른 AI 장치를 나타낸 블록도이다.
도 5는 복수의 언어가 포함된 음성이 입력되는 상황에서 발생하는 문제점을 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시 예에 따른 음성 인식 방법을 설명하기 위한 순서도이다.
도 7은 본 개시의 일 실시 예에 따른 음성 인식 과정을 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시 예에 따른 언어를 감지하는 과정을 설명하기 위한 도면이다.
도 9는 본 개시의 일 실시 예에 따른 키워드를 획득하는 과정을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시 예에 따른 음성 인식 방법을 설명하기 위한 순서도이다.
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 개시의 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 개시의 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 개시의 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 개시의 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 복수의 언어가 포함된 음성이 입력되는 상황에서 발생하는 문제점을 설명하기 위한 도면이다.
인공 지능 장치(100)는 사용자(500)가 발화한 "오늘 morning 날씨 detail 알려줘"(영어로 "let me know the weather details this morning"를 의미함)(501) 음성을 획득할 수 있다. 이 경우 사용자(500)가 발화한 음성 "오늘 morning 날씨 detail 알려줘"(501)는 한국어 '오늘'(영어로"today"를 의미함), 한국어 '날씨' (영어로 'weather'를 의미함) 및 '알려줘'(영어로'let me know'를 의미함)를 포함하고, 영어 'morning' 및 'detail'을 포함하는 음성이다.
만일 인공 지능 장치(100)가 사용자(500)의 발화 음성(501)에 대하여 한국어를 기준으로 한 자연어 이해 처리를 수행할 경우, 영어 부분 'morning' 및 'detail"은 자연어 처리를 하지 못할 수 있다(502). 또는, 영어를 기준으로 한 자연어 이해 처리를 수행할 경우, 한국어 부분 오늘'(영어로"today"를 의미함), '날씨' (영어로 'weather'를 의미함) 및 알려줘'(영어로'let me know'를 의미함)는 자연어 처리를 하지 못할 수 있다(503). 따라서, 인공 지능 장치(100)의 자연어 처리는 실패(504)할 수 있다.
이 경우, 인공 지능 장치(100)는 "죄송합니다. 말씀을 이해하지 못했습니다."(505) 또는 "다시 말씀해 주시기 바랍니다."(506)와 같은 실패 응답 음성을 생성하여 출력할 수 있다.
도 6은 본 개시의 일 실시 예에 따른 음성 인식 방법을 설명하기 위한 순서도이다.
마이크로폰(122)는 복수의 언어를 포함하는 음성 데이터를 획득할 수 있다(S601).
통신부(110)는 사용자 디바이스(미도시)의 음성 입력 모듈을 통해 사용자로부터 입력된 복수의 언어를 포함하는 음성 데이터를 사용자 디바이스로부터 수신할 수도 있다.
또한, 프로세서(180)는 마이크로폰(122) 또는 통신부(110)를 통해 복수의 언어를 포함하는 음성 데이터를 획득할 수 있다.
복수의 언어를 포함하는 음성 데이터는 "오늘 morning 날씨 detail 알려줘"(영어로 "let me know the weather details this morning"를 의미함)과 같이, 사용자가 복수의 언어를 구사하여 발화한 음성 데이터를 포함할 수 있다.
또한, 복수의 언어를 포함하는 음성 데이터는 서로 다른 제1 언어 및 제2 언어를 포함하는 이중 언어로 구성된 음성 데이터를 포함할 수 있다. 프로세서(180)는 마이크로폰(122) 또는 통신부(110)를 통해 제1 언어 및 제2 언어로 구성된 이중 언어를 포함하는 음성 데이터를 획득할 수 있다.
한편, 프로세서(180)는 음성 데이터로부터 음성 데이터에 상응하는 텍스트 데이터를 획득할 수 있다(S602).
프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진을 이용하여, 음성 데이터로부터 음성 데이터에에 상응하는 텍스트 데이터를 생성할 수 있다. 또한, 프로세서(180)는 통신부(110)를 통해 STT 엔진을 포함하는 외부 STT 서버(미도시)로 음성 데이터를 전송하고, STT 서버에 의해 변환된 텍스트 데이터를 통신부(110)를 통해 수신할 수도 있다.
또한, STT 엔진은 음성 데이터에 포함된 복수의 언어 각각에 대하여 각각의 언어별로 텍스트 데이터를 생성할 수 있다.
예를 들어, 사용자가 발화한 음성 "오늘 morning 날씨 detail 알려줘"(영어로 "let me know the weather details this morning"를 의미함)에 대하여 각각의 언어를 인식하여 음성에 상응하는 텍스트 데이터 "오늘 morning 날씨 detail 알려줘"(영어로 "let me know the weather details this morning"를 의미함)를 획득할 수 있다.
한편, 프로세서(180)는 텍스트 데이터에 포함된 언어의 종류를 감지할 수 있다(S603).
프로세서(180)는 텍스트 데이터에 포함된 언어를 감지할 수 있다.
또한, 프로세서(180)는 텍스트 데이터에 포함된 문자 또는 단어 별로 언어의 종류를 감지하고, 문자 또는 단어 각각에 대한 언어 종류를 출력할 수 있다.
프로세서(180)는 텍스트 데이터에 대하여 의미 있는 문자열 단위로 토큰화를 하여 토큰화된 텍스트 데이터 각각을 획득 할 수 있다. 이 경우, 의미 있는 문자열 단위는 문자 또는 단어 단위를 포함할 수 있다.
프로세서(180)는 토큰화된 텍스트 데이터 각각에 대한 언어를 감지할 수 있다.
도 7을 참고하면, 프로세서(180)는 텍스트 데이터에 복수의 언어가 포함되어 있는지 여부를 감지하고 감지된 언어 종류를 출력하는 언어 감지 모듈(702)을 이용할 수 있다.
한편, 도 7에서 도시된 각각의 모듈들은 프로세서(180)에 포함될 수 있다. 또한, 도 7에서 도시된 각각의 모듈들은 인공 지능 장치(100) 또는 인공 지능 서버(200)에 위치할 수 있으며 프로세서(180)에 의해 제어될 수 있다. 또한, 도 7에서 도시된 각각의 모듈들의 구성 및 기능 들은 프로세서(180)에 의해 동작되고 수행될 수 있다.
언어 감지 모듈(702)는 복수의 언어를 포함하는 텍스트 데이터에 포함된 언어 종류를 판별하기 위하여 은닉 마르코프 모델(hidden Markov model, HMM)을 이용할 수 있다.
프로세서(180)는 은닉 마르코프 모델을 이용하여 토큰화된 텍스트 데이터 각각이 해당하는 언어를 감지할 수 있다.
은닉 마르코프 모델을 통계적 마르코프 모형의 하나로, 시스템이 은닉된 상태와 관찰 가능한 결과의 두 가지 요소로 이루어졌다고 보는 모델이다. 은닉 마코프 모델은 마코프 체인을 전제로 한 모델일 수 있다. 마코프 체인은 마코프 성질을 지닌 이산확률과정을 의미할 수 있다.
도 8은 본 개시의 일 실시 예에 따른 언어를 감지하는 과정을 설명하기 위한 도면이다.
도 8을 참고하면, 프로세서(180)는 은닉 마르코프 모델을 이용하여 각 문자 또는 단어별 언어의 종류를 태깅할 수 있다.
예를 플어, 프로세서(180)는 텍스트 데이터에 포함된 T개의 토큰화된 텍스트 데이터(예를 들어, 각 문자 또는 단어별 텍스트 데이터)(O1, O2, … OT-1, OT)에 대하여 은닉 마르코프 모델을 이용하여 각각의 언어 종류(S1, S2, … ST-1, ST)를 획득할 수 있다. 이 경우, O는 관찰 가능한 결과(Observation)이고, S는 은닉된 상태(State)를 의미할 수 있다.
프로세서(180)는 수학식 1을 이용하여 텍스트 데이터에 포함된 T개의 토큰화된 텍스트 데이터 각각에 대하여 각 언어 종류 확률을 획득할 수 있다.
Figure pat00001
또한, 프로세서(180)는 비터비 디코딩(Viterbi decoding)을 이용하여 언어 종류를 결정하기 위한 은닉 상태의 최적 경로(path)를 탐색할 수 있으며, 수학식 2가 이용될 수 있다.
Figure pat00002
언어 감지 모듈(702)는 은닉 마르코프 모델을 이용하여 텍스트 데이터에 포함된 문자 또는 단어 별로 언어의 종류를 감지하고, 문자 또는 단어 각각에 대한 언어 종류를 출력할 수 있다.
예를 들어, 도 7을 참고하면, 언어 감지 모듈(702)은 음성 데이터에 상응하는 텍스트 데이터 "오늘 morning 날씨 detail 알려줘"(영어로 "let me know the weather details this morning"를 의미함)로부터 한국어 단어인 '오늘'(영어로"today"를 의미함), '날씨' (영어로 'weather'를 의미함) 및 '알려줘'(영어로'let me know'를 의미함)에 대하여 한국어임를 태깅하고, 영어 'morning' 및 'detail'에 대하여 영어임을 태깅한 데이터(703)를 출력할 수 있다.
한편, 프로세서(180)는 텍스트 데이터에 포함된 언어 중 메인 언어를 판별할 수 있다(S604).
메인 언어는 발화자가 자신이 의도한 바를 표현하기 위해 비중있게 사용한 언어를 의미할 수 있다. 따라서, 프로세서(180)는 발화자의 음성에서 메인 언어에 기초하여 발화자의 의도를 파악함으로써, 전체 발화에 대한 정밀한 의도 분석을 할 수 있다.
프로세서(180)는 토큰화된 텍스트 데이터 각각에 대해 감지된 언어 중 가장 많이 감지된 언어를 메인 언어로 판별할 수 있다.
또한, 프로세서(180)는 문자 또는 단어별로 최다 빈도로 태깅된 언어를 메인 언어로 판별할 수 있다.
예를 들어, 도 7을 참고하면, 한국어는 각 단어별로 3회 태깅되었고, 영어는 2회 태깅되었으므로 프로세서(180)는 최다 빈도로 태깅된 한국어를 메인 언어로 판별할 수 있다.
또한, 프로세서(180)는 텍스트 데이터에서 가장 먼저 태깅된 언어를 메인언어로 판별할 수 있다.
예를 들어, 도 7을 참고하면, 발화자가 한국어를 먼저 구사하여 발화를 시작하였으므로, 프로세서(180)는 가장 먼저 태깅된 한국어를 메인 언어로 판별할 수 있다.
한편, 프로세서(180)는 메인 언어로 번역된 번역 텍스트를 획득할 수 있다(S605).
프로세서(180)는 메인 언어가 아닌 언어를 갖는 텍스트 데이터를 메인 언어로 번역하여 번역 텍스트 데이터를 획득할 수 있다.
도 7을 참고하면, 프로세서(180)는 언어별 텍스트를 소정의 언어로 번역하는 번역 모듈(702)을 이용할 수 있다.
번역 모듈(702)은 소정의 언어로 이루어진 텍스트를 입력받고, 입력 받은 텍스트를 소정의 언어로 번역한 텍스트를 출력하는 머신 러닝에서 사용되는 인공 신경망 모델(ANN: Artificial Neural Network)을 포함할 수 있다.
인공 신경망 모델은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성될 수 있다. 인공 신경망 모델은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
도 7을 참고하면, 번역 모듈(702)은 메인 언어를 한국어로 판별하고, 메인 어가 아닌 언어인 'morning' 및 'detail' 각각에 대하여 메인 언어인 한국어로 번역할 수 있다.
번역 모듈(702)은 번역 텍스트 '오늘/아침/날씨/자세한/알려줘'(영어로 'today/morning/weather/detail/let me know'를 의미함, 705)를 출력할 수 있다.
따라서, 프로세서(180)는 메인 언어를 기준으로 번역된 텍스트를 이용하여 의도를 분석할 수 있으므로 발화 전체의 의도를 정확하게 분석할 수 있다.
한편, 프로세서(180)는 번역 텍스트에 대한 형태소 분석 결과를 획득할 수 있다(S606).
프로세서(180)는 번역 텍스트에 대하여 번역 언어를 기준으로 형태소 분석 모듈(706)을 이용하여 번역 텍스트에 대한 형태소 분석 결과를 획득할 수 있다.
프로세서(180)는 번역 텍스트 데이터에 대하여 각각의 형태소 단위별로 분리된 텍스트 데이터를 획득할 수 있다.
형태소 분석 모듈(706)은 각각의 언어에 따라 텍스트에 포함된 형태소 및 다양한 언어적 속성(어근, 접두사, 접미사, 품사 등)을 추출하여 결과를 출력할 수 있다.
예를 들어, 형태소 분석 모듈(706)은 한국어로 번역된 번역 텍스트 '오늘/아침/날씨/자세한/알려줘'(영어로 'today/morning/weather/detail/let me know'를 의미함, 705)를 입력 받고, 한국어를 기준으로 각각의 형태소별로 태깅하여 분리된 텍스트 "오늘/아침/날씨/자세/하/ㄴ/알리어/주/ㅓ"(영어로 'today/morning/weather/detail/Korean letter/Korean letter/let me know/Korean letter/Korean letter'를 의미함, 707)를 출력할 수 있다.
프로세서(180)는 형태소 분석 모듈(706)을 이용하여 형태소별로 분리된 텍스트를 포함하는 형태소 분석 결과를 획득할 수 있다.
따라서, 프로세서(180)는 추후에 형태소 분석결과로부터 키워드를 추출하는 경우, 형태소 별로 분리된 텍스트 각각이 키워드에 해당하는지 여부를 판별하여 키워드를 추출함으로써 정확하고 간결한 키워드들을 추출할 수 있다.
한편, 프로세서(180)는 형태소 분석 결과로부터 키워드를 추출할 수 있다(S607).
프로세서(180)는 키워드 추출 모듈(708)을 이용하여 형태소 분석 결과로부터 발화 의도를 파악하기 위해 필요한 키워드들을 추출할 수 있다. 번역 텍스트로부터 직접 발화 의도를 판별하는 경우 번역 텍스트에 불필요한 텍스트들이 섞여있을 수 있으나, 프로세서(180)는 형태소 별로 분리된 텍스트에서 키워드만을 추출해 발화 의도를 판별하므로 정확한 의도 분석을 할 수 있다.
키워드 추출 모듈(708)은 형태소 별로 분리된 텍스트 데이터 각각을 입력받고, 형태소별로 분리된 텍스트 데이터 각각에 대하여 발화자의 의도 판단에 근거가 될 수 있는 키워드를 출력하는 키워드 추출 모델을 포함할 수 있다.
프로세서(180)는 각각의 형태소 단위 별로 분리된 텍스트 데이터를 키워드 추출 모델에 입력하고, 키워드 추출 모델로부터 출력되는 키워드를 획득할 수 있다.
키워드 추출 모델을 소정의 형태소 단위별로 분리된 텍스트 데이터로부터 발화 의도를 파악하기 위해 필요한 소정의 키워드를 출력하도록 학습된 인공 신경망(ANN: Artificial Neural Network) 모델일 수 있다.
키워드 추출 모델은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성될 수 있다. 키워드 추출 모델은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
키워드 추출 모델은 형태소 별로 분리된 텍스트 데이터 각각이 시퀀스 단위로 입력되어 키워드 각각이 시퀀스 단위로 출력될 수 있는 순환 신경망(Recurrent Neural Network, RNN) 알고리즘으로 학습된 모델일 수 있으며, 장기 의존성 문제를 해결하기 위해 LSTM(Long Short-Term Memory)네트워크 및 시퀀스 단위의 입력 데이터가 길어지면 시퀀스 단위의 출력 데이터의 정확도가 감소하는 것을 보정할 수 있는 어텐션(attention) 메커니즘을 이용할 수 있다.
도 9를 참고하면, 키워드 추출 모델은 입력 데이터로 "오늘/아침/날씨/자세/하/ㄴ/알리어/주/ㅓ"(영어로'today/morning/weather/detail/Korean letter/Korean letter/let me know/Korean letter/Korean letter'를 의미함)를 순차적으로 입력받을 수 있다. 키워드 추출 모델은 발화자의 의도 판단에 근거가 될 수 있는 키워드 "오늘/아침/날씨/알리어"(영어로'today/ morning/ weather/let me know'를 의미함)를 출력할 수 있다.
한편, 프로세서(180)는 키워드에 매칭되는 의도 패턴을 획득할 수 있다(S608).
의도 패턴은 다양한 발화 데이터에서 공통적으로 추출될 수 있는 패턴화된 의도 정보들을 의미할 수 있다. 예를 들어, 사용자는 인공 지능 장치(100)의 음성 인식 시스템을 이용하여 날씨 검색, 연락처 검색, 전화 발신, 메시지 전송, 애플리케이션 실행에 관련된 다양한 음성을 발화할 수 있으며, 의도 패턴은 다양한 음성으로부터 공통적으로 추출될 수 있는 의도정보를 의미할 수 있다.
예를 들어, 의도 패턴은'음악/검색', '오늘/아침/날씨/검색'등과 같은 의도 패턴 리스트 중 하나 일 수 있다.
의도 패턴 리스트는 의도 패턴 데이터베이스에 저장될 수 있다.
한편, 사용자는 매우 많은 수의 음성을 발화할 수 있고 그로부터 추출될 수 있는 키워드의 조합은 매우 많은 수가될 수 있으나, 의도 패턴 리스트는 그 수가 제한적일 수 있다.
따라서, 프로세서(180)는 키워드에 대하여 정규화(namalization)를 하여 의도 패턴에 매칭될 가능성을 높일 수 있는 정규화된 패턴을 생성할 수 있다.
프로세서(180)는 키워드를 정규화 하여 정규 패턴을 생성하는 패턴 추출 모듈(710)을 이용할 수 있다.
프로세서(180)는 키워드 각각에 대하여 대표 키워드로 변환하여 정규화된 패턴을 생성할 수 있다.
예를 들어, 프로세서(180)는 의미가 유사한 단어들을 하나의 대표 단어로 변환할 수 있다. 프로세서(180)는 키워드가'음악/검색' 및 '노래/검색'인 경우. 키워드'노래'를 대표 키워드'음악'으로 변환하여 정규화된 패턴을 생성할 수 있다.
또한, 프로세서(180)는 정규화된 패턴에 매칭되는 의도 패턴을 획득할 수 있다.
프로세서(180)는 정규화된 패턴에 매칭되는 의도 패턴을 획득하는 의도 획득 모듈(711)을 포함할 수 있다.
의도 획득 모듈(711)은 의도 패턴을 저장하는 의도 패턴 데이터 베이스에 정규화된 패턴과 일치하는 의도 패턴이 존재하는지 여부를 판별하고, 정규화된 패턴과 일치하는 의도 패턴을 출력할 수 있다.
한편, 프로세서(180)는 의도 패턴에 대응하는 동작을 수행할 수 있다(S609).
프로세서(180)는 의도 패턴 각각에 대응하는 기 설정된 동작을 수행할 수 있다.
예를 들어, 의도 패턴이 '날씨/검색'인 경우 프로세서(180)는 통신부(110)를 통해 외부 서버(미도시)로부터 날씨 정보를 획득하고 날씨 정보를 출력부(150)의 디스플레이부(151)를 통해 표시하거나 음향 출력부(152)룰 통해 오디오로 출력할 수 있다.
한편, 키워드에 매칭되는 의도 패턴이 존재하지 않는 경우 음성 인식이 실패할 가능성이 있다. 따라서, 프로세서(180)는 키워드에 매칭되는 의도 패턴이 존재하지 않는 경우 메인 언어가 아닌 다른 언어를 기준으로 음성에 상응하는 텍스트를 처리하여, 음성 인식을 재시도할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 음성 인식 방법을 설명하기 위한 순서도이다.
프로세서(1800는 키워드를 획득할 수 있다(S1001),
프로세서(180)는 키워드에 매칭되는 의도 패턴이 존재하는지 여부를 판별할 수 있다(S1002).
프로세서(180)는 키워드에 매칭되는 의도 패턴이 존재하는 경우, 의도 패턴에 대응하는 동작을 수행할 수 있다(S1007).
프로세서(180)는 키워드에 매칭되는 의도 패턴이 존재하지 않는 경우, 텍스트 데이터를 메인 언어가 아닌 언어로 번역하여 제2 번역 텍스트 데이터를 획득할 수 있다(S1003).
또한, 프로세서(180)는 제2 번역 텍스트 데이터에 대한 제2 형태소 분석 결과를 획득할 수 있다(S1004).
또한, 프로세서(180)는 제2 형태소 분석 결과로부터 의도 분석을 위한 제2 키워드를 추출할 수 있다.
또한, 프로세서(180)는 제2 키워드에 매칭되는 제2 의도 패턴을 획득할 수 있다(S1006).
따라서, 프로세서(180)는 한국어와 영어가 포함된 음성에 상응하는 텍스트 데이터에서 메인 언어를 한국어로 잘못 판별하여 의도 분석을 수행한 경우에도, 다시 메인 언어가 아닌 영어로 의도 분석을 수행함으로써 음성 인식 실패 가능성을 감소시킬 수 있다.
전술한 본 개시는, 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. 또한, 상기 컴퓨터는 인공 지능 장치의 프로세서(180)를 포함할 수도 있다.

Claims (20)

  1. 복수의 언어를 포함하는 음성 데이터를 획득하는 마이크로폰; 및
    상기 음성 데이터에 상응하는 텍스트 데이터를 획득하고, 상기 텍스트 데이터에 포함된 언어 중 메인 언어를 판별하고, 상기 메인 언어가 아닌 언어를 갖는 텍스트 데이터를 상기 메인 언어로 번역하여 번역 텍스트 데이터를 획득하고, 상기 번역 텍스트 데이터에 대한 형태소 분석 결과를 획득하고, 상기 형태소 분석 결과로부터 의도 분석을 위한 키워드를 추출하고, 상기 키워드에 매칭되는 의도 패턴을 획득하고, 상기 의도 패턴에 대응하는 동작을 수행하는 프로세서를 포함하는,
    인공 지능 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 텍스트 데이터에 포함된 언어를 감지하고, 상기 감지된 언어 중 메인 언어를 판별하는,
    인공 지능 장치.
  3. 제2항에 있어서,
    상기 프로세서는,
    상기 텍스트 데이터에 대하여 의미 있는 문자열 단위로 토큰화를 하여 토큰화된 텍스트 데이터 각각을 획득하고, 상기 토큰화된 텍스트 데이터 각각에 대한 언어를 감지하는,
    인공 지능 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    은닉 마르코프 모델을 이용하여 상기 토큰화된 텍스트 데이터 각각이 해당하는 언어를 감지하는,
    인공 지능 장치.
  5. 제3항에 있어서,
    상기 프로세서는,
    상기 토큰화된 텍스트 데이터 각각에 대해 감지된 언어 중 가장 많이 감지된 언어를 메인 언어로 판별하는,
    인공 지능 장치.
  6. 제1항에 있어서,
    상기 프로세서는,
    상기 번역 텍스트 데이터에 대하여 각각의 형태소 단위별로 분리된 텍스트 데이터를 획득하는,
    인공 지능 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    각각의 형태소 단위별로 분리된 텍스트 데이터를 키워드 추출 모델에 입력하고, 상기 키워드 추출 모델로부터 출력되는 키워드를 획득하는 단계를 포함하는,
    인공 지능 장치.
  8. 제1항에 있어서,
    상기 키워드 추출 모델은,
    소정의 형태소 단위별로 분리된 텍스트 데이터로부터 발화 의도를 파악하기 위해 필요한 소정의 키워드를 출력하도록 학습된 인공 신경망 모델인,
    인공 지능 장치.
  9. 제1항에 있어서,
    상기 프로세서는,
    상기 키워드 각각에 대하여 대표 키워드로 변환하여 정규화된 패턴을 생성하고, 상기 정규화된 패턴에 매칭되는 의도 패턴을 획득하는,
    인공 지능 장치.
  10. 제1항에 있어서,
    상기 프로세서는,
    상기 키워드에 매칭되는 의도 패턴이 존재하는지 판별하고, 상기 의도 패턴이 존재하지 않는 경우 상기 텍스트 데이터를 상기 메인 언어가 아닌 언어로 번역하여 제2 번역 텍스트 데이터를 획득하고, 상기 제2 번역 텍스트 데이터에 대한 제2 형태소 분석 결과를 획득하고, 상기 제2 형태소 분석 결과로부터 의도 분석을 위한 제2 키워드를 추출하고, 상기 제2 키워드에 매칭되는 제2 의도 패턴을 획득하는,
    인공 지능 장치..
  11. 복수의 언어를 포함하는 음성 데이터를 획득하는 단계;
    상기 음성 데이터에 상응하는 텍스트 데이터를 획득하는 단계;
    상기 텍스트 데이터에 포함된 언어 중 메인 언어를 판별하는 단계;
    상기 메인 언어가 아닌 언어를 갖는 텍스트 데이터를 상기 메인 언어로 번역하여 번역 텍스트 데이터를 획득하는 단계;
    상기 번역 텍스트 데이터에 대한 형태소 분석 결과를 획득하는 단계;
    상기 형태소 분석 결과로부터 의도 분석을 위한 키워드를 추출하는 단계;
    상기 키워드에 매칭되는 의도 패턴을 획득하는 단계; 및
    상기 의도 패턴에 대응하는 동작을 수행하는 단계를 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  12. 제11항에 있어서,
    상기 메인 언어를 판별하는 단계는,
    상기 텍스트 데이터에 포함된 언어를 감지하는 단계; 및
    상기 감지된 언어 중 메인 언어를 판별하는 단계를 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  13. 제12항에 있어서,
    상기 텍스트 데이터에 대하여 의미 있는 문자열 단위로 토큰화를 하여 토큰화된 텍스트 데이터 각각을 획득하는 단계;
    상기 토큰화된 텍스트 데이터 각각에 대한 언어를 감지하는 단계를 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  14. 제13항에 있어서,
    상기 토큰화된 텍스트 데이터 각각에 대한 언어를 감지하는 단계는,
    은닉 마르코프 모델을 이용하여 상기 토큰화된 텍스트 데이터 각각이 해당하는 언어를 감지하는 단계를 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  15. 제13항에 있어서,
    상기 메인 언어를 판별하는 단계는,
    상기 토큰화된 텍스트 데이터 각각에 대해 감지된 언어 중 가장 많이 감지된 언어를 메인 언어로 판별하는 단계를 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  16. 제11항에 있어서,
    상기 형태소 분석 결과를 획득하는 단계는,
    상기 번역 텍스트 데이터에 대하여 각각의 형태소 단위별로 분리된 텍스트 데이터를 획득하는 단계를 더 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  17. 제16항에 있어서,
    상기 키워드를 추출하는 단계는,
    각각의 형태소 단위별로 분리된 텍스트 데이터를 키워드 추출 모델에 입력하는 단계; 및
    상기 키워드 추출 모델로부터 출력되는 키워드를 획득하는 단계를 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  18. 제11항에 있어서,
    상기 키워드 추출 모델은,
    소정의 형태소 단위별로 분리된 텍스트 데이터로부터 발화 의도를 파악하기 위해 필요한 소정의 키워드를 출력하도록 학습된 인공 신경망 모델인,
    복수의 언어를 포함하는 음성 인식 방법.
  19. 제11항에 있어서,
    상기 의도 패턴을 획득하는 단계는,
    상기 키워드 각각에 대하여 대표 키워드로 변환하여 정규화된 패턴을 생성하는 단계; 및
    상기 정규화된 패턴에 매칭되는 의도 패턴을 획득하는 단계를 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
  20. 제11항에 있어서,
    상기 키워드에 매칭되는 의도 패턴이 존재하는지 판별하는 단계;
    상기 의도 패턴이 존재하지 않는 경우 상기 텍스트 데이터를 상기 메인 언어가 아닌 언어로 번역하여 제2 번역 텍스트 데이터를 획득하는 단계;
    상기 제2 번역 텍스트 데이터에 대한 제2 형태소 분석 결과를 획득하는 단계;
    상기 제2 형태소 분석 결과로부터 의도 분석을 위한 제2 키워드를 추출하는 단계; 및
    상기 제2 키워드에 매칭되는 제2 의도 패턴을 획득하는 단계를 더 포함하는,
    복수의 언어를 포함하는 음성 인식 방법.
KR1020190173315A 2019-12-23 2019-12-23 복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법 KR20210081103A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190173315A KR20210081103A (ko) 2019-12-23 2019-12-23 복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법
US16/812,172 US11380311B2 (en) 2019-12-23 2020-03-06 Artificial intelligence apparatus for recognizing speech including multiple languages, and method for the same
US17/831,371 US11682388B2 (en) 2019-12-23 2022-06-02 Artificial intelligence apparatus for recognizing speech including multiple languages, and method for the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190173315A KR20210081103A (ko) 2019-12-23 2019-12-23 복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20210081103A true KR20210081103A (ko) 2021-07-01

Family

ID=76439244

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190173315A KR20210081103A (ko) 2019-12-23 2019-12-23 복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법

Country Status (2)

Country Link
US (2) US11380311B2 (ko)
KR (1) KR20210081103A (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591463B (zh) * 2021-07-30 2023-07-18 中国平安人寿保险股份有限公司 意图识别方法、装置、电子设备及存储介质
US20230360640A1 (en) * 2022-05-03 2023-11-09 Microsoft Technology Licensing, Llc Keyword-based dialogue summarizer
CN115910035B (zh) * 2023-03-01 2023-06-30 广州小鹏汽车科技有限公司 语音交互方法、服务器及计算机可读存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69818796T2 (de) * 1997-06-26 2004-08-05 Koninklijke Philips Electronics N.V. Maschinenorganisiertes verfahren und vorrichtung zum übersetzen einer wortorganisierten textquelle in einen wortorganisierten zieltext
KR100238189B1 (ko) * 1997-10-16 2000-01-15 윤종용 다중 언어 tts장치 및 다중 언어 tts 처리 방법
JP2001101187A (ja) * 1999-09-30 2001-04-13 Sony Corp 翻訳装置および翻訳方法、並びに記録媒体
JP2001117921A (ja) * 1999-10-15 2001-04-27 Sony Corp 翻訳装置および翻訳方法、並びに記録媒体
JP4466666B2 (ja) * 2007-03-14 2010-05-26 日本電気株式会社 議事録作成方法、その装置及びそのプログラム
EP2192575B1 (en) * 2008-11-27 2014-04-30 Nuance Communications, Inc. Speech recognition based on a multilingual acoustic model
US20120035905A1 (en) * 2010-08-09 2012-02-09 Xerox Corporation System and method for handling multiple languages in text
JP5259020B2 (ja) * 2010-10-01 2013-08-07 三菱電機株式会社 音声認識装置
US20120316875A1 (en) * 2011-06-10 2012-12-13 Red Shift Company, Llc Hosted speech handling
KR102084646B1 (ko) * 2013-07-04 2020-04-14 삼성전자주식회사 음성 인식 장치 및 음성 인식 방법
US10037758B2 (en) * 2014-03-31 2018-07-31 Mitsubishi Electric Corporation Device and method for understanding user intent
KR102505347B1 (ko) * 2015-07-16 2023-03-03 삼성전자주식회사 사용자 관심 음성 알림 장치 및 방법
WO2017112813A1 (en) * 2015-12-22 2017-06-29 Sri International Multi-lingual virtual personal assistant
WO2021100918A1 (ko) * 2019-11-21 2021-05-27 엘지전자 주식회사 지능형 대화 서비스 제공 방법 및 지능형 대화 시스템

Also Published As

Publication number Publication date
US11682388B2 (en) 2023-06-20
US11380311B2 (en) 2022-07-05
US20220293095A1 (en) 2022-09-15
US20210193125A1 (en) 2021-06-24

Similar Documents

Publication Publication Date Title
US11663516B2 (en) Artificial intelligence apparatus and method for updating artificial intelligence model
US11289074B2 (en) Artificial intelligence apparatus for performing speech recognition and method thereof
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
KR102331675B1 (ko) 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US11211047B2 (en) Artificial intelligence device for learning deidentified speech signal and method therefor
KR102281600B1 (ko) 합성 음성에 대한 보정을 수행하는 인공 지능 장치 및 그 방법
US11605379B2 (en) Artificial intelligence server
US11398222B2 (en) Artificial intelligence apparatus and method for recognizing speech of user in consideration of user&#39;s application usage log
US11682388B2 (en) Artificial intelligence apparatus for recognizing speech including multiple languages, and method for the same
KR102306393B1 (ko) 음성 처리 장치 및 음성 처리 방법
US11195528B2 (en) Artificial intelligence device for performing speech recognition
KR102412308B1 (ko) 장치 간 연동에 기초한 장치 제어 기능을 제공하는 인공 지능 장치 및 그 방법
US20210334640A1 (en) Artificial intelligence server and method for providing information to user
US11270700B2 (en) Artificial intelligence device and method for recognizing speech with multiple languages
KR20210079666A (ko) 음향 모델을 학습시키기 위한 인공 지능 장치
US11468247B2 (en) Artificial intelligence apparatus for learning natural language understanding models
US20210334461A1 (en) Artificial intelligence apparatus and method for generating named entity table
US11423877B2 (en) Robot for providing guidance service using artificial intelligence and method of operating the same
US11676012B2 (en) Artificial intelligence server
US11211079B2 (en) Artificial intelligence device with a voice recognition
US20210118437A1 (en) Artificial intelligence server