KR20220119219A

KR20220119219A - 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법

Info

Publication number: KR20220119219A
Application number: KR1020210022563A
Authority: KR
Inventors: 박상민; 송가진
Original assignee: 삼성전자주식회사
Priority date: 2021-02-19
Filing date: 2021-02-19
Publication date: 2022-08-29
Also published as: US20220301553A1; WO2022177164A1

Abstract

온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법이 개시된다. 다양한 실시예에 따른, 전자 장치는, 상기 전자 장치에서 사용될 명령 또는 데이터를 상기 전자 장치의 외부로부터 수신하는 입력 모듈; 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈; 상기 입력 모듈 및 상기 디스플레이 모듈과 전기적으로 연결된 프로세서; 및 상기 프로세서와 전기적으로 연결되고, 제1 어플리케이션을 포함하는 메모리를 포함할 수 있고, 상기 프로세서는, 상기 제1 어플리케이션이 실행된 경우, 상기 입력 모듈 또는 상기 디스플레이 모듈로부터 사용자 요청을 수신하고, 상기 사용자 요청과 연관된 컨텐츠 데이터를 결정하고, 상기 컨텐츠 데이터에 기초하여, 상기 사용자 요청에 대응하는 요청 정보를 생성하고, 상기 사용자 요청을 처리할 제2 어플리케이션을 결정하고, 상기 요청 정보를 상기 제2 어플리케이션에 전송할 수 있다.

Description

온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법{Electronic Device and Method for Providing On-device Artificial Intelligence Service}

아래의 개시는 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법에 관한 것이다.

온디바이스(on-device) 인공지능 서비스란, 스마트폰, 데스크탑, 스마트 워치 등의 단말에서 인공지능 모델을 이용하여 제공하는 서비스를 의미할 수 있다. 종래, 온디바이스 인공지능 서비스는, 하드웨어 리소스의 제약으로 인하여, 서버와 연동하여 인공지능 모델의 연산을 처리하는 등으로 구현되었다. 이 경우, 오프라인에서 동작하는 어플리케이션에 대해선 인공지능 서비스가 제공될 수 없다.

또한, 오프라인에서 동작하는 어플리케이션 마다 별도의 인공지능 모델을 구현하여 이용하는 것은 개발 비용이나, 저장 공간의 과도한 증가를 일으킬 수 있다.

최근, 일부 스마트폰과 같은 전자 장치에서는, 보이스 어시스턴트(voice assistant, VA)를 제공할 수 있다. 갤럭시의 빅스비 또는 아이폰의 시리가 대표적인 보이스 어시스턴트의 예이다. 보이스 어시스턴트는 독립된 서비스이기 때문에, 특정 어플리케이션 내에서 사용자 요청에 따른 인공지능 서비스를 제공할 수 없으며, 어플리케이션과 연동되어 사용되더라도 시스템 복잡도가 과도하게 증가할 수 있다.

따라서, 이미지 파일들을 관리하는 어플리케이션인 '갤러리'나 저장 장치에 저장된 파일들을 관리하는 어플리케이션인 '내파일'과 같은 어플리케이션에서도, 자연어 처리와 같은 온디바이스 인공지능 서비스를 제공할 수 있도록 하는 기술이 요구된다.

본 문서에 개시되는 다양한 실시예에 따르면, 미들 웨어에 포함되는 모듈들을 이용하여 온디바이스 인공지능 서비스를 제공함으로써, 서버와의 연동이나, VA 와의 연동 없이도, 오프라인에서 동작할 수 있는 어플리케이션에 대해 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법을 제공할 수 있다.

본 문서에 개시되는 다양한 실시예에 따르면, 도메인 분류를 위한 연산을 처리하거나, 어플리케이션 마다 별도의 인공지능 모델을 저장할 필요가 없기 때문에, 시스템 복잡도나, 저장 공간 측면에서 유리한 전자 장치 및 방법을 제공할 수 있다.

다양한 실시예에 따른, 전자 장치는, 상기 전자 장치에서 사용될 명령 또는 데이터를 상기 전자 장치의 외부로부터 수신하는 입력 모듈; 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈; 상기 입력 모듈 및 상기 디스플레이 모듈과 전기적으로 연결된 프로세서; 및 상기 프로세서와 전기적으로 연결되고, 제1 어플리케이션을 포함하는 메모리를 포함할 수 있고, 상기 프로세서는, 상기 제1 어플리케이션이 실행된 경우, 상기 입력 모듈 또는 상기 디스플레이 모듈로부터 사용자 요청을 수신하고, 상기 사용자 요청과 연관된 컨텐츠 데이터를 결정하고, 상기 컨텐츠 데이터에 기초하여, 상기 사용자 요청에 대응하는 요청 정보를 생성하고, 상기 사용자 요청을 처리할 제2 어플리케이션을 결정하고, 상기 요청 정보를 상기 제2 어플리케이션에 전송할 수 있다.

다양한 실시예에 따른, 전자 장치는 상기 전자 장치에서 사용될 명령 또는 데이터를 상기 전자 장치의 외부로부터 수신하는 입력 모듈; 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈; 상기 입력 모듈 및 상기 디스플레이 모듈과 전기적으로 연결된 프로세서; 및 상기 프로세서와 전기적으로 연결되고, 제1 어플리케이션을 포함하는 메모리를 포함할 수 있다.

상기 프로세서는, 상기 제1 어플리케이션이 실행된 경우, 상기 입력 모듈 또는 상기 디스플레이 모듈로부터 사용자 요청을 수신하고, 자연어 처리를 수행하도록 트레이닝된 인공지능 모델을 이용하여, 상기 사용자 요청을 분석하고, 상기 사용자 요청을 분석한 결과에 기초하여, 상기 사용자 요청을 처리할 제2 어플리케이션을 결정하고, 상기 제2 어플리케이션을 통해 상기 사용자 요청을 처리할 수 있다.

다양한 실시예에 따른, 온디바이스 인공지능 서비스를 제공하는 방법은, 제1 어플리케이션이 실행된 경우, 상기 입력 모듈 또는 상기 디스플레이 모듈로부터 사용자 요청을 수신하는 단계; 상기 사용자 요청과 연관된 컨텐츠 데이터를 결정하는 단계; 상기 컨텐츠 데이터에 기초하여, 상기 사용자 요청에 대응하는 요청 정보를 생성하는 단계; 상기 사용자 요청을 처리할 제2 어플리케이션을 결정하는 단계; 및 상기 컨텐츠 데이터 및 상기 요청 정보를 상기 제2 어플리케이션에 전송하는 단계를 포함할 수 있다.

본 문서에 개시되는 다양한 실시예에 따르면, 미들 웨어에 포함되는 모듈들을 이용하여 온디바이스 인공지능 서비스를 제공함으로써, 서버와의 연동이나, VA 와의 연동 없이도, 오프라인에서 동작할 수 있는 어플리케이션에 대해 온디바이스 인공지능 서비스를 제공할 수 있다.

본 문서에 개시되는 다양한 실시예에 따르면, 도메인 분류를 위한 연산을 처리하거나, 어플리케이션 마다 별도의 인공지능 모델을 저장할 필요가 없기 때문에, 시스템 복잡도나, 저장 공간 측면에서 유리할 수 있다.

본 문서에 개시되는 다양한 실시예에 따르면, 사용자 요청에 대응하는 텍스트에 다양한 변형이 발생하더라도 정확한 의미를 인식하고, 사용자 요청을 처리할 수 있다.

도 1은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시예들에 따른, 전자 장치 내에서 온디바이스 인공지능 서비스의 제공되는 과정을 도시한 것이다.
도 3은 다양한 실시예들에 따른, 전자 장치 내에서 온디바이스 인공지능 서비스의 제공되는 과정을 도시한 것이다.
도 4a 내지 도 4g는, 다양한 실시예들에 따른, 온디바이스 인공지능 서비스의 제공되는 예를 도시한 것이다.
도 5는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 6은 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 7은 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

도 2는 다양한 실시예들에 따른, 전자 장치(101) 내에서 온디바이스 인공지능 서비스의 제공되는 과정을 도시한 것이다.

다양한 실시예에 따르면, 전자 장치(101) 내에서, 제1 어플리케이션(203) (예:도 1의 어플리케이션(146))이 실행되고, 사용자 요청에 대한 사용자 발화(201)나 인터페이스 입력(202)이 전자 장치(101)의 입력 모듈(150)을 통해 수신된 경우, 전자 장치(101)는 미들웨어(204) (예: 도1의 미들웨어(204)(144))에 포함되는 모듈들(205, 206)을 이용하여 사용자 요청에 대한 자연어 처리를 수행하고, 사용자 요청을 처리할 제2 어플리케이션(207)을 결정하고, 제2 어플리케이션(207)에 자연어 처리가 수행된 결과를 전달할 수 있다.

다양한 실시예에 따르면, 전자 장치(101)는, 미들웨어(204)에 포함되는 모듈들(205, 206)을 이용함으로써, 서버와의 연동이나, 보이스 어시스턴트와의 연동 없이도, 오프라인에서 동작할 수 있는 어플리케이션에 대해 온디바이스 인공지능 서비스를 제공할 수 있다.

다양한 실시예에 따르면, 본 발명은 도메인 분류를 위한 연산을 처리하거나, 어플리케이션 마다 별도의 인공지능 모델을 저장할 필요가 없기 때문에, 시스템 복잡도나, 저장 공간 측면에서 유리할 수 있다.

다양한 실시예에 따르면, 사용자 요청은, 제1 어플리케이션(203)이 실행된 상태에서, 제2 어플리케이션(207)과 관련하여 사용자가 처리하고자 하는 동작을 의미할 수 있다.

본 발명에서, 제1 어플리케이션(203)은 현재 실행 중인 어플리케이션을 의미할 수 있으며, 제2 어플리케이션(207)은 사용자 요청을 처리하기 위한 어플리케이션일 수 있다. 제1 어플리케이션(203)과 제2 어플리케이션(207)은 동일한 어플리케이션일 수 이거나, 서로 다른 어플리케이션일 수 있다. 제1 어플리케이션(203) 및 상기 제2 어플리케이션(207) 중 적어도 하나는, 오프라인에서 동작할 수 있는 어플리케이션일 수 있다.

다양한 실시예에 따르면, 사용자 요청은, 사용자가 컨텐츠 데이터과 관련하여 처리하고자 하는 동작일 수 있다. 컨텐츠 데이터는, 문서, 이미지, 오디오, 비디오와 같은 컨텐츠를 포함하는 파일을 의미하고, 전자 장치(101)에 미리 저장될 수 있다.

다양한 실시예에 따르면, 사용자 요청은, 특정 컨텐츠 데이터의 검색, 첨부, 공유에 관한 요청을 의미할 수 있고, 다른 어플리케이션에 특정 컨텐츠 데이터와 관련된 동작에 대한 요청을 의미할 수 있다. 다양한 실시예에 따르면, 사용자 요청은, 컨텐츠 데이터와 관계없이 제2 어플리케이션(207)을 통해 처리될 수 있는 동작과 관련된 요청일 수 있다.

예를 들어, 사용자 요청은, i) 이미지들을 관리하는 어플리케이션에서 특정 검색어에 대응하는 이미지의 검색, ii) 이미지들을 관리하는 어플리케이션에서 선택한 이미지들을 이메일이나, SNS와 같은 어플리케이션으로 공유, iii) 문서, 실행 파일들을 관리하는 어플리케이션에서 선택한 문서들을 이메일이나 SNS와 같은 어플리케이션으로 공유, iv) 카메라 어플리케이션에서 손전등 어플리케이션의 실행, v) 이메일이나 SNS와 같은 어플리케이션에서, 특정 키워드에 대한 이미지나 문서의 첨부에 관한 요청일 수 있고, 텍스트로 변환될 수 있다. 텍스트로 변환된 사용자 요청은 자연어 처리 모듈(206)에 의하여 분석되고, 처리될 수 있다.

사용자 요청은, 기재된 예로 제한되지 않으며, 제2 어플리케이션(207)을 통해 처리될 수 있는 동작과 관련된 다양한 요청을 의미할 수 있다. 사용자 요청은 사용자 발화(201)나, 인터페이스 입력(202)을 통해 수신될 수 있고, 전자 장치(101)의 다른 구성이나 다른 전자 전자 장치(101)로부터 수신될 수 있다.

다양한 실시예에 따른 도 2를 참조하면, 사용자 요청은 사용자 발화(201)의 형태로 전자 장치(101)에 입력될 수 있다. 사용자 요청이 사용자 발화(201)의 형태로 전자 장치(101)의 입력 모듈(150)의 마이크를 통해 수신된 경우, 사용자 요청은 ASR(automatic speech recognition) 모듈에 의하여 텍스트로 변환될 수 있다.

ASR 모듈(205)은 사용자 발화(201)를 인식하여 텍스트로 변환하는 모듈일 수 있다. ASR 모듈(205)이 수행하는 동작은 프로세서(120)에 의하여 처리될 수 있다. ASR 모듈(205)은, 제1 어플리케이션(203)의 실행 중에, 입력 모듈(150)로부터 수신한 사용자 발화(201)를 인식하여, 텍스트로 변환할 수 있다. ASR 모듈(205)은, 제1 어플리케이션(203)의 실행 중에, 입력 모듈(150)로부터 수신한 사용자 발화(201)를 인식하여, 텍스트로 변환할 수 있다.

사용자 발화(201)를 텍스트로 변환하는 방법은, 특정한 예로 제한되지 않으며, 통상의 기술자가 이용할 수 있는 방법들이 본 발명의 ASR 모듈(205)에서 이용될 수 있다. ASR 모듈(205)은, 사용자 발화(201)로부터 인식한 텍스트를 자연어 처리 모듈(206)에 전달할 수 있다.

다양한 실시예에 따른 도 2를 참조하면, 사용자 요청은 사용자의 인터페이스 입력(202)을 통해 전자 장치(101)에 수신될 수 있다. 예를 들어, 사용자가 제1 어플리케이션(203)에서 검색어를 입력하거나, 디스플레이 모듈(160)에 표시된 버튼을 터치함으로써, 사용자 요청을 전자 장치(101)에 전달할 수 있다. 사용자 요청은 상기 디스플레이 모듈(160)의 터치 패널을 통해 수신될 수 있다.

사용자 요청은 디스플레이 모듈(160)의 터치 패널을 통해 수신된 경우, 사용자가 제1 어플리케이션(203)에서 수행한 동작 및 사용자가 선택한 버튼에 따라, 텍스트로 변환될 수 있다.

일 실시예로, 사용자가 컨텐츠 데이터를 선택하고, 제2 어플리케이션(207)으로 처리하고자 하는 동작에 관한 버튼(예: 이메일 공유, 파일명 변경, SNS 공유, 일정 등록)을 클릭하는 경우, 사용자 요청은 선택된 컨텐츠 데이터에 대한 동작에 대응하는 텍스트(예: "선택된 이미지의 이메일 공유", "선택된 파일의 파일명 변환")로 변환될 수 있다.

일 실시예로, 사용자가 컨텐츠 데이터를 검색하는 경우, 사용자 요청은 검색어에 대응하는 텍스트(예: "부산에서 A와 찍은 사진")로 변환될 수 있다. 일 실시예로, 제1 어플리케이션(203)에서 사용자가 제2 어플리케이션(207)에 포함된 컨텐츠 데이터를 첨부하는 경우, 컨텐츠 데이터의 첨부에 대응하는 텍스트(예: "이메일에 이미지 a,b, c 첨부")로 변환될 수 있다.

자연어 처리(natural language processing)는, 인간이 사용하는 일반적인 언어의 의미를 분석하여 컴퓨터가 처리할 수 있도록 하는 일을 의미할 수 있다. 자연어 처리는, 음성 인식, 내용 요약, 번역, 사용자의 감성 분석, 텍스트 분류 작업, 질의 응답 시스템, 챗봇과 같은 분야에 이용될 수 있다.

자연어 처리 모듈(206)은 사용자 요청의 의미를 분석하고, 사용자 요청에 관련된 컨텐츠 데이터 및 요청 정보를 결정하고, 사용자 요청을 처리할 제2 어플리케이션(207)을 결정하는 모듈일 수 있다. 자연어 처리 모듈(206)이 수행하는 동작은 프로세서(120)에 의하여 처리될 수 있다.

자연어 처리 모듈(206)은, 동사가 다양한 형태로 변형되거나, 어순이 변형되더라도 인식하기 위하여, 사용자 요청에 대응하는 텍스트를 가공할 수 있다. 일례로, mobileBERT, DistillBERT와 같은 인공지능 모델이 텍스트의 가공에 이용될 수 있다. 텍스트를 가공하는 방법은 기재된 예로 제한되지 않으며, 통상의 기술자가 이용할 수 있는 다양한 방법들이 이용될 수 있다.

자연어 처리 모듈(206)은, 사용자 요청에 대응하는 텍스트에 기초하여, 사용자 요청과 연관된 컨텐츠 데이터를 결정할 수 있다. 일 실시예로, 사용자가 미리 컨텐츠 데이터를 특정한 경우, 자연어 처리 모듈(206)은 특정된 컨텐츠 데이터를 사용자 요청과 연관된 컨텐츠 데이터로 결정할 수 있다.

일 실시예로, 사용자가 컨텐츠 데이터를 선택하고, 제2 어플리케이션(207)으로 처리하고자 하는 동작에 관한 사용자 발화(201)(예: "이메일로 공유해줘", "파일명을 A로 바꿔줘", "SNS로 공유해줘", "일정으로 등록해줘")를 입력하는 경우, 선택된 컨텐츠 데이터가 사용자 요청과 연관된 컨텐츠 데이터로 결정될 수 있다.

일 실시예로, 컨텐츠 데이터가 미리 특정되지 않은 경우, 자연어 처리 모듈(206)은, 사용자 요청에 대응하는 텍스트 중 컨텐츠 데이터와 연관된 텍스트를 결정할 수 있다. 일 실시예로, 자연어 처리 모듈(206)은, 메모리(130)에 미리 저장된 텍스트와 사용자 요청에 대응하는 텍스트를 비교함으로써, 컨텐츠 데이터와 연관된 텍스트를 결정할 수 있다.

일 실시예로, 자연어 처리 모듈(206)은 사용자 요청에 대응하는 텍스트를 분석하여 요청 정보를 생성할 수 있다. 요청 정보는, 인텐트(intent) 정보 및 컨텐트 정보 중 어느 하나 이상을 포함할 수 있다. 인텐트 정보는, 사용자가 의도한 동작, 제2 어플리케이션(207)에서 수행되는 동작에 관한 정보를 의미할 수 있다.

자연어 처리 모듈(206)은, 입력되는 텍스트를 분류하고 입력된 텍스트의 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델에, 사용자 요청에 대응하는 텍스트를 입력하여, 사용자 요청에 대응하는 텍스트를 분류하고, 사용자 요청에 대응하는 인텐트 정보를 결정할 수 있다.

인공지능 모델은, 자연어를 처리할 수 있는 다양한 종류의 인공지능 모델(예: 머신 러닝 모델, 뉴럴 네트워크 모델)이 이용될 수 있다. 예를 들어, fastText에서 제공되는 인공지능 모델이 본 발명에서 텍스트를 분류하고 입력된 텍스트의 인텐트 정보를 결정하는 인공지능 모델로 결정될 수 있다.

일 실시예로, 사용자가 제1 어플리케이션(203)에서 컨텐츠 데이터를 검색(예: "어제 부산에서 찍은 사진 찾아줘", "어제 A와 찍은 사진 첨부해줘")하는 경우, 자연어 처리 모듈(206)은, 사용자 요청에 대응하는 텍스트를 분류한 결과(예: '어제' 시간, 'A': 인물, '사진': 컨텐츠)기초하여, 컨텐츠 데이터와 연관된 텍스트(예: '어제', '부산', '사진')를 결정할 수 있다.

자연어 처리 모듈(206)은 컨텐츠 데이터와 연관된 텍스트에 기초하여 사용자 요청과 연관된 컨텐츠 데이터를 결정할 수 있다. 자연어 처리 모듈(206)은 컨텐츠 데이터와 연관된 텍스트와 메모리(130)에 저장된 컨텐츠 데이터의 컨텐츠 정보들을 비교함으로써 사용자 요청과 연관된 컨텐츠 데이터를 결정할 수 있다.

자연어 처리 모듈(206)은 컨텐츠 데이터와 연관된 텍스트의 분류 결과를 이용하여, 메모리(130)에 저장된 컨텐츠 데이터의 컨텐츠 정보들 중 사용자 요청과 연관된 컨텐츠 데이터를 결정할 수 있다.

자연어 처리 모듈(206)은, 입력되는 텍스트에 대하여 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델 이용하여 생성한 인텐트 정보에 기초하여 제2 어플리케이션(207)을 결정할 수 있다. 예를 들어, 사용자가 검색을 요청하거나, 파일 첨부를 요청한 경우, 인텐트 정보는 "첨부", "검색" 과 같이 제1 어플리케이션(203) 또는 제2 어플리케이션(207)에서 처리될 수 있는 동작에 관한 정보를 의미할 수 있다.

자연어 처리 모듈(206)은, 컨텐츠 데이터에 기초하여, 사용자 요청에 대응하는 요청 정보를 생성할 수 있다. 요청 정보는 컨텐츠 데이터와 관련된 정보인 컨텐츠 정보를 포함할 수 있다.

자연어 처리 모듈(206)은, 제1 어플리케이션(203)에서, 사용자 요청에 따라 미리 설정된 옵션에 기초하여, 컨텐츠 정보를 결정할 수 있다. 컨텐츠 정보는, 컨텐츠 데이터의 내용 정보, 컨텐츠 데이터의 식별 정보, 컨텐츠 데이터의 속성 정보 및 컨텐츠 데이터가 복수인 경우 컨텐츠 데이터들의 공통 정보 중 어느 하나 이상을 포함할 수 있다.

일 실시예로, 컨텐츠 데이터의 식별 정보는 컨텐츠 데이터의 통합 자원 식별자(Uniform Resource Identifier, URI)에 대한 정보일 수 있다. 일 실시예로, 컨텐츠 데이터의 공통 정보는, 복수의 컨텐츠 데이터들 간에 공통되는 속성 정보 또는 내용 정보를 포함할 수 있다.

자연어 처리 모듈(206)은, 복수의 컨텐츠 데이터들의 속성 정보 및 내용 정보를 추출하고, 클러스터링함으로써 공통 정보를 생성할 수 있다. 복수의 컨텐츠 데이터들의 공통적인 속성 정보 및 내용 정보들 중 미리 결정된 우선 순위에 따라 공통 정보가 결정될 수 있다.

예를 들어, 복수의 이미지가 컨텐츠 데이터로 결정된 경우, 복수의 이미지 간에 공통되는 인물, 장소, 생성 날짜와 같은 속성 정보 및 내용 정보가 있는 경우, 공통 정보는 복수의 이미지 간에 공통되는 인물, 장소, 생성 날짜를 포함할 수 있다.

예를 들어, 컨텐츠 데이터가 이미지인 경우, 이미지가 생성된 날짜, 이미지가 생성된 시점의 위치 정보, 이미지 크기, 너비, 높이, 비트수준, 이름, 항목 유형, 폴더 경로, 생성 날짜, 수정 날짜, 소유자, 공유 상태, 사용자 태깅 정보가 컨텐츠 데이터의 속성 정보에 포함될 수 있다.

예를 들어, 컨텐츠 데이터가 이미지인 경우, 이미지에 인식된 객체(예: 인물, 사물)에 대한 정보, 이미지에 인식된 배경(예: 장소, 날씨)에 대한 정보 및 이미지에서 인식된 텍스트에 대한 정보가 컨텐츠 데이터의 내용 정보에 포함될 수 있다.

예를 들어, 컨텐츠 데이터가 문서인 경우, 문서가 생성된 날짜, 문서 종류, 위치, 크기, 문서가 수정된 날짜, 파일명, 문서가 엑세스된 날짜, 작성자, 관리자, 회사, 수정된 횟수, 편집 시간, 폴더 경로, 페이지 수, 단락 수, 줄 수, 단어 수, 문자 수, 문자 수(공백 포함)가 컨텐츠 데이터의 속성 정보에 포함될 수 있다. 예를 들어, 컨텐츠 데이터가 문서인 경우, 문서의 제목, 주제, 키워드, 범주, 요약 사항이 컨텐츠 데이터의 내용 정보에 포함될 수 있다.

예를 들어, 컨텐츠 데이터가 오디오인 경우, 확장자, 비고, 음원 길이, 음질, 해상도, 용량, 폴더 경로, 생성 날짜, 파일명, 수정 날짜, 소유자가 컨텐츠 데이터의 속성 정보에 포함될 수 있다. 예를 들어, 컨텐츠 데이터가 오디오인 경우, 음악 제목, 가수, 음반, 음반 출시 년도, 장르, 곡 번호가 컨텐츠 데이터의 내용 정보에 포함될 수 있다.

예를 들어, 컨텐츠 데이터가 비디오인 경우, 트랙 정보, 코딩 타입, 버전, 플레이 시간, 다음 트랙 아이디, 평균 비트 레이트, 최대 비트 레이트, 오디오 정보, 해상도, 용량, 폴더 경로, 생성 날짜, 수정 날짜가 컨텐츠 데이터의 속성 정보일 수 있다. 예를 들어, 컨텐츠 데이터가 비디오인 경우, 비디오에 포함된 인물, 스토리, 키워드, 배경, 사물이 컨텐츠 데이터의 내용 정보에 포함될 수 있다.

자연어 처리 모듈(206)은, 제1 어플리케이션(203)에서, 사용자 요청에 따라 미리 설정된 옵션에 기초하여, 컨텐츠 정보를 결정할 수 있다. 예를 들어, 제1 어플리케이션(203)에서, 복수의 컨텐츠 데이터에 대한 공유 또는 첨부에 대해서, 복수의 컨텐츠 데이터 간의 공통 정보를 생성하도록 설정된 경우, 자연어 처리 모듈(206)은, 복수의 컨텐츠 데이터의 공유에 대한 사용자 요청이 수신될 때, 복수의 컨텐츠 데이터들의 공통 정보를 생성하여, 제2 어플리케이션(207)에 제공하는 요청 정보로 결정할 수 있다.

예를 들어, 이미지들을 관리하는 제1 어플리케이션(203)에서 복수의 이미지를 공유에 대한 사용자 요청이 수신된 경우, 제2 어플리케이션(207)에 복수의 이미지에 대한 공통 정보가 제공될 수 있다.

일 실시예로, 제1 어플리케이션(203)에서, 단일 컨텐츠 데이터에 대한 공유 또는 첨부에 대해서, 컨텐츠 데이터의 요약 정보를 생성하도록 설정된 경우, 자연어 처리 모듈(206)은, 단일 컨텐츠 데이터의 공유에 대한 사용자 요청이 수신될 때, 컨텐츠 데이터의 요약 정보를 추출하여 제2 어플리케이션(207)에 제공하는 요청 정보로 결정할 수 있다.

일 실시예로, 자연어 처리 모듈(206)은, 제1 어플리케이션(203)에서, 사용자 요청에 따라 컨텐츠 정보를 결정할 수 있다. 예를 들어, 제1 어플리케이션(203)에서, 사용자가 컨텐츠 데이터의 검색을 요청한 경우, 자연어 처리 모듈(206)은, 제2 어플리케이션(207)에 사용자가 요청한 컨텐츠 데이터를 결정하고, 컨텐츠 데이터의 URI식별 정보를 전송할 수 있다.

일 실시예로, 자연어 처리 모듈(206)은, 제2 어플리케이션(207)에 제공되는 컨텐츠 정보를 가공할 수 있다. 자연어 처리 모듈(206)은, 입력되는 키워드에 기초하여 문장을 생성하도록 트레이닝된 인공지능 모델을 이용하여, 컨텐츠 정보를 가공할 수 있다. 인공지능 모델은, 생성 팩터(generative factor)에 기초하여 문장을 생성할 수 있다.

생성 팩터가 높을수록, 컨텐츠 정보가 가공되는 정도가 높아지며, 생성 팩터가 낮을수록 컨텐츠 정보가 가공되는 정도가 낮아질 수 있다. 가공되는 정도가 높아질수록 단어나 조사가 추가될 수 있고, 일반적인 구어체나 문어체에 맞게 가공될 수 있다. 가공되는 정도가 낮아질수록 컨텐츠 정보의 변형없이 가공될 수 있다.

예를 들어, 특정 이미지에 대한 컨텐츠 정보가, '2020년 9월 1일', '김삼성'인 경우, 생성 팩터가 낮을 때 생성되는 문장은 “2020년 9월 1일에 김삼성과 찍은 사진 첨부하였어요.”일 수 있고, 생성 팩터가 높을 때 생성되는 문장은, “올해 초가을에 김삼성과 함께 부산여행하면서 즐겁게 찍은 사진들을 첨부하였어요.”일 수 있다.

자연어 처리 모듈(206)은 사용자 요청을 처리할 제2 어플리케이션(207)을 결정할 수 있다. 자연어 처리 모듈(206)은 사용자 요청에 대응하는 텍스트의 분류 결과에 기초하여 제2 어플리케이션(207)을 결정할 수 있다. 어플리케이션 별로 관련 단어들이 메모리(130)에 미리 저장되어 있을 수 있다. 자연어 처리 모듈(206)은 사용자 요청에 대응하는 텍스트와 어플리케이션 별로 미리 저장된 관련 단어들을 비교함으로써 제2 어플리케이션(207)을 결정할 수 있다.

제2 어플리케이션(207)에 컨텐츠 데이터, 인텐트 정보 및 컨텐츠 정보 중 어느 하나 이상을 포함하는 요청 정보가 전달될 수 있다. 일 실시예로, 딥링크(deep link) 형식으로 요청 정보가 제2 어플리케이션(207)에 전송될 수 있다.

예를 들어, 사용자 요청이, 선택된 컨텐츠 데이터의 이메일 공유에 대한 것인 경우, 선택된 컨텐츠 데이터와, 컨텐츠 정보 및 이메일 첨부에 대한 인텐트 정보가 이메일 어플리케이션에 전송될 수 있다.

예를 들어, 사용자 요청이, 이메일에서 컨텐츠 데이터를 첨부하기 위한 사용자 발화(201)인 경우, 사용자 발화(201)에 대응하는 컨텐츠 데이터가 결정되고, 컨텐츠 데이터의 식별 정보 및 첨부에 대한 인텐트 정보가 갤러리에 전송될 수 있다.

도 3은 다양한 실시예들에 따른, 전자 장치(101) 내에서 온디바이스 인공지능 서비스의 제공되는 과정을 도시한 것이다.

도 3을 참조하면, 전자 장치(101) 내에서, 제1 어플리케이션(303)(예:도 1의 어플리케이션(146))이 실행되고, 사용자 요청(301)이 입력 모듈(150) 또는 디스플레이 모듈(160)을 통해 수신된 경우, 전자 장치(101)는 미들웨어(304)(예: 도1의 미들웨어(144))를 이용하여 사용자 요청(301)에 대한 자연어 처리를 수행하고, 사용자 요청(301)을 처리할 제2 어플리케이션(303)(예:도 1의 어플리케이션(146))을 결정하고, 제2 어플리케이션(303)에 자연어 처리가 수행된 결과를 전달할 수 있다.

일 실시예에 따르면, 메모리(305)(예: 도 1의 메모리(130))에 사용자 요청(301)에 대응하는 텍스트와, 사용자 요청(301)에 대한 요청 정보가 맵핑되어 저장될 수 있다. 프로세서(120)는, 새로운 사용자 요청(301)에 대응하는 텍스트와 미리 저장된 사용자 요청(301)에 대응하는 텍스트를 비교하여, 별도의 자연어 처리 과정 없이, 컨텐츠 데이터를 결정하고, 요청 정보를 생성함으로써, 처리 효율을 높일 수 있다.

도 4a 내지 도 4g는, 다양한 실시예들에 따른, 온디바이스 인공지능 서비스의 제공되는 예를 도시한 것이다.

도 4a 내지 도 4g에서 처리되는 동작들은, 프로세서(120)에 의하여 처리될 수 있고, 미들웨어(400)(예: 도 1의 144)에 포함된 모듈들(예: 도 2의 ASR 모듈(204), 프로세서(120)(205))이 이용될 수 있다.

일 실시예에 따른, 도 4a는, 제1 어플리케이션(402)은 이미지(404)들을 관리하는 어플리케이션인 갤러리(402)이고, 제2 어플리케이션(403)은 이메일(403)인 경우, 사용자 요청(401)이 처리되는 예를 도시한 도면이다. 도 4a에서, 사용자 요청(401)에 대응하는 텍스트는 "선택된 사진들 이메일로 공유"일 수 있다.

일 실시예에 따른, 도 4a에서, 사용자 요청(401)은, 사용자에 의해 이미지(404)들이 특정된 후 제1 어플리케이션(402)의 인터페이스에 포함된 버튼이나, 사용자 발화, 또는 텍스트 입력을 통해 전자 장치(101)에 수신될 수 있다.

프로세서(120)는, 사용자에 의해 특정된 이미지(404)를 컨텐츠 데이터(404)로 결정할 수 있다. 일 실시예로, 도 4a의 갤러리(402)는, 복수의 이미지(404)들이 이메일(403)로 공유될 때 복수의 이미지(404)들의 공통 정보가 생성되도록 옵션이 설정될 수 있다.

프로세서(120)는, 복수의 이미지(404)들의 공통 정보를 컨텐츠 정보로 생성하고, 컨텐츠 정보를 가공하여 "어제 부산에서 연인과 찍은 사진을 첨부하였습니다" 문장(405)을 생성할 수 있다.

프로세서(120)는, 사용자 요청(401)에 대응하는 텍스트 중 제2 어플리케이션(403)과 연관된 텍스트인 '이메일'을 인식하고, 사용자 요청(401)을 처리할 제2 어플리케이션(403)을 이메일(403)로 결정(406)할 수 있다.

프로세서(120)는, 사용자에 의해 특정된 컨텐츠 데이터(404), 가공된 컨텐츠 정보(405) 및 '공유'에 대한 인텐트 정보를 이메일(403)에 전달할 수 있다. 이메일(403)에서, 수신된 인텐트 정보에 따라 컨텐츠 데이터(404)가 첨부되고, 가공된 컨텐츠 정보(405)가 자동으로 작성될 수 있다.

일 실시예에 따른, 도 4b는, 제1 어플리케이션(412)이 문서, 이미지, 오디오, 실행 파일 들을 관리하는 내파일(412)이고, 제2 어플리케이션(412)이 이메일(413)일 때 사용자 요청(411)이 처리되는 예를 도시한 도면이다. 도 4b에서, 사용자 요청(411)에 대응하는 텍스트는 "선택된 파일들 이메일로 공유"일 수 있다.

일 실시예에 따른, 도 4b에서, 사용자 요청(411)은, 사용자에 의해 문서와 같은 파일(414)들이 특정된 후 제1 어플리케이션(412)의 인터페이스에 포함된 버튼이나, 사용자 발화, 또는 텍스트 입력을 통해 전자 장치(101)에 수신될 수 있다.

프로세서(120)는, 사용자에 의해 특정된 파일(414)를 컨텐츠 데이터(414)로 결정할 수 있다. 일 실시예로, 도 4b의 제1 어플리케이션(412)는, 문서와 같은 파일(414)이 이메일(413)로 공유될 때 파일(414)의 요약 정보가 생성되도록 옵션이 설정될 수 있다. 프로세서(120)는, 파일(414)의 요약 정보를 컨텐츠 정보로 생성하고, 컨텐츠 정보를 가공하여 "21년 기획안 자료" 문장(415)을 생성할 수 있다.

프로세서(120)는, 사용자 요청(411)에 대응하는 텍스트 중 제2 어플리케이션(413)과 연관된 텍스트인 '이메일'을 인식하고, 사용자 요청(411)을 처리할 제2 어플리케이션(413)을 이메일(413)로 결정(416)할 수 있다.

프로세서(120)는, 사용자에 의해 특정된 컨텐츠 데이터(414), 가공된 컨텐츠 정보(415) 및 '공유'에 대한 인텐트 정보를 이메일(413)에 전달할 수 있다. 이메일(413)에서, 수신된 인텐트 정보에 따라 컨텐츠 데이터(414)가 첨부되고, 가공된 컨텐츠 정보(415)가 자동으로 작성될 수 있다.

일 실시예에 따른, 도 4c는, 제1 어플리케이션(422)이 이메일(422)이고, 제2 어플리케이션(423)이 갤러리(423)일 때 사용자 요청이 처리되는 예를 도시한 도면이다. 도 4c에서, 사용자 요청(421)에 대응하는 텍스트는 "어제 부산에서 A와 찍은 사진 첨부해줘"일 수 있다.

일 실시예에 따른, 도 4c에서, 사용자 요청(421)은, 제1 어플리케이션(422)의 인터페이스에 포함된 버튼이나, 사용자 발화, 또는 텍스트 입력을 통해 전자 장치(101)에 수신될 수 있다.

프로세서(120)는, 사용자 요청(421)에 대응하는 텍스트 중 컨텐츠 데이터와 관련된 텍스트(424)를 결정할 수 있다. 일 실시예로, 프로세서(120)는, 미리 저장된 컨텐츠 정보와 사용자 요청(421)에 대응하는 텍스트를 비교함으로써, 컨텐츠 데이터와 연관된 텍스트(424)를 결정할 수 있다.

일 실시예로, 프로세서(120)는, 입력되는 텍스트를 분류하고 입력된 텍스트의 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델에, 사용자 요청(421)에 대응하는 텍스트를 입력하여, 사용자 요청(421)에 대응하는 텍스트를 분류하고, 사용자 요청(421)에 대응하는 인텐트 정보를 결정할 수 있다.

도 4를 참조하면, 컨텐츠 데이터와 관련된 텍스트(424)로 "어제", "부산", "A"가 결정될 수 있고, "사진"에 따라 컨텐츠의 종류는 이미지로 결정될 수 있다. 프로세서(120)는, 컨텐츠 데이터들의 속성 정보 및 내용 정보들과 컨텐츠 데이터와 관련된 텍스트(424)들을 비교함으로써, 컨텐츠 데이터들을 결정할 수 있다.

이메일에서, 사용자 발화에 따른 컨텐츠 데이터의 첨부 요청이 발생할 때 컨텐츠 데이터의 식별 정보(425)를 제2 어플리케이션(423)에 전송하도록 미리 결정될 수 있다. 프로세서(120)는, 결정한 컨텐츠 데이터의 식별 정보(425)를 제2 어플리케이션(423)에 전달할 수 있다.

프로세서(120)는, 사용자 요청(421)에 대응하는 텍스트 중 제2 어플리케이션(423)과 연관된 텍스트인 '사진'을 인식하고, 사용자 요청(421)을 처리할 제2 어플리케이션(423)을 갤러리(423)로 결정(426)할 수 있다.

프로세서(120)는, '첨부'에 대한 인텐트 정보, 컨텐츠 데이터의 식별 정보(425)를 갤러리(423)에 전송할 수 있다. 프로세서(120)는, 컨텐츠의 식별 정보(425)에 기초하여 갤러리로부터 수신한 컨텐츠 데이터를 이메일에 첨부할 수 있다.

일 실시예에 따른, 도 4d는, 제1 어플리케이션(432)이 이메일(432)이고, 제2 어플리케이션(433)이 내파일(433)일 때 사용자 요청이 처리되는 예를 도시한 도면이다. 도 4d에서, 사용자 요청(431)에 대응하는 텍스트는 "파일 A 첨부해줘"일 수 있다.

일 실시예에 따른, 도 4d에서, 사용자 요청(431)은, 제1 어플리케이션(432)의 인터페이스에 포함된 버튼이나, 사용자 발화, 또는 텍스트 입력을 통해 전자 장치(101)에 수신될 수 있다.

프로세서(120)는, 사용자 요청(431)에 대응하는 텍스트 중 컨텐츠 데이터와 관련된 텍스트를 결정할 수 있다. 도 4d에서, 컨텐츠 데이터와 관련된 텍스트는 파일 d일 수 있다. 일 실시예로, 프로세서(120)는, 미리 저장된 컨텐츠 정보와 사용자 요청(431)에 대응하는 텍스트를 비교함으로써, '파일 A'를 컨텐츠 데이터와 연관된 텍스트로 결정할 수 있다.

이메일(433)에서, 사용자 발화에 따른 컨텐츠 데이터의 첨부 요청이 발생할 때 컨텐츠 데이터의 내용 정보(435)를 제1 어플리케이션(432)에 전송하도록 미리 결정될 수 있다. 프로세서(120)는, 파일 A를 불러오기 위해, 결정한 컨텐츠 데이터의 식별 정보(434)를 제2 어플리케이션(433)에 전달하고, 결정한 컨텐츠 데이터의 내용 정보(435)를 제1 어플리케이션(432)에 전달할 수 있다.

프로세서(120)는, 사용자 요청(431)에 대응하는 텍스트 중 제2 어플리케이션(433)과 연관된 텍스트인 ‘파일’을 인식하고, 사용자 요청(431)을 처리할 제2 어플리케이션(433)을 내파일(433)로 결정(436)할 수 있다.

프로세서(120)는, ‘첨부’에 대한 인텐트 정보, 컨텐츠 데이터의 식별 정보(434)를 갤러리(433)에 전송할 수 있다. 프로세서(120)는, 컨텐츠의 식별 정보(434)에 기초하여 내파일로부터 불러온 컨텐츠 데이터(예: 파일 A)를 이메일에 첨부할 수 있다.

일 실시예에 따른, 도 4e는, 제1 어플리케이션(442)이 카메라(442)이고, 제2 어플리케이션(443)이 캘린더(443)일 때 사용자 요청(441)이 처리되는 예를 도시한 도면이다. 도 4e에서, 사용자 요청(441)에 대응하는 텍스트는 "일정 등록해줘"일 수 있다.

사용자 요청(441)은, 이전에 촬영한 이미지 또는 비디오(445)가 특정된 후 제1 어플리케이션의 인터페이스에 포함된 버튼이나, 사용자 발화, 또는 텍스트 입력을 통해 전자 장치(101)에 수신될 수 있다.

프로세서(120)는, 사용자에 의해 특정된 이미지 또는 비디오(445)를 컨텐츠 데이터(445)로 결정할 수 있다. 일 실시예로, 도 4e의 카메라(442)는, 일정 등록에 관한 사용자 요청이 있을 때 컨텐츠 이미지의 속성 정보 중 생성 날짜 및 내용 정보 중 요약 정보가 생성되도록 옵션이 설정될 수 있다. 프로세서(120)는, 메모리로부터 컨텐츠 데이터(445)의 속성 정보 및 내용 정보(446)를 추출할 수 있다.

프로세서(120)는, 사용자 요청(441)에 대응하는 텍스트 중 제2 어플리케이션(443)과 연관된 텍스트인 '일정'을 인식하고, 사용자 요청(441)을 처리할 제2 어플리케이션(443)을 캘린더(443)로 결정(447)할 수 있다.

프로세서(120)는, 특정된 컨텐츠 데이터(445), 컨텐츠 정보(446) 및 '등록'에 대한 인텐트 정보를 캘린더(443)에 전달할 수 있다. 캘린더(443)에서, 수신된 컨텐츠 정보(445)에 따라 자동으로 일정이 추가될 수 있다.

일 실시예에 따른, 도 4f는, 제1 어플리케이션(442)이 카메라(4432이고, 제2 어플리케이션(443)이 손전등(443)일 때 사용자 요청(441)이 처리되는 예를 도시한 도면이다. 도 4f에서, 사용자 요청(441)에 대응하는 텍스트는 "손전등 켜줘"일 수 있다.

일 실시예에 따른, 도 4f에서, 사용자 요청(451)은, 사용자에 의해 이미지(454)들이 특정되고, 제1 어플리케이션(452)의 인터페이스에 포함된 버튼이나, 사용자 발화, 또는 텍스트 입력을 통해 전자 장치(101)에 수신될 수 있다.

프로세서(120)는, 사용자 요청(451)에 대응하는 텍스트 중 제2 어플리케이션(453)과 연관된 텍스트인 '손전등'을 인식하고, 사용자 요청(451)을 처리할 제2 어플리케이션(453)을 손전등(453)로 결정(454)할 수 있다.

프로세서(120)는, 입력되는 텍스트에 대하여 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델 이용하여 생성한 인텐트 정보에 기초하여 제2 어플리케이션(453)을 결정할 수 있다. 일 실시예에 따른 도 4f에서, 프로세서(120)는 사용자 요청(451)에 대응하는 텍스트를 분석하여 '켜줘'에 대한 인텐트 정보를 결정할 수 있다. 프로세서(120)는, ‘켜줘’에 대한 인텐트 정보를 손전등(443)에 전달할 수 있다. 카메라 작동 중 손전등이 실행될 수 있다.

일 실시예에 따른, 도 4g는, 제1 어플리케이션(462)이 갤러리(462)이고, 제2 어플리케이션(462)도 갤러리(462)일 때 사용자 요청(461)이 처리되는 예를 도시한 도면이다. 도 4g에서, 사용자 요청(461)에 대응하는 텍스트는 "부산에서 A와 찍은 사진 찾아줘"일 수 있다.

일 실시예에 따른, 도 4g에서, 사용자 요청(461)은, 제1 어플리케이션(462)의 인터페이스에 포함된 버튼이나, 사용자 발화, 또는 텍스트 입력을 통해 전자 장치(101)에 수신될 수 있다.

프로세서(120)는, 사용자 요청(461)에 대응하는 텍스트 중 컨텐츠 데이터와 관련된 텍스트(464)를 결정할 수 있다. 일 실시예로, 프로세서(120)는, 미리 저장된 컨텐츠 정보와 사용자 요청(461)에 대응하는 텍스트를 비교함으로써, 컨텐츠 데이터와 연관된 텍스트(464)를 결정할 수 있다.

일 실시예로, 프로세서(120)는, 입력되는 텍스트를 분류하고 입력된 텍스트의 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델에, 사용자 요청(461)에 대응하는 텍스트를 입력하여, 사용자 요청(461)에 대응하는 텍스트를 분류하고, 사용자 요청(461)에 대응하는 인텐트 정보를 결정할 수 있다.

도 4를 참조하면, 컨텐츠 데이터와 관련된 텍스트(464)로 "어제", "부산", "A"가 결정될 수 있고, "사진"에 따라 컨텐츠 데이터는 이미지로 결정될 수 있다. 프로세서(120)는, 컨텐츠 데이터들의 속성 정보 및 내용 정보들과 컨텐츠 데이터와 관련된 텍스트(464)들을 비교함으로써, 컨텐츠 데이터들을 결정할 수 있다.

프로세서(120)는, 사용자 요청(461)에 대응하는 텍스트 중 제2 어플리케이션(463)과 연관된 텍스트인 '사진'을 인식하고, 사용자 요청(461)을 처리할 제2 어플리케이션(463)을 갤러리(463)로 결정(466)할 수 있다.

프로세서(120)는, 결정된 컨텐츠 데이터의 식별 정보를 메모리(160)로부터 추출할 수 있다. 프로세서(120)는, '검색'에 대한 인텐트 정보, 컨텐츠 데이터의 식별 정보(465)를 갤러리(463)에 전송할 수 있다. 프로세서(120)는, 컨텐츠의 식별 정보(465)에 기초하여, 사용자 요청(461)에 대응하는 이미지들을 갤러리에서 표시할 수 있다.

도 5은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.

도 5을 참조하면, 일 실시예의 통합 지능화 시스템은 사용자 단말(101), 지능형 서버(500), 및 서비스 서버(591)를 포함할 수 있다.

일 실시 예의 사용자 단말(101)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.

도시된 실시 예에 따르면, 사용자 단말(101)은 통신 인터페이스(177), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이(160), 메모리(130), 또는 프로세서(120)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

일 실시 예의 통신 인터페이스(177)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 입력 모듈(150)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의음향 출력 모듈(155)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이(160)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(160)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.

일 실시 예의 메모리(130)는 클라이언트 모듈(144_2), SDK(software development kit)(144_1), 및 복수의 앱들(155)을 저장할 수 있다. 상기 클라이언트 모듈(144_2), 및 SDK(144_1)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(144_2) 또는 SDK(144_1)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.

일 실시 예의 메모리(130)는 상기 복수의 앱들(155)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(155)은 제1 앱(146_1), 제2 앱(155_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(155) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(155)은 프로세서(120)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시 예의 프로세서(120)는 사용자 단말(101)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 통신 인터페이스(177), 입력 모듈(150), 음향 출력 모듈(155), 및 디스플레이(160)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.

일 실시 예의 프로세서(120)는 또한 상기 메모리(130)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(120)는 클라이언트 모듈(144_2) 또는 SDK(144_1) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(120)는, 예를 들어, SDK(144_1)를 통해 복수의 앱(155)의 동작을 제어할 수 있다. 클라이언트 모듈(144_2) 또는 SDK(144_1)의 동작으로 설명된 이하의 동작은 프로세서(120)의 실행에 의한 동작일 수 있다.

일 실시 예의 클라이언트 모듈(144_2)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(144_2)은 입력 모듈(150)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(144_2)은 수신된 음성 입력을 지능형 서버(500)로 송신할 수 있다. 클라이언트 모듈(144_2)은 수신된 음성 입력과 함께, 사용자 단말(101)의 상태 정보를 지능형 서버(500)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시 예의 클라이언트 모듈(144_2)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(144_2)은 지능형 서버(500)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(144_2)은 상기 수신된 결과를 디스플레이(160)에 표시할 수 있다.

일 실시 예의 클라이언트 모듈(144_2)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(144_2)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(160)에 표시할 수 있다. 클라이언트 모듈(144_2)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(101)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(144_2)은 지능형 서버(500)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(144_2)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(500)로 송신할 수 있다.

일 실시 예의 클라이언트 모듈(144_2)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(500)로 송신할 수 있다. 지능형 서버(500)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시 예의 클라이언트 모듈(144_2)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(144_2)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(144_2)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.

일 실시 예의 지능형 서버(500)는 통신 망을 통해 사용자 단말(101)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(500)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(500)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다

일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.

일 실시 예의 지능형 서버(500)는 생성된 플랜에 따른 결과를 사용자 단말(101)로 송신하거나, 생성된 플랜을 사용자 단말(101)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.

일 실시 예의 지능형 서버(500)는 프론트 엔드(front end)(510), 자연어 플랫폼(natual language platform)(220), 캡슐 데이터베이스(capsule DB)(530), 실행 엔진(execution engine)(540), 엔드 유저 인터페이스(end user interface)(550), 매니지먼트 플랫폼(management platform)(560), 빅 데이터 플랫폼(big data platform)(570), 또는 분석 플랫폼(analytic platform)(580)을 포함할 수 있다.

일 실시 예의 프론트 엔드(510)는 사용자 단말(101)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(510)는 상기 음성 입력에 대응되는 응답을 송신할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(521), 자연어 이해 모듈(natural language understanding module)(NLU module)(523), 플래너 모듈(planner module)(525), 자연어 생성 모듈(natural language generator module)(NLG module)(527)또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(529)를 포함할 수 있다.

일 실시 예의 자동 음성 인식 모듈(521)은 사용자 단말(101)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(523)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(523)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(523)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.

일 실시 예의 플래너 모듈(525)은 자연어 이해 모듈(523)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(525)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(525)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(525)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(525)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(525)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(525)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(525)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(525)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(530)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

일 실시 예의 자연어 생성 모듈(527)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(529)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(101)에서도 구현가능 할 수 있다.

상기 캡슐 데이터베이스(530)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(530)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(530)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

상기 캡슐 데이터베이스(530)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(530)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(530)는 사용자 단말(101)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(530)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(530)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(530)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(530) 은 사용자 단말(101) 내에도 구현이 가능할 수 있다.

일 실시 예의 실행 엔진(540)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(550)는 산출된 결과를 사용자 단말(101)로 송신할 수 있다. 이에 따라, 사용자 단말(101)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(560)은 지능형 서버(500)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(570)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(580)을 지능형 서버(500)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(580)은 지능형 서버(500)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.

일 실시 예의 서비스 서버(591)는 사용자 단말(101)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(591)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(591)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(500)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(530)에 저장될 수 있다. 또한, 서비스 서버(591)는 플랜에 따른 결과 정보를 지능형 서버(500)에 제공할 수 있다.

위에 기술된 통합 지능 시스템(10)에서, 상기 사용자 단말(101)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.

일 실시 예에서, 상기 사용자 단말(101)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(101)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시 예에서, 사용자 단말(101)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시 예에서, 사용자 단말(101)이 지능형 서버(500) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 입력 모듈(150)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(177)를 이용하여 지능형 서버(500)로 송신할 수 있다.

일 실시 예에 따른 지능형 서버(500)는 사용자 단말(101)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.

일 실시 예의 사용자 단말(101)은, 통신 인터페이스(177)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(101)은 상기 음향 출력 모듈(155)를 이용하여 사용자 단말(101) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(160)를 이용하여 사용자 단말(101) 내부에서 생성된 이미지를 외부로 출력할 수 있다.

도 6는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.

상기 지능형 서버(500)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(530))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.

상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(601), capsule(B)(604))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예:capsule(A)(601))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(602) 또는 CP 2 (603))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(610) 및 적어도 하나 이상의 컨셉(620)을 포함할 수 있다.

상기, 자연어 플랫폼(220)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(525)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어 , 캡슐 A (610) 의 동작들(6011,6013) 과 컨셉들(6012,6014) 및 캡슐 B(604)의 동작(6041) 과 컨셉(6042) 를 이용하여 플랜(407) 을 생성할 수 있다.

도 7는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.

사용자 단말(101)은 지능형 서버(500)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시 예에 따르면, 710 화면에서, 사용자 단말(101)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(101)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(711)를 디스플레이(160)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(101)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(713)(예: 입력창)를 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 720 화면에서, 사용자 단말(101)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.

다양한 실시예에 따른, 전자 장치(101)는, 상기 전자 장치(101)에서 사용될 명령 또는 데이터를 상기 전자 장치(101)의 외부로부터 수신하는 입력 모듈(150); 상기 전자 장치(101)의 외부로 정보를 제공하는 디스플레이 모듈(160); 상기 입력 모듈(150) 및 상기 디스플레이 모듈(160)과 전기적으로 연결된 프로세서(120); 및 상기 프로세서(120)와 전기적으로 연결되고, 제1 어플리케이션(302)을 포함하는 메모리(130)를 포함할 수 있고, 상기 프로세서(120)는, 상기 제1 어플리케이션(302)이 실행된 경우, 상기 입력 모듈(150) 또는 상기 디스플레이 모듈(160)로부터 사용자 요청(301)을 수신하고, 상기 사용자 요청(301)과 연관된 컨텐츠 데이터를 결정하고, 상기 컨텐츠 데이터에 기초하여, 상기 사용자 요청(301)에 대응하는 요청 정보를 생성하고, 상기 사용자 요청(301)을 처리할 제2 어플리케이션(303)을 결정하고, 상기 요청 정보를 상기 제2 어플리케이션(303)에 전송할 수 있다.

상기 프로세서(120)는, 상기 사용자 요청(301)이 상기 입력 모듈(150)의 마이크를 통해 수신된 경우, 상기 수신된 사용자 요청(301)에 대한 음성 인식을 통해 상기 사용자 요청(301)에 대응하는 텍스트를 추출하고, 상기 추출된 텍스트에 기초하여 상기 컨텐츠 데이터를 결정할 수 있다.

상기 프로세서(120)는, 상기 사용자 요청(301)이 상기 디스플레이 모듈(160)의 터치 패널을 통해 수신된 경우, 상기 사용자 요청(301)에 대응하는 텍스트를 결정하고, 상기 텍스트에 기초하여 상기 컨텐츠 데이터를 결정할 수 있다.

상기 제1 어플리케이션(302) 및 상기 제2 어플리케이션(303) 중 적어도 하나는, 오프라인에서 동작할 수 있다.

상기 프로세서(120)는, 상기 컨텐츠 데이터를 결정하기 위하여, 상기 사용자 요청(301)에 대응하는 텍스트를 추출하고, 상기 텍스트 중 상기 컨텐츠 데이터와 관련된 텍스트에 기초하여, 상기 컨텐츠 데이터를 결정할 수 있다.

상기 요청 정보는, 상기 컨텐츠 데이터에 관한 컨텐츠 정보를 포함하고, 상기 컨텐츠 정보는, 상기 컨텐츠 데이터의 내용 정보, 상기 컨텐츠 데이터의 식별 정보, 상기 컨텐츠 데이터의 속성 정보 및 상기 컨텐츠 데이터가 복수인 경우 상기 컨텐츠 데이터들의 공통 정보 중 어느 하나 이상을 포함할 수 있다.

상기 프로세서(120)는, 상기 제1 어플리케이션(302)에서, 상기 사용자 요청(301)에 따라 미리 설정된 옵션에 기초하여, 상기 컨텐츠 정보를 결정할 수 있다.

상기 프로세서(120)는, 입력되는 키워드에 기초하여 문장을 생성하도록 트레이닝된 인공지능 모델을 이용하여, 상기 컨텐츠 정보를 가공할 수 있다.

상기 요청 정보는, 상기 제2 어플리케이션(303)에서 수행되는 동작에 관한 정보인 인텐트 정보를 포함하고, 상기 프로세서(120)는, 입력되는 텍스트에 대하여 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델 이용하여, 상기 사용자 정보에 대응하는 텍스트로부터 상기 인텐트 정보를 결정할 수 있다.

상기 메모리(130)는, 상기 사용자 요청(301)에 대응하는 텍스트와, 상기 사용자 요청(301)에 대한 상기 컨텐츠 데이터 및 상기 요청 정보들을 맵핑하여 저장하고, 상기 프로세서(120)는, 새로운 사용자 요청(301)과 미리 저장된 사용자 요청(301)을 비교하여, 상기 컨텐츠 데이터를 결정하고, 상기 요청 정보를 생성하는, 전자 장치(101).

다양한 실시예에 따른, 전자 장치(101)는 상기 전자 장치(101)에서 사용될 명령 또는 데이터를 상기 전자 장치(101)의 외부로부터 수신하는 입력 모듈(150); 상기 전자 장치(101)의 외부로 정보를 제공하는 디스플레이 모듈(160); 상기 입력 모듈(150) 및 상기 디스플레이 모듈(160)과 전기적으로 연결된 프로세서(120); 및 상기 프로세서(120)와 전기적으로 연결되고, 제1 어플리케이션(302)을 포함하는 메모리(130)를 포함할 수 있다.

상기 프로세서(120)는, 상기 제1 어플리케이션(302)이 실행된 경우, 상기 입력 모듈(150) 또는 상기 디스플레이 모듈(160)로부터 사용자 요청(301)을 수신하고, 자연어 처리를 수행하도록 트레이닝된 인공지능 모델을 이용하여, 상기 사용자 요청(301)을 분석하고, 상기 사용자 요청(301)을 분석한 결과에 기초하여, 상기 사용자 요청(301)을 처리할 제2 어플리케이션(303)을 결정하고, 상기 제2 어플리케이션(303)을 통해 상기 사용자 요청(301)을 처리할 수 있다.

상기 프로세서(120)는, 상기 사용자 요청(301)이 상기 입력 모듈(150)의 마이크를 통해 수신된 경우, 상기 수신된 사용자 요청(301)에 대한 음성 인식을 통해 상기 사용자 요청(301)에 대응하는 텍스트를 추출하고, 상기 추출된 텍스트에 기초하여 상기 사용자 요청(301)을 분석할 수 있다.

상기 프로세서(120)는, 상기 사용자 요청(301)이 상기 디스플레이 모듈(160)의 터치 패널을 통해 수신된 경우, 상기 사용자 요청(301)에 대응하는 텍스트를 결정하고, 상기 텍스트에 기초하여 상기 사용자 요청(301)을 분석할 수 있다.

상기 프로세서(120)는, 상기 사용자 요청(301)에 대응하는 텍스트로부터 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델을 이용하여 생성한 인텐트 정보에 기초하여, 상기 제2 어플리케이션(303)을 결정할 수 있다.

다양한 실시예에 따른, 온디바이스 인공지능 서비스를 제공하는 방법은, 제1 어플리케이션(302)이 실행된 경우, 상기 입력 모듈(150) 또는 상기 디스플레이 모듈(160)로부터 사용자 요청(301)을 수신하는 단계; 상기 사용자 요청(301)과 연관된 컨텐츠 데이터를 결정하는 단계; 상기 컨텐츠 데이터에 기초하여, 상기 사용자 요청(301)에 대응하는 요청 정보를 생성하는 단계; 상기 사용자 요청(301)을 처리할 제2 어플리케이션(303)을 결정하는 단계; 및 상기 컨텐츠 데이터 및 상기 요청 정보를 상기 제2 어플리케이션(303)에 전송하는 단계를 포함할 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어^TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims

전자 장치에 있어서,
상기 전자 장치에서 사용될 명령 또는 데이터를 상기 전자 장치의 외부로부터 수신하는 입력 모듈;
상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈;
상기 입력 모듈 및 상기 디스플레이 모듈과 전기적으로 연결된 프로세서; 및
상기 프로세서와 전기적으로 연결되고, 제1 어플리케이션을 포함하는 메모리
를 포함하고,
상기 프로세서는,
상기 제1 어플리케이션이 실행된 경우, 상기 입력 모듈 또는 상기 디스플레이 모듈로부터 사용자 요청을 수신하고,
상기 사용자 요청과 연관된 컨텐츠 데이터를 결정하고,
상기 컨텐츠 데이터에 기초하여, 상기 사용자 요청에 대응하는 요청 정보를 생성하고,
상기 사용자 요청을 처리할 제2 어플리케이션을 결정하고,
상기 요청 정보를 상기 제2 어플리케이션에 전송하는,
전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 사용자 요청이 상기 입력 모듈의 마이크를 통해 수신된 경우, 상기 수신된 사용자 요청에 대한 음성 인식을 통해 상기 사용자 요청에 대응하는 텍스트를 추출하고, 상기 추출된 텍스트에 기초하여 상기 컨텐츠 데이터를 결정하는, 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 사용자 요청이 상기 디스플레이 모듈의 터치 패널을 통해 수신된 경우, 상기 사용자 요청에 대응하는 텍스트를 결정하고, 상기 텍스트에 기초하여 상기 컨텐츠 데이터를 결정하는, 전자 장치.
제1항에 있어서,
상기 제1 어플리케이션 및 상기 제2 어플리케이션 중 적어도 하나는, 오프라인에서 동작하는, 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 컨텐츠 데이터를 결정하기 위하여, 상기 사용자 요청에 대응하는 텍스트를 추출하고, 상기 텍스트 중 상기 컨텐츠 데이터와 관련된 텍스트에 기초하여, 상기 컨텐츠 데이터를 결정하는,
전자 장치
제5항에 있어서,
상기 요청 정보는, 상기 컨텐츠 데이터에 관한 컨텐츠 정보를 포함하고,
상기 컨텐츠 정보는,
상기 컨텐츠 데이터의 내용 정보, 상기 컨텐츠 데이터의 식별 정보, 상기 컨텐츠 데이터의 속성 정보 및 상기 컨텐츠 데이터가 복수인 경우 상기 컨텐츠 데이터들의 공통 정보 중 어느 하나 이상을 포함하는,
전자 장치.
제6항에 있어서,
상기 프로세서는,
상기 제1 어플리케이션에서, 상기 사용자 요청에 따라 미리 설정된 옵션에 기초하여, 상기 컨텐츠 정보를 결정하는, 전자 장치.
제6항에 있어서,
상기 프로세서는,
입력되는 키워드에 기초하여 문장을 생성하도록 트레이닝된 인공지능 모델을 이용하여, 상기 컨텐츠 정보를 가공하는, 전자 장치.
제1항에 있어서,
상기 요청 정보는, 상기 제2 어플리케이션에서 수행되는 동작에 관한 정보인 인텐트 정보를 포함하고,
상기 프로세서는,
입력되는 텍스트에 대하여 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델 이용하여, 상기 사용자 발화에 대응하는 텍스트로부터 상기 인텐트 정보를 결정하는, 전자 장치.
제1항에 있어서,
상기 메모리는,
상기 사용자 요청에 대응하는 텍스트와, 상기 사용자 요청에 대한 상기 컨텐츠 데이터 및 상기 요청 정보들을 맵핑하여 저장하고,
상기 프로세서는,
새로운 사용자 요청과 미리 저장된 사용자 요청을 비교하여, 상기 컨텐츠 데이터를 결정하고, 상기 요청 정보를 생성하는, 전자 장치.
전자 장치에 있어서,
상기 전자 장치에서 사용될 명령 또는 데이터를 상기 전자 장치의 외부로부터 수신하는 입력 모듈;
상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈;
상기 입력 모듈 및 상기 디스플레이 모듈과 전기적으로 연결된 프로세서; 및
상기 프로세서와 전기적으로 연결되고, 제1 어플리케이션을 포함하는 메모리
를 포함하고,
상기 프로세서는,
상기 제1 어플리케이션이 실행된 경우, 상기 입력 모듈 또는 상기 디스플레이 모듈로부터 사용자 요청을 수신하고,
자연어 처리를 수행하도록 트레이닝된 인공지능 모델을 이용하여, 상기 사용자 요청을 분석하고,
상기 사용자 요청을 분석한 결과에 기초하여, 상기 사용자 요청을 처리할 제2 어플리케이션을 결정하고,
상기 제2 어플리케이션을 통해 상기 사용자 요청을 처리하는,
전자 장치.
제11항에 있어서,
상기 프로세서는,
상기 사용자 요청이 상기 입력 모듈의 마이크를 통해 수신된 경우, 상기 수신된 사용자 요청에 대한 음성 인식을 통해 상기 사용자 요청에 대응하는 텍스트를 추출하고, 상기 추출된 텍스트에 기초하여 상기 사용자 요청을 분석하는, 전자 장치.
제11항에 있어서,
상기 프로세서는,
상기 사용자 요청이 상기 디스플레이 모듈의 터치 패널을 통해 수신된 경우, 상기 사용자 요청에 대응하는 텍스트를 결정하고, 상기 텍스트에 기초하여 상기 사용자 요청을 분석하는, 전자 장치.
제11항에 있어서,
상기 프로세서는,
상기 사용자 요청에 대응하는 텍스트로부터 인텐트 정보를 결정하도록 트레이닝된 인공지능 모델을 이용하여 생성한 인텐트 정보에 기초하여, 상기 제2 어플리케이션을 결정하는, 전자 장치.
온디바이스 인공지능 서비스를 제공하는 방법에 있어서,
제1 어플리케이션이 실행된 경우, 입력 모듈 또는 디스플레이 모듈로부터 사용자 요청을 수신하는 단계;
상기 사용자 요청과 연관된 컨텐츠 데이터를 결정하는 단계;
상기 컨텐츠 데이터에 기초하여, 상기 사용자 요청에 대응하는 요청 정보를 생성하는 단계;
상기 사용자 요청을 처리할 제2 어플리케이션을 결정하는 단계; 및
상기 컨텐츠 데이터 및 상기 요청 정보를 상기 제2 어플리케이션에 전송하는 단계
를 포함하는, 온디바이스 인공지능 서비스를 제공하는 방법.