WO2019235878A1 - 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치 - Google Patents

음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치 Download PDF

Info

Publication number
WO2019235878A1
WO2019235878A1 PCT/KR2019/006872 KR2019006872W WO2019235878A1 WO 2019235878 A1 WO2019235878 A1 WO 2019235878A1 KR 2019006872 W KR2019006872 W KR 2019006872W WO 2019235878 A1 WO2019235878 A1 WO 2019235878A1
Authority
WO
WIPO (PCT)
Prior art keywords
module
user
electronic device
input
training
Prior art date
Application number
PCT/KR2019/006872
Other languages
English (en)
French (fr)
Inventor
장성운
Original Assignee
삼성전자 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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US17/054,753 priority Critical patent/US20210217406A1/en
Priority to EP19814725.8A priority patent/EP3779963A4/en
Publication of WO2019235878A1 publication Critical patent/WO2019235878A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Definitions

  • the AI system needs to confirm whether the command intention is appropriate for the user.
  • the artificial intelligence system needs to confirm the intention of the user or check the input of the user again. In this case, re-ignition of the user may occur repeatedly to reduce the usability of the artificial intelligence system.
  • An electronic device may include a communication module; A processor; And a memory, the memory receiving the input from the processor; Determine an operation sequence according to the input, determine whether a learned training database for the determined action sequence exists; and if the learned training database for the determined action sequence does not exist, determine Perform an operation in an operation sequence, perform performance feedback on the execution of the operation, determine whether the determined operation sequence is an input related to user training; and if it is determined that the input relates to user training, the user input and the electronic device execution information are determined. And stores instructions that control to update domain and status information according to the tracked user input and the electronic device execution information.
  • 1A is a block diagram of an electronic device in a network environment according to various embodiments.
  • 1D is a diagram illustrating an intelligent app execution form of an electronic device according to an embodiment of the present disclosure.
  • FIG 1E illustrates an intelligent server of an integrated intelligence system according to an embodiment.
  • FIG. 7 is a screen illustrating an artificial intelligence system training method according to various embodiments of the present disclosure.
  • the processor 1500 may control the overall operation of the electronic apparatus 1000.
  • the processor 1500 may control the input module 1100 to receive a user input.
  • the processor 1500 may control the display 1200 to display an image.
  • the processor 1500 may control the speaker 1300 to output a voice signal.
  • the processor 1500 may control the memory 1400 to execute a program, and load or store necessary information.
  • the intelligent service module 1490 may include a context module 1490a, a persona module 1490b, or a suggestion module 1490c.
  • the persona module 1490b may manage personal information of a user who uses the electronic device 1000.
  • the persona module 1490b may manage the personal information of the user by collecting usage information and an execution result of the electronic device 1000.
  • the natural language understanding module 2200 or the path planner module 2300 of the intelligent server 2000 may generate a path rule.
  • the natural language understanding module 2200 may grasp the meaning of a word extracted from a user input by using linguistic features (eg, grammatical elements) such as morphemes and phrases, and convert the meaning of the identified word into a domain. And the intention of the user by matching the intention. For example, the natural language understanding module 2200 may determine how much the word extracted from the user input is included in each domain and the intention to determine the user intention. According to an embodiment of the present disclosure, the natural language understanding module 2200 may determine a parameter of a user input by using a word based on the intention.
  • linguistic features eg, grammatical elements
  • morphemes and phrases e.g., morphemes and phrases
  • the natural language understanding module 2200 may generate a pass rule based on the intention and parameters of the user input. For example, the natural language understanding module 2200 may select an app to be executed based on an intention of a user input, and determine an operation to be performed in the selected app. The natural language understanding module 2200 may generate a pass rule by determining a parameter corresponding to the determined operation.
  • the path rule generated by the natural language understanding module 2200 may include information about an app to be executed, an operation to be executed in the app (for example, at least one state) and a parameter required to execute the operation. It may include.
  • the natural language understanding module 2200 may select at least one pass rule from the generated plurality of pass rules. For example, the natural language understanding module 2200 may select an optimal path rule of the plurality of path rules. For another example, the natural language understanding module 2200 may select a plurality of pass rules when only some of the actions are specified based on user speech. The natural language understanding module 2200 may determine one path rule among the plurality of path rules by an additional input of a user.
  • the natural language understanding module 2200 may transmit a path rule to the electronic apparatus 1000 as a request for a user input.
  • the natural language understanding module 2200 may transmit one pass rule corresponding to the user input to the electronic apparatus 1000.
  • the natural language understanding module 2200 may transmit a plurality of pass rules corresponding to a user input to the electronic device 1000.
  • the plurality of pass rules may be generated by the natural language understanding module 2200 when only some of the actions are specified based on, for example, user speech.
  • the path planner module 2300 may select at least one path rule from among a plurality of path rules.
  • the dialog manager module 2400 may include a content provider module.
  • the content providing module may generate a result of performing a task corresponding to a user input when an operation may be performed based on an intention and a parameter grasped by the natural language understanding module 2200.
  • the conversation manager module 2400 may transmit the result generated by the content providing module to the electronic apparatus 1000 in response to a user input.
  • the text-to-speech module 2600 may change the text-type information into the speech-type information.
  • the text-to-speech module 2600 may receive information in the form of text from the natural language generation module 2500, change the information in the form of text into information in the form of voice, and transmit it to the electronic device 1000.
  • the electronic apparatus 1000 may output the voice type information to the speaker 1300.
  • the natural language understanding module 2200, the path planner module 2300, and the conversation manager module 2400 may be implemented as one module.
  • the natural language understanding module 2200, the path planner module 2300, and the conversation manager module 2400 may be implemented as one module to determine a user's intention and parameters, and correspond to the determined user's intent and parameters. You can create a response (for example, a pass rule). Accordingly, the generated response may be transmitted to the electronic device 1000.
  • 1F is a diagram illustrating a form of generating a pass rule of an intelligent server according to an exemplary embodiment.
  • the natural language understanding module 2200 may divide a function of an app into one operation (for example, state A to state F) and store it in the path rule database 2310.
  • the natural language understanding module 2200 may include a plurality of pass rules A-B1-C1, A-B1-C2, A-B1-C3-DF, and A- that are divided into one operation (for example, a state).
  • the path rule set including B1-C3-DEF) may be stored in the path rule database 2310.
  • the path rule database 2310 of the path planner module 2300 may store a path rule set for performing a function of an app.
  • the pass rule set may include a plurality of pass rules including a plurality of operations (eg, a sequence of states).
  • operations executed according to parameters input to each of the plurality of operations may be sequentially arranged.
  • the plurality of path rules may be configured in an ontology or graph model and stored in the path rule database 2310.
  • the natural language understanding module 2200 may include the plurality of pass rules A-B1-C1, A-B1-C2, A-B1-C3-DF, and A- corresponding to intentions and parameters of a user input.
  • the optimal pass rule (A-B1-C3-DF) can be selected among B1-C3-DEF).
  • the natural language understanding module 2200 may transmit a plurality of rules to the electronic apparatus 1000 when there is no pass rule that perfectly matches the user input. For example, the natural language understanding module 2200 may select a pass rule (eg, A-B1) partially corresponding to a user input.
  • the natural language understanding module 2200 may include one or more pass rules (eg, A-B1-C1, A-B1-C2, and A-B1-C3) including a pass rule (eg, A-B1) corresponding in part to a user input.
  • -DF and A-B1-C3-DEF may be selected and delivered to the electronic device 1000.
  • the natural language understanding module 2200 may select one of a plurality of pass rules based on an additional input of the electronic device 1000, and transfer the selected one pass rule to the electronic device 1000.
  • the natural language understanding module 2200 may include a plurality of pass rules (eg, A-B1-C1 and A-B1) according to a user input (eg, an input for selecting C3) additionally input from the electronic device 1000.
  • One pass rule eg, A-B1-C3-DF
  • A-B1-C3-DF among -C2, A-B1-C3-DF, and A-B1-C3-DEF may be selected and transmitted to the electronic device 1000.
  • the natural language understanding module 2200 may correspond to a user's intention corresponding to a user input (eg, an input for selecting C3) additionally input to the electronic device 1000 through the natural language understanding module 2200.
  • the parameter may be determined, and the determined intention or parameter of the user may be transmitted to the electronic apparatus 1000.
  • the electronic apparatus 1000 may determine a plurality of pass rules (eg, A-B1-C1, A-B1-C2, A-B1-C3-DF, and A-B1-C3- based on the transmitted intention or the parameter).
  • One pass rule eg, A-B1-C3-DF
  • One pass rule can be selected.
  • the electronic apparatus 1000 may complete the operations of the apps 1410 and 1430 according to the selected one pass rule.
  • the natural language understanding module 2200 may generate a path rule partially corresponding to the received user input. For example, the natural language understanding module 2200 may transmit the partially corresponding path rule to the intelligent agent 1450.
  • the processor 1500 may execute the intelligent agent 1450 to receive the path rule and transmit the partially corresponding path rule to the execution manager module 1470.
  • the processor 1500 may execute the first app 1410 according to the pass rule through the execution manager module 1470.
  • the processor 1500 may transmit information about the insufficient parameters to the intelligent agent 1450 while executing the first app 1410 through the execution manager module 1470.
  • the processor 1500 may request an additional input from the user by using the information on the insufficient parameter through the intelligent agent 1450.
  • the processor 1500 may transmit the user input to the intelligent server 2000 for processing.
  • the natural language understanding module 2200 may generate an added pass rule based on the additional input user intention and parameter information and transmit the generated pass rule to the intelligent agent 1450.
  • the processor 1500 may execute the second app 1430 by transmitting the path rule to the execution manager module 1470 through the intelligent agent 1450.
  • Table 1 attached below may represent an exemplary form of a pass rule related to a task requested by a user according to an exemplary embodiment.
  • Path rule ID State parameter Gallery_101 pictureView (25) NULL searchView (26) NULL searchViewResult (27) Location, time SearchEmptySelectedView (28) NULL SearchSelectedView (29) ContentType, selectall CrossShare (30) anaphora
  • a path rule generated or selected by an intelligent server may include at least one state 25 or 26. , 27, 28, 29 or 30).
  • the at least one state (for example, any operation state of the terminal) may be executed by a photo application (PicturesView) 25, a photo search function (SearchView) 26, a search result display screen output (SearchViewResult) ( 27), a search result display screen with no photos selected (SearchEmptySelectedView) 28, a search result display screen with at least one photo selected (SearchSelectedView) 29, or a shared application selection screen output (CrossShare) 30
  • the parameter information of the pass rule may correspond to at least one state.
  • the at least one photo may be included in the selected search result display screen output 29.
  • 1G is a diagram illustrating a proposal module of an intelligent service module according to an embodiment.
  • the suggestion module 1490c may include a hint providing module 1490c_1, a context hint generating module 1490c_2, a condition checking module 1490c_3, a condition model module 1490c_4, a reuse hint generating module 1490c_5, or an introduction. It may include a hint generation module 1490c_6.
  • the processor 1500 may execute the condition checking module 1490c_3 or the condition model module 1490c_4 to generate a hint that may be recommended according to the current state.
  • the processor 1500 may execute the condition checking module 1490c_3 to receive information corresponding to the current state, and execute the condition model module 1490c_4 to set a condition model using the received information.
  • the processor 1500 executes the condition model module 1490c_4 to determine the time, location, and situation of the app in use at the time of providing a hint to the user, and to prioritize the hints that are likely to be used in the condition. Can be presented to the user in ascending order.
  • the context hint generation module 1490c_2, the condition checking module 1490c_3, the condition model module 1490c_4, the reuse hint generation module 1490c_5, or the introduction hint generation module 1490c_6 of the suggestion module 1490c may be used. It may be included in the personalized information server 3000.
  • the processor 1500 may generate the context hint generation module 1490c_2, the reuse hint generation module 1490c_5, or the introduction hint of the user personalization information server 3000 through the hint providing module 1490c_1 of the suggestion module 1490c.
  • the hint may be received from the module 1490c_6 to provide the received hint to the user.
  • the electronic apparatus 1000 may provide a hint according to the following series of processes.
  • the processor 1500 may transmit a hint generation request to the context hint generation module 1490c_2 through the hint provision module 1490c_1.
  • the processor 1500 may receive information corresponding to the current state from the context module 1490a and the persona module 1490b through the condition checking module 1490c_3.
  • the processor 1500 transmits the received information to the condition model module 1490c_4 through the condition checking module 1490c_3, and applies the condition to the condition among hints provided to the user using the information through the condition model module 1490c_4. You can give priority to hints in order of availability.
  • the processor 1500 may check (6) the condition through the context hint generation module 1490c_2 and generate a hint corresponding to the current state.
  • the processor 1500 may transfer the generated hint to the hint providing module 1490c_1 through the context hint generation module 1490c_2.
  • the processor 1500 may align the hint according to a specified rule through the hint providing module 1490c_1 and transmit the hint to the intelligent agent 1450.
  • the processor 1500 may generate a plurality of context hints through the hint providing module 1490c_1, and may assign a priority to the plurality of context hints according to a specified rule. According to an embodiment of the present disclosure, the processor 1500 may first provide a user with a high priority among the plurality of context hints through the hint providing module 1490c_1.
  • AI means interpreting and inferring natural language input in spoken and / or textual form to infer user intent. It may refer to any information processing system that performs actions based on the intended user intention. For example, to operate according to inferred user intent, the system identifies a pass rule with steps and parameters designed to achieve the inferred user intent, and inputs specific requirements from the inferred user intent into the pass rule. To do; Executing pass rules by calling programs, methods, services, APIs, and the like; And generating output responses to the user in audible form (eg, voice) and / or visual form.
  • audible form eg, voice
  • the artificial intelligence system sometimes interacts with the user in a continuous conversation involving multiple exchanges of information for an extended period of time.
  • the digital assistant In addition to providing verbal responses and taking programmed actions, the digital assistant also responds in other visual or audio forms (eg, as text, alerts, music, videos, animations, etc.). Provide them.
  • Server system 201 may be implemented on one or more standalone data processing devices or computers in a distributed network.
  • the AI system processing module 330 may receive at least one of content, response, action sequence, and training feedback from the AI system server 210 through a communication module (eg, the communication module 190 of FIG. 1A). Can be.
  • the operation sequence may be the same as a path rule.
  • the artificial intelligence system processing module 330 may include a client controller 331 and an execution manager 332.
  • the execution manager 332 may perform an operation step by step based on one or more functions and parameters included in the action sequence and display the execution status for each step to the user. have.
  • the AI system processing module 330 may control the operation of the AI system processing module 330 and may control the operation of the processor (eg, the processor 120 of FIG. 1A).
  • the execution manager 332 may request an application corresponding to each function to be executed at each execution step, and report an execution result of each function from each application.
  • the input processing module 340 may receive a user input and process a signal.
  • the user input may be a touch input or a key input.
  • the input processing module 340 may transmit a user input to an artificial intelligence system server (eg, 210) through a communication module (eg, the communication module 190 of FIG. 1A).
  • the processor of the artificial intelligence system server 400 may include an input / output (I / O) interface 410 (eg, 211 of FIG. 2), a voice recognition module 411, and a natural language understanding (NLU) to a client stored in a memory.
  • the natural language understanding (NLU) module 412 receives a text query generated from the speech recognition module 411 and uses the intent and slots of the speech corresponding to the user command based on a predetermined rule or statistical characteristic. slot, for example, a parameter).
  • NLU natural language understanding
  • the natural language understanding module 412 may convert the intent and the slot (eg, the parameter) into the content generation processing module 413, the DM module 414, the action plan processing module 415, and the training determination unit 416. ) At least one of
  • the natural language understanding module 412 may determine whether an intent and a slot (eg, a parameter) are included in the path rule database 430 included in the data module 419.
  • the training database may be stored in the data module 419.
  • the training database may be included in a path rule database 430 stored in the data module 419 and may be stored in the data module 419 separately from the path rule database 430. have.
  • the natural language understanding module 412 may include intents and slots (eg, parameters) in the path rule database 430 or the training database included in the data module 419. According to the base 430 or the training database, an intent and a slot (eg, a parameter) are determined by the content generation processing module 413, the DM module 414, the action plan processing module 415, and the training determination. May be delivered to at least one of the portions 416.
  • intents and slots eg, parameters
  • a slot eg, a parameter
  • the natural language understanding module 412 preferentially searches the training database if intents and slots (eg, parameters) have already been learned. If the operation sequence is determined and the training database is not found in the search result, the pass rule database 430 may be searched to determine the operation sequence.
  • intents and slots eg, parameters
  • the natural language comprehension module 412 may, if the intent and slot (e.g., parameter) relate to the interactive answer, then the DM module 414 according to the intent and the slot. ) Can be delivered.
  • intent and slot e.g., parameter
  • the DM module 414 may intent according to the trained database if the intent and slots (eg, parameters) are included in the already trained database included in the data module 419. And a slot (eg, a parameter) may be transmitted to at least one of the content generation processing module 413, the DM module 414, the action plan processing module 415, and the training determination unit 416.
  • the action plan processing module 415 may generate a response combining the action sequence and the interactive answer according to the interactive response generation command from the DM module 414, and output the generated response to the client. ) May be transmitted to the AI system client 300 through an interface 410 (eg, 211 of FIG. 2).
  • a method may be provided included in a computer program product.
  • the computer program product may be traded between the seller and the buyer as a product.
  • the computer program product is distributed in the form of a device-readable storage medium (e.g. compact disc read only memory (CD-ROM)), or through an application store (e.g. Play Store TM ) or two user devices ( Example: smartphones) can be distributed (eg downloaded or uploaded) directly or online.
  • a device-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play Store TM
  • two user devices Example: smartphones
  • at least a portion of the computer program product may be stored at least temporarily or temporarily created on a device-readable storage medium such as a server of a manufacturer, a server of an application store, or a memory of a relay server.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

인공지능 시스템 트레이닝 방법에 있어서, 방법은 입력을 수신하는 동작; 상기 입력에 따른 동작 시퀀스를 판단하는 동작; 상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하는지 여부를 판단하는 동작; 상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하지 않으면, 상기 판단된 동작 시퀀스로 동작 수행하는 동작; 동작 수행에 관한 수행 완료 피드백 동작; 상기 판단된 동작 시퀀스가 사용자 트레이닝에 관한 입력인지 여부를 판단하는 동작; 사용자 트레이닝에 관한 입력이라고 판단되면, 사용자 입력 및 전자 장치 실행정보를 추적하는 동작; 및 상기 추적된 사용자 입력 및 전자 장치 실행 정보에 따라, 도메인 및 상태 정보를 업데이트 하는 동작을 포함할 수 있다.

Description

음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치
본 발명의 다양한 실시예는 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치 에 관한 것이다.
인공지능 시스템(artificial intelligence system)는 사용자가 요청한 작업을 수행하고, 요청된 작업에 따라서, 정보 또는 서비스를 제공할 수 있다. 인공지능 비서의 능력은 사용자의 발화를 이해하고 발화 의도에 따른 작업 수행에 정확도에 의존한다. 인공지능 비서는 사용자 입력을 해석하여 사용자의 의도를 추론하고 추론된 의도에 따라서 작업들을 수행할 수 있으며, 사용자와 인공지능 비서 간의 자연 언어 상호 작용을 통해 표현된 사용자의 의도에 따라 작업을 수행해야 한다.
인공지능 시스템은 추론한 사용자의 발화 의도를 잘 이해하지 못한 경우, 인공지능 시스템은 사용자에게 명령 의도가 적절하지 여부를 확인할 필요가 있다. 인공지능 시스템은 사용자의 의도를 파악하기 위해서, 사용자의 의도를 확인 받거나 다시 사용자의 입력을 확인할 필요가 있다. 이 경우, 사용자의 재발화가 반복적으로 발생하여 인공지능 시스템의 사용성을 저하시킬 수 있다.
본 발명의 다양한 실시예들은 인공지능 시스템이 사용자 의도와 일치하지 않는 동작을 수행하거나 사용자 의도를 파악하지 못하는 경우에, 사용자가 인공지능 시스템을 학습시키는 방법을 제공하고자 한다.
본 발명의 다양한 실시예에 따른 방법은 인공지능 시스템 트레이닝 방법에 있어서, 입력을 수신하는 동작; 상기 입력에 따른 동작 시퀀스를 판단하는 동작; 상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하는지 여부를 판단하는 동작; 상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하지 않으면, 상기 판단된 동작 시퀀스로 동작 수행하는 동작; 동작 수행에 관한 수행 완료 피드백 동작; 상기 판단된 동작 시퀀스가 사용자 트레이닝에 관한 입력인지 여부를 판단하는 동작; 사용자 트레이닝에 관한 입력이라고 판단되면, 사용자 입력 및 전자 장치 실행정보를 추적하는 동작; 및 상기 추적된 사용자 입력 및 전자 장치 실행 정보에 따라, 도메인 및 상태 정보를 업데이트 하는 동작을 포함할 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치는 통신 모듈; 프로세서; 및 메모리를 포함하며, 상기 메모리는 상기 프로세서가 입력을 수신하는 동작; 상기 입력에 따른 동작 시퀀스를 판단하고, 상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하는지 여부를 판단하며, 상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하지 않으면, 상기 판단된 동작 시퀀스로 동작 수행하고, 동작 수행에 관한 수행 완료 피드백하며, 상기 판단된 동작 시퀀스가 사용자 트레이닝에 관한 입력인지 여부를 판단하고, 사용자 트레이닝에 관한 입력이라고 판단되면, 사용자 입력 및 전자 장치 실행정보를 추적하며, 상기 추적된 사용자 입력 및 전자 장치 실행 정보에 따라, 도메인 및 상태 정보를 업데이트 하도록 제어하는 인스트럭션들(instrcutions)을 저장할 수 있다.
본 발명의 다양한 실시예에 따른 인공지능 시스템을 학습시키는 트레이닝 방법 및 이 방법을 포함하는 전자 장치는 사용자가 인공지능 시스템을 사용자의 의도에 대응하여 학습시킴으로써, 사용자에게 특화된 수행 기능을 제공할 수 있다.
도 1a은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블럭도이다.
도 1b는 일 실시 예에 따른 통합 지능화 시스템을 도시한 도면이다.
도 1c는 일 실시 예에 따른 통합 지능화 시스템의 전자 장치를 도시한 도면이다.
도 1d는 일 실시 예에 따른 전자 장치의 지능형 앱 실행 형태를 도시한 도면이다.
도 1e는 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 도시한 도면이다.
도 1f는 일 실시 예에 따른 지능형 서버의 패스 룰 생성 형태를 도시한 도면이다.
도 1g는 일 실시 예에 따른 지능형 서비스 모듈의 제안 모듈을 도시한 도면이다.
도 2는, 다양한 실시예에 따른, 네트워크 환경 내의 서버의 블록도이다.
도 3은 본 발명의 다양한 실시예에 따른 전자 장치에 구현된 인공지능 시스템 클라이언트에 관한 블록도이다.
도 4는 본 발명의 다양한 실시예에 따른 인공지능 시스템 서버에 관한 블록도이다.
도 5a 및 도 5b는 본 발명의 다양한 실시예에 따른 인공지능 시스템 서버의 동작을 나타내는 순서도이다.
도 6은 본 발명의 다양한 실시예에 따른 인공지능 시스템 클라이언트의 동작을 나타내는 순서도이다.
도 7은 본 발명의 다양한 실시예에 따른 인공지능 시스템 트레이닝 방법을 나타내는 화면이다.
도 8은 본 발명의 다양한 실시예에 따른 인공지능 시스템 트레이닝 방법을 나타내는 화면이다.
도 1a은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다. 도 1a을 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)와 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 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 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: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 1센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 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)을 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 로드하고, 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), 및 이와는 독립적으로 1또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 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: 표시 장치(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 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 11111111일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(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 장치(150)는, 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 장치(150)은, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 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 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(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)이 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)은, 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(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 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 direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(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 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 하나 이상의 안테나들을 포함할 수 있고, 이로부터, 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 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 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))를 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. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, or 108) 중 하나 이상의 외부 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 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 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, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 발명을 서술하기에 앞서, 도 1b, 도 1c, 도 1d, 도 1e, 도 1f 및 도 1g를 참조하여 본 발명의 다양한 실시 예가 적용될 수 있는 통합 지능화 시스템이 설명될 수 있다.
도 1b는 일 실시 예에 따른 통합 지능화 시스템을 도시한 도면이다.
도 1b를 참조하면, 통합 지능화 시스템(10)은 전자 장치(1000), 지능형 서버(2000), 개인화 정보 서버(3000) 또는 제안 서버(4000)를 포함할 수 있다.
전자 장치(1000)은 전자 장치(1000) 내부에 저장된 앱(app)(또는, 어플리케이션 프로그램(application program))(예: 알람 앱, 메시지 앱, 사진(갤러리) 앱 등)을 통해 사용자에게 필요한 서비스를 제공할 수 있다. 예를 들어, 전자 장치(1000)은 전자 장치(1000) 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 다른 앱을 실행하고 동작시킬 수 있다. 전자 장치(1000)의 상기 지능형 앱을 통해 상기 다른 앱의 실행하고 동작을 실행시키기 위한 사용자 입력을 수신할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼, 터치 패드, 음성 입력, 원격 입력 등을 통해 수신될 수 있다. 일 실시 예에 따르면, 전자 장치(1000)은 휴대폰, 스마트폰, PDA(personal digital assistant) 또는 노트북 컴퓨터 등 인터넷에 연결 가능한 각종 단말 장치(또는, 전자 장치)가 이에 해당될 수 있다.
일 실시 예에 따르면, 전자 장치(1000)은 사용자의 발화를 사용자 입력으로 수신할 수 있다. 전자 장치(1000)은 사용자의 발화를 수신하고, 상기 사용자의 발화에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 이에 따라, 전자 장치(1000)은 상기 명령을 이용하여 상기 앱을 동작시킬 수 있다.
지능형 서버(2000)는 통신망을 통해 전자 장치(1000)로부터 사용자 음성 입력(voice input)을 수신하여 텍스트 데이터(text data)로 변경할 수 있다. 다른 실시 예에서는, 지능형 서버(2000)는 상기 텍스트 데이터에 기초하여 패스 룰(path rule) 을 생성(또는, 선택)할 수 있다. 상기 패스 룰은 앱의 기능을 수행하기 위한 동작(action)(또는, 오퍼레이션(operation))에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다. 또한, 상기 패스 룰은 상기 앱의 상기 동작의 순서를 포함할 수 있다.
전자 장치(1000)은 상기 패스 룰을 수신하고, 상기 패스 룰에 따라 앱을 선택하고, 상기 선택된 앱에서 상기 패스 룰에 포함된 동작을 실행시킬 수 있다. 본 문서의 “패스 룰(path rule)” 이라는 용어는 일반적으로, 전자 장치(또는, 전자 장치)가 사용자에 의해 요청된 태스크를 수행하기 위한 상태들의 시퀀스를 의미할 수 있지만, 이에 제한되지는 않는다. 다시 말해, 패스 룰은 상태들의 시퀀스에 대한 정보를 포함할 수 있다. 상기 태스크는 예컨대, 지능형 앱이 제공할 수 있는 어떠한 동작(action)일 수 있다. 상기 태스크는 일정을 생성하거나, 원하는 상대방에게 사진을 전송하거나, 날씨 정보를 제공하는 것을 포함할 수 있다. 전자 장치(1000)은 적어도 하나의 상태(예: 전자 장치(1000)의 동작 상태)를 순차적으로 갖음으로써, 상기 태스크를 수행할 수 있다.
일 실시 예에 따르면, 패스 룰은 인공 지능(artificial intelligent)(AI) 시스템에 의해 제공되거나, 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, 패스 룰은 미리 정의된 패스 룰들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 패스 룰 중 적어도 패스 룰을 선택하거나, 동적(또는, 실시간)으로 패스 룰을 생성할 수 있다. 또한, 전자 장치(1000)은 패스 룰을 제공하기 위해 하이브리드 시스템을 사용할 수 있다.
일 실시 예에 따르면, 전자 장치(1000)은 상기 동작을 실행하고, 동작을 실행한 전자 장치(1000)의 상태에 대응되는 화면을 디스플레이에 표시할 수 있다. 다른 예를 들어, 전자 장치(1000)은 상기 동작을 실행하고, 동작을 수행한 결과를 디스플레이에 표시하지 않을 수 있다. 전자 장치(1000)은, 예를 들어, 복수의 동작을 실행하고, 상기 복수의 동작의 일부 결과만을 디스플레이에 표시할 수 있다. 전자 장치(1000)은, 예를 들어, 마지막 순서의 동작을 실행한 결과만을 디스플레이에 표시할 수 있다. 또 다른 예를 들어, 전자 장치(1000)은 사용자의 입력을 수신하여 해당 시점(time)의 동작에 대한 실행 결과를 디스플레이에 표시할 수 있다.
개인화 정보 서버(3000)는 사용자 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 개인화 정보 서버(3000)는 전자 장치(1000)로부터 사용자 정보(예: 컨텍스트 정보, 앱 실행 등)를 수신하여 상기 데이터베이스에 저장할 수 있다. 개인화 정보 서버(3000)는 통신망을 통해 상기 사용자 정보를 지능형 서버(2000)로 전송하여, 지능형 서버(2000)의 기능 수행(예: 사용자 입력에 대한 패스 룰 생성)을 지원할 수 있다. 일 실시 예에 따르면, 전자 장치(1000)은 통신망을 통해 개인화 정보 서버(3000)로부터 사용자 정보를 수신하여 데이터베이스를 관리하기 위한 정보로 이용할 수 있다.
제안 서버(4000)는 단말 내에 기능 혹은 어플리케이션의 소개 또는 제공될 기능에 대한 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 제안 서버(4000)는 개인화 정보 서버(3000)로부터 전자 장치(1000)의 사용자 정보를 수신하여 사용자가 사용할 수 있는 기능에 대한 데이터베이스를 포함할 수 있다. 전자 장치(1000)은 통신망을 통해 제안 서버(4000)로부터 상기 제공될 기능에 대한 정보를 수신하여 사용자에게 정보를 제공할 수 있다.
도 1c는 일 실시 예에 따른 통합 지능화 시스템의 전자 장치를 도시한 도면이다.
도 1c를 참조하면, 전자 장치(1000)은 입력 모듈(1100), 디스플레이(1200), 스피커(1300), 메모리(1400) 또는 프로세서(1500)를 포함할 수 있다. 전자 장치(1000)의 적어도 일부 구성요소(예: 입력 모듈(1100), 디스플레이(1200), 스피커(1300) 또는 메모리(1400) 등)는 프로세서(1500)에 전기적 또는 기능적으로 연결될 수 있다. 전자 장치(1000)은 하우징을 더 포함할 수 있고, 상기 전자 장치(1000)의 구성들은 상기 하우징의 내부에 안착되거나, 하우징 상에(on the housing) 위치할 수 있다. 전자 장치(1000)은 상기 하우징의 내부에 위치한 통신 회로를 더 포함할 수 있다. 전자 장치(1000)은 상기 통신 회로를 통해 외부 서버(예: 지능형 서버(2000))와 데이터(또는, 정보)를 송수신할 수 있다. 다양한 실시 예에서, 전자 장치(1000)은 전자 장치로도 명명될 수 있다.
일 실시 예에 따른, 입력 모듈(1100)은 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 모듈(1100)은 연결된 외부 장치(예: 키보드, 헤드셋)로부터 사용자 입력을 수신할 수 있다. 다른 예를 들어, 입력 모듈(1100)은 디스플레이(1200)와 결합된 터치 스크린(예: 터치 스크린 디스플레이)을 포함할 수 있다. 또 다른 예를 들어, 입력 모듈(1100)은 전자 장치(1000)(또는, 전자 장치(1000)의 하우징)에 위치한 하드웨어 키(또는, 물리적 키)를 포함할 수 있다.
일 실시 예에 따르면, 입력 모듈(1100)은 사용자의 발화를 음성 신호로 수신할 수 있는 마이크를 포함할 수 있다. 예를 들어, 입력 모듈(1100)은 발화 입력 시스템(speech input system)을 포함하고, 상기 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다. 상기 마이크의 적어도 일부는 예컨대, 상기 하우징의 일 영역(예: 제1 영역)을 통해 노출될 수 있다. 일 실시 예에서, 상기 마이크는 사용자 발화에 따른 입력(예: 음성 입력)을 수신하기 위하여 항시 구동되는 상태(예: always on)로 제어되거나 또는, 전자 장치(1000)의 일 영역으로 제공되는 하드웨어 키(예: 도 1d의 1120)에 사용자 조작이 인가되는 경우 구동되도록 제어될 수 있다. 상기 사용자 조작이라 함은, 하드웨어 키(1120)에 대한 프레스(press) 조작 또는 프레스 홀드(press and hold) 조작을 포함할 수 있다.
일 실시 예에 따른, 디스플레이(1200)는 이미지나 비디오, 및/또는 어플리케이션의 실행 화면을 표시할 수 있다. 예를 들어, 디스플레이(1200)는 앱의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시 예에서, 디스플레이(1200)는 사용자 신체(예: 손가락)에 의한 입력(예: 터치 입력 또는 드래그 입력 등)을 수신하기 위하여, 상기 하우징의 일 영역(예: 제2 영역)을 통해 적어도 일부가 노출될 수 있다.
일 실시 예에 따르면, 스피커(1300)는 음성 신호를 출력할 수 있다. 예를 들어, 스피커(1300)는 전자 장치(1000) 내부에서 생성되거나 또는, 외부 장치(예: 지능형 서버(도 1b의 2000))로부터 수신하는 음성 신호를 출력할 수 있다. 일 실시 예에 따르면, 스피커(1300)는 상술된 기능 수행의 효율과 관련하여, 적어도 일부가 상기 하우징의 일 영역(예: 제3 영역)을 통해 노출될 수 있다.
일 실시 예에 따르면, 메모리(1400)는 복수의 앱(또는, 어플리케이션 프로그램(application program))(1410, 1430)을 저장할 수 있다. 복수의 앱(1410, 1430)은 예를 들어, 사용자 입력에 대응되는 기능을 수행하기 위한 프로그램(program)일 수 있다. 일 실시 예에 따르면, 메모리(1400)는 지능형 에이전트(1450), 실행 매니저 모듈(1470) 또는 지능형 서비스 모듈(1490)을 저장할 수 있다. 지능형 에이전트(1450), 실행 매니저 모듈(1470) 및 지능형 서비스 모듈(1490)은, 예를 들어, 수신된 사용자 입력(예: 사용자 발화)을 처리하기 위한 프레임워크(framework)(또는, 어플리케이션 프레임워크(application framework))일 수 있다.
일 실시 예에 따르면, 메모리(1400)는 사용자 입력을 인식하는데 필요한 정보를 저장할 수 있는 데이터베이스를 포함할 수 있다. 예를 들어, 메모리(1400)은 로그(log) 정보를 저장할 수 있는 로그 데이터베이스를 포함할 수 있다. 다른 예를 들어, 메모리(1400)는 사용자 정보를 저장할 수 있는 페르소나 데이터베이스를 포함할 수 있다.
일 실시 예에 따르면, 메모리(1400)는 복수의 앱(1410, 1430)을 저장하고, 복수의 앱(1410, 1430)은 로드되어 동작할 수 있다. 예를 들어, 메모리(1400)에 저장된 복수의 앱(1410,1430)은 실행 매니저 모듈(1470)에 의해 로드되어 동작할 수 있다. 복수의 앱(1410, 1430)은 기능을 수행하는 실행 서비스 모듈(1410a, 1430a)을 포함할 수 있다. 일 실시 예에서, 복수의 앱(1410, 1430)은 기능을 수행하기 위하여 실행 서비스 모듈(1410a, 1430a)를 통해 복수의 동작(예: 상태들의 시퀀스)(1410b, 1430b)을 실행할 수 있다. 다시 말해, 실행 서비스 모듈(1410a, 1430a)은 프로세서(1500)의 실행 매니저 모듈(1470)에 의해 활성화되고, 복수의 동작 (1410b, 1430b)을 실행할 수 있다.
일 실시 예에 따르면, 앱(1410, 1430)의 동작(1410b, 1430b)이 실행되었을 때, 동작(1410b, 1430b)의 실행에 따른 실행 상태 화면은 디스플레이(1200)에 표시될 수 있다. 상기 실행 상태 화면은, 예를 들어, 동작(1410b, 1430b)이 완료된 상태의 화면일 수 있다. 상기 실행 상태 화면은, 다른 예를 들어, 동작(1410b, 1430b)의 실행이 정지된 상태(partial landing)(예: 동작(1410b, 1430b)에 필요한 파라미터가 입력되지 않은 경우)의 화면일 수 있다.
일 실시 예에 따른, 실행 서비스 모듈(1410a, 1430a)은 패스 룰에 따라 동작(1410b, 1430b)을 실행할 수 있다. 예를 들어, 실행 서비스 모듈(1410a, 1430a)은 실행 매니저 모듈(1470)에 의해 활성화되고, 실행 매니저 모듈(1470)로부터 상기 패스 룰에 따라 실행 요청을 전달 받고, 상기 실행 요청에 따라 동작(1410b, 1430b)을 함으로써, 앱(1410, 1430)의 기능을 실행할 수 있다. 실행 서비스 모듈(1410a, 1430a)은 상기 동작(1410b, 1430b)의 수행이 완료되면 완료 정보를 실행 매니저 모듈(1470)로 전달할 수 있다.
일 실시 예에 따르면, 앱(1410, 1430)에서 복수의 동작(1410b, 1430b)이 실행되는 경우, 복수의 동작(1410b, 1430b)은 순차적으로 실행될 수 있다. 실행 서비스 모듈(1410a, 1430a)은 하나의 동작(예: 제1 앱(1410)의 동작 1, 제2 앱(1430)의 동작 1)의 실행이 완료되면 다음 동작(예: 제1 앱(1410)의 동작 2, 제2 앱(1430)의 동작 2)을 오픈하고 완료 정보를 실행 매니저 모듈(1470)로 송신할 수 있다. 여기서 임의의 동작을 오픈한다는 것은, 임의의 동작을 실행 가능한 상태로 천이시키거나, 임의의 동작의 실행을 준비하는 것으로 이해될 수 있다. 다시 말해서, 임의의 동작이 오픈되지 않으면, 해당 동작은 실행될 수 없다. 실행 매니저 모듈(1470)은 상기 완료 정보가 수신되면 다음 동작(예: 제1 앱(1410)의 동작 2, 제2 앱(1430)의 동작 2)에 대한 실행 요청을 실행 서비스 모듈(1410a, 1430a)로 전달할 수 있다. 일 실시 예에 따르면, 복수의 앱(1410, 1430)이 실행되는 경우, 복수의 앱(1410, 1430)은 순차적으로 실행될 수 있다. 예를 들어, 제1 앱(1410)의 마지막 동작(예: 제1 앱(1410)의 동작 3)의 실행이 완료되어 완료 정보를 수신하면, 실행 매니저 모듈(1470)은 제2 앱(1430)의 첫번째 동작(예: 제2 앱(1430)의 동작 1)의 실행 요청을 실행 서비스(1430a)로 송신할 수 있다.
일 실시 예에 따르면, 앱(1410, 1430)에서 복수의 동작(1410b, 1430b)이 실행된 경우, 상기 실행된 복수의 동작(1410b, 1430b) 각각의 실행에 따른 결과 화면은 디스플레이(1200)에 표시될 수 있다. 일 실시 예에 따르면, 상기 실행된 복수의 동작(1410b, 1430b)의 실행에 따른 복수의 결과 화면 중 일부만 디스플레이(1200)에 표시될 수 있다.
일 실시 예에 따르면, 메모리(1400)는 지능형 에이전트(1450)와 연동된 지능형 앱(예: 음성 인식 앱)을 저장할 수 있다. 지능형 에이전트(1450)와 연동된 앱은 사용자의 발화를 음성 신호로 수신하여 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(1450)와 연동된 앱은 입력 모듈(1100)을 통해 입력되는 특정 입력(예: 하드웨어 키를 통한 입력, 터치 스크린을 통한 입력, 특정 음성 입력)에 의해 동작될 수 있다.
일 실시 예에 따르면, 메모리(1400)에 저장된 지능형 에이전트(1450), 실행 매니저 모듈(1470) 또는 지능형 서비스 모듈(1490)이 프로세서(1500)에 의해 실행될 수 있다. 지능형 에이전트(1450), 실행 매니저 모듈(1470) 또는 지능형 서비스 모듈(1490)의 기능은 프로세서(1500)에 의해 구현될 수 있다. 상기 지능형 에이전트(1450), 실행 매니저 모듈(1470) 및 지능형 서비스 모듈(1490)의 기능에 대해 프로세서(1500)의 동작으로 설명하겠다. 일 실시 예에 따르면, 메모리(1400)에 저장된 지능형 에이전트(1450), 실행 매니저 모듈(1470) 또는 지능형 서비스 모듈(1490)는 소프트웨어뿐만 아니라 하드웨어로 구현될 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 전자 장치(1000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(1500)는 입력 모듈(1100)을 제어하여 사용자 입력을 수신할 수 있다. 프로세서(1500)는 디스플레이(1200)를 제어하여 이미지를 표시할 수 있다. 프로세서(1500)는 스피커(1300)를 제어하여 음성 신호를 출력할 수 있다. 프로세서(1500)는 메모리(1400)를 제어하여 프로그램을 실행시키고, 필요한 정보를 불러오거나 저장할 수 있다.
일 실시 예에 따르면 프로세서(1500)는 메모리(1400)에 저장된 지능형 에이전트(1450), 실행 매니저 모듈(1470) 또는 지능형 서비스 모듈(1490)을 실행시킬 수 있다. 이에 따라, 프로세서(1500)는 지능형 에이전트(1450), 실행 매니저 모듈(1470) 또는 지능형 서비스 모듈(1490)의 기능을 구현할 수 있다.
일 실시 예에 따른, 프로세서(1500)는 지능형 에이전트(1450)를 실행하여 사용자 입력으로 수신된 음성 신호에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 일 실시 예에 따른, 프로세서(1500)는 실행 매니저 모듈(1470)을 실행하여 상기 생성된 명령에 따라 메모리(1400)에 저장된 앱(1410, 1430)을 실행시킬 수 있다. 일 실시 예에 따르면, 프로세서(1500)는 지능형 서비스 모듈(1490)을 실행하여 사용자의 정보를 관리하고, 상기 사용자의 정보를 이용하여 사용자 입력을 처리할 수 있다.
프로세서(1500)는 지능형 에이전트(1450)를 실행하여 입력 모듈(1100)을 통해 수신된 사용자 입력을 지능형 서버(2000)로 송신하고, 지능형 서버(2000)를 통해 상기 사용자 입력을 처리할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 지능형 에이전트(1450)를 실행하여 상기 사용자 입력을 지능형 서버(2000)로 송신하기 전에 상기 사용자 입력을 전처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(1450)는 상기 사용자 입력을 전처리하기 위하여, 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 상기 적응 반향 제거부는 상기 사용자 입력에 포함된 에코(echo)를 제거할 수 있다. 상기 노이즈 억제 모듈은 상기 사용자 입력에 포함된 배경 잡음을 억제할 수 있다. 상기 종점 검출 모듈은 상기 사용자 입력에 포함된 사용자 음성의 종점을 검출하고, 상기 검출된 종점을 이용하여 사용자의 음성이 존재하는 부분을 찾을 수 있다. 상기 자동 이득 제어 모듈은 상기 사용자 입력을 인식하고, 상기 인식된 사용자 입력을 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다. 일 실시 예에 따르면, 프로세서(1500)는 성능을 위하여 상기 전처리 구성을 전부 실행시킬 수 있지만, 다른 실시 예에서 프로세서(1500)는 저전력으로 동작하기 위해 상기 전처리 구성 중 일부를 실행시킬 수 있다.
일 실시 예에 따르면, 지능형 에이전트(1450)는 사용자의 호출을 인식하기 위해 메모리(1400)에 저장된 웨이크 업(wake up) 인식 모듈을 실행시킬 수 있다. 이에 따라, 프로세서(1500)는 상기 웨이크 업 인식 모듈을 통해 사용자의 웨이크 업 명령을 인식할 수 있고, 상기 웨이크 업 명령을 수신한 경우 사용자 입력을 수신하기 위한 지능형 에이전트(1450)를 실행시킬 수 있다. 상기 웨이크 업 인식 모듈은 저전력 프로세서(예: 오디오 코덱에 포함된 프로세서)로 구현될 수 있다. 일 실시 예에 따르면, 프로세서(1500)는 하드웨어 키를 통한 사용자 입력을 수신하였을 때 지능형 에이전트(1450)를 실행시킬 수 있다. 지능형 에이전트(1450)가 실행된 경우, 지능형 에이전트(1450)와 연동된 지능형 앱(예: 음성 인식 앱)이 실행될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(1450)는 사용자 입력을 실행하기 위한 음성 인식 모듈을 포함할 수 있다. 프로세서(1500)는 상기 음성 인식 모듈을 통해 앱에서 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 프로세서(1500)는 상기 음성 인식 모듈을 통해 앱(1410, 1430)에서 상기 웨이크 업 명령과 같은 동작을 실행하는 제한된 사용자 (음성) 입력(예: 카메라 앱이 실행 중일 때 촬영 동작을 실행시키는 “찰칵”과 같은 발화 등)을 인식할 수 있다. 프로세서(1500)는 상기 지능형 서버(2000)를 보조하여 상기 음성 인식 모듈을 통해, 전자 장치(1000)내에서 처리할 수 있는 사용자 명령을 인식하여 빠르게 처리할 수 있다. 일 실시 예에 따르면, 사용자 입력을 실행하기 위한 지능형 에이전트(1450)의 음성 인식 모듈은 앱 프로세서에서 구현될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(1450)의 음성 인식 모듈(웨이크 업 모듈의 음성 인식 모듈을 포함)은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식할 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘 또는 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 지능형 에이전트(1450)를 실행하여 사용자의 음성 입력을 텍스트 데이터로 변환할 수 있다. 예를 들어, 프로세서(1500)는 지능형 에이전트(1450)를 통해 사용자의 음성을 지능형 서버로(2000)로 송신하고, 지능형 서버(2000)로부터 사용자의 음성에 대응되는 텍스트 데이터를 수신할 수 있다. 이에 따라, 프로세서(1500)는 상기 변환된 텍스트 데이터를 디스플레이(1200)에 표시할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 지능형 에이전트(1450)를 실행하여 지능형 서버(2000)로부터 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 프로세서(1500)는 지능형 에이전트(1450)를 통해 상기 패스 룰을 실행 매니저 모듈(1470)로 전달할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 지능형 에이전트(1450)를 실행하여 지능형 서버(2000)로부터 수신된 패스 룰에 따른 실행 결과 로그(log)를 지능형 서비스(intelligence service) 모듈(1490)로 전달하고, 상기 전달된 실행 결과 로그는 페르소나 모듈(persona manager)(1490b)의 사용자의 선호(preference) 정보에 누적되어 관리될 수 있다.
일 실시 예에 따른, 프로세서(1500)는 실행 매니저 모듈(1470)을 실행하여 지능형 에이전트(1450)로부터 패스 룰을 전달받아 앱(1410, 1430)을 실행시키고, 앱(1410, 1430)이 상기 패스 룰에 포함된 동작(1410b, 1430b)을 실행하도록 할 수 있다. 예를 들어, 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 앱(1410, 1430)으로 동작(1410b, 1430b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 송신할 수 있고, 상기 앱(1410, 1430)로부터 동작(1410b, 1430b)의 완료 정보를 전달 받을 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 실행 매니저 모듈(1470)을 실행하여 지능형 에이전트(1450)와 앱(1410, 1430)의 사이에서 앱(1410, 1430)의 동작(1410b, 1430b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 전달할 수 있다. 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 상기 패스 룰에 따라 실행할 앱(1410, 1430)을 바인딩(binding)하고, 상기 패스 룰에 포함된 동작(1410b, 1430b)의 명령 정보(예: 패스 룰 정보)를 앱(1410, 1430)으로 전달할 수 있다. 예를 들어, 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 상기 패스 룰에 포함된 동작(1410b, 1430b)을 순차적으로 앱(1410, 1430)으로 전달하여, 앱(1410, 1430)의 동작(1410b, 1430b)을 상기 패스 룰에 따라 순차적으로 실행시킬 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 실행 매니저 모듈(1470)을 실행하여 앱(1410, 1430)의 동작(1410b, 1430b)의 실행 상태를 관리할 수 있다. 예를 들어, 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 앱(1410, 1430)으로부터 상기 동작(1410b, 1430b)의 실행 상태에 대한 정보를 전달 받을 수 있다. 상기 동작(1410b, 1430b)의 실행 상태가, 예를 들어, 정지된 상태(partial landing)인 경우(예: 동작(1410b, 1430b)에 필요한 파라미터가 입력되지 않은 경우), 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 상기 정지된 상태에 대한 정보를 지능형 에이전트(1450)로 전달할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 통해 상기 전달 받은 정보를 이용하여, 사용자에게 필요한 정보(예: 파라미터 정보)의 입력을 요청할 수 있다. 상기 동작(1410b, 1430b)의 실행 상태가, 다른 예를 들어, 동작 상태인 경우, 프로세서(1500)는 지능형 에이전트(1450)를 통해 사용자로부터 발화를 수신할 수 있다. 프로세서(1500)는 실행 매니저 모듈(1470)를 통해 상기 실행되고 있는 앱(1410, 1430) 및 앱(1410, 1430)의 실행 상태에 대한 정보를 지능형 에이전트(145)로 전달할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 통해 상기 사용자 발화를 지능형 서버(2000)로 송신할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 통해 지능형 서버(2000)로부터 상기 사용자의 발화의 파라미터 정보를 수신할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 통해 상기 수신된 파라미터 정보를 실행 매니저 모듈(1470)로 전달할 수 있다. 실행 매니저 모듈(1470)은 상기 수신한 파라미터 정보를 이용하여 동작(1410b, 1430b)의 파라미터를 새로운 파라미터로 변경할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 실행 매니저 모듈(1470)을 실행하여 패스 룰에 포함된 파라미터 정보를 앱(1410, 1430)로 전달할 수 있다. 상기 패스 룰에 따라 복수의 앱(1410, 1430)이 순차적으로 실행되는 경우, 실행 매니저 모듈(1470)은 하나의 앱에서 다른 앱으로 패스 룰에 포함된 파라미터 정보를 전달할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 실행 매니저 모듈(1470)을 실행하여 복수의 패스 룰을 수신할 수 있다. 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 사용자의 발화에 기초하여 복수의 패스 룰이 선택될 수 있다. 예를 들어, 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 사용자의 발화가 일부 동작(1410a)을 실행할 일부 앱(1410)을 특정하였지만, 나머지 동작(1430b)을 실행할 다른 앱(1430)을 특정하지 않은 경우, 일부 동작(1410a)를 실행할 동일한 앱(1410)(예: 갤러리 앱)이 실행되고 나머지 동작(1430b)를 실행할 수 있는 서로 다른 앱(1430)(예: 메시지 앱, 텔레그램 앱)이 각각 실행되는 서로 다른 복수의 패스 룰을 수신할 수 있다. 프로세서(1500)는 예를 들어, 실행 매니저 모듈(1470)을 통해 상기 복수의 패스 룰의 동일한 동작(1410b, 1430b)(예: 연속된 동일한 동작(1410b, 1430b))을 실행할 수 있다. 프로세서(1500)는 상기 동일한 동작까지 실행한 경우, 실행 매니저 모듈(1470)을 통해 상기 복수의 패스 룰에 각각 포함된 서로 다른 앱(1410, 1430)을 선택할 수 있는 상태 화면을 디스플레이(1200)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 서비스 모듈(1490)은 컨텍스트 모듈(1490a), 페르소나 모듈(1490b) 또는 제안 모듈(1490c)을 포함할 수 있다.
컨텍스트 모듈(1490a)는 앱(1410, 1430)으로부터 앱(1410, 1430)의 현재 상태를 수집할 수 있다. 예를 들어, 컨텍스트 모듈(1490a)은 앱(1410, 1430)의 현재 상태를 나타내는 컨텍스트 정보를 수신하여 앱(1410, 1430)의 현재 상태를 수집할 수 있다.
페르소나 모듈(1490b)은 전자 장치(1000)을 사용하는 사용자의 개인 정보를 관리할 수 있다. 예를 들어, 페르소나 모듈(1490b)은 전자 장치(1000)의 사용 정보 및 수행 결과를 수집하여 사용자의 개인 정보를 관리할 수 있다.
제안 모듈(1490c)는 사용자의 의도를 예측하여 사용자에게 명령을 추천해줄 수 있다. 예를 들어, 제안 모듈(1490c)은 사용자의 현재 상태(예: 시간, 장소, 상황, 앱)을 고려하여 사용자에게 명령을 추천해줄 수 있다.
도 1d는 일 실시 예에 따른 전자 장치의 지능형 앱 실행 형태를 도시한 도면이다.
도 1d를 참조하면, 전자 장치(1000)은 사용자 입력을 수신하기 위한 인터페이스로 기능하는 하드웨어 버튼(1120)을 포함할 수 있다. 상기 하드웨어 버튼(112)은 예컨대, 전자 장치(1000)의 하우징 상에서 사용자 신체(예: 손가락)의 접근성이 용이한 영역으로 배치될 수 있으며, 적어도 일부가 상기 하우징의 외부로 노출될 수 있다. 일 실시 예에서, 전자 장치(1000)은 하드웨어 버튼(1120)에 인가되는 사용자 입력을 수신하여 지능형 에이전트(도 1c의 1450)와 연동된 지능형 앱(예: 음성 인식 앱)을 실행시킬 수 있다.
전자 장치(1000)은 하드웨어 키(1120)를 통해 사용자 입력을 수신한 경우, 디스플레이(1200)에 지능형 앱의 UI(user interface)(1210)를 표시할 수 있다. 사용자는, 예를 들어, 지능형 앱의 UI(1210)가 디스플레이(1200)에 표시된 상태에서 음성을 입력(1200b)하기 위해 지능형 앱의 UI(1210)에 음성인식 버튼(1210a)를 터치할 수 있다. 사용자는, 다른 예를 들어, 음성을 입력(1200a)하기 위해 상기 하드웨어 키(1120)를 지속적으로 눌러서 음성을 입력(1200a)을 할 수 있다.
일 실시 예에 따르면, 전자 장치(1000)은 마이크(1110)를 통해 상기 지능형 앱을 실행시킬 수 있다. 예를 들어, 전자 장치(1000)은 마이크(1110)를 통해 지정된 음성(예: 일어나!(wake up!) 등)이 입력된 경우 디스플레이(1200)에 지능형 앱의 UI(1210)를 표시할 수 있다.
도 1e는 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 도시한 도면이다.
도 1e를 참조하면, 지능형 서버(2000)는 자동 음성 인식(automatic speech recognition)(ASR) 모듈(2100), 자연어 이해(natural language understanding)(NLU) 모듈(2200), 패스 플래너(path planner) 모듈(2300), 대화 매니저(dialogue manager)(DM) 모듈(2400), 자연어 생성(natural language generator)(NLG) 모듈(2500) 또는 텍스트 음성 변환(text to speech)(TTS) 모듈(2600)을 포함할 수 있다.
일 실시 예에 따르면, 지능형 서버(2000)는 통신 회로, 메모리 및 프로세서를 포함할 수 있다. 상기 프로세서는 상기 메모리에 저장된 명령어를 실행하여 자동 음성 인식 모듈(2100), 자연어 이해 모듈(2200), 패스 플래너 모듈(2300), 대화 매니저 모듈(2400), 자연어 생성 모듈(2500) 및 텍스트 음성 변환 모듈(2600)을 구동시킬 수 있다. 지능형 서버(2000)는 상기 통신 회로를 통해 외부 전자 장치(예: 전자 장치(1000))와 데이터(또는, 정보)를 송수신할 수 있다.
지능형 서버(2000)의 자연어 이해 모듈(2200) 또는 패스 플래너 모듈(2300)은 패스 룰(path rule)을 생성할 수 있다.
일 실시 예에 따르면, 자동 음성 인식 모듈(2100)은 전자 장치(1000)로부터 수신된 사용자 입력을 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(2100)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 상기 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 상기 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 상기 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다. 상기 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 데이터베이스(automatic speech recognition database)(ASR DB)(2110)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 상기 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 상기 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 모듈(2200)은 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))를 얻을 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 도메인(domain), 의도(intend) 및 상기 의도를 파악하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))로 나누어진 매칭 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 상기 하나의 도메인(예: 알람)은 복수의 의도(예: 알람 설정, 알람 해제 등)를 포함할 수 있고, 하나의 의도는 복수의 파라미터(예: 시간, 반복 횟수, 알람음 등)을 포함할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 상기 매칭 규칙은 자연어 인식 데이터베이스(natural language understanding database)(NLU DB)(2210)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 형태소, 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(2200)은 상기 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(2200)은 사용자 입력의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터베이스(2210)를 이용하여 사용자의 의도를 결정할 수 있다. 다른 실시 예에 따르면, 자연어 이해 모듈(2200)은 개인화 언어 모델(personal language model)(PLM)을 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 개인화된 정보(예: 연락처 리스트, 음악 리스트)를 이용하여 사용자의 의도를 결정할 수 있다. 상기 개인화 언어 모델은, 예를 들어, 자연어 인식 데이터베이스(2210)에 저장될 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(2200)뿐만 아니라 자동 음성 인식 모듈(2100)도 자연어 인식 데이터베이스(2210)에 저장된 개인화 언어 모델을 참고하여 사용자의 음성을 인식할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 사용자 입력의 의도 및 파라미터에 기초하여 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 사용자 입력의 의도에 기초하여 실행될 앱을 선택하고, 상기 선택된 앱에서 수행될 동작을 결정할 수 있다. 상기 자연어 이해 모듈(2200)은 상기 결정된 동작에 대응되는 파라미터를 결정하여 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(2200)에 의해 생성된 패스 룰은 실행될 앱, 상기 앱에서 실행될 동작(예: 적어도 하나의 상태(state)) 및 상기 동작을 실행하는데 필요한 파라미터에 대한 정보를 포함할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 사용자 입력의 의도 및 파라미터를 기반으로 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 패스 플래너 모듈(2300)로부터 전자 장치(1000)에 대응되는 패스 룰 셋을 수신하고, 사용자 입력의 의도 및 파라미터를 상기 수신된 패스 룰 셋에 매핑하여 패스 룰을 결정할 수 있다.
다른 실시 예에 따르면, 자연어 이해 모듈(2200)은 사용자 입력의 의도 및 파라미터에 기초하여 실행될 앱, 상기 앱에서 실행될 동작 및 상기 동작을 실행하는데 필요한 파라미터를 결정하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 전자 장치(1000)의 정보를 이용하여 상기 실행될 앱 및 상기 앱에서 실행될 동작을 사용자 입력의 의도에 따라 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 배열하여 패스 룰을 생성할 수 있다. 상기 생성된 패스 룰은, 예를 들어, 패스 플래너 모듈(2300)를 통해 패스 룰 데이터베이스(path rule database)(PR DB)(2310)에 저장될 수 있다. 상기 생성된 패스 룰은 데이터베이스(2310)의 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 생성된 복수의 패스 룰 중 적어도 하나의 패스 룰을 선택할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 상기 복수의 패스 룰 최적의 패스 룰을 선택할 수 있다. 다른 예를 들어, 자연어 이해 모듈(2200)은 사용자 발화에 기초하여 일부 동작만이 특정된 경우 복수의 패스 룰을 선택할 수 있다. 자연어 이해 모듈(2200)은 사용자의 추가 입력에 의해 상기 복수의 패스 룰 중 하나의 패스 룰을 결정할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 사용자 입력에 대한 요청으로 패스 룰을 전자 장치(1000)로 송신할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 사용자 입력에 대응되는 하나의 패스 룰을 전자 장치(1000)로 송신할 수 있다. 다른 예를 들어, 자연어 이해 모듈(2200)은 사용자 입력에 대응되는 복수의 패스 룰을 전자 장치(1000)로 송신할 수 있다. 상기 복수의 패스 룰은, 예를 들어, 사용자 발화에 기초하여 일부 동작만이 특정된 경우 자연어 이해 모듈(2200)에 의해 생성될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(2300)은 복수의 패스 룰 중 적어도 하나의 패스 룰을 선택할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(2300)은 자연어 이해 모듈(2200)로 복수의 패스 룰을 포함하는 패스 룰 셋을 전달할 수 있다. 상기 패스 룰 셋의 복수의 패스 룰은 패스 플래너 모듈(2300)에 연결된 패스 룰 데이터베이스(2310)에 테이블 형태로 저장될 수 있다. 예를 들어, 패스 플래너 모듈(2300)은 지능형 에이전트(1450)로부터 수신된 전자 장치(1000)의 정보(예: OS 정보, 앱 정보)에 대응되는 패스 룰 셋을 자연어 이해 모듈(2200)로 전달할 수 있다. 상기 패스 룰 데이터베이스(2310)에 저장된 테이블은, 예를 들어, 도메인 또는 도메인의 버전 별로 저장될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(2300)은 패스 룰 셋에서 하나의 패스 룰, 또는 복수의 패스 룰을 선택하여 자연어 이해 모듈(2200)로 전달할 수 있다. 예를 들어, 패스 플래너 모듈(2300)은 사용자의 의도 및 파라미터를 전자 장치(1000) 에 대응되는 패스 룰 셋에 매칭하여 하나의 패스 룰, 또는 복수의 패스 룰을 선택하여 자연어 이해 모듈(2200)로 전달할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(2300)은 사용자 의도 및 파라미터를 이용하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 패스 플래너 모듈(2300)은 사용자 의도 및 파라미터에 기초하여 실행될 앱 및 상기 앱에서 실행될 동작을 결정하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 패스 플래너 모듈(2300)은 상기 생성된 패스 룰을 패스 룰 데이터베이스(2310)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(2300)은 자연어 이해 모듈(2200)에서 생성된 패스 룰을 패스 룰 데이터베이스(2310)에 저장할 수 있다. 상기 생성된 패스 룰은 패스 룰 데이터베이스(2310)에 저장된 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 패스 룰 데이터베이스(2310)에 저장된 테이블에는 복수의 패스 룰 또는 복수의 패스 룰 셋을 포함할 수 있다. 복수의 패스 룰 또는 복수의 패스 룰 셋은 각 패스 룰을 수행하는 장치의 종류, 버전, 타입, 또는 특성을 반영할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(2400)은 자연어 이해 모듈(2200)에 의해 파악된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, 대화 매니저 모듈(2400)은 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 대화 매니저 모듈(2400)는 자연어 이해 모듈(2200)에서 파악된 파라미터가 태스크를 수행하는데 충분한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(2400)는 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 대화 매니저 모듈(2400)는 사용자의 의도를 파악하기 위한 파라미터에 대한 정보를 요청하는 피드백을 수행할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(2400)은 컨텐츠 제공(content provider) 모듈을 포함할 수 있다. 상기 컨텐츠 제공 모듈은 자연어 이해 모듈(2200)에서 파악된 의도 및 파라미터에 기초하여 동작을 수행할 수 있는 경우, 사용자 입력에 대응되는 태스크를 수행한 결과를 생성할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(2400)은 사용자 입력에 대한 응답으로 상기 컨텐츠 제공 모듈에서 생성된 상기 결과를 전자 장치(1000)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 생성 모듈(NLG)(2500)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는, 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보(예: 사용자 입력에 대한 피드백 정보)일 수 있다. 상기 텍스트 형태로 변경된 정보는 전자 장치(1000)로 송신되어 디스플레이(1200)에 표시되거나, 텍스트 음성 변환 모듈(2600)로 송신되어 음성 형태로 변경될 수 있다.
일 실시 예에 따르면, 텍스트 음성 변환 모듈(2600)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(2600)은 자연어 생성 모듈(2500)로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 전자 장치(1000)로 송신할 수 있다. 전자 장치(1000)은 상기 음성 형태의 정보를 스피커(1300)로 출력할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200), 패스 플래너 모듈(2300) 및 대화 매니저 모듈(2400)은 하나의 모듈로 구현될 수 있다. 예를 들어, 자연어 이해 모듈(2200), 패스 플래너 모듈(2300) 및 대화 매니저 모듈(2400)은 하나의 모듈로 구현되어 사용자의 의도 및 파라미터를 결정하고, 상기 결정된 사용자의 의도 및 파라미터에 대응되는 응답(예: 패스 룰)을 생성할 수 있다. 이에 따라, 생성된 응답은 전자 장치(1000)로 송신될 수 있다.
도 1f는 일 실시 예에 따른 지능형 서버의 패스 룰 생성 형태를 도시한 도면이다.
도 1f를 참조하면, 일 실시 예에 따른, 자연어 이해 모듈(2200)은 앱의 기능을 어느 하나 동작(예: 상태 A 내지 상태 F)으로 구분하여 패스 룰 데이터베이스(2310)에 저장할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 어느 하나의 동작(예: 상태)으로 구분된 복수의 패스 룰(A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F)을 포함하는 패스 룰 셋을 패스 룰 데이터베이스(2310)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(2300)의 패스 룰 데이터베이스(2310)는 앱의 기능을 수행하기 위한 패스 룰 셋을 저장할 수 있다. 상기 패스 룰 셋은 복수의 동작(예: 상태들의 시퀀스)을 포함하는 복수의 패스 룰을 포함할 수 있다. 상기 복수의 패스 룰은 복수의 동작 각각에 입력되는 파라미터에 따라 실행되는 동작이 순차적으로 배열될 수 있다. 일 실시 예에 따르면, 상기 복수의 패스 룰은 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 구성되어 패스 룰 데이터베이스(2310)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 사용자 입력의 의도 및 파라미터에 대응되는 상기 복수의 패스 룰(A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중에 최적의 패스 룰(A-B1-C3-D-F)을 선택할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 사용자 입력에 완벽히 매칭되는 패스 룰이 없는 경우 전자 장치(1000)에 복수의 룰을 전달할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 사용자 입력에 부분적으로 대응된 패스 룰(예: A-B1)을 선택할 수 있다. 자연어 이해 모듈(2200)은 사용자 입력에 부분적으로 대응된 패스 룰(예: A-B1)을 포함하는 하나 이상의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F)을 선택하여 전자 장치(1000)에 전달할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 전자 장치(1000)의 추가 입력에 기초하여 복수의 패스 룰 중 하나를 선택하고, 상기 선택된 하나의 패스 룰을 전자 장치(1000)에 전달 할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 전자 장치(1000)에서 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 따라 복수의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중 하나의 패스 룰(예: A-B1-C3-D-F)을 선택하여 전자 장치(1000)에 송신할 수 있다.
또 다른 실시 예에 따르면, 자연어 이해 모듈(2200)은 자연어 이해 모듈(2200)을 통해 전자 장치(1000)에 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 대응되는 사용자의 의도 및 파라미터를 결정할 수 있고, 상기 결정된 사용자의 의도 또는 파라미터를 전자 장치(1000)로 송신할 수 있다. 전자 장치(1000)은 상기 송신된 의도 또는 상기 파라미터에 기초하여, 복수의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중 하나의 패스 룰(예: A-B1-C3-D-F)을 선택할 수 있다.
이에 따라, 전자 장치(1000)은 상기 선택된 하나의 패스 룰에 의해 앱(1410, 1430)의 동작을 완료시킬 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 정보가 부족한 사용자 입력이 지능형 서버(2000)에 수신된 경우, 상기 수신한 사용자 입력에 부분적으로 대응되는 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(2200)은 상기 부분적으로 대응된 패스 룰을 지능형 에이전트(1450)로 송신할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 실행하여 상기 패스 룰을 수신하고, 실행 매니저 모듈(1470)로 상기 부분적으로 대응된 패스 룰을 전달할 수 있다. 프로세서(1500)는 실행 매니저 모듈(1470)를 통해 상기 패스 룰에 따라 제1 앱(1410)을 실행시킬 수 있다. 프로세서(1500)는 실행 매니저 모듈(1470)을 통해 제1 앱(1410)을 실행하면서 부족한 파라미터에 대한 정보를 지능형 에이전트(1450)로 송신할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 통해 상기 부족한 파라미터에 대한 정보를 이용하여 사용자에게 추가 입력을 요청할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 통해 사용자에 의해 추가 입력이 수신되면 사용자 입력을 지능형 서버(2000)로 송신하여 처리할 수 있다. 자연어 이해 모듈(2200)은 상기 추가로 입력된 사용자 입력의 의도 및 파라미터 정보에 기초하여 추가된 패스 룰을 생성하여 지능형 에이전트(1450)로 송신할 수 있다. 프로세서(1500)는 지능형 에이전트(1450)를 통해 실행 매니저 모듈(1470)로 상기 패스 룰을 송신하여 제2 앱(1430)을 실행할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(2200)은 일부 정보가 누락된 사용자 입력이 지능형 서버(2000)에 수신된 경우, 개인화 정보 서버(3000)로 사용자 정보 요청을 송신할 수 있다. 개인화 정보 서버(3000)는 페르소나 데이터베이스에 저장된 사용자 입력을 입력한 사용자의 정보를 자연어 이해 모듈(2200)로 송신할 수 있다. 자연어 이해 모듈(2200)은 상기 사용자 정보를 이용하여 일부 동작이 누락된 사용자 입력에 대응되는 패스 룰을 선택할 수 있다. 이에 따라, 자연어 이해 모듈(2200)은 일부 정보가 누락된 사용자 입력이 지능형 서버(2000)에 수신되더라도, 누락된 정보를 요청하여 추가 입력을 받거나 사용자 정보를 이용하여 상기 사용자 입력에 대응되는 패스 룰을 결정할 수 있다.
하기에 첨부된 표 1은 일 실시 예에 따른 사용자가 요청한 태스크와 관련한 패스 룰의 예시적 형태를 나타낼 수 있다.
Path rule ID State parameter
Gallery_101 pictureView(25) NULL
searchView(26) NULL
searchViewResult(27) Location,time
SearchEmptySelectedView(28) NULL
SearchSelectedView(29) ContentType,selectall
CrossShare(30) anaphora
표 1을 참조하면, 사용자 발화(예: “사진 공유해줘”)에 따라 지능형 서버(도 1의 지능형 서버(2000))에서 생성 또는 선택되는 패스 룰은 적어도 하나의 상태(state)(25, 26, 27, 28, 29 또는 30)를 포함할 수 있다. 예를 들어, 상기 적어도 하나의 상태 (예: 단말의 어느 한 동작 상태)는 사진 어플리케이션 실행(PicturesView)(25), 사진 검색 기능 실행(SearchView)(26), 검색 결과 표시 화면 출력(SearchViewResult)(27), 사진이 미(non)선택된 검색 결과 표시 화면 출력(SearchEmptySelectedView)(28), 적어도 하나의 사진이 선택된 검색 결과 표시 화면 출력(SearchSelectedView)(29) 또는 공유 어플리케이션 선택 화면 출력(CrossShare)(30) 중 적어도 하나에 해당될 수 있다.일 실시 예에서, 상기 패스 룰의 파라미터 정보는 적어도 하나의 상태(state)에 대응될 수 있다. 예를 들어, 상기 적어도 하나의 사진이 선택된 검색 결과 표시 화면 출력(29) 상태에 포함될 수 있다.
상기 상태(25, 26, 27, 28, 29)들의 시퀀스를 포함한 패스 룰의 수행 결과 사용자가 요청한 태스크 (예: “사진 공유해줘!”)가 수행될 수 있다.
도 1g는 일 실시 예에 따른 지능형 서비스 모듈의 제안 모듈을 도시한 도면이다.
도 1g를 참조하면, 제안 모듈(1490c)은 힌트 제공 모듈(1490c_1), 컨텍스트 힌트 생성 모듈(1490c_2), 조건 체킹 모듈(1490c_3), 조건 모델 모듈(1490c_4), 재사용 힌트 생성 모듈(1490c_5) 또는 소개 힌트 생성 모듈(1490c_6)을 포함할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 힌트 제공 모듈(1490c_1)을 실행하여 사용자에게 힌트(hint)를 제공할 수 있다. 예를 들어, 프로세서(1500)는 힌트 제공 모듈(1490c_1)을 통해 컨텍스트 힌트 생성 모듈(1490c_2), 재사용 힌트 생성 모듈(1490c_5) 또는 소개 힌트 생성 모듈(1490c_6)로부터 생성된 힌트를 전달 받아 사용자에게 힌트를 제공할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 조건 체킹 모듈(1490c_3) 또는 조건 모델 모듈(1490c_4)을 실행하여 현재 상태에 따라 추천될 수 있는 힌트를 생성할 수 있다. 프로세서(1500)는 조건 체킹 모듈(1490c_3)을 실행하여 현재 상태에 대응되는 정보를 전달 받을 수 있고, 조건 모델 모듈(1490c_4)을 실행하여 상기 전달 받은 정보를 이용하여 조건 모델(condition model)을 설정할 수 있다. 예를 들어, 프로세서(1500)는 조건 모델 모듈은(1490c_4)을 실행하여 사용자에게 힌트를 제공하는 시점의 시간, 위치, 상황 사용중인 앱 등을 파악하여 해당 조건에서 사용할 가능성이 높은 힌트를 우선 순위가 높은 순으로 사용자에게 제공할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 재사용 힌트 생성 모듈(1490c_5)을 실행하여 사용 빈도에 따라 추천될 수 있는 힌트를 생성할 수 있다. 예를 들어, 프로세서(1500)는 재사용 힌트 생성 모듈(1490c_5)을 실행하여 사용자의 사용 패턴에 기초한 힌트를 생성할 수 있다.
일 실시 예에 따르면, 소개 힌트 생성 모듈(1490c_6)은 사용자에게 신규 기능 또는 다른 사용자가 많이 쓰는 기능을 소개하는 힌트를 생성할 수 있다. 예를 들어, 상기 신규 기능을 소개하는 힌트에는 지능형 에이전트(1450)에 대한 소개(예: 작동 방법)를 포함할 수 있다.
다른 실시 예에 따르면, 제안 모듈(1490c)의 컨텍스트 힌트 생성 모듈(1490c_2), 조건 체킹 모듈(1490c_3), 조건 모델 모듈(1490c_4), 재사용 힌트 생성 모듈(1490c_5) 또는 소개 힌트 생성 모듈(1490c_6)은 개인화 정보 서버(3000)에 포함될 수 있다. 예를 들어, 프로세서(1500)는 제안 모듈(1490c)의 힌트 제공 모듈(1490c_1)을 통해 사용자 개인화 정보 서버(3000)의 컨텍스트 힌트 생성 모듈(1490c_2), 재사용 힌트 생성 모듈(1490c_5) 또는 소개 힌트 생성 모듈(1490c_6)로부터 힌트를 수신하여 사용자에게 상기 수신된 힌트를 제공할 수 있다.
일 실시 예에 따르면, 전자 장치(1000)은 다음의 일련의 프로세스에 따라 힌트를 제공할 수 있다. 예를 들어, 프로세서(1500)는 지능형 에이전트(1450)로부터 힌트 제공 요청을 수신하면, 힌트 제공 모듈(1490c_1)을 통해 컨텍스트 힌트 생성 모듈(1490c_2)로 힌트 생성 요청을 전달할 수 있다. 프로세서(1500)는 상기 힌트 생성 요청을 전달 받으면, 조건 체킹 모듈(1490c_3)을 통해 컨텍스트 모듈(1490a) 및 페르소나 모듈(1490b)로부터 현재 상태에 대응되는 정보를 전달 받을 수 있다. 프로세서(1500)는 조건 체킹 모듈(1490c_3)을 통해 상기 전달 받은 정보를 조건 모델 모듈(1490c_4)로 전달하고, 조건 모델 모듈(1490c_4)을 통해 상기 정보를 이용하여 사용자에게 제공되는 힌트 중 상기 조건에 사용 가능성이 높은 순서로 힌트에 대해 우선순위를 부여 할 수 있다. 프로세서(1500)는 컨텍스트 힌트 생성 모듈(1490c_2)을 통해 상기 조건을 확인(⑥)하고, 상기 현재 상태에 대응되는 힌트를 생성할 수 있다. 프로세서(1500)는 컨텍스트 힌트 생성 모듈(1490c_2)을 통해 상기 생성된 힌트를 힌트 제공 모듈(1490c_1)로 전달할 수 있다. 프로세서(1500)는 힌트 제공 모듈(1490c_1)을 통해 지정된 규칙에 따라 상기 힌트를 정렬하고, 상기 힌트를 지능형 에이전트(1450)로 전달할 수 있다.
일 실시 예에 따르면, 프로세서(1500)는 힌트 제공 모듈(1490c_1)을 통해 복수의 컨텍스트 힌트를 생성할 수 있고, 지정된 규칙에 따라 복수의 컨텍스트 힌트에 우선 순위를 지정할 수 있다. 일 실시 예에 따르면, 프로세서(1500)는 힌트 제공 모듈(1490c_1)을 통해 상기 복수의 컨텍스트 힌트 중에서 우선 순위가 높은 것을 사용자에게 먼저 제공할 수 있다.
일 실시 예에 따르면, 전자 장치(1000)은 사용 빈도에 따른 힌트를 제안할 수 있다. 예를 들어, 프로세서(1500)는 지능형 에이전트(1450)로부터 힌트 제공 요청을 전달 받으면, 힌트 제공 모듈(149c_1)을 통해 재사용 힌트 생성 모듈(1490c_5)로 힌트 생성 요청을 전달할 수 있다. 프로세서(1500)는 상기 힌트 생성 요청을 전달 받으면, 재사용 힌트 생성 모듈(1490c_5)를 통해 페르소나 모듈(1490b)로부터 사용자 정보를 전달 받을 수 있다. 예를 들어, 프로세서(1500)는 재사용 힌트 생성 모듈(1490c_5)을 통해 페르소나 모듈(1490b)의 사용자의 프리퍼런스 정보에 포함된 패스 룰, 패스 룰에 포함된 파라미터, 앱의 실행 빈도, 앱이 사용된 시공간 정보를 전달 받을 수 있다. 프로세서(1500)는 재사용 힌트 생성 모듈(1490c_5)을 통해 상기 전달 받은 사용자 정보에 대응되는 힌트를 생성할 수 있다. 프로세서(1500)는 재사용 힌트 생성 모듈(1490c_5)을 통해 상기 생성된 힌트를 힌트 제공 모듈(1490c_1)로 전달할 수 있다. 프로세서(1500)는 힌트 제공 모듈(1490c_1)을 통해 상기 힌트를 정렬하고, 상기 힌트를 지능형 에이전트(1450)로 전달할 수 있다.
일 실시 예에 따르면, 전자 장치(1000)은 새로운 기능에 대한 힌트를 제안할 수 있다. 예를 들어, 프로세서(1500)는 지능형 에이전트(1450)로부터 힌트 제공 요청을 전달 받으면, 힌트 제공 모듈(1490c_1)을 통해 소개 힌트 생성 모듈(1490c_6)로 힌트 생성 요청을 전달할 수 있다. 프로세서(1500)는 소개 힌트 생성 모듈(1490c_6)을 통해 제안 서버(4000)로부터 소개 힌트 제공 요청을 전달하여 제안 서버(4000)로부터 소개될 기능에 대한 정보를 수신할 수 있다. 제안 서버(4000)는, 예를 들어, 소개될 기능에 대한 정보를 저장할 수 있고, 상기 소개될 기능에 대한 힌트 리스트(hint list)는 서비스 운영자에 의해 업데이트될 수 있다. 프로세서(1500)는 소개 힌트 생성 모듈(1490c_6)을 통해 상기 생성된 힌트를 힌트 제공 모듈(1490c_1)로 전달할 수 있다. 프로세서(1500)는 힌트 제공 모듈(1490c_1)을 통해 상기 힌트를 정렬하고, 상기 힌트를 지능형 에이전트(1450)로 전송(⑥)할 수 있다.
이에 따라, 프로세서(1500)는 제안 모듈(1490c)을 통해 컨텍스트 힌트 생성 모듈(1490c_2), 재사용 힌트 생성 모듈(1490c_5) 또는 소개 힌트 생성 모듈(1490c_6)에서 생성된 힌트를 사용자에게 제공할 수 있다. 예를 들어, 프로세서(1500)는 제안 모듈(1490c)을 통해 상기 생성된 힌트를 지능형 에이전트(145)을 동작시키는 앱에 표시할 수 있고, 상기 앱을 통해 사용자로부터 상기 힌트를 선택하는 입력을 수신할 수 있다.
도 2는, 다양한 실시예에 따른, 네트워크 환경(200) 내의 서버의 블록도이다. "인공지능 시스템", "디지털 어시스턴트", "가상 어시스턴트", "지능형 자동화 어시스턴트", 또는 "자동 디지털 어시스턴트"는, 사용자 의도를 추론하기 위해 구어 및/또는 텍스트 형태로 자연 언어 입력을 해석하고 추론된 사용자 의도에 기반하여 액션들을 수행하는 임의의 정보 프로세싱 시스템을 지칭할 수 있다. 예를 들어, 추론된 사용자 의도에 따라 작동하기 위해, 시스템은 추론된 사용자 의도를 달성하도록 설계된 단계들과 파라미터들을 갖춘 패스 룰을 식별하는 것, 추론된 사용자 의도로부터의 특정 요건들을 패스 룰에 입력하는 것; 프로그램들, 방법들, 서비스들, API들, 기타 등등을 호출함으로써, 패스 룰을 실행하는 것; 및 가청 형태로(예를 들면, 음성), 그리고/또는 시각적 형태로 사용자에 대하여 출력 응답들을 생성하는 것 중 하나 이상을 수행할 수 있다.
구체적으로, 인공지능 시스템은 자연 언어 커맨드(command), 요청, 표현법(statement), 이야기, 및/또는 문의의 형태로 사용자 요청을 적어도 부분적으로 수락할 수 있다. 통상적으로, 사용자 요청은 인공지능 시스템에 의한 작업의 정보제공(informational) 대답, 또는 수행을 추구한다. 사용자 요청에 대한 만족스러운 응답은, 요청된 정보제공 대답, 요청된 작업의 수행, 또는 이들 둘의 조합 중 어느 하나의 제공이다.
요청된 작업의 수행 중에, 인공지능 시스템은 연장된 일정 기간(period of time) 동안, 정보의 다수의 교환들을 수반하는 연속적인 대화로 사용자와 때때로 상호 작용한다. 다양한 작업들의 요청 정보 또는 수행에 대하여, 인공지능 시스템과 상호 작용하는 수많은 다른 방식들이 있다. 구두 응답(verbal response)들을 제공하고, 프로그래밍된 액션들을 취하는 것과 더불어, 디지털 어시스턴트는 또한 (예를 들면, 텍스트, 경고들, 음악, 비디오들, 애니메이션들 등으로서) 다른 시각적 형태 또는 오디오 형태로 응답들을 제공한다.
도 2를 참고하면, 인공지능 시스템은 클라이언트-서버 모델에 따라 구현될 수 있다. 인공지능 시스템은 전자 장치(203, 예: 도 1a의 전자 장치(101)) 상에 구현되는 인공지능 어시트턴트 클라이언트(231) 및 서버 시스템(201) 상에서 구현되는 인공지능 시스템 서버(210, 예: 도 1a의 서버(108))를 포함할 수 있다. 인공지능 시스템 클라이언트(231)는 전자 장치(203)에서 구현되며, 네트워크(299)를 통해 인공지능 시스템 서버(210)와 통신할 수 있다. 인공지능 시스템 클라이언트(231)는 사용자-대면(facing) 입출력 프로세싱을 제공하며, 인공지능 시스템 클라이언트(231)는 인공지능 시스템 서버(210)와 통신할 수 있다. 인공지능 시스템 서버(210)는 전자 장치(203)에 구현된 인공지능 시스템 클라이언트(231)에 서버 측 기능을 제공할 수 있다. 도 2의 전자 장치(203)는 도 1a의 전자 장치(101)와 동일할 수 있다. 도 2의 인공지능 시스템 서버(210)는 도 1a의 서버(108)와 동일할 수 있다.
인공지능 시스템 서버(210)는 클라이언트에 대한 입출력(I/O) 인터페이스(210), 프로세싱 모듈(212), 데이터 모듈(213) 및 외부 서비스에 대한 입출력(I/O) 인턴페이스(214)를 포함할 수 있다.
클라이언트에 대한 입출력(I/O) 인터페이스(211)는 인공지능 시스템 서버(210)에 대한 클라이언트-대면 입출력 프로세싱을 위한 것으로서, 네트워크(299)를 통해 전자 장치(203)에 구현된 인공지능 시스템 클라이언트(231)와 정보를 교환할 수 있다. 프로세싱 모듈(212) 적어도 하나 이상의 프로세싱 모듈을 포함하며, 자연 언어 입력에 기반하여 사용자의 의도를 결정하고 추론된 사용자 의도에 기반하여 작업 실행을 수행하기 위해 데이터 및 모듈을 활용할 수 있다. 데이터 모듈(213)은 추론된 사용자 의도에 기반하여 작업 실행을 수행하기 위한 데이터 및 모듈을 포함할 수 있다. 다양한 실시에에서, 데이터 및 모델은, 각자의 사용자의 온톨로지와는 다른 인공지능 시스템 서버(210)에 의해 유지된 복수의 온톨로지들(예를 들면, 세계적 온톨로지, 지역적 온톨로지, 문화적 온톨로지, 국가적 온톨로지 등)을 저장한다.
외부 서비스에 대한 입출력(I/O) 인턴페이스(214)는 인공지능 시스템 서버(210)에 필요한 정보를 외부 서비스(205, 예를 들어, 인터넷, 검색엔진)에 네트워크(299)를 통해서 요청하고 정보를 교환하기 위한 외부 서비스-대면 입출력 프로세싱일 수 있다.
서버 시스템(201)은 하나 이상의 독립형 데이터 프로세싱 장치 또는 분산형 네트워크의 컴퓨터들 상에 구현될 수 있다.
도 3은 본 발명의 다양한 실시예에 따른 전자 장치(도 1a의 전자 장치(101)), 도 2의 전자 장치(203))에 구현된 인공지능 시스템 클라이언트(300, 도 2의 인공지능 시스템 클라이언트(231))에 관한 블록도이다.
인공지능 시스템 클라이언트(300, 도 2의 인공지능 시스템 클라이언트(231))는 호출 인식 처리 모듈(wakeup recognition processing module, 310), 전처리 모듈(preprocessing module, 320), 인공지능 시스템 처리 모듈(artificial intelligence processing module, 330) 및 입력 처리 모듈(340)을 포함할 수 있다.
전자 장치(도 1a의 전자 장치(101), 도 2의 전자 장치(203))는 입력 장치(예: 도 1a의 입력 장치(150))를 통해 사용자의 음성을 획득할 수 있다. 입력 장치(예: 도 1a의 입력 장치(150))는 마이크를 통해서 사용자 발화 또는 음성을 수신하고 전기적 신호로 변화할 수 있다.
인공지능 시스템 클라이언트(300)는 사용자의 음성이 감지되면, 호출 인식 처리 모듈(310)은 감지된 음성이 인공지능 시스템 클라이언트(300)를 호출하거나 활성화 하는 음성인지 확인할 수 있다.
예를 들어, 사용자가 음성으로 "빅스비(영문 bixby)"라고 말하면, 호출 인식 처리 모듈(310)은 인공지능 어스턴트 클라이언트(300)를 활성화하는 것으로 판단할 수 있다.
전처리 모듈(320)은 음성 신호를 전기적 신호로 처리하고, 전기적 신호로 변경한 음성 신호를 전처리하여 잡음을 제거하고, 전처리한 신호를 사용자 명령으로 처리할 수 있다. 전처리 모듈(320)은 생성한 사용자 명령을 통신 모듈(예: 도 1a의 통신 모듈(190))을 통해 인공지능 클라이언트 서버(예: 도 2의 인공지능 시스템 서버(210))에 전달할 수 있다.
인공지능 시스템 처리 모듈(330)은 인공지능 시스템 서버(210)로부터 통신 모듈(예: 도 1a의 통신 모듈(190))을 통해 컨텐츠, 응답, 동작 시퀀스, 및 트레이닝 피드백을 중 적어도 하나를 수신할 수 있다. 동작 시퀀스는 패스 룰(path rule)과 동일할 수 있다.
인공지능 시스템 처리 모듈(330)은, 수신한 컨텐츠, 응답, 동작 시퀀스(action sequence), 및 트레이닝 피드백을 중 적어도 하나에 기초하여, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))의 프로세서(예: 도 1a의 프로세서(120)를 제어 하에, 수신한 동작 시퀀스에 따라서 기능을 수행할 수 있다.
예를 들어, 사용자가 "빅스비, 엄마에게 전화 걸화줘"라고 발화했다면, 인공지능 시스템 서버(예: 210)로부터 수신한 동작 시퀀스에 따라서, 인공지능 시스템 처리 모듈(330)은 연락처에서 "엄마"에 대응하는 번호를 찾아서 전화를 걸 수 있다.
인공지능 시스템 처리 모듈(330)은 클라이언트 제어부(331, client controller) 및 실행처리부(executor manager, 332)를 포함할 수 있다. 실행처리부(executor manager, 332)는 동작 시퀀스(action sequence)가 포함하고 있는 하나 이상의 기능(function)과 파라미터(parameter)에 기반하여 단계 별로 동작을 수행하고 단계 별 수행 상황을 사용자에게 표시하게 할 수 있다.
인공지능 시스템 처리 모듈(330)은 클라이언트 제어부(331)는 인공지능 시스템 처리 모듈(330)의 동작을 제어하고, 프로세서(예: 도 1a의 프로세서(120))의 동작을 제어할 수 있다.
실행처리부(executor manager, 332)는 각 수행 단계 마다 각 기능에 대응하는 어플리케이션이 기능이 수행하도록 요청하고, 각 어플리케이션으로부터 각 기능의 실행 결과를 보고 받을 수 있다.
예를 들어, 인공지능 시스템을 구동한 상태에서, "최근에 하와이에서 찍은 사진 엄마에게 보내줘"라는 발화가 전자 장치(도 1a의 전자 장치(101), 도 2의 전자 장치(203))감지되면, 인공지능 시스템 클라이언트(300)는 해당 발화를 인공지능 시스템 서버(예: 210)로 전달하면 이에 대응하는 동작 시퀀스를 인공지능 시스템 서버(예: 210)로부터 전송받을 수 있다.
입력 처리 모듈(340)은 사용자 입력을 수신하고, 신호 처리할 수 있다. 사용자 입력은 터치 입력 또는 키 입력일 수 있다. 입력 처리 모듈(340)은 인공지능 시스템 서버(예: 210)에 통신 모듈(예: 도 1a의 통신 모듈(190))을 통해 사용자 입력을 전달할 수 있다.
도 4는 본 발명의 다양한 실시예에 따른 인공지능 시스템 서버(400, 예 도 1a의 서버(108), 도 2의 인공지능 시스템 서버(210))에 관한 블록도이다.
인공지능 시스템 서버(400, 예 도 1a의 서버(108), 도 2의 인공지능 시스템 서버(210))는 프로세서(예: 도 1a의 프로세서(120)), 통신 모듈(예: 도 1a의 통신 모듈(190)) 및 메모리(예: 도 1a의 메모리(130))를 포함할 수 있다.
인공지능 시스템 서버(400)는 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211), 음성인식모듈(411), 자연어 이해(natural language understanding, NLU) 모듈(412), 컨텐츠 생성 처리 모듈(413), 대화 매니저(dialogue manager, DM) 모듈(414), 동작 계획 처리 모듈(action planning processing module, 415), 트레이닝 판단부(416), 도메인/상태 판단부(domain/state determining processing module, 417), 온톨리지 학습부(418) 및 데이터 모듈(419, 예: 도 2의 213)을 포함할 수 있다.
클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211), 음성인식모듈(411), 자연어 이해(natural language understanding, NLU) 모듈(412), 컨텐츠 생성 처리 모듈(413), 대화 매니저(dialogue manager, DM) 모듈(414), 동작 계획 처리 모듈(action planning processing module, 415), 트레이닝 판단부(416), 도메인/상태 판단부(domain/state determining processing module, 417), 온톨리지 학습부(418) 및 데이터 모듈(419, 예: 도 2의 213)는 인공지능 시스템 서버(400)의 메모리에 저장된 프로세스 또는 데이터일 수 있다.
인공지능 시스템 서버(400)의 프로세서는 메모리에 저장된 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211), 음성인식모듈(411), 자연어 이해(natural language understanding, NLU) 모듈(412), 컨텐츠 생성 처리 모듈(413), 대화 매니저(dialogue manager, DM) 모듈(414), 동작 계획 처리 모듈(action planning processing module, 415), 트레이닝 판단부(416), 도메인/상태 판단부(domain/state determining processing module, 417), 온톨리지 학습부(418) , 데이터 모듈(419, 예: 도 2의 213) 및 자연어 생성(natural language generator, NLG) 모듈(420)를 제어하여 인공지능 시스템 기능을 수행할 수 있다.
클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)는 인공지능 시스템 클라이언트(300)로부터 사용자 명령 또는 사용자 입력을 수신하고, 인공지능 시스템 클라이언트(300)에 컨텐츠, 응답, 동작 시퀀스, 트레이닝 피드백을 전달할 수 있다.
음성인식모듈(411) 은 자동 음성 인식 처리 모듈(automatic speech recognition processing module, ASR)일 수 있다. 음성인식모듈(411)은 오디오 신호를 텍스트로 변환할 수 있다. 음성인식모듈(411)은 음성신호를 변환하여 전기적 신호로 전달된 사용자 명령으로부터 발화에 대응하는 텍스트 질의 (text query)를 생성할 수 있다.
자연어 이해(natural language understanding, NLU) 모듈(412)은 음성인식모듈(411)로부터 생성된 텍스트 질의를 수신하여 정해진 규칙이나 통계적 특성에 기반하여 사용자 명령에 대응하는 발화의 의도(intent)와 슬롯(slot, 예를 들어,파라미터)를 결정할 수 있다.
다양한 실시예에서, 자연어 이해(natural language understanding, NLU) 모듈(412)은 음성인식모듈(411)로부터 생성된 텍스트 질의를 수신하여 정해진 규칙이나 통계적 특성에 기반하여 사용자 명령에 대응하는 발화의 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)를 감지할 수 있다.
자연어 이해 모듈(412)는 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))를 얻을 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(412)는 도메인(domain), 의도(intend) 및 상기 의도를 파악하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))로 나누어진 매칭 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 결정된 의도와 슬롯에 기반하여, 자연어 이해 모듈(412)은 사용자에게 제공할 응답 형태를 결정할 수 있다. 예를 들어, 응답 형태는 대화형 답변(문장 형태)일 수 있고, 전자 장치(도 1a의 전자 장치(101), 도 2의 전자 장치(203))에서 수행할 기능을 지시하는 정보, 또는 외부 서비스 검색을 통한 정보일 수 있다. 또는, 답변 또는 기능 지시의 조합일 수 있다.
자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 컨텐츠 생성 처리 모듈(413), DM 모듈(414), 동작 계획 처리 모듈(415) 및 트레이닝 판단부(416) 중 적어도 하나에 전달할 수 있다.
예를 들어, "최근에 하와이에서 찍은 사진 엄마에게 보내줘"라는 사용자 명령을 수신하면, 자연어 이해 모듈(412)은 SEND_PHOTO라는 의도(Intent)와 "하와이/#location", "최근/#date", "엄마/#contact_person" 라는 슬롯(slot)을 결정하고, 이에 대응되는 동작 시퀀스(action sequence)를 결정할 수 있다. 자연어 이해 모듈(412)은 결정된 동작 시퀀스(action sequence)를 컨텐츠 생성 처리모듈(413), DM 모듈(414), 동작 계획 처리 모듈(415), 및 트레이닝 판단부(416) 중 적어도 하나에 전달할 수 있다.
자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)이 컨텐츠 생성 처리에 관한 것이면, 컨텐츠 생성 처리에 관한 동작 시퀀스를 컨텐츠 생성 처리 모듈(413)에 전달할 수 있다.
컨텐츠 생성 처리 모듈(413)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)에 따라 데이터 모듈(419)에서 데이터 베이스를 검색하거나 외부 서비스(예: 205)로부터 외부 서비스를 검색하여 컨텐츠를 생성하고, 생성된 컨텐츠를 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)를 통해 인공지능 시스템 클라이언트(300)에 전달할 수 있다.
자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)이 데이터 모듈(419)에 포함된 패스룰 데이터 베이스(430)에 포함되어 있는지 판단할 수 있다. 트레이닝 데이터 베이스는 데이터 모듈(419)에 저장될 수 있다. 다양한 실시예에서, 트레이닝 데이터 베이스는 데이터 모듈(419)에 저장된 패스룰(path rule) 데이터 베이스(430)에 포함될 수 있고, 패스룰 데이터 베이스(430)와 별도로 데이터 모듈(419)에 저장될 수 있다.
자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 데이터 모듈(419)에 포함된 패스룰 데이터 베이스(430) 또는 트레이닝 데이터 베이스에 포함되어 있다면, 패스룰 데이터 베이스(430) 또는 트레이닝 데이터 베이스에 따라 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 컨텐츠 생성 처리 모듈(413), DM 모듈(414), 동작 계획 처리 모듈(415) 및 트레이닝 판단부(416) 중 적어도 하나에 전달할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)에서, 자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)가 이미 학습된 것이라면, 우선적으로 트레이닝 데이터 베이스를 검색하여 동작 시퀀스를 결정하고, 트레이닝 데이터 베이스를 검색한 결과에 없다면, 패스룰 데이터 베이스(430)를 검색하여 동작 시퀀스를 결정할 수 있다.
자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)이 대화형 답변에 관한 것이면, 의도(intent)와 슬롯에 따라 대화형 답변에 관한 동작 시퀀스를 DM 모듈(414)에 전달할 수 있다.
DM 모듈(414)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)에 따라 데이터 모듈(419)에서 데이터 베이스를 검색하거나 외부 서비스(예: 205)로부터 외부 서비스를 검색하여 대화형 답변을 생성하도록 컨텐츠 생성 처리 모듈(413), 동작 계획 처리 모듈(415), 및 자연어 생성 모듈(420) 중 적어도 하나에 전달할 수 있다.
다양한 실시예에서, DM 모듈(414)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)에 따라 결정된 대화형 답변에 관한 동작 시퀀스를 자연어 이해 모듈(412)에서 전달 받아, 데이터 모듈(419)에서 데이터 베이스를 검색하거나 외부 서비스(예: 205)로부터 외부 서비스를 검색하여 대화형 답변을 생성하도록 컨텐츠 생성 처리 모듈(413), 동작 계획 처리 모듈(415), 및 자연어 생성 모듈(420) 중 적어도 하나에 전달할 수 있다.
DM 모듈(414)는 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 데이터 모듈(419)에 포함된 이미 트레이닝된 데이터 베이스에 포함되어 있다면, 트레이닝된 데이터 베이스에 따라 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 컨텐츠 생성 처리 모듈(413), DM 모듈(414), 동작 계획 처리 모듈(415) 및 트레이닝 판단부(416) 중 적어도 하나에 전달할 수 있다.
일 실시 예에 따르면, DM 모듈(414)은 자연어 이해 모듈(412)에 의해 파악된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, DM 모듈(414)은 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. DM 모듈(414)은 자연어 이해 모듈(412)에서 파악된 파라미터가 태스크를 수행하는데 충분한지 여부를 판단할 수 있다. 일 실시 예에 따르면, DM 모듈(414)은 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, DM 모듈(414)은 사용자의 의도를 파악하기 위한 파라미터에 대한 정보를 요청하는 피드백을 수행할 수 있다.
일 실시 예에 따르면, DM 모듈(414)은 컨텐츠 제공(content provider) 모듈을 포함할 수 있다. 상기 컨텐츠 제공 모듈은 자연어 이해 모듈(412)에서 파악된 의도 및 파라미터에 기초하여 동작을 수행할 수 있는 경우, 사용자 입력에 대응되는 태스크를 수행한 결과를 생성할 수 있다. 일 실시 예에 따르면, DM 모듈(414)은 사용자 입력에 대한 응답으로 상기 컨텐츠 제공 모듈에서 생성된 상기 결과를 전자 장치(101)로 송신할 수 있다.
자연어 생성 모듈(420)은 DM 모듈(414)로부터 대화형 답변을 생성 명령에 따라서 대화형 답변을 이용한 자연어를 생성할 수 있고, 생성된 자연어를 TTS(text to speech) 모듈(421)에 전달하여 음성을 생성할 수 있다. 생성된 음성은 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)를 통해 인공지능 시스템 클라이언트(300)에 전달할 수 있다.
컨텐츠 생성 처리 모듈(413)는 DM 모듈(414)로부터 대화형 답변을 생성 명령에 따라서 컨텐츠와 대화형 답변을 조합한 응답을 생성할 수 있고, 생성된 응답을 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)를 통해 인공지능 시스템 클라이언트(300)에 전달할 수 있다.
동작 계획 처리 모듈(415)은 DM 모듈(414)로부터 대화형 답변을 생성 명령에 따라서 동작 시퀀스와 대화형 답변을 조합한 응답을 생성할 수 있고, 생성된 응답을 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)를 통해 인공지능 시스템 클라이언트(300)에 전달할 수 있다.
DM 모듈(414)는 의도(intent)가 불명확한 경우, 대화형 답변을 생성할 수 있다. DM 모듈(414)는 의도(intent)가 불명확한 경우 생성되는 대화형 답볍은 사용자의 발화 의도를 명확히 할 수 있도록 물어보는 답변일 수 있다.
자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)이 인공지능 시스템 트레이닝에 관한 것이면, 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 트레이닝 판단부(416)에 전달할 수 있다.
예를 들어, "내가 알려 줄께"와 같은 사용자 명령이 감지되면, 자연어 이해 모듈(412)은 인공지능 시스템 트레이닝에 관한 것으로 판단할 수 있다.
다양한 실시예에서, 자연어 이해 모듈(412)은 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)이 사용자의 부정적인 반응(reation) 또는 동일하고 반복적인 반응이 있다면, 인공지능 시스템 트레이닝에 관한 것으로 판단할 수 있다.
트레이닝 판단부(416)는 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)이 인공지능 시스템 트레이닝에 관한 것으로 판단되면, 인공지능 시스템 트레이닝을 진행하고, 도메인/상태 판단부(domain/state determining processing module, 417)에 사용자 명령을 전달할 수 있다.
인공지능 시스템 트레이닝에 관한 사용자 입력이 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)을 통해 입력되면, 도메인/상태 판단부(417)은 사용자 입력에 따라서 도메인과 상태를 순차적으로 정렬할 수 있다.
도메인은 어플리케이션에 관한 정보(예를 들어, 사용자가 선택한 어플리케이션에 관한 종류, 이름)이고, 상태는 어플리케이션에서 운영하는 화면에 관한 정보일 수 있다. 인공지능 시스템 트레이닝에 관한 사용자 입력이 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)을 통해 입력되면, 사용자 터치에 따라서 어플리케이션의 화면이 변경되고, 그 변경되는 화면 상태에 대한 순서가 저장될 수 있다. 또한, 인공지능 시스템 트레이닝에 관한 사용자 입력이 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)을 통해 입력되면, 사용자 터치에 따라서 어플리케이션의 화면이 변경되고, 그 변경되는 화면 상태에 대한 순서가 저장되고, 각 화면 별로 어떤 파라미터에 대한 정보가 화면 상태에 대한 순서에 관한 정보가 저장되어 트레이닝된 패스룰 또는 동작 시퀀스을 생성하고, 생성된 패스룰 또는 동작 시퀀스를 트리이닝 데이터 베이스 또는 패스룰 데이터 베이스(430)에 저장할 수 있다.
사용자 입력은 예를 들어, 인공지능 시스템 클라이언트(300)의 사용자 인터페이스를 통한 터치 또는 키 입력일 수 있다. 다양한 실시예에 따르면, 사용자 입력은 인공지능 시스템 클라이언트(300)의 학습 도구(tool)를 통한 입력일 수 있다. 학습 도구(tool)는 예를 들어, 인공지능 시스템 클라이언트(300)에 포함된 인공지능 시스템 트레이닝 어플리케이션일 수 있다.
도메인/상태 판단부(domain/state determining processing module, 417)는 사용자 입력 또는 사용자 명령에 따라서 도메인과 상태 정보를 입력 받아서 순차적으로 정렬한 다음에 이를 온톨리지 학습부(418)에 전달할 수 있다.
도메인/상태 판단부(domain/state determining processing module, 417)는 순차적으로 정렬한 사용자 입력 또는 사용자 명령에 관한 트레이닝 피드백을 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)를 통해 인공지능 시스템 클라이언트(300)에 전달할 수 있다.
온톨리지 학습부(418)는 도메인과 상태 정보를 기반으로 적정 의도(또는 온톨로지)를 검색한 뒤 수정이 필요한 학습된 의도(intent) 값과 매칭될 수 있도록 테이블에 등록하고 트레이닝한 패스 룰(path rule) 또는 동작 시퀀스를 새로 생성하여 데이터 모듈(419, 예: 도 2의 213)에 포함된 트레이닝 데이터 베이스에 등록할 수 있다.
상태(state)는 현 화면에 보여지는 어플리케이션의 상태일 수 있다. 어플리케이션의 각 동작마다 상태로 구분될 수 있으며, 각 상태 별로 필요한 파라미터가 있을 수 있다.
예를 들면, 이전 잘못 매칭된 의도가 "DevMaint_100" 이었다면, 트레이닝된 intent "Settings_1002"로 연결할 수 있다.
도 5a 및 도 5b는 본 발명의 다양한 실시예에 따른 인공지능 시스템 서버(400, 예 도 1a의 서버(108), 도 2의 인공지능 시스템 서버(210))의 동작을 나타내는 순서도이다.
인공지능 시스템 서버(400)는, 501 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 입력을 수신할 수 있다. 입력은 사용자 명령 또는 사용자 입력일 수 있다.
다양한 실시에에서, 인공지능 시스템 서버(400)는, 501 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)을 통해, 입력을 수신할 수 있다.
인공지능 시스템 서버(400)는, 503 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 입력에 따른 명령 수행 규칙을 판단할 수 있다. 명령 수행 규칙은 예를 들어, 의도와 슬롯에 따른 미리 저장된 패스룰(path rule) 일 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 503 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 입력으로부터 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 결정하고 명령 수행 규칙을 판단할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 503 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 입력으로부터 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 결정할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 503 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 자연어 이해 모듈(412)을 이용하여 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)을 결정할 수 있다.
인공지능 시스템 서버(400)는, 505 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 결정된 의도와 슬롯에 따라 명령 규칙을 판단하고, 판단된 패스 룰(path rule) 또는 동작 시퀀스에 학습되었는지 여부를 판단할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 505 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 결정된 의도와 슬롯에 따라 명령 규칙을 판단하고, 판단된 패스 룰(path rule) 또는 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하는지 여부를 판단할 수 있다.
학습된 트레이닝 데이터 베이스가 존재하면, 인공지능 시스템 서버(400)는, 509 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 학습된 트레이닝 패스 룰(path rule) 또는 동작 시퀀스로 입력을 처리할 수 있다.
학습된 트레이닝 데이터 베이스가 존재하지 않으면, 인공지능 시스템 서버(400)는, 507 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 판단된 패스 룰(path rule) 또는 동작 시퀀스로 동작을 수행할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 507 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 의도(intent)와 슬롯(slot, 예를 들어, 파라미터)에 따라 컨텐츠, 대화형 답변, 패스 룰(path rule) 또는 동작 시퀀스, 및 응답 중 적어도 하나 이상을 결정할 수 있다.
507 동작 또는 509 동작으로 학습된 트레이닝 규칙으로 입력을 처리하거나 판단된 패스 룰(path rule) 또는 동작 시퀀스로 동작을 수행하면, 인공지능 시스템 서버(400)는, 511 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 수행 완료 피드백 동작을 수행할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 511 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 사용자 명령을 수행할 수 있는지 없는지를 판단하여 수행할 수 없을 때 "현재 앱 또는 서비스에서 가능한 요청이 아니네요"와 같은 자연어를 자연어 생성 모듈(420)을 통해 생성할 수 있다.
이때, 인공지능 시스템 서버(400)는, 511 동작에서, 사용자가 직접 가르쳐주기 등의 동작을 제안할 수 있고, 사용자 명령을 수행할 수 없다면 사용자에게 "제가 뭘 잘못했나요? 알려주시겠어요?" 등의 사전 행동적(proactive)한 가이드를 제시할 수 있고, 사용자의 Yes/No의 단순 답변을 수신하면, 513 단계로 분기할 수 있다.
인공지능 시스템 서버(400)는, 513 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 의도(intent)와 슬롯(slot)이 사용자 트레이닝 입력에 관한 것인지 여부를 판단할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 513 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 트레이닝 판단부(416)에서 의도(intent)와 슬롯(slot)뿐 만 아니라, 사용자 터치, 키 이벤트 등 멀티 모달(multi modal)을 이용한 사용자 입력이 사용자 트레이닝 입력에 관한 것인지 여부를 판단할 수 있다.
의도(intent)와 슬롯(slot)이 사용자 트레이닝 입력에 관한 것이 아니라고 판단하면, 프로세스를 종료할 수 있다.
다양한 실시예에서, 트레이닝 판단부(416)에서 의도(intent)와 슬롯(slot)뿐 만 아니라, 사용자 터치, 키 이벤트 등 멀티 모달(multi modal)을 이용한 사용자 입력이 사용자 트레이닝 입력에 관한 것이 아니라고 판단하면, 프로세스를 종료할 수 있다.
의도(intent)와 슬롯(slot)이 사용자 트레이닝 입력에 관한 것이라고 판단하면, 인공지능 시스템 서버(400)는, 515 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 사용자 입력 및 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203)))의 실행정보를 추적할 수 있다.
다양한 실시예에 따르면, 의도(intent)와 슬롯(slot)이 사용자 트레이닝 입력에 관한 것이라고 판단하면, 인공지능 시스템 서버(400)는, 515 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 사용자 입력 및 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203)))의 실행정보를 추적하여 도메인 및 상태 정보를 순차적으로 정렬할 수 있다.
도메인은 어플리케이션에 관한 정보(예를 들어, 사용자가 선택한 어플리케이션에 관한 종류, 이름)이고, 상태는 어플리케이션에서 운영하는 화면에 관한 정보일 수 있다. 인공지능 시스템 트레이닝에 관한 사용자 입력이 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)을 통해 입력되면, 사용자 터치에 따라서 어플리케이션의 화면이 변경되고, 그 변경되는 화면 상태에 대한 순서가 저장될 수 있다. 또한, 인공지능 시스템 트레이닝에 관한 사용자 입력이 클라이언트에 대한 입출력(I/O) 인터페이스(410, 예: 도 2의 211)을 통해 입력되면, 사용자 터치에 따라서 어플리케이션의 화면이 변경되고, 그 변경되는 화면 상태에 대한 순서가 저장되고, 각 화면 별로 어떤 파라미터에 대한 정보가 화면 상태에 대한 순서에 관한 정보가 저장되어 트레이닝된 패스룰 또는 동작 시퀀스을 생성하고, 생성된 패스룰 또는 동작 시퀀스를 트리이닝 데이터 베이스 또는 패스룰 데이터 베이스(430)에 저장할 수 있다. 상태 정보는 어플리케이션의 하위 메뉴의 상태, 사용자의 입력 창 정보 등을 포함할 수 있다.
다양한 실시예에 따르면, 의도(intent)와 슬롯(slot)이 사용자 트레이닝 입력에 관한 것이라고 판단하면, 인공지능 시스템 서버(400)는, 515 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 도메인/상태 판단부(417)에서 사용자 입력 및 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203)))의 실행정보를 추적할 수 있다.
인공지능 시스템 서버(400)는, 519 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 사용자 트레이닝 완료 여부를 판단할 수 있다.
사용자 트레이닝이 완료되지 않았으면, 517동작으로 분기할 수 있다.
사용자 트레이닝이 완료되면, 인공지능 시스템 서버(400)는, 521 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 도메인/상태 판단부(417)에서 순차적으로 정렬된 도메인과 상태 정보를 적정 의도(또는 온톨로지)를 검색한 뒤 수정이 필요한 학습된 의도(intent) 값과 매칭될 수 있도록 테이블에 등록하고, 등록된 테이블에 따라 트레이닝한 패스 룰(path rule) 또는 동작 시퀀스를 새로 생성하고, 새로 생성된 트레이닝한 패스 룰(path rule) 또는 동작 시퀀스를 경로 규칙 데이터 베이스(또는 트레이닝 데이터 베이스)로 전달할 수 있다.
인공지능 시스템 서버(400)는, 523 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 데이터 모듈(419, 예: 도 2의 213)에 패스 룰(path rule) 또는 동작 시퀀스를 트레이닝 데이터 베이스에 업데이트할 수 있다.
다양한 실시예에 따르면, 인공지능 시스템 서버(400)는, 523 동작에서, 프로세서(예; 도 1a의 프로세서(120)) 제어 하에, 데이터 모듈(419, 예: 도 2의 213)에 패스 룰(path rule) 또는 동작 시퀀스를 트레이닝 데이터 베이스에 업데이트하고, 전자 장치(예: 도1의 전자 장치(101))에 트레이닝에 관한 트레이닝 피드백 정보를 전달할 수 있다.
도 6은 본 발명의 다양한 실시예에 따른 인공지능 시스템 클라이언트(예, 도 2의 231, 도 3의 300))의 동작을 나타내는 순서도이다.
전자 장치(도 1a의 전자 장치(101), 도 2의 전자 장치(203))의 인공지능 시스템 클라이언트(예, 도 2의 231, 도 3의 300))는, 프로세서(예: 도 1a의 프로세서(120)) 제어 하에, 601 동작에서, 입력 장치(예: 도 1a의 입력 장치(150)를 통해 사용자 입력 또는 음성 입력을 수신할 수 있다.
전자 장치(도 1a의 전자 장치(101), 도 2의 전자 장치(203))의 인공지능 시스템 클라이언트(예, 도 2의 231, 도 3의 300))는, 프로세서(예: 도 1a의 프로세서(120)) 제어 하에, 603 동작에서, 사용자 입력 또는 음성 입력에 따라 인공지능 시스템 서버(예: 도 2의 210, 도 4의 400)에 연결될 수 있다.
전자 장치(도 1a의 전자 장치(101), 도 2의 전자 장치(203))의 인공지능 시스템 클라이언트(예, 도 2의 231, 도 3의 300))는, 프로세서(예: 도 1a의 프로세서(120)) 제어 하에, 605 동작에서, 사용자 입력 또는 음성 입력에 따른 트레이닝 정보를 인공지능 시스템 서버(예: 도 2의 210, 도 4의 400)에 통신 모듈(예: 도 1a의 통신 모듈(190))을 통해 전달할 수 있다.
전자 장치(도 1a의 전자 장치(101), 도 2의 전자 장치(203))의 인공지능 시스템 클라이언트(예, 도 2의 231, 도 3의 300))는, 프로세서(예: 도 1a의 프로세서(120)) 제어 하에, 607 동작에서, 트레이닝 피드백 정보를 인공지능 시스템 서버(예: 도 2의 210, 도 4의 400)로부터 통신 모듈(예: 도 1a의 통신 모듈(190))을 통해 수신할 수 있다.
도 7은 본 발명의 다양한 실시예에 따른 인공지능 시스템 트레이닝 방법을 나타내는 화면이다.
701 화면에서, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203)))는 사용자 입력 또는 명령을 수신하여 대화형 답변을 인공지능 시스템 서버(400)로부터 수신하여 사용자 인터페이스로 표시할 수 있다.
예를 들어, 사용자 의도가 불명확하다고 판단되면, 인공지능 시스템 서버(400)는 "현재 앱 또는 서비스에서 가능한 요청이 아니네요."라는 메시지를 표시 장치(예: 도 1a의 160)에 팝업 창 또는 말풍선, 메시지 창 등으로 표시 및/또는 음향 출력 장치(예: 155)로 출력할 수 있다.
"현재 앱 또는 서비스에서 가능한 요청이 아니네요."라는 메시지와 함께, "좋아요"와 같은 선호도, "가르쳐주기"와 같은 인공지능 시스템 트레이닝에 관한 그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등의 형식으로 표시할 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 사용자 명령을 수행할 수 있는지 없는지를 판단하여 수행할 수 없을 때 "현재 앱 또는 서비스에서 가능한 요청이 아니네요"와 같은 자연어를 자연어 생성 모듈(420)을 통해 생성하고 표시부에 표시할 수 있다.
이때, 인공지능 시스템 서버(400)는 사용자가 직접 가르쳐주기 등의 동작을 제안할 수 있고, 사용자 명령을 수행할 수 없다면 사용자에게 "제가 뭘 잘못했나요? 알려주시겠어요?" 등의 사전 행동적(proactive)한 가이드를 제시할 수 있고, 사용자의 Yes/No의 단순 답변을 표시할 수 있다.
다양한 실시예에서,"현재 앱 또는 서비스에서 가능한 요청이 아니네요."라는 메시지와 함께, "전체화면"으로와 같은 인공지능 시스템 취소에 관한 그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등의 형식으로 표시할 수 있다.
그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등의 형식으로 표시할 수 있다.
705 화면은 "가르쳐주기"와 같은 인공지능 시스템 트레이닝에 관한 그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등을 사용자가 입력한 경우(예를 들어, 터치)한 경우를 나타내는 도면이다.
706 화면은, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))는 트레이닝에 관한 사용자 입력 또는 명령을 사용자로부터 직접 수신한 경우에 관한 사용자 인터페이스를 나타낸다.
예를 들어, "잘봐 내가 직접 알려줄께"라는 사용자 입력 또는 명령을 사용자로부터 직접 수신한 경우에 사용자의 발화를 표시 장치(예: 도 1a의 160)에 팝업 창 또는 말풍선, 메시지 창 등으로 표시할 수 있다.
707 화면은, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에서 사용자 입력 또는 명령에 따라 도메인/상태를 변경하는 동작에 관한 사용자 인터페이스이다.
인공지능 시스템 서버(400)는 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))로부터 수신한 사용자 입력 또는 명령에 따라 도메인/상태를 변경하고, 이를 트레이닝 피드백 정보로 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에 전달할 수 있다. 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))는 인공지능 시스템 서버(400)로부터 수신한 트레이닝 피드백 정보를 표시 장치(예: 도 1a의 160)에 표시할 수 있다.
709 화면은, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에서 사용자 입력 또는 명령에 따라 도메인/상태를 변경하는 동작 중에 트레이닝 완료 여부를 나타내는 화면이다.
예를 들어, 인공지능 시스템 서버(400)가 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))로부터 수신한 사용자 입력 또는 명령에 따라 도메인/상태를 변경하는 중이면, 트레이닝 피드백 정보로 "배우는 중쪋!!! 끝나면 여기를 누르세요" 또는 "애플리케이션 정보 보여줘"와 같은 트레이닝 피드백 정보를 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에 전달할 수 있다. 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))는 인공지능 시스템 서버(400)로부터 수신한 트레이닝 피드백 정보를 표시 장치(예: 도 1a의 160)에 표시할 수 있다.
711 화면은, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에서 사용자 입력 또는 명령에 따라 도메인/상태 변경 완료를 나타내는 화면이다.
인공지능 시스템 서버(400)는 새로운 트레이닝 데이터 베이스가 감지되면, 트레이닝 피드백 정보로 "학습완료!!! 다음부턴 여기로 안내할게요", "애플리케이션 정보 보여줘"와 같은 트레이닝 피드백 정보를 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에 전달할 수 있다. 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))는 인공지능 시스템 서버(400)로부터 수신한 트레이닝 피드백 정보를 표시 장치(예: 도 1a의 160)에 표시할 수 있다.
713 화면은, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에서 사용자 입력 또는 명령에 따라 도메인/상태 변경 완료를 나타내는 화면이다.
인공지능 시스템 서버(400)는 기존 트레이닝 데이터 베이스가 감지되면, 트레이닝 피드백 정보로 "학습완료!!! 이렇게 배웠어요", "애플리케이션 정보 보여줘", "설정에서 앱 정보 보기"와 같은 트레이닝 피드백 정보를 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))에 전달할 수 있다. 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))는 인공지능 시스템 서버(400)로부터 수신한 트레이닝 피드백 정보를 표시 장치(예: 도 1a의 160)에 표시할 수 있다.
도 8은 본 발명의 다양한 실시예에 따른 인공지능 시스템 트레이닝 방법을 나타내는 화면이다.
801 화면에서, 인공지능 시스템 서버(400)는 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203)))로부터 반복적 입력 또는 부정적 입력을 수신할 수 있다. 인공지능 시스템 서버(400)는 반복적 입력 또는 부정적 입력을 수신하면 사용자 의도를 인공지능 시스템 트레이닝 동작을 수행하는 의도로 파악할 수 있다.
예들 들어, 반복적 입력은 사용자 의도가 불명확 입력을 반복적으로 입력하거나, 부정적 입력은 "아니"와 같은 사용자 입력을 수신하는 경우일 수 있다.
다양한 실시예에서, 인공지능 시스템 서버(400)는, 사용자 명령을 수행할 수 있는지 없는지를 판단하여 수행할 수 없을 때 "현재 앱 또는 서비스에서 가능한 요청이 아니네요"와 같은 자연어를 자연어 생성 모듈(420)을 통해 생성하고 표시부에 표시할 수 있다.
이때, 인공지능 시스템 서버(400)는 사용자가 직접 가르쳐주기 등의 동작을 제안할 수 있고, 사용자 명령을 수행할 수 없다면 사용자에게 "제가 뭘 잘못했나요? 알려주시겠어요?" 등의 사전 행동적(proactive)한 가이드를 제시할 수 있고, 사용자의 Yes/No의 단순 답변을 표시할 수 있다.
예를 들어 705 화면을 참조하면, 반복적 입력 또는 부정적 입력이라고 판단되면, 인공지능 시스템 서버(400)는 "현재 앱 또는 서비스에서 가능한 요청이 아니네요."라는 메시지를 표시 장치(예: 도 1a의 160)에 팝업 창 또는 말풍선, 메시지 창 등으로 표시 및/또는 음향 출력 장치(예: 155)로 출력할 수 있다.
"현재 앱 또는 서비스에서 가능한 요청이 아니네요."라는 메시지와 함께, "좋아요"와 같은 선호도, "가르쳐주기"와 같은 인공지능 시스템 트레이닝에 관한 그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등의 형식으로 표시할 수 있다.
다양한 실시예에서,"현재 앱 또는 서비스에서 가능한 요청이 아니네요."라는 메시지와 함께, "전체화면"으로와 같은 인공지능 시스템 취소에 관한 그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등의 형식으로 표시할 수 있다.
그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등의 형식으로 표시할 수 있다.
805 화면은 "가르쳐주기"와 같은 인공지능 시스템 트레이닝에 관한 그래픽 사용자 인터페이스를 버튼, 메뉴, 아이콘 등을 사용자가 입력한 경우(예를 들어, 터치)한 경우를 나타내는 도면이다.
807 화면은, 전자 장치(예: 도 1a의 전자 장치(101), 도 2의 전자 장치(203))는 트레이닝에 관한 사용자 입력 또는 명령을 사용자로부터 직접 수신한 경우에 관한 사용자 인터페이스를 나타낸다.
예를 들어, "잘봐 내가 직접 알려줄께"라는 사용자 입력 또는 명령을 사용자로부터 직접 수신한 경우에 사용자의 발화를 표시 장치(예: 도 1a의 160)에 팝업 창 또는 말풍선, 메시지 창 등으로 표시할 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 항목들의 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 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 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 11적어도 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 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 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 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 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 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 (15)

  1. 인공지능 시스템 트레이닝 방법에 있어서,
    입력을 수신하는 동작;
    상기 입력에 따른 동작 시퀀스를 판단하는 동작;
    상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하는지 여부를 판단하는 동작;
    상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하지 않으면, 상기 판단된 동작 시퀀스로 동작 수행하는 동작;
    동작 수행에 관한 수행 완료 피드백 동작;
    상기 판단된 동작 시퀀스가 사용자 트레이닝에 관한 입력인지 여부를 판단하는 동작;
    사용자 트레이닝에 관한 입력이라고 판단되면, 사용자 입력 및 전자 장치 실행정보를 추적하는 동작; 및
    상기 추적된 사용자 입력 및 전자 장치 실행 정보에 따라, 도메인 및 상태 정보를 업데이트 하는 동작을 포함하는 방법.
  2. 제 1항에 있어서,
    사용자 트레이닝 동작이 완료되지 않으면, 상기 추적된 사용자 입력 및 전자 장치 실행 정보에 따라, 도메인 및 상태 정보를 업데이트 하는 동작을 더 포함하는 방법.
  3. 제 1항에 있어서,
    사용자 트레이닝 동작이 완료되면, 상기 업데이트된 도메인 및 상태 정보를 트레이닝 데이터 베이스에 전달하는 동작; 및
    상기 업데이트된 도메인 및 상태 정보에 따라 상기 트레이닝 데이터 베이스를 업데이트하는 동작을 더 포함하는 방법.
  4. 제 1항에 있어서,
    상기 사용자 입력 및 전자 장치 실행정보를 추적하는 동작은
    상기 도메인 및 상태 정보를 순차적으로 정렬하는 동작을 더 포함하는 방법.
  5. 제 3항에 있어서,
    상기 트레이닝 데이터 베이스를 업데이트 하는 동작은
    순차적으로 정렬된 상기 도메인 및 상태 정보를 적정 의도(또는 온톨로지)를 검색한 뒤 수정이 필요한 학습된 의도(intent) 값과 매칭될 수 있도록 테이블에 등록하는 동작을 더 포함하는 방법.
  6. 제 5항에 있어서,
    상기 트레이닝 데이터 베이스를 업데이트 하는 동작은
    상기 등록된 테이블에 따라 트레이닝 패스를 새로 생성하는 동작;
    상기 새로 생성된 트레이닝 패스를 상기 경로 규칙 데이터 베이스에 전달하는 동작; 및
    트레이닝에 관한 트레이닝 피드백 정보를 전자 장치에 전달하는 동작 중 적어도 하나를 더 포함하는 방법.
  7. 제 1항에 있어서,
    상기 입력에 따른 동작 시퀀스를 판단하는 동작은
    상기 입력으로부터 의도와 슬롯을 결정하고, 결정된 상기 의도와 상기 슬롯에 따라서 명령 규칙을 판단하는 동작을 더 포함하는 방법.
  8. 통신 모듈;
    프로세서; 및
    메모리를 포함하며,
    상기 메모리는
    상기 프로세서가
    입력을 수신하는 동작;
    상기 입력에 따른 동작 시퀀스를 판단하고,
    상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하는지 여부를 판단하며,
    상기 판단된 동작 시퀀스에 관한 학습된 트레이닝 데이터 베이스가 존재하지 않으면, 상기 판단된 동작 시퀀스로 동작 수행하고,
    동작 수행에 관한 수행 완료 피드백하며,
    상기 판단된 동작 시퀀스가 사용자 트레이닝에 관한 입력인지 여부를 판단하고,
    사용자 트레이닝에 관한 입력이라고 판단되면, 사용자 입력 및 전자 장치 실행정보를 추적하며,
    상기 추적된 사용자 입력 및 전자 장치 실행 정보에 따라, 도메인 및 상태 정보를 업데이트 하도록 제어하는 인스트럭션들(instrcutions)을 저장하는 전자 장치.
  9. 제8항에 있어서,
    상기 메모리는
    상기 프로세서가
    사용자 트레이닝 동작이 완료되지 않으면, 상기 추적된 사용자 입력 및 전자 장치 실행 정보에 따라, 도메인 및 상태 정보를 업데이트 하도록 제어하는 인스트럭션들을 저장하는 전자 장치.
  10. 제8항에 있어서,
    상기 메모리는
    상기 프로세서가
    사용자 트레이닝 동작이 완료되면, 상기 업데이트된 도메인 및 상태 정보를 트레이닝 데이터 베이스에 전달하고, 상기 업데이트된 도메인 및 상태 정보에 따라 상기 트레이닝 데이터 베이스를 업데이트하도록 제어하는 인스트럭션들을 저장하는 전자 장치.
  11. 제8항에 있어서,
    상기 메모리는
    상기 프로세서가
    상기 도메인 및 상태 정보를 순차적으로 정렬하도록 제어하는 인스트럭션들을 저장하는 전자 장치.
  12. 제10항에 있어서,
    상기 메모리는
    상기 프로세서가
    순차적으로 정렬된 상기 도메인 및 상태 정보를 적정 의도(또는 온톨로지)를 검색한 뒤 수정이 필요한 학습된 의도(intent) 값과 매칭될 수 있도록 테이블에 등록하도록 제어하는 인스트럭션들을 저장하는 전자 장치.
  13. 제12항에 있어서,
    상기 메모리는
    상기 프로세서가
    상기 등록된 테이블에 따라 트레이닝 패스를 새로 생성하도록 제어하는 인스트럭션들;
    상기 새로 생성된 트레이닝 패스를 상기 경로 규칙 데이터 베이스에 전달하도록 제어하는 인스트럭션들; 및
    트레이닝에 관한 트레이닝 피드백 정보를 전자 장치에 전달하도록 제어하는 인스트럭션들 중 적어도 하나 이상을 저장하는 전자 장치.
  14. 제8항에 있어서,
    상기 입력은
    사용자의 음성 명령 또는 사용자 입력인 것을 특징으로 하는 전자 장치.
  15. 제8항에 있어서,
    상기 메모리는
    상기 프로세서가
    상기 입력으로부터 의도와 슬롯을 결정하고, 결정된 상기 의도와 상기 슬롯에 따라서 명령 규칙을 판단하도록 제어하는 인스트럭션들을 저장하는 전자 장치.
PCT/KR2019/006872 2018-06-08 2019-06-07 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치 WO2019235878A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/054,753 US20210217406A1 (en) 2018-06-08 2019-06-07 Voice recognition service operating method and electronic device supporting same
EP19814725.8A EP3779963A4 (en) 2018-06-08 2019-06-07 OPERATING PROCEDURE OF A VOICE RECOGNITION SERVICE AND ELECTRONIC DEVICE SUPPORTING IT

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180066045A KR20190139489A (ko) 2018-06-08 2018-06-08 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치
KR10-2018-0066045 2018-06-08

Publications (1)

Publication Number Publication Date
WO2019235878A1 true WO2019235878A1 (ko) 2019-12-12

Family

ID=68770964

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/006872 WO2019235878A1 (ko) 2018-06-08 2019-06-07 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치

Country Status (4)

Country Link
US (1) US20210217406A1 (ko)
EP (1) EP3779963A4 (ko)
KR (1) KR20190139489A (ko)
WO (1) WO2019235878A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220046964A (ko) * 2020-10-08 2022-04-15 삼성전자주식회사 멀티 챗봇을 이용하여 질의에 응답하는 전자 장치 및 그 제어 방법
US11526235B1 (en) * 2021-05-18 2022-12-13 Microsoft Technology Licensing, Llc Artificial intelligence model for enhancing a touch driver operation
US20230176988A1 (en) * 2021-12-03 2023-06-08 Pixart Imaging Inc. Detection system sending calculated data and raw data

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100011786A (ko) * 2008-07-25 2010-02-03 엘지전자 주식회사 이동 단말기 및 그의 음성 명령 인식 방법
KR20110066357A (ko) * 2009-12-11 2011-06-17 삼성전자주식회사 대화 시스템 및 그의 대화 방법
KR20150113127A (ko) * 2013-03-15 2015-10-07 애플 인크. 적어도 부분적인 보이스 커맨드 시스템을 트레이닝시키는 것
KR20170115501A (ko) * 2015-01-30 2017-10-17 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 크라우드 소싱에 기초해서 디지털 퍼스널 어시스턴트에 대한 언어 이해 분류기 모델을 업데이트하는 기법
US20180137854A1 (en) * 2016-11-14 2018-05-17 Xerox Corporation Machine reading method for dialog state tracking

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110060587A1 (en) * 2007-03-07 2011-03-10 Phillips Michael S Command and control utilizing ancillary information in a mobile voice-to-speech application
US9099083B2 (en) * 2013-03-13 2015-08-04 Microsoft Technology Licensing, Llc Kernel deep convex networks and end-to-end learning
WO2014197336A1 (en) * 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
US20170212886A1 (en) * 2016-01-22 2017-07-27 Microsoft Technology Licensing, Llc Configurable Generic Language Understanding Models
US11783173B2 (en) * 2016-06-23 2023-10-10 Microsoft Technology Licensing, Llc Multi-domain joint semantic frame parsing
KR20180058476A (ko) * 2016-11-24 2018-06-01 삼성전자주식회사 다양한 입력 처리를 위한 방법, 이를 위한 전자 장치 및 서버
US10600406B1 (en) * 2017-03-20 2020-03-24 Amazon Technologies, Inc. Intent re-ranker

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100011786A (ko) * 2008-07-25 2010-02-03 엘지전자 주식회사 이동 단말기 및 그의 음성 명령 인식 방법
KR20110066357A (ko) * 2009-12-11 2011-06-17 삼성전자주식회사 대화 시스템 및 그의 대화 방법
KR20150113127A (ko) * 2013-03-15 2015-10-07 애플 인크. 적어도 부분적인 보이스 커맨드 시스템을 트레이닝시키는 것
KR20170115501A (ko) * 2015-01-30 2017-10-17 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 크라우드 소싱에 기초해서 디지털 퍼스널 어시스턴트에 대한 언어 이해 분류기 모델을 업데이트하는 기법
US20180137854A1 (en) * 2016-11-14 2018-05-17 Xerox Corporation Machine reading method for dialog state tracking

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3779963A4 *

Also Published As

Publication number Publication date
US20210217406A1 (en) 2021-07-15
EP3779963A4 (en) 2021-06-23
KR20190139489A (ko) 2019-12-18
EP3779963A1 (en) 2021-02-17

Similar Documents

Publication Publication Date Title
WO2019039834A1 (en) METHOD FOR PROCESSING VOICE DATA AND ELECTRONIC DEVICE SUPPORTING SAID METHOD
WO2019182226A1 (en) System for processing sound data and method of controlling system
WO2019190097A1 (ko) 챗봇을 이용한 서비스 제공 방법 및 그 장치
WO2021025350A1 (en) Electronic device managing plurality of intelligent agents and operation method thereof
WO2020032563A1 (en) System for processing user voice utterance and method for operating same
WO2020197166A1 (en) Electronic device providing response and method of operating same
WO2019013510A1 (en) VOICE PROCESSING METHOD AND ELECTRONIC DEVICE SUPPORTING IT
WO2019172627A1 (en) System for processing user utterance and controlling method thereof
WO2020040595A1 (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
AU2019319322B2 (en) Electronic device for performing task including call in response to user utterance and operation method thereof
WO2019050242A1 (en) ELECTRONIC DEVICE, SERVER, AND RECORDING MEDIUM SUPPORTING THE EXECUTION OF A TASK USING AN EXTERNAL DEVICE
WO2020197263A1 (en) Electronic device and multitasking supporting method thereof
WO2020013666A1 (ko) 사용자 음성 입력 처리 방법 및 이를 지원하는 전자 장치
WO2020167006A1 (en) Method of providing speech recognition service and electronic device for same
WO2019059642A1 (ko) 자연어 표현 제공 방법 및 이를 지원하는 전자 장치
WO2019235878A1 (ko) 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치
WO2019212213A1 (en) Electronic device and method of executing function of electronic device
WO2020050475A1 (ko) 전자 장치 및 단축 명령어에 대응하는 태스크 수행 방법
WO2021060728A1 (ko) 사용자 발화를 처리하는 전자 장치 및 그 작동 방법
WO2020263016A1 (ko) 사용자 발화를 처리하는 전자 장치와 그 동작 방법
WO2018174445A1 (ko) 파셜 랜딩 후 사용자 입력에 따른 동작을 수행하는 전자 장치
WO2019190062A1 (en) Electronic device for processing user voice input
WO2019164191A1 (ko) 음성 입력 처리 방법 및 이를 지원하는 전자 장치
WO2019039873A1 (ko) Tts 모델을 생성하는 시스템 및 전자 장치
WO2020032381A1 (en) Electronic apparatus for processing user utterance and controlling method thereof

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19814725

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019814725

Country of ref document: EP

Effective date: 20201104

NENP Non-entry into the national phase

Ref country code: DE