WO2025080098A1 - 전자 장치 및 사용자 발화 처리 방법 - Google Patents

전자 장치 및 사용자 발화 처리 방법 Download PDF

Info

Publication number
WO2025080098A1
WO2025080098A1 PCT/KR2024/096313 KR2024096313W WO2025080098A1 WO 2025080098 A1 WO2025080098 A1 WO 2025080098A1 KR 2024096313 W KR2024096313 W KR 2024096313W WO 2025080098 A1 WO2025080098 A1 WO 2025080098A1
Authority
WO
WIPO (PCT)
Prior art keywords
input
electronic device
user
session
output
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/KR2024/096313
Other languages
English (en)
French (fr)
Inventor
박상민
송가진
김경태
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 KR1020230155118A external-priority patent/KR20250053656A/ko
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of WO2025080098A1 publication Critical patent/WO2025080098A1/ko
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Definitions

  • An electronic device may include a processor.
  • the electronic device may include a memory storing instructions.
  • the instructions, when individually or collectively executed by the processor may cause the electronic device to receive a first input from a user.
  • the instructions when individually or collectively executed by the processor, may cause the electronic device to generate a first session in response to receiving the first input.
  • the instructions, when individually or collectively executed by the processor may cause the electronic device to provide a first output corresponding to the first input to the user based on a generative model.
  • the instructions, when individually or collectively executed by the processor may cause the electronic device to receive a second input from the user.
  • FIG. 1 is a block diagram of an electronic device within a network environment according to one embodiment.
  • FIG. 2 is a block diagram illustrating an integrated intelligence system according to one embodiment.
  • FIG. 5 is a diagram illustrating an operation of an electronic device processing a user's speech according to one embodiment.
  • the auxiliary processor (123) may control at least a portion of functions or states associated with at least one of the components of the electronic device (101) (e.g., the display module (160), the sensor module (176), or the communication module (190)), for example, on behalf of the main processor (121) while the main processor (121) is in an inactive (e.g., sleep) state, or together with the main processor (121) while the main processor (121) is in an active (e.g., application execution) state.
  • the auxiliary processor (123) e.g., an image signal processor or a communication processor
  • the artificial neural network may be one of a deep neural network (DNN), a convolutional neural network (CNN), a recurrent neural network (RNN), a restricted Boltzmann machine (RBM), a deep belief network (DBN), a bidirectional recurrent deep neural network (BRDNN), deep Q-networks, or a combination of two or more of the above, but is not limited to the examples described above.
  • the artificial intelligence model may additionally or alternatively include a software structure.
  • the memory (130) can store various data used by at least one component (e.g., processor (120) or sensor module (176)) of the electronic device (101).
  • the data can include, for example, input data or output data for software (e.g., program (140)) and commands related thereto.
  • the memory (130) may include one or more memories.
  • the instructions stored in the memory (130) may be stored in one memory.
  • the instructions stored in the memory (130) may be divided and stored in a plurality of memories.
  • the instructions stored in the memory (130) may be individually or collectively executed by the processor (120) to cause the electronic device (101) (e.g., the electronic device (201) of FIG. 2, the electronic device (501) of FIG. 5) to perform and/or control the user speech processing method described with reference to FIGS. 5 to 11.
  • the instructions stored in the memory (130) may be individually or collectively executed by a plurality of processors to cause the electronic device (101) (e.g., the electronic device (201) of FIG. 2, the electronic device (501) of FIG. 5) to perform and/or control the user speech processing method described with reference to FIGS. 5 to 11.
  • the memory (130) may include volatile memory (132) or non-volatile memory (134).
  • the program (140) may be stored as software in memory (130) and may include, for example, an operating system (142), middleware (144), or an application (146).
  • the display module (160) can visually provide information to an external party (e.g., a user) of the electronic device (101).
  • the display module (160) can include, for example, a display, a holographic device, or a projector and a control circuit for controlling the device.
  • the display module (160) can include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • a corresponding communication module may communicate with an external electronic device (104) via a first network (198) (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network (199) (e.g., a long-range communication network such as a legacy cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., a LAN or WAN)).
  • a first network (198) e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network (199) e.g., a long-range communication network such as a legacy cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., a LAN or WAN)
  • a computer network e.g.,
  • the wireless communication module (192) may use subscriber information (e.g., international mobile subscriber identity (IMSI)) stored in the subscriber identification module (196) to identify or authenticate the electronic device (101) within a communication network such as the first network (198) or the second network (199).
  • subscriber information e.g., international mobile subscriber identity (IMSI)
  • IMSI international mobile subscriber identity
  • the wireless communication module (192) may support a peak data rate (e.g., 20 Gbps or more) for eMBB realization, a loss coverage (e.g., 164 dB or less) for mMTC realization, or a U-plane latency (e.g., 0.5 ms or less for downlink (DL) and uplink (UL) each, or 1 ms or less for round trip) for URLLC realization.
  • a peak data rate e.g., 20 Gbps or more
  • a loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 0.5 ms or less for downlink (DL) and uplink (UL) each, or 1 ms or less for round trip
  • commands or data may be transmitted or received between the electronic device (101) and an external electronic device (104) via a server (108) connected to a second network (199).
  • Each of the external electronic devices (102 or 104) may be the same or a different type of device as the electronic device (101).
  • all or part of the operations executed in the electronic device (101) may be executed in one or more of the external electronic devices (102, 104, or 108). For example, when the electronic device (101) is to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device (101) may, instead of or in addition to executing the function or service itself, request one or more external electronic devices to perform at least a part of the function or service.
  • One or more external electronic devices that receive the request may execute at least a 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 (101).
  • the electronic device (101) may process the result as is or additionally and provide it as at least a part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device (101) may provide an ultra-low latency service by using, for example, distributed computing or mobile edge computing.
  • the external electronic device (104) may include an IoT (Internet of Things) device.
  • the server (108) may be an intelligent server using machine learning and/or a neural network.
  • the memory (207) of one embodiment may store a client module (209), a software development kit (SDK) (208), and a plurality of apps (211).
  • the client module (209) and the SDK (208) may configure a framework (or, a solution program) for performing general-purpose functions.
  • the client module (209) or the SDK (208) may configure a framework for processing user input (e.g., voice input, text input, touch input).
  • the client module (209) of one embodiment can receive a result corresponding to the received user input.
  • the client module (209) can receive a result corresponding to the received user input if the intelligent server (200) can produce a result corresponding to the received user input.
  • the client module (209) can display the received result on the display module (204).
  • the client module (209) can output the received result as audio through the speaker (205).
  • the client module (209) may receive a request from the intelligent server (200) to obtain information necessary to produce a result corresponding to a user input. In one embodiment, the client module (209) may transmit the necessary information to the intelligent server (200) in response to the request.
  • An intelligent server (200) of one embodiment can receive information related to a user voice input from an electronic device (201) through a communication network. According to one embodiment, the intelligent server (200) can change data related to the received voice input into text (e.g., text data). According to one embodiment, the intelligent server (200) can generate a plan for performing a task corresponding to the user voice input based on the text.
  • text e.g., text data
  • the plan can be generated by an artificial intelligence (AI) system.
  • AI artificial intelligence
  • the AI system can be a rule-based system, a neural network-based system (e.g., a feedforward neural network (FNN), a recurrent neural network (RNN)), or a combination of the above or another AI system.
  • the plan can be selected from a set of predefined plans, or can be generated in real time in response to a user request. For example, the AI system can select at least one plan from a plurality of predefined plans.
  • An intelligent server (200) of one embodiment may transmit a result according to a generated plan to an electronic device (201), or transmit the generated plan to the electronic device (201).
  • the electronic device (201) may display a result according to the plan on a display module (204).
  • the electronic device (201) may display a result of executing an operation according to the plan on a display module (204).
  • a front end (215) of one embodiment may receive a user input from an electronic device (201).
  • the front end (215) may transmit a response corresponding to the user input.
  • the automatic speech recognition module (221) of one embodiment can convert data related to a voice input received from an electronic device (201) into text (e.g., text data).
  • the natural language understanding module (223) of one embodiment can identify a user's intention using the text of the voice input. For example, the natural language understanding module (223) can identify a user's intention by performing a syntactic analysis or a semantic analysis on a user input in the form of text data.
  • the natural language understanding module (223) of one embodiment can identify the meaning of a word extracted from a user input using linguistic features (e.g., grammatical elements) of a morpheme or phrase, and can determine the user's intention by matching the meaning of the identified word to the intention.
  • the natural language generation module (227) of one embodiment can change the specified information into text form.
  • the information changed into text form can be in the form of natural language utterance.
  • the text-to-speech conversion module (229) of one embodiment can change the information in text form into information in voice form.
  • some or all of the functions of the natural language platform (220) may also be implemented in the electronic device (201).
  • the capsule database (230) above can store information on the relationship between a plurality of concepts and actions corresponding to a plurality of domains.
  • a capsule can include a plurality of action objects (or action information) and concept objects (or concept information) included in a plan.
  • the capsule database (230) can store a plurality of capsules in the form of a CAN (concept action network).
  • the plurality of capsules can be stored in a function registry included in the capsule database (230).
  • the capsule database (230) may include a dialog registry in which information on a dialogue (or interaction) with a user is stored.
  • the capsule database (230) can update stored objects through a developer tool.
  • the developer tool can include, for example, a function editor for updating an action object or a concept object.
  • the developer tool can include a vocabulary editor for updating a vocabulary.
  • the developer tool can include a strategy editor for creating and registering a strategy for determining a plan.
  • the developer tool can include a dialog editor for creating a conversation with a user.
  • the developer tool can include a follow up editor for activating a follow up goal and editing a follow up utterance that provides a hint.
  • the follow up goal can be determined based on a currently set goal, a user's preference, or an environmental condition.
  • the capsule database (230) can also be implemented in an electronic device (201).
  • a service server (300) of one embodiment can provide a service (e.g., food ordering or hotel reservation) specified to an electronic device (201).
  • the service server (300) can be a server operated by a library server. Services of the service server (300), such as CP service A (301) and CP service B (302), can interact with the front end (210) of the intelligent server (200).
  • the service server (300) of one embodiment can provide information for generating a plan corresponding to a received user input to the intelligent server (200). The provided information can be stored in the capsule database (230).
  • the service server (300) can provide result information according to the plan to the intelligent server (200).
  • the above natural language platform can generate a plan for performing a task corresponding to a received voice input using a capsule stored in a capsule database.
  • the planner module of the natural language platform e.g., the planner module (225) of FIG. 2) can generate a plan using a capsule stored in a capsule database.
  • the plan (407) can be generated using the operations (4011, 4013) and concepts (4012, 4014) of capsule A (401) and the operation (4041) and concept (4042) of capsule B (404).
  • the electronic device (201) may receive a voice input such as "Tell me my schedule this week!
  • the electronic device (201) may display a user interface (UI) (313) (e.g., an input window) of an intelligent app on which text (e.g., text data) of a received voice input is displayed on a display module (204).
  • UI user interface
  • the electronic device (201) may display a user interface (UI) (313) (e.g., an input window) of an intelligent app on which text (e.g., text data) of a received voice input is displayed on a display module (204).
  • UI user interface
  • the electronic device (201) can display a result corresponding to the received voice input on the display module (204). For example, the electronic device (201) can receive a plan corresponding to the received user input and display 'this week's schedule' on the display module (204) according to the plan.
  • the electronic device (501) may include at least some of the configurations of the electronic device (101) described with reference to FIG. 1 and the electronic device (201) described with reference to FIG. 2.
  • the intelligent server (601) may include at least some of the configurations of the intelligent server (200) described with reference to FIG. 2. With respect to the electronic device (501) and the intelligent server (601), any description overlapping with that described with reference to FIGS. 1 to 4 will be omitted.
  • the electronic device (501) can adaptively respond to various inputs of a user.
  • the electronic device (501) can identify the user's preferences and habits to provide a personalized voice assistant function.
  • the electronic device (501) can also resolve issues (e.g., hallucination) that arise from grafting a generative model (e.g., a language model) onto a voice assistant function.
  • the electronic device (501) can maintain the session (e.g., track interactions with the user and construct prompt text based on the tracked interactions).
  • the electronic device (501) can track interactions with the user.
  • the electronic device (501) can consider the content and/or context of the previous turn and provide a relevant response to the user.
  • An electronic device (501) may be designed not to support unconditional multi-turn sessions.
  • the electronic device (501) may separate a session (e.g., create a new session) without an explicit instruction from a user (e.g., create new session or clear context).
  • FIG. 6 is a schematic block diagram of an electronic device according to one embodiment
  • FIG. 7 is a diagram for explaining a session according to one embodiment.
  • the electronic device (501) may include at least a part of the configuration of the electronic device (101) described with reference to FIG. 1 and the electronic device (201) described with reference to FIG. 2.
  • an on-device artificial intelligence (AI) capable of processing utterances without communication with an intelligent server (e.g., the intelligent server (200) of FIG. 2, the intelligent server (601) of FIG. 5) may be mounted on the electronic device (501).
  • an intelligent server e.g., the intelligent server (200) of FIG. 2, the intelligent server (601) of FIG. 5
  • any description overlapping with that described with reference to FIGS. 1 to 5 will be omitted.
  • the electronic device (501) can receive a user's input.
  • the electronic device (501) can determine whether the user input can be processed by the electronic device (501) based on a target classifier (521).
  • the target classifier (521) can reject non-target utterances.
  • Existing voice assistants that do not utilize a generative model (e.g., a language model) can determine whether the user input is a target for processing (e.g., matching) based on predefined information. If the user input is not a target for processing, the existing voice assistant has no choice but to provide a rejection response (e.g., "This operation is not supported").
  • An electronic device (501) may be one that grafts a generative model (e.g., a language model) onto a voice assistant function.
  • a generative model e.g., a language model
  • the electronic device (501) can adaptively respond to various user inputs.
  • the electronic device (501) needs to filter out inappropriate user inputs (e.g., swear words, vulgar language, hate speech).
  • the electronic device (501) may filter (e.g., classify) inappropriate user inputs based on a target classifier (521).
  • the target classifier (521) may utilize information about predefined rejection targets, personal data sync service (PDSS) (e.g., the user's personal data) (e.g., contacts, installed applications, short commands), and a range supported by the electronic device (501).
  • PDSS personal data sync service
  • voice assistants Unlike language model-based chatbots, voice assistants have a large number of user inputs consisting of one-off commands. That is, while language model-based chatbots require an approach to maintain long sessions, language model-based voice assistants require an approach to separate sessions.
  • the electronic device (501) may not support unconditional session maintenance.
  • the electronic device (501) can generate text data based on a generative model (e.g., a language model) (524).
  • the generative model (524) can generate text data based on prompt text.
  • the text data can include intent information, slots, and/or executable application programming interfaces (APIs).
  • the user attempting to control the TV may receive an incorrect response from the electronic device (800).
  • the user of the electronic device (800) may have to first perform an explicit session separation in order to control the TV.
  • the electronic device (501) may receive a second input (e.g., utterance) from the user (e.g., "Turn off the TV").
  • a task e.g., executing a chatbot
  • the electronic device (501) may receive a second input (e.g., utterance) from the user (e.g., "Turn off the TV").
  • the electronic device (501) may generate a second session (e.g., an IoT (internet of things) session) that is different from the first session (e.g., a chatbot session) in response to receiving the second input, if a condition (e.g., a correlation) between the first input and the second input and a condition (e.g., a correlation) between the first output and the second input are satisfied.
  • the second session may be generated if both the correlation between the first input (e.g., “Let’s ask twenty questions”) and the second input (e.g., “Turn off the TV”) and the correlation between the first output (e.g., “Okay! First question.
  • the electronic device (501) may receive a user's input (e.g., utterance) (e.g., "Start my car”).
  • the electronic device (501) which is not capable of performing vehicle control, may need to provide a rejection response to the input (e.g., "Start my car”).
  • the electronic device (501) may review the appropriateness of the response generated by the generative model based on a response verification module (e.g., the response verification module (525) of FIG. 6 ).
  • the electronic device (501) may review the appropriateness of the response and provide the user with a rejection response corresponding to the input (e.g., "I cannot perform any car-related functions").
  • FIG. 11 illustrates a flowchart of a method of operating an electronic device according to one embodiment.
  • Actions 1110 to 1160 may be performed sequentially, but are not necessarily performed sequentially. For example, the order of each action (1110 to 1160) may be changed, and at least two actions may be performed in parallel.
  • the electronic device may provide a second output corresponding to a second input to a user based on the generative model.
  • each of the association between the first input and the second input and the association between the first output and the second input may be determined based on utterance similarity or reinforcement learning with human feedback (RLHF).
  • the act of providing the second output to the user may include an act of providing the second output to the user after examining the appropriateness of the second output.
  • the second input may be managed in a different session from the first input. If at least one of the correlation between the first input and the second input or the correlation between the first output and the second input is greater than or equal to a threshold value, the second input may be managed in the same session as the first input.
  • the instructions when individually or collectively executed by the processor, may cause the electronic device to construct a second prompt text.
  • the instructions when individually or collectively executed by the processor, may cause the electronic device to input the second prompt text into the generative model to generate second text data.
  • the instructions when individually or collectively executed by the processor, may cause the electronic device to perform a second task corresponding to the second input based on the second text data.
  • the instructions when individually or collectively executed by the processor, may cause the electronic device to provide the second output corresponding to the second task to the user.
  • information utilized in the first session to construct the first prompt text may be different from information utilized in the second session to construct the second prompt text.
  • the instructions when individually or collectively executed by the processor, may cause the electronic device to provide the second output to the user after examining the appropriateness of the second output.
  • the electronic devices according to various embodiments disclosed in this document may be devices of various forms.
  • the 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 appliance devices.
  • portable communication devices e.g., smartphones
  • computer devices portable multimedia devices
  • portable medical devices e.g., cameras
  • wearable devices e.g., smart watch devices
  • home appliance devices e.g., smartphones
  • the 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 merely to distinguish one component from another, and do not limit the components in any other respect (e.g., importance or order).
  • a component e.g., a first
  • another component e.g., a second
  • functionally e.g., a third component
  • Various embodiments of the present document may be implemented as software (e.g., a program) including one or more instructions stored in a storage medium (e.g., an internal memory or an external memory) that can be read by a machine (e.g., an electronic device).
  • a processor e.g., a processor
  • the machine may call at least one instruction among the one or more instructions stored from the storage medium and execute it. This enables the machine to operate 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.
  • the machine-readable storage medium 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 include a signal (e.g., an electromagnetic wave), and this term does not distinguish between cases where data is stored semi-permanently and cases where it is stored temporarily in the storage medium.
  • a signal e.g., an electromagnetic wave
  • the operations performed by the module, program, or other component may be executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations may be executed in a different order, omitted, or one or more other operations may be added.

Landscapes

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

Abstract

일 실시예에 따른 전자 장치의 동작 방법은 사용자의 제1 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제1 입력의 수신에 응답하여, 제1 세션을 생성하는 동작을 포함할 수 있다. 상기 동작 방법은, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 사용자의 제2 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제2 입력의 수신에 응답하여, 상기 제1 입력과 상기 제2 입력 간의 조건과 상기 제1 출력과 상기 제2 입력 간의 조건이 만족하는 경우, 상기 제1 세션과는 다른 제2 세션을 생성하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 생성형 모델에 기초하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.

Description

전자 장치 및 사용자 발화 처리 방법
본 발명의 실시예들은 전자 장치 및 사용자 발화 처리 방법에 관한 것이다.
사용자 발화에 기반하여 서비스를 제공하는 음성 어시스턴트(assistant) 기능이 탑재된 전자 장치가 다양하게 보급되고 있다. 전자 장치는 인공지능 서버를 통해 사용자의 발화를 인식하고, 발화의 의미와 의도를 파악할 수 있다. 인공지능 서버는 사용자의 발화를 해석하여 사용자의 의도를 추론하고, 추론된 의도에 따라서 작업들을 수행할 수 있다. 인공지능 서버는 사용자와 인공지능 서버 간의 자연 언어(natural language) 상호 작용을 통해 표현된 사용자의 의도에 따라 작업을 수행할 수 있다.
음성 어시스턴트 기능이 탑재된 전자 장치는 사용자 발화를 처리하기 위한 도메인을 분류하는 동작과 분류된 도메인(예: 캡슐)(예: 어플리케이션)에서 사용자 발화에 대응하는 태스크(task)를 수행하는 동작을, 시계열적으로 수행한다.
상술한 정보는 본 개시에 대한 이해를 돕기 위한 목적으로 하는 배경 기술(related art)로 제공될 수 있다. 상술한 내용 중 어느 것도 본 개시와 관련된 종래 기술(prior art)로서 적용될 수 있는지에 대하여 어떠한 주장이나 결정이 제기되지 않는다.
일 실시예에 따른 전자 장치의 동작 방법은 사용자의 제1 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제1 입력의 수신에 응답하여, 제1 세션을 생성하는 동작을 포함할 수 있다. 상기 동작 방법은, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 사용자의 제2 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제2 입력의 수신에 응답하여, 상기 제1 입력과 상기 제2 입력 간의 조건과 상기 제1 출력과 상기 제2 입력 간의 조건이 만족하는 경우, 상기 제1 세션과는 다른 제2 세션을 생성하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 생성형 모델에 기초하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따른 전자 장치는 프로세서를 포함할 수 있다. 상기 전자 장치는 인스트럭션을 저장하는 메모리를 포함할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 사용자의 제1 입력을 수신하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제1 입력의 수신에 응답하여, 제1 세션을 생성하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 사용자의 제2 입력을 수신하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제2 입력의 수신에 응답하여, 상기 제1 입력과 상기 제2 입력 간의 조건과 상기 제1 출력과 상기 제2 입력 간의 조건이 만족하는 경우, 상기 제1 세션과는 다른 제2 세션을 생성하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 생성형 모델에 기초하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하도록 할 수 있다.
일 실시예에 따른 전자 장치의 동작 방법은 사용자의 제1 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 사용자의 제2 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제1 입력과 상기 제2 입력 간의 연관성 또는 상기 제1 출력과 상기 제2 입력 간의 연관성 중 적어도 하나에 기초하여, 프롬프트 텍스트를 적응적으로 구성하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 생성형 모델에 상기 프롬프트 텍스트를 입력하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따른 전자 장치는 프로세서를 포함할 수 있다. 상기 전자 장치는 인스트럭션을 저장하는 메모리를 포함할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 사용자의 제1 입력을 수신하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 사용자의 제2 입력을 수신하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제1 입력과 상기 제2 입력 간의 연관성 또는 상기 제1 출력과 상기 제2 입력 간의 연관성 중 적어도 하나에 기초하여, 프롬프트 텍스트를 적응적으로 구성하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 생성형 모델에 상기 프롬프트 텍스트를 입력하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하도록 할 수 있다.
도 1은 일 실시예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 통합 지능(integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 일 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 일 실시예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 5는 일 실시예에 따른, 전자 장치가 사용자의 발화를 처리하는 동작을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른, 전자 장치의 개략적인 블록도이다.
도 7은 일 실시예에 따른, 세션을 설명하기 위한 도면이다.
도 8 내지 도 10은 일 실시예에 따른 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 도면이다.
도 11은 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도를 나타낸다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은, 일 실시예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다.
일 실시예에 따르면, 프로세서(120)는 SoC(system on chip) 또는 IC(integrated circuit)과 같은 회로(circuitry)(예: 처리 회로)로 구현될 수 있다. 프로세서(120)는 하나 이상의 프로세서를 포함할 수 있다. 예를 들어, 프로세서(120)는 CPU, GPU, MPU, AP, 및 CP와 같은 하나 이상의 프로세서의 조합을 포함할 수 있다.
일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다.
일 실시예에 따르면, 메모리(130)는 하나 이상의 메모리를 포함할 수 있다. 메모리(130)에 저장된 인스트럭션들은 하나의 메모리가 저장할 수 있다. 메모리(130)에 저장된 인스트럭션들은 복수의 메모리가 나눠서 저장할 수 있다. 메모리(130)에 저장된 인스트럭션들은 프로세서(120)에 의해 개별적으로 또는 집합적으로 실행되어 전자 장치(101)(예: 도 2의 전자 장치(201), 도 5의 전자 장치(501))로 하여금 도 5 내지 도 11을 참조하여 설명하는 사용자 발화 처리 방법을 수행 및/또는 제어하도록 할 수 있다. 메모리(130)에 저장된 인스트럭션들은 복수의 프로세서에 의해 개별적으로 또는 집합적으로 실행되어 전자 장치(101)(예: 도 2의 전자 장치(201), 도 5의 전자 장치(501))로 하여금 도 5 내지 도 11을 참조하여 사용자 발화 처리 방법을 수행 및/또는 제어하도록 할 수 있다. 일 실시예에 따르면, 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
일 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 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 제2 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.
일 실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2를 참조하면, 일 실시예의 통합 지능화 시스템(20)은 전자 장치(201)(예: 도 1의 전자 장치(101)), 지능형 서버(200)(예: 도 1의 서버(108)), 및 서비스 서버(300)(예: 도 1의 서버(108))를 포함할 수 있다.
일 실시예의 전자 장치(201)는, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.
도시된 실시예에 따르면, 전자 장치(201)는 통신 인터페이스(202)(예: 도 1의 인터페이스(177)), 마이크(206)(예: 도 1의 입력 모듈(150)), 스피커(205)(예: 도 1의 음향 출력 모듈(155)), 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160)), 메모리(207)(예: 도 1의 메모리(130)), 또는 프로세서(203)(예: 도 1의 프로세서(120))를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시예의 통신 인터페이스(202)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시예의 마이크(206)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(205)는 전기적 신호를 소리(예: 음성)로 출력할 수 있다.
일 실시예의 디스플레이 모듈(204)은 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시예의 디스플레이 모듈(204)은 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시예의 디스플레이 모듈(204)은 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이 모듈(204)은 디스플레이 모듈(204) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.
일 실시예의 메모리(207)는 클라이언트 모듈(209), SDK(software development kit)(208), 및 복수의 앱들(211)을 저장할 수 있다. 상기 클라이언트 모듈(209), 및 SDK(208)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(209) 또는 SDK(208)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시예의 메모리(207)에 저장된 상기 복수의 앱들(211)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시예에 따르면, 복수의 앱들(211)은 제1 앱(211_1), 제2 앱(211_2)을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱들(211) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱들(211)은 프로세서(203)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시예의 프로세서(203)는 전자 장치(201)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(203)는 통신 인터페이스(202), 마이크(206), 스피커(205), 및 디스플레이 모듈(204)과 전기적으로 연결되어 지정된 동작을 수행할 수 있다.
일 실시예에 따르면, 프로세서(203)는 SoC(system on chip) 또는 IC(integrated circuit)과 같은 회로(circuitry)(예: 처리 회로)로 구현될 수 있다. 프로세서(203)는 하나 이상의 프로세서를 포함할 수 있다. 예를 들어, 프로세서(203)는 CPU, GPU, MPU, AP, 및 CP와 같은 하나 이상의 프로세서의 조합을 포함할 수 있다.
일 실시예의 프로세서(203)는 또한 상기 메모리(207)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(203)는 클라이언트 모듈(209) 또는 SDK(208) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(203)는, 예를 들어, SDK(208)를 통해 복수의 앱들(211)의 동작을 제어할 수 있다. 클라이언트 모듈(209) 또는 SDK(208)의 동작으로 설명된 이하의 동작은 프로세서(203)의 실행에 의한 동작일 수 있다.
일 실시예에 따르면, 메모리(207)는 하나 이상의 메모리를 포함할 수 있다. 메모리(207)에 저장된 인스트럭션들은 하나의 메모리가 저장할 수 있다. 메모리(207)에 저장된 인스트럭션들은 복수의 메모리가 나눠서 저장할 수 있다. 메모리(207)에 저장된 인스트럭션들은 프로세서(203)에 의해 개별적으로 또는 집합적으로 실행되어 전자 장치(201)(예: 도 1의 전자 장치(101), 도 5의 전자 장치(501))로 하여금 도 5 내지 도 11을 참조하여 설명하는 사용자 발화 처리 방법을 수행 및/또는 제어하도록 할 수 있다. 메모리(207)에 저장된 인스트럭션들은 복수의 프로세서에 의해 개별적으로 또는 집합적으로 실행되어 전자 장치(201)(예: 도 1의 전자 장치(101), 도 5의 전자 장치(501))로 하여금 도 5 내지 도 11을 참조하여 사용자 발화 처리 방법을 수행 및/또는 제어하도록 할 수 있다.
일 실시예의 클라이언트 모듈(209)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(209)은 마이크(206)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 또는, 클라이언트 모듈(209)은 디스플레이 모듈(204)을 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(209)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 전자 장치(201)에 포함된 입력 모듈 또는 전자 장치(201)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 상기 클라이언트 모듈(209)은 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(209)은 수신된 사용자 입력과 함께, 전자 장치(201)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지능형 서버(200)에서 상기 수신된 사용자 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(209)은 상기 수신된 결과를 디스플레이 모듈(204)에 표시할 수 있다. 또한, 클라이언트 모듈(209)은 상기 수신된 결과를 스피커(205)를 통해 오디오로 출력할 수 있다.
일 실시예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(209)은 플랜에 따라 앱의 복수의 동작들을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다. 클라이언트 모듈(209)은, 예를 들어, 복수의 동작들의 실행 결과를 순차적으로 디스플레이 모듈(204)에 표시할 수 있고, 스피커(205)를 통해 오디오를 출력할 수 있다. 전자 장치(201)는, 다른 예를 들어, 복수의 동작들을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(204)에 표시할 수 있으며, 스피커(205)를 통해 오디오로 출력할 수 있다.
일 실시예에 따르면, 클라이언트 모듈(209)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(209)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시예의 클라이언트 모듈(209)은 플랜에 따라 복수의 동작들을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시예의 클라이언트 모듈(209)은 음성 인식 모듈을 포함할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(209)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시예의 지능형 서버(200)는 통신 망을 통해 전자 장치(201)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트(예: 텍스트 데이터(text data))로 변경할 수 있다. 일 실시예에 따르면, 지능형 서버(200)는 상기 텍스트에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시예에 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)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 전자 장치(201)로 송신하거나, 생성된 플랜을 전자 장치(201)로 송신할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 플랜에 따른 결과를 디스플레이 모듈(204)에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다.
일 실시예의 지능형 서버(200)는 프론트 엔드(front end)(215), 자연어 플랫폼(natural language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.
일 실시예의 프론트 엔드(215)는 전자 장치(201)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(215)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.
일 실시예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227) 또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)을 포함할 수 있다.
일 실시예의 자동 음성 인식 모듈(221)은 전자 장치(201)로부터 수신된 음성 입력과 관련된 데이터를 텍스트(예: 텍스트 데이터)로 변환할 수 있다. 일 실시예의 자연어 이해 모듈(223)은 음성 입력의 텍스트를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 텍스트 데이터 형태의 사용자 입력에 대하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 즉, 자연어 이해 모듈(223)은 사용자 발화에 대응되는 의도 정보(intent information)를 획득할 수 있다. 의도 정보는 텍스트를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있다. 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작(또는 기능)을 나타내는 정보를 포함할 수 있다. 의도 정보는 골 정보라고 지칭될 수도 있다. 슬롯(slot)은 의도 정보와 관련된 세부 정보일 수 있다. 슬롯은 사용자 의도에 따른 동작을 수행할 때 필요한 파라미터일 수 있다. 슬롯은 동작을 수행하기 위해 필요한 변수(variable) 정보일 수 있다.
일 실시예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터(예: 슬롯)를 이용하여 플랜을 생성할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인들을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인들 각각에 포함된 복수의 동작들을 결정할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작들을 실행하는데 필요한 파라미터나, 상기 복수의 동작들의 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 동작들, 및 복수의 컨셉들을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작들, 및 상기 복수의 컨셉들 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉들에 기초하여, 사용자의 의도에 기초하여 결정된 복수의 동작들의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작들의 실행에 필요한 파라미터, 및 복수의 동작들의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작들의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)은 복수의 동작들, 및 복수의 컨셉들 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 전자 장치(201)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(230)는 복수의 도메인들에 대응되는 복수의 컨셉들과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)들을 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐들을 저장할 수 있다. 일 실시예에 따르면, 복수의 캡슐들은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 사용자 입력에 대응되는 복수의 플랜들이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)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 실시예에 따르면, 캡슐 데이터베이스(230)는 전자 장치(201)를 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(230)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 등록하는 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 실시예에서는 캡슐 데이터베이스(230)는 전자 장치(201) 내에도 구현이 가능할 수 있다.
일 실시예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 전자 장치(201)로 송신할 수 있다. 이에 따라, 전자 장치(201)는 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시예의 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시예의 분석 플랫폼(280)은 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시예의 서비스 서버(300)는 전자 장치(201)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시예에 따르면, 서비스 서버(300)는 라이브러리 자에 의해 운영되는 서버일 수 있다. CP 서비스 A(301) 및 CP 서비스 B(302)와 같은 서비스 서버(300)의 서비스는, 지능형 서버(200)의 프론트 엔드(210)와 상호작용할 수 있다. 일 실시예의 서비스 서버(300)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.
위에 기술된 통합 지능 시스템(20)에서, 상기 전자 장치(201)는, 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 실시예에서, 상기 전자 장치(201)는 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 전자 장치(201)는 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시예에서, 전자 장치(201)는 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 전자 장치(201)는 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시예에서, 전자 장치(201)가 지능형 서버(200) 및/또는 서비스 서버(300)와 함께 서비스를 제공하는 경우에는, 상기 전자 장치(201)는, 상기 마이크(206)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 전자 장치(201)는, 상기 음성 데이터를 통신 인터페이스(202)를 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시예에 따른 지능형 서버(200)는 전자 장치(201)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 동작들, 및 상기 복수의 동작들과 관련된 복수의 컨셉들을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작들의 실행에 입력되는 파라미터나, 복수의 동작들의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작들, 및 복수의 컨셉들 사이의 연관 정보를 포함할 수 있다.
일 실시예의 전자 장치(201)는, 통신 인터페이스(202)를 이용하여 상기 응답을 수신할 수 있다. 전자 장치(201)는 상기 스피커(205)를 이용하여 전자 장치(201) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(204)을 이용하여 전자 장치(201) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 3은 다양한 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(예: 도 2의 지능형 서버(200))의 캡슐 데이터베이스(예: 도 2의 캡슐 데이터베이스(230))는 CAN (concept action network)(400) 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 도메인들 각각에 대응되는 복수의 캡슐들(capsule(A)(401), capsule(B)(404))을 저장할 수 있다. 일 실시예에 따르면, 하나의 캡슐(예: capsule(A)(401))은 하나의 도메인(예: 위치(geo))에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다. CAN(400)은 CP 3(406)과 같은 다른 정보를 저장할 수 있다. 또한, 캡슐 B(404)는 서비스 제공자(예: CP 4(405))에 대응될 수 있다.
상기, 자연어 플랫폼(예: 도 2의 자연어 플랫폼(220))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(예: 도 2의 플래너 모듈(225))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (401)의 동작들(4011,4013) 과 컨셉들(4012,4014) 및 캡슐 B(404)의 동작(4041)과 컨셉(4042)을 이용하여 플랜(407)을 생성할 수 있다.
도 4는 다양한 실시예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
전자 장치(201)는 지능형 서버(예: 도 2의 지능형 서버(200))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시예에 따르면, 310 화면에서, 전자 장치(201)는 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. 전자 장치(201)는, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160), 도 2의 디스플레이 모듈(204))에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(201)는 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 수신된 음성 입력의 텍스트(예: 텍스트 데이터)가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이 모듈(204)에 표시할 수 있다.
일 실시예에 따르면, 320 화면에서, 전자 장치(201)는 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈(204)에 표시할 수 있다. 예를 들어, 전자 장치(201)는 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이 모듈(204)에 표시할 수 있다.
도 5는 일 실시예에 따른, 전자 장치가 사용자의 발화를 처리하는 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 일 실시예에 따르면, 전자 장치(501)는 도 1을 참조하여 설명한 전자 장치(101) 및 도 2를 참조하여 설명한 전자 장치(201)의 구성 중 적어도 일부를 포함할 수 있다. 지능형 서버(601)는 도 2를 참조하여 설명한 지능형 서버(200)의 구성 중 적어도 일부를 포함할 수 있다. 전자 장치(501) 및 지능형 서버(601)와 관련하여, 도 1 내지 도 4를 참조하여 설명한 부분과 중복되는 설명은 생략한다.
일 실시예에 따르면, 전자 장치(501)(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))와 지능형 서버(601)(예: 도 2의 지능형 서버(200))는 근거리 통신망(local area network; LAN), 광역 통신망(wide area network; WAN), 부가가치 통신망(value added network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망, 또는 이들의 상호 조합을 통해 연결될 수 있다. 전자 장치(501)와 지능형 서버(601)는 유선 통신 방법 또는 무선 통신 방법(예: 무선 랜(WiFi), 블루투스, 블루투스 저 에너지(bluetooth low energy), 지그비(ZigBee), WFD(WiFi direct), UWB(ultra wide band), 적외선 통신(IrDA, infrared data association), NFC(near field communication))으로 서로 통신을 수행할 수 있다. 전자 장치(501)는 전자 장치(501) 주변에 위치한 주변 장치(예: 도 1의 전자 장치(102) 또는 도 1의 전자 장치(104))와 통신을 수행할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 스피커(예: AI 스피커), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 중 적어도 하나로 구현될 수 있다.
일 실시예에 따르면, 전자 장치(501)는 사용자의 발화에 대응되는 음성 신호를 획득하고, 음성 신호를 지능형 서버(601)로 전송할 수 있다. 지능형 서버(601)는 음성 신호에 기초하여, 사용자의 발화에 대응하는 텍스트(예: 텍스트 데이터)를 획득할 수 있다. 텍스트는 음성 신호에 ASR(automatic speech recognition)을 수행하여, 음성 부분을 컴퓨터로 판독 가능한 데이터로 변환한 것일 수 있다. 지능형 서버(601)는 텍스트를 이용하여 사용자의 발화를 처리할 수 있다. 지능형 서버(601)는 생성형 모델(예: 언어 모델)에 기초하여, 사용자의 발화를 처리(예: 발화에 대응되는 태스크를 수행)할 수 있다. 지능형 서버(601)는 태스크 수행 결과에 대응되는 응답을 전자 장치(501)에게 제공할 수 있다. 지능형 서버(601)는 소프트웨어로 구현될 수 있다. 지능형 서버(601)의 일부 또는 전부는 전자 장치(501)에 구현될 수 있다. 즉, 지능형 서버(601)와의 통신 없이 발화를 처리할 수 있는 온 디바이스 AI(on-device artificial intelligence)가 전자 장치(501)에 탑재될 수 있다.
일 실시예에 따르면, 전자 장치(501)는 사용자 입력(예: 사용자 발화)에 대응되는 태스크(예: 음성 어시스턴트가 탑재된 전자 장치(501)의 제조사에 의해 지정된 단위)를 수행할 수 있다. 전자 장치(501)는 음성 어시스턴트 기능에 생성형 모델(예: 언어 모델)을 접목한 것일 수 있다.
일 실시예에 따르면, 음성 어시스턴트 기능에 생성형 모델(예: 언어 모델)을 접목함으로써, 전자 장치(501)는 사용자의 다양한 입력에 적응적으로 대응할 수 있다. 음성 어시스턴트 기능에 생성형 모델을 접목함으로써, 전자 장치(501)는 사용자의 선호도와 습관을 파악하여 개인화된 음성 어시스턴트 기능을 제공할 수 있다. 전자 장치(501)는 음성 어시스턴트 기능에 생성형 모델(예: 언어 모델)을 접목함으로써 발생하는 이슈(예: 할루시네이션)를 해결할 수도 있다.
일 실시예에 따르면, 전자 장치(501)는 생성형 모델의 활용가능성(availability)을 증대시키기 위해 프롬프트 텍스트를 활용할 수 있다. 프롬프트 텍스트는 생성형 모델(예: 언어 모델)에게 사용자의 입력이나 요청을 전달하는 텍스트일 수 있다. 생성형 모델은 프롬프트 텍스트를 분석하고, 그에 따라 적절한 응답을 생성할 수 있다. 올바르게 작성된 프롬프트 텍스트는, 생성형 모델이 사용자가 원하는 텍스트를 출력하도록 도움을 줄 수 있다.
일 실시예에 따르면, 전자 장치(501)는 프롬프트 텍스트를 활용함으로써, 생성형 모델(또는 음성 어시스턴트)의 세션을 효율적으로 관리할 수 있다. 세션은, 사용자와 전자 장치 간의 상호 작용을 용이하게 관리하기 단위(unit)일 수 있다. 하나의 세션이 유지되는 동안, 전자 장치(501)는 사용자와의 상호 작용(예: 사용자의 입력(예: 발화) 및 전자 장치의 출력(예: 응답))(예: 대화)을 추적 및 저장할 수 있다. 하나의 세션이 유지되는 동안, 전자 장치(501)는 대화의 컨텍스트를 유지하며 사용자에게 연결성 있는 응답을 제공할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 세션의 유지 또는 세션의 분리에 따라, 프롬프트 텍스트의 구성에 차등을 둘 수 있다. 세션의 유지 시 전자 장치(501)는, 사용자와의 상호 작용(예: 기존 입력 및/또는 기존 출력)에 기초하여 프롬프트 텍스트를 구성할 수 있다. 세션의 유지는, 사용자의 별다른 지시가 없다면 자동적으로(또는 기계적으로) 수행되는 것일 수 있다. 세션의 분리(예: 새로운 세션의 생성) 시 전자 장치(501)는, 기존 입력 및/또는 기존 출력을 활용하지 않고 프롬프트 텍스트를 구성할 수 있다. 세션의 분리(예: 새로운 세션의 생성)는, 사용자의 지시 및/또는 전자 장치의 판단에 의해 수행되는 것일 수 있다.
일 실시예에 따르면, 세션은 사용자 및/또는 전자 장치(501) 간의 인터랙션을 기억(또는 저장)하고 있는 시간 구간을 의미할 수 있다. 세션은 사용자 및/또는 전자 장치(501) 간의 인터랙션으로 구성될 수 있다. 또한, 세션은 사용자 및/또는 전자 장치(501) 간의 인터랙션의 조건(예; 연관성), 의미, 종류, 및/또는 형태 중에서 하나 이상의 조합에 따라 구분될 수 있다.
일 실시예에 따르면, 세션은 싱글 턴과 멀티 턴으로 구분될 수 있다. 싱글 턴은 세션이 하나의 턴(또는 라운드)으로 이루어진 것을 의미할 수 있다. 싱글 턴의 세션은, 하나의 사용자의 입력 및 하나의 전자 장치의 출력으로 구성된 것일 수 있다. 멀티 턴은 세션이 복수의 턴(또는 라운드)들로 이루어진 것을 의미할 수 있다. 멀티 턴의 세션은, 복수의 사용자의 입력들 및 복수의 전자 장치의 출력들로 구성된 것일 수 있다.
일 실시예에 따르면, 멀티 턴의 세션 동안, 전자 장치(501)는 세션을 유지할 수 있다(예: 사용자와의 상호작용 추적 및 추적한 상호작용에 기초하여 프롬프트 텍스트를 구성). 멀티 턴의 세션이 유지되는 동안, 전자 장치(501)는 사용자와의 상호 작용을 추적할 수 있다. 전자 장치(501)는 이전 턴의 내용 및/또는 컨텍스트를 고려하며, 사용자에게 연결성 있는 응답을 제공할 수 있다.
최근 기술은 멀티 턴의 세션을 지원하는 방향으로 발전해온 것일 수 있다. 일 실시예에 따른 전자 장치(501)는 무조건적인 멀티 턴 세션을 지원하지 않기 위해 설계될 수 있다. 전자 장치는(501)는 사용자의 명시적인 지시(예: create new session or clear context) 없이도 세션을 분리(예: 새로운 세션을 생성)할 수 있다.
도 5를 참조하면, 일 실시예에 따르면, 전자 장치(501)는 사용자의 제1 입력(예: 발화)(예: "스무고개 하자")을 수신할 수 있다. 전자 장치(501)는 제1 입력의 수신에 응답하여, 제1 세션을 생성할 수 있다. 전자 장치(501)는 생성형 모델(예: 언어 모델)에 기초하여, 제1 입력(예: "스무고개 하자")에 대응되는 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")을 사용자에게 제공할 수 있다. 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")은 제1 입력(예: "스무고개 하자")에 대응되는 태스크(예: 챗봇 실행)가 수행된 후에 사용자에게 제공되는 것일 수 있다. 전자 장치(501)는 사용자의 제2 입력(예: 발화)(예: "TV 꺼줘")을 수신할 수 있다. 전자 장치(501)는 제2 입력의 수신에 응답하여, 제1 입력과 제2 입력 간의 조건(예: 연관성)과 제1 출력과 제2 입력 간의 조건(예: 연관성)이 만족하는 경우 제1 세션과는 다른 제2 세션을 생성할 수 있다. 제2 세션은, 제1 입력(예: "스무고개 하자")과 제2 입력(예: "TV 꺼줘") 간의 연관성 및 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")과 제2 입력(예: "TV 꺼줘") 간의 연관성 모두가, 임계값보다 작은 경우에 생성되는 것일 수 있다. 전자 장치(501)는 생성형 모델(예: 언어 모델)에 기초하여, 제2 입력(예: "TV 꺼줘")에 대응되는 제2 출력(예: TV 를 껐어요")을 사용자에게 제공할 수 있다. 제2 출력(예: TV 를 껐어요")은 제2 입력(예: "TV 꺼줘")에 대응되는 태스크(예: TV off)가 수행된 후에 사용자에게 제공되는 것일 수 있다.
도 6은 일 실시예에 따른, 전자 장치의 개략적인 블록도이고, 도 7은 일 실시예에 따른, 세션을 설명하기 위한 도면이다.
도 6을 참조하면, 일 실시예에 따르면, 전자 장치(501)는 도 1을 참조하여 설명한 전자 장치(101) 및 도 2를 참조하여 설명한 전자 장치(201)의 구성 중 적어도 일부를 포함할 수 있다. 전술한 바와 같이, 지능형 서버(예: 도 2의 지능형 서버(200), 도 5의 지능형 서버(601))와의 통신 없이 발화를 처리할 수 있는 온 디바이스 AI(on-device artificial intelligence)가 전자 장치(501)에 탑재될 수 있다. 전자 장치(501)와 관련하여, 도 1 내지 도 5를 참조하여 설명한 부분과 중복되는 설명은 생략한다.
일 실시예에 따르면, 전자 장치(501)는 무선 통신 회로(510)(예: 도 1의 무선 통신 모듈(192))를 포함할 수 있다. 전자 장치(501)는 프로세서(520)(예: 도 1의 프로세서(120) 또는 도 2의 프로세서(203))를 포함할 수 있다. 전자 장치(501)는 메모리(530)(예: 도 1의 메모리(130) 또는 도 2의 메모리(207))를 포함할 수 있다. 프로세서(520)(예: 어플리케이션 프로세서)는 메모리(530)에 억세스하여 하나 이상의 인스트럭션들을 실행할 수 있다. 프로세서(520)는 전자 장치(501)로 하여금 사용자에게 응답을 제공하게끔 할 수 있다. 메모리(530)는 전자 장치(501)의 적어도 하나의 구성요소(예: 프로세서(520))에 의해 사용되는 다양한 데이터를 저장할 수 있다.
일 실시예에 따르면, 프로세서(520)는 SoC(system on chip) 또는 IC(integrated circuit)과 같은 회로(circuitry)(예: 처리 회로)로 구현될 수 있다. 프로세서(520)는 하나 이상의 프로세서를 포함할 수 있다. 예를 들어, 프로세서(520)는 CPU, GPU, MPU, AP, 및 CP와 같은 하나 이상의 프로세서의 조합을 포함할 수 있다.
일 실시예에 따르면, 메모리(530)는 하나 이상의 메모리를 포함할 수 있다. 메모리(530)에 저장된 인스트럭션들은 하나의 메모리가 저장할 수 있다. 메모리(530)에 저장된 인스트럭션들은 복수의 메모리가 나눠서 저장할 수 있다. 메모리(530)에 저장된 인스트럭션들은 프로세서(520)에 의해 개별적으로 또는 집합적으로 실행되어 전자 장치(501)(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201))로 하여금 도 5 내지 도 11을 참조하여 설명하는 사용자 발화 처리 방법을 수행 및/또는 제어하도록 할 수 있다. 메모리(530)에 저장된 인스트럭션들은 복수의 프로세서에 의해 개별적으로 또는 집합적으로 실행되어 전자 장치(501)(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201))로 하여금 도 5 내지 도 11을 참조하여 사용자 발화 처리 방법을 수행 및/또는 제어하도록 할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 사용자의 입력을 수신할 수 있다. 전자 장치(501)는 타겟 분류기(521)에 기초하여, 사용자 입력이 전자 장치(501)에서 처리 가능한지를 판단할 수 있다. 타겟 분류기(521)는 논타겟 발화를 리젝션할 수 있다. 생성형 모델(예: 언어 모델)을 활용하지 않는 기존의 보이스 어시스턴트는, 사전에 정의된 정보에 기초하여 사용자 입력이 처리 대상인지를 판단(예: 매칭)할 수 있다. 사용자 입력이 처리 대상이 아닌 경우, 기존의 보이스 어시스턴트는 거절 응답(예: 지원하지 않는 동작입니다")을 제공할 수밖에 없었다. 일 실시예에 따른 전자 장치(501)는 음성 어시스턴트 기능에 생성형 모델(예: 언어 모델)을 접목한 것일 수 있다. 음성 어시스턴트 기능에 생성형 모델을 접목함으로써, 전자 장치(501)는 사용자의 다양한 입력에 적응적으로 대응할 수 있다. 다만, 전자 장치(501)는 사용자의 부적절한 입력(예: 욕설, 비속어, 혐오 발언)에 대해 필터링할 필요가 있다. 전자 장치(501)는 타겟 분류기(521)에 기초하여, 사용자의 부적절한 입력을 필터링(예: 분류)할 수 있다. 타겟 분류기(521)는 사전에 정의된 리젝션 대상, PDSS(personal data sync service)(예: 사용자의 개인 데이터)(예: 연락처, 설치된 어플리케이션, 단축 명령어), 및 전자 장치(501)가 지원하는 범위에 대한 정보를 활용하는 것일 수 있다.
일 실시예에 따르면, 세션 관리 모듈(522)에 기초하여, 전자 장치(501)는 사용자 입력을 처리할 세션을 결정할 수 있다. 예를 들어, 세션 관리 모듈(522)은 새로운 세션을 생성할 수 있다. 예를 들어, 세션 관리 모듈(522)은 기존에 생성된 세션을 통해 사용자 입력을 처리하기로 결정할 수 있다. 세션은 언어 모델 기반 챗봇에서 활용되는 개념일 수 있다. 세션은 사용자와 전자 장치(501) 간의 상호 작용을 용이하게 관리하기 단위(unit)일 수 있다. 하나의 세션이 유지되는 동안, 전자 장치(501)는 사용자와의 상호 작용(예: 사용자의 입력(예: 발화) 및 전자 장치의 출력(예: 응답))(예: 대화)을 추적 및 저장할 수 있다.
일 실시예에 따르면, 하나의 세션이 유지되는 동안 전자 장치(501)는 대화의 컨텍스트를 유지할 수 있고, 사용자 입력이 기존의 컨텍스트에서 벗어나는 경우 새로운 세션을 생성할 수 있다. 예를 들어, 연속된 입력(예: 발화)(예: 'TV 켜줘', '채널 22번 틀어줘', '볼륨 높여줘', 및 '김삼성에게 문자 보내줘')을 수신한 전자 장치(501)는, 입력(예: 'TV 켜줘', '채널 22번 틀어줘', '볼륨 높여줘')을 하나의 세션으로 관리하고, 입력(예: '김삼성에게 문자 보내줘')은 별도의 세션으로 관리할 수 있다. 통상적으로 사용자의 별다른 지시가 없다면 자동적으로(또는 기계적으로) 세션이 유지될 수 있다. 세션의 분리(예: 새로운 세션 생성)를 위해서는, 사용자의 명시적인 지시(예: 도 7의 새로운 세션 생성 인터페이스(701)에 대한 입력 또는 발화 '세션 종료')가 요구되지만, 이는 사용자에게 번거로울 수 있다(예: 사용자의 명시적인 지시에 대한 전자 장치의 응답은 도 7의 702 참조). 일 실시예에 따른 전자 장치(501)는 사용자의 명시적인 지시 없이도 세션을 분리(예: 새로운 세션을 생성)할 수 있다.
언어 모델 기반 챗봇과는 달리 보이스 어시스턴트는, 단발성의 명령이 사용자 입력의 다수를 이루고 있다. 즉, 언어 모델 기반 챗봇이 세션을 길게 유지하는 방법에 대한 접근이 필요했다면, 언어 모델 기반 보이스 어시스턴트는 세션을 분리하는 방법에 대한 접근이 요구된다. 일 실시예에 따른 전자 장치(501)는 무조건적인 세션 유지를 지원하지 않을 수 있다.
일 실시예에 따르면, 세션 관리 모듈(522)은 현재 입력과 기존 입출력 간의 연관성에 기초하여 새로운 세션 생성 여부를 결정할 수 있다. 예를 들어, 현재 입력과 기존 입출력 간의 연관성이 임계값보다 작다면, 세션 관리 모듈(522)은 새로운 세션을 생성할 수 있다. 예를 들어, 현재 입력과 기존 입출력 간의 연관성이 임계값보다 크거나 같다면, 세션 관리 모듈(522)은 기존의 세션으로 현재 입력을 처리할 수 있다. 현재 입력과 기존 입출력 간의 연관성은, 발화 간 유사도 및/또는 인간 피드백 기반 강화 학습(reinforcement learning with human feedback, RLHF)에 기초하여 판단될 수 있다. 발화 간 유사도는, 단어 간 겹침 또는 단어의 형태를 고려하는 것일 수 있다. RLHF는 사용자의 점수를 기반으로 학습하여, 모델이 사람의 판단을 모방할 수 있다. 예를 들어, 연속된 발화(예: '해운대 날씨 알려줘' 및 '거기 맛집 알려줘')에서, '날씨'와 '맛집'은 단어상으로는 연결점이 적지만, 사람은 일관된 문맥의 발화가 입력되었음을 판단할 수 있다.
일 실시예에 따르면, 세션 관리 모듈(522)은 장기 메모리(long term memory) 및 장기 메모리(long term memory)를 모두 활용할 수 있다. 단기 메모리는 현재 세션에서의 대화를 저장하고, 장기 메모리는 지난 세션에서의 대화를 저장할 수 있다. 세션 관리 모듈(522)은 장기 메모리를 활용함으로써, 지난 세션(예: 종료된 세션)을 다시 이어나갈 수도 있다.
일 실시예에 따르면, 프롬프트 생성 모듈(523)에 기초하여 전자 장치(501)는 프롬프트 텍스트를 생성(예: 구성)할 수 있다. 프롬프트 텍스트는 생성형 모델(524)(예: 언어 모델)에게 사용자의 입력이나 요청을 전달하는 텍스트일 수 있다. 생성형 모델(524)은 프롬프트 텍스트를 분석하고, 그에 따라 적절한 응답을 생성할 수 있다. 올바르게 작성된 프롬프트 텍스트는, 생성형 모델(524)이 사용자가 원하는 텍스트를 출력하도록 도움을 줄 수 있다. 현재 입력이 기존 입력과 동일한 세션으로 관리되는 경우, 프롬프트 생성 모듈(523)은 기존 입출력에 기초하여 프롬프트 텍스트를 구성할 수 있다. 현재 입력이 기존 입력과 다른 세션으로 관리되는 경우, 프롬프트 생성 모듈(523)은 기존 입출력을 활용하지 않고 프롬프트 텍스트를 구성할 수 있다. 현재 입력이 기존 입력과 다른 세션으로 관리되는 경우, 프롬프트 생성 모듈(523)은 프롬프트 텍스트를 생성하지 않을 수도 있다.
일 실시예에 따르면, 생성형 모델(예: 언어 모델)(524)에 기초하여 전자 장치(501)는 텍스트 데이터를 생성할 수 있다. 생성형 모델(524)은 프롬프트 텍스트에 기초하여 텍스트 데이터를 생성할 수 있다. 텍스트 데이터는 의도 정보, 슬롯, 및/또는 수행 가능한 API(application programming interface)를 포함할 수 있다.
일 실시예에 따르면, 응답 검증 모듈(525)에 기초하여 전자 장치(501)는 텍스트 데이터를 검증할 수 있다. 응답 검증 모듈(525)은 텍스트 데이터의 적절성을 검토할 수 있다. 응답 검증 모듈(523)은 텍스트 데이터의 문법적 오류를 검토할 수 있다.
일 실시예에 따르면, 응답 검증 모듈(525)은 텍스트 데이터를 검증하여 리젝션할 수 있다. 응답 검증 모듈(525)은 텍스트 데이터의 작성 스타일(예: 언어, 공손함), 페르소나의 적절성(예: 언어 모델의 페르소나), 할루시네이션 여부(예: 현실과는 무관한 정보, 사건, 및/또는 상황을 생성하거나 제공하는 이슈) 및 fallback 매커니즘(예: 사용자의 입력에 대해 적절한 응답을 생성하지 못할 때, 대체로 활용되는 메커니즘)을 검토할 수 있다. 응답 검증 모듈(525)은 텍스트 데이터가 부적절하다고 판단한 경우, 생성형 모델(524)에게 텍스트 데이터를 재생성하라고 지시할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 음성 어시스턴트 기능에 생성형 모델(예: 언어 모델)을 접목한 것일 수 있다. 전자 장치(501)는 생성형 모델(또는 음성 어시스턴트)의 세션을 효율적으로 관리할 수 있다. 전자 장치(501)는 무조건적인 멀티 턴의 세션을 지원하지 않기 위해 설계된 것일 수 있다. 전자 장치(501)는 사용자의 명시적인 지시(예: create new session or clear context) 없이도 세션을 분리(예: 새로운 세션을 생성)할 수 있다. 전자 장치(501)는 음성 어시스턴트 기능에 생성형 모델(예: 언어 모델)을 접목함으로써 발생하는 이슈(예: 할루시네이션)를 해결할 수 있다.
도 8 내지 도 10은 일 실시예에 따른 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 도면이다.
도 8를 참조하면, 상황(801)에서 전자 장치(800)는 사용자의 제1 입력(예: 발화)(예: "스무고개 하자")을 수신할 수 있다. 전자 장치(800)는 제1 입력의 수신에 응답하여, 제1 세션(예: 챗봇 세션)을 생성할 수 있다. 전자 장치(800)는 생성형 모델(예: 언어 모델)에 기초하여, 제1 입력(예: "스무고개 하자")에 대응되는 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")을 사용자에게 제공할 수 있다. 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")은 제1 입력(예: "스무고개 하자")에 대응되는 태스크(예: 챗봇 실행)가 수행된 후에 사용자에게 제공되는 것일 수 있다. 전자 장치(800)는 사용자의 제2 입력(예: 발화)(예: "TV 꺼줘")을 수신할 수 있다. 전자 장치(800)는 제1 세션(예: 챗봇 세션) 상에서 동작하고 있었으며 세션 분리에 대한 사용자의 명시적인 지시가 없으므로, 전자 장치(800)는 제1 세션(예: 챗봇 세션) 상에서 제2 입력에 대응되는 제2 출력(예: "TV 끄는 일을 하시는군요. 두번째 질문입니다. 당신에게 중요한 가치는 무엇인가요?")을 생성하여 사용자에게 제공할 수 있다. TV를 제어하고자 하는 사용자는, 전자 장치(800)로부터 엉뚱한 응답을 수신할 수 있다. 전자 장치(800)의 사용자는, TV 제어를 위해 명시적인 세션 분리를 우선 수행해야 할 수 있다.
일 실시예에 따르면, 상황(802)에서 전자 장치(501)는 사용자의 제1 입력(예: 발화)(예: "스무고개 하자")을 수신할 수 있다. 전자 장치(501)는 제1 입력의 수신에 응답하여, 제1 세션(예: 챗봇 세션)을 생성할 수 있다. 전자 장치(501)는 생성형 모델(예: 언어 모델)에 기초하여, 제1 입력(예: "스무고개 하자")에 대응되는 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")을 사용자에게 제공할 수 있다. 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")은 제1 입력(예: "스무고개 하자")에 대응되는 태스크(예: 챗봇 실행)가 수행된 후에 사용자에게 제공되는 것일 수 있다. 전자 장치(501)는 사용자의 제2 입력(예: 발화)(예: "TV 꺼줘")을 수신할 수 있다. 전자 장치(501)는 제2 입력의 수신에 응답하여, 제1 입력과 제2 입력 간의 조건(예; 연관성)과 제1 출력과 제2 입력 간의 조건(예: 연관성)이 만족하는 경우, 제1 세션(예: 챗봇 세션)과는 다른 제2 세션(예: IoT(internet of things) 세션)을 생성할 수 있다. 제2 세션은, 제1 입력(예: "스무고개 하자")과 제2 입력(예: "TV 꺼줘") 간의 연관성 및 제1 출력(예: "좋아요! 첫번째 질문입니다. 당신은 어떤 일을 하나요?")과 제2 입력(예: "TV 꺼줘") 간의 연관성 모두가, 임계값보다 작은 경우에 생성되는 것일 수 있다. 전자 장치(501)는 생성형 모델(예: 언어 모델)에 기초하여, 제2 입력(예: "TV 꺼줘")에 대응되는 제2 출력(예: TV 를 껐어요. 스무 고개를 이어서 할까요?")을 사용자에게 제공할 수 있다. 제2 출력(예: TV 를 껐어요. 스무 고개를 이어서 할까요?")은 제2 입력(예: "TV 꺼줘")에 대응되는 태스크(예: TV off)가 수행된 후에 사용자에게 제공되는 것일 수 있다.
도 9를 참조하면, 상황(901)에서 전자 장치(900)는 사용자의 제1 입력(예: 발화)(예: "quick share 켜줘")을 수신할 수 있다. 전자 장치(900)는 제1 입력의 수신에 응답하여, 제1 세션(예: 장치 제어 세션)을 생성할 수 있다. 전자 장치(900)는 생성형 모델(예: 언어 모델)에 기초하여, 제1 입력(예 "quick share 켜줘")에 대응되는 제1 출력(예: "quick share를 켤 수 없어요")을 사용자에게 제공할 수 있다. 전자 장치(900)는 제1 입력(예: "quick share 켜줘")에 대응되는 태스크(예: quick share on)를 수행할 수 없어서(예: quick share를 지원하지 않는 장치) 제1 출력(예: "quick share를 켤 수 없어요")을 제공하는 것일 수 있다. 전자 장치(900)는 사용자의 제2 입력(예: 발화)(예: "quick going")을 수신할 수 있다. 전자 장치(900)는 제1 입력(예: "quick share 켜줘")과 제2 입력(예: "quick going") 간의 연관성(예: 발화 간 유사도)(예: 단어 간 겹침 또는 단어의 형태)에 기초하여, 제1 세션을 유지할 수 있다. 전자 장치(900)는 제2 입력(예: "quick going")이 제1 입력(예: "quick share 켜줘")에 대한 후속 발화라고 판단하여, 엉뚱한 제2 출력(예: "Quick share는 빠른 속도로 대용량 파일을 전송할 수 있어요. 지금은 지원하지 않습니다")을 생성할 수 있다.
일 실시예에 따르면, 상황(902)에서 전자 장치(501)는 사용자의 제1 입력(예: 발화)(예: "quick share 켜줘")을 수신할 수 있다. 전자 장치(501)는 제1 입력의 수신에 응답하여, 제1 세션(예: 장치 제어 세션)을 생성할 수 있다. 전자 장치(501)는 생성형 모델(예: 언어 모델)에 기초하여, 제1 입력(예 "quick share 켜줘")에 대응되는 제1 출력(예: "quick share를 켤 수 없어요")을 사용자에게 제공할 수 있다. 전자 장치(501)는 제1 입력(예: "quick share 켜줘")에 대응되는 태스크(예: quick share on)를 수행할 수 없어서(예: quick share를 지원하지 않는 장치), 제1 출력(예: "quick share를 켤 수 없어요")을 제공하는 것일 수 있다. 전자 장치(501)는 사용자의 제2 입력(예: 발화)(예: "quick going")을 수신할 수 있다. 전자 장치(501)는 제1 입력(예: "quick share 켜줘")과 제2 입력(예: "quick going") 간의 연관성을 판단할 수 있다. 전자 장치(501)는 인간 피드백 기반 강화 학습(reinforcement learning with human feedback, RLHF)에 기초하여 학습된 것일 수 있다. 전자 장치(501)는 장치를 제어하기 위한 제1 입력(예: "quick share 켜줘")과, 아무런 의미가 없는 제2 입력(예: "quick going")을 분별할 수 있다. 전자 장치(501)는 생성형 모델(예: 언어 모델)에 기초하여, 제2 입력(예: "quick going")에 대응되는 제2 출력(예: "quick going은 이해할 수 없어요")을 생성할 수 있다. 전자 장치(501)는 제2 출력(예: "quick going은 이해할 수 없어요")을 사용자에게 제공할 수 있다.
도 10을 참조하면, 상황(1001)에서 전자 장치(1000)는 사용자의 입력(예: 발화)(예: "내 차 시동 걸어")을 수신할 수 있다. 차량 제어를 수행할 수 없는 전자 장치(1000)는 입력(예: "내 차 시동 걸어")에 대해 거절 응답을 제공해야할 수 있다. 그러나 전자 장치(1000)에서 활용되는 언어 모델이, 전자 장치(1000)를 타게팅하지 않은 코퍼스에 기초하여 학습된 것일 수 있다. 전자 장치(1000)는 차량 제어 요청에 대해 명시적으로 리젝하지 못하고, 차량과 연관된 응답(예: "차 시동을 걸려면 먼저 자동차 키를 찾아서 열쇠 구멍에 꽂아야 합니다")을 생성할 수 있다. 전자 장치(1000)는 적절한 페르소나가 없어서 사용자에게 혼동을 줄 수 있다.
일 실시예에 따르면, 상황(1002)에서 전자 장치(501)는 사용자의 입력(예: 발화)(예: "내 차 시동 걸어")을 수신할 수 있다. 차량 제어를 수행할 수 없는 전자 장치(501)는 입력(예: "내 차 시동 걸어")에 대해 거절 응답을 제공해야할 수 있다. 전자 장치(501)는 응답 검증 모듈(예: 도 6의 응답 검증 모듈(525))에 기초하여, 생성형 모델이 생성한 응답의 적절성을 검토할 수 있다. 전자 장치(501)는 응답의 적절성을 검토하여, 입력에 대응되는 거절 응답(예: "차와 관련된 기능은 수행할 수 없어요")을 사용자에게 제공할 수 있다.
도 11은 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도를 나타낸다.
동작 1110 내지 동작 1160은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들(1110~1160)의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
일 실시예에 따르면, 동작 1110 내지 1160은 전자 장치(예: 도 6의 전자 장치(501))의 프로세서(예: 도 6의 프로세서(520))에서 수행되는 것으로 이해될 수 있다.
동작 1110에서, 일 실시예에 따른 전자 장치(예: 도 5의 전자 장치(501))는 사용자의 제1 입력을 수신할 수 있다.
동작 1120에서, 일 실시예에 따른 전자 장치는 제1 입력의 수신에 응답하여, 제1 세션을 생성할 수 있다.
동작 1130에서, 일 실시예에 따른 전자 장치는 생성형 모델에 기초하여, 제1 입력에 대응되는 제1 출력을 사용자에게 제공할 수 있다.
동작 1140에서, 일 실시예에 따른 전자 장치는 사용자의 제2 입력을 수신할 수 있다.
동작 1150에서, 일 실시예에 따른 전자 장치는 제2 입력의 수신에 응답하여,제1 입력과 제2 입력 간의 조건(예: 연관성)과 제1 출력과 제2 입력 간의 조건(예: 연관성)이 만족하는 경우, 제1 세션과는 다른 제2 세션을 생성할 수 있다.
동작 1160에서, 일 실시예에 따른 전자 장치는 생성형 모델에 기초하여, 제2 입력에 대응되는 제2 출력을 사용자에게 제공할 수 있다.
일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201)) 또는 도 5의 전자 장치(501))의 동작 방법은 사용자의 제1 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제1 입력의 수신에 응답하여, 제1 세션을 생성하는 동작을 포함할 수 있다. 상기 동작 방법은, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 사용자의 제2 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제2 입력의 수신에 응답하여, 상기 제1 입력과 상기 제2 입력 간의 조건과 상기 제1 출력과 상기 제2 입력 간의 조건이 만족하는 경우, 상기 제1 세션과는 다른 제2 세션을 생성하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 생성형 모델에 기초하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 제1 출력을 상기 사용자에게 제공하는 동작은, 제1 프롬프트 텍스트를 구성하는 동작을 포함할 수 있다. 상기 제1 출력을 상기 사용자에게 제공하는 동작은 상기 생성형 모델에 상기 제1 프롬프트 텍스트를 입력하여, 제1 텍스트 데이터를 생성하는 동작을 포함할 수 있다. 상기 제1 출력을 상기 사용자에게 제공하는 동작은 상기 제1 텍스트 데이터에 기초하여, 상기 제1 입력에 대응되는 제1 태스크를 수행하는 동작을 포함할 수 있다. 상기 제1 출력을 상기 사용자에게 제공하는 동작은 상기 제1 태스크에 대응되는 상기 제1 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 제2 프롬프트 텍스트를 구성하는 동작을 포함할 수 있다. 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 생성형 모델에 상기 제2 프롬프트 텍스트를 입력하여, 제2 텍스트 데이터를 생성하는 동작을 포함할 수 있다. 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 제2 텍스트 데이터에 기초하여, 상기 제2 입력에 대응되는 제2 태스크를 수행하는 동작을 포함할 수 있다. 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 제2 태스크에 대응되는 상기 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 제1 프롬프트 텍스트를 구성하기 위해 상기 제1 세션에서 활용되는 정보는, 상기 제2 프롬프트 텍스트를 구성하기 위해 상기 제2 세션에서 활용되는 정보와 상이할 수 있다.
일 실시예에 따르면, 상기 제1 세션과 상기 제2 세션은 상기 사용자의 입력과 상기 전자 장치의 출력으로 구성되는 것이고,상기 제2 세션은, 상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 모두가, 임계값보다 작은 경우에 생성될 수 있다.
일 실시예에 따르면, 상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 각각은, 발화 간 유사도 또는 인간 피드백 기반 강화 학습(reinforcement learning with human feedback, RLHF)에 기초하여 판단되는 것일 수 있다.
일 실시예에 따르면, 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 제2 출력의 적절성을 검토한 후에 상기 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201)) 또는 도 5의 전자 장치(501))의 동작 방법은 사용자의 제1 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 사용자의 제2 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 제1 입력과 상기 제2 입력 간의 연관성 또는 상기 제1 출력과 상기 제2 입력 간의 연관성 중 적어도 하나에 기초하여, 프롬프트 텍스트를 적응적으로 구성하는 동작을 포함할 수 있다. 상기 동작 방법은, 상기 생성형 모델에 상기 프롬프트 텍스트를 입력하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성이 임계값보다 작은 경우, 상기 제2 입력은 상기 제1 입력과 다른 세션으로 관리되는 것일 수 있다. 상기 제1 입력과 상기 제2 입력 간의 연관성 또는 상기 제1 출력과 상기 제2 입력 간의 연관성 중 적어도 하나가 임계값보다 크거나 같은 경우, 상기 제2 입력은 상기 제1 입력과 동일한 세션으로 관리되는 것일 수 있다.
일 실시예에 따르면, 상기 제2 입력이 상기 제1 입력과 동일한 세션으로 관리되는 경우, 상기 프롬프트 텍스트는 상기 제1 입력 또는 상기 제1 출력 중 적어도 하나에 기초하여 구성되는 것일 수 있다.
일 실시예에 따르면, 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 생성형 모델에 상기 프롬프트 텍스트를 입력하여, 텍스트 데이터를 생성하는 동작을 포함할 수 있다. 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 텍스트 데이터에 기초하여, 상기 제2 입력에 대응되는 태스크를 수행하는 동작을 포함할 수 있다. 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 태스크에 대응되는 상기 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 적어도 하나는, 발화 간 유사도 또는 인간 피드백 기반 강화 학습(reinforcement learning with human feedback, RLHF)에 기초하여 판단되는 것일 수 있다.
일 실시예에 따르면, 상기 제2 출력을 상기 사용자에게 제공하는 동작은, 상기 제2 출력의 적절성을 검토한 후에 상기 제2 출력을 상기 사용자에게 제공하는 동작을 포함할 수 있다.
일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201)) 또는 도 5의 전자 장치(501))는 프로세서(예: 도 1의 프로세서(120), 도 2의 프로세서(203) 또는 도 5의 프로세서(520))를 포함할 수 있다. 상기 전자 장치는 인스트럭션을 저장하는 메모리(예: 도 1의 메모리(130), 도 2의 메모리(207) 또는 도 5의 메모리(530))를 포함할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 사용자의 제1 입력을 수신하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제1 입력의 수신에 응답하여, 제1 세션을 생성하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 사용자의 제2 입력을 수신하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제2 입력의 수신에 응답하여, 상기 제1 입력과 상기 제2 입력 간의 조건과 상기 제1 출력과 상기 제2 입력 간의 조건이 만족하는 경우, 상기 제1 세션과는 다른 제2 세션을 생성하도록 할 수 있다. 상기 인스트럭션은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 생성형 모델에 기초하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 제1 프롬프트 텍스트를 구성하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 생성형 모델에 상기 제1 프롬프트 텍스트를 입력하여, 제1 텍스트 데이터를 생성하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제1 텍스트 데이터에 기초하여, 상기 제1 입력에 대응되는 제1 태스크를 수행하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제1 태스크에 대응되는 상기 제1 출력을 상기 사용자에게 제공하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 제2 프롬프트 텍스트를 구성하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 생성형 모델에 상기 제2 프롬프트 텍스트를 입력하여, 제2 텍스트 데이터를 생성하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제2 텍스트 데이터에 기초하여, 상기 제2 입력에 대응되는 제2 태스크를 수행하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제2 태스크에 대응되는 상기 제2 출력을 상기 사용자에게 제공하도록 할 수 있다.
일 실시예에 따르면, 상기 제1 프롬프트 텍스트를 구성하기 위해 상기 제1 세션에서 활용되는 정보는, 상기 제2 프롬프트 텍스트를 구성하기 위해 상기 제2 세션에서 활용되는 정보와 상이할 수 있다.
일 실시예에 따르면, 상기 제1 세션과 상기 제2 세션은 상기 사용자의 입력과 상기 전자 장치의 출력으로 구성되는 것이고, 상기 제2 세션은, 상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 모두가, 임계값보다 작은 경우에 생성될 수 있다.
일 실시예에 따르면, 상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 각각은, 발화 간 유사도 또는 인간 피드백 기반 강화 학습(reinforcement learning with human feedback, RLHF)에 기초하여 판단되는 것일 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치로 하여금, 상기 제2 출력의 적절성을 검토한 후에 상기 제2 출력을 상기 사용자에게 제공하도록 할 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)에 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리 또는 외장 메모리)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램)로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치)의 프로세서(예: 프로세서)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 스토어TM)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 개체들을 포함할 수 있으며, 복수의 개체들 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.
-부호의 설명
501: 전자 장치
601: 지능형 서버

Claims (14)

  1. 전자 장치(101; 201; 501)의 동작 방법에 있어서,
    사용자의 제1 입력을 수신하는 동작;
    상기 제1 입력의 수신에 응답하여, 제1 세션을 생성하는 동작;
    생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하는 동작;
    상기 사용자의 제2 입력을 수신하는 동작;
    상기 제2 입력의 수신에 응답하여, 상기 제1 입력과 상기 제2 입력 간의 조건과 상기 제1 출력과 상기 제2 입력 간의 조건이 만족하는 경우, 상기 제1 세션과는 다른 제2 세션을 생성하는 동작; 및
    상기 생성형 모델에 기초하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하는 동작
    을 포함하는, 동작 방법.
  2. 제1항에 있어서,
    상기 제1 출력을 상기 사용자에게 제공하는 동작은,
    제1 프롬프트 텍스트를 구성하는 동작;
    상기 생성형 모델에 상기 제1 프롬프트 텍스트를 입력하여, 제1 텍스트 데이터를 생성하는 동작;
    상기 제1 텍스트 데이터에 기초하여, 상기 제1 입력에 대응되는 제1 태스크를 수행하는 동작; 및
    상기 제1 태스크에 대응되는 상기 제1 출력을 상기 사용자에게 제공하는 동작
    을 포함하는, 동작 방법.
  3. 제1항 및 제2항 중 어느 한 항에 있어서,
    상기 제2 출력을 상기 사용자에게 제공하는 동작은,
    제2 프롬프트 텍스트를 구성하는 동작;
    상기 생성형 모델에 상기 제2 프롬프트 텍스트를 입력하여, 제2 텍스트 데이터를 생성하는 동작;
    상기 제2 텍스트 데이터에 기초하여, 상기 제2 입력에 대응되는 제2 태스크를 수행하는 동작; 및
    상기 제2 태스크에 대응되는 상기 제2 출력을 상기 사용자에게 제공하는 동작
    을 포함하는, 동작 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 제1 프롬프트 텍스트를 구성하기 위해 상기 제1 세션에서 활용되는 정보는,
    상기 제2 프롬프트 텍스트를 구성하기 위해 상기 제2 세션에서 활용되는 정보와 상이한 것인,
    동작 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 제1 세션과 상기 제2 세션은 상기 사용자의 입력과 상기 전자 장치의 출력으로 구성되는 것인,
    상기 제2 세션은,
    상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 모두가, 임계값보다 작은 경우에 생성되는 것인,
    동작 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 각각은,
    발화 간 유사도 또는 인간 피드백 기반 강화 학습(reinforcement learning with human feedback, RLHF)에 기초하여 판단되는 것인,
    동작 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 제2 출력을 상기 사용자에게 제공하는 동작은,
    상기 제2 출력의 적절성을 검토한 후에 상기 제2 출력을 상기 사용자에게 제공하는 동작
    을 포함하는, 동작 방법.
  8. 전자 장치(101; 201; 501)에 있어서,
    프로세서(120; 203; 520); 및
    인스트럭션들을 저장하는 메모리(130; 207; 530)
    를 포함하고,
    상기 인스트럭션들은, 상기 프로세서(120; 203; 520)에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치(101; 201; 501)로 하여금,
    사용자의 제1 입력을 수신하고,
    상기 제1 입력의 수신에 응답하여, 제1 세션을 생성하고,
    생성형 모델에 기초하여, 상기 제1 입력에 대응되는 제1 출력을 상기 사용자에게 제공하고,
    상기 사용자의 제2 입력을 수신하고,
    상기 제2 입력의 수신에 응답하여, 상기 제1 입력과 상기 제2 입력 간의 조건과 상기 제1 출력과 상기 제2 입력 간의 조건이 만족하는 경우, 상기 제1 세션과는 다른 제2 세션을 생성하고,
    상기 생성형 모델에 기초하여, 상기 제2 입력에 대응되는 제2 출력을 상기 사용자에게 제공하도록 하는,
    전자 장치(101; 201; 501).
  9. 제8항에 있어서,
    상기 인스트럭션들은, 상기 프로세서(120; 203; 520)에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치(101; 201; 501)로 하여금,
    제1 프롬프트 텍스트를 구성하고,
    상기 생성형 모델에 상기 제1 프롬프트 텍스트를 입력하여, 제1 텍스트 데이터를 생성하고,
    상기 제1 텍스트 데이터에 기초하여, 상기 제1 입력에 대응되는 제1 태스크를 수행하고,
    상기 제1 태스크에 대응되는 상기 제1 출력을 상기 사용자에게 제공하도록 하는,
    전자 장치(101; 201; 501).
  10. 제8항 및 제9항 중 어느 한 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서(120; 203; 520)에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치(101; 201; 501)로 하여금,
    제2 프롬프트 텍스트를 구성하고,
    상기 생성형 모델에 상기 제2 프롬프트 텍스트를 입력하여, 제2 텍스트 데이터를 생성하고,
    상기 제2 텍스트 데이터에 기초하여, 상기 제2 입력에 대응되는 제2 태스크를 수행하고,
    상기 제2 태스크에 대응되는 상기 제2 출력을 상기 사용자에게 제공하도록 하는,
    전자 장치(101; 201; 501).
  11. 제8항 내지 제10항 중 어느 한 항에 있어서,
    상기 제1 프롬프트 텍스트를 구성하기 위해 상기 제1 세션에서 활용되는 정보는,
    상기 제2 프롬프트 텍스트를 구성하기 위해 상기 제2 세션에서 활용되는 정보와 상이한 것인,
    전자 장치(101; 201; 501).
  12. 제8항 내지 제11항 중 어느 한 항에 있어서,
    상기 제1 세션과 상기 제2 세션은 상기 사용자의 입력과 상기 전자 장치의 출력으로 구성되는 것인,
    상기 제2 세션은,
    상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 모두가, 임계값보다 작은 경우에 생성되는 것인,
    전자 장치(101; 201; 501).
  13. 제8항 내지 제12항 중 어느 한 항에 있어서,
    상기 제1 입력과 상기 제2 입력 간의 연관성 및 상기 제1 출력과 상기 제2 입력 간의 연관성 각각은,
    발화 간 유사도 또는 인간 피드백 기반 강화 학습(reinforcement learning with human feedback, RLHF)에 기초하여 판단되는 것인,
    전자 장치(101; 201; 501).
  14. 제8항 내지 제13항 중 어느 한 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서(120; 203; 520)에 의해 개별적으로 또는 집합적으로 실행될 때 상기 전자 장치(101; 201; 501)로 하여금,
    상기 제2 출력의 적절성을 검토한 후에 상기 제2 출력을 상기 사용자에게 제공하도록 하는,
    전자 장치(101; 201; 501).
PCT/KR2024/096313 2023-10-13 2024-10-11 전자 장치 및 사용자 발화 처리 방법 Pending WO2025080098A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20230136987 2023-10-13
KR10-2023-0136987 2023-10-13
KR1020230155118A KR20250053656A (ko) 2023-10-13 2023-11-10 전자 장치 및 사용자 발화 처리 방법
KR10-2023-0155118 2023-11-10

Publications (1)

Publication Number Publication Date
WO2025080098A1 true WO2025080098A1 (ko) 2025-04-17

Family

ID=95396210

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2024/096313 Pending WO2025080098A1 (ko) 2023-10-13 2024-10-11 전자 장치 및 사용자 발화 처리 방법

Country Status (1)

Country Link
WO (1) WO2025080098A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101891496B1 (ko) * 2017-12-26 2018-08-24 주식회사 머니브레인 사용자간 대화 세션에 대한 능동적 모니터링 및 개입을 제공하는 대화형 ai 에이전트 시스템, 방법 및 컴퓨터 판독가능 기록 매체
KR20180128805A (ko) * 2017-05-24 2018-12-04 주식회사 솔트룩스 실시간 데이터 수집에 기초한 대화 모델의 동적 확장을 위한 시스템 및 방법
KR102355988B1 (ko) * 2016-12-30 2022-01-26 구글 엘엘씨 맥락을 인식하는 인간-대-컴퓨터 대화
KR20230071045A (ko) * 2021-11-15 2023-05-23 하이퍼커넥트 유한책임회사 발화를 이용하여 응답을 생성하는 방법 및 이를 위한 장치
KR20230076012A (ko) * 2021-11-23 2023-05-31 네이버 주식회사 초대형 언어 모델을 이용한 페르소나 대화 데이터 생성 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102355988B1 (ko) * 2016-12-30 2022-01-26 구글 엘엘씨 맥락을 인식하는 인간-대-컴퓨터 대화
KR20180128805A (ko) * 2017-05-24 2018-12-04 주식회사 솔트룩스 실시간 데이터 수집에 기초한 대화 모델의 동적 확장을 위한 시스템 및 방법
KR101891496B1 (ko) * 2017-12-26 2018-08-24 주식회사 머니브레인 사용자간 대화 세션에 대한 능동적 모니터링 및 개입을 제공하는 대화형 ai 에이전트 시스템, 방법 및 컴퓨터 판독가능 기록 매체
KR20230071045A (ko) * 2021-11-15 2023-05-23 하이퍼커넥트 유한책임회사 발화를 이용하여 응답을 생성하는 방법 및 이를 위한 장치
KR20230076012A (ko) * 2021-11-23 2023-05-31 네이버 주식회사 초대형 언어 모델을 이용한 페르소나 대화 데이터 생성 방법 및 시스템

Similar Documents

Publication Publication Date Title
WO2022177164A1 (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법
WO2022065879A1 (ko) 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법
WO2023177051A1 (ko) 증강된 문장 후보에 기반하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024039191A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2023177079A1 (ko) 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법
WO2023058944A1 (ko) 전자 장치 및 응답 제공 방법
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법
WO2024043729A1 (ko) 전자 장치 및 전자 장치의 사용자에 대한 응답 처리 방법
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2023022381A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2025080098A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2022025448A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2025058242A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2025023722A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2024262868A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2025080070A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2025058247A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024058597A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2025080076A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2024029845A1 (ko) 전자 장치 및 이의 음성 인식 방법
WO2025121752A1 (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: 24877633

Country of ref document: EP

Kind code of ref document: A1