KR102281515B1

KR102281515B1 - 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법

Info

Publication number: KR102281515B1
Application number: KR1020190088686A
Authority: KR
Inventors: 김보섭; 김재홍
Original assignee: 엘지전자 주식회사
Priority date: 2019-07-23
Filing date: 2019-07-23
Publication date: 2021-07-26
Also published as: KR20190098090A; US20190378495A1; US11302311B2

Abstract

본 발명의 실시 예는 사용자의 음성을 인식하는 인공 지능 장치에 있어서, 메모리; 마이크로폰; 및 상기 마이크로폰을 통해 상기 사용자의 발화 음성에 상응하는 소리 신호를 수신하고, 상기 발화 음성에 상응하는 개인화 식별 정보를 획득하고, 글로벌 언어 모델(Language Model)을 이용하여 상기 소리 신호로부터 상기 발화 음성을 인식하고, 상기 인식의 신뢰도를 산출하고, 상기 산출된 신뢰도가 미리 설정된 제1 기준 값을 초과하는 경우에 상기 음성 인식 결과를 이용하여 상기 개인화 식별 정보에 상응하는 개인화 언어 모델을 갱신하는 프로세서를 포함하는, 인공 지능 장치를 제공한다.

Description

개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 {ARTIFICIAL INTELLIGENCE APPARATUS FOR RECOGNIZING SPEECH OF USER USING PERSONALIZED LANGUAGE MODEL AND METHOD FOR THE SAME}

본 발명은 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법에 관한 것이다. 구체적으로, 본 발명은 사용자별로 음성 인식 기록을 이용하여 개인화 언어 모델을 구성하고, 각 사용자별 개인화 언어 모델을 이용하여 사용자의 음성을 보다 정확하게 인식하는 인공 지능 장치 및 그 방법에 관한 것이다.

최근 음성 인식을 통해 사용자와 상호작용하는 기기들이 늘어나고 있다. 음성 인식 기술은 단순히 사용자의 음성을 텍스트로 변환해주는 STT(Speech-To-Text) 서비스부터, 사용자의 음성이 입력되면 그 음성에 적합한 제어를 수행하거나 응답을 제공하는 서비스 등의 다양한 서비스에 적용되고 있다.

하지만 이러한 기기들에서 사용자의 발화 음성을 정확히 인식하지 못한 경우, 현재로서는 사용자에게 다시 발화할 것을 요청할 뿐이며, 이는 사용자의 사용 만족도를 현격하게 떨어뜨리는 요인이 된다.

만약 음성 인식 결과에 대한 기록들이 누적되어 있다면, 잡음 등의 외부 요인으로 인하여 입력된 음성 신호를 정확히 인식하지 못하였더라도 이를 보정할 수 있고, 그에 따라 음성 인식의 정확도를 높일 수 있을 것이다.

본 발명은 사용자별로 구분되는 개인화 언어 모델을 이용하여 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법을 제공하고자 한다.

또한, 본 발명은 사용자 식별 정보와 그 사용자에 대한 음성 인식 결과를 이용하여 상기 사용자 식별 정보에 상응하는 개인화 언어 모델을 갱신하고, 현재 발화중인 사용자를 판단하여 개인화 언어 모델을 이용하여 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법을 제공하고자 한다.

본 발명의 일 실시 예는 사용자의 발화 음성에 상응하는 소리 신호를 수신하면, 상기 발화 음성에 상응하는 개인화 식별 정보를 획득하고, 글로벌 언어 모델을 이용하여 사용자의 발화 음성을 인식하고, 음성 인식의 신뢰도가 기준 값을 초과하는 경우에 음성 인식 결과를 이용하여 개인화 식별 정보에 상응하는 개인화 언어 모델을 갱신하는, 인공 지능 장치 및 그 방법을 제공한다.

또한, 본 발명의 일 실시 예는 음성 인식의 신뢰도가 기준 값을 초과하지 않는 경우에 음성 인식 결과에서 음성 인식의 신뢰도를 낮추는 오인식 단어를 추출하고, 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 오인식 단어를 보정하는, 인공 지능 장치 및 그 방법을 제공한다.

또한, 본 발명의 일 실시 예는 개인화 식별 정보에 상응하는 개인화 언어 모델에 대하여 음성 인식 결과에 포함된 단어의 가중치를 높임으로써 개인화 언어 모델을 갱신하는, 인공 지능 장치 및 그 방법을 제공한다.

본 발명의 다양한 실시 예에 따르면, 사용자가 불명확하게 발음하거나 소리 신호에 노이즈가 포함되더라도, 사용자의 발화 기록 또는 발화 패턴을 고려하여 보다 정확하게 사용자의 발화 음성을 인식할 수 있다.

또한, 본 발명의 다양한 실시 예에 따르면, 개인화 언어 모델을 이용하여 사용자의 발화 음성을 인식함에 따라, 각 사용자의 언어 습관에 적합하게 인식할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 방법을 나타낸 동작 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 사용자의 의도를 결정하는 방법을 나타낸 도면이다.
도 7은 본 발명의 일 실시 예에 따른 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 방법을 나타낸 도면이다.
도 8은 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 방법을 나타낸 동작 흐름도이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 '모듈' 및 '부'는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

<인공 지능(AI: Artificial Intelligence)>

인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.

인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.

인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.

모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.

인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.

머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.

지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.

인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.

<로봇(Robot)>

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.

로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.

로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.

<자율 주행(Self-Driving)>

자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.

예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.

차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.

이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.

<확장 현실(XR: eXtended Reality)>

확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.

MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.

XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.

AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.

도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.

통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.

입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.

입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.

출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.

프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.

도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.

통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.

러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.

학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.

프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.

도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.

클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.

즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.

AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.

AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.

또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.

이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.

<AI+로봇>

로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.

로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.

여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.

맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+자율주행>

자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.

자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.

여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.

자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.

맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+XR>

XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.

XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.

XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

<AI+로봇+자율주행>

로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.

자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.

자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예컨대, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.

자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.

이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.

<AI+로봇+XR>

로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.

XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.

<AI+자율주행+XR>

자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.

XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.

이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.

도 1과 중복되는 설명은 생략한다.

도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.

입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.

입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.

카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.

마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.

사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다.

사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, AI 장치(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.

센싱부(140)는 센서부라고 칭할 수 있다.

출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.

디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.

디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.

음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.

음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.

햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.

광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.

도 5는 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 방법을 나타낸 동작 흐름도이다.

도 5를 참조하면, 인공 지능 장치(100)의 프로세서(180)는 사용자의 발화 음성에 대한 소리 신호를 수신한다(S501).

사용자의 발화 음성에 대한 소리 신호는 인공 지능 장치(100)의 마이크로폰(121)을 통하여 수신할 수도 있지만, 통신부(110)를 통해 외부 기기(미도시)로부터 수신할 수도 있다.

소리 신호는 PCM(Pulse Code Modulation) 형식의 오디오 파일일 수 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 발화 음성에 상응하는 개인화 식별 정보를 획득한다(S503).

여기서, 개인화 식별 정보(personalize identification information)는 음성을 발화하는 사용자 또는 그 사용자가 사용하는 장치를 구분하기 위한 식별 정보를 의미할 수 있다. 그리고, 개인화 식별 정보는 음성 인식 기능을 개인화하는데 이용될 수 있다.

개인화 식별 정보에는 기기 식별 정보 또는 사용자 식별 정보 등이 포함될 수 있다.

기기 식별 정보는 사용자의 발화 음성에 대한 소리 신호를 최초로 획득하는 인공 지능 장치(100) 또는 외부 기기(미도시)를 다른 기기들과 구분하는 식별 정보로, 각 기기마다 고유한 값으로 부여될 수 있다.

사용자 식별 정보는 음성을 발화하는 사용자를 다른 사용자들과 구분하는 식별 정보로, 각 사용자마다 고유한 값으로 부여될 수 있다.

이때, 프로세서(180)는 수신한 소리 신호에 대하여 성문 분석을 통해 음성을 발화한 사용자를 결정하고, 결정된 사용자에 대한 사용자 식별 정보를 획득할 수 있다.

이때, 프로세서(180)는 사용자 계정 정보가 존재하는 경우, 사용자 계정 정보를 기초로 사용자에 대한 식별 정보를 획득할 수 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 글로벌 언어 모델(LM: Language Model)을 이용하여 발화 음성을 인식한다(S505).

여기서, 발화 음성을 인식한다는 것은 소리 신호에 상응하는 문자열을 생성하는 것을 의미할 수 있다. 그리고, 글로벌 언어 모델은 모든 사용자들에게 공통적으로 사용되는 언어 모델을 의미할 수 있다.

이하에서, 별도의 구분이 없다면 언어 모델은 글로벌 언어 모델과 후술하는 개인화 언어 모델을 모두 지칭한다.

프로세서(180)는 음향 모델(AM: Acoustic Model)을 이용하여 입력된 소리 신호를 음소 단위로 인식하고, 음소 단위의 인식 결과에 기초하여 입력된 소리 신호에 상응하는 단어를 결정할 수 있다. 그리고, 프로세서(180)는 음소 단위의 인식 결과를 이용하여 음소 단위 워드 벡터(word vector)를 생성하고, 생성된 음소 단위 워드 벡터와 글로벌 언어 모델을 이용하여 입력된 소리 신호에 상응하는 적어도 하나 이상의 단어를 결정할 수 있다.

프로세서(180)가 결정하는 적어도 하나 이상의 단어는 단일한 단어 또는 복수의 단어들로 구성된 단어 시퀀스를 포함할 수 있다.

언어 모델은 단어 시퀀스(word sequence)에 대한 확률 분포를 나타내는 모델을 의미할 수 있다. 즉, 언어 모델은 특정 단어 시퀀스가 주어졌을 때, 그 단어 시퀀스가 나타날 확률을 출력할 수 있다. 따라서, 프로세서(180)는 언어 모델을 이용함으로써 특정 단어 시퀀스가 주어졌을 때 그 다음 단어로 적합한 후보 단어들을 결정하거나, 각 후보 단어들이 나타날 확률을 계산할 수 있다.

예컨대, 프로세서(180)가 음향 모델을 이용하여 특정 인식 대상 단어의 음소를 ['n', 'i', 'g', 'h', 't']로 인식한 경우를 가정한다. 프로세서(180)는 ['n', 'i', 'g', 'h', 't']에 상응하는 음소 단위 워드 벡터를 생성하고, 생성된 워드 벡터와 언어 모델을 이용하여 인식 대상 단어를 결정할 수 있다. 만약, 언어 모델을 이용하였을 때, 현재까지 인식된 단어 시퀀스에 비추어 인식 대상 단어가 "night"보다 "knight"일 확률이 더 높다고 판단되는 경우라면, 프로세서(180)는 음향 모델의 결과와는 다르게 인식 대상 단어를 "night"가 아닌 "knight"로 결정할 수 있다.

상술한 예시에서는 단일한 단어만을 결정하는 상황을 서술하였으나, 본 발명이 이에 한정되지 않는다. 즉, 프로세서(180)는 복수의 단어라고 추정되는 음소 단위 워드 벡터들을 이용하여 단일한 단어를 결정할 수도 있고, 그 반대로 단일한 단어라고 추정되는 음소 단위 워드 벡터를 이용하여 복수의 단어들을 결정할 수도 있다.

예컨대, 음향 모델에서의 음소 단위 인식 결과가 단일한 단어 "foreign"을 가리키더라도 언어 모델의 판단 결과에 따라 인식 대상 단어가 "for him"이라는 복수의 단어로 결정될 수도 있고, 그 반대로 음향 모델에서의 음소 단위 인식 결과가 복수의 단어 "for him"을 가리키더라도 언어 모델의 판단 결과에 따라 인식 대상 단어가 "foreign"이라는 단일한 단어로 결정될 수도 있다.

상술한 음향 모델이나 언어 모델은 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습된 모델일 수 있으며, 인공 신경망으로 구성될 수 있다. 음향 모델이나 언어 모델의 학습은 인공 지능 장치(100)의 러닝 프로세서(130)에서 수행될 수도 있으나, 인공 지능 서버(200)의 러닝 프로세서(240)에서 수행될 수도 있다.

또한, 음향 모델 또는 언어 모델은 인공 지능 장치(100)의 메모리(170)에 저장될 수도 있지만, 인공 지능 서버(200)의 메모리(230)에 저장될 수도 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 인식된 발화 음성에 대하여 제1 LM 스코어(LM score: language model score)를 산출한다(S507).

LM 스코어는 언어 모델이 인식한 발화 음성을 얼마나 발생할 가능성이 높은지 여부 또는 언어 모델이 얼마나 높은 신뢰도로 발화 음성을 인식하였는지 여부를 의미할 수 있다. 즉, LM 스코어를 산출한다는 것은 음성 인식의 신뢰도 또는 정확도를 산출하는 것으로 이해할 수 있다.

여기서, 제1 LM 스코어는 인식된 발화 음성 전체에 대한 LM 스코어를 의미할 수 있다.

이때, 프로세서(180)는 글로벌 언어 모델을 이용하여 인식 발화 음성에 대한 제1 LM 스코어를 산출할 수 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 산출된 제1 LM 스코어가 미리 설정된 제1 기준 값을 초과하는지 여부를 판단한다(S509).

산출된 제1 LM 스코어가 미리 설정된 제1 기준 값을 초과한다는 것은 사용자의 발화 음성이 글로벌 언어 모델을 이용하더라도 높은 정확도/신뢰도로 인식되었음을 의미할 수 있다.

단계(S509)의 판단 결과, 산출된 제1 LM 스코어가 미리 설정된 제1 기준 값을 초과하는 경우, 인공 지능 장치(100)의 프로세서(180)는 음성 인식 결과에 기초하여 사용자의 의도를 결정하고, 결정된 사용자의 의도에 상응하는 동작을 수행한다(S511).

사용자의 의도를 결정하는 것은 사용자의 의도를 인식하는 것을 의미할 수 있다. 그리고, 사용자의 발화 음성에 상응하는 의도를 결정하는 것은 발화 음성에 상응하는 자연어(Natural Language)의 의도를 결정하는 것을 의미할 수 있다. 그리고, 사용자의 의도는 사용자의 발화 음성에 상응하는 의도를 의미할 수 있다.

프로세서(180)는 음성 인식 결과에 기초하여 의도 정보를 생성함으로써 사용자의 의도를 결정할 수 있다.

이때, 프로세서(180)는 자연어 이해(NLU: Natural Language Understanding) 기법의 의도 분류기(intent classifier)를 이용하여 사용자의 의도를 결정할 수 있다.

의도 분류기는 음성 인식 결과가 입력되면, 입력된 음성 인식 결과의 의도를 벡터 공간에 사영하는 모델을 의미할 수 있다.

이때, 의도 분류기의 출력에 따른 벡터 공간에서는 각 의도별로 군집을 형성할 수 있다. 즉, 의도 분류기의 출력에 따른 벡터 공간에는 의도 분류기가 분류할 수 있는 복수의 의도 군집들이 존재할 수 있다.

이때, 의도 분류기에 음성 인식 결과가 입력되면, 의도 분류기는 입력된 음성 인식 결과의 의도와 특정 의도 군집과 유사할수록 입력된 음성 인식 결과를 해당 의도 군집과 인접한 위치에 사영할 수 있다. 따라서, 사영된 위치와 각 의도 군집까지의 거리는 입력된 음성 인식 결과의 의도와 각 의도 군집과의 유사도를 의미하며, 거리가 가까울수록 유사도가 높다는 것을 의미할 수 있다.

이때, 의도 분류기는 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습된 인공 신경망 기반의 모델일 수 있다.

프로세서(180)는 벡터 공간 내에서 입력된 음성 인식 결과가 사영된 위치에서 가장 인접한 의도 군집까지의 거리를 이용하여 사용자의 의도를 결정할 수 있다. 이하에서, 입력된 음성 인식 결과가 사영된 위치로부터 가장 인접한 의도 군집을 최인접 의도 군집 또는 제1 의도 군집이라 칭할 수 있다.

프로세서(180)는 제1 의도 군집에 상응하는 의도를 사용자의 의도로 결정하고, 결정된 의도에 상응하는 동작을 수행할 수 있다.

예컨대, 사용자의 의도가 특정 주제에 관련된 정보를 요구하는 경우라면, 프로세서(180)는 해당 주제에 관련된 정보를 음향 출력부(152) 또는 디스플레이부(151) 등을 통하여 출력할 수 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 음성 인식 결과를 개인화 식별 정보와 함께 저장한다(S513)

프로세서(180)는 메모리(170)에 음성 인식 결과를 개인화 식별 정보와 함께 저장할 수 있다.

이때, 음성 인식 결과는 개인화 식별 정보가 태그(tag) 또는 라벨(label)로 부가되어 메모리(170)에 저장될 수 있다.

저장된 음성 인식 결과는 개인화된 언어 모델을 생성 또는 갱신하는데 이용될 수 있다.

여기서, 개인화 언어 모델은 개인화 식별 정보마다 구분되는 언어 모델을 의미하며, 사용자별로 구분되거나 기기별로 구분될 수도 있다.

또한, 개인화 언어 모델은 사용자별로 또는 기기별로 구분되는 개별적인 언어 모델을 의미할 수도 있고, 글로벌 언어 모델의 결과를 입력 받아 개인화된 어휘의 매핑 관계에 기초하여 개인화된 결과를 출력하는 개인화 매핑 모델을 이용하는 글로벌 언어 모델을 함께 의미하는 것일 수 있다. 즉, 후자의 경우, 개인화 언어 모델은 글로벌 언어 모델과 개인화 매핑 모델을 함께 지칭하며, 개인화 매핑 모델로 인해 사용자별로 또는 기기별로 특화된 음성 인식 기능이 제공된다.

이하에서, 특별한 구분이 없는 한, 개인화 언어 모델은 글로벌 언어 모델과 구분되는 개별적인 언어 모델과 개인화 매핑 모델을 모두 지칭할 수 있다.

프로세서(180)는 저장한 개인화 식별 정보에 대응되는 개인화 언어 모델 또는 개인화 매핑 모델에 대하여, 저장한 음성 인식 결과를 이용하여 개인화 언어 모델 또는 개인화 매핑 모델을 갱신할 수 있다.

구체적으로, 프로세서(180)는 개인화 식별 정보를 나타내는 개인화 벡터와 음향 모델에서 인식된 음소들로부터 워드 벡터를 생성하는 인코딩 모듈(encoding module)을 학습시킴으로써 개인화 언어 모델을 갱신할 수 있다. 이 경우, 학습된 인코딩 모듈이 개인화 언어 모델을 의미할 수 있다.

이때, 인코딩 모듈은 음향 모델로부터 인식된 음소들을 발음 기호 단위 단위(예컨대, 초성, 중성, 종성)로 구분하여 단어를 인코딩하여 워드 벡터를 생성할 수 있다.

개인화 벡터는 실제 벡터의 형태로 구성될 수도 있지만, 행렬(matrix)의 형태로 구성될 수도 있다. 예컨대, 개인화 벡터는 워드 벡터 매트릭스로 구성될 수 있다.

개인화 벡터는 각 사용자별로 또는 각 기기별로 서로 다르게 설정되며, 서로 다른 사용자 또는 기기 사이에는 동일한 개인화 벡터가 이용되지 않는다. 반면, 단어에 상응하는 워드 벡터는 서로 다른 사용자 또는 기기 사이에 동일하게 설정되며, 사용자와 기기 구분 없이 동일한 워드 벡터가 이용된다.

특정 개인화 벡터에 대하여 특정 단어가 반복적으로 인식되는 경우라면, 프로세서(180)는 해당 개인화 벡터에 상응하는 개인화 언어 모델에 대하여 해당 단어에 대한 가중치를 높게 설정할 수 있다.

개인화 언어 모델에서 특정 단어에 대한 가중치가 높다는 것은 해당 단어의 사용 빈도가 높거나, 문장 속에 포함될 가능성이 높다는 것을 의미할 수 있다.

즉, 프로세서(180)는 개인화 언어 모델에서의 단어 매핑 관계를 설정하거나 가중치를 조정함으로써, 사용자의 언어 사용 패턴을 고려한 언어 모델을 생성 및 유지할 수 있다.

여기서, 개인화 언어 모델에서 단어의 매핑 관계를 설정하거나 가중치를 조정하는 것은 워드 임베딩(word embedding) 학습을 의미할 수 있다.

단계(S509)의 판단 결과, 산출된 제1 LM 스코어가 미리 설정된 제1 기준 값을 초과하지 않는 경우, 인공 지능 장치(100)의 프로세서(180)는 음성 인식 결과에서 제1 LM 스코어를 낮게 만드는 오인식 단어를 추출한다(S515).

여기서, 제1 LM 스코어를 낮게 만드는 오인식 단어는 단일한 단어뿐만 아니라 복수의 단어들로 구성된 단어 시퀀스를 포함할 수 있다.

이하에서, 특별한 구분이 없는 한, "단어"라는 용어는 단일한 단어뿐만 아니라 복수의 단어들로 구성된 단어 시퀀스를 모두 지칭할 수 있다.

프로세서(180)는 음성 인식 결과를 구성하는 각 단어에 대하여 제2 LM 스코어를 계산하고, 제2 LM 스코어가 가장 낮은 단어를 오인식 단어로써 추출할 수 있다. 또는, 프로세서(180)는 제2 LM 스코어가 미리 설정된 제2 기준 값보다 낮은 단어들을 모두 오인식 단어로써 추출할 수도 있다.

예컨대, 발음이 좋지 않은 단어나, 노이즈가 포함된 단어 등이 오인식 단어로 결정되어 추출될 수 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 오인식 단어를 보정한다(S517).

프로세서(180)는 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 글로벌 언어 모델이 낮은 신뢰도로 인식한 오인식 단어를 새로 인식한다. 즉, 프로세서(180)는 글로벌 언어 모델에서 낮은 LM 스코어로 인식한 단어에 대하여 개인화 언어 모델을 이용하여 다시 인식함으로써 오인식 단어를 보정할 수 있다.

또는, 프로세서(180)는 오인식 단어와 개인화 벡터 사이의 유사도(similarity)를 산출하고, 유사도가 미리 설정된 기준 값 또는 문턱 값을 초과하는 경우에 워드 벡터의 유사도에 기반하여 어휘 사전(lexicon)에서 가장 유사한 단어로 대체함으로써 오인식 단어를 보정할 수도 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 보정된 인식 결과에 대하여 제3 LM 스코어를 산출한다(S519).

여기서, 제3 LM 스코어는 보정된 인식 결과 전체에 대한 LM 스코어를 의미할 수 있다.

이때, 프로세서(180)는 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 보정된 인식 결과에 대한 제3 LM 스코어를 산출할 수 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 산출된 제3 LM 스코어가 미리 설정된 제3 기준 값을 초과하는지 여부를 판단한다(S521).

산출된 제3 LM 스코어가 미리 설정된 제3 기준 값을 초과한다는 것은, 글로벌 언어 모델로는 부정확하게 인식되었던 단어가 개인화 언어 모델을 통해서 높은 정확도/신뢰도로 인식되었음을 의미할 수 있다.

단계(S521)의 판단 결과, 산출된 제3 LM 스코어가 미리 설정된 제3 기준 값을 초과하는 경우, 인공 지능 장치(100)의 프로세서(180)는 사용자의 의도를 결정하고, 결정된 사용자의 의도에 상응하는 동작을 수행하는 단계(S511)로 진행한다.

즉, 산출된 제3 LM 스코어가 미리 설정된 제3 기준 값을 초과하는 경우에 개인화 언어 모델을 이용하여 높은 신뢰도로 사용자의 발화 음성을 인식하였을 것으로 판단할 수 있으므로, 프로세서(180)는 음성 인식 결과에 기초하여 사용자의 의도를 결정하고, 그 의도에 상응하는 동작을 수행할 수 있다.

단계(S521)의 판단 결과, 산출된 제3 LM 스코어가 미리 설정된 제3 기준 값을 초과하지 않는 경우, 인공 지능 장치(100)의 프로세서(180)는 음성 인식에 실패하였음을 알리는 알림을 출력한다(S523).

음성 인식에 실패하였음을 알리는 알림에는 음성 인식의 실패 알림 또는 재입력 요청 중에서 적어도 하나 이상이 포함될 수 있다.

프로세서(180)는 음성 인식에 실패하였음을 알리는 알림을, 디스플레이부(151)를 통해 화상으로 출력할 수도 있고, 음향 출력부(152)를 통해 소리로 출력할 수도 있으며, 디스플레이부(151)과 음향 출력부(152)를 동시에 이용하여 화상과 소리로 함께 출력할 수도 있다.

또는, 프로세서(180)는 음성 인식에 실패하였음을 알리는 알림을 외부 기기에서 출력할 수 있도록, 통신부(110)를 통해 외부 기기에 출력 제어 신호 또는 출력 요청 신호를 전송할 수 있다.

예컨대, 프로세서(180)는 음향 출력부(152)를 통해 "다시 한 번 발화해주세요." 와 같이 출력하여 재입력을 요청할 수도 있고, "잘 못 알아들었습니다."와 같이 출력하여 음성 인식의 실패를 알릴 수도 있고, "잘 못 알아들었습니다. 다시 한 번 발화해주세요." 와 같이 출력하여 음성 인식의 실패를 알리면서 재입력을 요청할 수도 있다.

도 6은 본 발명의 일 실시 예에 따른 사용자의 의도를 결정하는 방법을 나타낸 도면이다.

도 6을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 자연어 이해(NLU) 기법의 의도 분류기(620)를 이용하여, 음성 인식 결과(610)로부터 사용자의 의도를 결정할 수 있다.

상술한 바와 같이, 의도 분류기(620)는 음성 인식 결과가 입력되면, 벡터 공간(630)에 입력된 음성 인식 결과(610)의 의도를 사영할 수 있다. 그리고, 벡터 공간(630)에는 의도 분류기(620)가 분류할 수 있는 복수의 의도 군집들이 존재할 수 있다.

프로세서(180)는 의도 분류기(620)를 이용하여 음성 인식 결과(610)를 벡터 공간(630)에 사영하면, 벡터 공간(630)의 복수의 의도 군집들 중에서 사영된 위치(631)와 가장 인접한 제1 의도 군집(632)를 파악할 수 있다. 그리고, 프로세서(180)는 사영된 위치(631)와 가장 인접한 제1 의도 군집(632)에 상응하는 의도를 사용자의 의도로 결정할 수 있다.

도 7은 본 발명의 일 실시 예에 따른 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 방법을 나타낸 도면이다.

도 7을 참조하면, 사용자(711)가 현재의 날씨, 온도와 미세 먼지(particulate matter)를 묻는 음성(712)을 발화하면, 인공 지능 장치(721)는 사용자(711)의 발화 음성(712)을 수신한다.

인공 지능 장치(721)는 기기 식별자(device ID)를 포함할 수 있다. 예컨대, 인공 지능 장치(721)의 기기 식별자는 "123"일 수 있다.

인공 지능 장치(721)의 프로세서(180)는 개인화 언어 모델을 이용하여 사용자(711)의 발화 음성(712)을 인식할 수 있다.

구체적으로, 도 7은 사용자(711)의 실제 발화 음성(712)이 "Today's weather, temperature and particulate matter."이지만 노이즈나 발음이 부정확하여 "particulate matter"라는 단어들을 식별하기 어려운 상황을 나타낸다. 그리고, 사용자(711)은 평소에도 미세 먼지(particulate matter)에 대한 정보를 자주 요청하였던 사람이라고 가정한다.

인공 지능 장치(721)의 프로세서(180)는 글로벌 언어 모델을 이용하여 발화 음성(712)을 인식하였을 때, 부정확하게 인식되는 또는 인식에 실패하는 단어 "particulate matter"의 존재를 파악할 수 있고, 그에 따라 개인화 언어 모델을 이용하여 발화 음성(712)의 인식을 시도할 수 있다.

예컨대, 인공 지능 장치(721)의 프로세서(180)가 글로벌 언어 모델을 이용하여 발화 음성(712)을 인식한 결과가 "Today's weather, temperature and particular manner"일 수 있다. 그리고, "particular manner"에 상응하는 LM 스코어가 낮게 나타날 수 있다.

개인화 언어 모델은 개인화 벡터(731) 와 인식에 성공한 각 단어들에 대한 워드 벡터들(732, 733, 734, 735)이 입력되면, 사용자(711)의 발화 기록 또는 발화 패턴을 고려한 인식 결과로써 워드 벡터(736)를 출력할 수 있다. 출력된 워드 벡터(736)는 사용자(711)의 평소 발화 패턴이나 발화 기록에 비추어 "particulate matter"에 상응하는 워드 벡터일 수 있다.

이에 따라, 프로세서(180)는 사용자의 발화 음성(712)가 글로벌 언어 모델에 따라서 "Today's weather, temperature and particular manner"라고 잘못 인식되더라도, 개인화 벡터(731)에 기초하여 오인식 단어 "particular manner"를 "particulate matter"으로 보정할 수 있고, 사용자의 발화 음성(712)을 "Today's weather, temperature and particulate matter"으로 정확하게 인식할 수 있다.

사용자(711)의 발화 음성(712)에 노이즈가 포함되거나 부정확한 발음이 포함된 경우, 통상의 언어 모델(글로벌 언어 모델)을 이용하면 발화 음성(712)을 정확히 인식할 수 없는 문제점이 있다. 그러나, 사용자별 또는 기기별로 사용 기록에 기초하여 자주 사용하는 단어나 어휘에 대한 정보를 고려하여 개인화된 언어 모델을 생성 및 갱신하고, 글로벌 언어 모델로 정확한 인식에 실패한 경우에 개인화 언어 모델을 이용하여 발화 음성(712)의 인식을 시도함으로써, 보다 높은 정확도로 음성을 인식할 수 있다.

다른 일 실시 예에서는, 인공 지능 장치(721)의 프로세서(180)가 글로벌 언어 모델을 이용하지 않고, 바로 개인화 언어 모델을 이용하여 발화 음성(712)을 인식할 수도 있다.

도 8은 본 발명의 일 실시 예에 따른 사용자의 음성을 인식하는 방법을 나타낸 동작 흐름도이다.

도 5와 중복되는 내용에 대하여는 설명을 생략한다.

도 8을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 사용자의 발화 음성에 대한 소리 신호를 수신한다(S801).

단계(S801)은 도 5의 단계(S501)과 대응된다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 개인화 식별 정보를 획득한다(S803).

단계(S803)은 도 5의 단계(S503)과 대응된다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 개인화 식별 정보에 상응하는 개인화 언어 모델(LM: Language Model)을 이용하여 발화 음성을 인식한다(S805).

도 5에 도시된 것과 달리, 프로세서(180)는 음향 모델을 이용하여 입력된 소리 신호를 음소 단위로 인식하고, 음소 단위의 인식 결과에 기초하여 입력된 소리 신호에 상응하는 단어를 결정할 수 있다. 그리고, 프로세서(180)는 음소 단위의 인식 결과를 이용하여 음소 단위 워드 벡터를 생성하고, 생성된 음소 단위 워드 벡터와 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 입력된 소리 신호에 상응하는 적어도 하나 이상의 단어를 결정할 수 있다.

즉, 프로세서(180)는 글로벌 언어 모델을 이용하지 않고, 곧바로 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 사용자의 발화 음성을 인식할 수 있다.

개인화 언어 모델은 위에서 설명한 것과 같으므로, 중복된 설명은 생략한다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 인식된 결과에 대하여 제4 LM 스코어를 산출한다(S807).

여기서, 제4 LM 스코어는 인식된 결과 전체에 대한 LM 스코어를 의미할 수 있다.

이때, 프로세서(180)는 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 인식 결과에 대한 제4 LM 스코어를 산출할 수 있다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 산출된 제4 LM 스코어가 미리 설정된 제4 기준 값을 초과하는지 여부를 판단한다(S809).

산출된 제4 LM 스코어가 미리 설정된 제4 기준 값을 초과한다는 것은 사용자의 발화 음성이 개인화 언어 모델을 통해 높은 정확도/신뢰도로 인식되었음을 의미할 수 있다.

단계(S809)의 판단 결과, 산출된 제4 LM 스코어가 미리 설정된 제3 기준 값을 초과하는 경우, 인공 지능 장치(100)의 프로세서(180)는 음성 인식 결과에 기초하여 사용자의 의도를 결정하고, 결정된 사용자의 의도에 상응하는 동작을 수행한다(S811).

단계(S811)은 도 5의 단계(S511)과 대응된다.

그리고, 인공 지능 장치(100)의 프로세서(180)는 음성 인식 결과를 개인화 식별 정보와 함께 저장한다(S813)

단계(S813)은 도 5의 단계(S513)과 대응된다.

단계(S809)의 판단 결과, 산출된 제4 LM 스코어가 미리 설정된 제4 기준 값을 초과하지 않는 경우, 인공 지능 장치(100)의 프로세서(180)는 음성 인식에 실패하였음을 알리는 알림을 출력한다(S815).

단계(S815)는 도 5의 단계(S523)과 대응된다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.

Claims

사용자의 음성을 인식하는 인공 지능 장치에 있어서,
마이크로폰; 및
상기 마이크로폰을 통해 상기 사용자의 발화 음성에 상응하는 소리 신호를 수신하고, 상기 발화 음성에 상응하는 개인화 식별 정보를 획득하고, 글로벌 언어 모델(Language Model)을 이용하여 상기 소리 신호로부터 상기 발화 음성을 인식하고, 상기 인식의 신뢰도를 산출하고, 상기 산출된 신뢰도가 미리 설정된 제1 기준 값을 초과하는 경우에 상기 음성 인식 결과를 이용하여 상기 개인화 식별 정보에 상응하는 개인화 언어 모델을 갱신하는 프로세서
를 포함하고,
상기 프로세서는
상기 개인화 식별 정보에 상응하는 상기 개인화 언어 모델에 대하여 상기 음성 인식 결과에 포함된 단어의 사용 빈도가 높아질수록 해당 단어의 가중치를 높게 설정하여, 상기 개인화 언어 모델을 갱신하는, 인공 지능 장치.
청구항 1에 있어서,
상기 개인화 언어 모델은
상기 개인화 식별 정보를 나타내는 개인화 벡터와 음향 모델에서 인식된 음소들로부터 워드 벡터를 생성하는 언어 모델인
인공 지능 장치.
청구항 2에 있어서,
상기 프로세서는
상기 인식의 신뢰도로써 상기 음성 인식 결과에 상응하는 제1 LM 스코어(Language Model Score)를 계산하는, 인공 지능 장치.
청구항 3에 있어서,
상기 프로세서는
상기 산출된 신뢰도가 상기 제1 기준 값을 초과하지 않는 경우, 상기 음성 인식 결과에서 상기 제1 LM 스코어를 낮게 만드는 오인식 단어를 추출하고, 상기 개인화 식별 정보에 상응하는 개인화 언어 모델을 이용하여 상기 오인식 단어를 보정하는, 인공 지능 장치.
청구항 4에 있어서,
상기 프로세서는
상기 추출된 오인식 단어와 상기 개인화 벡터 사이의 유사도를 산출하고, 상기 산출된 유사도가 미리 설정된 문턱 값 초과시 어휘 사전(lexicon)에서 상기 오인식 단어와 가장 유사한 단어를 결정하고, 상기 오인식 단어를 상기 가장 유사한 단어로 대체함으로써 상기 오인식 단어를 보완하는, 인공 지능 장치.
청구항 4에 있어서,
상기 프로세서는
상기 음성 인식 결과에서 단어별로 제2 LM 스코어를 산출하고, 상기 제2 LM 스코어가 미리 정해진 제2 기준 값을 초과하지 않는 단어들을 상기 오인식 단어로써 추출하는, 인공 지능 장치.
청구항 4에 있어서,
상기 프로세서는
상기 보정된 인식 결과에 대하여 제3 LM 스코어를 산출하고, 상기 산출된 제3 LM 스코어가 미리 설정된 제3 기준 값을 초과하는 경우, 음성 인식에 성공한 것으로 판단하여 상기 보정된 인식 결과를 이용하여 상기 개인화 식별 정보에 상응하는 개인화 언어 모델을 갱신하는, 인공 지능 장치.
청구항 1에 있어서,
상기 프로세서는
상기 산출된 신뢰도가 상기 제1 기준 값을 초과하는 경우, 상기 음성 인식 결과에 상응하는 의도를 결정하고, 상기 결정된 의도에 상응하는 동작을 수행하는, 인공 지능 장치.
청구항 8에 있어서,
상기 프로세서는
의도 분류기를 이용하여 상기 인식 결과를 벡터 공간(vector space)에 사영하고, 상기 사영된 인식 결과의 위치와 상기 벡터 공간에 포함된 복수의 의도 그룹들의 위치를 비교하여 상기 사용자의 의도를 결정하는, 인공 지능 장치.
청구항 9에 있어서,
상기 프로세서는
상기 사용자의 의도를 상기 복수의 의도 그룹들 중에서 상기 사영된 인식 결과의 위치로부터 가장 인접한 최인접 의도 그룹에 상응하는 의도로 결정하는, 인공 지능 장치.
청구항 1에 있어서,
상기 개인화 식별 정보는
각 사용자들을 구분하는 사용자 식별 정보 또는 각 기기들을 구분하는 기기 식별 정보 중에서 적어도 하나 이상을 포함하고,
상기 사용자 식별 정보는
상기 발화 음성의 성문 분석에 따라 식별된 사용자를 나타내는 정보이고,
상기 기기 식별 정보는
상기 발화 음성을 수신한 기기를 나타내는 정보인, 인공 지능 장치.
청구항 1에 있어서,
상기 글로벌 언어 모델 및 상기 개인화 언어 모델은
머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습되며, 인공 신경망으로 구성된 모델인, 인공 지능 장치.
사용자의 음성을 인식하는 인공 지능 장치의 방법에 있어서,
상기 사용자의 발화 음성에 상응하는 소리 신호를 수신하는 단계;
상기 발화 음성에 상응하는 개인화 식별 정보를 획득하는 단계;
글로벌 언어 모델(Language Model)을 이용하여 상기 소리 신호로부터 상기 발화 음성을 인식하는 단계;
상기 인식의 신뢰도를 산출하는 단계; 및
상기 산출된 신뢰도가 미리 설정된 제1 기준 값을 초과하는 경우에 상기 음성 인식 결과를 이용하여 상기 개인화 식별 정보에 상응하는 개인화 언어 모델을 갱신하는 단계를 포함하고,
상기 갱신하는 단계는
상기 개인화 식별 정보에 상응하는 상기 개인화 언어 모델에 대하여 상기 음성 인식 결과에 포함된 단어의 사용 빈도가 높아질수록 해당 단어의 가중치를 높게 설정하여, 상기 개인화 언어 모델을 갱신하는 단계를 포함하는
인공 지능 장치의 방법.
사용자의 음성을 인식하는 방법을 수행하기 위한 컴퓨터로 실행하는 프로그램이 기록된 기록 매체에 있어서,
상기 사용자의 음성을 인식하는 방법은
상기 사용자의 발화 음성에 상응하는 소리 신호를 수신하는 단계;
상기 발화 음성에 상응하는 개인화 식별 정보를 획득하는 단계;
글로벌 언어 모델(Language Model)을 이용하여 상기 소리 신호로부터 상기 발화 음성을 인식하는 단계;
상기 인식의 신뢰도를 산출하는 단계; 및
상기 산출된 신뢰도가 미리 설정된 제1 기준 값을 초과하는 경우에 상기 음성 인식 결과를 이용하여 상기 개인화 식별 정보에 상응하는 개인화 언어 모델을 갱신하는 단계를 포함하고,
상기 갱신하는 단계는
상기 개인화 식별 정보에 상응하는 상기 개인화 언어 모델에 대하여 상기 음성 인식 결과에 포함된 단어의 사용 빈도가 높아질수록 해당 단어의 가중치를 높게 설정하여, 상기 개인화 언어 모델을 갱신하는 단계를 포함하는
기록 매체.