KR20220027468A - 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법 - Google Patents

동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법 Download PDF

Info

Publication number
KR20220027468A
KR20220027468A KR1020200108358A KR20200108358A KR20220027468A KR 20220027468 A KR20220027468 A KR 20220027468A KR 1020200108358 A KR1020200108358 A KR 1020200108358A KR 20200108358 A KR20200108358 A KR 20200108358A KR 20220027468 A KR20220027468 A KR 20220027468A
Authority
KR
South Korea
Prior art keywords
electronic device
artificial intelligence
information
dongle
support module
Prior art date
Application number
KR1020200108358A
Other languages
English (en)
Inventor
엄재군
Original Assignee
삼성전기주식회사
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 삼성전기주식회사 filed Critical 삼성전기주식회사
Priority to KR1020200108358A priority Critical patent/KR20220027468A/ko
Priority to US17/148,731 priority patent/US20220067493A1/en
Priority to CN202110367261.7A priority patent/CN114118392A/zh
Publication of KR20220027468A publication Critical patent/KR20220027468A/ko

Links

Images

Classifications

    • 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
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G06F13/38—Information transfer, e.g. on bus
    • G06F13/40—Bus structure
    • G06F13/4063—Device-to-bus coupling
    • G06F13/4068—Electrical coupling
    • 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
    • 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
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Neurology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈은, 동글(dongle) 방식으로 전자기기에 접속되도록 구성된 접속기와, 접속기를 통해 전자기기로부터 제1 입력 정보를 전달받고 제1 입력 정보에 기반한 신경망 연산을 통해 출력 정보를 생성하도록 구성된 신경망 프로세서를 포함할 수 있다.

Description

동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법{Dongle-type module for supporting artificial intelligence to electronic device and method for being supported artificial intelligence of electronic device}
본 발명은 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법에 관한 것이다.
현재 대부분의 개발되는 인공지능(AI) 서비스는 단말기(예: 핸드폰, 또는 인공지능스피커)에서 센서를 통해 신호 입력을 받고 실제 연산을 하기 위해 인공지능 클라우드(AI Cloud)를 통해 학습 및 추론이 진행되는 방향으로 발전하고 있다. 즉 예를 들면 AI스피커로 입력된 음성을 클라우드로 보내 클라우드에 AI가 답변을 찾은뒤 이를 다시 스피커로 전송하는 방식을 이용하고 있다. 이에 결과를 받기 위해 최소한의 시간이 소비가 되는 문제점이 있었다. 또한 통신을 해야하기 때문에 해킹에 취약함 또한 가지고 있다.
공개특허공보 제10-2019-0089628호
본 발명은 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법을 제공한다.
본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈은, 동글(dongle) 방식으로 전자기기에 접속되도록 구성된 접속기; 및 상기 접속기를 통해 상기 전자기기로부터 제1 입력 정보를 전달받고, 상기 제1 입력 정보에 기반한 신경망 연산을 통해 출력 정보를 생성하도록 구성된 신경망 프로세서; 를 포함할 수 있다.
본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법은, 동글형 전자기기 인공지능 지원 모듈이 전자기기에 접속되는 단계; 상기 전자기기가 외부로부터 획득한 정보에 대응되는 제1 입력 정보를 생성하는 단계; 상기 전자기기가 상기 제1 입력 정보를 상기 동글형 전자기기 인공지능 지원 모듈로 전달하는 단계; 및 상기 전자기기가 상기 동글형 전자기기 인공지능 지원 모듈에 의해 상기 제1 입력 정보에 기반하여 신경망 연산된 출력 정보를 전달받는 단계; 를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 전자기기는 인공지능 클라우드(cloud)와 같은 대규모 인공지능 시스템으로의 입력 정보 전송 없이도 인공지능 판단 동작들을 지원받을 수 있으므로, 입력 정보의 통신 과정에서의 해킹을 미연에 방지할 수 있으며, 상기 통신 과정에 걸리는 시간을 절약할 수 있다.
도 1a 내지 도 1c는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈을 나타낸 도면이다.
도 1d는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈의 형태를 예시한 도면이다.
도 2a 및 도 2b는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈의 신경망을 나타낸 도면이다.
도 3a 내지 도 3e는 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법을 나타낸 순서도이다.
도 4는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법의 신경망 연산을 예시한 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1a 내지 도 1c는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈을 나타낸 도면이다.
도 1a를 참조하면, 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)의 인공지능을 지원할 수 있으며, 전자기기(200a)는 접속기(210), 프로세서(220), 입력기(230), 출력기(240) 및 메모리(250) 중 적어도 하나를 포함할 수 있다.
예를 들어, 전자기기(200a)는 스마트 폰(smart phone), 개인용 정보 단말기(personal digital assistant), 디지털 비디오 카메라(digital video camera), 디지털 스틸 카메라(digital still camera), 네트워크 시스템(network system), 컴퓨터(computer), 모니터(monitor), 태블릿(tablet), 랩탑(laptop), 넷북(netbook), 텔레비전(television), 비디오 게임(video game), 스마트 워치(smart watch), 오토모티브(Automotive) 중 하나일 수 있다.
프로세서(220)는 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다.
전자기기(200a)의 종류나 설계에 따라, 프로세서(220)는 신경망 연산을 수행할 수 있는 NPU(Neural Processing Unit)를 더 포함할 수 있다. 즉, 전자기기(200a)는 전자기기(200a)의 종류나 설계에 따라 신경망 연산이 가능하거나 불가능할 수 잇다. 전자기기(200a)가 신경망 연산이 가능할 경우, 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)의 신경망 연산이 필요한 동작 중 일부를 지원할 수 있다. 전자기기(200a)가 신경망 연산이 가능할 경우, 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)의 신경망 연산이 필요한 동작을 가능케 할 수 있다.
입력기(230)는 전자기기(200a)의 주변으로부터 제1 입력 정보에 대응되는 제1 정보를 획득할 수 있다. 예를 들어, 입력기(230)는 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 마이크, 카메라, 비디오 입력 디바이스 등일 수 있다. 제1 정보가 청각 정보일 경우, 입력기(230)는 마이크일 수 있다. 제1 정보가 시각 정보일 경우, 입력기(230)는 카메라일 수 있다. 제1 정보는 프로세서(220)의 적어도 일부의 처리 동작에 의해 제1 입력 정보로 변환될 수 있다. 예를 들어, 제1 입력 정보가 청각 정보일 경우, 입력기(230)는 소정의 시간 간격(예: 1/16000초)마다 청각 신호를 샘플링(sampling)함으로써 청각 파형(제1 입력 정보)을 얻을 수 있다.
출력기(240)는 출력 정보를 출력할 수 있다. 예를 들어, 제1 정보가 청각 정보일 경우 출력기(240)는 스피커일 수 있다. 예를 들어, 제1 정보가 시각 정보일 경우 출력기(240)는 디스플레이 부재일 수 있다.
상기 출력 정보는 인공지능 판단 정보를 포함할 수 있다. 상기 인공지능 판단 정보는 인간의 추론에 따라 도출될 수 있는 정보일 수 있다. 예를 들어, 제1 정보가 제1 언어(예: 영어)의 청각 정보일 경우, 상기 인공지능 판단 정보는 제2 언어(예: 중국어)의 청각 정보 또는 상기 제1 언어에 대해 높은 상관관계의 청각 정보(예: 질문에 대한 답변)일 수 있다. 예를 들어, 제1 정보가 인간의 얼굴 또는 눈동자의 시각 정보일 경우, 상기 인공지능 판단 정보는 상기 인간의 상태 정보(예: 식별 정보, 졸림 정보, 바이러스 감염 정보 등)일 수 있다. 예를 들어, 제1 정보가 사물의 시각 정보일 경우, 상기 인공지능 판단 정보는 사물의 상태 정보(예: 식별 정보, 좌표 정보, 움직임 정보, 위험성 정보, 날씨 정보 등)일 수 있다.
메모리(250)는 프로세서(220)의 연산에 사용되는 알고리즘이나 변수 등을 저장할 수 있다. 예를 들어, 메모리(250)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있으며, 자기 스토리지, 광학 스토리지 등과 같은 스토리지(storage)일 수 있으며, 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법에 대응되는 알고리즘을 저장할 수 있다.
접속기(210)는 동글형 전자기기 인공지능 지원 모듈(100a)의 접속기(110)에 접속되도록 구성될 수 있으며, 접속기(110)에 대응되는 구조를 가질 수 있다.
도 1a를 참조하면, 동글형 전자기기 인공지능 지원 모듈(100a)은 접속기(110) 및 신경망 프로세서(120)를 포함할 수 있다.
접속기(110)는 동글(dongle) 방식으로 전자기기(200a)에 접속되도록 구성될 수 있다. 즉, 동글형 전자기기 인공지능 지원 모듈(100a)은 동글형(dongle-type)일 수 있으므로, 전자기기(200a)의 사용자의 조작을 통해 전자기기(200a)에 자유롭게 접속될 수 있고, 전자기기(200a)의 사용자의 조작을 통해 전자기기(200a)로부터 자유롭게 분리될 수 있다.
예를 들어, 접속기(110)는 전자기기(200a)에 유선 방식으로 접속되도록 커넥터(connector)로 구현될 수 있으며, 전자기기(200a)에 근거리 통신 방식(예: 블루투스)으로 접속되도록 코일이나 안테나로 구현될 수 있다.
예를 들어, 접속기(110)가 전자기기(200a)의 접속기(210)에 접속될 때, 전자기기(200a) 및/또는 동글형 전자기기 인공지능 지원 모듈(100a)은 수신확인(acknowledgement) 신호를 송수신할 수 있으며, 전자기기(200a)는 상기 수신확인 신호를 통해 동글형 전자기기 인공지능 지원 모듈(100a)가 접속됨을 알 수 있다.
신경망 프로세서(120)는 접속기(110)를 통해 전자기기(200a)로부터 제1 입력 정보를 전달받고, 제1 입력 정보에 기반한 신경망 연산을 통해 출력 정보를 생성하도록 구성될 수 있다. 예를 들어, 신경망 프로세서(120)는 서로 유기적으로 연결된 복수의 신경망 층을 포함하는 적어도 하나의 NPU(Neural Processing Unit)로 구현될 수 있으며, PCB와 같은 기판 상에 실장될 수 있으며, 기판의 배선을 통해 접속기(110)에 전기적으로 연결될 수 있다.
이에 따라, 전자기기(200a)는 인공지능 클라우드(cloud)와 같은 대규모 인공지능 시스템으로 입력 정보를 전송하지 않고도 인공지능 판단 동작들을 지원받을 수 있으므로, 입력 정보의 통신 과정에서의 해킹을 미연에 방지할 수 있으며, 상기 통신 과정에 걸리는 시간을 절약할 수 있다.
또한, 동글형 전자기기 인공지능 지원 모듈(100a)이 전자기기(200a)에 자유롭게 접속 및 분리될 수 있으므로, 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)에서 요구될 것으로 예상되는 인공지능 판단 동작들(예: 언어 번역, 사람 상태 판단, 사물 인식 등) 중 적어도 하나에 필요한 학습을 미리 수행할 수 있다.
예를 들어, 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)에서 요구될 것으로 예상되는 인공지능 판단 동작들에 대응되는 다수의 입력 정보를 가지는 타 전자기기에 접속된 상태에서 다수의 입력 정보를 입력 받을 수 있으며, 신경망 프로세서(120)는 다수의 입력 정보에 기반한 신경망 연산을 통해 신경망 프로세서(120)의 신경망 층의 각 셀의 가중치를 지속적으로 업데이트함으로써 학습할 수 있다.
따라서, 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)가 자체적으로 학습하는 것보다 더욱 효율적으로 학습된 신경망을 전자기기(200a)로 지원할 수 있으므로, 전자기기(200a)는 더욱 정확한 인공지능 판단 정보를 얻을 수 있다.
또한, 동글형 전자기기 인공지능 지원 모듈(100a)은 특정 인공지능 판단 동작에 대해 집중적으로 학습할 수 있으므로, 전자기기(200a)의 신경망은 요구되는 인공지능 판단 동작들 중 일부를 제외하여 신경망 연산을 수행할 수 있으므로, 전자기기(200a)가 자체적으로 수행하는 인공지능 판단 동작들의 정확도도 향상될 수 있다.
또한, 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)에 비해 비교적 간단히 제작될 수 있고 전자기기(200a)보다 늦은 시기에 설계될 수 있으므로, 전자기기(200a)가 설계될 때 고려되지 않은 인공지능 판단 동작들을 전자기기(200a)로 지원할 수도 있다.
또한, 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)의 사용자의 조작을 통해 다수의 전자기기 중 하나에 선택적으로 접속될 수 있다. 예를 들어, 동글형 전자기기 인공지능 지원 모듈(100a)은 특정 장소에 고정 배치될 수 있으며, 다수의 전자기기는 다수의 전자기기를 각각 휴대하는 다수의 사용자가 동글형 전자기기 인공지능 지원 모듈(100a)을 지나감에 따라 동글형 전자기기 인공지능 지원 모듈(100a)에 순차적으로 접속 및 분리될 수 있다.
도 1b를 참조하면, 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈(100b)은, 입력기(130) 및 확장 접속기(140) 중 적어도 하나를 더 포함할 수 있다.
입력기(130)는 외부로부터 획득한 정보(예: 청각 정보, 시각 정보)에 대응되는 제2 입력 정보를 신경망 프로세서(120)로 제공할 수 있다. 입력기(130)는 전자기기(200a)의 입력기(230)에 대응될 수 있다.
신경망 프로세서(120)는 제1 입력 정보와 제2 입력 정보 중 적어도 하나에 기반한 출력 정보(또는 인공지능 판단정보)를 생성할 수 있다.
이에 따라, 신경망 프로세서(120)는 더욱 다양한 인공지능 판단정보를 제공할 수 있다.
예를 들어, 입력기(130)와 입력기(230)는 서로 다른 위치(예: 차량의 전방 및 후방)의 영상을 획득할 수 있으며, 신경망 프로세서(120)는 제2 입력 정보에 기반하여 차량의 자율주행에 필요한 판단 정보를 생성할 수 있으며, 설정에 따라 제1 입력 정보 및 제2 입력 정보에 기반하여 차량의 자율주행에 필요한 판단 정보를 생성할 수 있다.
확장 접속기(140)는 확장 전자기기(300a)에 유선 접속 방식 또는 근거리 무선 접속 방식으로 접속되도록 구성될 수 있다. 예를 들어, 확장 접속기(140)는 접속기(110)와 유사한 방식으로 확장 전자기기(300a)에 접속될 수 있다.
신경망 프로세서(120)에 의해 생성된 출력 정보는 확장 접속기(140)를 통해 확장 전자기기(300a)로 전달될 수 있다.
예를 들어, 확장 전자기기(300a)는 차량을 제어하는 장치일 수 있으며, 차량에 배치될 수 있다. 예를 들어, 신경망 프로세서(120)의 출력 정보인 인공지능 판단정보는 운전자의 졸음 판단 정보일 수 있으며, 확장 전자기기(300a)는 운전자의 졸음 판단 정보에 기반하여 경고 신호를 출력하거나 차량의 주행을 중단시킬 수 있다. 예를 들어, 신경망 프로세서(120)의 출력 정보인 인공지능 판단정보는 차량 외부 사물 정보일 수 있으며, 확장 전자기기(300a)는 차량 외부 사물 정보에 기반하여 운전자에게 청각 정보를 제공할 수 있다.
도 1c를 참조하면, 확장 전자기기(300b)는 전자기기(200a)에 접속될 수 있으며, 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈(100a)은 전자기기(200a)를 경유하여 인공지능 판단정보를 확장 전자기기(300b)로 전달할 수 있다.
예를 들어, 전자기기(200a)는 동글형 전자기기 인공지능 지원 모듈(100a)로 연산결과 전송 요청 신호를 전송할 수 있으며, 동글형 전자기기 인공지능 지원 모듈(100a)는 연산결과 전송 요청 신호를 수신한 경우에 출력 정보를 전자기기(200a)로 전달할 수 있다. 전자기기(200a)는 프로세서(220)를 통해 상기 출력 정보를 사용자가 원하는 형태로 변환할 수 있으며, 상기 출력 정보에 대응되는 변환된 출력 정보를 출력하거나 확장 전자기기(300b)로 전달할 수 있다.
만약 신경망 프로세서(120)에 포함된 NPU의 개수가 2개 이상일 경우, 신경망 프로세서(120)는 서로 다른 복수의 인공지능 판단정보(예: 음성인식 정보 및 영상인식 정보)를 함께 전자기기(200a) 및/또는 확장 전자기기(300b)로 제공할 수 있다.
도 1d는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈의 형태를 예시한 도면이다.
도 1d를 참조하면, 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈(100d)은 접속부재(111) 및 동글형(dongle-type) 본체(112)를 포함할 수 있다.
도 1a 내지 도 1c에 도시된 접속부는 접속부재(111)를 포함할 수 있으며, 도 1b에 도시된 신경망 프로세서 및 입력기는 동글형 본체(112) 내에 배치될 수 있다.
예를 들어, 접속부재(111)는 USB, I2C, SPI와 같은 인터페이스(interface) 방식에 대응되는 형태를 가질 수 있다.
도 2a 및 도 2b는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈의 신경망을 나타낸 도면이다.
도 2a를 참조하면, 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈의 신경망 프로세서(120a)는 복수의 신경망 층(L1, L2, L3, L4, L5, L6, L7, L8)을 포함할 수 있으며, 복수의 신경망 층(L1, L2, L3, L4, L5, L6, L7, L8) 각각은 복수의 셀(c1, c2, c3, c4, c5, c6, c7, c8)을 포함할 수 있다. 복수의 신경망 층(L1, L2, L3, L4, L5, L6, L7, L8)은 서로 유기적으로 연결될 수 있다.
예를 들어, 복수의 신경망 층(L1, L2, L3, L4, L5, L6, L7, L8)은 영상 데이터를 인식할 수 있는 컨볼루션(convolution) 신경망, BPTT(Back Propagation Through Time) 특성과 같은 연속 시간 특성을 갖는 데이터를 인식할 수 있는 리커런트(recurrent) 신경망으로 구현될 수 있으며, LSTM(Long Short-Term Memory) 방식과 같은 딥 러닝(deep Learning) 구조를 가질 수 있으며, 입력 층(Input Layer), 은닉 층(Hidden Layer), 완전 연결 층(Fully Connected Layer) 및 출력 층(Output Layer)과 같은 다양한 유형의 층으로 구현될 수 있다.
예를 들어, 입력 정보가 청각 정보일 경우, 신경망 프로세서(120a)는 Gaussian Mixture Model 및 Hidden Markov Model 중 적어도 일부분에 기반한 변수가 적용된 구조를 가질 수 있으며, Lexical Tree기반이나 wFST( Weighted Finite State Teansducer) 기반 디코딩 방식의 적어도 일부분에 기반한 변수가 적용된 구조를 가질 수 있다.
복수의 셀(c1, c2, c3, c4, c5, c6, c7, c8)은 가중치를 가질 수 있으며, 가중치는 입력 정보의 입력에 따라 지속적으로 업데이트될 수 있다.
본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈 및/또는 전자기기의 할당 모드가 제1 할당모드일 경우, 신경망 프로세서(120a)는 입력 정보로부터 인공지능 판단 정보를 생성할 수 있다.
도 2b를 참조하면, 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈의 신경망 프로세서(120b)는 복수의 신경망 층(L1, L2, L3, L4, L5)을 포함할 수 있으며, 전자기기의 프로세서(220b)는 복수의 신경망 층(L6, L7, L8)을 포함할 수 있다.
본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈 및/또는 전자기기의 할당 모드가 제2 할당모드일 경우, 신경망 프로세서(120b)는 입력 정보로부터 선(pre) 인공지능 판단 정보를 생성할 수 있으며, 전자기기의 프로세서(220b)는 선 인공지능 판단 정보로부터 인공지능 판단 정보를 생성할 수 있다.
이에 따라, 신경망 프로세서(120b)에서 요구되는 연산 규모는 축소될 수 있으므로, 신경망 프로세서(120b)의 사이즈 및 단가는 축소될 수 있으며, 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈은 동글형으로 더욱 효율적으로 구현될 수 있다.
또한, 전자기기는 자신의 신경망의 가속에 동글형 전자기기 인공지능 지원 모듈의 신경망 프로세서(120b)를 사용할 수 있으므로, 자체적인 신경망 연산의 속도 및/또는 정확도를 효율적으로 향상시킬 수 있다.
도 3a 내지 도 3e는 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법을 나타낸 순서도이다.
도 3a를 참조하면, 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법을 수행하는 전자기기는, 동글형 전자기기 인공지능 지원 모듈이 전자기기에 접속되는 단계(S110), 외부로부터 획득한 정보에 대응되는 제1 입력 정보를 생성하는 단계(S120), 제1 입력 정보를 상기 동글형 전자기기 인공지능 지원 모듈로 전달하는 단계(S130) 및 동글형 전자기기 인공지능 지원 모듈에 의해 제1 입력 정보에 기반하여 신경망 연산된 출력 정보를 전달받는 단계(S140)를 수행할 수 있다.
이에 따라, 전자기기는 인공지능 클라우드(cloud)와 같은 대규모 인공지능 시스템으로 입력 정보를 전송하지 않고도 인공지능 판단 동작들을 지원받을 수 있으므로, 입력 정보의 통신 과정에서의 해킹을 미연에 방지할 수 있으며, 상기 통신 과정에 걸리는 시간을 절약할 수 있다.
도 3b를 참조하면, 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법을 수행하는 전자기기는, 동글형 전자기기 인공지능 지원 모듈로부터 토픽(topic) 정보를 전달받는 단계(S111) 및 전자기기의 필요 정보와 토픽 정보를 비교하고 비교결과에 기반하여 동글형 전자기기 인공지능 지원 모듈의 사용 여부를 결정하는 단계(S112, S113)를 더 수행할 수 있다.
여기서, 토픽 정보는 동글형 전자기기 인공지능 지원 모듈이 제공하는 인공지능 판단 동작의 식별 정보, 종류 정보, 유형 정보 및 학습 정보 중 적어도 하나를 포함할 수 있다. 전자기기의 필요 정보는 전자기기가 요구하는 인공지능 판단 동작의 동작의 식별 정보, 종류 정보, 유형 정보 및 학습 정보 중 적어도 하나를 포함할 수 있다.
상기 전자기기는 토픽 정보를 통해 동글형 전자기기 인공지능 지원 모듈이 전자기기에 적합한지 여부를 효율적으로 알 수 있으며, 동글형 전자기기 인공지능 지원 모듈이 제공하는 인공지능 판단 동작과 전자기기의 자체적인 인공지능 판단 동작 간의 동작 충돌을 방지할 수 있다.
도 3c를 참조하면, 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법을 수행하는 전자기기는, 출력 정보를 확장 전자기기로 전달하는 단계(S150)를 더 수행할 수 있다.
동글형 전자기기 인공지능 지원 모듈이 확장 전자기기에 특화된 인공지능 판단 동작을 효율적으로 준비할 수 있으므로, 동글형 전자기기 인공지능 지원 모듈이 제공할 수 있는 인공지능 판단 동작은 더욱 댜앙한 주체에 의해 사용될 수 있으며, 전자기기와 확장 전자기기 간의 인공지능 판단 동작 호환성은 향상될 수 있다.
도 3d를 참조하면, 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법을 수행하는 전자기기는, 지원 모드를 결정하는 단계(S115)를 더 수행할 수 있으며, 지원 모드가 제1 지원 모드인지 확인(S116)할 수 있으며, 지원 모드가 제1 지원 모드일 경우에만 이후의 단계(S120, S130, S140)를 수행할 수 있으며, 지원 모드가 제2 지원 모드인지 확인(S117)할 수 있으며, 지원 모드가 제2 지원 모드일 경우에 동글형 전자기기 인공지능 지원 모듈이 획득한 정보에 대응되는 제2 입력 정보에 기반하여 신경망 연산된 출력 정보를 전달(S145)받을 수 있다. 예를 들어, 상기 제1 지원 모드는 도 1a에 도시된 동글형 전자기기 인공지능 지원 모듈 및 전자기기의 동작에 대응될 수 있으며, 상기 제2 지원 모드는 도 1b에 도시된 동글형 전자기기 인공지능 지원 모듈 및 전자기기의 동작에 대응될 수 있다.
이에 따라, 동글형 전자기기 인공지능 지원 모듈과 전자기기의 조합 종류는 더욱 다양해질 수 있으며, 동글형 전자기기 인공지능 지원 모듈이 제공할 수 있는 인공지능 판단 정보는 더욱 다양해질 수 있다.
도 3e를 참조하면, 본 발명의 일 실시 예에 따른 전자기기가 인공지능을 지원받는 방법을 수행하는 전자기기는, 할당 모드를 결정하는 단계(S135)를 더 수행할 수 있으며, 할당 모드가 제1 할당 모드인지 확인(S136)할 수 있으며, 할당 모드가 제1 할당 모드일 경우에 인공지능 판단 정보를 전달받을(S141) 수 있으며, 할당 모드가 제2 할당 모드인지 확인(S137)할 수 있으며, 할당 모드가 제2 할당 모드일 경우에 선(pre) 인공지능 판단 정보를 전달받을(S138) 수 있으며, 선 인공지능 판단 정보로부터 신경망 연산을 수행함으로써 인공지능 판단정보를 생성(S139)할 수 있다. 예를 들어, 상기 제1 할당 모드 및 제2 할당 모드는 도 2a 및 도 2b에 도시된 제1 할당모드 및 제2 할당모드에 각각 대응될 수 있다.
이에 따라, 동글형 전자기기 인공지능 지원 모듈의 성능 및 사이즈는 동글형 전자기기 인공지능 지원 모듈이 제공하는 인공지능 판단 정보에 더욱 적응적일 수 있다.
도 4는 본 발명의 일 실시 예에 따른 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법의 신경망 연산을 예시한 도면이다.
도 4를 참조하면, 과거 신경망(410)은 과거의 입력 정보(xt-1)를 입력 받고, 과거의 출력 정보(ht-1)와 과거의 상태 정보(Ct-1)를 출력할 수 있다.
현재 신경망(420)은 현재의 입력 정보(xt)와 과거의 출력 정보(ht-1)와 과거의 상태 정보(Ct-1)를 입력 받고, 현재의 출력 정보(ht)와 현재의 상태 정보(Ct)를 출력할 수 있다.
미래 신경망(430)은 미래의 입력 정보(xt+1)와 현재의 출력 정보(ht)와 현재의 상태 정보(Ct)를 입력 받고, 미래의 출력 정보(ht+1)와 미래의 상태 정보(Ct+1)를 출력할 수 있다.
신경망은 현재의 입력 정보(xt)와 과거의 출력 정보(ht-1)에 시그모이드 함수(σ) 또는 쌍곡선 탄젠트(hyperbolic tangent) 함수(tanh)를 이용하여 변수를 생성할 수 있으며, 상기 변수를 매개로 하여 현재의 출력 정보(ht)를 출력할 수 있다.
시그모이드 함수(σ)와 쌍곡선 탄젠트 함수(tanh)는 입력값이 0에서 무한대 중 하나일 때 0 내지 1의 출력값을 출력하는 함수이며, 비선형적인 입력값을 선형적인 출력값으로 변환함으로써, 신경망의 변수 생성 과정에 동적 특성을 부여할 수 있다.
상기 신경망은 과거의 입력 정보(xt-1)에 기초하여 과거의 출력 정보(ht-1)를 생성하였으며, 과거의 상태 정보를 가질 수 있다.
이후, 상기 신경망은 하기의 수학식 1에 따른 함수를 이용하여 과거의 상태 정보(Ct-1)에서 버릴 정보를 선택할 수 있다.
Figure pat00001
또한, 상기 신경망은 하기의 수학식 2 내지 수학식 4에 따른 함수를 이용하여 과거의 상태 정보(Ct-1)에서 추가로 기억될 정보를 생성함으로써, 현재의 상태 정보(Ct)를 생성할 수 있다. 여기서, Wi와 Wc는 제1 또는 제2 가중치 정보이고, bf는 상수이다.
Figure pat00002
Figure pat00003
Figure pat00004
또한, 상기 신경망은 하기의 수학식 5 및 수학식 6에 따른 함수를 이용하여 현재의 출력 정보(ht)를 생성할 수 있다.
Figure pat00005
Figure pat00006
한편, Wt와 Wi와 Wc는 제1 또는 제2 가중치 정보이고, bf와 bi와 bc와 bo는 상수이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
100a: 전자기기 인공지능 지원 모듈
110: 접속기(access channel)
111: 접속부재
112: 동글형(dongle-type) 본체
120: 신경망 프로세서
130: 입력기(input channel)
140: 확장 접속기
200a: 전자기기
240: 출력기(output channel)
300a: 확장 전자기기

Claims (15)

  1. 동글(dongle) 방식으로 전자기기에 접속되도록 구성된 접속기; 및
    상기 접속기를 통해 상기 전자기기로부터 제1 입력 정보를 전달받고, 상기 제1 입력 정보에 기반한 신경망 연산을 통해 출력 정보를 생성하도록 구성된 신경망 프로세서; 를 포함하는 동글형 전자기기 인공지능 지원 모듈.
  2. 제1항에 있어서,
    상기 신경망 프로세서의 출력 정보는 상기 전자기기가 상기 전자기기의 신경망 층을 통해 인공지능 판단 정보를 생성하도록 상기 전자기기로 전달되는 선(pre)-인공지능 판단 정보를 포함하는 동글형 전자기기 인공지능 지원 모듈.
  3. 제2항에 있어서,
    상기 인공지능 판단 정보는 음성 인식 정보 및 영상 인식 정보 중 적어도 하나를 포함하는 동글형 전자기기 인공지능 지원 모듈.
  4. 제1항에 있어서,
    외부로부터 획득한 정보에 대응되는 제2 입력 정보를 상기 신경망 프로세서로 제공하는 입력기를 더 포함하고,
    상기 신경망 프로세서는 상기 제1 입력 정보와 상기 제2 입력 정보에 기반한 상기 출력 정보를 생성하는 동글형 전자기기 인공지능 지원 모듈.
  5. 제4항에 있어서,
    상기 입력기는 외부의 청각 정보 및 시각 정보 중 적어도 하나를 획득하도록 구성된 동글형 전자기기 인공지능 지원 모듈.
  6. 제1항에 있어서,
    상기 출력 정보는 상기 접속기를 통해 상기 전자기기로 전달되는 동글형 전자기기 인공지능 지원 모듈.
  7. 제1항에 있어서,
    상기 출력 정보는 확장 전자기기로 전달되는 동글형 전자기기 인공지능 지원 모듈.
  8. 제7항에 있어서,
    상기 확장 전자기기에 유선 접속 방식 또는 근거리 무선 접속 방식으로 접속되도록 구성된 확장 접속기를 더 포함하는 동글형 전자기기 인공지능 지원 모듈.
  9. 제8항에 있어서,
    상기 신경망 프로세서의 출력 정보는 상기 확장 전자기기가 상기 출력 정보에 기반하여 차량을 제어하도록 구성된 동글형 전자기기 인공지능 지원 모듈.
  10. 동글형 전자기기 인공지능 지원 모듈이 전자기기에 접속되는 단계;
    상기 전자기기가 외부로부터 획득한 정보에 대응되는 제1 입력 정보를 생성하는 단계;
    상기 전자기기가 상기 제1 입력 정보를 상기 동글형 전자기기 인공지능 지원 모듈로 전달하는 단계; 및
    상기 전자기기가 상기 동글형 전자기기 인공지능 지원 모듈에 의해 상기 제1 입력 정보에 기반하여 신경망 연산된 출력 정보를 전달받는 단계; 를 포함하는 전자기기가 인공지능을 지원받는 방법.
  11. 제10항에 있어서,
    상기 전자기기가 상기 동글형 전자기기 인공지능 지원 모듈로부터 토픽(topic) 정보를 전달받는 단계; 및
    상기 전자기기가 상기 전자기기의 필요 정보와 상기 토픽 정보를 비교하고 비교결과에 기반하여 상기 동글형 전자기기 인공지능 지원 모듈의 사용 여부를 결정하는 단계; 를 더 포함하는 전자기기가 인공지능을 지원받는 방법.
  12. 제10항에 있어서,
    상기 전자기기가 상기 출력 정보를 확장 전자기기로 전달하는 단계를 더 포함하는 전자기기가 인공지능을 지원받는 방법.
  13. 제10항에 있어서,
    상기 전자기기 또는 상기 동글형 전자기기 인공지능 지원 모듈이 지원 모드를 결정하는 단계를 더 포함하고,
    상기 생성하는 단계, 상기 전달하는 단계 및 상기 전달받는 단계는 상기 결정하는 단계에서 결정된 지원 모드가 제1 지원 모드로 결정된 경우에 선택적으로 수행되고,
    상기 전달받는 단계는 상기 지원 모드가 제2 지원 모드로 결정된 경우에 상기 동글형 전자기기 인공지능 지원 모듈이 획득한 정보에 대응되는 제2 입력 정보에 기반하여 신경망 연산된 출력 정보를 전달받는 전자기기가 인공지능을 지원받는 방법.
  14. 제13항에 있어서,
    상기 전자기기 또는 상기 동글형 전자기기 인공지능 지원 모듈이 할당 모드를 결정하는 단계; 및
    상기 할당 모드가 제2 할당 모드로 결정된 경우에 상기 전자기기가 선-인공지능 판단 정보로부터 신경망 연산하여 인공지능 판단 정보를 생성하는 단계; 를 포함하고,
    상기 제1 입력 정보 또는 상기 제2 입력 정보에 기반하여 신경망 연산된 출력 정보는 상기 할당 모드가 제1 할당 모드로 결정된 경우에 인공지능 판단 정보를 포함하고, 상기 할당 모드가 제2 할당 모드로 결정된 경우에 선(pre)-인공지능 판단 정보를 포함하는 전자기기가 인공지능을 지원받는 방법.
  15. 제10항의 전자기기가 인공지능을 지원받는 방법을 수행하는 전자기기.
KR1020200108358A 2020-08-27 2020-08-27 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법 KR20220027468A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200108358A KR20220027468A (ko) 2020-08-27 2020-08-27 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법
US17/148,731 US20220067493A1 (en) 2020-08-27 2021-01-14 Electronic device with artificial intelligence dongle-type supporting module, and electronic device artificial intelligence supporting method
CN202110367261.7A CN114118392A (zh) 2020-08-27 2021-04-06 加密锁型模块、支持人工智能的方法及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200108358A KR20220027468A (ko) 2020-08-27 2020-08-27 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법

Publications (1)

Publication Number Publication Date
KR20220027468A true KR20220027468A (ko) 2022-03-08

Family

ID=80357050

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200108358A KR20220027468A (ko) 2020-08-27 2020-08-27 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법

Country Status (3)

Country Link
US (1) US20220067493A1 (ko)
KR (1) KR20220027468A (ko)
CN (1) CN114118392A (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220215849A1 (en) * 2021-01-06 2022-07-07 Plantronics, Inc. Wireless connection base integrating an inference processing unit

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190089628A (ko) 2018-01-23 2019-07-31 삼성전자주식회사 복수 개의 전자 디바이스를 이용하여 신경망 모델을 처리하는 방법 및 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10747837B2 (en) * 2013-03-11 2020-08-18 Creopoint, Inc. Containing disinformation spread using customizable intelligence channels
KR20180111271A (ko) * 2017-03-31 2018-10-11 삼성전자주식회사 신경망 모델을 이용하여 노이즈를 제거하는 방법 및 장치
US11527980B2 (en) * 2018-07-09 2022-12-13 Shimano Inc. Electronic device and human-powered vehicle system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190089628A (ko) 2018-01-23 2019-07-31 삼성전자주식회사 복수 개의 전자 디바이스를 이용하여 신경망 모델을 처리하는 방법 및 시스템

Also Published As

Publication number Publication date
US20220067493A1 (en) 2022-03-03
CN114118392A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN113228064A (zh) 用于个性化的机器学习模型的分布式训练
US11599070B2 (en) Electronic device and method for determining task including plural actions
CN111753498B (zh) 文本处理方法、装置、设备及存储介质
KR20220010927A (ko) 엣지 인공지능 모듈 및 이의 가중치 업그레이드 방법
CN110516113B (zh) 一种视频分类的方法、视频分类模型训练的方法及装置
KR101924748B1 (ko) 사람 얼굴 모델 행렬 트레이닝 방법 및 장치, 및 저장 매체
US11314951B2 (en) Electronic device for performing translation by sharing context of utterance and operation method therefor
KR20190089628A (ko) 복수 개의 전자 디바이스를 이용하여 신경망 모델을 처리하는 방법 및 시스템
EP3540611A1 (en) Electronic device for performing translation by sharing context of utterance and operation method therefor
KR102408462B1 (ko) 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치
KR20220027468A (ko) 동글형 전자기기 인공지능 지원 모듈 및 전자기기가 인공지능을 지원받는 방법
US20230055991A1 (en) System and method for interactive dialogue
US20220012436A1 (en) Electronic device and method for translating language
JP2020144755A (ja) 演算装置
KR20190089446A (ko) 터치 입력 프로세싱 방법 및 디바이스
CN112488157A (zh) 一种对话状态追踪方法、装置、电子设备及存储介质
US11669201B2 (en) Electronic device and method for input coordinate prediction
KR102476292B1 (ko) 인공지능을 이용하여 차량의 페달 박스 촬영 영상 데이터를 가공하는 블랙박스 관리 시스템
US11854528B2 (en) Method and system for detecting unsupported utterances in natural language understanding
KR102384892B1 (ko) 뉴럴 네트워크를 이용한 기부 컨텐츠 추천 방법 및 장치
KR102399945B1 (ko) 유아 학습용 전자 장치의 광학 문자 인식 방법
US11646021B2 (en) Apparatus for voice-age adjusting an input voice signal according to a desired age
KR20220043534A (ko) 컨텐츠 추천 서비스를 제공하는 전자 장치 및 그 방법
EP3605389A1 (en) Motion synthesis apparatus and motion synthesis method
KR102562282B1 (ko) 성향 기반 매칭 방법 및 장치