WO2020222338A1 - 화상 정보를 제공하는 인공 지능 장치 및 그 방법 - Google Patents

화상 정보를 제공하는 인공 지능 장치 및 그 방법 Download PDF

Info

Publication number
WO2020222338A1
WO2020222338A1 PCT/KR2019/005273 KR2019005273W WO2020222338A1 WO 2020222338 A1 WO2020222338 A1 WO 2020222338A1 KR 2019005273 W KR2019005273 W KR 2019005273W WO 2020222338 A1 WO2020222338 A1 WO 2020222338A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
processor
content
sound data
related information
Prior art date
Application number
PCT/KR2019/005273
Other languages
English (en)
French (fr)
Inventor
이원영
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020197020889A priority Critical patent/KR102221963B1/ko
Priority to US16/487,651 priority patent/US20210337274A1/en
Priority to PCT/KR2019/005273 priority patent/WO2020222338A1/ko
Publication of WO2020222338A1 publication Critical patent/WO2020222338A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/42203—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] sound input device, e.g. microphone
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
    • H04N21/43615—Interfacing a Home Network, e.g. for connecting the client to a plurality of peripherals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/439—Processing of audio elementary streams
    • H04N21/4394—Processing of audio elementary streams involving operations for analysing the audio stream, e.g. detecting features or characteristics in audio streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47202—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting content on demand, e.g. video on demand
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/4722—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting additional data associated with the content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/47815—Electronic shopping
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4821—End-user interface for program selection using a grid, e.g. sorted out by channel and broadcast time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4825—End-user interface for program selection using a list of items to be played back in a given order, e.g. playlists
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/8106—Monomedia components thereof involving special audio data, e.g. different tracks for different languages
    • H04N21/8113—Monomedia components thereof involving special audio data, e.g. different tracks for different languages comprising music, e.g. song in MP3 format
    • 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
    • G10L15/26—Speech to text systems

Definitions

  • the present invention relates to an artificial intelligence apparatus and method for providing image information. Specifically, it relates to an artificial intelligence apparatus and method for providing information related to acquired sound data as an image.
  • artificial intelligence is one of computer engineering and information technology that allows computers to imitate the intelligent behavior of humans, and to allow computers to perform thinking, learning, and self-development that can be done with human intelligence. It is a field.
  • the artificial intelligence does not exist by itself, but is directly or indirectly related to other fields of computer science, and in particular, attempts to introduce artificial intelligence elements in various fields of information technology and use them to solve problems in the field are very much. It is being done actively. Recently, such artificial intelligence technology is being used for artificial intelligence speakers, and the artificial intelligence speaker functions as a voice assistant or a hub of an artificial intelligence platform.
  • An object of the present invention is to provide an artificial intelligence apparatus and method for providing information corresponding to an acquired sound as an image having a display unit.
  • an object of the present invention is to provide an artificial intelligence apparatus and method for acquiring program information of a TV or radio and providing related information corresponding to the program as an image.
  • the present invention is to provide an artificial intelligence device and method that preferentially outputs information preferred by a user among related information.
  • An embodiment of the present invention is to obtain sound data, determine the type of content included in the obtained sound data, generate related information corresponding to the content based on the content and the type of the content, and generate related information It provides an artificial intelligence device and a method for outputting to a display unit.
  • an embodiment of the present invention determines whether sound data is output from a TV or radio, and when the sound data is determined to be sound output from a TV or radio, program information of the TV or radio is obtained, and It provides an artificial intelligence device and method for generating related information using program information.
  • an embodiment of the present invention divides information included in related information into at least one category, determines a category of user preference from among at least one category, and corresponds to the category of user preference when outputting related information.
  • the user prefers the category with the highest preference when the higher the frequency of requesting output by the user for each category, the higher the preference, and when the weight of the preference is given a lower weight when the output request is older. It provides an artificial intelligence device and its method to determine the category of.
  • a response to a user's voice interaction but also various related information corresponding to content output from a TV or radio may be provided as an image.
  • various related information corresponding to a TV or radio currently being played may be provided by using program information of a TV or radio.
  • FIG. 1 is a block diagram showing the configuration of a terminal 100 according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing the configuration of an artificial neural network learning apparatus 200 according to an embodiment of the present invention.
  • FIG. 3 is a block diagram showing an artificial intelligence system 1 according to an embodiment of the present invention.
  • FIG. 4 is a flowchart illustrating a method of providing image information according to an embodiment of the present invention.
  • FIG. 5 is an operation flowchart showing an example of the step (S403) of determining the type of content included in the sound data shown in FIG. 4.
  • FIG. 6 is a diagram showing an artificial intelligence system 1 according to an embodiment of the present invention.
  • FIGS. 7 to 9 are diagrams illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • FIGS. 10 and 11 are diagrams illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • FIG. 12 is a diagram illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • FIG. 13 is a diagram illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • FIG. 14 and 15 are diagrams illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • AI Artificial intelligence
  • artificial intelligence does not exist by itself, but is directly or indirectly related to other fields of computer science.
  • attempts are being made very actively to introduce artificial intelligence elements in various fields of information technology and to use them in solving problems in that field.
  • Machine learning is a branch of artificial intelligence, a field of research that gives computers the ability to learn without explicit programming.
  • machine learning can be said to be a technology that studies and builds a system that learns based on empirical data, performs prediction, and improves its own performance, and algorithms for it.
  • Machine learning algorithms do not execute strictly defined static program instructions, but rather build specific models to derive predictions or decisions based on input data.
  • machine learning' can be used interchangeably with the term'machine learning'.
  • the decision tree is an analysis method that charts decision rules into a tree structure and performs classification and prediction.
  • Bayesian network is a model that expresses the probabilistic relationship (conditional independence) between multiple variables in a graph structure. Bayesian networks are suitable for data mining through unsupervised learning.
  • the support vector machine is a model of supervised learning for pattern recognition and data analysis, and is mainly used for classification and regression analysis.
  • An artificial neural network is an information processing system in which a number of neurons, called nodes or processing elements, are connected in a layer structure by modeling the operation principle of biological neurons and the connection relationship between neurons.
  • Artificial neural networks are models used in machine learning, and are statistical learning algorithms inspired by biological neural networks (especially the brain among animals' central nervous systems) in machine learning and cognitive science.
  • the artificial neural network may refer to an overall model having problem-solving ability by changing the strength of synaptic bonding through learning by artificial neurons (nodes) that form a network by combining synapses.
  • artificial neural network may be used interchangeably with the term neural network.
  • the artificial neural network may include a plurality of layers, and each of the layers may include a plurality of neurons.
  • artificial neural networks may include synapses that connect neurons and neurons.
  • Artificial neural networks generally have three factors: (1) the connection pattern between neurons in different layers (2) the learning process to update the weight of the connection (3) the output value from the weighted sum of the input received from the previous layer. It can be defined by the activation function it creates.
  • the artificial neural network may include network models such as DNN (Deep Neural Network), RNN (Recurrent Neural Network), BRDNN (Bidirectional Recurrent Deep Neural Network), MLP (Multilayer Perceptron), and CNN (Convolutional Neural Network). , Is not limited thereto.
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • BRDNN Bidirectional Recurrent Deep Neural Network
  • MLP Multilayer Perceptron
  • CNN Convolutional Neural Network
  • the term'layer' may be used interchangeably with the term'layer'.
  • a general single-layer neural network is composed of an input layer and an output layer.
  • a general multilayer neural network is composed of an input layer, one or more hidden layers, and an output layer.
  • the input layer is a layer that receives external data
  • the number of neurons in the input layer is the same as the number of input variables
  • the hidden layer is located between the input layer and the output layer, receives signals from the input layer, extracts characteristics, and transfers them to the output layer. do.
  • the output layer receives a signal from the hidden layer and outputs an output value based on the received signal.
  • the input signal between neurons is multiplied by each connection strength (weight) and then summed. If the sum is greater than the neuron's threshold, the neuron is activated and the output value obtained through the activation function is output.
  • a deep neural network including a plurality of hidden layers between an input layer and an output layer may be a representative artificial neural network implementing deep learning, a type of machine learning technology.
  • the term'deep learning' can be used interchangeably with the term'deep learning'.
  • the artificial neural network can be trained using training data.
  • learning means a process of determining parameters of an artificial neural network using training data in order to achieve the purpose of classifying, regressing, or clustering input data.
  • parameters of an artificial neural network include weights applied to synapses or biases applied to neurons.
  • the artificial neural network learned by the training data may classify or cluster input data according to patterns of the input data.
  • an artificial neural network trained using training data may be referred to as a trained model in this specification.
  • the following describes the learning method of artificial neural networks.
  • Learning methods of artificial neural networks can be classified into supervised learning, unsupervised learning, semi-supervised learning, and reinforcement learning.
  • Supervised learning is a method of machine learning to infer a function from training data.
  • outputting a continuous value is called regression, and predicting and outputting the class of an input vector can be called classification.
  • an artificial neural network is trained with a label for training data.
  • the label may mean a correct answer (or result value) that the artificial neural network must infer when training data is input to the artificial neural network.
  • the correct answer (or result value) to be inferred by the artificial neural network is referred to as a label or labeling data.
  • labeling setting a label on training data for learning an artificial neural network is referred to as labeling the training data with labeling data.
  • the training data and the label corresponding to the training data constitute one training set, and may be input to the artificial neural network in the form of a training set.
  • the training data represents a plurality of features
  • labeling of the training data may mean that a label is attached to the feature represented by the training data.
  • the training data may represent the characteristics of the input object in the form of a vector.
  • the artificial neural network can infer a function for the correlation between the training data and the labeling data using the training data and the labeling data.
  • parameters of the artificial neural network may be determined (optimized) through evaluation of a function inferred from the artificial neural network.
  • Unsupervised learning is a type of machine learning, where no labels are given for training data.
  • the unsupervised learning may be a learning method of training an artificial neural network to find and classify patterns in the training data itself, rather than an association relationship between training data and a label corresponding to the training data.
  • unsupervised learning examples include clustering or independent component analysis.
  • Examples of artificial neural networks using unsupervised learning include Generative Adversarial Network (GAN) and Autoencoder (AE).
  • GAN Generative Adversarial Network
  • AE Autoencoder
  • a generative adversarial neural network is a machine learning method in which two different artificial intelligences compete and improve performance, a generator and a discriminator.
  • the generator is a model that creates new data and can create new data based on the original data.
  • the discriminator is a model that recognizes a pattern of data, and may play a role of discriminating whether input data is original data or fake data generated by a generator.
  • the generator learns by receiving data that cannot be deceived by the discriminator, and the discriminator can learn by receiving deceived data from the generator. Accordingly, the generator can evolve to deceive the discriminator as well as possible, and the discriminator can evolve to distinguish between the original data and the data generated by the generator.
  • Auto encoders are neural networks that aim to reproduce the input itself as an output.
  • the auto encoder includes an input layer, at least one hidden layer and an output layer.
  • data output from the hidden layer goes to the output layer.
  • the dimension of the data increases, and accordingly, decompression or decoding is performed.
  • the auto-encoder controls the connection strength of neurons through learning, so that the input data is expressed as hidden layer data.
  • the hidden layer information is expressed with fewer neurons than in the input layer, but being able to reproduce the input data as an output may mean that the hidden layer found and expressed a hidden pattern from the input data.
  • Semi-supervised learning is a kind of machine learning, and may mean a learning method using both labeled training data and unlabeled training data.
  • Reinforcement learning is the theory that, given an environment in which an agent can judge what action to do at every moment, it can find the best way to experience without data.
  • Reinforcement learning can be mainly performed by the Markov Decision Process (MDP).
  • MDP Markov Decision Process
  • the structure of the artificial neural network is specified by the configuration of the model, activation function, loss function or cost function, learning algorithm, optimization algorithm, etc., and hyperparameters are pre-trained. It is set, and then, a model parameter is set through learning, so that the content can be specified.
  • factors determining the structure of an artificial neural network may include the number of hidden layers, the number of hidden nodes included in each hidden layer, an input feature vector, a target feature vector, and the like.
  • Hyperparameters include several parameters that must be initially set for learning, such as initial values of model parameters. And, the model parameter includes several parameters to be determined through learning.
  • the hyperparameter may include an initial weight value between nodes, an initial bias value between nodes, a mini-batch size, a number of learning iterations, and a learning rate.
  • the model parameters may include weights between nodes, biases between nodes, and the like.
  • the loss function can be used as an index (reference) for determining an optimal model parameter in the learning process of the artificial neural network.
  • learning refers to the process of manipulating model parameters to reduce the loss function, and the purpose of learning can be seen as determining model parameters that minimize the loss function.
  • the loss function may mainly use a mean squared error (MSE) or a cross entropy error (CEE), but the present invention is not limited thereto.
  • MSE mean squared error
  • CEE cross entropy error
  • the cross entropy error may be used when the correct answer label is one-hot encoded.
  • One-hot encoding is an encoding method in which the correct answer label value is set to 1 only for neurons corresponding to the correct answer, and the correct answer label value is set to 0 for non-correct answer neurons.
  • learning optimization algorithms can be used to minimize loss functions, and learning optimization algorithms include Gradient Descent (GD), Stochastic Gradient Descent (SGD), and Momentum. ), NAG (Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam, etc.
  • Gradient descent is a technique that adjusts model parameters in the direction of reducing the loss function value by considering the slope of the loss function in the current state.
  • the direction to adjust the model parameter is called the step direction, and the size to be adjusted is called the step size.
  • the step size may mean a learning rate.
  • a gradient is obtained by partial differentiation of a loss function into each model parameter, and model parameters are updated by changing the acquired gradient direction by a learning rate.
  • the stochastic gradient descent method is a technique that increases the frequency of gradient descent by dividing training data into mini-batch and performing gradient descent for each mini-batch.
  • Adagrad, AdaDelta, and RMSProp are techniques that increase optimization accuracy by adjusting the step size in SGD.
  • momentum and NAG are techniques to increase optimization accuracy by adjusting the step direction.
  • Adam is a technique that improves optimization accuracy by adjusting the step size and step direction by combining momentum and RMSProp.
  • Nadam is a technique that increases optimization accuracy by adjusting step size and step direction by combining NAG and RMSProp.
  • the learning speed and accuracy of an artificial neural network are highly dependent on hyperparameters as well as the structure of the artificial neural network and the type of learning optimization algorithm. Therefore, in order to obtain a good learning model, it is important not only to determine an appropriate artificial neural network structure and learning algorithm, but also to set appropriate hyperparameters.
  • hyperparameters are experimentally set to various values to train an artificial neural network, and as a result of learning, the hyperparameter is set to an optimal value that provides stable learning speed and accuracy.
  • FIG. 1 is a block diagram showing the configuration of a terminal 100 according to an embodiment of the present invention.
  • the terminal 100 may be referred to as an artificial intelligence device 100.
  • the terminal 100 includes a television (TV), a projector, a mobile phone, a smart phone, a laptop computer, a digital broadcasting terminal, a personal digital assistants (PDA), a portable multimedia player (PMP), a navigation system, and a slate PC.
  • PDA personal digital assistants
  • PMP portable multimedia player
  • slate PC slate PC
  • tablet PC ultrabook
  • wearable device e.g., smartwatch, smart glass, head mounted display (HMD)
  • HMD head mounted display
  • STB set-top box
  • DMB receiver a radio
  • washing machine a refrigerator
  • desktop computer a fixed device such as a digital signage
  • a movable device a movable device.
  • the terminal 100 may be implemented in the form of various home appliances used at home, and may be applied to a fixed or movable robot.
  • the terminal 100 may perform the function of a voice agent.
  • the voice agent may be a program that recognizes a user's voice and outputs a voice response suitable for the recognized user's voice.
  • the terminal 100 includes a wireless communication unit 110, an input unit 120, a learning processor 130, a sensing unit 140, and an output unit. It may include an output unit 150, an interface unit 160, a memory 170, a processor 180, a power supply unit 190, and the like.
  • a trained model may be mounted on the terminal 100.
  • the learning model may be implemented as hardware, software, or a combination of hardware and software, and when part or all of the learning model is implemented as software, one or more instructions constituting the learning model may be stored in the memory 170. .
  • the wireless communication unit 110 includes a broadcast receiving module (111), a mobile communication module (112), a wireless Internet module (113), and a short range communication module (114). , It may include at least one of the location information module (Location Information Module, 115).
  • the broadcast reception module 111 receives a broadcast signal and/or broadcast-related information from an external broadcast management server through a broadcast channel.
  • the mobile communication module 112 includes technical standards or communication methods for mobile communication (eg, GSM (Global System for Mobile communication), CDMA (Code Division Multi Access), CDMA2000 (Code Division Multi Access 2000)), EV -DO (Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA (Wideband CDMA), HSDPA (High Speed Downlink Packet Access), HSUPA (High Speed Uplink Packet Access), LTE (Long Term Evolution), LTE-A (Long Term Evolution-Advanced), etc.), transmits and receives radio signals with at least one of a base station, an external terminal, and a server.
  • GSM Global System for Mobile communication
  • CDMA Code Division Multi Access
  • CDMA2000 Code Division Multi Access 2000
  • EV -DO Enhanced Voice-Data Optimized or Enhanced Voice-Data Only
  • WCDMA Wideband CDMA
  • HSDPA High Speed Downlink Packet Access
  • HSUPA High Speed Uplink Packet Access
  • LTE Long Term Evolution
  • the wireless Internet module 113 refers to a module for wireless Internet access, and may be built-in or external to the terminal 100.
  • the wireless Internet module 113 is configured to transmit and receive wireless signals in a communication network according to wireless Internet technologies.
  • wireless Internet technologies include WLAN (Wireless LAN), Wi-Fi (Wireless-Fidelity), Wi-Fi (Wireless Fidelity) Direct, DLNA (Digital Living Network Alliance), WiBro (Wireless Broadband), WiMAX (World Interoperability for Microwave Access), High Speed Downlink Packet Access (HSDPA), High Speed Uplink Packet Access (HSUPA), Long Term Evolution (LTE), and Long Term Evolution-Advanced (LTE-A).
  • WLAN Wireless LAN
  • Wi-Fi Wireless-Fidelity
  • Wi-Fi Wireless Fidelity
  • Direct wireless Internet technologies
  • DLNA Digital Living Network Alliance
  • WiBro Wireless Broadband
  • WiMAX Worldwide Interoperability for Microwave Access
  • HSDPA High Speed Downlink Packet Access
  • HSUPA High Speed Uplink Packet Access
  • LTE Long Term Evolution
  • LTE-A Long Term Evolution-Advanced
  • the short range communication module 114 is for short range communication, and includes BluetoothTM, Radio Frequency Identification (RFID), Infrared Data Association (IrDA), Ultra Wideband (UWB), ZigBee, and NFC.
  • RFID Radio Frequency Identification
  • IrDA Infrared Data Association
  • UWB Ultra Wideband
  • ZigBee ZigBee
  • NFC Near field communication may be supported by using at least one of (Near Field Communication), Wi-Fi (Wireless-Fidelity), Wi-Fi Direct, and Wireless USB (Wireless Universal Serial Bus) technologies.
  • the location information module 115 is a module for obtaining a location (or current location) of a terminal, and representative examples thereof include a GPS (Global Positioning System) module or a WiFi (Wireless Fidelity) module.
  • a GPS Global Positioning System
  • WiFi Wireless Fidelity
  • the input unit 120 may include a camera 121 for inputting an image signal, a microphone 122 for receiving an audio signal, and a user input unit 123 for receiving information from a user. have.
  • the voice data or image data collected by the input unit 120 may be analyzed and processed as a user's control command.
  • the input unit 120 may obtain training data for model training and input data to be used when obtaining an output using the learned model.
  • the input unit 120 may obtain unprocessed input data, in which case the processor 180 or the learning processor 130 preprocesses the acquired data to generate training data or preprocessed input data that can be input to model training. can do.
  • the preprocessing of the input data may mean extracting an input feature from the input data.
  • the input unit 120 is for inputting image information (or signal), audio information (or signal), data, or information input from a user, and for inputting image information, the terminal 100 is one or more cameras. (121) can be provided.
  • the camera 121 processes an image frame such as a still image or a video obtained by an image sensor in a video call mode or a photographing mode.
  • the processed image frame may be displayed on the display unit 151 or stored in the memory 170.
  • the microphone 122 processes an external sound signal into electrical voice data.
  • the processed voice data may be used in various ways according to a function (or an application program being executed) being executed by the terminal 100. Meanwhile, the microphone 122 may be implemented with various noise removal algorithms for removing noise generated in a process of receiving an external sound signal.
  • the user input unit 123 is for receiving information from a user.
  • the processor 180 may control the operation of the terminal 100 to correspond to the input information.
  • the user input unit 123 is a mechanical input means (or a mechanical key, for example, a button located on the front/rear or side of the terminal 100, a dome switch, a jog wheel, a jog switch, etc. ) And touch-type input means.
  • the touch-type input means comprises a virtual key, a soft key, or a visual key displayed on a touch screen through software processing, or a portion other than the touch screen It may be made of a touch key (touch key) disposed on.
  • the learning processor 130 learns a model composed of an artificial neural network using training data.
  • the learning processor 130 may determine optimized model parameters of the artificial neural network by repeatedly learning the artificial neural network using various learning techniques described above.
  • an artificial neural network whose parameters are determined by being trained using training data may be referred to as a learning model or a trained model.
  • the learning model may be used to infer a result value for new input data other than training data.
  • the learning processor 130 may be configured to receive, classify, store, and output information to be used for data mining, data analysis, intelligent decision making, and machine learning algorithms.
  • the learning processor 130 may include one or more memory units configured to store data received, detected, sensed, generated, predefined, or output by another component, device, terminal, or device that communicates with the terminal.
  • the learning processor 130 may include a memory integrated or implemented in a terminal. In some embodiments, the learning processor 130 may be implemented using the memory 170.
  • the learning processor 130 may be implemented using a memory associated with the terminal, such as an external memory directly coupled to the terminal or a memory maintained in a server communicating with the terminal.
  • the learning processor 130 may be implemented using a memory maintained in a cloud computing environment, or another remote memory location accessible by the terminal through a communication method such as a network.
  • the learning processor 130 typically stores data in one or more databases to identify, index, categorize, manipulate, store, retrieve and output data for use in supervised or unsupervised learning, data mining, predictive analytics, or other machines. Can be configured to store in.
  • the database may be implemented using the memory 170, the memory 230 of the learning device 200, a memory maintained in a cloud computing environment, or another remote memory location accessible by the terminal through a communication method such as a network. I can.
  • the information stored in the learning processor 130 may be used by the processor 180 or one or more other controllers of the terminal using any of a variety of different types of data analysis algorithms and machine learning algorithms.
  • Examples of such algorithms include k-recent adjacency systems, fuzzy logic (e.g. probability theory), neural networks, Boltzmann machines, vector quantization, pulse neural networks, support vector machines, maximum margin classifiers, hill climbing, guided logic systems Bayesian networks. , Peritnet (e.g. finite state machine, milli machine, Moore finite state machine), classifier tree (e.g. perceptron tree, support vector tree, Markov tree, decision tree forest, random forest), readout models and systems, artificial It includes fusion, sensor fusion, image fusion, reinforcement learning, augmented reality, pattern recognition, and automated planning.
  • the processor 180 may determine or predict at least one executable operation of the terminal based on information that is determined or generated using data analysis and machine learning algorithms. To this end, the processor 180 may request, search, receive, or utilize data of the learning processor 130, and configure the terminal to execute a predicted operation or an operation determined to be desirable among the at least one executable operation. Can be controlled.
  • the processor 180 may perform various functions for implementing intelligent emulation (ie, a knowledge-based system, an inference system, and a knowledge acquisition system). This can be applied to various types of systems (eg, fuzzy logic systems), including adaptive systems, machine learning systems, artificial neural networks, and the like.
  • intelligent emulation ie, a knowledge-based system, an inference system, and a knowledge acquisition system.
  • systems eg, fuzzy logic systems
  • adaptive systems e.g, machine learning systems, artificial neural networks, and the like.
  • the processor 180 also includes voice and natural language speech, such as an I/O processing module, an environmental condition module, a speech-to-text (STT) processing module, a natural language processing module, a work flow processing module, and a service processing module. It may include sub-modules that enable operations involving processing.
  • voice and natural language speech such as an I/O processing module, an environmental condition module, a speech-to-text (STT) processing module, a natural language processing module, a work flow processing module, and a service processing module. It may include sub-modules that enable operations involving processing.
  • Each of these submodules may have access to one or more systems or data and models in the terminal, or a subset or superset thereof.
  • each of these submodules may provide various functions, including vocabulary index, user data, work flow model, service model, and automatic speech recognition (ASR) system.
  • ASR automatic speech recognition
  • processor 180 or the terminal may be implemented as the sub-module, system, or data and model.
  • the processor 180 may be configured to detect and detect a requirement based on a user's intention or a context condition expressed as a user input or natural language input.
  • the processor 180 may actively derive and acquire information necessary to completely determine a requirement based on a context condition or a user's intention. For example, the processor 180 may actively derive necessary information to determine requirements by analyzing past data including input and output records, pattern matching, unambiguous words, and input intentions.
  • the processor 180 may determine a task flow for executing a function in response to a requirement based on a context condition or a user's intention.
  • the processor 180 collects, detects, extracts, and detects signals or data used in data analysis and machine learning tasks through one or more sensing components in the terminal in order to collect information for processing and storage in the learning processor 130 And/or may be configured to receive.
  • Information collection may include sensing information through a sensor, extracting information stored in the memory 170, or receiving information from another terminal, entity, or external storage device through a communication means.
  • the processor 180 may collect usage history information from the terminal and store it in the memory 170.
  • the processor 180 may use the stored usage history information and predictive modeling to determine the best match to perform a particular function.
  • the processor 180 may receive or detect surrounding environment information or other information through the sensing unit 140.
  • the processor 180 may receive a broadcast signal and/or broadcast related information, a wireless signal, and wireless data through the wireless communication unit 110.
  • the processor 180 may receive image information (or a corresponding signal), audio information (or a corresponding signal), data, or user input information from the input unit 120.
  • the processor 180 collects information in real time, processes or classifies information (eg, knowledge graph, command policy, personalization database, conversation engine, etc.), and stores the processed information in the memory 170 or the learning processor 130 ).
  • information eg, knowledge graph, command policy, personalization database, conversation engine, etc.
  • the processor 180 may control components of the terminal to execute the determined operation. Further, the processor 180 may perform the determined operation by controlling the terminal according to the control command.
  • the processor 180 analyzes historical information indicating execution of a specific operation through data analysis and machine learning algorithms and techniques, and performs an update of previously learned information based on the analyzed information. I can.
  • the processor 180 may improve accuracy of future performance of data analysis and machine learning algorithms and techniques based on the updated information.
  • the sensing unit 140 may include one or more sensors for sensing at least one of information in the terminal, information on surrounding environments surrounding the terminal, and user information.
  • the sensing unit 140 includes a proximity sensor, an illumination sensor, a touch sensor, an acceleration sensor, a magnetic sensor, and a gravity sensor (G- sensor), gyroscope sensor, motion sensor, RGB sensor, infrared sensor (IR sensor), fingerprint recognition sensor, ultrasonic sensor, optical sensor ( optical sensors, e.g. cameras (see 121)), microphones (see 122), battery gauges, environmental sensors (e.g., barometers, hygrometers, thermometers, radiation sensors, heat sensors, Gas detection sensor, etc.), may include at least one of a chemical sensor (for example, an electronic nose, a healthcare sensor, a biometric sensor, etc.). Meanwhile, the terminal disclosed in the present specification may combine and utilize information sensed by at least two or more of these sensors.
  • the output unit 150 is for generating an output related to visual, auditory or tactile sense, and the like, a display unit (151), a sound output unit (152), a haptic module (153), a light It may include at least one of the optical output units 154.
  • the display unit 151 displays (outputs) information processed by the terminal 100.
  • the display unit 151 may display execution screen information of an application program driven in the terminal 100, or UI (User Interface) and GUI (Graphic User Interface) information according to such execution screen information.
  • UI User Interface
  • GUI Graphic User Interface
  • the display unit 151 may implement a touch screen by forming a layer structure or integrally with the touch sensor.
  • a touch screen may function as a user input unit 123 that provides an input interface between the terminal 100 and a user, and may provide an output interface between the terminal 100 and a user.
  • the sound output unit 152 may output audio data received from the wireless communication unit 110 or stored in the memory 170 in a call signal reception, a call mode or a recording mode, a voice recognition mode, a broadcast reception mode, and the like.
  • the sound output unit 152 may include at least one of a receiver, a speaker, and a buzzer.
  • the haptic module 153 generates various tactile effects that a user can feel.
  • a typical example of the tactile effect generated by the haptic module 153 may be vibration.
  • the light output unit 154 outputs a signal for notifying the occurrence of an event using light from a light source of the terminal 100.
  • Examples of events occurring in the terminal 100 may be message reception, call signal reception, missed call, alarm, schedule notification, e-mail reception, and information reception through an application.
  • the interface unit 160 serves as a passage between various types of external devices connected to the terminal 100.
  • the interface unit 160 connects a wired/wireless headset port, an external charger port, a wired/wireless data port, a memory card port, and a device equipped with an identification module. It may include at least one of a port, an audio input/output (I/O) port, an input/output (video I/O) port, and an earphone port.
  • the terminal 100 may perform appropriate control related to the connected external device.
  • the identification module is a chip that stores various types of information for authenticating the right to use the terminal 100, and includes a user identification module (UIM), a subscriber identity module (SIM), and a universal user authentication module. (universal subscriber identity module; USIM), etc. may be included.
  • a device equipped with an identification module hereinafter,'identification device' may be manufactured in the form of a smart card. Accordingly, the identification device may be connected to the terminal 100 through the interface unit 160.
  • the memory 170 stores data supporting various functions of the terminal 100.
  • the memory 170 includes a plurality of application programs (application programs or applications) driven by the terminal 100, data for the operation of the terminal 100, instructions, and data for the operation of the learning processor 130. Can be stored (for example, at least one algorithm information for machine learning).
  • the memory 170 may store the model learned by the learning processor 130 or the learning device 200.
  • the memory 170 may divide and store the model trained as necessary into a plurality of versions according to a learning time point or a learning progress.
  • the memory 170 may store input data obtained from the input unit 120, training data (or training data) used for model training, a model learning history, and the like.
  • the input data stored in the memory 170 may be not only processed data suitable for model learning, but also raw input data itself.
  • the processor 180 In addition to the operation related to the application program, the processor 180 generally controls the overall operation of the terminal 100.
  • the processor 180 may provide or process appropriate information or functions to a user by processing signals, data, information, etc. input or output through the above-described components or by driving an application program stored in the memory 170.
  • the processor 180 may control at least some of the constituent elements described with reference to FIG. 1 in order to drive the application program stored in the memory 170. Further, the processor 180 may operate by combining at least two or more of the components included in the terminal 100 to drive the application program.
  • the processor 180 controls an operation related to an application program and, in general, an overall operation of the terminal 100. For example, when the state of the terminal satisfies a set condition, the processor 180 may execute or release a lock state that restricts the user's input of a control command for applications.
  • the power supply unit 190 receives external power and internal power under the control of the processor 180 and supplies power to each component included in the terminal 100.
  • the power supply unit 190 includes a battery, and the battery may be a built-in battery or a replaceable battery.
  • FIG. 2 is a block diagram showing the configuration of an artificial neural network learning apparatus 200 according to an embodiment of the present invention.
  • the learning device 200 is a device or server separately configured outside the terminal 100 and may perform the same function as the learning processor 130 of the terminal 100.
  • the learning device 200 may be configured to receive, classify, store, and output information to be used for data mining, data analysis, intelligent decision making, and machine learning algorithms.
  • the machine learning algorithm may include a deep learning algorithm.
  • the learning device 200 may communicate with at least one terminal 100, and may derive a result by analyzing or learning data on behalf of or on behalf of the terminal 100.
  • the meaning of helping other devices may mean distribution of computing power through distributed processing.
  • the learning device 200 of an artificial neural network is various devices for learning an artificial neural network, and may generally mean a server, and may be referred to as a learning device or a learning server.
  • the learning device 200 may be implemented as a single server as well as a plurality of server sets, cloud servers, or a combination thereof.
  • the learning device 200 may be configured in plural to form a learning device set (or cloud server), and at least one or more learning devices 200 included in the learning device set may analyze or learn data through distributed processing. Results can be derived.
  • the learning device 200 may transmit the model learned by machine learning or deep learning to the terminal 100 periodically or upon request.
  • the learning device 200 includes a communication unit 210, an input unit 220, a memory 230, a learning processor 240, and a power supply unit. , 250), and a processor 260.
  • the communication unit 210 may correspond to a configuration including the wireless communication unit 110 and the interface unit 160 of FIG. 1. That is, data can be transmitted and received with other devices through wired or wireless communication or an interface.
  • the input unit 220 is a component corresponding to the input unit 120 of FIG. 1, and may obtain data by receiving data through the communication unit 210.
  • the input unit 220 may obtain training data for model training and input data for obtaining an output using a trained model.
  • the input unit 220 may obtain unprocessed input data.
  • the processor 260 may pre-process the obtained data to generate training data or pre-processed input data that can be input to model training.
  • the pre-processing of input data performed by the input unit 220 may mean extracting an input feature from the input data.
  • the memory 230 is a component corresponding to the memory 170 of FIG. 1.
  • the memory 230 may include a model storage unit 231 and a database 232.
  • the model storage unit 231 stores the model being trained or trained through the learning processor 240 (or artificial neural network 231a), and stores the updated model when the model is updated through training.
  • the model storage unit 231 may divide and store the learned model as a plurality of versions according to a learning time point or a learning progress, if necessary.
  • the artificial neural network 231a shown in FIG. 2 is only an example of an artificial neural network including a plurality of hidden layers, and the artificial neural network of the present invention is not limited thereto.
  • the artificial neural network 231a may be implemented in hardware, software, or a combination of hardware and software. When some or all of the artificial neural network 231a is implemented in software, one or more instructions constituting the artificial neural network 231a may be stored in the memory 230.
  • the database 232 stores input data obtained from the input unit 220, training data (or training data) used for model training, and a model learning history.
  • the input data stored in the database 232 may be not only processed data suitable for model learning, but also raw input data itself.
  • the running processor 240 is a component corresponding to the running processor 130 of FIG. 1.
  • the learning processor 240 may train (train, or learn) the artificial neural network 231a using training data or a training set.
  • the learning processor 240 learns the artificial neural network 231a by immediately acquiring preprocessed data of the input data acquired by the processor 260 through the input unit 220 or acquires preprocessed input data stored in the database 232 Thus, the artificial neural network 231a can be trained.
  • the learning processor 240 may determine optimized model parameters of the artificial neural network 231a by repeatedly learning the artificial neural network 231a using various learning techniques described above.
  • an artificial neural network whose parameters are determined by being trained using training data may be referred to as a learning model or a trained model.
  • the learning model may infer the result value while being mounted on the training device 200 of the artificial neural network, or may be transmitted and mounted to another device such as the terminal 100 through the communication unit 210.
  • the updated learning model may be transmitted and mounted to another device such as the terminal 100 through the communication unit 210.
  • the power supply unit 250 is a component corresponding to the power supply unit 190 of FIG. 1.
  • FIG. 3 is a block diagram showing an artificial intelligence system 1 according to an embodiment of the present invention.
  • the artificial intelligence system 1 includes an artificial intelligence device 100, a speech to text (STT) server 300, a natural language processing (NLP) server 400, and a speech. It may include a synthesis server 500.
  • STT speech to text
  • NLP natural language processing
  • the artificial intelligence device 100 may transmit voice data to the STT server 300.
  • the STT server 300 may convert voice data received from the artificial intelligence device 100 into text data.
  • the STT server 300 may increase the accuracy of speech-to-text conversion using a language model.
  • the language model may refer to a model capable of calculating a probability of a sentence or a probability of a next word appearing when previous words are given.
  • the language model may include probabilistic language models such as a Unigram model, a Bigram model, and an N-gram model.
  • the unigram model is a model that assumes that the use of all words is completely independent of each other, and is a model that calculates the probability of a word sequence as the product of the probability of each word.
  • the Bigram model is a model that assumes that the use of a word depends only on one previous word.
  • the N-gram model is a model that assumes that the use of words depends on the previous (n-1) words.
  • the STT server 300 may determine whether text data converted from voice data is appropriately converted by using a language model, and through this, the accuracy of conversion into text data may be improved.
  • the NLP server 400 may receive text data from the STT server 300.
  • the NLP server 400 may perform an intention analysis on text data based on the received text data.
  • the NLP server 400 may transmit intention analysis information indicating a result of performing the intention analysis to the terminal 100.
  • the NLP server 400 may generate intention analysis information by sequentially performing a morpheme analysis step, a syntax analysis step, a speech act analysis step, and a conversation processing step for text data.
  • the morpheme analysis step is a step of classifying text data corresponding to the voice uttered by a user into a morpheme unit, which is the smallest unit with meaning, and determining what part of speech each classified morpheme has.
  • the syntax analysis step is a step of classifying text data into noun phrases, verb phrases, adjective phrases, etc. using the result of the morpheme analysis step, and determining what kind of relationship exists between the classified phrases.
  • subjects, objects, and modifiers of the voice uttered by the user may be determined.
  • the speech act analysis step is a step of analyzing the intention for the voice uttered by the user using the result of the syntax analysis step. Specifically, the speech act analysis step is a step of determining the intention of a sentence, such as whether the user asks a question, makes a request, or expresses a simple emotion.
  • the conversation processing step is a step for determining whether to answer or respond to the user's utterance, or ask a question for inquiring additional information, using the result of the speech act analysis step.
  • the NLP server 400 may generate intention analysis information including one or more of an answer, a response, and an additional information inquiry for an intention uttered by the user.
  • the NLP server 400 may receive text data from the terminal 100.
  • the terminal 100 may convert voice data into text data and transmit the converted text data to the NLP server 400.
  • the voice synthesis server 500 may generate a synthesized voice by combining previously stored voice data.
  • the voice synthesis server 500 may record a voice of a person selected as a model, and divide the recorded voice into syllables or words.
  • the speech synthesis server 500 may store divided speech by syllable or word units in an internal or external database.
  • the speech synthesis server 500 may generate a synthesized speech by searching for a syllable or word corresponding to the given text data from a database, and synthesizing the searched syllables or words.
  • the speech synthesis server 500 may store a plurality of speech language groups corresponding to each of a plurality of languages.
  • the voice synthesis server 500 may include a first voice language group recorded in Korean, and a second voice language group recorded in English.
  • the speech synthesis server 500 may translate text data of a first language into text of a second language, and generate a synthesized speech corresponding to the translated text of the second language by using the second speech language group.
  • the speech synthesis server 500 may transmit the generated synthesized speech to the artificial intelligence device 100.
  • the speech synthesis server 500 may receive intention analysis information from the NLP server 400.
  • the speech synthesis server 500 may generate a synthesized speech that reflects the user's intention based on the intention analysis information.
  • the STT server 300, the NLP server 400, and the speech synthesis server 500 may be implemented as one server.
  • the STT server 300, the NLP server 400, and the speech synthesis server 500 may constitute one learning server 200.
  • the STT server 300, the NLP server 400, and the speech synthesis server 500 may use models or engines learned in the learning server 200.
  • the functions of the STT server 300, the NLP server 400, and the speech synthesis server 500 described above may also be performed in the artificial intelligence device 100.
  • the artificial intelligence device 100 may include a plurality of processors.
  • FIG. 4 is a flowchart illustrating a method of providing image information according to an embodiment of the present invention.
  • the processor 180 of the artificial intelligence device 100 acquires sound data (S401).
  • the processor 180 may acquire sound data through the microphone 122 of the input unit 120.
  • the processor 180 may acquire sound data from an external terminal (not shown) through the wireless communication unit 110.
  • the sound data may be obtained by a microphone (not shown) of an external terminal (not shown).
  • Sound data acquired from an external terminal may have various sound data formats.
  • sound data formats include wav and mp3.
  • the sound data may include sound output from a media playback device including a TV or radio.
  • the sound data may include a voice according to the user's speech.
  • the voice according to the user's utterance may mean speech including a command for controlling the artificial intelligence device 100, a query for information search, and the like.
  • the processor 180 may acquire sound data including a voice according to a user's utterance.
  • the artificial intelligence device 100 may be composed of an artificial intelligence speaker functioning as a hub of an artificial intelligence platform, or may be composed of an artificial intelligence radio having a radio function, and a sound reproduction device of a media player such as a TV Alternatively, it may be composed of a sound bar.
  • the processor 180 of the artificial intelligence device 100 determines the type of content included in the sound data (S403).
  • the processor 180 may obtain sound data from which noise has been removed by pre-processing in order to identify content included in the sound data. Alternatively, the processor 180 may obtain sound data from which noise has been removed through preprocessing after identifying the content included in the sound data.
  • the processor 180 may remove noise only when the type of content included in the sound data is not music. This is because if noise is removed for music, the accuracy of music recognition may be lowered.
  • the processor 180 may directly generate sound data from which noise is removed by using a noise removal engine or a noise removal filter, or may transmit sound data to the learning apparatus 200 and receive sound data from which noise is removed.
  • volume of sound data from which noise has been removed through pre-processing may be adjusted to suit the artificial intelligence device 100.
  • volume control can also be viewed as part of the pre-processing process.
  • sound data may mean sound data from which noise is removed through preprocessing.
  • the processor 180 may preferentially determine whether the type of content included in the sound data is music, and when it is determined that the content is not music, may determine the type of content based on the content of the voice included in the sound data.
  • the processor 180 may determine the type of content based on the content of the voice included in the sound data, and determine whether the type of the content is music when the appropriate type of content cannot be determined.
  • the processor 180 may determine the type of content based on the voice included in the sound data and the music included in the sound data.
  • the processor 180 may use sound data from which noise has been removed when determining the type of content based on the content of the voice included in the sound data.
  • the processor 180 determines whether the type of content is music by using sound data from which noise has not been removed, and when it is determined that it is not music, extracts the content of the voice using sound data from which noise has been removed. , It is possible to determine the type of content based on the content of the voice.
  • the processor 180 may use a music recognition function to determine whether music is included in the sound data.
  • the processor 180 acquires program information for at least one of a TV or a radio in order to determine the type of content, and determines whether the sound data is sound data for a TV program or a radio program by using the acquired program information. Furthermore, it is possible to determine the type of content by determining which broadcast program is included in the sound data.
  • the program information may mean an EPG (Electronic Program Guide).
  • the processor 180 may determine whether the sound data is output from the TV or the radio according to whether sound data is received from the TV or the radio. Further, when it is determined that sound data is output from a TV or radio, program information on at least one of the TV or radio may be obtained.
  • the processor 180 may receive program information provided by a TV or radio through the wireless communication unit 110 or may obtain information about a TV or radio program through the Internet.
  • Program information provided by TV or radio may mean EPG.
  • the information on a TV or radio program obtained from the Internet may refer to EPG, but may refer to information including a TV or radio program type and a program timetable.
  • the content of the voice included in the sound data may be extracted as a keyword.
  • the content of the voice included in the sound data may mean intention information for the voice included in the sound data.
  • the processor 180 may directly extract the contents of the voice included in the sound data.
  • the processor 180 may use at least one of an STT engine or a natural language processing engine received from the learning device 200 to extract the content of the voice included in the sound data or the intention information for the voice.
  • the processor 180 may use the learning device 200 to obtain the content of the voice included in the sound data or the intention information for the voice.
  • the processor 180 converts the sound data into text using the STT engine stored in the memory 170, transmits the converted text to the learning device 200, and the learning device 200 uses a natural language processing engine.
  • the contents of the voice generated from the converted text or intention information for the voice may be received.
  • the processor 180 transmits the acquired sound data to the learning device 200, and the content of the speech generated by the learning device 200 using at least one or more of the STT engine or the natural language processing engine or the intention for the speech. You can receive information.
  • the processor 180 of the artificial intelligence device 100 determines whether the determined type of content is a service target (S405).
  • the artificial intelligence device 100 provides a service for acquiring sound data and generating and providing related information corresponding to content included in the acquired sound data. Accordingly, after determining the type of content included in the sound data, the processor 180 may determine whether the type of the corresponding content is a target of a service providing related information.
  • the processor 180 may determine that all types of content are service targets, or may determine that only the types of content listed in the white list are service targets using a whitelist, and use a blacklist. It may be determined that types of content not listed in the blacklist are service targets.
  • the type of content that is a service target may include at least one of commands, news, music, and shopping broadcasts.
  • the command may mean a speech for the user to control or interact with the artificial intelligence device 100.
  • News or shopping broadcast may mean that a broadcast program of TV or radio is a news or shopping broadcast.
  • Music may refer to music included in a broadcast program of TV or radio, or music input to the artificial intelligence device 100.
  • Contents included in the sound data may have a plurality of types.
  • the processor 180 may determine the type of content as shopping broadcasting and music.
  • the type of content may mean a tag for identifying and classifying content.
  • step S405 if the type of content is not a service target, the processor 180 returns to step S401 of obtaining sound data again.
  • the processor 180 may selectively output information indicating that the type of content is not a service target on the display unit 151.
  • step S405 when the type of content is a service target, the processor 180 generates related information corresponding to the content (S407).
  • the processor 180 may determine an item to be included in the related information based on the type of content.
  • the processor 180 may generate a response corresponding to the command as related information.
  • the processor 180 may generate weather information as related information.
  • the processor 180 may generate schedule information of the user as related information.
  • the processor 180 may generate related news of the corresponding news as related information.
  • the items to be included in the related information may include related news.
  • the processor 180 may generate at least one or more of the name, specification information, price information, or similar product information of a product sold in the corresponding shopping broadcast as related information.
  • the item to be included in the related information may include at least one or more of the product name, specification information, price information, or similar product information.
  • the processor 180 may generate at least one or more of the title, artist, album name, album release date, or lyrics of the corresponding music as related information.
  • the item to be included in the related information may include at least one or more of the title of music, artist, album name, album release date, or lyrics.
  • the processor 180 associates the progression of the music and the lyrics of the music included in the acquired sound data, and only the lyrics corresponding to the corresponding progression are related. Can be included in
  • the processor 180 may acquire program information of a TV or radio, and may generate the acquired program information as related information.
  • program information or EPG for the program A may be generated as related information.
  • the processor 180 may generate all related information corresponding to each content.
  • the processor 180 may select at least one of EPG for a shopping broadcast, information on background music, or information on a product sold in the shopping broadcast. You can create relevant information to include.
  • the processor 180 outputs the generated related information to the display unit 151 (S409).
  • the processor 180 may divide and output the generated information into a plurality of pages.
  • the processor 180 may divide and output information belonging to each different category into different pages.
  • the processor 180 may determine the type of content as music, and generate a music title, artist, album information, lyrics, etc. as related information. In this case, the processor 180 may output music information including a music title and artist on page 1, album information on page 2, and lyrics on page 3 through the display unit 151.
  • Information to be included in each page can be variously set according to the user's selection.
  • the music title and artist are included on the same page, but the music information page and the artist information page may be divided and configured according to the user's selection, or the music information page may include lyrics.
  • the processor 180 When the processor 180 configures and outputs related information as a plurality of pages on the display unit 151, the processor 180 may also output a display indicating the location of each page.
  • the processor 180 may display the number of pages out of the total 3 pages for each page.
  • the display indicating the position of each page may indicate the current page number and the total page number, or may be indicated by a mark that can identify the entire page and the current page position.
  • the processor 180 may set a title or keyword indicating page content for each page, and the title or keyword may or may not be output on the display unit 151. May not.
  • a title or keyword indicating page content can be used to specify a specific page among a plurality of pages in place of the page number.
  • the processor 180 divides artist information, lyrics information, and album information for the music into separate pages as related information.
  • the processor 180 the title or keyword for the page including the artist information is "artist” or “artist information”
  • the title or keyword for the page including the lyrics information is "lyric” or “lyric information”
  • a title or keyword for a page including album information may be set as “album” or "album information”.
  • the user may utter a voice and switch the page output on the display unit 151.
  • the user may utter a page number to be displayed on the display unit 151 or utter a title or a keyword for the content of the page to be displayed, and the processor 180 may utter a page number or page content included in the user's utterance.
  • a page to be displayed may be specified using a title or a keyword for, and the specified page may be output to the display unit 151.
  • the user may convert a page for related information output on the display unit 151 into page 2 by uttering “page 2” or “show page 2”.
  • the user may convert a page for related information output on the display unit 151 by uttering “lyric information” or “show lyrics information” to a page displaying lyrics information.
  • the processor 180 may switch a page for outputting related information based on a gesture input to the touch screen.
  • the processor 180 when the processor 180 fails to identify the type of content included in the sound data or determines that the type of content is not a service target, the processor 180 displays information set as a default value to the display unit 151. Can be printed on.
  • the processor 180 if the processor 180 cannot identify the type of special content from the sound data or determines that it is not a service target, the processor 180 outputs at least one of weather information, time information, or schedule information set as defaults to the display unit 151 can do.
  • the processor 180 converts related information or guidance corresponding thereto using a text to speech (TTS) engine, and outputs the converted voice through the sound output unit 152 or a speaker. can do.
  • TTS text to speech
  • the processor 180 acquires sound data including a user's command and generates a response corresponding to the command as related information
  • the related information is output to the display unit 151 and the entire related information or Part of it may be converted into voice and output through the sound output unit 152 or a speaker.
  • the processor 180 may output only a guide to the effect of providing the related information through the sound output unit 152 or a speaker while outputting the generated related information to the display unit 151.
  • the method of providing image information shown in FIG. 4 shows a process of acquiring sound data at a point in time and outputting related information.
  • the method of providing image information shown in FIG. 4 is continuously or repeatedly described. By doing so, it is possible to provide image information on sound data input in real time.
  • FIG. 5 is an operation flowchart showing an example of the step (S403) of determining the type of content included in the sound data shown in FIG. 4.
  • the processor 180 duplicates the acquired sound data into two (S501).
  • each duplicated sound data may be referred to as first sound data and second sound data.
  • the first sound data may be used to recognize a voice included in the sound data by removing noise.
  • the second sound data may be used to recognize music included in the sound data without removing noise. This is because, when noise is removed, the sound in the frequency band other than the voice is determined as noise and is removed, so that music may be distorted.
  • the processor 180 removes noise from the first sound data (S503).
  • the first sound data may mean sound data from which noise is to be removed from among the duplicated sound data.
  • the processor 180 may remove noise from the first sound data using a noise removal engine or a noise removal filter.
  • the noise removal engine or noise removal filter may be implemented as an artificial neural network and learned by the learning device 200.
  • the processor 180 may receive a noise removal engine from the learning device 200 and may remove noise from the first sound data by using the received noise removal engine.
  • the processor 180 may transmit the first sound data to the learning device 200 and receive first sound data from which noise is removed from the learning device 200.
  • the learning device 200 may remove noise by using a noise removal engine learned on the received first sound data, and transmit the first sound data from which the noise is removed to the artificial intelligence device 100.
  • the processor 180 determines whether a starting word is included in the first sound data from which noise has been removed (S505).
  • the starting word may mean a preset phrase for starting an interaction through a user's voice in the artificial intelligence device 100.
  • the starting word may be "Hi, LG”.
  • the sound data includes a starting word for the user to interact with the artificial intelligence device 100 by voice
  • the starting word is also included in the first sound data from which noise is removed.
  • step S505 when the starting word is included in the first sound data from which noise has been removed, the processor 180 determines the type of content as a command (S507).
  • the processor 180 may preferentially determine whether a user's command is included in the sound data.
  • step S505 when the starting word is not included in the noise-removed first sound data, the processor 180 determines the type of content based on the voice included in the noise-removed first sound data . (S509).
  • the command is excluded from the type of content determined in this step (S509).
  • the processor 180 may determine whether the type of content is news or a shopping broadcast based on the voice included in the first sound data from which noise has been removed.
  • the processor 180 may fail to determine the type of content based on the voice. In this case, if the processor 180 fails to determine the appropriate type of content, the processor 180 may proceed to the next step without determining the type of content.
  • the processor 180 may determine the type of content by determining whether music is included in the second sound data from which noise is not removed (S511).
  • the second sound data may mean sound data from which noise is not removed from among the duplicated sound data.
  • the processor 180 may add music to the determined content type if it is determined in step S511 that music is included in the second sound data. have.
  • a plurality of types of content may be determined.
  • FIG. 6 is a diagram showing an artificial intelligence system 1 according to an embodiment of the present invention.
  • the artificial intelligence system 1 may include an artificial intelligence device 100, a learning device 200, and a TV 600 according to an embodiment of the present invention. have.
  • the artificial intelligence device 100 may be implemented in the form of a sound bar that functions as a sound output device, and includes a display unit 151.
  • the artificial intelligence device 100 may be installed adjacent to the TV 600 at a predetermined distance or less in order to better acquire sound output from the TV 600, but the present invention is not limited thereto.
  • the artificial intelligence device 100 may directly acquire sound output from the TV 600 as sound data through the microphone 122, or from the TV 600 or an external device (not shown) through the wireless communication unit 110. Sound data corresponding to a sound signal to be output from the TV 600 may be received.
  • the artificial intelligence device 100 operates as a device that outputs sound on behalf of the TV 600, the artificial intelligence device 100 corresponds to the sound signal output from the TV 600 from the TV 600. It can be regarded as a case of receiving sound data.
  • the artificial intelligence device 100 does not operate as a device that outputs sound on behalf of the TV 600, the artificial intelligence device 100 transmits the sound output from the TV 600 through the microphone 122 Sound data corresponding to a sound signal to be output from the TV 600 may be received as data or from the TV 600 or an external device (not shown).
  • the learning device 200 may learn an STT engine, a natural language processing engine, a noise removal engine, and the like using a machine learning algorithm or a deep learning algorithm.
  • FIGS. 7 to 9 are diagrams illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • FIGS. 7 to 9 it is assumed that the TV is playing a drama “Drama AA” and background music is included in the drama at the current playback time.
  • the background music the artist is “Artist AA” and the title is “Song AA”.
  • the artificial intelligence device 100 may provide information on a drama being played on a TV and music included in the drama.
  • the processor 180 may obtain sound data for a drama being played on a TV, analyze the sound data, and determine that the type of content is a drama or music.
  • the processor 180 may include the title of the playing drama, the title of the music, artist, album information, lyrics information, etc. as related information corresponding to the content included in the sound data, and the generated information is displayed on the display unit 151 ) To print.
  • the processor 180 may output related information in time series as shown in FIGS. 7A, 7B, and 7C.
  • the processor 180 outputs "The broadcast you are watching is drama Drama AA. Currently playing music. Song AA-Artist AA / Drama AA OST" on the display unit 151 (Fig. 7 (a)) , "Prints the lyrics of Song AA. We all lie. But sometimes it is a white lie.” (Fig. 7(b)), and "I know you are protecting me, but a white lie is still a lie.” can be output (Fig. 7(c)).
  • the processor 180 may match the progression of the lyrics to the progression of the currently played music, and output lyrics according to the corresponding progression.
  • the artificial intelligence device 100 may recognize a command of the user 700 and perform an operation corresponding thereto or provide a response as related information.
  • the processor 180 displays a drama "from the utterance included in the acquired sound data.” It can be understood that it is a command requesting the OST list of "Drama AA", and in response to the OST list of "Drama AA” can be created as related information, and the generated OST list can be provided (Fig. 8(b)) And (c)).
  • "High LG” is an example of a starting word of the artificial intelligence device 100.
  • the processor 180 utters the utterance included in the acquired sound data. From the door, you can see that it is a command that saves the currently playing music "Song AA-Artist AA” to the “Listen to Music When Cleaning", and adds "Song AA-Artist AA” to the "List of Music Listened When Cleaning” accordingly And the operation result can be provided as related information (Fig. 9(b)).
  • "High LG” is an example of a starting word of the artificial intelligence device 100.
  • FIGS. 10 and 11 are diagrams illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • FIGS. 10 and 11 it is assumed that XX home shopping broadcasts are played on a TV, and the home shopping sales product is LG Electronics' smartphone G7.
  • the artificial intelligence device 100 may provide information on a shopping broadcast being played on a TV and price information on a product sold in the shopping broadcast.
  • the processor 180 may obtain sound data for a shopping broadcast being played on a TV, analyze the sound data, and determine that the type of content is a shopping broadcast.
  • the processor 180 may include information of a shopping broadcast being played, name, detailed information, price information, related product information, etc. as related information corresponding to the content included in the sound data, and the generated information May be output through the display unit 151.
  • the processor 180 may output related information in time series as shown in FIGS. 10A, 10B, and 10C.
  • the processor 180 outputs "the information of the broadcast you are watching. XX home shopping. LG smartphone G7 special price broadcast.” on the display unit 151 (Fig. 10(a)), and “online shopping mall price information” "((B) in Fig. 10), and with an image identifying the product being sold, "(1) LG G7 64GB-$599.99 (AA mall). (2) LG G7 64GB-$569.99 (BB mall) .” can be output (Fig. 10(c)).
  • the processor 180 may search and provide prices of products to be sold in at least one online shopping mall.
  • the processor 180 may include and provide price information retrieved from the online shopping mall that the user prefers.
  • the processor 180 may determine a preferred online shopping mall based on the user's online shopping mall account information or purchase history.
  • the processor 180 may determine that an online shopping mall in which user's account information exists is a preferred online shopping mall, or may determine an online shopping mall with a recent purchase history as a preferred online shopping mall.
  • the artificial intelligence device 100 may recognize a command of a user 700 and perform an operation corresponding thereto or provide a response as related information.
  • the processor 180 outputs “the information of the broadcast you are watching. XX home shopping. LG Electronics smartphone G7 special offer broadcast.” on the display unit 151 (Fig. 11 (a)), and the user 700
  • the processor 180 provides the specifications of LG Electronics' smartphone G7 from the speech included in the acquired sound data. It is possible to grasp that it is a command to do so, and in response to it, it is possible to obtain specification information for the smartphone G7, generate it as related information, and provide the generated related information (Fig. 11(c) and (d)).
  • "High LG” is an example of a starting word of the artificial intelligence device 100.
  • FIG. 12 is a diagram illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • FIG. 12 assumes a case in which news is being played on a TV.
  • the artificial intelligence device 100 may provide program information, current article information, related article information, and the like of news being played on a TV.
  • a response corresponding to the command may be provided as related information.
  • the processor 180 may obtain sound data for news being played on a TV, analyze the sound data, and determine that the type of content is news.
  • the processor 180 may include program information, current article information, related article information, etc. of the news being played as related information corresponding to the content included in the sound data, and output the generated information through the display unit 151 can do.
  • the processor 180 outputs "The broadcast you are watching is YY news. Six related articles of the current article are searched" on the display unit 151 (Fig. 12(a)), and the user 700 Uttered “Hi LG, share this article with John with an article related to this article.” (Fig. 12(b)), the processor 180 includes the contents of the current article from the utterance included in the acquired sound data and It can be understood that it is a command to share the collection of related articles including the searched 6 related articles to a person named John, and in response, the collection of related articles can be shared with John and the result can be output (( c)).
  • "High LG" is an example of a starting word of the artificial intelligence device 100.
  • FIG. 13 is a diagram illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • the artificial intelligence device 100 may provide time information or weather information as related information by a command of a user 700 or when in a standby state.
  • the processor 180 determines that the sound data is not input, the content is not included even when the sound data is input, or when it is determined that the type of content is not a service target, the time information 1301 or the weather information ( 1302) can be provided as related information.
  • the content of information to be provided as related information may be changed according to the user's setting.
  • the processor 180 may provide time information or weather information as related information even when there is a request from the user 700.
  • FIG. 14 and 15 are diagrams illustrating an example in which the artificial intelligence device 100 provides image information according to an embodiment of the present invention.
  • the artificial intelligence device 100 outputs related information corresponding to music included in sound data to the display unit 151, and the related information includes basic information, Artist information, album information, lyrics information, and the like may be included.
  • the processor 180 may divide the related information into each of a plurality of categories and output the information on a page divided by each category.
  • Each page can be identified through a title or tag corresponding to the content of the category.
  • the processor 180 may output marks 1402 to 1405 indicating the current page or titles or tags 1401 and 1406 corresponding to the current page to distinguish each page.
  • the processor 180 acquires sound data corresponding to the song "Song AA” of the artist “Artist AA” included in the current "Drama AA OST" album
  • the title as related information corresponding to the basic information category, "Song AA-Artist AA / Drama AA OST" representing the artist and album may be generated, and related information corresponding to the basic information category may be output together with a title or tag 1401 indicating a basic information category (Fig. 14). (a) and 15 (a)).
  • the processor 180 may output related information corresponding to the basic information category as one page, and may also output a title or tag 1401 or 1406 for indicating that the basic information category is a basic information category.
  • marks 1402 to 1405 indicating that the first page is the first of the total four pages may be output together.
  • a first page 1402 corresponds to a basic information category
  • a second page 1403 corresponds to an artist information category
  • a third page 1404 corresponds to an album information category
  • a fourth page 1405 It may correspond to the lyrics information category.
  • the processor 180 when the user 700 utters a command requesting album information such as "Hi LG, tell me album information" (FIG. 14(b)), the processor 180 outputs the The page can be switched from the first page 1402 to the third page 1405 including related information corresponding to the artist information category, and the third page may be performed (FIG. 14C).
  • the processor 180 outputs The page can be switched from the first page 1402 to the third page 1405 including related information corresponding to the artist information category (FIG. 15C).
  • the processor 180 may recognize a preferred related information category according to a user's setting or in light of a user's usage record, and may preferentially output a page corresponding to the preferred related information category.
  • the processor 180 uses a related information category that prefers the album information category in the related information on music. And, when providing related information on music to the user 700 in the future, a page including an album information category may be preferentially output.
  • a related information category that the user 700 prefers may be explicitly set.
  • the processor 180 may determine a related information category having the highest request frequency as a preferred related information category, or may determine the most recently requested related information category as a preferred related information category.
  • the processor 180 may determine the related information category by assigning a higher weight to the recently requested related information category in consideration of not only the request frequency but also the request timing.
  • the album information category is The weight may be given low, and accordingly, the processor 180 may determine a preferred related information category as the lyrics information category.
  • the artificial intelligence device 100 acquires sound data, generates related information corresponding thereto, and outputs it as image information, so that the user can go beyond the information that can be obtained only with sound. Various information can be obtained.
  • the artificial intelligence device 100 may recognize sound output from a media playback device such as a TV or a radio and output related information as image information.
  • the artificial intelligence device 100 may recognize music output from a TV or a radio, and may output information related to the music.
  • lyrics for music can be output, and lyrics can be output according to the progress of the music.
  • the artificial intelligence device 100 may recognize a voice output from a TV or radio and provide related additional information.
  • the artificial intelligence device 100 may recognize a voice of a home shopping broadcast, identify a product to be sold based on the recognized voice, and output information on the identified product to be sold, related product information, and the like.
  • the artificial intelligence device 100 may recognize the voice of the news, identify the news content based on the recognized voice, and obtain and output related news information based on the identified news content.
  • the artificial intelligence device 100 may function as a hub of an artificial intelligence platform and may be used as an artificial intelligence speaker.
  • the artificial intelligence device 100 can implement a sound bar having a display, it is advantageous in that it can be installed under a wall or a TV so as not to damage the interior.
  • the artificial intelligence device 100 can provide various image information through a display, it provides a wider range of information and user convenience compared to an artificial intelligence hub that only provides voice information. Can increase.
  • the present invention described above can be implemented as a computer-readable code in a medium on which a program is recorded.
  • the computer-readable medium includes all types of recording devices storing data that can be read by a computer system. Examples of computer-readable media include HDD (Hard Disk Drive), SSD (Solid State Disk), SDD (Silicon Disk Drive), ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, etc. There is this.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 실시 예는 화상 정보를 제공하는 인공 지능 장치에 있어서, 디스플레이부; 및 소리 데이터를 획득하고, 획득한 소리 데이터에 포함된 콘텐츠의 종류를 결정하고, 상기 콘텐츠와 상기 콘텐츠의 종류에 기초하여 상기 콘텐츠에 상응하는 관련 정보를 생성하고, 상기 생성된 관련 정보를 상기 디스플레이부에 출력하는 프로세서를 포함하는, 인공 지능 장치를 제공한다.

Description

화상 정보를 제공하는 인공 지능 장치 및 그 방법
본 발명은 화상 정보를 제공하는 인공 지능 장치 및 그 방법에 관한 것이다. 구체적으로, 획득한 소리 데이터에 관련된 정보를 화상으로 제공하는 인공 지능 장치 및 그 방법에 관한 것이다.
일반적으로 인공 지능이란 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것으로서, 인간의 지능으로 할 수 있는 사고, 학습, 자기개발 등을 컴퓨터가 수행할 수 있도록 연구하는 컴퓨터 공학 및 정보기술의 한 분야이다.
상기 인공 지능은 그 자체로 존재하는 것이 아니고 컴퓨터 과학의 다른 분야와 직간접적으로 많은 관련을 맺고 있으며, 특히 정보기술의 여러 분야에서 인공 지능적 요소를 도입하여 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다. 최근 이러한 인공 지능 기술은 인공 지능 스피커에 활용되고 있으며, 인공 지능 스피커는 음성 비서나 인공 지능 플랫폼의 허브로써 기능한다.
하지만, 현재의 인공 지능 스피커는 음성으로만 상호작용이 가능하며 응답도 소리로만 제공된다. 따라서 인공 지능 스피커가 응답으로 제공할 수 있는 정보에 한계가 존재한다.
본 발명은 디스플레이부를 구비하고, 획득하는 소리에 상응하는 관련 정보를 화상으로 제공하는 인공 지능 장치 및 그 방법을 제공하고자 한다.
또한, 본 발명은 TV 또는 라디오의 프로그램 정보를 획득하여 프로그램에 상응하는 관련 정보를 화상으로 제공하는 인공 지능 장치 및 방법을 제공하고자 한다.
또한, 본 발명은 관련 정보 중에서 사용자가 선호하는 정보를 우선적으로 출력하는 인공 지능 장치 및 그 방법을 제공하고자 한다.
본 발명의 일 실시 예는 소리 데이터를 획득하고, 획득한 소리 데이터에 포함된 콘텐츠의 종류를 결정하고, 콘텐츠와 콘텐츠의 종류에 기초하여 콘텐츠에 상응하는 관련 정보를 생성하고, 생성된 관련 정보를 디스플레이부에 출력하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 발명의 일 실시 예는 소리 데이터가 TV 또는 라디오에서 출력되었는지 여부를 판단하고, 소리 데이터가 TV 또는 라디오에서 출력된 소리로 판단되는 경우에는 TV 또는 라디오의 프로그램 정보를 획득하고, 획득한 프로그램 정보를 이용하여 관련 정보를 생성하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 발명의 일 실시 예는 관련 정보에 포함되는 정보를 적어도 하나 이상의 카테고리로 구분하고, 적어도 하나 이상의 카테고리 중에서 사용자 선호의 카테고리를 결정하고, 관련 정보를 출력할 때 상기 사용자 선호의 카테고리에 상응하는 페이지를 우선적으로 출력하며, 각 카테고리별로 사용자가 출력을 요청한 빈도가 높을수록 높은 선호도를 부여하고, 출력을 요청한 시점이 오래될수록 선호도의 가중치를 낮게 부여하였을 때, 가장 선호도가 높은 카테고리를 사용자 선호의 카테고리로 결정하는 인공 지능 장치 및 그 방법을 제공한다.
본 발명의 다양한 실시 예에 따르면, 사용자의 음성 상호작용에 대한 응답뿐만 아니라 TV나 라디오 등에서 출력되는 콘텐츠에 상응하는 다양한 관련 정보를 화상으로 제공할 수 있다.
또한, 본 발명의 다양한 실시 예에 따르면, TV 또는 라디오의 프로그램 정보를 이용하여 현재 재생중인 TV 또는 라디오에 상응하는 다양한 관련 정보를 제공할 수 있다.
또한, 본 발명의 다양한 실시 예에 따르면, 콘텐츠의 다양한 관련 정보 중에서 사용자가 선호하는 것으로 판단되는 정보를 우선적으로 출력함으로써, 사용자의 정보 습득의 만족도를 높일 수 있다.
도 1은 본 발명의 일 실시 예에 따른 단말기(100)의 구성을 나타낸 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 인공 신경망의 학습 장치(200)의 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 화상 정보를 제공하는 방법을 나타낸 동작 흐름도이다.
도 5는 도 4에 도시된 소리 데이터에 포함된 콘텐츠의 종류를 결정하는 단계(S403)의 일 예를 나타낸 동작 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸 도면이다.
도 7 내지 9은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
도 10 및 11은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
도 12는 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
도 13은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
도 14 및 15는 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
인공 지능(artificial intelligence, AI)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야이다.
구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취한다.
용어 '머신 러닝'은 용어 '기계 학습'과 혼용되어 사용될 수 있다.
기계 학습에서 데이터를 어떻게 분류할 것인가를 놓고, 많은 기계 학습 알고리즘이 개발되었다. 의사결정나무(Decision Tree)나 베이지안 망(Bayesian network), 서포트벡터머신(SVM: support vector machine), 그리고 인공 신경망(ANN: Artificial Neural Network) 등이 대표적이다.
의사결정나무는 의사결정규칙(Decision Rule)을 나무구조로 도표화하여 분류와 예측을 수행하는 분석방법이다.
베이지안 망은 다수의 변수들 사이의 확률적 관계(조건부독립성: conditional independence)를 그래프 구조로 표현하는 모델이다. 베이지안 망은 비지도 학습(unsupervised learning)을 통한 데이터마이닝(data mining)에 적합하다.
서포트벡터머신은 패턴인식과 자료분석을 위한 지도 학습(supervised learning)의 모델이며, 주로 분류와 회귀분석을 위해 사용한다.
인공신경망은 생물학적 뉴런의 동작원리와 뉴런간의 연결 관계를 모델링한 것으로 노드(node) 또는 처리 요소(processing element)라고 하는 다수의 뉴런들이 레이어(layer) 구조의 형태로 연결된 정보처리 시스템이다.
인공 신경망은 기계 학습에서 사용되는 모델로써, 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다.
구체적으로 인공신경망은 시냅스(synapse)의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다.
용어 인공신경망은 용어 뉴럴 네트워크(Neural Network)와 혼용되어 사용될 수 있다.
인공신경망은 복수의 레이어(layer)를 포함할 수 있고, 레이어들 각각은 복수의 뉴런(neuron)을 포함할 수 있다. 또한 인공신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다.
인공 신경망은 일반적으로 다음의 세가지 인자, 즉 (1) 다른 레이어의 뉴런들 사이의 연결 패턴 (2) 연결의 가중치를 갱신하는 학습 과정 (3) 이전 레이어로부터 수신되는 입력에 대한 가중 합으로부터 출력값을 생성하는 활성화 함수에 의해 정의될 수 있다.
인공 신경망은, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), MLP(Multilayer Perceptron), CNN(Convolutional Neural Network)와 같은 방식의 네트워크 모델들을 포함할 수 있으나, 이에 한정되지 않는다.
본 명세서에서 용어 '레이어'는 용어 '계층'과 혼용되어 사용될 수 있다.
인공신경망은 계층 수에 따라 단층 신경망(Single-Layer Neural Networks)과 다층 신경망(Multi-Layer Neural Networks)으로 구분된다.
일반적인 단층 신경망은, 입력층과 출력층으로 구성된다.
또한 일반적인 다층 신경망은 입력층(Input Layer)과 하나 이상의 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성된다.
입력층은 외부의 자료들을 받아들이는 층으로서, 입력층의 뉴런 수는 입력되는 변수의 수와 동일하며, 은닉층은 입력층과 출력층 사이에 위치하며 입력층으로부터 신호를 받아 특성을 추출하여 출력층으로 전달한다. 출력층은 은닉층으로부터 신호를 받고, 수신한 신호에 기반한 출력 값을 출력한다. 뉴런간의 입력신호는 각각의 연결강도(가중치)와 곱해진 후 합산되며 이 합이 뉴런의 임계치보다 크면 뉴런이 활성화되어 활성화 함수를 통하여 획득한 출력값을 출력한다.
한편 입력층과 출력 층 사이에 복수의 은닉층을 포함하는 심층 신경망은, 기계 학습 기술의 한 종류인 딥 러닝을 구현하는 대표적인 인공 신경망일 수 있다.
한편 용어 '딥 러닝'은 용어 '심층 학습'과 혼용되어 사용될 수 있다.
인공 신경망은 훈련 데이터(training data)를 이용하여 학습(training)될 수 있다. 여기서 학습이란, 입력 데이터를 분류(classification)하거나 회귀분석(regression)하거나 군집화(clustering)하는 등의 목적을 달성하기 위하여, 학습 데이터를 이용하여 인공 신경망의 파라미터(parameter)를 결정하는 과정을 의미할 수 있다. 인공 신경망의 파라미터의 대표적인 예시로써, 시냅스에 부여되는 가중치(weight)나 뉴런에 적용되는 편향(bias)을 들 수 있다.
훈련 데이터에 의하여 학습된 인공 신경망은, 입력 데이터를 입력 데이터가 가지는 패턴에 따라 분류하거나 군집화 할 수 있다.
한편 훈련 데이터를 이용하여 학습된 인공 신경망을, 본 명세서에서는 학습 모델(a trained model)이라 명칭 할 수 있다.
다음은 인공 신경망의 학습 방식에 대하여 설명한다.
인공 신경망의 학습 방식은 크게, 지도 학습, 비 지도 학습, 준 지도 학습(Semi-Supervised Learning), 강화 학습(Reinforcement Learning)으로 분류될 수 있다.
지도 학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법이다.
그리고 이렇게 유추되는 함수 중, 연속 적인 값을 출력하는 것을 회귀분석(Regression)이라 하고, 입력 벡터의 클래스(class)를 예측하여 출력하는 것을 분류(Classification)라고 할 수 있다.
지도 학습에서는, 훈련 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시킨다.
여기서 레이블이란, 훈련 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다.
본 명세서에서는 훈련 데이터가 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과값)을 레이블 또는 레이블링 데이터(labeling data)이라 명칭 한다.
또한 본 명세서에서는, 인공 신경망의 학습을 위하여 훈련 데이터에 레이블을 설정하는 것을, 훈련 데이터에 레이블링 데이터를 레이블링(labeling) 한다고 명칭 한다.
이 경우 훈련 데이터와 훈련 데이터에 대응하는 레이블)은 하나의 트레이닝 셋(training set)을 구성하고, 인공 신경망에는 트레이닝 셋의 형태로 입력될 수 있다.
한편 훈련 데이터는 복수의 특징(feature)을 나타내고, 훈련 데이터에 레이블이 레이블링 된다는 것은 훈련 데이터가 나타내는 특징에 레이블이 달린다는 것을 의미할 수 있다. 이 경우 훈련 데이터는 입력 객체의 특징을 벡터 형태로 나타낼 수 있다.
인공 신경망은 훈련 데이터와 레이블링 데이터를 이용하여, 훈련 데이터와 레이블링 데이터의 연관 관계에 대한 함수를 유추할 수 있다. 그리고, 인공 신경망에서 유추된 함수에 대한 평가를 통해 인공 신경망의 파라미터가 결정(최적화)될 수 있다.
비 지도 학습은 기계 학습의 일종으로, 훈련 데이터에 대한 레이블이 주어지지 않는다.
구체적으로, 비 지도 학습은, 훈련 데이터 및 훈련 데이터에 대응하는 레이블의 연관 관계 보다는, 훈련 데이터 자체에서 패턴을 찾아 분류하도록 인공 신경망을 학습시키는 학습 방법일 수 있다.
비 지도 학습의 예로는, 군집화 또는 독립 성분 분석(Independent Component Analysis)을 들 수 있다.
본 명세서에서 용어 '군집화'는 용어 '클러스터링'과 혼용되어 사용될 수 있다.
비지도 학습을 이용하는 인공 신경망의 일례로 생성적 적대 신경망(GAN: Generative Adversarial Network), 오토 인코더(AE: Autoencoder)를 들 수 있다.
생성적 적대 신경망이란, 생성기(generator)와 판별기(discriminator), 두 개의 서로 다른 인공지능이 경쟁하며 성능을 개선하는 머신 러닝 방법이다.
이 경우 생성기는 새로운 데이터를 창조하는 모형으로, 원본 데이터를 기반으로 새로운 데이터를 생성할 수 있다.
또한 판별기는 데이터의 패턴을 인식하는 모형으로, 입력되는 데이터가 원본 데이터인지 또는 생성기에서 생성한 가짜 데이터인지 여부를 감별하는 역할을 수행할 수 있다.
그리고 생성기는 판별기를 속이지 못한 데이터를 입력 받아 학습하며, 판별기는 생성기로부터 속은 데이터를 입력 받아 학습할 수 있다. 이에 따라 생성기는 판별기를 최대한 잘 속이도록 진화할 수 있고, 판별기는 원본 데이터와 생성기에 의해 생성된 데이터를 잘 구분하도록 진화할 수 있다.
오토 인코더는 입력 자체를 출력으로 재현하는 것을 목표로 하는 신경망이다.
오토 인코더는 입력층, 적어도 하나의 은닉층 및 출력층을 포함한다.
이 경우 은닉 계층의 노드 수가 입력 계층의 노드 수보다 적으므로 데이터의 차원이 줄어들게 되며, 이에 따라 압축 또는 인코딩이 수행되게 된다.
또한 은닉 계층에서 출력한 데이터는 출력 계층으로 들어간다. 이 경우 출력 계층의 노드 수는 은닉 계층의 노드 수보다 많으므로, 데이터의 차원이 늘어나게 되며, 이에 따라 압축 해제 또는 디코딩이 수행되게 된다.
한편 오토 인코더는 학습을 통해 뉴런의 연결 강도를 조절함으로써 입력 데이터가 은닉층 데이터로 표현된다. 은닉층에서는 입력층보다 적은 수의 뉴런으로 정보를 표현하는데 입력 데이터를 출력으로 재현할 수 있다는 것은, 은닉층이 입력 데이터로부터 숨은 패턴을 발견하여 표현했다는 것을 의미할 수 있다.
준 지도 학습은 기계 학습의 일종으로, 레이블이 주어진 훈련 데이터와 레이블이 주어지지 않은 훈련 데이터를 모두 사용하는 학습 방법을 의미할 수 있다.
준 지도 학습의 기법 중 하나로, 레이블이 주어지지 않은 훈련 데이터의 레이블을 추론한 후 추론된 라벨을 이용하여 학습을 수행하는 기법이 있으며, 이러한 기법은 레이블링에 소요되는 비용이 큰 경우에 유용하게 사용될 수 있다.
강화 학습은, 에이전트(Agent)가 매 순간 어떤 행동을 해야 좋을지 판단할 수 있는 환경이 주어진다면, 데이터 없이 경험으로 가장 좋을 길을 찾을 수 있다는 이론이다.
강화 학습은 주로 마르코프 결정 과정(MDP: Markov Decision Process)에 의하여 수행될 수 있다.
마르코프 결정 과정을 설명하면, 첫 번째로 에이전트가 다음 행동을 하기 위해 필요한 정보들이 구성된 환경이 주어지며, 두 번째로 그 환경에서 에이전트가 어떻게 행동할지 정의하고, 세 번째로 에이전트가 무엇을 잘하면 보상(reward)를 주고 무엇을 못하면 벌점(penalty)을 줄지 정의하며, 네 번째로 미래의 보상이 최고점에 이를 때까지 반복 경험하여 최적의 정책(policy)을 도출하게 된다.
인공 신경망은 모델의 구성, 활성 함수(Activation Function), 손실 함수(Loss Function) 또는 비용 함수(Cost Function), 학습 알고리즘, 최적화 알고리즘 등에 의해 그 구조가 특정되며, 학습 전에 하이퍼파라미터(Hyperparameter)가 미리 설정되고, 이후에 학습을 통해 모델 파라미터(Model Parameter)가 설정되어 내용이 특정될 수 있다.
예컨대, 인공 신경망의 구조를 결정하는 요소에는 은닉층의 개수, 각 은닉층에 포함된 은닉 노드의 개수, 입력 특징 벡터(Input Feature Vector), 대상 특징 벡터(Target Feature Vector) 등이 포함될 수 있다.
하이퍼파라미터는 모델 파라미터의 초기값 등과 같이 학습을 위하여 초기에 설정하여야 하는 여러 파라미터들을 포함한다. 그리고, 모델 파라미터는 학습을 통하여 결정하고자 하는 여러 파라미터들을 포함한다.
예컨대, 하이퍼파라미터에는 노드 간 가중치 초기값, 노드 간 편향 초기값, 미니 배치(Mini-batch) 크기, 학습 반복 횟수, 학습률(Learning Rate) 등이 포함될 수 있다. 그리고, 모델 파라미터에는 노드 간 가중치, 노드 간 편향 등이 포함될 수 있다.
손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표(기준)로 이용될 수 있다. 인공 신경망에서 학습은 손실 함수를 줄이기 위하여 모델 파라미터들을 조작하는 과정을 의미하며, 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다.
손실 함수는 주로 평균 제곱 오차(MSE: Mean Squared Error) 또는 교차 엔트로피 오차(CEE, Cross Entropy Error)를 사용할 수 있으며, 본 발명이 이에 한정되지는 않는다.
교차 엔트로피 오차는 정답 레이블이 원 핫 인코딩(one-hot encoding)된 경우에 사용될 수 있다. 원 핫 인코딩은 정답에 해당하는 뉴런에 대하여만 정답 레이블 값을 1로, 정답이 아닌 뉴런은 정답 레이블 값이 0으로 설정하는 인코딩 방법이다.
머신 러닝 또는 딥 러닝에서는 손실 함수를 최소화하기 위하여 학습 최적화 알고리즘을 이용할 수 있으며, 학습 최적화 알고리즘에는 경사 하강법(GD: Gradient Descent), 확률적 경사 하강법(SGD: Stochastic Gradient Descent), 모멘텀(Momentum), NAG(Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam 등이 있다.
경사 하강법은 현재 상태에서 손실 함수의 기울기를 고려하여 손실 함수값을 줄이는 방향으로 모델 파라미터를 조정하는 기법이다.
모델 파라미터를 조정하는 방향은 스텝(step) 방향, 조정하는 크기는 스텝 사이즈(size)라고 칭한다.
이때, 스텝 사이즈는 학습률을 의미할 수 있다.
경사 하강법은손실 함수를 각 모델 파라미터들로 편미분하여 기울기를 획득하고, 모델 파라미터들을 획득한 기울기 방향으로 학습률만큼 변경하여 갱신할 수 있다.
확률적 경사 하강법은 학습 데이터를 미니 배치로 나누고, 각 미니 배치마다 경사 하강법을 수행하여 경사 하강의 빈도를 높인 기법이다.
Adagrad, AdaDelta 및 RMSProp는 SGD에서 스텝 사이즈를 조절하여 최적화 정확도를 높이는 기법이다. SGD에서 모멘텀 및 NAG는 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Adam은 모멘텀과 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Nadam은 NAG와 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다.
인공 신경망의 학습 속도와 정확도는 인공 신경망의 구조와 학습 최적화 알고리즘의 종류뿐만 아니라, 하이퍼파라미터에 크게 좌우되는 특징이 있다. 따라서, 좋은 학습 모델을 획득하기 위하여는 적당한 인공 신경망의 구조와 학습 알고리즘을 결정하는 것뿐만 아니라, 적당한 하이퍼파라미터를 설정하는 것이 중요하다.
통상적으로 하이퍼파라미터는 실험적으로 다양한 값으로 설정해가며 인공 신경망을 학습시켜보고, 학습 결과 안정적인 학습 속도와 정확도를 제공하는 최적의 값으로 설정한다.
도 1은 본 발명의 일 실시 예에 따른 단말기(100)의 구성을 나타낸 블록도이다.
이하에서, 단말기(100)는 인공 지능 장치(100)라 칭할 수 있다.
단말기(100)는 텔레비전(TV), 프로젝터, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털사이니지와 같은 고정형 기기 및 이동 가능한 기기 등으로 구현될 수 있다.
즉, 단말기(100)는 가정에서 이용하는 다양한 가전의 형태로 구현될 수 있으며, 고정 또는 이동 가능한 로봇에도 적용될 수 있다.
단말기(100)는 음성 에이전트의 기능을 수행할 수 있다. 음성 에이전트는 사용자의 음성을 인식하고, 인식된 사용자의 음성에 적합한 응답을 음성으로 출력하는 프로그램일 수 있다.
도 1을 참조하면, 단말기(100)는 무선 통신부(Wireless Communication Unit, 110), 입력부(Input Unit, 120), 러닝 프로세서(Learning Processor, 130), 센싱부(Sensing Unit, 140), 출력부(Output Unit, 150), 인터페이스부(Interface Unit, 160), 메모리(Memory, 170), 프로세서(Processor, 180) 및 전원 공급부(Power Supply Unit, 190) 등을 포함할 수 있다.
학습 모델(a trained model)은 단말기(100)에 탑재될 수 있다.
한편, 학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있으며, 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어는 메모리(170)에 저장될 수 있다.
무선 통신부(110)는 방송 수신 모듈(Broadcast Receiving Module, 111), 이동통신 모듈(Mobile Communication Unit, 112), 무선 인터넷 모듈(Wireless Internet Module, 113), 근거리 통신 모듈(Short Range Communication Module, 114), 위치정보 모듈(Location Information Module, 115) 중 적어도 하나를 포함할 수 있다.
방송 수신 모듈(111)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다.
이동통신 모듈(112)은, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다.
무선 인터넷 모듈(113)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 단말기(100)에 내장되거나 외장될 수 있다. 무선 인터넷 모듈(113)은 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 이루어진다.
무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있다.
근거리 통신 모듈(114)은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.
위치정보 모듈(115)은 단말기의 위치(또는 현재 위치)를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈 또는 WiFi(Wireless Fidelity) 모듈이 있다. 예를 들어, 단말기는 GPS모듈을 활용하면, GPS 위성에서 보내는 신호를 이용하여 단말기의 위치를 획득할 수 있다.
입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.
입력부(120)는 모델 학습을 위한 훈련 데이터 및 학습된 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다.
입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 획득한 데이터를 전처리하여 모델 학습에 입력이 가능한 훈련 데이터 또는 전처리된 입력 데이터를 생성할 수 있다.
이때, 입력 데이터에 대한 전처리는, 입력 데이터로부터 입력 특징점(input feature)을 추출하는 것을 의미할 수 있다.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, 단말기(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 단말기(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 구현될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 단말기(100)의 동작을 제어할 수 있다.
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예를 들어, 단말기(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
러닝 프로세서(130)는 훈련 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습한다.
구체적으로, 러닝 프로세서(130)는 앞서 설명한 다양한 학습 기법을 이용하여 인공 신경망을 반복적으로 학습시킴으로써, 인공 신경망의 최적화된 모델 파라미터들을 결정할 수 있다
본 명세서에서는 훈련 데이터를 이용하여 학습됨으로써 파라미터가 결정된 인공 신경망을 학습 모델 또는 학습된 모델(a trained model)이라 칭할 수 있다.
이때, 학습 모델은 훈련 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있다.
러닝 프로세서(130)는 데이터 마이닝, 데이터 분석, 지능형 의사 결정 및 기계 학습 알고리즘을 위해 이용될 정보를 수신, 분류, 저장 및 출력하도록 구성될 수 있다.
러닝 프로세서(130)는 다른 컴포넌트, 디바이스, 단말기 또는 단말기와 통신하는 장치에 의해 수신, 검출, 감지, 생성, 사전 정의 또는 출력되는 데이터를 저장하도록 구성된 하나 이상의 메모리 유닛을 포함할 수 있다.
러닝 프로세서(130)는 단말기에 통합되거나 구현된 메모리를 포함할 수 있다. 일부 실시 예에서, 러닝 프로세서(130)는 메모리(170)를 사용하여 구현될 수 있다.
선택적으로 또는 부가적으로, 러닝 프로세서(130)는 단말기에 직접 결합된 외부 메모리 또는 단말기와 통신하는 서버에서 유지되는 메모리와 같이 단말기와 관련된 메모리를 사용하여 구현될 수 있다.
다른 실시 예에서, 러닝 프로세서(130)는 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 단말기에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다.
러닝 프로세서(130)는 일반적으로 감독 또는 감독되지 않은 학습, 데이터 마이닝, 예측 분석 또는 다른 머신에서 사용하기 위해 데이터를 식별, 색인화, 카테고리화, 조작, 저장, 검색 및 출력하기 위해 데이터를 하나 이상의 데이터베이스에 저장하도록 구성될 수 있다. 여기서, 데이터베이스는 메모리(170), 학습 장치(200)의 메모리(230), 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 단말기에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다.
러닝 프로세서(130)에 저장된 정보는 다양한 상이한 유형의 데이터 분석 알고리즘 및 기계 학습 알고리즘 중 임의의 것을 사용하여 프로세서(180) 또는 단말기의 하나 이상의 다른 제어기에 의해 이용될 수 있다.
이러한, 알고리즘의 예로는, k-최근 인접 시스템, 퍼지 논리 (예: 가능성 이론), 신경 회로망, 볼츠만 기계, 벡터 양자화, 펄스 신경망, 지원 벡터 기계, 최대 마진 분류기, 힐 클라이밍, 유도 논리 시스템 베이지안 네트워크, 페리트넷 (예: 유한 상태 머신, 밀리 머신, 무어 유한 상태 머신), 분류기 트리 (예: 퍼셉트론 트리, 지원 벡터 트리, 마코프 트리, 의사 결정 트리 포리스트, 임의의 포리스트), 판독 모델 및 시스템, 인공 융합, 센서 융합, 이미지 융합, 보강 학습, 증강 현실, 패턴 인식, 자동화 된 계획 등을 포함한다.
프로세서(180)는 데이터 분석 및 기계 학습 알고리즘을 사용하여 결정되거나, 생성된 정보에 기초하여 단말기의 적어도 하나의 실행 가능한 동작을 결정 또는 예측할 수 있다. 이를 위해, 프로세서(180)는 러닝 프로세서(130)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 상기 단말기를 제어할 수 있다.
프로세서(180)는 지능적 에뮬레이션(즉, 지식 기반 시스템, 추론 시스템 및 지식 획득 시스템)을 구현하는 다양한 기능을 수행할 수 있다. 이는 적응 시스템, 기계 학습 시스템, 인공 신경망 등을 포함하는, 다양한 유형의 시스템(예컨대, 퍼지 논리 시스템)에 적용될 수 있다.
프로세서(180)는, 또한 I/O 처리 모듈, 환경 조건 모듈, 음성 - 텍스트 (STT: Speech to Text) 처리 모듈, 자연어 처리 모듈, 작업 흐름 처리 모듈 및 서비스 처리 모듈과 같이, 음성 및 자연 언어 음성 처리를 수반하는 연산을 가능하게 하는 서브 모듈을 포함할 수 있다.
이들 서브 모듈들 각각은, 단말기에서의 하나 이상의 시스템 또는 데이터 및 모델, 또는 이들의 서브셋 또는 수퍼 셋에 대한 액세스를 가질 수 있다. 또한, 이들 서브 모듈들 각각은, 어휘 색인, 사용자 데이터, 작업 흐름 모델, 서비스 모델 및 자동 음성 인식 (ASR) 시스템을 비롯한 다양한 기능을 제공할 수 있다.
다른 실시 예에서, 프로세서(180) 또는 단말기의 다른 양태는 상기 서브 모듈, 시스템, 또는 데이터 및 모델로 구현될 수 있다.
일부 예에서, 러닝 프로세서(130)의 데이터에 기초하여, 프로세서(180)는 사용자 입력 또는 자연 언어 입력으로 표현된 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 검출하고 감지하도록 구성될 수 있다.
프로세서(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 완전히 결정하는데 필요한 정보를 능동적으로 이끌어 내고, 획득할 수 있다. 예를 들어, 프로세서(180)는 입력 기록 및 출력 기록, 패턴 매칭, 모호하지 않은 단어, 입력 의도 등을 포함하는 과거 데이터를 분석함으로써 요구 사항을 결정하는데, 필요한 정보를 능동적으로 이끌어낼 수 있다.
프로세서(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항에 응답하는 기능을 실행하기 위한 태스크 흐름을 결정할 수 있다.
프로세서(180)는 러닝 프로세서(130)에서 프로세싱 및 저장을 위한 정보를 수집하기 위해, 단말기에서 하나 이상의 감지 컴포넌트를 통해 데이터 분석 및 기계 학습 작업에 사용되는 신호 또는 데이터를 수집, 감지, 추출, 검출 및/또는 수신하도록 구성될 수 있다.
정보 수집은 센서를 통해 정보를 감지하는 것, 메모리(170)에 저장된 정보를 추출하는 것 또는 통신 수단을 통해 다른 단말기, 엔티티 또는 외부 저장 장치로부터 정보를 수신하는 것을 포함할 수 있다.
프로세서(180)는 단말기에서 사용 히스토리 정보를 수집하여, 메모리(170)에 저장할 수 있다.
프로세서(180)는 저장된 사용 히스토리 정보 및 예측 모델링을 사용하여 특정 기능을 실행하기 위한 최상의 매치를 결정할 수 있다.
프로세서(180)는 센싱부(140)를 통해 주변 환경 정보 또는 기타 정보를 수신하거나 감지할 수 있다.
프로세서(180)는 무선 통신부(110)을 통해 방송 신호 및/또는 방송 관련 정보, 무선 신호, 무선 데이터를 수신할 수 있다.
프로세서(180)는 입력부(120)로부터 이미지 정보 (또는 해당 신호), 오디오 정보 (또는 해당 신호), 데이터 또는 사용자 입력 정보를 수신할 수 있다.
프로세서(180)는 정보를 실시간으로 수집하고, 정보 (예를 들어, 지식 그래프, 명령 정책, 개인화 데이터베이스, 대화 엔진 등)를 처리 또는 분류하고, 처리 된 정보를 메모리(170) 또는 러닝 프로세서(130)에 저장할 수 있다.
단말기의 동작이 데이터 분석 및 기계 학습 알고리즘 및 기술에 기초하여 결정될 때, 프로세서(180)는 결정된 동작을 실행하기 위해 단말기의 구성 요소를 제어할 수 있다. 그리고 프로세서(180)는 제어 명령에 따라 단말을 제어하여 결정된 동작을 수행할 수 있다.
프로세서(180)는 특정 동작이 수행되는 경우, 데이터 분석 및 기계 학습 알고리즘 및 기법을 통해 특정 동작의 실행을 나타내는 이력 정보를 분석하고, 분석된 정보에 기초하여 이전에 학습 한 정보의 업데이트를 수행할 수 있다.
따라서, 프로세서(180)는 러닝 프로세서(130)과 함께, 업데이트 된 정보에 기초하여 데이터 분석 및 기계 학습 알고리즘 및 기법의 미래 성능의 정확성을 향상시킬 수 있다.
센싱부(140)는 단말기 내 정보, 단말기를 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱 하기 위한 하나 이상의 센서를 포함할 수 있다.
예를 들어, 센싱부(140)는 근접센서(proximity sensor), 조도 센서(illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor, 예를 들어, 카메라(121 참조)), 마이크로폰(microphone, 122 참조), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 명세서에 개시된 단말기는, 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 단말기(100)에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부(151)는 단말기(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 단말기(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 무선 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.
광출력부(154)는 단말기(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. 단말기(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
인터페이스부(160)는 단말기(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다. 이러한 인터페이스부(160)는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port)중 적어도 하나를 포함할 수 있다. 단말기(100)에서는, 상기 인터페이스부(160)에 외부 기기가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절할 제어를 수행할 수 있다.
한편, 식별 모듈은 단말기(100)의 사용 권한을 인증하기 위한 각종 정보를 저장한 칩으로서, 사용자 인증 모듈(user identify module; UIM), 가입자 인증 모듈(subscriber identity module; SIM), 범용 사용자 인증 모듈(universal subscriber identity module; USIM) 등을 포함할 수 있다. 식별 모듈이 구비된 장치(이하 '식별 장치')는, 스마트 카드(smart card) 형식으로 제작될 수 있다. 따라서 식별 장치는 상기 인터페이스부(160)를 통하여 단말기(100)와 연결될 수 있다.
메모리(170)는 단말기(100)의 다양한 기능을 지원하는 데이터를 저장한다.
메모리(170)는 단말기(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 단말기(100)의 동작을 위한 데이터들, 명령어들을, 러닝 프로세서(130)의 동작을 위한 데이터들(예를 들어, 머신 러닝을 위한 적어도 하나의 알고리즘 정보 등)을 저장할 수 있다.
메모리(170)는 러닝 프로세서(130) 또는 학습 장치(200)에서 학습된 모델을 저장할 수 있다.
이때, 메모리(170)는 필요에 따라 학습된 모델을 학습 시점 또는 학습 진척도 등에 따라 복수의 버전으로 구분하여 저장할 수 있다.
이때, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 모델 학습을 위하여 이용되는 학습 데이터(또는 훈련 데이터), 모델의 학습 히스토리 등을 저장할 수 있다.
이때, 메모리(170)에 저장된 입력 데이터는 모델 학습에 적합하게 가공된 데이터뿐만 아니라, 가공되지 않은 입력 데이터 그 자체일 수 있다.
프로세서(180)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 단말기(100)의 전반적인 동작을 제어한다. 프로세서(180)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(170)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, 도 1과 함께 살펴본 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, 단말기(100)에 포함된 구성 요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
한편, 앞서 살펴본 것과 같이, 프로세서(180)는 응용 프로그램과 관련된 동작과, 통상적으로 단말기(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(180)는 상기 단말기의 상태가 설정된 조건을 만족하면, 애플리케이션들에 대한 사용자의 제어 명령의 입력을 제한하는 잠금 상태를 실행하거나, 해제할 수 있다.
전원공급부(190)는 프로세서(180)의 제어 하에서, 외부의 전원, 내부의 전원을 인가 받아 단말기(100)에 포함된 각 구성요소들에 전원을 공급한다. 이러한 전원공급부(190)는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리가 될 수 있다.
도 2는 본 발명의 일 실시 예에 따른 인공 신경망의 학습 장치(200)의 구성을 나타낸 블록도이다.
학습 장치(200)는 단말기(100)의 외부에 별도로 구성된 장치 또는 서버로, 단말기(100)의 러닝 프로세서(130)와 동일한 기능을 수행할 수 있다.
즉, 학습 장치(200)는 데이터 마이닝, 데이터 분석, 지능형 의사 결정 및 기계 학습 알고리즘을 위해 이용될 정보를 수신, 분류, 저장 및 출력하도록 구성될 수 있다. 여기서, 기계 학습 알고리즘은 딥 러닝 알고리즘을 포함할 수 있다.
학습 장치(200)는 적어도 하나의 단말기(100)와 통신할 수 있고, 단말기(100)를 대신하여 혹은 도와 데이터를 분석하거나 학습하여 결과를 도출할 수 있다. 여기서, 다른 장치를 도운다는 의미는 분산 처리를 통한 연산력의 분배를 의미할 수 있다.
인공 신경망의 학습 장치(200)는 인공 신경망을 학습하기 위한 다양한 장치로서, 통상적으로 서버를 의미할 수 있고, 학습 장치 또는 학습 서버 등으로 칭할 수 있다.
특히, 학습 장치(200)는 단일한 서버뿐만 아니라 복수의 서버 세트, 클라우드 서버 또는 이들의 조합 등으로 구현될 수 있다.
즉, 학습 장치(200)는 복수로 구성되어 학습 장치 세트(혹은 클라우드 서버)를 구성할 수 있고, 학습 장치 세트에 포함된 적어도 하나 이상의 학습 장치(200)는 분산 처리를 통하여 데이터 분석 또는 학습하여 결과를 도출할 수 있다.
학습 장치(200)는 주기적으로 혹은 요청에 의하여 단말기(100)에 기계 학습 또는 딥 러닝에 의하여 학습한 모델을 전송할 수 있다.
도 2를 참조하면, 학습 장치(200)는 통신부(Communication Unit, 210), 입력부(Input Unit, 220), 메모리(Memory, 230), 러닝 프로세서(Learning Processor, 240), 전원 공급부(Power Supply Unit, 250) 및 프로세서(Processor, 260) 등을 포함할 수 있다.
통신부(210)는 도 1의 무선 통신부(110) 및 인터페이스부(160)를 포괄하는 구성과 대응될 수 있다. 즉, 유무선 통신이나 인터페이스를 통하여 다른 장치와 데이터를 송수신할 수 있다.
입력부(220)는 도 1의 입력부(120)에 대응되는 구성이며, 통신부(210)를 통하여 데이터를 수신함으로써 데이터를 획득할 수도 있다.
입력부(220)는 모델 학습을 위한 훈련 데이터 및 학습된 모델(a trained model)을 이용하여 출력을 획득하기 위한 입력 데이터 등을 획득할 수 있다.
입력부(220)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(260)는 획득한 데이터를 전처리하여 모델 학습에 입력이 가능한 훈련 데이터 또는 전처리된 입력 데이터를 생성할 수 있다.
이때, 입력부(220)에서 수행하는 입력 데이터에 대한 전처리는, 입력 데이터로부터 입력 특징점(input feature)을 추출하는 것을 의미할 수 있다.
메모리(230)는 도 1의 메모리(170)에 대응되는 구성이다.
메모리(230)는 모델 저장부(231) 및 데이터베이스(232) 등을 포함할 수 있다.
모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장하며, 학습을 통하여 모델이 업데이트되면 업데이트 된 모델을 저장한다.
이때, 모델 저장부(231)는 필요에 따라 학습된 모델을 학습 시점 또는 학습 진척도 등에 따라 복수의 버전으로 구분하여 저장할 수 있다.
도 2에 도시된 인공 신경망(231a)은 복수의 은닉층을 포함하는 인공 신경망의 하나의 예시일 뿐이며, 본 발명의 인공 신경망이 이에 한정되는 것은 아니다
인공 신경망(231a)은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 인공 신경망(231a)의 일부 또는 전부가 소프트웨어로 구현되는 경우, 인공 신경망(231a)을 구성하는 하나 이상의 명령어는 메모리(230)에 저장될 수 있다.
데이터베이스(232)는 입력부(220)에서 획득한 입력 데이터, 모델 학습을 위하여 이용되는 학습 데이터(또는 훈련 데이터), 모델의 학습 히스토리 등을 저장한다.
데이터베이스(232)에 저장된 입력 데이터는 모델 학습에 적합하게 가공된 데이터뿐만 아니라, 가공되지 않은 입력 데이터 그 자체일 수 있다.
러닝 프로세서(240)는 도 1의 러닝 프로세서(130)에 대응되는 구성이다.
러닝 프로세서(240)는 훈련 데이터 또는 트레이닝 셋(training set)을 이용하여 인공 신경망(231a)을 훈련(training, 또는 학습)시킬 수 있다.
러닝 프로세서(240)는 프로세서(260)가 입력부(220)를 통해 획득한 입력 데이터를 전처리한 데이터를 바로 획득하여 인공 신경망(231a)을 학습하거나, 데이터베이스(232)에 저장된 전처리된 입력 데이터를 획득하여 인공 신경망(231a)을 학습할 수 있다.
구체적으로, 러닝 프로세서(240)는 앞서 설명한 다양한 학습 기법을 이용하여 인공 신경망(231a)을 반복적으로 학습시킴으로써, 인공 신경망(231a)의 최적화된 모델 파라미터들을 결정할 수 있다
본 명세서에서는 훈련 데이터를 이용하여 학습됨으로써 파라미터가 결정된 인공 신경망을 학습 모델 또는 학습된 모델(a trained model)이라 칭할 수 있다.
이때, 학습 모델은 인공 신경망의 학습 장치(200)에 탑재된 상태에서 결과 값을 추론할 수도 있으며, 통신부(210)를 통해 단말기(100)와 같은 다른 장치에 전송되어 탑재될 수도 있다.
또한, 학습 모델이 업데이트되는 경우, 업데이트된 학습 모델은 통신부(210)를 통해 단말기(100)와 같은 다른 장치에 전송되어 탑재될 수 있다.
전원 공급부(250)는 도 1의 전원 공급부(190)에 대응되는 구성이다.
서로 대응되는 구성에 대한 중복되는 설명은 생략한다.
도 3은 본 발명의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸 블록도이다.
도 3을 참조하면, 인공 지능 시스템(1)은 인공 지능 장치(100), 음성 텍스트 변환(STT: Speech To Text) 서버(300), 자연어 처리(NLP: Natural Language Processing) 서버(400) 및 음성 합성 서버(500)를 포함할 수 있다.
인공 지능 장치(100)는 음성 데이터를 STT 서버(300)에 전송할 수 있다.
STT 서버(300)는 인공 지능 장치(100)로부터 수신된 음성 데이터를 텍스트 데이터로 변환할 수 있다.
STT 서버(300)는 언어 모델을 이용하여 음성-텍스트 변환의 정확도를 높일 수 있다.
언어 모델은 문장의 확률을 계산하거나, 이전의 단어들이 주어졌을 때 다음 단어가 나올 확률을 계산할 수 있는 모델을 의미할 수 있다.
예컨대, 언어 모델은 유니그램(Unigram) 모델, 바이그램(Bigram) 모델, N-그램(N-gram) 모델 등과 같은 확률론적 언어 모델들을 포함할 수 있다.
유니그램 모델은 모든 단어의 활용이 완전히 서로 독립적이라고 가정하는 모델로, 단어 열의 확률을 각 단어의 확률의 곱으로 계산하는 모델이다.
바이그램 모델은 단어의 활용이 이전 1개의 단어에만 의존한다고 가정하는 모델이다.
N-그램 모델은 단어의 활용이 이전 (n-1)개의 단어에 의존한다고 가정하는 모델이다.
즉, STT 서버(300)는 언어 모델을 이용하여 음성 데이터로부터 변환된 텍스트 데이터가 적합하게 변환된 것인지 판단할 수 있고, 이를 통해 텍스트 데이터로의 변환의 정확도를 높일 수 있다.
NLP 서버(400)는 STT 서버(300)로부터 텍스트 데이터를 수신할 수 있다. NLP 서버(400)는 수신된 텍스트 데이터에 기초하여, 텍스트 데이터에 대한 의도 분석을 수행할 수 있다.
NLP 서버(400)는 의도 분석의 수행 결과를 나타내는 의도 분석 정보를 단말기(100)에 전송할 수 있다.
NLP 서버(400)는 텍스트 데이터에 대해, 형태소 분석 단계, 구문 분석 단계, 화행 분석 단계, 대화 처리 단계를 순차적으로, 수행하여, 의도 분석 정보를 생성할 수 있다.
형태소 분석 단계는 사용자가 발화한 음성에 대응하는 텍스트 데이터를 의미를 지닌 가장 작은 단위인 형태소 단위로 분류하고, 분류된 각 형태소가 어떤 품사를 가지는지를 결정하는 단계이다.
구문 분석 단계는 형태소 분석 단계의 결과를 이용하여, 텍스트 데이터를 명사구, 동사구, 형용사 구 등으로 구분하고, 구분된 각 구들 사이에, 어떠한 관계가 존재하는지를 결정하는 단계이다.
구문 분석 단계를 통해, 사용자가 발화한 음성의 주어, 목적어, 수식어들이 결정될 수 있다.
화행 분석 단계는 구문 분석 단계의 결과를 이용하여, 사용자가 발화한 음성에 대한 의도를 분석하는 단계이다. 구체적으로, 화행 분석 단계는 사용자가 질문을 하는 것인지, 요청을 하는 것인지, 단순한 감정 표현을 하는 것인지와 같은, 문장의 의도를 결정하는 단계이다.
대화 처리 단계는 화행 분석 단계의 결과를 이용하여, 사용자의 발화에 대해 대답을 할지, 호응을 할지, 추가 정보를 문의하는 질문을 할지를 판단하는 위한 단계이다.
NLP 서버(400)는 대화 처리 단계 후, 사용자가 발화한 의도에 대한 답변, 호응, 추가 정보 문의 중 하나 이상을 포함하는 의도 분석 정보를 생성할 수 있다.
한편, NLP 서버(400)는 단말기(100)로부터 텍스트 데이터를 수신할 수도 있다. 예를 들어, 단말기(100)가 음성 텍스트 변환 기능을 지원하는 경우, 단말기(100)는 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 NLP 서버(400)에 전송할 수 있다.
음성 합성 서버(500)는 기 저장된 음성 데이터들을 조합하여, 합성 음성을 생성할 수 있다.
음성 합성 서버(500)는 모델로 선정된 한 사람의 음성을 녹음하고, 녹음된 음성을 음절 또는 단어 단위로 분할할 수 있다. 음성 합성 서버(500)는 음절 또는 단어 단위로, 분할된 음성을 내부 또는 외부의 데이터 베이스에 저장할 수 있다.
음성 합성 서버(500)는 주어진 텍스트 데이터에 대응하는 음절 또는 단어를 데이터 베이스로부터 검색하고, 검색된 음절 또는 단어들의 조합을 합성하여, 합성 음성을 생성할 수 있다.
음성 합성 서버(500)는 복수의 언어들 각각에 대응하는 복수의 음성 언어 그룹들을 저장하고 있을 수 있다.
예를 들어, 음성 합성 서버(500)는 한국어로 녹음된 제1 음성 언어 그룹, 영어로, 녹음된 제2 음성 언어 그룹을 포함할 수 있다.
음성 합성 서버(500)는 제1 언어의 텍스트 데이터를 제2 언어의 텍스트로 번역하고, 제2 음성 언어 그룹을 이용하여, 번역된 제2 언어의 텍스트에 대응하는 합성 음성을 생성할 수 있다.
음성 합성 서버(500)는 생성된 합성 음성을 인공 지능 장치(100)에 전송할 수 있다.
음성 합성 서버(500)는 NLP 서버(400)로부터 의도 분석 정보를 수신할 수 있다.
음성 합성 서버(500)는 의도 분석 정보에 기초하여, 사용자의 의도를 반영한, 합성 음성을 생성할 수 있다.
일 실시 예에서, STT 서버(300), NLP 서버(400) 및 음성 합성 서버(500)는 하나의 서버로 구현될 수 있다. 예컨대, STT 서버(300), NLP 서버(400) 및 음성 합성 서버(500)는 하나의 학습 서버(200)를 구성할 수 있다.
또는, STT 서버(300), NLP 서버(400) 및 음성 합성 서버(500)는 학습 서버(200)에서 학습된 모델들 또는 엔진들을 이용할 수 있다.
위에서, 설명된 STT 서버(300), NLP 서버(400) 및 음성 합성 서버(500) 각각의 기능은 인공 지능 장치(100)에서도 수행될 수도 있다. 이를 위해, 인공 지능 장치(100)는 복수의 프로세서들을 포함할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 화상 정보를 제공하는 방법을 나타낸 동작 흐름도이다.
도 4를 참조하면, 인공 지능 장치(100)의 프로세서(180)는 소리 데이터를 획득한다(S401).
프로세서(180)는 입력부(120)의 마이크로폰(122)를 통하여 소리 데이터를 획득할 수 있다.
프로세서(180)는 무선 통신부(110)를 통해 외부 단말기(미도시)로부터 소리 데이터를 획득할 수 있다. 이 경우, 소리 데이터는 외부 단말기(미도시)의 구비된 마이크로폰(미도시)에 의하여 획득될 수 있다.
외부 단말기(미도시)에서 획득하는 소리 데이터는 다양한 소리 데이터 형식을 가질 수 있으며, 예컨대 소리 데이터 형식에는 wav, mp3 등이 포함된다.
소리 데이터는 TV 또는 라디오 등을 포함하는 미디어 재생 장치에서 출력되는 소리를 포함할 수 있다.
소리 데이터는 사용자의 발화에 따른 음성을 포함할 수 있다.
사용자의 발화에 따른 음성은 인공 지능 장치(100)를 제어하기 위한 명령, 정보 검색을 위한 질의 등을 포함하는 발화문을 의미할 수 있다.
프로세서(180)는 미리 설정된 기동어가 입력되는 경우에 사용자의 발화에 따른 음성을 포함하는 소리 데이터를 획득할 수 있다.
여기서, 인공 지능 장치(100)는 인공 지능 플랫폼의 허브로써 기능하는 인공 지능 스피커로 구성될 수도 있고, 라디오 기능을 구비한 인공 지능 라디오로 구성될 수도 있으며, TV와 같은 미디어 재생 장치의 음향 재생 장치 또는 사운드 바(sound bar)로 구성될 수도 있다.
인공 지능 장치(100)의 프로세서(180)는 소리 데이터에 포함된 콘텐츠의 종류를 결정한다(S403).
프로세서(180)는 소리 데이터에 포함된 콘텐츠를 식별하기 위하여 전처리(pre-processing)로써 노이즈를 제거한 소리 데이터를 획득할 수 있다. 또는, 프로세서(180)는 소리 데이터에 포함된 콘텐츠를 식별한 이후에 그 전처리로써 노이즈를 제거한 소리 데이터를 획득할 수 있다.
이때, 프로세서(180)는 소리 데이터에 포함된 콘텐츠의 종류가 음악이 아닌 경우에만 노이즈를 제거할 수 있다. 이는, 음악에 대하여는 노이즈를 제거하면 음악 인식의 정확도가 낮아질 수 있기 때문이다.
프로세서(180)는 직접 노이즈 제거 엔진 또는 노이즈 제거 필터를 이용하여 노이즈를 제거한 소리 데이터를 생성할 수도 있고, 학습 장치(200)에 소리 데이터를 전송하고 노이즈가 제거된 소리 데이터를 수신할 수도 있다.
전처리를 통해 노이즈가 제거된 소리 데이터는 인공 지능 장치(100)에 적합하게 볼륨이 조절될 수 있다. 즉, 볼륨의 조절도 전처리 과정의 일부로 볼 수 있다.
이하에서, 소리 데이터는 전처리를 통하여 노이즈를 제거한 소리 데이터를 의미할 수 있다.
프로세서(180)는 소리 데이터에 포함된 콘텐츠의 종류가 음악인지 여부를 우선적으로 판단하고, 음악이 아니라고 판단된 경우에는 소리 데이터에 포함된 음성의 내용을 기초로 콘텐츠의 종류를 결정할 수 있다.
또는, 프로세서(180)는 소리 데이터에 포함된 음성의 내용을 기초로 콘텐츠의 종류를 결정하고, 적합한 콘텐츠의 종류를 결정하지 못한 경우에 콘텐츠의 종류가 음악인지 여부를 판단할 수 있다.
또는, 프로세서(180)는 소리 데이터에 포함된 음성과 소리 데이터에 포함된 음악을 기초로 콘텐츠의 종류를 결정할 수 있다.
프로세서(180)는 소리 데이터에 포함된 음성의 내용을 기초로 콘텐츠의 종류를 결정하는 경우에 있어서, 노이즈가 제거된 소리 데이터를 이용할 수 있다.
즉, 프로세서(180)는 노이즈를 제거하지 않은 소리 데이터를 이용하여 콘텐츠의 종류가 음악인지 여부를 판단하고, 음악이 아니라고 판단된 경우에는 노이즈가 제거된 소리 데이터를 이용하여 음성의 내용을 추출하고, 음성의 내용을 기초로 콘텐츠의 종류를 결정할 수 있다.
프로세서(180)는 소리 데이터에 음악이 포함되어 있는지 여부를 판단하기 위하여 음악 인식 기능을 이용할 수 있다.
프로세서(180)는 콘텐츠의 종류를 결정하기 위하여 TV 또는 라디오 중에서 적어도 하나에 대한 프로그램 정보를 획득하고, 획득한 프로그램 정보를 이용하여 소리 데이터가 TV 프로그램 또는 라디오 프로그램에 대한 소리 데이터인지 여부를 판단하고, 나아가 소리 데이터에 포함된 방송 프로그램이 어떤 것인지 결정하여 콘텐츠의 종류를 결정할 수 있다.
여기서, 프로그램 정보는 EPG(Electronic Program Guide)를 의미할 수 있다.
이때, 프로세서(180)는 TV 또는 라디오로부터 소리 데이터를 수신하는지 여부에 따라 소리 데이터가 TV 또는 라디오에서 출력되었는지 여부를 판단할 수 있다. 그리고, 소리 데이터가 TV 또는 라디오에서 출력된 것으로 판단된 경우에 TV 또는 라디오 중 적어도 하나에 대한 프로그램 정보를 획득할 수 있다.
프로세서(180)는 무선 통신부(110)를 통하여 TV 또는 라디오가 제공하는 프로그램 정보를 수신할 수도 있고, 인터넷에서 TV 또는 라디오의 프로그램에 대한 정보를 획득할 수도 있다.
TV 또는 라디오에서 제공하는 프로그램 정보는 EPG를 의미할 수도 있다.
인터넷에서 획득한 TV 또는 라디오의 프로그램에 대한 정보는 EPG를 의미할 수도 있지만, TV 또는 라디오의 프로그램 종류, 프로그램 시간표 등을 포함하는 정보를 의미할 수도 있다.
소리 데이터에 포함된 음성의 내용은 키워드로 추출될 수 있다.
또한, 소리 데이터에 포함된 음성의 내용은 소리 데이터에 포함된 음성에 대한 의도 정보를 의미할 수 있다.
프로세서(180)는 직접 소리 데이터에 포함된 음성의 내용을 추출할 수 있다.
이때, 프로세서(180)는 학습 장치(200)에서 수신한 STT 엔진 또는 자연어 처리 엔진 중에서 적어도 하나 이상을 이용하여 소리 데이터에 포함된 음성의 내용 또는 음성에 대한 의도 정보를 추출할 수 있다.
프로세서(180)는 학습 장치(200)를 이용하여 소리 데이터에 포함된 음성의 내용 또는 음성에 대한 의도 정보를 획득할 수 있다.
이때, 프로세서(180)는 메모리(170)에 저장된 STT 엔진을 이용하여 소리 데이터를 텍스트로 변환하고, 변환된 텍스트를 학습 장치(200)에 전송하고, 학습 장치(200)가 자연어 처리 엔진을 이용하여 변환된 텍스트로부터 생성한 음성의 내용 또는 음성에 대한 의도 정보를 수신할 수 있다.
이때, 프로세서(180)는 획득한 소리 데이터를 학습 장치(200)에 전송하고, 학습 장치(200)가 STT 엔진 또는 자연어 처리 엔진 중에서 적어도 하나 이상을 이용하여 생성한 음성의 내용 또는 음성에 대한 의도 정보를 수신할 수 있다.
인공 지능 장치(100)의 프로세서(180)는 결정된 콘텐츠의 종류가 서비스 대상인지 여부를 판단한다(S405).
본 발명의 일 실시 예에서는 인공 지능 장치(100)가 소리 데이터를 획득하고, 획득한 소리 데이터에 포함된 콘텐츠에 상응하는 관련 정보를 생성하고 제공하는 서비스를 제공한다. 이에, 프로세서(180)는 소리 데이터에 포함된 콘텐츠의 종류를 판단한 이후, 해당 콘텐츠의 종류가 관련 정보를 제공하는 서비스의 대상인지 여부를 판단할 수 있다.
프로세서(180)는 모든 콘텐츠의 종류에 대하여 서비스 대상이라고 판단할 수도 있고, 화이트리스트(whitelist)를 이용하여 화이트리스트에 나열된 콘텐츠의 종류들만을 서비스 대상이라고 판단할 수도 있으며, 블랙리스트(blacklist)를 이용하여 블랙리스트에 나열되지 않은 콘텐츠의 종류들을 서비스 대상이라고 판단할 수도 있다.
이때, 서비스 대상인 콘텐츠의 종류에는 명령어, 뉴스, 음악 또는 쇼핑 방송 중에서 적어도 하나 이상이 포함될 수 있다.
명령어는 사용자가 인공 지능 장치(100)를 제어하거나 상호 작용하기 위한 발화문을 의미할 수 있다.
뉴스 또는 쇼핑 방송은 TV 또는 라디오의 방송 프로그램이 뉴스 또는 쇼핑 방송인 것을 의미할 수 있다.
음악은 TV 또는 라디오의 방송 프로그램에 포함된 음악이나, 인공 지능 장치(100)으로 입력되는 음악을 의미할 수 있다.
소리 데이터에 포함되는 콘텐츠는 그 종류가 복수개로 결정될 수 있다.
예컨대, 쇼핑 방송이라고 하더라도 배경 음악이 포함되어 있는 경우, 프로세서(180)는 콘텐츠의 종류를 쇼핑 방송과 음악으로 결정할 수 있다.
즉, 콘텐츠의 종류는 콘텐츠를 식별하고 구분하기 위한 태그를 의미할 수 있다.
단계(S405)의 판단 결과, 콘텐츠의 종류가 서비스 대상이 아닌 경우, 프로세서(180)가 다시 소리 데이터를 획득하는 단계(S401)로 돌아간다.
이때, 프로세서(180)는 선택적으로 콘텐츠의 종류가 서비스 대상이 아니라는 정보를 디스플레이부(151)에 출력할 수 있다.
단계(S405)의 판단 결과, 콘텐츠의 종류가 서비스 대상인 경우, 프로세서(180)는 콘텐츠에 상응하는 관련 정보를 생성한다(S407).
이때, 프로세서(180)는 콘텐츠의 종류에 기초하여 관련 정보에 포함될 항목을 결정할 수 있다.
프로세서(180)는 콘텐츠의 종류가 명령어인 경우, 해당 명령어에 상응하는 응답을 관련 정보로써 생성할 수 있다.
예컨대, 명령어가 날씨를 묻는 명령어인 경우에는, 프로세서(180)는 날씨 정보를 관련 정보로써 생성할 수 있다.
예컨대, 명령어가 사용자의 일정을 묻는 명령어인 경우, 프로세서(180)는 사용자의 일정 정보를 관련 정보로써 생성할 수 있다.
프로세서(180)는 콘텐츠의 종류가 뉴스인 경우, 해당 뉴스의 관련 뉴스를 관련 정보로써 생성할 수 있다. 이 경우, 관련 정보에 포함될 항목에는 관련 뉴스가 포함될 수 있다.
프로세서(180)는 콘텐츠의 종류가 쇼핑 방송인 경우, 해당 쇼핑 방송에서 판매하는 제품의 명칭, 스펙 정보, 가격 정보 또는 유사 제품 정보 중에서 적어도 하나 이상을 관련 정보로써 생성할 수 있다. 이 경우, 관련 정보에 포함될 항목에는 제품의 명칭, 스펙 정보, 가격 정보 또는 유사 제품 정보 중에서 적어도 하가 이상이 포함될 수 있다.
프로세서(180)는 콘텐츠의 종류가 음악인 경우, 해당 음악의 제목, 아티스트, 앨범명, 앨범 발매일 또는 가사 중에서 적어도 하나 이상을 관련 정보로써 생성할 수 있다. 이 경우, 관련 정보에 포함될 항목에는 음악의 제목, 아티스트, 앨범명, 앨범 발매일 또는 가사 중에서 적어도 하나 이상이 포함될 수 있다.
이때, 프로세서(180)는 관련 정보에 음악의 가사가 포함된 경우, 획득한 소리 데이터에 포함된 음악의 진행도와 음악의 가사의 진행도를 대응시키고, 대응된 진행도에 상응하는 가사만을 관련 정보에 포함시킬 수 있다.
프로세서(180)는 TV 또는 라디오의 프로그램 정보를 획득하고, 획득한 프로그램 정보를 관련 정보로써 생성할 수 있다.
예컨대, 프로세서(180)가 획득한 소리 데이터로부터 현재 TV의 프로그램 A를 시청중이라고 판단한 경우라면, 프로그램 A에 대한 프로그램 정보 또는 EPG를 관련 정보로써 생성할 수 있다.
프로세서(180)는 콘텐츠의 종류가 복수개인 경우에, 각 콘텐츠에 상응하는 관련 정보를 모두 생성할 수 있다.
예컨대, 소리 데이터가 백그라운드 음악이 포함된 쇼핑 방송에 대한 소리 데이터인 경우, 프로세서(180)는 쇼핑 방송에 대한 EPG, 백그라운드 음악에 대한 정보 또는 쇼핑 방송에서 판매하는 제품에 대한 정보 중에서 적어도 하나 이상을 포함하는 관련 정보를 생성할 수 있다.
프로세서(180)는 생성된 관련 정보를 디스플레이부(151)에 출력한다(S409).
프로세서(180)는 생성된 관련 정보가 디스플레이부(151)에 한 번에 전부 출력되기에는 양이 많은 경우, 복수의 페이지들로 나누어 출력할 수 있다.
프로세서(180)는 생성된 관련 정보가 서로 다른 카테고리로 구분될 수 있는 정보로 구성된 경우, 각 서로 다른 카테고리에 속한 정보를 서로 다른 페이지로 나누어 출력할 수 있다.
예컨대, 현재 재생중인 음악이 소리 데이터로서 입력된 경우, 프로세서(180)는 콘텐츠의 종류를 음악으로 판단하고, 관련 정보로써 음악 제목, 아티스트, 앨범 정보, 가사 등을 생성할 수 있다. 이 경우, 프로세서(180)는 디스플레이부(151)를 통해 1페이지에 음악 제목과 아티스트를 포함하는 음악 정보, 2페이지에 앨범 정보, 그리고 3페이지에 가사를 출력할 수 있다.
각 페이지에 포함될 정보는 사용자의 선택에 따라 다양하게 설정할 수 있다.
상기한 예시에서는 음악 제목과 아티스트를 동일한 페이지에 포함하였으나, 사용자의 선택에 따라 음악 정보 페이지와 아티스트 정보 페이지를 구분하여 구성할 수도 있고, 음악 정보 페이지에 가사가 포함되도록 구성할 수도 있다.
프로세서(180)는 디스플레이부(151)에 관련 정보를 복수의 페이지로 구성하여 출력하는 경우, 각 페이지의 위치를 나타내는 표시를 함께 출력할 수 있다.
예컨대, 관련 정보를 총 3페이지로 출력하는 경우, 프로세서(180)는 각 페이지에 대하여 전체 3페이지 중에서 몇 번째 페이지인지를 표시할 수 있다.
여기서, 각 페이지의 위치를 나타내는 표시는 현재 페이지 번호와 전체 페이지 번호를 나타낼 수도 있으며, 전체 페이지와 현재 페이지 위치를 식별할 수 있는 표식으로 나타낼 수도 있다.
프로세서(180)는 상기 관련 정보를 복수의 페이지로 분할하는 경우, 각 페이지에 대하여 페이지 내용을 지칭하는 타이틀 또는 키워드를 설정할 수 있고, 타이틀 또는 키워드는 디스플레이부(151)에 출력될 수도 있고 출력되지 않을 수도 있다.
페이지 내용을 지칭하는 타이틀 또는 키워드는 페이지 번호를 대신하여 복수의 페이지 중에서 특정 페이지를 특정하는데 이용할 수 있다.
예컨대, 소리 데이터에 포함된 콘텐츠의 종류가 음악이고, 프로세서(180)가 관련 정보로써 그 음악에 대한 아티스트 정보, 가사 정보 및 앨범 정보를 각각 별도의 페이지로 구분한 경우를 가정한다. 이 경우, 프로세서(180)는 아티스트 정보를 포함하는 페이지에 대한 타이틀 또는 키워드는 "아티스트" 또는 "아티스트 정보"이고, 가사 정보를 포함하는 페이지에 대한 타이틀 또는 키워드는 "가사" 또는 "가사 정보"로, 앨범 정보를 포함하는 페이지에 대한 타이틀 또는 키워드는 "앨범" 또는 "앨범 정보"로 설정할 수 있다.
디스플레이부(151)에 복수의 페이지로 관련 정보가 출력되는 경우에, 사용자는 음성으로 발화하여 디스플레이부(151)에 출력되는 페이지를 전환할 수 있다.
이때, 사용자는 디스플레이부(151)에 표시될 페이지 번호를 발화하거나 표시될 페이지의 내용에 대한 타이틀 또는 키워드를 발화할 수 있고, 프로세서(180)는 사용자의 발화문에 포함된 페이지 번호 또는 페이지 내용에 대한 타이틀 또는 키워드를 이용하여 디스플레이의 대상이 되는 페이지를 특정하고, 특정된 페이지를 디스플레이부(151)에 출력할 수 있다.
예컨대, 사용자는 "2페이지" 또는 "2페이지 보여줘"와 같이 발화하여 디스플레이부(151)에 출력되는 관련 정보에 대한 페이지를 2페이지로 전환할 수 있다. 또는 사용자는 "가사 정보" 또는 "가사 정보 보여줘"와 같이 발화하여 디스플레이부(151)에 출력되는 관련 정보에 대한 페이지를 가사 정보를 표시하는 페이지로 전환할 수 있다.
디스플레이부(151)가 입력을 수반할 수 있는 터치 스크린으로 구현된 경우, 프로세서(180)는 터치 스크린에 입력되는 제스쳐에 기초하여 관련 정보를 출력하는 페이지를 전환할 수 있다.
일 실시 예에서, 프로세서(180)가 소리 데이터에 포함된 콘텐츠의 종류를 식별하지 못하거나 콘텐츠의 종류가 서비스 대상이 아니라고 판단한 경우에, 프로세서(180)는 기본값으로 설정된 정보를 디스플레이부(151)에 출력할 수 있다.
예컨대, 프로세서(180)는 소리 데이터에서 특별한 콘텐츠의 종류를 식별하지 못하거나 서비스 대상이 아니라고 판단한 경우라면, 기본값으로 설정된 날씨 정보, 시간 정보 또는 일정 정보 중에서 적어도 하나 이상을 디스플레이부(151)에 출력할 수 있다.
도 3에는 도시되지 않았으나, 프로세서(180)는 TTS(Text to Speech) 엔진을 이용하여 관련 정보 또는 그에 상응하는 안내를 음성으로 변환하고, 음향 출력부(152) 또는 스피커를 통해 변환된 음성을 출력할 수 있다.
예컨대, 프로세서(180)가 사용자의 명령어가 포함된 소리 데이터를 획득하고, 그 명령어에 상응하는 응답을 관련 정보로써 생성한 경우에, 상기 관련 정보를 디스플레이부(151)에 출력하면서 관련 정보 전체 또는 그 일부를 음성으로 변환하여 음향 출력부(152) 또는 스피커를 통해 출력할 수 있다.
또는, 프로세서(180)는 생성한 관련 정보를 디스플레이부(151)에 출력하면서, 음향 출력부(152) 또는 스피커를 통해 관련 정보를 제공한다는 취지의 안내만을 출력할 수도 있다.
도 4에 도시된 화상 정보를 제공하는 방법은 한 시점에서의 소리 데이터를 획득하여 관련 정보를 출력하기까지의 과정을 나타낸 것으로, 도 4에 도시된 화상 정보를 제공하는 방법을 연속적으로 또는 반복적으로 수행함으로써 실시간으로 입력되는 소리 데이터에 대한 화상 정보를 제공할 수 있다.
도 5는 도 4에 도시된 소리 데이터에 포함된 콘텐츠의 종류를 결정하는 단계(S403)의 일 예를 나타낸 동작 흐름도이다.
도 5를 참조하면, 프로세서(180)는 획득한 소리 데이터를 2개로 복제한다(S501).
여기서, 각 복제된 소리 데이터를 제1 소리 데이터 및 제2 소리 데이터라 칭할 수 있다.
제1 소리 데이터는 노이즈를 제거하여 소리 데이터에 포함된 음성을 인식하는데 이용될 수 있다.
제2 소리 데이터는 노이즈를 제거하지 않고 소리 데이터에 포함된 음악을 인식하는데 이용될 수 있다. 이는, 노이즈를 제거하면 음성을 제외한 주파수 대역의 소리가 노이즈로 판단되어 제거되므로, 음악이 왜곡될 수 있기 때문이다.
프로세서(180)는 제1 소리 데이터에 대하여 노이즈를 제거한다(S503).
상술한 바와 같이, 제1 소리 데이터는 복제된 2개의 소리 데이터 중에서 노이즈를 제거할 소리 데이터를 의미할 수 있다.
프로세서(180)는 노이즈 제거 엔진 또는 노이즈 제거 필터를 이용하여 제1 소리 데이터에 대하여 노이즈를 제거할 수 있다.
노이즈 제거 엔진 또는 노이즈 제거 필터는 인공 신경망으로 구현되어 학습 장치(200)에서 학습된 것일 수 있다.
프로세서(180)는 학습 장치(200)로부터 노이즈 제거 엔진을 수신하고, 수신한 노이즈 제거 엔진을 이용하여 제1 소리 데이터에 대하여 노이즈를 제거할 수 있다.
프로세서(180)는 학습 장치(200)에 제1 소리 데이터를 전송하고, 학습 장치(200)로부터 노이즈가 제거된 제1 소리 데이터를 수신할 수 있다. 여기서, 학습 장치(200)는 수신한 제1 소리 데이터에 대하여 학습된 노이즈 제거 엔진을 이용하여 노이즈를 제거하고, 노이즈가 제거된 제1 소리 데이터를 인공 지능 장치(100)로 전송할 수 있다.
프로세서(180)는 노이즈가 제거된 제1 소리 데이터에 기동어가 포함되어 있는지 여부를 판단한다(S505).
기동어는 인공 지능 장치(100)에서 사용자의 음성을 통한 상호작용을 시작하기 위한 미리 설정된 문구를 의미할 수 있다.
예컨대, 기동어는 "Hi, LG"일 수 있다.
만약, 소리 데이터에 사용자가 인공 지능 장치(100)와 음성으로 상호작용하기 위한 기동어가 포함되어있다면, 노이즈가 제거된 제1 소리 데이터에도 기동어가 포함되어있다.
단계(S505)의 판단 결과, 노이즈가 제거된 제1 소리 데이터에 기동어가 포함된 경우, 프로세서(180)는 콘텐츠의 종류를 명령어로 결정한다(S507).
즉, 프로세서(180)는 콘텐츠의 종류를 결정함에 있어서 소리 데이터에 사용자의 명령어가 포함되어있는지 여부를 우선적으로 판단할 수 있다.
단계(S505)의 판단 결과, 노이즈가 제거된 제1 소리 데이터에 기동어가 포함되지 않은 경우, 프로세서(180)는 노이즈가 제거된 제1 소리 데이터에 포함된 음성을 기초로 콘텐츠의 종류를 결정한다(S509).
이미 노이즈가 제거된 제1 소리 데이터에 기동어가 포함되지 않은 것으로 판단하였으므로, 본 단계(S509)에서 결정되는 콘텐츠의 종류에는 명령어가 제외된다.
상술한 바와 같이, 프로세서(180)는 노이즈가 제거된 제1 소리 데이터에 포함된 음성을 기초로 콘텐츠의 종류가 뉴스인지, 쇼핑 방송인지 등을 결정할 수 있다.
다만, 소리 데이터에 음악만이 포함된 경우 등에서 프로세서(180)는 음성을 기초로 콘텐츠의 종류를 결정하는데 실패할 수 있다. 이 경우, 프로세서(180)는 적합한 콘텐츠의 종류를 결정하지 못한 경우, 콘텐츠의 종류를 결정하지 않고 다음 단계로 진행할 수 있다.
그리고, 프로세서(180)는 노이즈가 제거되지 않은 제2 소리 데이터에 음악이 포함되어있는지 여부를 판단하여 콘텐츠의 종류를 결정할 수 있다(S511).
상술한 바와 같이, 제2 소리 데이터는 복제된 2개의 소리 데이터 중에서 노이즈를 제거하지 않을 소리 데이터를 의미할 수 있다.
프로세서(180)는 상기 단계(S509)에서 콘텐츠의 종류를 결정한 경우라고 하더라도 본 단계(S511)에서 제2 소리 데이터에 음악이 포함된 것으로 판단한 경우라면, 이미 결정된 콘텐츠의 종류에 음악을 추가할 수 있다.
즉, 콘텐츠의 종류는 복수개로 결정될 수 있다.
도 4에서는 프로세서(180)가 소리 데이터를 복제하여 콘텐츠의 종류를 결정하는 방법을 개시하고 있으나, 이는 하나의 예시에 불과하다.
도 6은 본 발명의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸 도면이다.
도 6을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 시스템(1)은 본 발명의 일 실시 예에 따른 인공 지능 장치(100), 학습 장치(200) 및 TV(600)를 포함할 수 있다.
인공 지능 장치(100) 음향 출력 장치로써 기능하는 사운드 바의 형태로 구현될 수 있으며, 디스플레이부(151)를 포함한다.
이때, 인공 지능 장치(100)는 TV(600)에서 출력되는 소리를 보다 잘 획득하기 위하여 TV(600)와 일정 거리 이하로 인접하게 설치될 수 있으나, 본 발명이 이에 한정되는 것은 아니다.
인공 지능 장치(100)는 TV(600)에서 출력되는 소리를 마이크로폰(122)을 통해 직접 소리 데이터로 획득할 수도 있고, 무선 통신부(110)를 통해 TV(600) 또는 외부 장치(미도시)로부터 TV(600)에서 출력될 소리 신호에 상응하는 소리 데이터를 수신할 수도 있다.
만약, 인공 지능 장치(100)가 TV(600)를 대신하여 소리를 출력하는 장치로써 동작하는 경우, 인공 지능 장치(100)가 TV(600)로부터 TV(600)에서 출력된 소리 신호에 상응하는 소리 데이터를 수신하는 경우라고 볼 수 있다.
만약, 인공 지능 장치(100)가 TV(600)를 대신하여 소리를 출력하는 장치로서 동작하지 않는 경우, 인공 지능 장치(100)는 TV(600)에서 출력되는 소리를 마이크로폰(122)를 통해 소리 데이터로 획득하거나 TV(600) 또는 외부 장치(미도시)로부터 TV(600)에서 출력될 소리 신호에 상응하는 소리 데이터를 수신할 수 있다.
학습 장치(200)는 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 STT 엔진, 자연어 처리 엔진 및 노이즈 제거 엔진 등을 학습시킬 수 있다.
도 7 내지 9는 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
구체적으로, 도 7 내지 9는 TV에서 "Drama AA"라는 드라마를 재생하고 있고, 현재 재생 시점에 드라마에 백그라운드 음악이 포함된 경우를 가정한다. 여기서, 백그라운드 음악은 아티스트가 "Artist AA"이고, 제목이 "Song AA"이다.
도 7을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 장치(100)는 TV에서 재생중인 드라마 및 드라마에 포함된 음악에 대한 정보 등을 제공할 수 있다.
프로세서(180)는 TV에서 재생되고 있는 드라마에 대한 소리 데이터를 획득하고, 소리 데이터를 분석하여 콘텐츠의 종류가 드라마, 음악이라고 판단할 수 있다.
프로세서(180)는 소리 데이터에 포함된 콘텐츠에 상응하는 관련 정보로써 재생중인 드라마의 제목, 음악에 대한 제목, 아티스트, 앨범 정보, 가사 정보 등을 포함시킬 수 있고, 생성한 정보를 디스플레이부(151)를 통해 출력할 수 있다.
여기서, 프로세서(180)는 도 7의 (a), (b) 및 (c)에 도시된 것과 같이 시계열적으로 관련 정보를 출력할 수 있다.
예컨대, 프로세서(180)는 디스플레이부(151)에 "보고 계시는 방송은 드라마 Drama AA입니다. 현재 재생되는 음악입니다. Song AA - Artist AA / Drama AA OST"를 출력하고(도 7의 (a)), "Song AA의 가사를 출력합니다. We all lie. But sometimes it is a white lie."를 출력하고(도 7의 (b)), "I know you are protecting me, but a white lie is still a lie."을 출력할 수 있다(도 7의 (c)).
프로세서(180)는 음악의 가사를 출력할 때, 가사의 진행도를 현재 재생되고 있는 음악의 진행도에 대응시키고, 대응된 진행도에 맞추어 가사를 출력할 수 있다.
도 8 및 9를 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 장치(100)는 사용자(700)의 명령어를 인식하여 그에 상응하는 동작을 수행하거나 응답을 관련 정보로써 제공할 수 있다.
예컨대, 사용자(700)가 "하이 엘지, Drama AA의 OST 목록 알려줘."라고 발화한 경우(도 8의 (a)), 프로세서(180)는 획득한 소리 데이터에 포함된 상기 발화문으로부터 드라마 "Drama AA"의 OST 목록을 요청하는 명령어라는 것을 파악할 수 있고, 그에 대한 응답으로 "Drama AA"의 OST 목록을 관련 정보로 생성하고, 생성된 OST 목록을 제공할 수 있다(도 8의 (b) 및 (c)). 여기서, "하이 엘지"는 인공 지능 장치(100)의 기동어의 일 예이다.
또는, 예컨대, 사용자(700)가 "하이 엘지, 다음에 청소할 때 듣고 싶으니까 저장해."라고 발화한 경우(도 9의 (a)), 프로세서(180)는 획득한 소리 데이터에 포함된 상기 발화문으로부터 현재 재생중인 음악 "Song AA - Artist AA"을 "청소할 때 듣는 음악 목록"에 저장하는 명령어라는 것을 파악할 수 있고, 그에 따라 "Song AA - Artist AA"을 "청소할 때 듣는 음악 목록"에 추가하고 동작 결과를 관련 정보로써 제공할 수 있다(도 9의 (b)). 여기서, "하이 엘지"는 인공 지능 장치(100)의 기동어의 일 예이다.
도 10 및 11은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
구체적으로, 도 10 및 11은 TV에서 XX 홈쇼핑 방송을 재생하고 있고, 홈쇼핑 판매 제품은 LG전자쪠의 스마트폰 G7쪠인 경우를 가정한다.
도 10을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 장치(100)는 TV에서 재생중인 쇼핑 방송에 대한 정보 및 쇼핑 방송에서 판매하는 제품의 가격 정보 등을 제공할 수 있다.
프로세서(180)는 TV에서 재생되고 있는 쇼핑 방송에 대한 소리 데이터를 획득하고, 소리 데이터를 분석하여 콘텐츠의 종류가 쇼핑 방송이라고 판단할 수 있다.
프로세서(180)는 소리 데이터에 포함된 콘텐츠에 상응하는 관련 정보로써 재생중인 쇼핑 방송의 정보, 판매되는 제품에 대한 명칭, 상세 정보, 가격 정보, 관련 제품 정보 등을 포함시킬 수 있고, 생성한 정보를 디스플레이부(151)를 통해 출력할 수 있다.
여기서, 프로세서(180)는 도 10의 (a), (b) 및 (c)에 도시된 것과 같이 시계열적으로 관련 정보를 출력할 수 있다.
예컨대, 프로세서(180)는 디스플레이부(151)에 "보고 계시는 방송의 정보입니다. XX 홈쇼핑. LG전자 스마트폰 G7 특가 방송."를 출력하고(도 10의 (a)), "온라인 쇼핑몰 가격 정보입니다."를 출력하고(도 10의 (b)), 판매되는 제품을 식별하는 이미지와 함께 "(1) LG G7 64GB - $599.99 (AA mall). (2) LG G7 64GB - $569.99 (BB mall)."을 출력할 수 있다(도 10의 (c)).
프로세서(180)는 판매 대상 제품의 가격을 적어도 하나 이상의 온라인 쇼핑몰에서 검색하여 제공할 수 있다.
만약, 프로세서(180)는 사용자가 선호하는 온라인 쇼핑몰이 있는 것으로 판단되면, 사용자가 선호하는 온라인 쇼핑몰에서 검색한 가격 정보를 포함시켜 제공할 수 있다.
프로세서(180)는 사용자의 온라인 쇼핑몰 계정 정보나 구매 이력 등을 기초로 선호하는 온라인 쇼핑몰을 판단할 수 있다.
예컨대, 프로세서(180)는 사용자의 계정 정보가 존재하는 온라인 쇼핑몰을 선호하는 온라인 쇼핑몰로 판단할 수도 있고, 최근 구매 이력이 있는 온라인 쇼핑몰을 선호하는 온라인 쇼핑몰로 판단할 수도 있다.
도 11을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 장치(100)는 사용자(700)의 명령어를 인식하여 그에 상응하는 동작을 수행하거나 응답을 관련 정보로써 제공할 수 있다.
예컨대, 프로세서(180)가 디스플레이부(151)에 "보고 계시는 방송의 정보입니다. XX 홈쇼핑. LG전자 스마트폰 G7 특가 방송."를 출력하고(도 11의 (a)), 사용자(700)가 "하이 엘지, G7 스펙 알려줘."라고 발화한 경우(도 11의 (b)), 프로세서(180)는 획득한 소리 데이터에 포함된 상기 발화문으로부터 LG전자쪠의 스마트폰 G7쪠의 스펙을 제공하라는 명령어라는 것을 파악할 수 있고, 그에 대한 응답으로 스마트폰 G7쪠에 대한 스펙 정보를 획득하여 관련 정보로 생성하고, 생성된 관련 정보를 제공할 수 있다(도 11의 (c) 및 (d)). 여기서, "하이 엘지"는 인공 지능 장치(100)의 기동어의 일 예이다.
도 12는 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
구체적으로, 도 12는 TV에서 뉴스를 재생하고 있는 경우를 가정한다.
도 12를 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 장치(100)는 TV에서 재생중인 뉴스의 프로그램 정보, 현재 기사 정보, 관련 기사 정보 등을 제공할 수 있다. 그리고, 사용자(700)의 명령어를 인식하여 명령어에 상응하는 응답을 관련 정보로써 제공할 수 있다.
프로세서(180)는 TV에서 재생되고 있는 뉴스에 대한 소리 데이터를 획득하고, 소리 데이터를 분석하여 콘텐츠의 종류가 뉴스이라고 판단할 수 있다.
프로세서(180)는 소리 데이터에 포함된 콘텐츠에 상응하는 관련 정보로써 재생중인 뉴스의 프로그램 정보, 현재 기사 정보, 관련 기사 정보 등을 포함시킬 수 있고, 생성한 정보를 디스플레이부(151)를 통해 출력할 수 있다.
예컨대, 프로세서(180)가 디스플레이부(151)에 "보고 계시는 방송은 YY 뉴스입니다. 현재 기사의 관련 기사가 6건 검색됩니다."를 출력하고(도 12의 (a)), 사용자(700)가 "하이 엘지, 이 기사 관련 기사랑 함께 John에게 공유해."라고 발화한 경우(도 12의 (b)), 프로세서(180)는 획득한 소리 데이터에 포함된 상기 발화문으로부터 현재 기사의 내용과 검색된 6건의 관련 기사를 포함하는 관련 기사 모음을 John이라는 사람에게 공유하라는 명령어라는 것을 파악할 수 있고, 그에 대한 응답으로 상기 관련 기사 모음을 John에게 공유하고 그 결과를 출력할 수 있다(도 12의 (c)). 여기서, "하이 엘지"는 인공 지능 장치(100)의 기동어의 일 예이다.
도 13은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
도 13을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 장치(100)는 사용자(700)의 명령에 의해서 또는 대기 상태일 때 시간 정보 또는 날씨 정보 등을 관련 정보로써 제공할 수 있다.
즉, 프로세서(180)는 소리 데이터가 입력되지 않거나, 소리 데이터가 입력되더라도 콘텐츠가 포함되지 않았다고 판단한 경우거나, 콘텐츠의 종류가 서비스 대상이 아닌 것으로 판단된 경우에는 시간 정보(1301)나 날씨 정보(1302) 등을 관련 정보로써 제공할 수 있다. 이러한 대기 상태일 때 관련 정보로 제공할 정보의 내용은 사용자의 설정에 의하여 변경될 수 있다.
그리고, 프로세서(180)는 사용자(700)의 요청이 있을 경우에도 시간 정보나 날씨 정보 등을 관련 정보로써 제공할 수 있다.
도 14 및 15는 본 발명의 일 실시 예에 따른 인공 지능 장치(100)가 화상 정보를 제공하는 예시를 나타낸 도면이다.
도 14 및 15를 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 장치(100)는 소리 데이터에 포함된 음악에 상응하는 관련 정보를 디스플레이부(151)에 출력하고, 관련 정보에는 기본 정보, 아티스트 정보, 앨범 정보, 가사 정보 등이 포함될 수 있다.
프로세서(180)는 관련 정보를 각 복수의 카테고리로 구분하고, 각 카테고리별로 구분된 페이지에 출력할 수 있다.
각 페이지는 카테고리의 내용에 상응하는 타이틀이나 태그를 통하여 식별될 수 있다.
프로세서(180)는 각 페이지를 구분하기 위하여 현재 페이지를 나타내는 표식(1402 내지 1405)이나 현재 페이지에 상응하는 타이틀이나 태그(1401 및 1406)를 출력할 수 있다.
예컨대, 프로세서(180)가 현재 "Drama AA OST"앨범에 수록된 "Artist AA"이라는 아티스트의 "Song AA"라는 노래에 상응하는 소리 데이터를 획득한 경우, 기본 정보 카테고리에 상응하는 관련 정보로써 제목, 아티스트 및 앨범을 나타내는 "Song AA - Artist AA / Drama AA OST"를 생성하고, 기본 정보 카테고리임을 나타내는 타이틀이나 태그(1401)와 함께 기본 정보 카테고리에 상응하는 관련 정보를 출력할 수 있다(도 14의 (a) 및 도 15의 (a)).
이때, 프로세서(180)는 기본 정보 카테고리에 상응하는 관련 정보를 하나의 페이지로 출력하며, 기본 정보 카테고리임을 알리기 위한 타이틀 또는 태그(1401 또는 1406)를 함께 출력할 수 있다. 마찬가지로, 총 4개의 페이지 중에서 첫 번째 페이지임을 나타내는 표식(1402 내지 1405)을 함께 출력할 수 있다. 예컨대, 첫 번째 페이지(1402)는 기본 정보 카테고리에 대응되고, 두 번째 페이지(1403)는 아티스트 정보 카테고리에 대응되고, 세 번째 페이지(1404)는 앨범 정보 카테고리에 대응되고, 네 번째 페이지(1405) 가사 정보 카테고리에 대응될 수 있다.
도 14에 도시된 것과 같이, 사용자(700)가 "하이 엘지, 앨범 정보 알려줘."와 같이 앨범 정보를 요청하는 명령어를 발화한 경우(도 14의 (b)), 프로세서(180)는 출력하고 있던 첫 번째 페이지(1402)에서 아티스트 정보 카테고리에 상응하는 관련 정보를 포함하는 세 번째 페이지(1405)로 페이지를 전환하고, 세 번째 페이지할 수 있다(도 14의 (c)).
도 15에 도시된 것과 같이, 사용자(700)가 "하이 엘지, 세 번째 페이지 보여줘."와 같이 앨범 정보를 요청하는 명령어를 발화한 경우(도 15의 (b)), 프로세서(180)는 출력하고 있던 첫 번째 페이지(1402)에서 아티스트 정보 카테고리에 상응하는 관련 정보를 포함하는 세 번째 페이지(1405)로 페이지를 전환할 수 있다(도 15의 (c)).
특히, 프로세서(180)는 사용자의 설정에 따라 또는 사용자의 사용 기록에 비추어 선호하는 관련 정보 카테고리를 파악할 수 있고, 선호하는 관련 정보 카테고리에 상응하는 페이지를 우선적으로 출력할 수 있다.
예컨대, 상기 예시에서 사용자(700)은 음악에 대한 관련 정보를 제공할 때 앨범 정보를 확인하는 빈도가 가장 많았다면, 프로세서(180)는 음악에 대한 관련 정보에서는 앨범 정보 카테고리를 선호하는 관련 정보 카테고리로 결정하고, 추후에 사용자(700)에 대하여 음악에 대한 관련 정보를 제공할 때에는 앨범 정보 카테고리를 포함하는 페이지를 우선적으로 출력할 수 있다.
여기서, 사용자(700)가 선호하는 관련 정보 카테고리를 명시적으로 설정할 수도 있다.
프로세서(180)는 요청 빈도가 가장 큰 관련 정보 카테고리를 선호하는 관련 정보 카테고리로 결정할 수도 있고, 가장 최근에 요청하였던 관련 정보 카테고리를 선호하는 관련 정보 카테고리로 결정할 수도 있다.
나아가, 프로세서(180)는 요청 빈도뿐만 아니라 요청 시점을 고려하여 최근에 요청한 관련 정보 카테고리일수록 높은 가중치를 부여하여 관련 정보 카테고리를 결정할 수 있다.
예컨대, 음악에 대한 관련 정보를 제공함에 있어서, 사용자(700)가 전체적으로는 앨범 정보 카테고리를 가장 많이 요청했지만, 최근에는 앨범 정보 카테고리에 비하여 가사 정보 카테고리를 많이 요청하는 것으로 파악된다면, 앨범 정보 카테고리는 가중치가 낮게 부여될 수 있고, 이에 따라 프로세서(180)는 선호하는 관련 정보 카테고리를 가사 정보 카테고리로 결정할 수 있다.
이와 같이, 본 발명의 다양한 실시 예에 따른 인공 지능 장치(100)는 소리 데이터를 획득하고 그에 상응하는 관련 정보를 생성하여 화상 정보로써 출력함으로써, 사용자는 더욱 소리만으로 획득할 수 있는 정보를 넘어서 더욱 다양한 정보를 획득할 수 있다. 인공 지능 장치(100)는 TV나 라디오와 같은 미디어 재생 장치에서 출력되는 소리를 인식하여 그에 관련된 정보를 화상 정보로써 출력할 수 있다.
예컨대, 인공 지능 장치(100)는 TV나 라디오에서 출력되는 음악을 인식하고, 해당 음악에 관련된 정보를 출력할 수 있다. 특히, 음악에 대한 가사를 출력할 수 있으며, 가사는 음악의 진행도에 맞추어 출력할 수 있다.
또한, 인공 지능 장치(100)는 TV나 라디오에서 출력되는 음성을 인식하여 관련된 추가 정보를 제공할 수 있다.
예컨대, 인공 지능 장치(100)는 홈쇼핑 방송의 음성을 인식하고, 인식된 음성을 기초로 판매 대상 제품을 식별하고, 식별된 판매 대상 제품에 대한 정보, 관련 제품 정보 등을 출력할 수 있다.
마찬가지로, 인공 지능 장치(100)는 뉴스의 음성을 인식하고, 인식된 음성을 기초로 뉴스 내용을 식별하고, 식별된 뉴스 내용에 기초하여 관련 뉴스 정보를 획득하여 출력할 수 있다.
또한, 인공 지능 장치(100)는 인공 지능 플랫폼의 허브로써 기능하여 인공 지능 스피커로 활용될 수 있다.
현재 시장에 출시된 인공 지능 스피커 또는 인공 지능 허브들은 음성 서비스 위주이며, 설치가 필요하여 공간 및 심미적인 요소에 많은 영향을 받는다. 하지만 본 발명의 다양한 실시 예에 따른 인공 지능 장치(100)는 디스플레이를 구비한 사운드 바로 구현이 가능하므로, 벽이나 TV 밑에 설치하여 인테리어를 해치지 않게 배치할 수 있는 장점이 있다.
또한, 본 발명의 다양한 실시 예에 따른 인공 지능 장치(100)는 디스플레이를 통해 다양한 화상 정보를 제공할 수 있으므로, 기존의 음성 정보만을 제공하는 인공 지능 허브에 비하여 넓은 범위의 정보를 제공하며 사용자 편의성을 증대시킬 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.

Claims (14)

  1. 화상 정보를 제공하는 인공 지능 장치에 있어서,
    디스플레이부; 및
    소리 데이터를 획득하고,
    획득한 소리 데이터에 포함된 콘텐츠의 종류를 결정하고,
    상기 콘텐츠와 상기 콘텐츠의 종류에 기초하여 상기 콘텐츠에 상응하는 관련 정보를 생성하고,
    상기 생성된 관련 정보를 상기 디스플레이부에 출력하는 프로세서
    를 포함하는, 인공 지능 장치.
  2. 청구항 1에 있어서,
    상기 프로세서는
    상기 콘텐츠의 종류에 기초하여 상기 관련 정보에 포함될 적어도 하나 이상의 항목을 결정하고, 상기 결정된 적어도 하나 이상의 항목에 기초하여 상기 관련 정보를 생성하는, 인공 지능 장치.
  3. 청구항 2에 있어서,
    상기 프로세서는
    상기 소리 데이터가 TV 또는 라디오에서 출력되었는지 여부를 판단하고, 상기 소리 데이터가 TV 또는 라디오에서 출력된 소리로 판단되는 경우에는 상기 TV 또는 상기 라디오의 프로그램 정보를 획득하고, 상기 획득한 프로그램 정보를 이용하여 상기 관련 정보를 생성하는, 인공 지능 장치.
  4. 청구항 3에 있어서,
    상기 프로세서는
    상기 TV 또는 상기 라디오의 EPG(Electronic Program Guide)를 획득하고, 상기 EPG를 이용하여 상기 관련 정보를 생성하는, 인공 지능 장치.
  5. 청구항 2에 있어서,
    상기 프로세서는
    상기 관련 정보에 포함되는 정보를 적어도 하나 이상의 카테고리로 구분하고, 상기 각 카테고리별로 서로 구분되는 페이지에 출력하고,
    상기 페이지에는
    전체 페이지 대비 현재 페이지의 위치를 가리키는 표시 또는 현재 페이지에 상응하는 상기 카테고리를 식별하기 위한 타이틀 또는 태그 정보가 포함되는, 인공 지능 장치.
  6. 청구항 5에 있어서,
    상기 프로세서는
    상기 적어도 하나 이상의 카테고리 중에서 사용자 선호의 카테고리를 결정하고, 상기 관련 정보를 출력할 때 상기 사용자 선호의 카테고리에 상응하는 페이지를 우선적으로 출력하고,
    상기 사용자 선호의 카테고리는
    상기 각 카테고리별로 사용자가 출력을 요청한 빈도가 높을수록 높은 선호도를 부여하고, 상기 출력을 요청한 시점이 오래될수록 선호도의 가중치를 낮게 부여하였을 때, 가장 선호도가 높은 카테고리인, 인공 지능 장치.
  7. 청구항 2에 있어서,
    상기 프로세서는
    상기 콘텐츠의 종류가 음악인 경우, 상기 음악의 제목, 아티스트, 앨범명, 앨범 발매일 또는 가사 중에서 적어도 하나 이상을 포함하여 상기 항목을 결정하고, 상기 결정된 항목을 포함하는 상기 관련 정보를 생성하는, 인공 지능 장치.
  8. 청구항 3에 있어서,
    상기 프로세서는
    상기 관련 정보에 상기 음악의 가사가 포함된 경우, 상기 획득한 소리 데이터에 포함된 상기 음악의 진행도와 상기 음악의 가사의 진행도를 대응시키고, 상기 대응된 진행도에 맞추어 상기 음악의 가사를 상기 디스플레이부에 출력하는, 인공 지능 장치.
  9. 청구항 2에 있어서,
    상기 프로세서는
    상기 콘텐츠의 종류가 쇼핑 방송인 경우, 상기 쇼핑 방송에서 판매하는 제품의 명칭, 스펙 정보, 가격 정보 또는 유사 제품 정보 중에서 적어도 하나 이상을 포함하여 상기 항목을 결정하고, 상기 결정된 항목을 포함하는 상기 관련 정보를 생성하는, 인공 지능 장치.
  10. 청구항 2에 있어서,
    상기 프로세서는
    상기 콘텐츠의 종류가 뉴스인 경우, 상기 뉴스의 관련 기사를 포함하여 상기 항목을 결정하고, 상기 결정된 항목을 포함하는 상기 관련 정보를 생성하는, 인공 지능 장치.
  11. 청구항 1에 있어서,
    상기 프로세서는
    STT(Speech to Text) 엔진을 이용하여 상기 소리 데이터를 텍스트로 변환하고, 자연어 처리 엔진을 이용하여 상기 변환된 텍스트에서 상기 콘텐츠의 종류를 결정하고,
    상기 STT 엔진 또는 상기 자연어 처리 엔진 중에서 적어도 하나는
    머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습되는, 인공 지능 장치.
  12. 청구항 11에 있어서,
    상기 프로세서는
    상기 소리 데이터에 사용자의 명령어가 포함된 경우, 상기 콘텐츠의 종류를 명령어로 결정하고, 상기 자연어 처리 엔진을 이용하여 상기 소리 데이터에 상응하는 의도 정보를 획득하고, 상기 의도 정보에 따른 응답을 상기 관련 정보로 생성하는, 인공 지능 장치.
  13. 화상 정보를 제공하는 방법에 있어서,
    소리 데이터를 획득하는 단계;
    획득한 소리 데이터에 포함된 콘텐츠의 종류를 결정하는 단계;
    상기 콘텐츠와 상기 콘텐츠의 종류에 기초하여 상기 콘텐츠에 상응하는 관련 정보를 생성하는 단계; 및
    상기 생성된 관련 정보를 디스플레이부에 출력하는 단계
    를 포함하는, 방법.
  14. 화상 정보를 제공하는 방법을 수행하기 위한 프로그램이 기록된 기록 매체에 있어서,
    상기 방법은
    소리 데이터를 획득하는 단계;
    획득한 소리 데이터에 포함된 콘텐츠의 종류를 결정하는 단계;
    상기 콘텐츠와 상기 콘텐츠의 종류에 기초하여 상기 콘텐츠에 상응하는 관련 정보를 생성하는 단계; 및
    상기 생성된 관련 정보를 디스플레이부에 출력하는 단계
    를 포함하는, 기록 매체.
PCT/KR2019/005273 2019-05-02 2019-05-02 화상 정보를 제공하는 인공 지능 장치 및 그 방법 WO2020222338A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020197020889A KR102221963B1 (ko) 2019-05-02 2019-05-02 화상 정보를 제공하는 인공 지능 장치 및 그 방법
US16/487,651 US20210337274A1 (en) 2019-05-02 2019-05-02 Artificial intelligence apparatus and method for providing visual information
PCT/KR2019/005273 WO2020222338A1 (ko) 2019-05-02 2019-05-02 화상 정보를 제공하는 인공 지능 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2019/005273 WO2020222338A1 (ko) 2019-05-02 2019-05-02 화상 정보를 제공하는 인공 지능 장치 및 그 방법

Publications (1)

Publication Number Publication Date
WO2020222338A1 true WO2020222338A1 (ko) 2020-11-05

Family

ID=73029710

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/005273 WO2020222338A1 (ko) 2019-05-02 2019-05-02 화상 정보를 제공하는 인공 지능 장치 및 그 방법

Country Status (3)

Country Link
US (1) US20210337274A1 (ko)
KR (1) KR102221963B1 (ko)
WO (1) WO2020222338A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113889146A (zh) * 2021-09-22 2022-01-04 北京小米移动软件有限公司 音频识别方法、装置、电子设备和存储介质
KR102598242B1 (ko) * 2021-11-16 2023-11-03 재단법인대구경북과학기술원 전자 장치 및 이의 제어 방법
KR102610810B1 (ko) * 2021-11-30 2023-12-13 주식회사 포엔 사용자의 생각을 디코딩하는 인공지능 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150064870A (ko) * 2013-12-04 2015-06-12 한국과학기술원 노래 가사 자동 디스플레이 방법, 노래 가사를 인식하는 서버 및 이 서버를 포함하는 노래 가사 자동 디스플레이 시스템
KR20170139633A (ko) * 2015-04-24 2017-12-19 이베이 인크. 상품 특징을 도시하는 발견 페이지 생성 기법
KR101957169B1 (ko) * 2017-05-29 2019-03-12 엘지전자 주식회사 음성 서버의 동작 방법

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4380582B2 (ja) * 2005-04-22 2009-12-09 ソニー株式会社 記録再生装置、これらの装置の処理方法およびその方法をコンピュータに実行させるプログラム
KR101161376B1 (ko) * 2006-11-07 2012-07-02 엘지전자 주식회사 방송관련정보를 확대하여 표시할 수 있는 방송수신 단말기및 그 제어방법
US8776119B2 (en) * 2007-05-04 2014-07-08 Cox Communications, Inc. Displaying an information ticker in association with a personalized video mosaic in a television services network
US9026942B2 (en) * 2011-02-25 2015-05-05 Cbs Interactive Inc. Song lyric processing with user interaction
KR101248844B1 (ko) * 2011-07-25 2013-04-01 주식회사 아이플래테아코리아 방송콘텐츠의 부가정보 제공 방법 및 그 시스템
KR20140045205A (ko) * 2012-10-08 2014-04-16 (주)코튼인터렉티브 시청 프로그램 정보 수집 방법 및 시스템
KR102158315B1 (ko) * 2013-10-14 2020-09-21 삼성전자주식회사 음성 제어를 수행하는 디스플레이 장치 및 그 음성 제어 방법
US10157401B1 (en) * 2015-06-17 2018-12-18 Google Llc Engaged view rate analysis
US10331312B2 (en) * 2015-09-08 2019-06-25 Apple Inc. Intelligent automated assistant in a media environment
KR101889279B1 (ko) * 2017-01-16 2018-08-21 주식회사 케이티 음성 명령에 기반하여 서비스를 제공하는 시스템 및 방법
KR20180084394A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 발화 완료 감지 방법 및 이를 구현한 전자 장치
KR102484257B1 (ko) * 2017-02-22 2023-01-04 삼성전자주식회사 전자 장치, 그의 문서 표시 방법 및 비일시적 컴퓨터 판독가능 기록매체
US11551671B2 (en) * 2019-05-16 2023-01-10 Samsung Electronics Co., Ltd. Electronic device and method of controlling thereof

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150064870A (ko) * 2013-12-04 2015-06-12 한국과학기술원 노래 가사 자동 디스플레이 방법, 노래 가사를 인식하는 서버 및 이 서버를 포함하는 노래 가사 자동 디스플레이 시스템
KR20170139633A (ko) * 2015-04-24 2017-12-19 이베이 인크. 상품 특징을 도시하는 발견 페이지 생성 기법
KR101957169B1 (ko) * 2017-05-29 2019-03-12 엘지전자 주식회사 음성 서버의 동작 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Pure City Man [SOTY] How to Identify TV Program-Multimedia Fingerprint", ONLINE BLOG PURE CITY MAN'S KEEPING UP WITH TV, 27 July 2012 (2012-07-27), Retrieved from the Internet <URL:http://blog.daum.net/_blog/BlogTypeView.do?blogid=0OvWt&articleno-87> [retrieved on 20200112] *
LEE, SUNHEE: "AI Speaker just for Listening? Now Al Speaker for Watching !", MK (MAEIL BUSINESS NEWSPAPER MBN, 30 April 2019 (2019-04-30), Retrieved from the Internet <URL:https://www.mk.co.kr/news/business/view/2019/04/274590> [retrieved on 20200112] *

Also Published As

Publication number Publication date
KR20200127836A (ko) 2020-11-11
KR102221963B1 (ko) 2021-03-04
US20210337274A1 (en) 2021-10-28

Similar Documents

Publication Publication Date Title
WO2020235696A1 (ko) 스타일을 고려하여 텍스트와 음성을 상호 변환하는 인공 지능 장치 및 그 방법
WO2020246634A1 (ko) 다른 기기의 동작을 제어할 수 있는 인공 지능 기기 및 그의 동작 방법
WO2020235712A1 (ko) 콘텐츠 기반의 스타일을 갖는 텍스트 또는 음성을 생성하는 인공 지능 장치 및 그 방법
WO2020138624A1 (en) Apparatus for noise canceling and method for the same
WO2020213758A1 (ko) 음성으로 상호작용하는 인공 지능 장치 및 그 방법
WO2019182265A1 (ko) 인공 지능 기기 및 그의 동작 방법
WO2020230933A1 (ko) 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
WO2020213750A1 (ko) 객체를 인식하는 인공 지능 장치 및 그 방법
WO2020196955A1 (ko) 인공 지능 기기 및 인공 지능 기기의 동작 방법
WO2020218632A1 (ko) 인공지능 장치
WO2020184748A1 (ko) 교통 정보에 기반한 오토 스탑 시스템을 제어하는 인공 지능 장치 및 그 방법
WO2020230926A1 (ko) 인공 지능을 이용하여, 합성 음성의 품질을 평가하는 음성 합성 장치 및 그의 동작 방법
WO2018199483A1 (ko) 지능형 에이전트 관리 방법 및 장치
WO2020204221A1 (ko) 공기 조화기
WO2021006405A1 (ko) 인공지능 서버
WO2019225961A1 (en) Electronic device for outputting response to speech input by using application and operation method thereof
WO2020111880A1 (en) User authentication method and apparatus
WO2020085794A1 (en) Electronic device and method for controlling the same
WO2020218635A1 (ko) 인공 지능을 이용한 음성 합성 장치, 음성 합성 장치의 동작 방법 및 컴퓨터로 판독 가능한 기록 매체
WO2020184753A1 (ko) 음성 추출 필터를 이용하여 음성 제어를 수행하는 인공 지능 장치 및 그 방법
WO2020222338A1 (ko) 화상 정보를 제공하는 인공 지능 장치 및 그 방법
WO2021025217A1 (ko) 인공지능 서버
WO2020218650A1 (ko) 전자기기
WO2021006404A1 (ko) 인공지능 서버
WO2020184747A1 (ko) 오토 스탑 시스템을 제어하는 인공 지능 장치 및 그 방법

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: 19926881

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19926881

Country of ref document: EP

Kind code of ref document: A1