WO2024029827A1 - 제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체 - Google Patents

제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체 Download PDF

Info

Publication number
WO2024029827A1
WO2024029827A1 PCT/KR2023/010848 KR2023010848W WO2024029827A1 WO 2024029827 A1 WO2024029827 A1 WO 2024029827A1 KR 2023010848 W KR2023010848 W KR 2023010848W WO 2024029827 A1 WO2024029827 A1 WO 2024029827A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
control
vectors
information
user
Prior art date
Application number
PCT/KR2023/010848
Other languages
English (en)
French (fr)
Inventor
서현주
강유
김상희
황인철
김종진
윤호영
이재리
전현식
Original Assignee
삼성전자 주식회사
서울대학교산학협력단
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
Priority claimed from KR1020220102519A external-priority patent/KR20240017719A/ko
Application filed by 삼성전자 주식회사, 서울대학교산학협력단 filed Critical 삼성전자 주식회사
Priority to US18/360,377 priority Critical patent/US20240036527A1/en
Publication of WO2024029827A1 publication Critical patent/WO2024029827A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Definitions

  • This disclosure relates to electronic devices and computer-readable storage media for control recommendations. Specifically, the present disclosure relates to electronic devices and computer-readable storage media that provide recommendations for control of external electronic devices using artificial intelligence (AI) systems.
  • AI artificial intelligence
  • Action recommendation methods based on machine learning are being studied. For example, action recommendation may mean recommending a specific action to the user considering the user's context.
  • Action recommendations may include recommendations for control of IoT (Internet of Things) devices. For example, a user may be provided with recommendations of specific actions for specific IoT devices.
  • IoT Internet of Things
  • Republic of Korea Patent Publication No. 10-2022-0049604 discloses a method of determining a recommended object using a user's past behavior data.
  • action recommendations based on sequential recommendations may be provided to the user.
  • a recommended action may be determined using the user's past control history of external electronic devices.
  • context-aware recommendation can be used.
  • a user's action recommendation may be determined based on the user's context.
  • the correlation of the user's complex context may not be reflected in the action recommendation. Additionally, in the case of context-aware recommendations, the context may not be personalized to the user. Furthermore, the user's capricious intentions may not be reflected in the action recommendation.
  • an electronic device may include memory, interfaces, and processors.
  • the processor may be configured to provide control recommendations for an external electronic device using a learning model stored in memory.
  • the learning model may include an input layer that generates a plurality of first embedding vectors corresponding to the input sequence by applying embedding weights to the input sequence including a series of control histories for the user's plurality of external electronic devices. there is.
  • the learning model generates a plurality of first encoded vectors from each of the plurality of first input embedding vectors using one or more transformers, and applies first weights to the plurality of first encoded vectors.
  • the learning model may include a first encoding layer that outputs a plurality of first output vectors by adding a plurality of first encoded vectors to which the first weights are applied.
  • the learning model generates a plurality of second embedding vectors by adding position information to the plurality of first output vectors, and generates a plurality of second encoders from the plurality of second embedding vectors using one or more transformers. generating vectors, applying second weights to the values of the plurality of second encoded vectors, and outputting a second output vector by adding the plurality of second encoded vectors to which the second weights are applied.
  • 2 May include an encoding layer.
  • the first weights may be based on a query vector and first trained parameters.
  • the second weights may be based on visual information and second trained parameters.
  • the first trained parameters and the second trained parameters may be learned to minimize loss between training data of the learning model and control recommendations based on the learning model.
  • a non-transitory computer-readable storage medium may store instructions and a learning model. When executed by a processor of an electronic device, the instructions may cause the electronic device to provide control recommendations to an external electronic device using the learning model.
  • the learning model may include an input layer that generates a plurality of first embedding vectors corresponding to the input sequence by applying embedding weights to the input sequence including a series of control histories for the user's plurality of external electronic devices. there is.
  • the learning model generates a plurality of first encoded vectors from each of the plurality of first input embedding vectors using one or more transformers, and applies first weights to the plurality of first encoded vectors.
  • the learning model may include a first encoding layer that outputs a plurality of first output vectors by adding a plurality of first encoded vectors to which the first weights are applied.
  • the learning model generates a plurality of second embedding vectors by adding position information to the plurality of first output vectors, and generates a plurality of second encoders from the plurality of second embedding vectors using one or more transformers. generating vectors, applying second weights to the values of the plurality of second encoded vectors, and outputting a second output vector by adding the plurality of second encoded vectors to which the second weights are applied.
  • 2 May include an encoding layer.
  • the first weights may be based on a query vector and first trained parameters.
  • the second weights may be based on visual information and second trained parameters.
  • the first trained parameters and the second trained parameters may be learned to minimize loss between training data of the learning model and control recommendations based on the learning model.
  • action recommendations may be provided based on the user's context and existing control history.
  • personalized action recommendations can be provided by taking complex context correlations into account by encoding the user's context and existing control history.
  • a learning model that can handle the user's changeable intentions can be provided by performing transfer learning using control sequences directly set by users.
  • FIG. 1 illustrates a control environment of an external electronic device according to an example.
  • Figure 2 shows a control recommendation system according to one example.
  • Figure 3 shows a model learning system according to one example.
  • Figure 4 shows the structure of a quarried transformer encoder according to an example.
  • Figure 5 shows the structure of a transformer according to one example.
  • Figure 6 shows a flowchart of a method for providing recommendations by an electronic device according to an example.
  • Figure 7 illustrates a recommended user interface of an electronic device according to an example.
  • Figure 8 is a block diagram of an electronic device in a network environment according to one embodiment.
  • Figure 9 is a block diagram showing an integrated intelligence system according to an embodiment.
  • Figure 10 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • FIG. 11 is a diagram illustrating a user terminal displaying a screen for processing voice input received through an intelligent app, according to an embodiment.
  • FIG. 1 illustrates a control environment of an external electronic device according to an example.
  • the user 190 may control various external electronic devices using a voice agent based on artificial intelligence.
  • the first electronic device 100-1 or the second electronic device 100-2 is referred to as an electronic device on which a voice agent is installed.
  • the user 190 can control an electronic device (the first electronic device 100-1 and/or the second electronic device 100-2) or an external electronic device using a voice agent.
  • various external electronic devices can be controlled through a voice agent.
  • External electronic devices include, for example, air conditioners 250-1, windows 250-2, blinds 250-3, lights 250-4, dryers 250-5, washing machines 250-6, and/or a TV 250-7.
  • the user 190 may control an external electronic device using a voice agent through at least one utterance.
  • the voice agent may identify a target device from the user 190's utterance and control the external electronic device corresponding to the identified target device according to the intent corresponding to the utterance.
  • the voice agent can control the target device by transmitting a wireless signal directly to the target device or by transmitting a signal to the target device through another server device.
  • the electronic device may provide control recommendations based on the context information and control pattern of the user 190.
  • Control recommendations may include recommendations for external electronic devices or specific operations of an electronic device.
  • the electronic device may be configured to use a learning model to identify the user 190's controls and control recommendations based on history and context information.
  • the control history includes control history information of previous external electronic devices of the user 190.
  • the context information includes context information (e.g., season, day of the week, and/or time, etc.) of the user 190 at the time of providing the control recommendation.
  • sequential control of the user 190's external electronic device has a meaningful pattern. Controls for multiple external electronic devices may be highly correlated.
  • the user 190 can open the window 250-2 by opening the blind 250-3.
  • the user 190 may turn on the air conditioner 250-1 and then set the temperature of the air conditioner 250-1.
  • the user 190 may turn on the TV 260-7 after operating the washing machine 250-6.
  • the user 190 may operate the dryer 250-5.
  • the sequential control pattern of the user 190 may imply the user's 190 intention.
  • control of the user's 190 external electronic device is correlated with the user's 190 context information.
  • the user 190 can turn off the light 250-4 during the day and turn on the light 250-4 at night.
  • the user 190 can turn on the air conditioner 250-1 in summer and turn off the air conditioner 250-1 in other seasons.
  • the electronic device of the present disclosure may include a learning model for control recommendation.
  • the learning model may have a structure based on Queried Transformer Encoder (QTE).
  • QTE Queried Transformer Encoder
  • the learning model encodes the control history using a transformer, and the encoded control history can be summarized into one vector using a query.
  • a learning model may include a plurality of parameters representing the correlation between a plurality of nodes.
  • the plurality of parameters of the learning model are values trained using a data set including the control history and context of a plurality of users.
  • the electronic device may input the control history and context information of the user 190 into the learning model and identify control recommendations based on the resulting values.
  • Figure 2 shows a control recommendation system according to one example.
  • the control recommendation system 299 may include an electronic device 100, a server device 200, and/or an external electronic device 250.
  • the control recommendation system 299 shown in FIG. 2 is illustrative, and the embodiments of this document are not limited thereto.
  • the electronic device 100 may provide control recommendations without the server device 200 and/or the external electronic device 250.
  • the electronic device 100 (e.g., the first electronic device 100-1 in FIG. 1, the second electronic device 100-2 in FIG. 8, the electronic device 801 in FIG. 8, and the user terminal in FIG. 9 901) includes a processor 120, memory, and/or interface 140.
  • the configuration of the electronic device 100 shown in FIG. 8 is illustrative, and the examples in this document are not limited thereto.
  • the electronic device 100 may further include components not shown in FIG. 2 (eg, components of the electronic device 801 in FIG. 8 ).
  • the processor 120 may be electrically connected to the memory 130 and the interface 140.
  • the processor 120 may be set to perform various operations of the electronic device 100 by executing instructions stored in the memory 130.
  • the processor 120 may be implemented as a single chip with the memory 130, or may be implemented as a separate chip from the memory 130. In this disclosure, operations of the electronic device 100 may be referred to as operations of the processor 120.
  • the memory 130 may be mounted inside the electronic device 100 or may be detachable from the electronic device 100.
  • the memory 130 may store instructions executable by the processor 120.
  • Memory 130 may store a learning model.
  • the electronic device 100 may receive a learning model from the server device 200 and store it in the memory 130.
  • the memory 130 may store a voice agent (eg, client module 931 in FIG. 9) for processing user utterances.
  • Memory 130 may be referred to as a computer-readable storage medium.
  • the interface 140 may include at least one component for interaction with a user and/or another electronic device (eg, the server device 200 and/or the external electronic device 250).
  • interface 140 includes a display for visual interaction (e.g., display module 860 in FIG. 8 and/or display 960 in FIG. 9).
  • the interface 140 may include a speaker (e.g., audio output module 855 and/or speaker 955 of FIG. 9) and/or a microphone (e.g., audio module 870 of FIG. 8) for auditory interaction. ) and/or the microphone 970 of FIG. 9 ).
  • the interface 140 includes a communication module (eg, the communication module 890 of FIG. 8 and/or the communication interface 990 of FIG. 9) for communication with another electronic device.
  • Server device 200 may include at least one server device.
  • the server device 200 includes a first server 211 and a second server 212.
  • the server device 200 may be configured to receive speech data from the electronic device 100 and process the speech data.
  • the first server 211 corresponds to the intelligent server 1000 in FIG. 9.
  • the second server 212 may include a database for an external electronic device (eg, the external electronic device 250).
  • the second server 212 may be referred to as an IoT (internet of things) server.
  • the second server 212 may store information on the external electronic device (e.g., identifier of the external electronic device, group information, etc.) and may include components for controlling the external electronic device.
  • the first server 211 may determine the user's intention included in the received speech data by processing the received speech data. If the user's intention is to control the external electronic device 250, the first server 211 uses the data of the second server 212 to identify the target device to be controlled, and the identified target device The external electronic device 250 can be controlled to perform an operation according to intention.
  • the learning model stored in the electronic device 100 may be trained by the server device 200.
  • the server device 200 may train a learning model using the control history of users stored in the second server 212.
  • the first server 211 and the second server 212 are shown as separate configurations in FIG. 2, the first server 211 and the second server 212 may be implemented as one server.
  • the external electronic device 250 may be controlled based on a signal from the server device 200.
  • the server device 200 transmits control data to the external electronic device 250 to cause the external electronic device 250 to perform an operation corresponding to the intention. You can.
  • the external electronic device 250 may be controlled based on a signal from the electronic device 100. If the intention of the user's speech is to control the external electronic device 250, the server device 200 may transmit information for controlling the external electronic device 250 to the electronic device 100. The electronic device 100 may control the external electronic device 250 using information received from the server device 200.
  • the electronic device 100 may be configured to perform automatic speech recognition and natural language understanding.
  • the electronic device 100 may be set to directly identify the user's intention from the user's utterance.
  • the electronic device 100 can identify the target device (e.g., the external electronic device 250) using the information stored in the second server 212 and control the target device according to intention.
  • the electronic device 100 may control the target device through the second server 212 or may control the target device by directly transmitting a signal to the target device.
  • the electronic device 100 may include a processor 120 configured to provide control recommendations for the external electronic device 250 using a learning model stored in the memory 130.
  • the learning model includes an input layer (e.g., input layer 310 in FIG. 3), a first encoding layer (e.g., first encoding layer 330 in FIG. 3), and a second encoding layer (e.g., It includes a second encoding layer 350 in FIG. 3).
  • the input layer may generate a plurality of first embedding vectors corresponding to the input sequence by applying embedding weights to the input sequence including a series of control histories for the user's plurality of external electronic devices.
  • the first encoding layer generates a plurality of first encoded vectors from each of the plurality of first input embedding vectors using one or more transformers (e.g., transformer 440 in FIG.
  • a first output vector can be output by applying first weights to 1 encoded vectors and adding a plurality of first encoded vectors to which the first weights are applied.
  • the first weights may be values based on the query vector and the learned first parameter.
  • the second encoding layer adds position information to the first output vector to generate a second embedding vector (e.g., the second embedding vector 355 in FIG. 3) and one or more transformers (e.g., the transformer in FIG. 5).
  • a second output vector can be output by adding 2 encoded vectors.
  • the second weights may be values based on visual information and learned second parameters.
  • the first and second parameters may be learned to minimize loss between training data of the learning model and control recommendations based on the learning model.
  • the time information may correspond to the time of day (e.g., month, day of the week, time of day, and/or time of day) at which the control recommendation is provided.
  • the second output vector may include information about the control probability for a plurality of external electronic devices at the time providing the control recommendation.
  • each of the control histories includes information on the target external electronic device that is the target of control, information on the control function for the target external electronic device, and information on the control time of the target external electronic device.
  • information about the control time includes information about the control day and control time.
  • embedding weights are normalized through transfer learning using a plurality of routine data set by a plurality of users.
  • Each of the plurality of routine data may include a control sequence of a plurality of external electronic devices set by one user.
  • processor 120 is configured to provide control recommendations to the user using a learned model, in response to detection of a trigger event.
  • the processor 120 may acquire the user's speech through the interface 140. If the utterance includes an intent corresponding to control over the external electronic device 250, the processor 120 may be configured to detect a trigger event.
  • Processor 120 may be configured to detect a trigger event when a voice agent call is detected. For example, for a description of detection of a trigger event, refer to the description described later in relation to FIG. 6 .
  • Processor 120 may be configured to identify a target device associated with a control recommendation based on the control probability included in the second output vector.
  • the processor 120 may provide a control recommendation recommending control for the identified target device through the interface 140. If an acceptance response to the control recommendation is obtained, the processor 120 may control the external electronic device corresponding to the recommendation. 6 and 7, examples of control recommendations may be described.
  • control recommendations for the external electronic device 250 are described. However, examples of the present disclosure are not limited to recommending control of the external electronic device 250. Those skilled in the art will understand that the control recommendation may include a control recommendation for the electronic device 100.
  • Figure 3 shows a model learning system according to one example.
  • model learning system 300 includes an input layer 310, a first encoding layer 330, a second encoding layer 350, and an output layer 370.
  • the model learning system 300 can be trained using sequential control history and context information of a plurality of users.
  • the trained learning model may be stored in an electronic device (eg, the electronic device 100 of FIG. 2).
  • the input layer 310 may perform embedding on the input vector.
  • the input layer 310 converts the input vector into an embedding vector that can be processed by the encoder of the upper layer using information (e.g., a lookup table) about the mapping relationship for each value of the input vector.
  • information e.g., a lookup table
  • the input vector represents the input vector of the uth session.
  • the input vector may include control history. for example, represents information (e.g. device type information) of the ith device. represents control information of the ith device (e.g., control of the device). indicates the day of the week when control of the device occurred. indicates the time information when control of the device occurred.
  • the time information may be information indicating the time section in which the time at which control occurred belongs among a plurality of time sections included in a day.
  • Each vector of the input vector Su may be converted into a plurality of first embedding vectors through the input layer 310.
  • Each of the plurality of first embedding vectors is: , , , and It may include converted values such as .
  • the input layer 310 may also embed information about the recommendation provision time of the device to be recommended (e.g., the tth device). Context information and may include information corresponding to the time at which the control recommendation is provided. Context information is provided through the input layer 310. and can be converted to
  • the first encoding layer 330 uses a plurality of first embedding vectors transmitted from the input layer 310 to a queryed transformer encoder (QTE) (e.g., the first QTE 340-1... t-1th QTE ( It can be encoded using 340-(t-1))).
  • QTE queryed transformer encoder
  • Each QTE of the first encoding layer 330 may be referred to as a context factorization encoder.
  • the first encoding layer 330 may generate a first output vector using a plurality of first embedding vectors.
  • the second encoding layer 350 may encode the first output vector transmitted from the first encoding layer 330 using QTE.
  • the structure of the QTE of the first encoding layer 330 and the second encoding layer 350 can be described with reference to FIG. 4.
  • Figure 4 shows the structure of a quarried transformer encoder according to an example.
  • QTE 340 converts input 410 to output 450 through second-stage layer 430.
  • Input 410 may include a set of input vectors (X) and a query vector (q).
  • QTE 340 may summarize a set of input vectors (X) and a query vector (q) into one vector (e.g., output 450).
  • the QTE 340 can extract meaningful information by expressing all correlations between vectors given as input and extracting important correlations through learning. Parameters of the QTE 340 may express the correlation of input vectors.
  • the query vector (q) can be used to summarize the output vectors into one. Content that is more related to the query vector (q) may have a higher weight, and more of that content may be included in the final vector (e.g., output 450).
  • QTE 340 can be expressed by Equation 1 below.
  • h represents the summarized vector (e.g. output 450).
  • the set of input vectors (X) may include x 1 to x k vectors.
  • x k may represent the kth row of the set of input vectors (X).
  • the QTE 340 can process input vectors through the second-stage layer 430.
  • the second-stage layer 430 summarizes the self-attention module composed of a plurality of transformers 440-1...440-L and the vectors output from the self-attention module using query (q). It may include a query-attention module 445.
  • the self-attention module can correlate given variables.
  • the self-attention module can correlate variables by learning a weight matrix for the query, key, and value for each variable using a transformer.
  • a transformer For example, using L stacked transformers 440-1...440-L, complex relationships between input variables can be learned.
  • Figure 5 shows the structure of a transformer according to one example.
  • the transformer 440 includes a multi-head attention layer (multi-head attention layer, 510) and a feed forward layer (feed forward layer, 520).
  • the input vector of the transformer 440 may be an input vector generated through embedding.
  • Embedded input vectors may include sequential information (e.g., positional information within a set of input vectors).
  • W Q represents the weighting matrix for the query
  • W K represents the weighting matrix for the key
  • W V represents the weighting matrix for the value.
  • a query matrix (Q), a key matrix (K), and a value matrix (V) can be obtained using the weight matrices. For example, Q, K, and V are obtained based on Equation 2.
  • Equation 2 X represents the input matrix of transformer 440.
  • Equation 3 From the value matrix (V), the transformed matrix according to Equation 3 can be derived.
  • A represents the attention score matrix between variables, and d represents the number of columns of Q, K, and V.
  • the feed forward layer 520 is a transformed matrix You can learn the parameters of the hidden layer using .
  • output vectors that have passed through a plurality of transformers 440-1...440-L may be referred to as a plurality of encoded vectors (h 1 ...h k ).
  • the query attention module 445 may generate an output vector (h) using a plurality of encoded vectors (h 1 ... h k ) and a query vector (q).
  • the query attention module 445 can summarize a plurality of encoded vectors (h 1 ... h k ) into a single output vector (h) using a query vector. For example, the query attention module 445 calculates the output vector (h) according to Equation 4 below.
  • Equation 4 can mean applying a weight ( ⁇ ) based on trained parameters and a query vector to a plurality of encoded vectors and adding a plurality of encoded vectors to which the weights are applied. there is.
  • the weight ( ⁇ ) may be a normalized value based on probability.
  • the weight ( ⁇ ) is obtained based on Equation 5 below.
  • Equation 5 ⁇ i represents the unnormalized score for the encoded vector h i , and ⁇ i represents the normalized score. ⁇ i can be obtained from Equation 6 below.
  • Equation 6 W H and b H correspond to learned values.
  • a plurality of first output vectors (h u,1 . ..h u,(t-1) ) can be output.
  • the first encoding layer 330 uses one or more transformers (e.g., transformer 440 in FIG. 5) to encode a plurality of first encoded vectors from each of the plurality of first input embedding vectors. generates a plurality of first encoded vectors, applies first weights to the plurality of first encoded vectors, and outputs a plurality of first output vectors by adding the plurality of first encoded vectors to which the first weights are applied.
  • the first weights (eg, ⁇ in FIG. 4 ) may be values based on the query vector (q c ) and the learned first parameter.
  • the query vector (q c ) is a learned value and may be a value learned based on the sequential control history of a plurality of users.
  • the second encoding layer 350 may process the plurality of first output vectors transmitted from the first encoding layer 330 using sequence-QTE 360.
  • Sequential-QTE 360 may be referred to as an attention sequential encoder.
  • the structure of sequential-QTE 360 is similar to the structure of QTE 340 described with respect to FIGS. 4 and 5.
  • the query vector (q c ) corresponds to the query vector (q) in FIG. 4.
  • visual information ( and ) corresponds to the query vector (q) in Figure 4.
  • the second encoding layer 350 may generate second embedding vectors 355 by adding position information (p i ) to the plurality of first output vectors.
  • the second encoding layer 350 generates a plurality of second encoded vectors from second embedding vectors using one or more transformers (e.g., transformer 440 in FIG. 5), and the second encoded vectors Second weights may be applied to the values of the vector.
  • the second encoding layer 350 may output a second output vector (s u,t ) by adding a plurality of second encoded vectors to which the second weights are applied.
  • the second weights may be values based on visual information and learned second parameters.
  • the second output vector (s u,t ) may include information about the control probability for a plurality of external electronic devices at the time providing the control recommendation.
  • the second output vector (s u,t ) can be converted to a probability distribution through SoftMax operation.
  • Figure 3 represents the predicted probability of device control for the current t turn of session u.
  • E represents the matrix of device control for prediction.
  • the input vector (S u ) can be obtained from device control sequences by various users.
  • Device control sequences may include non-traditional controls. For example, at the whim of the user, unusual controls may be included in the control history.
  • transfer learning can be used.
  • an embedding vector e.g., a vector corresponding to a value of a lookup table
  • Routine data 390 may be a control sequence directly set by each user. For example, the user can set the electronic device 100 to control a specific device at a specific time.
  • Routine data 390 may correspond to a control sequence reserved or preset by a user (eg, for automation). Since the input vector (S u ) is a sequence of controls performed by the user at each control point, it may include erratic control. Since the routine data 390 is a preset control sequence, erratic control can be relatively excluded. Transfer learning can be performed by performing regularization on the embedding vector using routine data 390. Through transfer learning, the impact of learning due to variable control within the input vector (S u ) can be reduced.
  • the learned model may be stored in the electronic device 100.
  • the electronic device 100 may provide control recommendations by using the control sequence performed by the user of the electronic device 100 and visual information at the time of providing the control recommendation as input. For example, the electronic device 100 recommends the control (eg, the target device and the control function of the target device) with the highest probability at the time of providing the control recommendation.
  • the control eg, the target device and the control function of the target device
  • Figure 6 shows a flowchart of a method for providing recommendations by an electronic device according to an example.
  • the electronic device 100 may be set to provide recommendations according to the recommendation providing method shown in FIG. 6 .
  • the electronic device 100 may provide recommendations according to setting information of the electronic device 100. For example, when the setting information allows control recommendation, the electronic device 100 provides a recommendation according to the recommendation providing method of FIG. 6 . If the setting information does not allow control recommendations, the electronic device 100 may not provide recommendations.
  • the electronic device 100 may determine whether to detect a trigger event.
  • a trigger event may refer to an event that triggers a control recommendation for an external electronic device.
  • Trigger events include, for example, invocation of a voice agent, control of an external electronic device, and/or a designated time.
  • the electronic device 100 may detect a trigger event in response to a call from a voice agent.
  • the electronic device 100 may obtain a voice command (eg, wake-up word) to call a voice agent through the interface 140.
  • the electronic device 100 may be set to perform operation 610 in response to a call from a voice agent. For example, a user invokes a voice agent by uttering a wake-up word. In this case, the electronic device 100 may run a voice agent and recommend control through the voice agent.
  • the electronic device 100 may detect a trigger event in response to control of an external electronic device.
  • the electronic device 100 may obtain a voice command (eg, control speech) to control an external electronic device using a voice agent through the interface 140.
  • a voice command eg, control speech
  • the electronic device 100 obtains a voice command through the interface 140 and detects a trigger event when the voice command corresponds to the control of an external electronic device.
  • the user can turn off the air conditioner using the voice agent of the electronic device 100.
  • the electronic device 100 may be set to recommend subsequent control (e.g., opening a window).
  • the electronic device 100 may detect a trigger event according to a designated time.
  • the electronic device 100 may detect a trigger event when a set time (eg, time of day, day of the week, and/or date) occurs.
  • a set time eg, time of day, day of the week, and/or date
  • the user can specify the time on the electronic device 100.
  • the electronic device 100 may be configured to provide control recommendations.
  • the electronic device 100 may be configured to monitor the occurrence of a trigger event.
  • the electronic device 100 may perform operation 610.
  • the electronic device 100 may provide a recommendation based on context information and a learning model.
  • the electronic device 100 may provide recommendations by inputting context information at the time of providing the recommendation and the control sequence of the electronic device 100 into a learning model.
  • the electronic device 100 inputs sequences of controls (e.g., controls of the external electronic device 250 and/or the electronic device 100) performed by the electronic device 100. It is used as a vector (S u ), and the context information at the time of providing control recommendation is used as a context vector (C u,t ).
  • the input vector (S u ) may include a specified number of sequential control histories performed by the electronic device 100. 2 to 5, the context information has been described as information related to time, but the embodiments of this document are not limited thereto.
  • context information includes weather, humidity, and/or temperature information.
  • context information includes weather, humidity, and/or temperature information.
  • the electronic device 100 may identify a control recommendation (eg, target device and control function) at time t (current) from an output vector generated using a learning model.
  • the electronic device 100 may provide control recommendations to the user using the interface 140.
  • the electronic device 100 provides control recommendations to the user by providing visual and/or audible notifications.
  • the electronic device 100 may determine whether a recommendation acceptance response is obtained. For example, the electronic device 100 may obtain a user response allowing recommendation through the interface 140. If an acceptable response is not obtained (operation 615-NO), the electronic device 100 may not perform additional control. If an acceptable response is obtained (operation 615-YES), the electronic device 100 may perform operation 620.
  • the electronic device 100 may control an external electronic device corresponding to the recommendation.
  • the recommendation may be a control recommendation for the external electronic device 250.
  • the electronic device 100 may control the external electronic device 250 by directly transmitting a command corresponding to a control recommendation to the external electronic device 250 .
  • the electronic device 100 may control the external electronic device 250 by transmitting a command corresponding to a control recommendation to the external electronic device 250 through the server device 200.
  • Figure 7 illustrates a recommended user interface of an electronic device according to an example.
  • the electronic device 100 may provide a recommended user interface 700 (eg, operation 610 of FIG. 6 ).
  • the electronic device 100 provides the recommended user interface 700 through a display (eg, interface 140 of FIG. 2).
  • the trigger event (e.g., the trigger event of operation 605 of FIG. 6 ) may be assumed to be control of an external device.
  • the user may wish to turn off the air conditioner by igniting it.
  • the electronic device 100 may display the first message 710 corresponding to the utterance on the recommendation user interface 700.
  • the electronic device 100 may detect a trigger event from the user's utterance. First, the electronic device 100 may perform control corresponding to the first message 710 and provide feedback. The electronic device 100 may display a second message 720 indicating a control result according to the first message 710 on the recommendation user interface 700.
  • an external electronic device e.g., an air conditioner
  • the electronic device 100 may recommend subsequent control of the external electronic device.
  • the third message 730 includes information about control recommendations.
  • Information about the control recommendation includes, for example, information of the target device (eg, window) and recommended control (eg, OPEN).
  • the electronic device 100 may display an accept button 740 and a decline button 750 on the recommendation user interface 700.
  • the electronic device 100 may determine that a recommendation allow response has been obtained (e.g., operation 615-YES of FIG. 6).
  • the electronic device 100 may determine that a recommendation disapproval response has been obtained (eg, operation 615-NO in FIG. 6).
  • the electronic device 100 may control the recommended external electronic device. For example, the electronic device 100 controls the window to open. If a recommendation disapproval response is obtained, the electronic device 100 may stop providing recommendations. For example, the electronic device 100 may terminate display of the recommendation user interface 700.
  • Figure 8 is a block diagram of an electronic device 801 in a network environment 800, according to one embodiment.
  • the electronic device 801 communicates with the electronic device 802 through a first network 898 (e.g., a short-range wireless communication network) or a second network 899. It is possible to communicate with at least one of the electronic device 804 or the server 808 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 801 may communicate with the electronic device 804 through the server 808.
  • a first network 898 e.g., a short-range wireless communication network
  • a second network 899 e.g., a long-distance wireless communication network
  • the electronic device 801 includes a processor 820, a memory 830, an input module 850, an audio output module 855, a display module 860, an audio module 870, and a sensor module ( 876), interface 877, connection terminal 878, haptic module 879, camera module 880, power management module 888, battery 889, communication module 890, subscriber identification module 896 , or may include an antenna module 897.
  • at least one of these components eg, the connection terminal 878) may be omitted, or one or more other components may be added to the electronic device 801.
  • some of these components e.g., sensor module 876, camera module 880, or antenna module 897) are integrated into one component (e.g., display module 860). It can be.
  • the processor 820 executes software (e.g., program 840) to operate at least one other component (e.g., hardware or software component) of the electronic device 801 connected to the processor 820. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 820 stores commands or data received from another component (e.g., sensor module 876 or communication module 890) in volatile memory 832. The commands or data stored in the volatile memory 832 can be processed, and the resulting data can be stored in the non-volatile memory 834.
  • software e.g., program 840
  • the processor 820 stores commands or data received from another component (e.g., sensor module 876 or communication module 890) in volatile memory 832.
  • the commands or data stored in the volatile memory 832 can be processed, and the resulting data can be stored in the non-volatile memory 834.
  • the processor 820 includes a main processor 821 (e.g., a central processing unit or an application processor) or an auxiliary processor 823 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 821 e.g., a central processing unit or an application processor
  • auxiliary processor 823 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 801 includes a main processor 821 and a auxiliary processor 823
  • the auxiliary processor 823 may be set to use lower power than the main processor 821 or be specialized for a designated function. You can.
  • the auxiliary processor 823 may be implemented separately from the main processor 821 or as part of it.
  • the auxiliary processor 823 may, for example, act on behalf of the main processor 821 while the main processor 821 is in an inactive (e.g., sleep) state, or while the main processor 821 is in an active (e.g., application execution) state. ), together with the main processor 821, at least one of the components of the electronic device 801 (e.g., the display module 860, the sensor module 876, or the communication module 890) At least some of the functions or states related to can be controlled.
  • co-processor 823 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 880 or communication module 890. there is.
  • the auxiliary processor 823 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 801 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 808).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software structures.
  • the memory 830 may store various data used by at least one component (eg, the processor 820 or the sensor module 876) of the electronic device 801. Data may include, for example, input data or output data for software (e.g., program 840) and instructions related thereto.
  • Memory 830 may include volatile memory 832 or non-volatile memory 834.
  • the program 840 may be stored as software in the memory 830 and may include, for example, an operating system 842, middleware 844, or application 846.
  • the input module 850 may receive commands or data to be used in a component of the electronic device 801 (e.g., the processor 820) from outside the electronic device 801 (e.g., a user).
  • the input module 850 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 855 may output sound signals to the outside of the electronic device 801.
  • the sound output module 855 may include, for example, a speaker or receiver. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 860 can visually provide information to the outside of the electronic device 801 (eg, a user).
  • the display module 860 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 860 may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 870 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 870 acquires sound through the input module 850, the sound output module 855, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 801). Sound may be output through an electronic device 802 (e.g., speaker or headphone).
  • an electronic device 802 e.g., speaker or headphone
  • the sensor module 876 detects the operating state (e.g., power or temperature) of the electronic device 801 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 876 includes, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 877 may support one or more designated protocols that can be used to connect the electronic device 801 directly or wirelessly with an external electronic device (eg, the electronic device 802).
  • the interface 877 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 878 may include a connector through which the electronic device 801 can be physically connected to an external electronic device (eg, the electronic device 802).
  • the connection terminal 878 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 879 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can perceive through tactile or kinesthetic senses.
  • the haptic module 879 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 880 can capture still images and moving images.
  • the camera module 880 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 888 can manage power supplied to the electronic device 801.
  • the power management module 888 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • Battery 889 may supply power to at least one component of electronic device 801.
  • the battery 889 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • Communication module 890 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between the electronic device 801 and an external electronic device (e.g., electronic device 802, electronic device 804, or server 808). It can support establishment and communication through established communication channels. Communication module 890 operates independently of processor 820 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 820 e.g., an application processor
  • the communication module 890 is a wireless communication module 892 (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 894 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 892 e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • a wired communication module 894 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 898 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 899 (e.g., legacy It may communicate with an external electronic device 804 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 892 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 896 within a communication network such as the first network 898 or the second network 899.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 892 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio access technology).
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • the wireless communication module 892 may support high frequency bands (e.g., mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 892 uses various technologies to secure performance in high frequency bands, such as beamforming, massive MIMO (multiple-input and multiple-output), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 892 may support various requirements specified in the electronic device 801, an external electronic device (e.g., electronic device 804), or a network system (e.g., second network 899).
  • the wireless communication module 892 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 897 may transmit or receive signals or power to or from the outside (e.g., an external electronic device).
  • the antenna module 897 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 897 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for the communication method used in the communication network, such as the first network 898 or the second network 899, is connected to the plurality of antennas by, for example, the communication module 890. can be selected. Signals or power may be transmitted or received between the communication module 890 and an external electronic device through the selected at least one antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 897.
  • RFIC radio frequency integrated circuit
  • antenna module 897 may form a mmWave antenna module.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of
  • peripheral devices e.g., bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 801 and the external electronic device 804 through the server 808 connected to the second network 899.
  • Each of the external electronic devices 802 or 804 may be of the same or different type as the electronic device 801.
  • all or part of the operations performed in the electronic device 801 may be executed in one or more of the external electronic devices 802, 804, or 808.
  • the electronic device 801 may perform the function or service instead of executing the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 801.
  • the electronic device 801 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can be used.
  • the electronic device 801 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 804 may include an Internet of Things (IoT) device.
  • Server 808 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 804 or server 808 may be included in the second network 899.
  • the electronic device 801 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • Figure 9 is a block diagram showing an integrated intelligence system according to an embodiment.
  • the integrated intelligence system of one embodiment may include a user terminal 901, an intelligent server 1000, and a service server 1100.
  • the user terminal 901 in one embodiment may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, a smartphone, or a personal digital assistant (PDA). It may be a digital assistant, a laptop computer, a television (TV), a white appliance, a wearable device, a head mounted device (HMD), or a smart speaker.
  • a terminal device or electronic device capable of connecting to the Internet
  • PDA personal digital assistant
  • TV television
  • white appliance a white appliance
  • HMD head mounted device
  • smart speaker smart speaker
  • the user terminal 901 may include a communication interface 990, a microphone 970, a speaker 955, a display 960, a memory 930, and/or a processor 920. there is.
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 990 may be connected to an external device and configured to transmit and receive data.
  • the microphone 970 e.g., the audio module 870 in FIG. 8) may receive sound (e.g., a user's speech) and convert it into an electrical signal.
  • the speaker 955 e.g., the sound output module 855 in FIG. 8) may output an electrical signal as sound (e.g., voice).
  • Display 960 e.g., display module 860 in FIG. 8) may be configured to display images or video.
  • the display 960 of one embodiment may also display a graphic user interface (GUI) of an app (or application program) being executed.
  • GUI graphic user interface
  • the memory 930 may store a client module 931, a software development kit (SDK) 933, and a plurality of applications.
  • the client module 931 and SDK 933 may form a framework (or solution program) for performing general functions. Additionally, the client module 931 or SDK 933 may configure a framework for processing voice input.
  • the plurality of applications may be programs for performing designated functions.
  • the plurality of applications may include a first app 935a and/or a second app 935b.
  • each of the plurality of applications may include a plurality of operations to perform a designated function.
  • the applications may include an alarm app, a messaging app, and/or a schedule app.
  • a plurality of applications are executed by the processor 920 to sequentially execute at least some of the plurality of operations.
  • the processor 920 in one embodiment may control the overall operation of the user terminal 901.
  • the processor 920 may be electrically connected to the communication interface 990, the microphone 970, the speaker 955, and the display 960 to perform a designated operation.
  • processor 920 may include at least one processor.
  • the processor 920 in one embodiment may also execute a program stored in the memory 930 to perform a designated function.
  • the processor 920 may execute at least one of the client module 931 or the SDK 933 and perform the following operations to process voice input.
  • the processor 920 may control the operation of a plurality of applications through, for example, the SDK 933.
  • the following operations described as operations of the client module 931 or SDK 933 may be operations performed by execution of the processor 920.
  • the client module 931 in one embodiment may receive voice input.
  • the client module 931 may receive a voice signal corresponding to a user utterance detected through the microphone 970.
  • the client module 931 may transmit the received voice input (eg, voice signal) to the intelligent server 1000.
  • the client module 931 may transmit status information of the user terminal 901 to the intelligent server 1000 along with the received voice input.
  • the status information may be, for example, execution status information of an app.
  • the client module 931 of one embodiment may receive a result corresponding to the received voice input from the intelligent server 1000. For example, if the intelligent server 1000 can calculate a result corresponding to the received voice input, the client module 931 may receive a result corresponding to the received voice input. The client module 931 may display the received result on the display 960.
  • the client module 931 of one embodiment may receive a plan corresponding to the received voice input.
  • the client module 931 can display the results of executing multiple operations of the app according to the plan on the display 960.
  • the client module 931 may sequentially display execution results of a plurality of operations on a display.
  • the user terminal 901 may display only some results of executing a plurality of operations (eg, the result of the last operation) on the display.
  • the client module 931 may receive a request from the intelligent server 1000 to obtain information necessary to calculate a result corresponding to the voice input. According to one embodiment, the client module 931 may transmit the necessary information to the intelligent server 1000 in response to the request.
  • the client module 931 in one embodiment may transmit information as a result of executing a plurality of operations according to the plan to the intelligent server 1000.
  • the intelligent server 1000 can use the result information to confirm that the received voice input has been processed correctly.
  • the client module 931 in one embodiment may include a voice recognition module. According to one embodiment, the client module 931 can recognize voice input that performs a limited function through the voice recognition module. For example, the client module 931 may execute an intelligent app for processing voice input by performing an organic action in response to a designated voice input (e.g., wake up!).
  • a voice recognition module e.g., a voice recognition module
  • the client module 931 may execute an intelligent app for processing voice input by performing an organic action in response to a designated voice input (e.g., wake up!).
  • the intelligent server 1000 of one embodiment receives information related to the user voice input from the user terminal 901 through the network 999 (e.g., the first network 898 and/or the second network 899 in FIG. 8). You can receive it. According to one embodiment, the intelligent server 1000 may change data related to the received voice input into text data. According to one embodiment, the intelligent server 1000 may generate at least one plan for performing a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial intelligence (AI) system.
  • An artificial intelligence system may be a rule-based system, a neural network-based system (e.g., a feedforward neural network (FNN)), and/or a recurrent neural network. network(RNN))). Alternatively, it may be a combination of the above or a different artificial intelligence system.
  • a plan may be selected from a set of predefined plans or may be generated in real time in response to a user request. For example, an artificial intelligence system can select at least one plan from a plurality of predefined plans.
  • the intelligent server 1000 of one embodiment may transmit a result according to the generated plan to the user terminal 901 or transmit the generated plan to the user terminal 901.
  • the user terminal 901 may display results according to the plan on the display 960.
  • the user terminal 901 may display the results of executing an operation according to the plan on the display 960.
  • the intelligent server 1000 of one embodiment includes a front end (1010), a natural language platform (1020), a capsule database (1030), an execution engine (1040), It may include an end user interface (1050), a management platform (1060), a big data platform (1070), or an analytic platform (1080).
  • the front end 1010 of one embodiment may receive a voice input received by the user terminal 901 from the user terminal 901.
  • the front end 1010 may transmit a response corresponding to the voice input to the user terminal 901.
  • the natural language platform 1020 includes an automatic speech recognition module (ASR module) 1021, a natural language understanding module (NLU module) 1023, and a planner module ( It may include a planner module (1025), a natural language generator module (NLG module) (1027), and/or a text to speech module (TTS module) (1029).
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • TTS module text to speech module
  • the automatic voice recognition module 1021 of one embodiment may convert voice input received from the user terminal 901 into text data.
  • the natural language understanding module 1023 in one embodiment may determine the user's intention using text data of voice input. For example, the natural language understanding module 1023 may perform syntactic analysis and/or semantic analysis to determine the user's intention.
  • the natural language understanding module 1023 in one embodiment uses linguistic features (e.g., grammatical elements) of morphemes or phrases to determine the meaning of words extracted from voice input, and matches the meaning of the identified word to the user's intent. You can determine your intention.
  • the planner module 1025 in one embodiment may generate a plan using the intent and parameters determined by the natural language understanding module 1023. According to one embodiment, the planner module 1025 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 1025 may determine a plurality of operations included in each of the plurality of domains determined based on the intention. According to one embodiment, the planner module 1025 may determine parameters required to execute the determined plurality of operations or result values output by executing the plurality of operations. The parameters and the result values may be defined as concepts of a specified type (or class). Accordingly, the plan may include a plurality of operations and/or a plurality of concepts determined by the user's intention.
  • the planner module 1025 may determine the relationship between the plurality of operations and the plurality of concepts in a stepwise (or hierarchical) manner. For example, the planner module 1025 may determine the execution order of a plurality of operations determined based on the user's intention based on a plurality of concepts. In other words, the planner module 1025 may determine the execution order of the plurality of operations based on the parameters required for execution of the plurality of operations and the results output by the execution of the plurality of operations. Accordingly, the planner module 1025 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 1025 can create a plan using information stored in the capsule database 1030, which stores a set of relationships between concepts and operations.
  • association information eg, ontology
  • the natural language generation module 1027 in one embodiment can change designated information into text form.
  • the information changed to the text form may be in the form of natural language speech.
  • the text-to-speech conversion module 1029 in one embodiment can change information in text form into information in voice form.
  • the user terminal 901 may include an automatic speech recognition module and/or a natural language understanding module. After the user terminal 901 recognizes the user's voice command, it can transmit text information corresponding to the recognized voice command to the intelligent server 1000.
  • the user terminal 901 may include a text-to-speech module. The user terminal 901 may receive text information from the intelligent server 1000 and output the received text information as voice.
  • the capsule database 1030 may store information about the relationship between a plurality of concepts and operations corresponding to a plurality of domains.
  • the capsule may include a plurality of action objects (or action information) and/or concept objects (or concept information) included in the plan.
  • the capsule database 1030 may store a plurality of capsules in the form of CAN (concept action network).
  • a plurality of capsules may be stored in a function registry included in the capsule database 1030.
  • the capsule database 1030 may include a strategy registry in which strategy information necessary for determining a plan corresponding to a voice input is stored.
  • the strategy information may include standard information for determining one plan when there are multiple plans corresponding to voice input.
  • the capsule database 1030 may include a follow up registry in which information on follow-up actions is stored to suggest follow-up actions to the user in a specified situation.
  • the follow-up action may include, for example, follow-up speech.
  • the capsule database 1030 may include a layout registry that stores layout information of information output through the user terminal 901.
  • the capsule database 1030 may include a vocabulary registry where vocabulary information included in capsule information is stored.
  • the capsule database 1030 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored.
  • the capsule database 1030 can update stored objects through a developer tool.
  • the developer tool may include, for example, a function editor for updating operation objects or concept objects.
  • the developer tool may include a vocabulary editor for updating the vocabulary.
  • the developer tool may include a strategy editor that creates and registers a strategy for determining the plan.
  • the developer tool may include a dialogue editor that creates a dialogue with the user.
  • the developer tool may include a follow up editor that can edit follow-up utterances to activate follow-up goals and provide hints. The subsequent goal may be determined based on currently set goals, user preferences, or environmental conditions.
  • the capsule database 1030 may also be implemented within the user terminal 901.
  • the execution engine 1040 of one embodiment may calculate a result using the generated plan.
  • the end user interface 1050 may transmit the calculated result to the user terminal 901. Accordingly, the user terminal 901 can receive the result and provide the received result to the user.
  • the management platform 1060 of one embodiment can manage information used in the intelligent server 1000.
  • the big data platform 1070 in one embodiment may collect user data.
  • the analysis platform 1080 of one embodiment may manage quality of service (QoS) of the intelligent server 1000. For example, analytics platform 1080 may manage the components and processing speed (or efficiency) of intelligent server 1000.
  • QoS quality of service
  • the service server 1100 in one embodiment may provide a designated service (eg, food ordering or hotel reservation) to the user terminal 901.
  • the service server 1100 may be a server operated by a third party.
  • the service server 1100 in one embodiment may provide the intelligent server 1000 with information for creating a plan corresponding to the received voice input. The provided information may be stored in the capsule database 1030. Additionally, the service server 1100 may provide result information according to the plan to the intelligent server 1000.
  • the service server 1100 may communicate with the intelligent server 1000 and/or the user terminal 901 through the network 999.
  • the service server 1100 can communicate with the intelligent server 1000 through a separate connection.
  • the service server 1100 is shown as one server, but the embodiments of this document are not limited thereto. At least one of the services 1101, 1102, and 1103 of the service server 1100 may be implemented as a separate server.
  • the user terminal 901 can provide various intelligent services to the user in response to user input.
  • the user input may include, for example, input through a physical button, touch input, or voice input.
  • the user terminal 901 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app).
  • the user terminal 901 recognizes a user utterance or voice input received through the microphone 970 and provides a service corresponding to the recognized voice input to the user. can do.
  • the user terminal 901 may perform a designated operation alone or together with the intelligent server 1000 and/or the service server 1100 based on the received voice input. For example, the user terminal 901 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
  • the user terminal 901 when the user terminal 901 provides a service together with the intelligent server 1000 and/or the service server 1100, the user terminal 901 uses the microphone 970 to It is possible to detect an utterance and generate a signal (or voice data) corresponding to the detected user utterance.
  • the user terminal 901 may transmit the voice data to the intelligent server 1000 using the communication interface 990.
  • the intelligent server 1000 In response to a voice input received from the user terminal 901, the intelligent server 1000 according to one embodiment provides a plan for performing a task corresponding to the voice input, or an operation according to the plan. can produce results.
  • the plan may include a plurality of operations for performing a task corresponding to a user's voice input and/or a plurality of concepts related to the plurality of operations.
  • the concept may define parameters input to the execution of the plurality of operations or result values output by the execution of the plurality of operations.
  • the plan may include association information between multiple operations and/or multiple concepts.
  • the user terminal 901 in one embodiment may receive the response using the communication interface 990.
  • the user terminal 901 outputs a voice signal generated inside the user terminal 901 to the outside using the speaker 955, or outputs an image generated inside the user terminal 901 to the outside using the display 960. It can be output as .
  • Figure 10 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • the capsule database (e.g., capsule database 1030) of the intelligent server 1000 may store capsules in CAN (concept action network) format.
  • the capsule database may store operations for processing tasks corresponding to the user's voice input, and parameters necessary for the operations in CAN (concept action network) format.
  • the capsule database may store a plurality of capsules (capsule A (1031), capsule B (1034)) corresponding to each of a plurality of domains (eg, applications).
  • one capsule e.g., capsule A 1031
  • one capsule contains at least one capsule of a service provider (e.g., CP 1 (1032), CP 2 (1033), CP3 (1035), and/or CP4 (1036) to perform functions for the domain associated with the capsule. )) can correspond.
  • a service provider e.g., CP 1 (1032), CP 2 (1033), CP3 (1035), and/or CP4 (1036)
  • one capsule may include at least one operation 1030a and at least one concept 1030b for performing a designated function.
  • the natural language platform 1020 may create a plan for performing a task corresponding to the received voice input using the capsule stored in the capsule database 1030.
  • the planner module 1025 of the natural language platform can create a plan using capsules stored in the capsule database.
  • create a plan 1037 using the operations 1031a, 1032a and concepts 1031b, 1032b of capsule A 1031 and the operations 1034a and concept 1034b of capsule B 1034. can do.
  • Figure 11 is a diagram illustrating a screen in which a user terminal processes voice input received through an intelligent app according to an embodiment.
  • the user terminal 901 can run an intelligent app to process user input through the intelligent server 1000.
  • the user terminal 901 when the user terminal 901 recognizes a designated voice input (eg, wake up! or receives an input through a hardware key (eg, a dedicated hardware key), the user terminal 901 It can run intelligent apps to process input. For example, the user terminal 901 may run an intelligent app while running a schedule app. According to one embodiment, the user terminal 901 may display an object (e.g., an icon) 1111 corresponding to an intelligent app on the display 960. According to one embodiment, the user terminal 901 may receive voice input through a user's utterance.
  • the user terminal 901 may receive a voice input saying “Tell me this week’s schedule!”
  • the user terminal 901 may display a user interface (UI) 913 (e.g., input window) of an intelligent app displaying text data of a received voice input on the display.
  • UI user interface
  • the user terminal 901 may display a result corresponding to the received voice input on the display.
  • the user terminal 901 may receive a plan corresponding to the received user input and display ‘this week’s schedule’ on the display according to the plan.
  • Electronic devices may be of various types.
  • Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances.
  • Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to that component in other respects (e.g., importance or order) is not limited.
  • One (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as logic, logic block, component, or circuit, for example. It can be used as A module may be an integrated part or a minimum unit of the parts or a part thereof that performs one or more functions. For example, according to one embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document are one or more instructions stored in a storage medium (e.g., built-in memory 836 or external memory 838) that can be read by a machine (e.g., electronic device 801). It may be implemented as software (e.g., program 840) including these.
  • a processor e.g., processor 820 of a device (e.g., electronic device 801) may call at least one command among one or more commands stored from a storage medium and execute it. This allows the device to be operated to perform at least one function according to the at least one instruction called.
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play StoreTM
  • two user devices e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities may be separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, or omitted. Alternatively, one or more other operations may be added.

Landscapes

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

Abstract

인터페이스, 메모리, 및 프로세서를 포함하고, 학습 모델을 이용하여 외부 전자 장치의 제어 추천을 제공하도록 설정된 전자 장치가 개시된다. 학습 모델은 사용자의 순차 제어 정보를 트랜스포머를 이용하여 인코딩하고, 인코딩된 순차 제어 정보를 쿼리 벡터를 이용하여 요약하여 제1 출력 벡터를 생성하고, 재1 출력 벡터를 트랜스포머를 이용하여 인코딩하고, 인코딩된 제1 출력 벡터를 시각 정보를 이용하여 요약하여 제2 출력 벡터를 출력하도록 설정될 수 있다.

Description

제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체
본 개시는, 제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체에 관한 것이다. 구체적으로, 본 개시는 인공지능(AI) 시스템을 이용하여 외부 전자 장치의 제어에 대한 추천을 제공하는 전자 장치 및 컴퓨터 판독가능 저장 매체에 관한 것이다.
기계 학습에 기반한 행동(action) 추천 방법들이 연구되고 있다. 예를 들어, 행동 추천은 사용자의 컨텍스트를 고려하여 사용자에게 특정한 행동을 추천하는 것을 의미할 수 있다. 행동 추천은, IoT(Internet of Things) 장치들의 제어에 대한 추천을 포함할 수 있다. 예를 들어, 사용자에게 특정한 IoT 장치에 대한 특정한 동작의 추천이 제공될 수 있다.
일 예로, 대한민국 특허 공개 공보 제 10-2022-0049604호는 사용자의 과거 행동 데이터를 이용하여 추천 객체를 결정하는 방법을 개시하고 있다.
상술된 정보는 본 개시의 이해를 돕기위한 배경 정보로서만 제시된다. 본 개시에 대하여 상술된 내용이 선행 기술로서 적용될 수 있는지 여부에 대하여 걸정되지 않았으며, 주장되지 않았다.
사용자의 행동 추천을 위하여, 순차적 추천(sequential recommendation)에 기반한 행동 추천이 사용자에게 제공될 수 있다. 예를 들어, 사용자의 과거 외부 전자 장치의 제어 내역을 이용하여 추천될 행동이 결정될 수 있다. 사용자의 행동 추천을 위하여, 컨텍스트-어웨어(context-aware) 추천이 이용될 수 있다. 예를 들어, 사용자의 컨텍스트에 기반하여 사용자의 행동 추천이 결정될 수 있다.
순차적 추천의 경우, 사용자의 복잡한 컨텍스트의 상관(correlation)이 행동 추천에 반영되지 못할 수 있다. 또한, 컨텍스트-어웨어 추천의 경우, 컨텍스트가 사용자에게 개인화(personalized)되지 않을 수 있다. 나아가, 사용자의 변덕스런(capricious) 의도가 행동 추천에 반영되지 않을 수 있다.
본 개시(the disclosure)의 일 예시에 따라, 전자 장치가 제공된다. 전자 장치는 메모리, 인터페이스, 및 프로세서를 포함할 수 있다. 프로세서는, 메모리에 저장된 학습 모델을 이용하여 외부 전자 장치에 대한 제어 추천을 제공하도록 설정될 수 있다. 학습 모델은, 사용자의 복수의 외부 전자 장치들에 대한 일련의 제어 이력들을 포함하는 입력 시퀀스에 임베딩 가중치들을 적용함으로써 상기 입력 시퀀스에 대응하는 복수의 제1 임베딩 벡터들을 생성하는 입력 레이어를 포함할 수 있다. 학습 모델은, 하나 이상의 트랜스포머들을 이용하여 상기 복수의 제1 입력 임베딩 벡터들 각각으로부터 복수의 제1 인코디드 벡터들을 생성하고, 상기 복수의 제1 인코디드 벡터들에 대하여 제1 가중치들을 적용하고, 상기 제1 가중치들이 적용된 복수의 제1 인코디드 벡터들을 가산함으로써 복수의 제1 출력 벡터들을 출력하는 제1 인코딩 레이어를 포함할 수 있다. 학습 모델은, 상기 복수의 제1 출력 벡터들에 대하여 위치 정보를 추가하여 복수의 제2 임베딩 벡터들을 생성하고, 하나 이상의 트랜스포머들을 이용하여 상기 복수의 제2 임베딩 벡터들로부터 복수의 제2 인코디드 벡터들을 생성하고, 상기 복수의 제2 인코디드 벡터들의 값들에 제2 가중치들을 적용하고, 상기 제2 가중치들이 적용된 복수의 제2 인코디드 벡터들을 가산함으로써 제2 출력 벡터를 출력하는 제2 인코딩 레이어를 포함할 수 있다. 상기 제1 가중치들은 쿼리 벡터 및 제1 훈련된 파라미터들에 기반할 수 있다. 상기 제2 가중치들은 시각 정보 및 제2 훈련된 파라미터들에 기반할 수 있다. 상기 제1 훈련된 파라미터들과 상기 제2 훈련된 파라미터들은 상기 학습 모델의 학습 데이터와 상기 학습 모델에 기반한 제어 추천 사이의 손실이 최소화되도록 학습될 수 있다.
본 개시의 일 예시에 따른 비일시적 컴퓨터 판독가능 저장 매체가 제시된다. 비일시적 컴퓨터 판독가능 저장 매체는 인스트럭션들 및 학습 모델을 저장할 수 있다. 상기 인스트럭션들은 전자 장치의 프로세서에 의하여 실행되었을 때, 상기 전자 장치가 상기 학습 모델을 이용하여 외부 전자 장치에 대한 제어 추천을 제공하도록 할 수 있다. 학습 모델은, 사용자의 복수의 외부 전자 장치들에 대한 일련의 제어 이력들을 포함하는 입력 시퀀스에 임베딩 가중치들을 적용함으로써 상기 입력 시퀀스에 대응하는 복수의 제1 임베딩 벡터들을 생성하는 입력 레이어를 포함할 수 있다. 학습 모델은, 하나 이상의 트랜스포머들을 이용하여 상기 복수의 제1 입력 임베딩 벡터들 각각으로부터 복수의 제1 인코디드 벡터들을 생성하고, 상기 복수의 제1 인코디드 벡터들에 대하여 제1 가중치들을 적용하고, 상기 제1 가중치들이 적용된 복수의 제1 인코디드 벡터들을 가산함으로써 복수의 제1 출력 벡터들을 출력하는 제1 인코딩 레이어를 포함할 수 있다. 학습 모델은, 상기 복수의 제1 출력 벡터들에 대하여 위치 정보를 추가하여 복수의 제2 임베딩 벡터들을 생성하고, 하나 이상의 트랜스포머들을 이용하여 상기 복수의 제2 임베딩 벡터들로부터 복수의 제2 인코디드 벡터들을 생성하고, 상기 복수의 제2 인코디드 벡터들의 값들에 제2 가중치들을 적용하고, 상기 제2 가중치들이 적용된 복수의 제2 인코디드 벡터들을 가산함으로써 제2 출력 벡터를 출력하는 제2 인코딩 레이어를 포함할 수 있다. 상기 제1 가중치들은 쿼리 벡터 및 제1 훈련된 파라미터들에 기반할 수 있다. 상기 제2 가중치들은 시각 정보 및 제2 훈련된 파라미터들에 기반할 수 있다. 상기 제1 훈련된 파라미터들과 상기 제2 훈련된 파라미터들은 상기 학습 모델의 학습 데이터와 상기 학습 모델에 기반한 제어 추천 사이의 손실이 최소화되도록 학습될 수 있다.
본 개시의 일 예시에 따르면, 사용자의 컨텍스트 및 기존 제어 이력에 기반한 행동 추천이 제공될 수 있다.
본 개시의 일 예시에 따르면, 사용자의 컨텍스트 및 기존 제어 이력을 인코딩함으로써 복잡한 컨텍스트의 상관 관계를 고려하여 개인화된 행동 추천이 제공될 수 있다.
본 개시의 일 예시에 따르면, 사용자들에 의하여 직접 설정된 제어 시퀀스를 이용하여 전이 학습을 수행함으로써, 사용자의 변덕스런 의도를 다룰 수 있는 학습 모델이 제공될 수 있다.
본 개시의 다양한 실시예들을 첨부된 도면들과 함께 개시하는, 후속하는 상세한 설명으로부터 본 기술분야의 기술자들에게는 본 개시의 다른 양상들, 이점들, 및 특징들이 자명할 것이다.
도 1은 일 예시에 따른 외부 전자 장치의 제어 환경을 도시한다.
도 2는 일 예시에 따른 제어 추천 시스템을 도시한다.
도 3은 일 예시에 따른 모델 학습 시스템을 도시한다.
도 4는 일 예시에 따른 쿼리드 트랜스포머 인코더의 구조를 도시한다.
도 5는 일 예시에 따른 트랜스포머의 구조를 도시한다.
도 6은 일 예시에 따른 전자 장치의 추천 제공 방법의 흐름도를 도시한다.
도 7은 일 예시에 따른 전자 장치의 추천 사용자 인터페이스를 도시한다.
도 8은 일 실시예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 9는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 10은 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 11은 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
첨부된 도면을 참조하는 다음의 설명은 청구범위 및 그 등가물에 의해 정의되는 본 발명의 다양한 실시예의 포괄적인 이해를 돕기 위해 제공된다. 이해를 돕기 위해 다양한 특정 세부 사항을 포함하지만 이는 단지 예시로 간주되어야 한다. 따라서, 통상의 기술자는 본 개시에 기술된 다양한 실시예의 다양한 변경 및 수정이 본 개시의 범위 및 사상을 벗어나지 않고 이루어질 수 있음을 인식할 것이다. 또한, 공지 기능 및 구성에 대한 설명은 명확성과 간결성을 위하여 생략될 수 있다.
이하의 설명 및 특허청구범위에 사용된 용어 및 단어는 서지적 의미로 제한되지 않으며, 발명자가 개시 내용을 명확하고 일관되게 이해하기 위해 사용한 것일 뿐이다. 따라서, 본 발명의 다양한 실시예에 대한 다음의 설명은 첨부된 청구범위 및 그 등가물에 의해 정의된 바와 같이 본 발명을 제한할 목적이 아니라 예시 목적으로만 제공된다는 것이 당업자에게 명백할 것이다.
단수 형태 "a", "an" 및 "the"는 문맥상 명백하게 달리 지시하지 않는 한 복수 지시 대상을 포함하는 것으로 이해되어야 한다. 따라서, 예를 들어, "부품 표면"에 대한 언급은 이러한 표면 중 하나 이상에 대한 언급을 포함한다.
도 1은 일 예시에 따른 외부 전자 장치의 제어 환경을 도시한다.
도 1을 참조하여, 일 예시에서, 사용자(190)는 인공 지능에 기반한 음성 에이전트(voice agent)를 이용하여 다양한 외부 전자 장치들을 제어할 수 있다. 도 1의 예시에서, 제1 전자 장치(100-1) 또는 제2 전자 장치(100-2)는 음성 에이전트가 설치된 전자 장치로 참조된(referred)다. 사용자(190)는 음성 에이전트를 이용하여, 전자 장치(제1 전자 장치(100-1) 및/또는 제2 전자 장치(100-2))를 제어하거나, 외부 전자 장치를 제어할 수 있다.
도 1의 예시에서, 다양한 외부 전자 장치들이 음성 에이전트를 통하여 제어될 수 있다. 외부 전자 장치들은, 예로서, 에어컨(250-1), 창문(250-2), 블라인드(250-3), 조명(250-4), 건조기(250-5), 세탁기(250-6), 및/또는 TV(250-7)를 포함할 수 있다. 사용자(190)는 적어도 하나의 발화(utterance)를 통하여 음성 에이전트를 이용한 외부 전자 장치의 제어를 수행할 수 있다. 예를 들어, 음성 에이전트는 사용자(190)의 발화로부터 목적 장치(target device)를 식별하고, 식별된 목적 장치에 대응하는 외부 전자 장치를 발화에 대응하는 의도(intent)에 따라서 제어할 수 있다. 음성 에이전트는 목적 장치에 직접 무선 신호를 송신하거나, 다른 서버 장치를 통하여 목적 장치에 신호를 송신함으로써 목적 장치를 제어할 수 있다.
일 실시 예에 따르면, 전자 장치(제1 전자 장치(100-1) 및/또는 제2 전자 장치(100-2))는 사용자(190)의 컨텍스트 정보 및 제어 패턴에 기반한 제어 추천을 제공할 수 있다. 제어 추천은, 외부 전자 장치 또는 전자 장치의 특정한 동작에 대한 추천을 포함할 수 있다. 전자 장치는 학습 모델을 이용하여, 사용자(190)의 제어와 이력과 컨텍스트 정보에 기반한 제어 추천을 식별하도록 설정될 수 있다. 예를 들어, 제어 이력은 사용자(190)의 이전 외부 전자 장치들의 제어 이력 정보를 포함한다. 예를 들어, 컨텍스트 정보는, 제어 추천을 제공하는 시점의 사용자(190)의 컨텍스트 정보(예: 계절, 요일 및/또는 시간 등)를 포함한다.
예를 들어, 사용자(190)의 외부 전자 장치의 순차적인 제어는 유의미한 패턴을 가진다. 복수의 외부 전자 장치들에 대한 제어들이 높은 상관을 가질 수 있다. 예를 들어, 사용자(190)는 블라인드(250-3)를 열면(open) 창문(250-2)을 열 수 있다. 예를 들어, 사용자(190)는 에어컨(250-1)을 턴온한 뒤에, 에어컨(250-1)의 온도를 설정할 수 있다. 예를 들어, 사용자(190)는 세탁기(250-6)를 작동시킨 뒤에, TV(260-7)를 킬 수 있다. 예를 들어, 사용자(190)는 세탁기(250-6)의 작동이 종료되면, 건조기(250-5)를 작동시킬 수 있다. 사용자(190)의 순차적인 제어 패턴은 사용자(190)의 의도를 내포할 수 있다.
예를 들어, 사용자(190)의 외부 전자 장치의 제어는 사용자(190)의 컨텍스트 정보와 상관된다. 사용자(190)는 낮 시간에는 조명(250-4)을 끄고, 밤 시간에는 조명(250-4)을 켤 수 있다. 사용자(190)는 여름에는 에어컨(250-1)을 키고, 다른 계절에는 에어컨(250-1)을 끌 수 있다.
본 개시의 전자 장치는, 제어 추천을 위한 학습 모델을 포함할 수 있다. 학습 모델은 QTE(Queried Transformer Encoder)에 기반한 구조를 가질 수 있다. 학습 모델은 제어 이력을 트랜스포머를 이용하여 인코딩하고, 인코딩된 제어 이력을 쿼리(query)를 이용하여 하나의 벡터로 요약할 수 있다. 학습 모델은 복수의 노드들의 상관 관계를 나타내는 복수의 파라미터들을 포함할 수 있다. 일 예를 들어, 학습 모델의 복수의 파라미터들은 복수의 사용자들의 제어 이력 및 컨텍스트를 포함하는 데이터 셋을 이용하여 트레이닝 된 값들이다. 전자 장치는 학습 모델에 사용자(190)의 제어 이력 및 컨텍스트 정보를 입력하고, 그 결과 값에 기반하여 제어 추천을 식별할 수 있다.
이하에서, 도 2 내지 도 11을 참조하여, 전자 장치의 제어 추천을 위한 다양한 예시들이 설명될 수 있다.
도 2는 일 예시에 따른 제어 추천 시스템을 도시한다.
도 2를 참조하여, 일 예시에 따르면, 제어 추천 시스템(299)은 전자 장치(100), 서버 장치(200), 및/또는 외부 전자 장치(250)를 포함할 수 있다. 도 2에 도시된 제어 추천 시스템(299)은 예시적인 것으로서, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 예를 들어, 서버 장치(200) 및/또는 외부 전자 장치(250) 없이도, 전자 장치(100)는 제어 추천을 제공할 수 있다.
일 예를 들어, 전자 장치(100)(예: 도 1의 제1 전자 장치(100-1), 제2 전자 장치(100-2), 도 8의 전자 장치(801), 도 9의 사용자 단말(901))는, 프로세서(120), 메모리, 및/또는 인터페이스(140)를 포함한다. 도 8에 도시된 전자 장치(100)의 구성은 예시적인 것으로서, 본 문서의 예시들이 이에 제한되지 않는다. 예를 들어, 전자 장치(100)는 도 2에 미도시된 컴포넌트(예: 도 8의 전자 장치(801)의 컴포넌트)를 더 포함할 수 있다.
프로세서(120)(예: 도 8의 프로세서(820) 및/또는 도 9의 프로세서(920))는 메모리(130) 및 인터페이스(140)에 전기적으로 연결될 수 있다. 예를 들어, 프로세서(120)는 메모리(130)에 저장된 인스트럭션들을 실행함으로써 다양한 전자 장치(100)의 동작들을 수행하도록 설정될 수 있다. 프로세서(120)는 메모리(130)와 하나의 칩으로 구현되거나, 메모리(130)와는 별개의 칩으로 구현될 수 있다. 본 개시에서, 전자 장치(100)의 동작들은 프로세서(120)의 동작으로 참조될 수 있다.
메모리(130)(예: 도 8의 메모리(830) 및/또는 도 9의 메모리(930))는 전자 장치(100)의 내부에 실장되거나, 전자 장치(100)로부터 탈부착될 수 있다. 메모리(130)는, 프로세서(120)에 의하여 실행가능한 인스트럭션들을 저장할 수 있다. 메모리(130)는 학습 모델을 저장할 수 있다. 일 예에서, 전자 장치(100)는 서버 장치(200)로부터 학습 모델을 수신하여 메모리(130)에 저장할 수 있다. 일 예에서, 메모리(130)는 사용자 발화를 처리하기 위한 음성 에이전트(예: 도 9의 클라이언트 모듈(931))을 저장할 수 있다. 메모리(130)는 컴퓨터 판독가능 저장 매체로 참조될 수 있다.
인터페이스(140)는 사용자 및/또는 다른 전자 장치(예: 서버 장치(200) 및/또는 외부 전자 장치(250))와의 상호 작용을 위한 적어도 하나의 컴포넌트를 포함할 수 있다. 예를 들어, 인터페이스(140)는 시각적 상호 작용을 위한 디스플레이(예: 도 8의 디스플레이 모듈(860) 및/또는 도 9의 디스플레이 (960))를 포함한다. 예를 들어, 인터페이스(140)는 청각적 상호 작용을 위한 스피커(예: 음향 출력 모듈(855) 및/또는 도 9의 스피커(955)) 및/또는 마이크(예: 도 8의 오디오 모듈(870) 및/또는 도 9의 마이크(970))를 포함한다. 예를 들어, 인터페이스(140)는 다른 전자 장치와의 통신을 위한 통신 모듈(예: 도 8의 통신 모듈(890) 및/또는 도 9의 통신 인터페이스(990))을 포함한다.
서버 장치(200)는 적어도 하나의 서버 장치를 포함할 수 있다. 예를 들어, 서버 장치(200)는 제1 서버(211)와 제2 서버(212)를 포함한다. 서버 장치(200)는 전자 장치(100)로부터 발화 데이터를 수신하고, 발화 데이터를 처리하도록 설정될 수 있다. 예를 들어, 제1 서버(211)는 도 9의 지능형 서버(1000)에 대응한다. 제2 서버(212)는 외부 전자 장치(예: 외부 전자 장치(250))에 대한 데이터 베이스를 포함할 수 있다. 제2 서버(212)는 IoT(internet of things) 서버로 참조될 수 있다. 예를 들어, 제2 서버(212)는 외부 전자 장치의 정보(예: 외부 전자 장치의 식별자, 그룹 정보 등)를 저장하고, 외부 전자 장치의 제어를 위한 구성들을 포함할 수 있다. 제1 서버(211)는 수신된 발화 데이터를 처리함으로써 수신된 발화 데이터에 포함된 사용자의 의도를 결정할 수 있다. 사용자의 의도가 외부 전자 장치(250)의 제어에 대한 것인 경우, 제1 서버(211)는 제2 서버(212)의 데이터를 이용하여 제어 대상이 되는 목적 장치를 식별하고, 식별된 목적 장치가 의도에 따른 동작을 수행하도록 외부 전자 장치(250)를 제어할 수 있다. 일 예에서, 전자 장치(100)에 저장된 학습 모델은 서버 장치(200)에 의하여 트레이닝 된 것일 수 있다. 서버 장치(200)는 제2 서버(212)에 저장된 사용자들의 제어 이력을 이용하여 학습 모델을 트레이닝할 수 있다. 도 2에는 제1 서버(211)와 제2 서버(212)가 별개의 구성으로 도시되어 있으나, 제1 서버(211)와 제2 서버(212)는 하나의 서버로 구현될 수 있다.
일 예에서, 외부 전자 장치(250)는 서버 장치(200)로부터의 신호에 기반하여 제어될 수 있다. 서버 장치(200)는 사용자 발화의 의도가 외부 전자 장치(250)의 제어인 경우, 외부 전자 장치(250)에 제어 데이터를 송신함으로써 외부 전자 장치(250)가 의도에 대응하는 동작을 수행하도록 할 수 있다. 일 예에서, 외부 전자 장치(250)는 전자 장치(100)로부터의 신호에 기반하여 제어될 수 있다. 서버 장치(200)는 사용자 발화의 의도가 외부 전자 장치(250)의 제어인 경우, 외부 전자 장치(250)의 제어를 위한 정보를 전자 장치(100)에 송신할 수 있다. 전자 장치(100)는 서버 장치(200)로부터 수신된 정보를 이용하여 외부 전자 장치(250)를 제어할 수 있다.
일 예에서, 전자 장치(100)는 자동 음성 인식 및 자연어 이해를 수행하도록 설정될 수 있다. 전자 장치(100)는 사용자의 발화로부터 사용자의 의도를 직접 식별하도록 설정될 수 있다. 이 경우, 전자 장치(100)는 제2 서버(212)에 저장된 정보를 이용하여 목적 장치(예: 외부 전자 장치(250))를 식별하고, 목적 장치를 의도에 따라서 제어할 수 있다. 전자 장치(100)는 제2 서버(212)를 통하여 목적 장치를 제어하거나, 직접 목적 장치에 신호를 송신하여 목적 장치를 제어할 수 있다.
일 실시예에 따르면, 전자 장치(100)는 메모리(130)에 저장된 학습 모델을 이용하여 외부 전자 장치(250)에 대한 제어 추천을 제공하도록 설정된 프로세서(120)를 포함할 수 있다.
일 예를 들어, 학습 모델은, 입력 레이어(예: 도 3의 입력 레이어(310)), 제1 인코딩 레이어(예: 도 3의 제1 인코딩 레이어(330)), 제2 인코딩 레이어(예: 도 3의 제2 인코딩 레이어(350))를 포함한다. 입력 레이어는, 사용자의 복수의 외부 전자 장치들에 대한 일련의 제어 이력들을 포함하는 입력 시퀀스에 임베딩 가중치들을 적용함으로써 입력 시퀀스에 대응하는 복수의 제1 임베딩 벡터들을 생성할 수 있다. 제1 인코딩 레이어는, 하나 이상의 트랜스포머들(예: 도 5의 트랜스 포머(440))을 이용하여 복수의 제1 입력 임베딩 벡터들 각각으로부터 복수의 제1 인코디드 벡터들을 생성하고, 복수의 제1 인코디드 벡터들에 대하여 제1 가중치들을 적용하고, 상기 제1 가중치들이 적용된 복수의 제1 인코디드 벡터들을 가산함으로써 제1 출력 벡터를 출력할 수 있다. 제1 가중치들은 쿼리 벡터와 학습된 제1 파라미터에 기반한 값일 수 있다. 제2 인코딩 레이어는, 제1 출력 벡터에 대하여 위치 정보를 추가하여 제2 임베딩 벡터(예: 도 3의 제2 임베딩 벡터(355))를 생성하고, 하나 이상의 트랜스포머(예: 도 5의 트랜스 포머(440))들을 이용하여 제2 임베딩 벡터로부터 복수의 제2 인코디드 벡터들 생성하고, 상기 제2 인코디드 벡터들의 값들에 제2 가중치들을 적용하고, 상기 제2 가중치들이 적용된 복수의 제2 인코디드 벡터들을 가산함으로써 제2 출력 벡터를 출력할 수 있다. 제2 가중치들은 시각 정보와 학습된 제2 파라미터에 기반한 값일 수 있다. 일 예에서, 제1 및 제2 파라미터들은 학습 모델의 학습 데이터와 학습 모델에 기반한 제어 추천 사이의 손실이 최소화되도록 학습될 수 있다. 예를 들어, 시각 정보는 제어 추천을 제공하는 시각(예: 월, 요일, 시간대, 및/또는 시각)에 대응할 수 있다. 예를 들어, 제2 출력 벡터는 제어 추천을 제공하는 시각의 복수의 외부 전자 장치들에 대한 제어 확률에 대한 정보를 포함할 수 있다.
학습 모델의 트레이닝 및 학습 모델의 구조에 대한 설명은 도 3 내지 도 5와 관련하여 후술되는 설명에 의하여 참조될 수 있다.
예를 들어, 제어 이력들 각각은, 제어의 대상이 되는 목적 외부 전자 장치의 정보, 목적 외부 전자 장치에 대한 제어 기능의 정보, 및 상기 목적 외부 전자 장치의 제어 시각에 대한 정보를 포함한다. 예를 들어, 제어 시각에 대한 정보는, 제어 요일 및 제어 시간에 대한 정보를 포함한다.
예를 들어, 임베딩 가중치들은, 복수의 사용자들에 의하여 설정된 복수의 루틴 데이터를 이용한 전이 학습을 통하여 정규화된다. 복수의 루틴 데이터 각각은 하나의 사용자에 의하여 설정된 복수의 외부 전자 장치들의 제어 시퀀스를 포함할 수 있다.
예를 들어, 프로세서(120)는, 트리거 이벤트의 감지에 응답하여, 학습 모델을 이용하여 사용자에게 제어 추천을 제공하도록 설정된다. 프로세서(120)는 인터페이스(140)를 통하여 사용자의 발화를 획득할 수 있다. 발화가 외부 전자 장치(250)에 대한 제어에 대응하는 의도를 포함하면, 프로세서(120)는 트리거 이벤트를 감지하도록 설정될 수 있다. 프로세서(120)는 음성 에이전트 호출이 감지되면 트리거 이벤트를 감지하도록 설정될 수 있다. 예를 들어, 트리거 이벤트의 감지에 대한 설명은 도 6과 관련하여 후술되는 설명을 참조할 수 있다.
프로세서(120)는, 제2 출력 벡터에 포함된 제어 확률에 기반하여 제어 추천에 연관된 목적 장치를 식별하도록 설정될 수 있다. 프로세서(120)는 식별된 목적 장치에 대한 제어를 추천하는 제어 추천을 인터페이스(140)를 통하여 제공할 수 있다. 프로세서(120)는 제어 추천에 대한 허용 응답이 획득되면, 추천에 대응하는 외부 전자 장치를 제어할 수 있다. 도 6 및 도 7과 관련하여, 제어 추천의 예시들이 설명될 수 있다.
도 2 내지 도 7과 관련하여, 외부 전자 장치(250)의 제어 추천에 대한 다양한 예시들이 설명된다. 그러나, 본 개시의 예시들은 외부 전자 장치(250)의 제어 추천에 제한되는 것은 아니다. 통상의 기술자는 제어 추천이 전자 장치(100)에 대한 제어 추천을 포함할 수 있음을 이해할 수 있을 것이다.
도 3은 일 예시에 따른 모델 학습 시스템을 도시한다.
도 3을 참조하여, 예를 들어, 모델 학습 시스템(300)은 입력 레이어(310), 제1 인코딩 레이어(330), 제2 인코딩 레이어(350), 및 출력 레이어(370)를 포함한다. 모델 학습 시스템(300)은 복수의 사용자들의 순차적인 제어 이력과 컨텍스트 정보를 이용하여 트레이닝될 수 있다. 트레이닝된 학습 모델은 전자 장치(예: 도 2의 전자 장치(100))에 저장될 수 있다.
예를 들어, 입력 레이어(310)는 입력된 벡터에 대한 임베딩을 수행할 수 있다. 입력 레이어(310)는 입력 벡터의 값들 각각에 대한 매핑 관계에 대한 정보(예: 룩업 테이블)을 이용하여 입력 벡터를 상위 레이어의 인코더가 처리할 수 있는 임베딩 벡터로 변환한다.
입력 벡터
Figure PCTKR2023010848-appb-img-000001
는 u번째 세션의 입력 벡터를 나타낸다. 입력 벡터는 제어 이력을 포함할 수 있다. 예를 들어,
Figure PCTKR2023010848-appb-img-000002
는 i번째 장치의 정보(예: 장치 유형 정보)를 나타낸다.
Figure PCTKR2023010848-appb-img-000003
는 i번째 장치의 제어 정보(예: 해당 장치의 제어)를 나타낸다.
Figure PCTKR2023010848-appb-img-000004
는 해당 장치의 제어가 발생한 요일 정보를 나타낸다.
Figure PCTKR2023010848-appb-img-000005
는 해당 장치의 제어가 발생한 시간 정보를 나타낸다. 시간 정보는 하루에 포함된 복수의 시간 구간 중 제어가 발생한 시간이 속하는 시간 구간을 나타내는 정보일 수 있다. 입력 벡터 Su의 각각의 벡터들은, 입력 레이어(310)를 통하여 복수의 제1 임베딩 벡터들로 변환될 수 있다. 복수의 제1 임베딩 벡터들 각각은,
Figure PCTKR2023010848-appb-img-000006
,
Figure PCTKR2023010848-appb-img-000007
,
Figure PCTKR2023010848-appb-img-000008
, 및
Figure PCTKR2023010848-appb-img-000009
와 같은 변환된 값들을 포함할 수 있다. 입력 레이어(310)는, 추천될 장치(예: t번째 장치)의 추천 제공 시각에 대한 정보 또한 임베딩할 수 있다. 컨텍스트 정보
Figure PCTKR2023010848-appb-img-000010
및
Figure PCTKR2023010848-appb-img-000011
은 제어 추천이 제공되는 시각에 대응하는 정보를 포함할 수 있다. 컨텍스트 정보는 입력 레이어(310)를 통하여
Figure PCTKR2023010848-appb-img-000012
및
Figure PCTKR2023010848-appb-img-000013
로 변환될 수 있다.
제1 인코딩 레이어(330)는 입력 레이어(310)로부터 전달된 복수의 제1 임베딩 벡터들을 쿼리드 트랜스포머 인코더(QTE)(예: 제1 QTE(340-1)...제t-1 QTE(340-(t-1)))를 이용하여 인코딩할 수 있다. 제1 인코딩 레이어(330)의 각각의 QTE는 컨텍스트 분해 인코더(context factorization encoder)로 참조될 수 있다. 제1 인코딩 레이어(330)는 복수의 제1 임베딩 벡터들을 이용하여 제1 출력 벡터를 생성할 수 있다.
제2 인코딩 레이어(350)는 제1 인코딩 레이어(330)로부터 전달된 제1 출력 벡터를 QTE를 이용하여 인코딩할 수 있다. 제1 인코딩 레이어(330)와 제2 인코딩 레이어(350)의 QTE의 구조는 도 4와 관련하여 설명될 수 있다.
도 4는 일 예시에 따른 쿼리드 트랜스포머 인코더의 구조를 도시한다.
도 4를 참조하여, 예를 들어, QTE(340)는 입력(410)을 2단계 레이어(430)를 통하여 출력(450)으로 변환한다. 입력(410)은 입력 벡터의 집합(X) 및 쿼리 벡터(q)를 포함할 수 있다. QTE(340)는 입력 벡터의 집합(X) 및 쿼리 벡터(q)를 하나의 벡터(예: 출력(450))로 요약할 수 있다.
QTE(340)는 입력으로 주어진 벡터들의 모든 상관관계를 표현하고 학습을 통해 중요한 상관관계를 추출하여 의미 있는 정보를 추출할 수 있다. QTE(340)의 파라미터는 입력 벡터들의 상관관계를 표현할 수 있다. 쿼리 벡터(q)는 출력 벡터를 하나로 요약하는 데에 사용될 수 있다. 쿼리 벡터(q)와 관련이 높은 내용일수록 더 높은 가중치를 가질 수 있으며, 해당 내용이 최종 벡터(예: 출력(450))에 더 많이 포함될 수 있다.
예를 들어, QTE(340)는 하기 수식 1에 의하여 표현될 수 있다.
Figure PCTKR2023010848-appb-img-000014
여기서, h는 요약된 벡터(예: 출력(450))를 나타낸다. 입력 벡터의 집합(X)은 x1 내지 xk 벡터들을 포함할 수 있다. xk는 입력 벡터의 집합(X)의 k번째 행을 나타낼 수 있다. QTE(340)는, 입력 벡터들을 2단계 레이어(430)를 통하여 처리할 수 있다. 2단계 레이어(430)는 복수의 트랜스포머들(440-1...440-L)로 구성된 셀프 어텐션 모듈(self-attention module)과 셀프 어텐션 모듈로부터 출력된 벡터들을 쿼리(q)를 이용하여 요약하는 쿼리 어텐션 모듈(query-attention module)(445)을 포함할 수 있다.
셀프 어텐션 모듈은 주어진 변수들을 상관시킬 수 있다. 예를 들어, 셀프 어텐션 모듈은 트랜스포머를 이용하여 각각의 변수에 대한 쿼리, 키(key), 및 밸류(value)에 대한 가중(weight) 행렬을 학습함으로써 변수들을 상관시킬 수 있다. 예를 들어, L개의 스택킹된 트랜스포머들(440-1...440-L)을 이용하여, 입력 변수들 사이의 복잡한 관계가 학습될 수 있다. 이하에서, 도 5를 참조하여, 트랜스포머의 구조가 설명될 수 있다.
도 5는 일 예시에 따른 트랜스포머의 구조를 도시한다.
도 5를 참조하여, 예를 들어, 트랜스 포머(440)는 멀티-헤드 어텐션 레이어(multi-head attention layer, 510) 및 피드 포워드 레이어(feed forward layer, 520)를 포함한다. 트랜스 포머(440)의 입력 벡터는 임베딩을 통하여 생성된 입력 벡터일 수 있다. 임베딩된 입력 벡터는 순차 정보(예: 입력 벡터들의 집합 내의 위치 정보)를 포함할 수 있다.
WQ는 쿼리에 대한 가중 행렬을, WK는 키에 대한 가중 행렬을, WV는 밸류에 대한 가중 행렬을 나타낸다. 가중 행렬들을 이용하여 쿼리 행렬(Q), 키 행렬(K), 및 밸류 행렬(V)이 획득될 수 있다. 예를 들어, 수식 2에 기반하여 Q, K, V가 획득된다.
Figure PCTKR2023010848-appb-img-000015
수식 2에서, X는 트랜스포머(440)의 입력 행렬을 나타낸다.
밸류 행렬(V)로부터, 수식 3에 따라서 트랜스폼된 행렬
Figure PCTKR2023010848-appb-img-000016
가 도출될 수 있다.
Figure PCTKR2023010848-appb-img-000017
A는 변수들 사이의 어텐션 스코어 행렬을 나타내며, d는 Q, K, V의 열의 수를 나타낸다. 피드 포워드 레이어(520)는 트랜스폼된 행렬
Figure PCTKR2023010848-appb-img-000018
을 이용하여 은닉 레이어의 파라미터들을 학습할 수 있다.
다시 도 4를 참조하여, 복수의 트랜스포머들(440-1...440-L)을 거친 출력 벡터들은 복수의 인코디드 벡터들(h1...hk)로 참조될 수 있다. 쿼리 어텐션 모듈(445)은 복수의 인코디드 벡터들(h1...hk)과 쿼리 벡터(q)를 이용하여 출력 벡터(h)를 생성할 수 있다. 쿼리 어텐션 모듈(445)은 복수의 인코디드 벡터들(h1...hk)을 쿼리 벡터를 이용하여 단일한 출력 벡터(h)로 요약할 수 있다. 예를 들어, 쿼리 어텐션 모듈(445)은 하기의 수식 4에 따라서 출력 벡터(h)를 계산한다.
Figure PCTKR2023010848-appb-img-000019
수식 4는, 복수의 인코디드 벡터들에 대하여 훈련된 파라미터들(trained parameters) 및 쿼리 벡터에 기반한 가중치(α)를 적용하고, 가중치가 적용된 복수의 인코디드 벡터들을 가산하는 것을 의미할 수 있다.
위 수식 4에서, 가중치(α)는 확률에 기반하여 정규화된 값일 수 있다. 예를 들어, 가중치(α)는 하기 수식 5에 기반하여 획득된다.
Figure PCTKR2023010848-appb-img-000020
수식 5에서, βi는 인코디드 벡터 hi에 대한 비정규화된(unnomarlized) 점수를 나타내며, αi는 정규화된 점수를 나타낸다. βi는 하기 수식 6으로부터 획득될 수 있다.
Figure PCTKR2023010848-appb-img-000021
수식 6에서, WH와 bH는 학습된 값에 대응한다.
다시 도 3을 참조하여, 제1 인코딩 레이어(330)의 복수의 QTE들(340-1 ... 349-(t-1))들을 이용하여 복수의 제1 출력 벡터들(hu,1...hu,(t-1))을 출력할 수 있다. 예를 들어, 제1 인코딩 레이어(330)는, 하나 이상의 트랜스포머들(예: 도 5의 트랜스 포머(440))을 이용하여 복수의 제1 입력 임베딩 벡터들 각각으로부터 복수의 제1 인코디드 벡터들을 생성하고, 복수의 제1 인코디드 벡터들에 대하여 제1 가중치들을 적용하고, 상기 제1 가중치들이 적용된 복수의 제1 인코디드 벡터들을 가산함으로써 복수의 제1 출력 벡터들을 출력한다. 예를 들어, 제1 가중치들(예: 도 4의 α)은 쿼리 벡터(qc)와 학습된 제1 파라미터에 기반한 값일 수 있다. 쿼리 벡터(qc)는 학습된 값으로서, 복수의 사용자들의 순차 제어 이력에 기반하여 학습된 값일 수 있다.
제2 인코딩 레이어(350)는 제1 인코딩 레이어(330)로부터 전달된 복수의 제1 출력 벡터들을 순차(sequence)-QTE(360)를 이용하여 처리할 수 있다. 순차-QTE(360)는 어텐션 순차 인코더(attentive sequence encoder)로 참조될 수 있다. 순차-QTE(360)의 구조는 도 4 및 도 5와 관련하여 설명된 QTE(340)의 구조와 유사하다. 제1 인코딩 레이어(330)의 QTE 구조에서, 쿼리 벡터(qc)가 도 4의 쿼리 벡터(q)에 대응한다. 제2 인코딩 레이어(350)의 순차-QTE(360)의 구조에서, 시각 정보(
Figure PCTKR2023010848-appb-img-000022
및
Figure PCTKR2023010848-appb-img-000023
)가 도 4의 쿼리 벡터(q)에 대응한다.
제2 인코딩 레이어(350)는 복수의 제1 출력 벡터들에 대하여 위치 정보(pi)를 추가하여 제2 임베딩 벡터들(355)을 생성할 수 있다. 제2 인코딩 레이어(350)는 하나 이상의 트랜스포머(예: 도 5의 트랜스 포머(440))들을 이용하여 제2 임베딩 벡터들로부터 복수의 제2 인코디드 벡터들 생성하고, 상기 제2 인코디드 벡터의 값들에 제2 가중치들을 적용할 수 있다. 제2 인코딩 레이어(350) 상기 제2 가중치들이 적용된 복수의 제2 인코디드 벡터들을 가산함으로써 제2 출력 벡터(su,t)를 출력할 수 있다. 제2 가중치들은 시각 정보와 학습된 제2 파라미터에 기반한 값일 수 있다. 제2 출력 벡터(su,t)는 제어 추천을 제공하는 시각의 복수의 외부 전자 장치들에 대한 제어 확률에 대한 정보를 포함할 수 있다.
출력 레이어(370) 상에서, 제2 출력 벡터(su,t)는 SoftMax 연산을 통하여 확률 분포로 변환될 수 있다. 도 3에서,
Figure PCTKR2023010848-appb-img-000024
는 세션 u의 현재 t 차례에 대하여 예측된 장치 제어의 확률을 나타낸다. E는 예측을 위한 장치 제어의 행렬을 나타낸다.
도 3의 모델 학습 시스템(300)에서, 입력 벡터(Su)는 다양한 사용자들에 의한 장치 제어 시퀀스들로부터 획득될 수 있다. 장치 제어 시퀀스들은 통상적이지 않은 제어를 포함할 수 있다. 예를 들어, 사용자의 변덕에 의하여, 통상적이지 않은 제어가 제어 이력에 포함될 수 있다. 순차 제어의 상관도를 높이기 위하여, 전이 학습이 이용될 수 있다. 일 예에서, 입력 레이어(310)의 임베딩에 이용되는 임베딩 벡터(예: 룩업 테이블의 값에 대응하는 벡터)는 루틴 데이터(390)에 의하여 세부조정(refine)될 수 있다. 루틴 데이터(390)는 각각의 사용자에 의하여 직접 설정된 제어 시퀀스일 수 있다. 예를 들어, 사용자는 전자 장치(100)에 특정 시간에 특정한 장치의 제어가 이루어지도록 설정할 수 있다. 루틴 데이터(390)는 사용자에 의하여 (예를 들어, 자동화를 위하여)예약되거나 기설정된 제어 시퀀스에 대응할 수 있다. 입력 벡터(Su)는 사용자가 각 제어의 시점에 수행한 제어들의 시퀀스이므로, 변덕적인 제어를 포함할 수 있다. 루틴 데이터(390)는 미리 설정된 제어 시퀀스이므로, 변덕적인 제어가 상대적으로 배제될 수 있다. 루틴 데이터(390)를 이용하여 임베딩 벡터에 대한 정규화(regularization)를 수행함으로써 전이 학습이 수행될 수 있다. 전이 학습을 통하여, 입력 벡터(Su) 내의 변덕적인 제어로 인한 학습의 영향이 감소될 수 있다.
도 3의 모델 학습 시스템(300)에 있어서, 다양한 사용자들의 데이터에 기반한 학습이 수행될 수 있다. 학습된 모델은 전자 장치(100)에 저장될 수 있다. 전자 장치(100)는 전자 장치(100)의 사용자에 의하여 수행된 제어 시퀀스 및 제어 추천을 제공하는 시점의 시각 정보를 입력으로 이용하여, 제어 추천을 제공할 수 있다. 예를 들어, 전자 장치(100)는 제어 추천을 제공하는 시각에서 가장 높은 확률을 갖는 제어(예: 목적 장치 및 목적 장치의 제어 기능)를 추천한다.
도 3 내지 도 6을 참조하여, 본 개시의 일 예시에 따른 학습 모델의 학습 방법들이 설명되었다. 이하에서, 도 6 및 도 7을 참조하여, 학습 모델을 이용한 추천 제공 방법의 예시들이 설명될 수 있다.
도 6은 일 예시에 따른 전자 장치의 추천 제공 방법의 흐름도를 도시한다.
도 2 및 도 6을 참조하여, 일 예시에서, 전자 장치(100)는 도 6에 도시된 추천 제공 방법에 따라서 추천을 제공하도록 설정될 수 있다. 전자 장치(100)는 전자 장치(100)의 설정 정보에 따라서 추천을 제공할 수 있다. 예를 들어, 설정 정보가 제어 추천을 허용하는 경우, 전자 장치(100)는 도 6의 추천 제공 방법에 따라서 추천을 제공한다. 설정 정보가 제어 추천을 허용하지 않는 경우, 전자 장치(100)는 추천 제공을 하지 않을 수 있다.
동작 605에서, 전자 장치(100)는 트리거 이벤트의 감지 여부를 결정할 수 있다. 트리거 이벤트는 외부 전자 장치에 대한 제어 추천을 트리거링하는 이벤트를 의미할 수 있다. 트리거 이벤트는, 예를 들어, 음성 에이전트의 호출, 외부 전자 장치의 제어, 및/또는 지정된 시간을 포함한다.
일 예에서, 전자 장치(100)는 음성 에이전트의 호출에 응답하여 트리거 이벤트를 감지할 수 있다. 전자 장치(100)는 인터페이스(140)를 통하여 음성 에이전트를 호출하는 음성 명령(예: 웨이크업 워드)을 획득할 수 있다. 전자 장치(100)는 음성 에이전트의 호출에 응답하여 동작 610을 수행하도록 설정될 수 있다. 예를 들어, 사용자는 웨이크업 워드를 발화함으로써 음성 에이전트를 호출한다. 이 경우, 전자 장치(100)는 음성 에이전트를 실행하고, 음성 에이전트를 통하여 제어를 추천할 수 있다.
일 예에서, 전자 장치(100)는 외부 전자 장치의 제어에 응답하여 트리거 이벤트를 감지할 수 있다. 전자 장치(100)는 인터페이스(140)를 통하여 음성 에이전트를 이용하여 외부 전자 장치를 제어하는 음성 명령(예: 제어 발화)를 획득할 수 있다. 예를 들어, 전자 장치(100)는 인터페이스(140)를 통하여 음성 명령을 획득하고, 음성 명령이 외부 전자 장치의 제어에 대응하면 트리거 이벤트를 감지한다. 예를 들어, 사용자는 전자 장치(100)의 음성 에이전트를 이용하여 에어컨을 끌 수 있다. 이 경우, 전자 장치(100)는 후속 제어(예: 창문의 개방)를 추천하도록 설정될 수 있다.
일 예에서, 전자 장치(100)는 지정된 시간에 따라서 트리거 이벤트를 감지할 수 있다. 전자 장치(100)는 설정된 시간(예: 하루의 시각, 요일, 및/또는 날짜)이 되면 트리거 이벤트를 감지할 수 있다. 예를 들어, 사용자는 전자 장치(100)에 시간을 지정할 수 있다. 지정된 시간이 되면, 전자 장치(100)는 제어 추천을 제공하도록 설정될 수 있다.
트리거 이벤트가 감지되지 않으면(동작 605-NO), 전자 장치(100)는 트리거 이벤트의 발생을 모니터링하도록 설정될 수 있다. 트리거 이벤트가 감지되면(동작 605-YES), 전자 장치(100)는 동작 610을 수행할 수 있다.
동작 610에서, 전자 장치(100)는 컨텍스트 정보 및 학습 모델에 기반하여 추천을 제공할 수 있다. 전자 장치(100)는 추천을 제공하는 시점의 컨텍스트 정보 및 전자 장치(100)의 제어 시퀀스를 학습 모델에 입력함으로써 추천을 제공할 수 있다.
도 3을 참조하여, 예를 들어, 전자 장치(100)는 전자 장치(100)에 의하여 수행된 제어(예: 외부 전자 장치(250) 및/또는 전자 장치(100)의 제어)의 시퀀스들을 입력 벡터(Su)로 이용하고, 제어 추천을 제공하는 시점의 컨텍스트 정보를 컨텍스트 벡터(Cu,t)로 이용한다. 입력 벡터(Su)는, 전자 장치(100)에 의하여 수행된 지정된 수의 순차적인 제어 이력을 포함할 수 있다. 도 2 내지 도 5와 관련하여, 컨텍스트 정보는 시간과 관련된 정보로서 설명되었으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 예를 들어, 컨텍스트 정보는 날씨, 습도, 및/또는 기온 정보를 포함한다. 통상의 기술자는 학습 모델의 학습 데이터에 따라서, 다양한 유형의 컨텍스트 정보가 이용될 수 있음을 이해할 수 있을 것이다.
전자 장치(100)는, 예를 들어, 학습 모델을 이용하여 생성된 출력 벡터로부터 시점 t(현재)의 제어 추천(예: 목적 장치 및 제어 기능)을 식별할 수 있다. 전자 장치(100)는, 인터페이스(140)를 이용하여 제어 추천을 사용자에게 제공할 수 있다. 예를 들어, 전자 장치(100)는 시각적 및/또는 청각적 알림을 제공함으로서 사용자에게 제어 추천을 제공한다.
추천 제공 후, 동작 615에서, 전자 장치(100)는 추천 허용 응답이 획득되는 지 결정할 수 있다. 예를 들어, 전자 장치(100)는 인터페이스(140)를 통하여 추천을 허용하는 사용자의 응답을 획득할 수 있다. 허용 응답이 획득되지 않는 경우(동작 615-NO), 전자 장치(100)는 추가적인 제어를 수행하지 않을 수 있다. 허용 응답이 획득되는 경우(동작 615-YES), 전자 장치(100)는 동작 620을 수행할 수 있다.
동작 620에서, 전자 장치(100)는 추천에 대응하는 외부 전자 장치를 제어할 수 있다. 예를 들어, 추천은 외부 전자 장치(250)에 대한 제어 추천일 수 있다. 전자 장치(100)는 외부 전자 장치(250)에 직접 제어 추천에 대응하는 명령을 송신함으로써 외부 전자 장치(250)를 제어할 수 있다. 전자 장치(100)는 서버 장치(200)를 통하여 외부 전자 장치(250)에 제어 추천에 대응하는 명령을 송신함으로써 외부 전자 장치(250)를 제어할 수 있다.
도 7은 일 예시에 따른 전자 장치의 추천 사용자 인터페이스를 도시한다.
도 7을 참조하여, 전자 장치(100)는 추천 사용자 인터페이스(700)를 제공(예: 도 6의 동작 610)할 수 있다. 예를 들어, 전자 장치(100)는 디스플레이(예: 도 2의 인터페이스(140))를 통하여 추천 사용자 인터페이스(700)를 제공한다.
도 7의 예시에서, 트리거 이벤트(예: 도 6의 동작 605의 트리거 이벤트)는 외부 장치의 제어로 가정될 수 있다. 사용자는 발화를 통하여 에어컨을 끄기 원할 수 있다. 사용자의 발화에 응답하여, 전자 장치(100)는 발화에 대응하는 제1 메시지(710)를 추천 사용자 인터페이스(700) 상에 표시할 수 있다.
제1 메시지(710)가 외부 전자 장치(예: 에어컨)의 제어(예: 턴-오프)의 의도를 포함하므로, 전자 장치(100)는 사용자의 발화로부터 트리거 이벤트를 감지할 수 있다. 먼저, 전자 장치(100)는 제1 메시지(710)에 대응하는 제어를 수행하고 피드백을 제공할 수 있다. 전자 장치(100)는 제1 메시지(710)에 따른 제어 결과를 나타내는 제2 메시지(720)를 추천 사용자 인터페이스(700) 상에 표시할 수 있다.
외부 전자 장치의 제어 후에 또는 외부 전자 장치의 제어와 실질적으로 동시에, 전자 장치(100)는 후속하는 외부 전자 장치의 제어를 추천할 수 있다. 예를 들어, 제3 메시지(730)는 제어 추천에 대한 정보를 포함한다. 제어 추천에 대한 정보는, 예를 들어, 목적 기기의 정보(예: 창문)와 추천 제어(예: OPEN)를 포함한다.
전자 장치(100)는, 일 예에서, 허용(accept) 버튼(740) 및 불승인(decline) 버튼(750)을 추천 사용자 인터페이스(700) 상에 표시할 수 있다. 허용 버튼(740)에 대한 입력이 수신되거나, 허용 발화가 수신되면, 전자 장치(100)는 추천 허용 응답이 획득된(예: 도 6의 동작 615-YES) 것으로 결정할 수 있다. 불승인 버튼(750)에 대한 입력이 수신되거나, 불승인 발화가 수신되면, 전자 장치(100)는 추천 불승인 응답이 획득된(예: 도 6의 동작 615-NO) 것으로 결정할 수 있다.
전자 장치(100)는 추천 허용 응답이 획득되면, 추천된 외부 전자 장치의 제어를 수행할 수 있다. 예를 들어, 전자 장치(100)는 창문이 열리도록 창문을 제어한다. 전자 장치(100)는 추천 불승인 응답이 획득되면, 추천의 제공을 중단할 수 있다. 예를 들어, 전자 장치(100)는 추천 사용자 인터페이스(700)의 표시를 종료(terminate)할 수 있다.
도 8은, 일 실시예에 따른, 네트워크 환경(800) 내의 전자 장치(801)의 블록도이다.
도 8을 참조하면, 네트워크 환경(800)에서 전자 장치(801)는 제 1 네트워크(898)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(802)와 통신하거나, 또는 제 2 네트워크(899)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(804) 또는 서버(808) 중 적어도 하나 와 통신할 수 있다. 일실시예에 따르면, 전자 장치(801)는 서버(808)를 통하여 전자 장치(804)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(801)는 프로세서(820), 메모리(830), 입력 모듈(850), 음향 출력 모듈(855), 디스플레이 모듈(860), 오디오 모듈(870), 센서 모듈(876), 인터페이스(877), 연결 단자(878), 햅틱 모듈(879), 카메라 모듈(880), 전력 관리 모듈(888), 배터리(889), 통신 모듈(890), 가입자 식별 모듈(896), 또는 안테나 모듈(897)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(801)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(878))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(876), 카메라 모듈(880), 또는 안테나 모듈(897))은 하나의 구성요소(예: 디스플레이 모듈(860))로 통합될 수 있다.
프로세서(820)는, 예를 들면, 소프트웨어(예: 프로그램(840))를 실행하여 프로세서(820)에 연결된 전자 장치(801)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(820)는 다른 구성요소(예: 센서 모듈(876) 또는 통신 모듈(890))로부터 수신된 명령 또는 데이터를 휘발성 메모리(832)에 저장하고, 휘발성 메모리(832)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(834)에 저장할 수 있다. 일실시예에 따르면, 프로세서(820)는 메인 프로세서(821)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(823)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(801)가 메인 프로세서(821) 및 보조 프로세서(823)를 포함하는 경우, 보조 프로세서(823)는 메인 프로세서(821)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(823)는 메인 프로세서(821)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(823)는, 예를 들면, 메인 프로세서(821)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(821)를 대신하여, 또는 메인 프로세서(821)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(821)와 함께, 전자 장치(801)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(860), 센서 모듈(876), 또는 통신 모듈(890))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(823)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(880) 또는 통신 모듈(890))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(823)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(801) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(808))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(830)는, 전자 장치(801)의 적어도 하나의 구성요소(예: 프로세서(820) 또는 센서 모듈(876))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(840)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(830)는, 휘발성 메모리(832) 또는 비휘발성 메모리(834)를 포함할 수 있다.
프로그램(840)은 메모리(830)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(842), 미들 웨어(844) 또는 어플리케이션(846)을 포함할 수 있다.
입력 모듈(850)은, 전자 장치(801)의 구성요소(예: 프로세서(820))에 사용될 명령 또는 데이터를 전자 장치(801)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(850)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(855)은 음향 신호를 전자 장치(801)의 외부로 출력할 수 있다. 음향 출력 모듈(855)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(860)은 전자 장치(801)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(860)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(860)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(870)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(870)은, 입력 모듈(850)을 통해 소리를 획득하거나, 음향 출력 모듈(855), 또는 전자 장치(801)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(802))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(876)은 전자 장치(801)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(876)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(877)는 전자 장치(801)가 외부 전자 장치(예: 전자 장치(802))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(877)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(878)는, 그를 통해서 전자 장치(801)가 외부 전자 장치(예: 전자 장치(802))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(878)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(879)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(879)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(880)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(880)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(888)은 전자 장치(801)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(888)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(889)는 전자 장치(801)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(889)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(890)은 전자 장치(801)와 외부 전자 장치(예: 전자 장치(802), 전자 장치(804), 또는 서버(808)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(890)은 프로세서(820)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(890)은 무선 통신 모듈(892)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(894)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(898)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(899)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(804)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(892)은 가입자 식별 모듈(896)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(898) 또는 제 2 네트워크(899)와 같은 통신 네트워크 내에서 전자 장치(801)를 확인 또는 인증할 수 있다.
무선 통신 모듈(892)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(892)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(892)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(892)은 전자 장치(801), 외부 전자 장치(예: 전자 장치(804)) 또는 네트워크 시스템(예: 제 2 네트워크(899))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(892)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(897)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(897)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(897)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(898) 또는 제 2 네트워크(899)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(890)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(890)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(897)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(897)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(899)에 연결된 서버(808)를 통해서 전자 장치(801)와 외부의 전자 장치(804)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(802, 또는 804) 각각은 전자 장치(801)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(801)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(802, 804, 또는 808) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(801)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(801)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(801)로 전달할 수 있다. 전자 장치(801)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(801)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(804)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(808)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(804) 또는 서버(808)는 제 2 네트워크(899) 내에 포함될 수 있다. 전자 장치(801)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 9는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 9를 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(901), 지능형 서버(1000), 및 서비스 서버(1100)를 포함할 수 있다.
일 실시 예의 사용자 단말(901)(예: 도 8의 전자 장치(801))은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(901)은 통신 인터페이스(990), 마이크(970), 스피커(955), 디스플레이(960), 메모리(930), 및/또는 프로세서(920)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
통신 인터페이스(990)(예: 도 8의 통신 모듈(890))는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 마이크(970)(예: 도 8의 오디오 모듈(870))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 스피커(955)(예: 도 8의 음향 출력 모듈(855))는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 디스플레이(960)(예: 도 8의 디스플레이 모듈(860))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(960)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface, GUI)를 표시할 수 있다.
일 실시 예의 메모리(930)(예: 도 8의 메모리(830))는 클라이언트 모듈(931), SDK(software development kit)(933), 및 복수의 어플리케이션들을 저장할 수 있다. 상기 클라이언트 모듈(931), 및 SDK(933)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(931) 또는 SDK(933)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
상기 복수의 어플리케이션들(예: 935a, 935b)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 제1 앱(935a), 및/또는 제2 앱(935b)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 어플리케이션들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 프로세서(920)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(920)는 사용자 단말(901)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(920)는 통신 인터페이스(990), 마이크(970), 스피커(955), 및 디스플레이(960)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(920)는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예의 프로세서(920)는 또한 상기 메모리(930)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(920)는 클라이언트 모듈(931) 또는 SDK(933) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(920)는, 예를 들어, SDK(933)를 통해 복수의 어플리케이션들의 동작을 제어할 수 있다. 클라이언트 모듈(931) 또는 SDK(933)의 동작으로 설명된 이하의 동작들은 프로세서(920)의 실행에 의하여 수행되는 동작일 수 있다.
일 실시 예의 클라이언트 모듈(931)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(931)은 마이크(970)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(931)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(1000)로 송신할 수 있다. 클라이언트 모듈(931)은 수신된 음성 입력과 함께, 사용자 단말(901)의 상태 정보를 지능형 서버(1000)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(931)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(1000)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(931)은 지능형 서버(1000)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(931)은 상기 수신된 결과를 디스플레이(960)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(931)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(931)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(960)에 표시할 수 있다. 클라이언트 모듈(931)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(901)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(931)은 지능형 서버(1000)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(931)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(1000)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(931)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(1000)로 송신할 수 있다. 지능형 서버(1000)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(931)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(931)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(931)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.
일 실시 예의 지능형 서버(1000)는 네트워크(999)(예: 도 8의 제1 네트워크(898) 및/또는 제2 네트워크(899))를 통해 사용자 단말(901)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(1000)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(1000)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(1000)는 생성된 플랜에 따른 결과를 사용자 단말(901)로 송신하거나, 생성된 플랜을 사용자 단말(901)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(901)은 플랜에 따른 결과를 디스플레이(960)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(901)은 플랜에 따른 동작을 실행한 결과를 디스플레이(960)에 표시할 수 있다.
일 실시 예의 지능형 서버(1000)는 프론트 엔드(front end)(1010), 자연어 플랫폼(natural language platform)(1020), 캡슐 데이터베이스(capsule database)(1030), 실행 엔진(execution engine)(1040), 엔드 유저 인터페이스(end user interface)(1050), 매니지먼트 플랫폼(management platform)(1060), 빅 데이터 플랫폼(big data platform)(1070), 또는 분석 플랫폼(analytic platform)(1080)을 포함할 수 있다.
일 실시 예의 프론트 엔드(1010)는 사용자 단말(901)에 의하여 수신된 음성 입력을 사용자 단말(901)로부터 수신할 수 있다. 프론트 엔드(1010)는 상기 음성 입력에 대응되는 응답을 사용자 단말(901)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1020)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(1021), 자연어 이해 모듈(natural language understanding module)(NLU module)(1023), 플래너 모듈(planner module)(1025), 자연어 생성 모듈(natural language generator module)(NLG module)(1027), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(1029)을 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(1021)은 사용자 단말(901)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(1023)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(1023)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(1023)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(1025)은 자연어 이해 모듈(1023)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1025)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(1025)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1025)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및/또는 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(1025)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(1025)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(1025)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(1025)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(1025)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(1030)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(1027)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(1029)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1020)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(901)에서도 구현가능 할 수 있다. 예를 들어, 사용자 단말(901)이 자동 음성 인식 모듈 및/또는 자연어 이해 모듈을 포함할 수 있다. 사용자 단말(901)이 사용자 음성 명령을 인식한 뒤, 인식된 음성 명령에 대응하는 텍스트 정보를 지능형 서버(1000)로 송신할 수 있다. 예를 들어, 사용자 단말(901)이 텍스트 음성 변환 모듈을 포함할 수 있다. 사용자 단말(901)이 지능형 서버(1000)로부터 텍스트 정보를 수신하고, 수신된 텍스트 정보를 음성으로 출력할 수 있다.
상기 캡슐 데이터베이스(1030)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object)(또는 동작 정보) 및/또는 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1030)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(1030)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(1030)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1030)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1030)는 사용자 단말(901)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1030)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1030)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(1030)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(1030)가 사용자 단말(901) 내에도 구현될 수 있다.
일 실시 예의 실행 엔진(1040)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(1050)는 산출된 결과를 사용자 단말(901)로 송신할 수 있다. 이에 따라, 사용자 단말(901)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(1060)은 지능형 서버(1000)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(1070)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(1080)은 지능형 서버(1000)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(1080)은 지능형 서버(1000)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(1100)는 사용자 단말(901)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(1100)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(1100)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(1000)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(1030)에 저장될 수 있다. 또한, 서비스 서버(1100)는 플랜에 따른 결과 정보를 지능형 서버(1000)에 제공할 수 있다. 서비스 서버(1100)는 네트워크(999)를 통하여 지능형 서버(1000) 및/또는 사용자 단말(901)과 통신할 수 있다. 서비스 서버(1100)는 별도의 연결을 통하여 지능형 서버(1000)와 통신할 수 있다. 도 9에는 서비스 서버(1100)가 하나의 서버로 도시되어 있으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 서비스 서버(1100)의 각각의 서비스(1101, 1102, 및 1103)들 중 적어도 하나는 별도의 서버로 구현될 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(901)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(901)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(901)은 상기 마이크(970)를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(901)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버(1000) 및/또는 서비스 서버(1100)와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(901)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(901)이 지능형 서버(1000) 및/또는 서비스 서버(1100)와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말(901)은, 상기 마이크(970)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말(901)은, 상기 음성 데이터를 통신 인터페이스(990)를 이용하여 지능형 서버(1000)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(1000)는 사용자 단말(901)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작 및/또는 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작 및/또는 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(901)은, 통신 인터페이스(990)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(901)은 상기 스피커(955)를 이용하여 사용자 단말(901) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(960)를 이용하여 사용자 단말(901) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 10은 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(1000)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(1030))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(캡슐A(1031), 캡슐B(1034))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: 캡슐A(1031))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자의 캡슐(예: CP 1(1032), CP 2 (1033), CP3 (1035), 및/또는 CP4 (1036))이 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(1030a) 및 적어도 하나 이상의 컨셉(1030b)을 포함할 수 있다.
상기, 자연어 플랫폼(1020)은 캡슐 데이터베이스(1030)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(1025)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(1031) 의 동작들(1031a, 1032a)과 컨셉들(1031b, 1032b) 및 캡슐 B(1034)의 동작(1034a)과 컨셉(1034b)을 이용하여 플랜(1037)을 생성할 수 있다.
도 11은 일 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(901)은 지능형 서버(1000)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 제1 화면(910)에서, 사용자 단말(901)은 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(901)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(901)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(1111)를 디스플레이(960)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(901)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(901)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(901)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(913)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 제2 화면(915)에서, 사용자 단말(901)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(901)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이에 표시할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(801)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(836) 또는 외장 메모리(838))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(840))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(801))의 프로세서(예: 프로세서(820))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    인터페이스;
    학습 모델을 저장하도록 설정된 메모리; 및
    상기 메모리에 저장된 학습 모델을 이용하여 외부 전자 장치에 대한 제어 추천을 제공하도록 설정된 프로세서를 포함하고, 상기 학습 모델은:
    사용자의 복수의 외부 전자 장치들에 대한 일련의 제어 이력들을 포함하는 입력 시퀀스에 임베딩 가중치들을 적용함으로써 상기 입력 시퀀스에 대응하는 복수의 제1 임베딩 벡터들을 생성하는 입력 레이어,
    하나 이상의 트랜스포머들을 이용하여 상기 복수의 제1 입력 임베딩 벡터들 각각으로부터 복수의 제1 인코디드 벡터들을 생성하고, 상기 복수의 제1 인코디드 벡터들에 대하여 제1 가중치들을 적용하고, 상기 제1 가중치들이 적용된 복수의 제1 인코디드 벡터들을 가산함으로써 복수의 제1 출력 벡터들을 출력하는 제1 인코딩 레이어, 및
    상기 복수의 제1 출력 벡터들에 대하여 위치 정보를 추가하여 복수의 제2 임베딩 벡터들을 생성하고, 하나 이상의 트랜스포머들을 이용하여 상기 복수의 제2 임베딩 벡터들로부터 복수의 제2 인코디드 벡터들을 생성하고, 상기 복수의 제2 인코디드 벡터들의 값들에 제2 가중치들을 적용하고, 상기 제2 가중치들이 적용된 복수의 제2 인코디드 벡터들을 가산함으로써 제2 출력 벡터를 출력하는 제2 인코딩 레이어를 포함하고,
    상기 제1 가중치들은 쿼리 벡터 및 제1 훈련된 파라미터들에 기반하고,
    상기 제2 가중치들은 시각 정보 및 제2 훈련된 파라미터들에 기반하고,
    상기 제1 훈련된 파라미터들과 상기 제2 훈련된 파라미터들은 상기 학습 모델의 학습 데이터와 상기 학습 모델에 기반한 제어 추천 사이의 손실이 최소화되도록 학습된, 전자 장치.
  2. 제 1 항에 있어서,
    상기 제어 이력들 각각은:
    제어의 대상이 되는 목적 외부 전자 장치의 정보;
    상기 목적 외부 전자 장치에 대한 제어 기능의 정보; 및
    상기 목적 외부 전자 장치의 제어 시각에 대한 정보를 포함하는, 전자 장치.
  3. 제 2 항에 있어서,
    상기 제어 시각에 대한 정보는, 제어 요일 및 제어 시간에 대한 정보를 포함하는, 전자 장치.
  4. 제 1 항에 있어서,
    상기 임베딩 가중치들은, 복수의 사용자들에 의하여 설정된 복수의 루틴 데이터를 이용한 전이 학습을 통하여 정규화되고,
    상기 복수의 루틴 데이터 각각은 하나의 사용자에 의하여 설정된 복수의 외부 전자 장치들의 제어 시퀀스를 포함하는, 전자 장치.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 프로세서는, 트리거 이벤트의 감지에 응답하여, 상기 학습 모델을 이용하여 상기 사용자에게 상기 제어 추천을 제공하도록 설정된, 전자 장치.
  6. 제 5 항에 있어서,
    상기 프로세서는, 상기 인터페이스를 통하여 상기 사용자의 발화를 획득하고,
    상기 사용자의 발화가 외부 전자 장치의 제어에 대응하는 의도를 포함하면, 상기 트리거 이벤트를 감지하도록 더 설정된, 전자 장치.
  7. 제 5 항에 있어서,
    상기 프로세서는, 상기 사용자의 음성 에이전트 호출이 감지되면 상기 트리거 이벤트를 감지하도록 설정된, 전자 장치.
  8. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 시각 정보는 상기 제어 추천을 제공하는 시각에 대응하는, 전자 장치.
  9. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 제2 출력 벡터는 상기 제어 추천을 제공하는 시각의 복수의 외부 전자 장치들에 대한 제어 확률에 대한 정보를 포함하는, 전자 장치.
  10. 제 9 항에 있어서,
    상기 프로세서는, 상기 제어 확률에 기반하여 제어 추천에 연관된 목적 장치를 식별하도록 더 설정된, 전자 장치.
  11. 인스트럭션들 및 학습 모델을 저장하는 비일시적 컴퓨터 판독가능 저장 매체에 있어서,
    상기 인스트럭션들은 전자 장치)의 프로세서에 의하여 실행되었을 때, 상기 전자 장치가 상기 학습 모델을 이용하여 외부 전자 장치에 대한 제어 추천을 제공하도록 하고,
    상기 학습 모델은:
    사용자의 복수의 외부 전자 장치들에 대한 일련의 제어 이력들을 포함하는 입력 시퀀스에 임베딩 가중치들을 적용함으로써 상기 입력 시퀀스에 대응하는 복수의 제1 임베딩 벡터들을 생성하는 입력 레이어;
    하나 이상의 트랜스포머들을 이용하여 상기 복수의 제1 입력 임베딩 벡터들 각각으로부터 복수의 제1 인코디드 벡터들을 생성하고, 상기 복수의 제1 인코디드 벡터들에 대하여 제1 가중치들을 적용하고, 상기 제1 가중치들이 적용된 복수의 제1 인코디드 벡터들을 가산함으로써 복수의 제1 출력 벡터들을 출력하는 제1 인코딩 레이어; 및
    상기 복수의 제1 출력 벡터들에 대하여 위치 정보를 추가하여 복수의 제2 임베딩 벡터들을 생성하고, 하나 이상의 트랜스포머들을 이용하여 상기 복수의 제2 임베딩 벡터들로부터 복수의 제2 인코디드 벡터들을 생성하고, 상기 복수의 제2 인코디드 벡터들의 값들에 제2 가중치들을 적용하고, 상기 제2 가중치들이 적용된 복수의 제2 인코디드 벡터들을 가산함으로써 제2 출력 벡터를 출력하는 제2 인코딩 레이어를 포함하고,
    상기 제1 가중치들은 쿼리 벡터 및 제1 훈련된 파라미터들에 기반하고,
    상기 제2 가중치들은 시각 정보 및 제2 훈련된 파라미터들에 기반하고,
    상기 제1 훈련된 파라미터들과 상기 제2 훈련된 파라미터들은 상기 학습 모델의 학습 데이터와 상기 학습 모델에 기반한 제어 추천 사이의 손실이 최소화되도록 학습된, 비일시적 컴퓨터 판독가능 저장 매체.
  12. 제 11 항에 있어서,
    상기 제어 이력들 각각은:
    제어의 대상이 되는 목적 외부 전자 장치의 정보;
    상기 목적 외부 전자 장치에 대한 제어 기능의 정보; 및
    상기 목적 외부 전자 장치의 제어 시각에 대한 정보를 포함하는, 비일시적 컴퓨터 판독가능 저장 매체.
  13. 제 12 항에 있어서,
    상기 제어 시각에 대한 정보는, 제어 요일 및 제어 시간에 대한 정보를 포함하는, 비일시적 컴퓨터 판독가능 저장 매체.
  14. 제 11 항에 있어서,
    상기 임베딩 가중치들은, 복수의 사용자들에 의하여 설정된 복수의 루틴 데이터를 이용한 전이 학습을 통하여 정규화되고,
    상기 복수의 루틴 데이터 각각은 하나의 사용자에 의하여 설정된 복수의 외부 전자 장치들의 제어 시퀀스를 포함하는, 비일시적 컴퓨터 판독가능 저장 매체.
  15. 제 11 항 내지 제 14 항 중 어느 한 항에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때 상기 전자 장치가, 트리거 이벤트의 감지에 응답하여, 상기 학습 모델을 이용하여 상기 사용자에게 상기 제어 추천을 제공하도록 하는, 비일시적 컴퓨터 판독가능 저장 매체.
PCT/KR2023/010848 2022-08-01 2023-07-26 제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체 WO2024029827A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/360,377 US20240036527A1 (en) 2022-08-01 2023-07-27 Electronic device and computer readable storage medium for control recommendation

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220095642 2022-08-01
KR10-2022-0095642 2022-08-01
KR10-2022-0102519 2022-08-17
KR1020220102519A KR20240017719A (ko) 2022-08-01 2022-08-17 제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/360,377 Continuation US20240036527A1 (en) 2022-08-01 2023-07-27 Electronic device and computer readable storage medium for control recommendation

Publications (1)

Publication Number Publication Date
WO2024029827A1 true WO2024029827A1 (ko) 2024-02-08

Family

ID=89849288

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/010848 WO2024029827A1 (ko) 2022-08-01 2023-07-26 제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체

Country Status (1)

Country Link
WO (1) WO2024029827A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180285730A1 (en) * 2017-03-29 2018-10-04 Alibaba Group Holding Limited Method and apparatus for generating push notifications
KR20210015524A (ko) * 2019-08-02 2021-02-10 삼성전자주식회사 사용자 관심도의 산출 방법 및 이를 지원하는 전자 장치
CN113704620A (zh) * 2021-08-31 2021-11-26 中国平安人寿保险股份有限公司 基于人工智能的用户标签更新方法、装置、设备及介质
KR20220011979A (ko) * 2020-07-22 2022-02-03 삼성전자주식회사 언어 모델 및 이를 포함하는 전자 장치
KR20220031610A (ko) * 2019-07-12 2022-03-11 퀄컴 인코포레이티드 멀티-모달 사용자 인터페이스

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180285730A1 (en) * 2017-03-29 2018-10-04 Alibaba Group Holding Limited Method and apparatus for generating push notifications
KR20220031610A (ko) * 2019-07-12 2022-03-11 퀄컴 인코포레이티드 멀티-모달 사용자 인터페이스
KR20210015524A (ko) * 2019-08-02 2021-02-10 삼성전자주식회사 사용자 관심도의 산출 방법 및 이를 지원하는 전자 장치
KR20220011979A (ko) * 2020-07-22 2022-02-03 삼성전자주식회사 언어 모델 및 이를 포함하는 전자 장치
CN113704620A (zh) * 2021-08-31 2021-11-26 中国平安人寿保险股份有限公司 基于人工智能的用户标签更新方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022211590A1 (en) Electronic device for processing user utterance and controlling method thereof
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2024029827A1 (ko) 제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체
WO2021096281A1 (en) Voice input processing method and electronic device supporting same
WO2023177079A1 (ko) 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법
WO2022025448A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024029875A1 (ko) 전자 장치, 지능형 서버, 및 화자 적응형 음성 인식 방법
WO2024058597A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2023106862A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023136449A1 (ko) 전자 장치 및 음성 인식 서비스를 활성화하는 방법
WO2022191425A1 (ko) 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법
WO2023177051A1 (ko) 증강된 문장 후보에 기반하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024080745A1 (ko) 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2023017975A1 (ko) 상태 변경에 따라 음성 명령 처리 결과를 출력하는 전자 장치 및 그의 동작 방법
WO2024072036A1 (ko) 음성인식 장치 및 음성인식 장치의 동작방법
WO2022010158A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2022196994A1 (ko) 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
WO2024039191A1 (ko) 전자 장치 및 사용자 발화 처리 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: 23850333

Country of ref document: EP

Kind code of ref document: A1