KR102623727B1

KR102623727B1 - 전자 장치 및 이의 제어 방법

Info

Publication number: KR102623727B1
Application number: KR1020180130007A
Authority: KR
Inventors: 김찬우; 이경민; 노재영; 장동한; 조근석; 형지원
Original assignee: 삼성전자주식회사
Priority date: 2018-10-29
Filing date: 2018-10-29
Publication date: 2024-01-11
Also published as: US11238871B2; EP3834076A4; CN112969995A; WO2020091350A1; KR20200048201A; US20200135213A1; EP3834076A1

Abstract

전자 장치 및 이의 제어 방법이 제공된다. 전자 장치는, 입력 인터페이스, 통신 인터페이스, 적어도 하나의 명령을 포함하는 메모리 및 입력 인터페이스, 통신 인터페이스 및 메모리와 연결되어 전자 장치를 제어하는 프로세서를 포함한다. 프로세서는 적어도 하나의 명령을 실행함으로써, 입력 인터페이스를 통해 사용자 음성을 입력받고, 사용자 음성을 분석하여 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단하며, 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 사용자 확인을 위한 질문을 생성하고, 입력 인터페이스를 통해 질문에 대응되는 사용자 응답이 입력되면, 사용자 음성에 대응되는 태스크를 수행할 수 있다. 특히, 전자 장치가 사용자 음성에 대한 태스크를 수행하는 방법의 적어도 일부는 기계학습, 신경망 또는 딥러닝 알고리즘 중 적어도 하나에 따라 학습된 인공지능 모델을 이용할 수 있다.

Description

전자 장치 및 이의 제어 방법{Electronic device and Method for controlling the electronic device thereof}

본 개시는 전자 장치 및 이의 제어 방법에 관한 것으로, 더욱 상세하게는 사용자 음성에 대응되는 태스크를 수행하기 위하여 사용자 확인을 위한 질문을 제공하는 전자 장치 및 이의 제어 방법에 관한 것이다.

근래에는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.

인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.

기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 오브젝트 인식, 오브젝트 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

한편, 근래에는 전자 장치는 사용자 음성을 이용하여 다양한 태스크를 수행할 수 있다. 예를 들어, 전자 장치는 사용자 음성을 통해 메시지 전송 태스크, 이메일 전송 태스크, 송금 태스크, 외부 기기 제어 태스크, 제품 구매 태스크, 컨텐츠 재생 태스크 등과 같은 다양한 태스크를 수행할 수 있다.

다만, 전자 장치는 사용자 음성을 통해 다양한 태스크를 수행할 수 있으나, 사용자가 의도하지 않는 사용자 음성 또는 외부에서 발화되는 음성을 통해 사용자가 의도하지 않은 태스크를 수행할 수 있는 문제점이 존재한다. 예로, 전자 장치는 사용자가 다른 사용자와의 대화 중에 발화한 음성 또는 TV와 같은 외부 장치에서 출력되는 음성을 통해 사용자가 의도하지 않은 태스크를 수행하게 된다.

특히, 사용자가 의도하지 않는 음성이 사용자 프라이버시나 사용자 보안과 관련된 태스크를 수행하는 음성인 경우, 전자 장치는 사용자가 의도하지 않은 음성을 통해 잘못된 태스크를 수행함으로써, 프라이버시 침해나 보안이 취약해지는 문제가 발생하게 된다.

따라서, 사용자가 의도하지 않은 음성을 통해 태스크가 수행되는 것을 방지하기 위한 방안의 모색이 요청된다.

본 개시는 상술한 문제점을 해결하기 위한 것으로, 본 개시의 목적은 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크인지 여부를 판단하고 판단 결과를 바탕으로 사용자 확인을 위한 질문을 생성하여 제공할 수 있는 전자 장치 및 이의 제어 방법을 제공함에 있다.

본 개시의 일 실시예에 따른, 전자 장치는, 입력 인터페이스; 통신 인터페이스; 적어도 하나의 명령을 포함하는 메모리; 및 상기 입력 인터페이스, 상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서;를 포함하고, 상기 프로세서는, 상기 적어도 하나의 명령을 실행함으로써, 상기 입력 인터페이스를 통해 사용자 음성을 입력받고, 상기 사용자 음성을 분석하여 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단하며, 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 사용자 확인을 위한 질문을 생성하고, 상기 입력 인터페이스를 통해 상기 질문에 대응되는 사용자 응답이 입력되면, 상기 사용자 음성에 대응되는 태스크를 수행할 수 있다.

한편, 본 개시의, 전자 장치의 제어 방법은, 사용자 음성을 입력받는 단계; 상기 사용자 음성을 분석하여 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단하는 단계; 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 사용자 확인을 위한 질문을 생성하는 단계; 및 상기 질문에 대응되는 사용자 응답이 입력되면, 상기 사용자 음성에 대응되는 태스크를 수행하는 단계;를 포함할 수 있다.

상술한 바와 같은 실시예들에 의해, 전자 장치에 사용자가 의도하지 않는 음성이 입력되더라도 태스크를 수행하기 위한 사용자 확인을 거침으로써, 사용자는 프라이버시를 지킬 수 있으며, 보안을 강화시킬 수 있게 된다.

도 1은 본 개시의 일 실시예에 따른, 사용자 음성에 응답하여 태스크를 수행하는 전자 장치의 사용도,
도 2 및 도 3은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도,
도 4는 본 개시의 일 실시예에 따른, 인공지능 에이전트 시스템의 대화 시스템을 도시한 블록도,
도 5는 본 개시의 일 실시예에 따른, 사용자 음성이 사용자 확인이 필요한 태스크인 경우, 사용자 확인을 위한 질문을 제공하는 전자 장치의 제어 방법을 설명하기 위한 흐름도,
도 6a 내지 도 9b는 본 개시의 다양한 실시예에 따른, 사용자 확인을 위한 질문을 생성하는 다양한 실시예를 설명하기 위한 도면들, 그리고,
도 10 내지 도 12는 본 개시의 다양한 실시예에 따른, 인공지능 에이전트 시스템이 사용자 확인을 위한 질문을 생성하는 다양한 실시예들을 설명하기 위한 시퀀스도들이다.

이하, 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 문서의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.

본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.

어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 부프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.

다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.

본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.

이하에서는 도면을 참조하여 본 발명에 대해 상세히 설명하기로 한다. 도 1은 본 개시의 일 실시예에 따른, 사용자 음성에 따라 태스크를 수행하는 전자 장치의 사용도이다.

전자 장치(100)는 인공지능 에이전트 프로그램을 활성화하기 위한 트리거 음성을 입력받을 수 있다. 예로, 트리거 음성은 "빅스비","시리" 등과 같은 트리거 단어를 포함할 수 있다. 이때, 인공지능 에이전트 프로그램은 사용자 음성에 대한 응답을 자연어로 처리하여 제공하며 사용자 음성에 대한 태스크를 수행할 수 있는 대화 시스템을 포함할 수 있다. 이때, 전자 장치(100)는 인공지능 에이전트 프로그램을 활성화하기 위한 트리거 단어 이외에, 전자 장치(100)에 구비된 특정 버튼을 선택한 후, 사용자 음성을 입력받을 수 있다. 트리거 음성에 응답하여 전자 장치(100)는 인공지능 에이전트 프로그램을 활성화시킬 수 있다.

인공지능 에이전트 프로그램이 활성화된 후, 전자 장치(100)는 사용자 음성을 입력받을 수 있다. 이때, 사용자 음성을 특정 태스크를 수행하기 위한 음성일 수 있다. 예로, 도 1에 도시된 바와 같이, 전자 장치(100)는 "xx에게 오늘 늦는다고 문자 보내줘"라는 사용자 음성(10)을 획득할 수 있다.

전자 장치(100)는 사용자 음성을 분석하여 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 사용자 음성인지 여부를 판단할 수 있다. 구체적으로, 전자 장치(100)는 자동 음성 인식 모듈을 통해 사용자 음성(10)에 대한 텍스트를 획득하고 획득된 텍스트를 바탕으로 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 사용자 음성인지 여부를 판단할 수 있다.

일 실시예로, 전자 장치(100)는 획득된 사용자 음성이 사용자 프라이버시와 관련있거나 사용자 인증 절차가 필요한 기설정된 태스크(예로, 송금 태스크, 제품 구매 태스크, 이메일 전송 태스크, 메시지 전송 태스크, 전화 발신 태스크 등)를 수행하기 위한 사용자 음성인지 여부를 판단할 수 있다. 즉, 전자 장치(100)는 사용자 음성이 사용자 프라이버시와 관련있거나 사용자 인증 절차 필요한 태스크에 해당하는지 여부를 판단하여 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 사용자 음성인지 여부를 판단할 수 있다.

또 다른 실시예로, 전자 장치(100)는 사용자 음성을 바탕으로 획득된 텍스트를 바탕으로 사용자 음성과 관련된 태스크 및 태스크를 수행하기 위한 엔티티(entity)를 식별할 수 있다. 그리고, 전자 장치(100)는 식별된 태스크 및 엔티티를 바탕으로 상기 사용자 음성의 보안 점수를 획득하며, 사용자 음성의 보안 점수를 바탕으로 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단할 수 있다. 이때, 보안 점수가 기설정된 값 이상인 경우, 전자 장치(100)는 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 사용자 음성이라고 판단할 수 있다.

사용자 음성이 사용자 확인이 필요한 태스크와 관련된 사용자 음성이라고 판단되면, 전자 장치(100)는 사용자 확인을 위한 질문을 생성할 수 있다. 이때, 전자 장치(100)는 사용자 음성과 관련없는 질문을 생성할 수 있다. 예로, 전자 장치(100)는 도 1에 도시된 바와 같이, 메시지 전송 태스크와 전혀 관련 없는 "메시지를 보내시려면, 오늘 날씨를 말씀해 주세요."라는 질문(20)을 생성할 수 있다.

일 실시예로, 전자 장치(100)는 보안 점수를 바탕으로 사용자 확인을 위한 질문을 생성할 수 있다. 구체적으로, 전자 장치(100)는 보안 점수가 높을수록 사용자 음성에 대응되는 태스크와 관련도가 낮은 질문을 생성할 수 있다. 즉, 전자 장치(100)는 현재 질문과 상관없는 질문을 생성할 수 있다. 또한, 전자 장치(100)는 보안 점수가 낮을수록 사용자 음성에 대응되는 태스크와 관련도가 높은 질문을 생성할 수 있다. 예로, 전자 장치(100)는 사용자 음성에 포함된 텍스트 중 태스크와 관련된 적어도 하나를 추출하고, 추출된 적어도 하나의 텍스트에 대한 사용자 발화를 유도하기 위한 질문을 생성할 수 있다.

또한, 보안 점수가 임계값 이상이면, 전자 장치(100)는 사용자 확인뿐만 아니라 사용자 인증을 위한 인증 메시지를 제공할 수 있다. 예로, 전자 장치(100)는 기등록된 사용자 정보를 바탕으로 사용자 인증을 위한 인증 메시지를 제공할 수 있다. 이때, 인증 메시지에는 적어도 하나의 정보를 요구하는 질문이 포함될 수 있다. 예를 들어, 인증 메시지에는 사용자 정보를 요구하여 인증을 요청할 수 있는 질문이 포함될 수 있으며, 사용자 정보 이외에 적어도 하나의 정보를 추가적으로 요구하여 인증을 요청할 수 있는 질문이 포함될 수 있다. 예로, 전자 장치(100)는 사용자 인증을 위하여 사용자 정보를 포함하는 특정 단어의 발화를 요구하는 질문을 포함하는 인증 메시지를 제공할 수 있으며, 사용자 정보를 포함하는 특정 단어의 발화를 요구하는 질문 이외에 디스플레이 상에 특정 모양(예로, 직선, 별표 등)을 드래그할 것을 요청하거나 생체 정보 인증(예로, 지문, 홍채 등)을 요청하는 메시지를 더 포함하는 인증 메시지를 제공할 수 있다.

또 다른 예로, 전자 장치(100)는 평상시 전자 장치(100)를 사용하는 사용자의 음성을 분석하여 다른 사용자와 구별되는 텍스트에 대한 음성 특징 정보를 획득하여 메모리에 저장할 수 있다. 그리고, 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 전자 장치(100)는 사용자 인증을 위하여, 저장된 텍스트를 포함하는 질문을 생성할 수 있다.

다른 실시예에 의하면, 전자 장치(100)는 저장된 복수의 질문 중 하나를 랜덤으로 선택하여 생성할 수 있다.

또 다른 실시예에 의하면, 전자 장치(100)는 디스플레이를 통해 복수의 오브젝트를 표시하고, 복수의 오브젝트 중 하나의 선택을 요구하는 질문을 생성할 수 있다.

또 다른 실시예에 의하면, 전자 장치(100)는 전자 장치(100) 주변의 상황을 바탕으로 질문을 생성할 수 있다. 구체적으로, 전자 장치(100)는 다양한 방법으로 전자 장치(100)가 위치하는 장소(예로, 집, 차량, 공공 장소 등)를 판단할 수 있다. 예로, 전자 장치(100)는 전자 장치(100)와 연결된 네트워크 정보, GPS 정보, 전자 장치(100)와 연결된 외부 장치에 대한 정보 등을 바탕으로 전자 장치(100)가 위치하는 장소를 판단할 수 있다. 또는, 전자 장치(100)는 마이크 등을 통해 획득된 외부 소음, 환경 노이즈 벡터, 주변 사람의 대화 존재 여부 등을 바탕으로 전자 장치(100)가 위치하는 장소 또는 전자 장치(100) 주위에 사람이 존재하는지 여부를 판단할 수 있다. 전자 장치(100)가 집에 위치하거나 주변에 사람이 존재하지 않는 것으로 판단되면, 전자 장치(100)는 개인 정보를 포함하는 질문을 생성할 수 있다. 그러나, 전자 장치(100)가 외부에 존재하거나 주변에 사람이 존재하는 것으로 판단되면, 전자 장치(100)는 개인 정보가 포함되지 않는 질문을 생성할 수 있다.

또 다른 실시예에 의하면, 전자 장치(100)는 전자 장치(100) 내에서 보안 점수를 산출하지 못하거나, 혹은 전자 장치(100) 내에서 산출된 보안 점수가 임계값 범위 내인 경우, 정확한 보안 점수를 산출하기 위하여, 외부의 서버에 구비된 학습된 인공지능 모델을 통해 더욱 정확한 보안 점수를 산출할 수 있다. 이때, 학습된 인공지능 모델은 다양한 전자 장치(100)에 입력된 사용자 음성과 보안 점수를 바탕으로 학습된 인공지능 모델로서, 전자 장치(100) 내에 구비된 보안 점수를 산출하는 방식보다는 더욱 정확한 보안 점수를 산출할 수 있다.

질문이 생성되면, 전자 장치(100)는 생성된 질문(20)을 출력할 수 있다. 이때, 전자 장치(100)는 자연어 생성 모듈을 통해 생성된 질문을 자연어 형태로 출력할 수 있다.

전자 장치(100)는 질문에 대한 사용자 응답을 입력받을 수 있다. 예로, 전자 장치(100)는 도 1에 도시된 바와 같이, "맑아"라는 사용자 응답(30)을 입력받을 수 있다.

전자 장치(100)는 사용자 응답이 질문에 대응되는 사용자 응답인지 여부를 판단할 수 있다. 예로, 질문이 사용자 정보를 요구하는 질문인 경우, 전자 장치(100)는 사용자 응답에 정확한 사용자 정보가 포함되어 있는지 여부를 판단할 수 있으며, 질문이 특정 단어의 발화를 요구하는 질문인 경우, 전자 장치(100)는 사용자 응답에 특정 단어가 포함되었는지 여부를 판단할 수 있으며, 질문이 디스플레이에 표시된 복수의 오브젝트 중 하나의 선택을 요구하는 질문인 경우, 전자 장치(100)는 복수의 오브젝트 중 선택을 요구하는 오브젝트가 선택되었는지 여부를 판단할 수 있다.

질문에 대응되는 사용자 응답이 입력되면, 전자 장치(100)는 사용자 음성에 대응되는 태스크를 수행하며, 수행된 태스크에 대한 결과를 제공할 수 있다. 예로, 전자 장치(100)는 사용자 음성(10)에 대응되는 태스크로 문자 전송 태스크를 수행하고, 문자 전송 태스크의 수행 결과를 나타내는 "XX에게 메시지를 보냈습니다."라는 안내 메시지(40)를 출력할 수 있다.

상술한 바와 같은 실시예에 의해, 전자 장치(100)는 사용자 확인을 거쳐 사용자 음성에 대응되는 태스크를 수행함으로써, 사용자 프라이버시를 보호할 수 있으며, 보안도 강화될 수 있다.

한편, 상술한 실시예에서는 전자 장치(100) 내에 인공지능 에이전트 시스템이 저장되어 전자 장치(100)가 직접 사용자 음성이 사용자 확인이 필요한 태스크인지 여부를 판단하고, 질문을 생성하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 상술한 동작 중 일부는 외부 서버에 의해 구현될 수 있다. 예로, 외부 서버는 사용자 음성에 대한 텍스트를 획득하거나 사용자 음성이 사용자 확인이 필요한 태스크인지 여부를 판단하거나 질문을 생성할 수 있다.

한편, 전자 장치(100)는 상술한 바와 같은 사용자 음성에 대한 응답을 제공하기 위하여 인공지능 에이전트(Artificial intelligence agent)를 이용할 수 있다. 이때, 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다. 특히, 인공지능 에이전트는 후술할 다양한 모듈(예로, 대화 시스템)을 제어할 수 있다.

구체적으로, 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러진 경우, 인공지능 에이전트가 동작할 수 있다. 그리고, 인공지능 에이전트는 사용자 음성을 분석하여 사용자 확인이 필요한 태스크와 관련된 사용자 음성인지 여부를 판단하고 판단 결과를 바탕으로 질문을 생성하여 제공할 수 있다.

물론, 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지면 인공지능 에이전트가 동작할 수도 있다. 또한, 인공지능 에이전트는 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지기 이전에 기 실행된 상태일 수 있다. 이 경우, 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러진 이후에는 전자 장치(100)의 인공지능 에이전트가 사용자 음성에 대한 태스크를 수행할 수 있다. 예를 들어, 인공지능 에이전트가 AI 전용 프로세서에 의해 실행되는 경우, 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지기 전에는 범용 프로세서에 의해 전자 장치(100)의 기능이 실행되며, 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러진 이후에는 AI 전용 프로세서에 의해 전자 장치(100)의 기능이 실행될 수 있다.

또한, 인공지능 에이전트는 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지기 이전에 대기 상태일 수 있다. 여기서 대기 상태란, 인공지능 에이전트의 동작 시작을 제어하기 위해 미리 정의된 사용자 입력이 수신되는 것을 감지하는 상태이다. 인공지능 에이전트가 대기 상태인 동안 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지면, 전자 장치(100)는 인공지능 에이전트를 동작시키고, 동작된 인공지능 에이전트를 이용하여 사용자 음성에 대한 태스크를 수행할 수 있다.

또한, 인공지능 에이전트는 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지기 이전에 종료된 상태일 수 있다. 인공지능 에이전트가 종료된 상태에서 기설정된 사용자 음성(예를 들어, "빅스비" 등)가 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지면, 전자 장치(100)는 인공지능 에이전트를 실행시키고, 실행된 인공지능 에이전트를 이용하여 사용자 음성에 대한 태스크를 수행할 수 있다.

한편, 인공지능 에이전트는 후술할 다양한 장치 또는 모듈을 제어할 수 있다. 이에 대해서는 추후 상세히 설명하기로 한다.

또한, 전자 장치(100) 및 서버 간의 학습된 다양한 모델을 이용하여 사용자 음성을 분석하여 사용자 확인이 필요한 태스크와 관련된 사용자 음성인지 여부를 판단하고 판단 결과를 바탕으로 질문을 생성하여 제공하는 구체적인 예들은 이하 다양한 실시예들을 통하여 후술된다.

도 2는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 도시한 블록도이다. 도 2에 도시된 바와 같이, 전자 장치(100)는 입력 인터페이스(110), 통신 인터페이스(120), 메모리(130) 및 프로세서(140)를 포함할 수 있다. 그러나 상술한 구성에 한정되는 것은 아니며, 전자 장치의 유형에 따라 일부 구성이 추가되거나 생략될 수 있음은 물론이다.

입력 인터페이스(110)는 전자 장치(100)를 제어하기 위한 사용자 입력을 수신할 수 있다. 예로, 입력 인터페이스(110)는 전자 장치(100)를 제어하기 위한 사용자의 사용자 터치, 사용자 음성 등과 같은 다양한 사용자 조작을 입력받을 수 있다. 특히, 입력 인터페이스(110)는 태스크를 수행하기 위한 사용자 음성을 입력받을 수 있다.

통신 인터페이스(120)는 외부 전자 장치와 통신을 수행할 수 있다. 통신 인터페이스(120)는 외부 장치와 통신을 수행하기 위한 구성이다. 한편, 통신 인터페이스(120)가 외부 장치와 통신 연결되는 것은 제3 기기(예로, 중계기, 허브, 엑세스 포인트, 서버 또는 게이트웨이 등)를 거쳐서 통신하는 것을 포함할 수 있다. 무선 통신은, 예를 들면, LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 일 실시예에 따르면, 무선 통신은, 예를 들면, WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 중 적어도 하나를 포함할 수 있다. 유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 무선 통신 또는 유선 통신이 수행되는 네트워크는 텔레커뮤니케이션 네트워크, 예를 들면, 컴퓨터 네트워크(예: LAN 또는 WAN), 인터넷, 또는 텔레폰 네트워크 중 적어도 하나를 포함할 수 있다.

또한, 통신 인터페이스(120)는 외부의 서버와 통신을 수행하여 인공지능 에이전트 서비스를 제공할 수 있다. 특히, 통신 인터페이스(120)는 외부 서버로 사용자 음성을 전송할 수 있으며, 외부 서버로부터 사용자 확인을 위한 질문을 수신할 수 있다.

메모리(130)는 전자 장치(200)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(130)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(130)는 프로세서(140)에 의해 액세스되며, 프로세서(140)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(130), 프로세서(140) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(130)에는 디스플레이의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.

또한, 메모리(130)는 대화 시스템을 동작하기 위한 인공지능 에이전트를 저장할 수 있다. 구체적으로, 전자 장치(100)는 사용자 발화에 대한 응답으로 자연어를 생성하기 위하여 인공지능 에이전트(Artificial intelligence agent)를 이용할 수 있다. 이때, 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램이다. 특히, 인공지능 에이전트는 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다.

또한, 메모리(130)는 도 4에 도시되 바와 같은 대화 시스템을 구성하는 복수의 구성(또는 모듈)을 포함할 수 있다. 특히, 메모리(130)는 명령 분류 모듈(430) 및 질문 생성 모듈(440)을 포함할 수 있다. 이에 대해서는 도 4를 참조하여 상세히 설명하기로 한다.

프로세서(140)는 메모리(130)와 전기적으로 연결되어 전자 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 프로세서(140)는 메모리(130)에 저장된 적어도 하나의 명령을 실행함으로써, 입력 인터페이스(110)를 통해 사용자 음성을 입력받고, 사용자 음성을 분석하여 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단할 수 있다. 그리고, 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 프로세서(140)는 사용자 확인을 위한 질문을 생성하여 제공할 수 있다. 그리고, 입력 인터페이스(110)를 통해 질문에 대응되는 사용자 응답이 입력되면, 프로세서(130)는 사용자 음성에 대응되는 태스크를 수행할 수 있다.

구체적으로, 프로세서(140)는 사용자 음성과 관련된 태스크가 사용자 프라이버시와 관련되거나 보안이 요구되는 태스크와 같이, 사용자 확인이 필요한 태스크인지 여부를 판단할 수 있다. 예로, 프로세서(140)는 사용자 음성과 관련된 태스크가 송금 태스크, 제품 구매 태스크, 이메일 전송 태스크, 메시지 전송 태스크, 전화 발신 태스크 중 하나인지 여부를 판단할 수 있다.

또한, 프로세서(140)는 입력 인터페이스(110)를 통해 입력된 사용자 음성을 분석하여 사용자 음성과 관련된 태스크 및 태스크를 수행하기 위한 엔티티(entity)를 식별하고, 식별된 태스크 및 엔티티를 바탕으로 사용자 음성의 보안 점수를 획득하며, 사용자 음성의 보안 점수를 바탕으로 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단할 수 있다.

그리고, 프로세서(140)는 사용자 음성의 보안 점수를 바탕으로 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 보안 점수를 바탕으로 상기 질문을 생성할 수 있다. 예로, 프로세서(140)는 보안 점수가 높을수록 사용자 음성에 대응되는 태스크와 관련도가 낮은 질문을 생성할 수 있으며, 보안 점수가 낮을수록 사용자 음성에 대응되는 태스크와 관련있는 질문을 생성할 수 있다.

또한, 보안 점수가 임계값 이상이면, 프로세서(140)는 사용자 인증을 위한 인증 메시지를 제공할 수 있다.

또한, 프로세서(140)는 사용자 음성에 포함된 텍스트 중 적어도 하나를 추출하고, 추출된 적어도 하나의 텍스트에 대한 사용자 발화를 유도하기 위한 질문을 생성할 수 있다.

또한, 프로세서(140)는 전자 장치(100)를 사용하는 사용자의 음성을 분석하여 다른 사용자와 구별되는 텍스트에 대한 음성 특징 정보를 획득하여 메모리(130)에 저장할 수 있다. 그리고, 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 프로세서(140)는 저장된 텍스트를 포함하는 질문을 생성할 수 있다. 그리고, 사용자 응답에 텍스트에 대한 음성 특징 정보가 획득되면, 전자 장치(100)는 사용자 음성에 대응되는 태스크를 수행할 수 있다.

도 3은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도이다. 도 3에 도시된 바와 같이, 전자 장치(100)는 입력 인터페이스(110), 통신 인터페이스(120), 메모리(130), 디스플레이(150), 스피커(160), 센서(170) 및 프로세서(140)를 포함할 수 있다. 한편, 도 3에 도시된 입력 인터페이스(110), 통신 인터페이스(120), 메모리(130) 및 프로세서(140)는 도 2에서 설명하였으므로, 중복되는 설명은 생략하기로 한다.

입력 인터페이스(110)는 전자 장치(100)를 제어하기 위한 사용자 입력을 수신할 수 있다. 특히, 입력 인터페이스(110)는 특정 태스크를 수행하기 위한 사용자 음성을 입력받을 수 있다. 입력 인터페이스(110)는 도 3에 도시된 바와 같이, 사용자 음성을 입력받기 위한 마이크(111), 사용자 손 또는 스타일러스 펜 등을 이용한 사용자 터치를 입력받기 위한 터치 패널(113), 사용자 조작을 입력받기 위한 버튼(115) 등이 포함될 수 있다. 그러나, 도 3에 도시된 입력 인터페이스(110)의 예는 일 실시예에 불과할 뿐, 다른 입력 장치(예로, 키보드, 마우스, 모션 입력부 등)로 구현될 수 있다.

디스플레이(150)는 프로세서(140)의 제어에 따라 다양한 정보를 표시할 수 있다. 특히, 디스플레이(150)는 질문을 위한 복수의 오브젝트를 포함하는 UI를 표시할 수 있다. 또한, 디스플레이(150)는 사용자와 인공지능 에이전트 시스템 간의 대화를 포함하는 메시지 창을 표시할 수 있다. 디스플레이(150)는 터치 패널(113)과 함께 터치 스크린으로 구현될 수 있다.

스피커(160)는 오디오 처리부에 의해 디코딩이나 증폭, 노이즈 필터링과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 특히, 스피커(160)는 사용자 음성에 대한 질문 또는 안내 메시지를 자연어 형태의 음성 메시지로 출력할 수 있다. 한편, 오디오를 출력하기 위한 구성은 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.

센서(170)는 전자 장치(100)의 다양한 상태 정보를 감지할 수 있다. 예로, 센서(170)는 전자 장치(100)의 움직임 정보를 감지할 수 있는 움직임 센서(예로, 자이로 센서, 가속도 센서 등)를 포함할 수 있으며, 위치 정보를 감지할 수 있는 센서(예로, GPS(Global Positioning System) 센서), 전자 장치(100) 주위의 환경 정보를 감지할 수 있는 센서(예로, 온도 센서, 습도 센서, 기압 센서 등), 전자 장치(100)의 사용자 정보를 감지할 수 있는 센서(예로, 혈압 센서, 혈당 센서, 맥박수 센서 등) 등을 포함할 수 있다. 그 밖에, 센서(170)는 전자 장치(100)의 외부를 촬영하기 위한 이미지 센서 등을 더 포함할 수 있다.

도 4는 본 개시의 일 실시예에 따른, 인공지능 에이전트 시스템의 대화 시스템을 도시한 블록도이다. 도 4에 도시된 대화 시스템(400)은 가상의 인공지능 에이전트와 자연어를 통해 대화를 수행하기 위한 구성으로서, 본 개시의 일 실시예 따르면, 대화 시스템(400)은 전자 장치(100)의 메모리(130) 내에 저장될 수 있다. 그러나, 이는 일 실시예에 불과할 뿐, 대화 시스템(400)에 포함된 적어도 하나는 외부의 적어도 하나의 서버에 포함될 수 있다.

대화 시스템(400)은 도 4에 도시된 바와 같이, 자동 음성 인식(automatic speech recognition)(ASR) 모듈(410), 자연어 이해(natural language understanding)(NLU) 모듈(420), 명령 분류 모듈(430), 질문 생성 모듈(440), 대화 매니저(dialogue manager)(DM) 모듈(450), 자연어 생성(natural language generator)(NLG) 모듈(460) 및 텍스트 음성 변환(text to speech)(TTS) 모듈(470)을 포함할 수 있다. 그 밖에 대화 시스템(400)은 패스 플래너(path planner) 모듈 또는 액션 플래너(action planner) 모듈 등을 더 포함할 수 있다.

자동 음성 인식(automatic speech recognition)(ASR) 모듈(410)은 전자 장치(100)로부터 수신된 사용자 음성을 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(410)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다. 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 데이터베이스(automatic speech recognition database)(ASR DB)(415)에 저장될 수 있다.

자연어 이해 모듈(420)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 모듈(420)은 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 의도를 표현하는데 필요한 엔티티(Entity)(또는 파라미터(parameter), 슬롯(slot) 등)를 얻을 수 있다.

자연어 이해 모듈(420)은 도메인(domain), 의도(intend) 및 의도를 파악하는데 필요한 엔티티(Entity)로 나누어진 매칭 규칙을 이용하여 사용자가 수행하고자 하는 태스크 및 엔티티를 결정할 수 있다. 예를 들어, 상기 하나의 도메인(예: 메시지)은 태스크를 결정하기 위한 복수의 의도(예: 메시지 전송, 메시지 삭제 등)를 포함할 수 있고, 하나의 의도는 복수의 엔티티(예: 전송 대상, 전송 시간, 전송 내용 등)을 포함할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 매칭 규칙은 자연어 인식 데이터베이스(natural language understanding database)(NLU DB)(425)에 저장될 수 있다.

자연어 이해 모듈(420)은 형태소, 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자가 수행하고자 하는 태스크를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(420)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는 지를 계산하여 사용자가 수행하고자 하는 태스크를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(420)은 사용자가 수행하고자 하는 태스크를 파악하는데 기초가 된 단어를 이용하여 사용자 음성의 엔티티를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(420)은 사용자 음성과 관련된 태스크를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터베이스(425)를 이용하여 사용자 음성과 관련된 태스크를 결정할 수 있다. 이때, 자연어 인식 데이터베이스(425)에는 개인 정보 등이 포함될 수 있다.

자연어 이해 모듈(420)은 사용자 음성과 관련된 태스크 및 엔티티에 기초하여 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(420)은 사용자 입력의 의도에 기초하여 실행될 앱을 선택하고, 선택된 앱에서 수행될 태스크를 결정할 수 있다. 자연어 이해 모듈(420)은 결정된 태스크에 대응되는 엔티티를 결정하여 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(420)에 의해 생성된 패스 룰은 실행될 앱, 앱에서 실행될 태스크 및 상기 태스크를 실행하는데 필요한 엔티티에 대한 정보를 포함할 수 있다.

자연어 이해 모듈(420)은 사용자 음성과 관련된 태스크 및 엔티티를 기반으로 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(420)은 패스 플래너 모듈로부터 전자 장치(100)에 대응되는 패스 룰 셋을 수신하고, 사용자 음성과 관련된 태스크 및 엔티티를 수신된 패스 룰 셋에 맵핑하여 패스 룰을 결정할 수 있다. 이때, 패스 룰은 앱의 기능을 수행하기 위한 태스크(또는 오퍼레이션(operation))에 대한 정보 또는 태스크를 실행하기 위해 필요한 엔티티에 대한 정보를 포함할 수 있다. 또한, 패스 룰은 앱의 동작 순서를 포함할 수 있다. 전자 장치(100)는 패스 룰을 수신하고, 패스 룰에 따라 앱을 선택하고, 선택된 앱에서 패스 룰에 포함된 태스크를 실행시킬 수 있다.

자연어 이해 모듈(420)은 사용자 음성과 관련된 태스크 및 엔티티에 기초하여 실행될 앱, 앱에서 실행될 태스크 및 상기 태스크를 실행하는데 필요한 엔티티를 결정하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(420)은 전자 장치(100)의 정보를 이용하여 실행될 앱 및 상기 앱에서 실행될 태스크를 사용자 음성의 의도에 따라 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 배열하여 패스 룰을 생성할 수 있다. 상기 생성된 패스 룰은, 예를 들어, 패스 플래너 모듈을 통해 패스 룰 데이터베이스(path rule database)에 저장될 수 있다. 상기 생성된 패스 룰은 데이터베이스(425)의 패스 룰 셋에 추가될 수 있다.

자연어 이해 모듈(420)은 생성된 복수의 패스 룰 중 적어도 하나의 패스 룰을 선택할 수 있다. 예를 들어, 자연어 이해 모듈(420)은 복수의 패스 룰 최적의 패스 룰을 선택할 수 있다. 다른 예를 들어, 자연어 이해 모듈(420)은 사용자 음성에 기초하여 일부 태스크만이 특정된 경우 복수의 패스 룰을 선택할 수 있다. 자연어 이해 모듈(420)은 사용자의 추가 입력에 의해 복수의 패스 룰 중 하나의 패스 룰을 결정할 수 있다.

명령 분류 모듈(430)은 자연어 이해 모듈(420)을 통해 획득된 사용자 음성과 관련된 태스크 및 엔티티를 바탕으로 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 태스크인지 여부를 판단할 수 있다.

구체적으로, 명령 분류 모듈(430)은 자연어 이해 모듈420)을 통해 획득된 사용자 음성과 관련된 태스크의 보안 점수 및 엔티티의 보안 점수를 획득할 수 있다. 이때, 태스크의 보안 점수 및 엔티티의 보안 점수는 보안 점수 DB(435)에 기 저장될 수 있다. 또한, 태스크의 보안 점수는 태스크에 필요한지 여부, 태스크의 사용 빈도 등을 바탕으로 기설정될 수 있다. 예로, 아래의 표 1과 같이, 태스크의 보안 점수가 보안 점수 DB(435)에 저장될 수 있다.

태스크 종류	보안 점수
송금 태스크	5
제품 구매 태스크	5
메시지 전송 태스크, 이메일 전송 태스크	3
전화 발신 태스크	2
컨텐츠 재생 태스크, 이메일 열람 태스크 등	0

또한, 엔티티의 보안 점수는 태스크 별로 엔티티의 중요도, 액수, 사용 빈도 등을 바탕으로 결정될 수 있다. 예로, 송금 태스크의 경우, 전자 장치(100)는 사용자의 송금시 이용하는 금액에 대한 로그를 활용하여 보안 점수를 결정할 수 있다. 예로, 사용자가 주로 사용하는 금액에 대한 정보가 포함된 엔티티는 낮은 보안점수를 가질 수 있으며, 사용자가 주로 사용하지 않는 높은 금액에 대한 정보가 포함된 엔티티는 높은 보안점수를 가질수 있다. 즉, 사용자의 로그정보를 활용하기 때문에, 전자장치(100)를 이용하는 사용자 정보에 따라서 동일한 금액에 대해서 상이한 보안점수가 생성될 수 있다. 또 다른 예로, 메시지 전송 태스크, 이메일 전송 태스크, 전화 태스크와 같은 경우에는 사용자의 연락처 어플리케이션으로부터 획득된 타 사용자에 대한 연락 빈도, 타사용자의 정보(예. VIP, 친구)에 따라 상이한 보안 점수가 생성될 수 있다. 또한 태스크를 수행할 때 첨부된 아이템(사진 파일, 동영상 파일, 오디오파일, 문서)의 종류 혹은 크기에 따라 동일한 사용자에게 수행하는 태스크라도 상이한 보안점수가 생성되어 저장될 수 있다. 예로 아래의 표 2와 같이, 엔티티의 보안 점수가 보안 점수 DB(435)에 저장될 수 있다.

태스크 종류	엔티티	보안 점수
송금 태스크	0~100$	1
	100~1000$	2
	1000$	3
메시지 전송 태스크, 이메일 전송 태스크, 전화 발신 태스크	발신 대상이 가족 그룹	1
	발신 대상이 회사 그룹	3
	발신 대상이 친구 그룹	2
	첨부파일이 풍경 사진	2
	첨부파일이 인물 사진	3

한편, 태스크의 보안 점수 및 엔티티의 보안 점수는 보안 점수 DB(425)에 저장될 수 있으나, 이는 일 실시예에 불과할 뿐, 명령 분류 모듈(430)에 의해 산출될 수 있다. 예로, 태스크 및 엔티티에 대한 정보가 미리 학습된 인공지능 모델에 입력되어 태스크의 보안 점수 및 엔티티의 보안 점수가 획득될 수 있다.명령 분류 모듈(430)은 획득된 태스크의 보안 점수 및 엔티티의 보안 점수를 바탕으로 사용자 음성의 보안 점수를 획득할 수 있다. 이때, 명령 분류 모듈(430)은 아래의 수학식 1을 통해 사용자 음성의 보안 점수를 획득할 수 있다.

일 예로, w₁및 w₂는 각각 0.8, 0.2 등과 같은 계수로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 사용자 정보 등에 따라 상이한 계수로 사용자 음성의 보안 점수가 산출될 수 있다. 뿐만 아니라, 수학식 1은 일 실시예에 불과할 뿐, 엔티티의 종류, 태스크의 유형, 사용자 정보 등에 따라 상이한 수학식으로 사용자 음성의 보안 점수가 산출될 수 있다.

또한, 명령 분류 모듈(430)은 사용자 음성에 대응되는 태스크 또는 엔티티를 판단하지 못하여 보안 점수를 산출하지 못하거나 혹은 수학식 1과 같은 선형 수학식으로 산출된 보안 점수가 임계 범위 이내라고 판단된 경우, 더욱 정확한 보안 점수를 산출하기 위하여, 외부 서버로 보안 점수의 산출을 요청할 수 있다. 이때, 외부 서버는 선형 수학식보다는 정확성이 높은 학습된 인공지능 모델을 이용하여 보안 점수를 산출할 수 있다.

그리고, 명령 분류 모듈(430)은 획득된 사용자 음성의 보안 점수를 바탕으로 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크인지 여부를 결정할 수 있다. 구체적으로, 명령 분류 모듈(430)은 사용자 보안 점수가 기설정된 값(예로, 2) 이상인지 여부를 바탕으로 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크인지 여부를 결정할 수 있다. 예로, 제1 사용자 음성과 관련된 태스크가 송금 태스크이고, 송금액이 200$인 경우, 명령 분류 모듈(430)은 제1 사용자 음성의 보안 점수가 5*0.8+2*0.2=4.4로 결정할 수 있으며, 제1 사용자 음성의 보안 점수가 기설정된 값 이상이므로, 제1 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크로 결정할 수 있다. 또 다른 예로, 제2 사용자 음성과 관련된 태스크가 전화 발신 태스크이고, 발신 대상이 가족인 경우, 명령 분류 모듈(430)은 제2 사용자 음성의 보안 점수가 2*0.8+1*0.2=1.8로 결정할 수 있으며, 제2 사용자 음성의 보안 점수가 기설정된 값 미만이므로, 제2 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크가 아닌 것으로 결정할 수 있다.

한편, 상술한 실시예에서는 명령 분류 모듈(430)이 보안 점수를 바탕으로 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크인지 여부를 결정하였으나, 이는 일 실시예에 불과할 뿐, 사용자 음성과 관련된 태스크가 기 정의된 태스크인지 여부를 결정하여 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크인지 여부를 결정할 수 있다. 예로, 명령 분류 모듈(430)은 사용자 음성과 관련된 태스크가 기 저장된 송금 태스크, 제품 구매 태스크, 이메일 전송 태스크, 메시지 전송 태스크, 전화 발신 태스크 중 하나인 경우, 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크라고 결정할 수 있다.

사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크라고 결정되면, 명령 분류 모듈(430)은 사용자 음성과 관련된 정보(예로, 텍스트 정보, 보안 점수 정보 등)를 질문 생성 모듈(440)로 출력할 수 있으며, 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크가 아닌 것으로 결정되면, 명령 분류 모듈(430)은 사용자 음성과 관련된 정보(예로, 텍스트 정보 등)를 대화 메니저 모듈(450)로 출력할 수 있다.

질문 생성 모듈(440)은 사용자 음성과 관련된 태스크를 수행하기 위한 사용자 확인을 위한 질문을 생성할 수 있다. 이때, 질문 생성 모듈(440)은 사용자 음성과 관련 태스크와 관련없는 질문을 생성할 수 있다. 예를 들어, 사용자 음성과 관련된 태스크가 송금 태스크인 경우, 질문 생성 모듈(440)은 송금 태스크와 관련없는 날씨 질문, 텍스트 발화 유도 질문 등과 같은 질문을 할 수 있다.

또한, 질문 생성 모듈(440)은 사용자에게 발화빈도가 낮은 대답을 유도하기 위한 질문을 생성할 수 있다. 일 예로, 질문 생성 모듈(440)은 현재 사용자가 자주 사용하지 않는 텍스트를 포함하는 응답을 유도하기 위한 질문(예로, "지금 이메일 전송하시려면, 제주도에서 가장 높은 산의 이름을 말해주세요")을 생성할 수 있다. 또 다른 예로, 질문 생성 모듈(440)은 임의의 숫자나 텍스트 발화를 요구하는 질문(예로, "지금 이메일을 전송하시려면, xxxx(랜덤숫자)를 읽어주세요."을 생성할 수 있다. 또 다른 예로, 질문 생성 모듈(440)은 사용자의 개인 정보를 요구하는 질문(예로,"지금 이메일을 전송하시려면 사용자의 생년월일을 말씀해 주세요")을 생성할 수 있다. 이때, 발화 빈도는 사용자 로그 정보 혹은 텍스트 말뭉치(text corpus)를 통해 산출될 수 있다.

또한, 질문 생성 모듈(440)은 사용자 음성의 보안 점수를 바탕으로 질문을 생성할 수 있다. 구체적으로, 질문 생성 모듈(440)은 사용자 음성의 보안 점수를 바탕으로 질문의 복잡도를 결정할 수 있다. 예로, 질문 생성 모듈(440)은 보안 점수가 높을 수록 복잡한 응답을 요구하는 질문을 생성할 수 있으며, 보안 점수가 낮을 수록 간단한 응답(예로, 예/아니오)을 요구하는 질문을 생성할 수 있다.

또한, 질문 생성 모듈(440)은 사용자 음성의 보안 점수를 바탕으로 사용자 음성의 태스크와 질문의 관련도를 결정할 수 있다. 예로, 질문 생성 모듈(440)은 보안 점수가 높을 수록 사용자 음성의 태스크와 관련없는 질문을 생성할 수 있다. 즉, 질문 생성 모듈(440)은 사용자 음성의 태스크와 의미상 거리가 먼(명령 도메인 Tree, 혹은 연속공간 내에서 명령 vector 와 거리가 먼) 발화를 하도록 유도하는 질문을 생성할 수 있다. 예로, 질문 생성 모듈(440)은 텍스트를 벡터 공간상에 매핑할 수 있는 skip-gram 모델과 같은 인공지능 모델을 이용하여 텍스트를 벡터공간 상에 표현할 수 있다. 그리고, 질문 생성 모듈(440)은 벡터 공간상에 표현된 텍스트들에 대응되는 벡터 각도의 유사성(즉, cosine similarity) 또는 두 벡터 사이의 거리를 이용하여 사용자 음성의 태스크와 의미상 거리가 먼 발화를 유도하는 질문을 생성할 수 있다. 예로, 두 벡터 사이의 90도가 되거나 두 벡터 사이의 거리가 멀면, 전자 장치(100)는 두 벡터에 대응되는 텍스트가 서로 무관하다고 판단할 수 있다.

질문 생성 모듈(440)은 보안 점수가 낮을수록 사용자 음성의 태스크와 관련된 질문을 생성할 수 있다.

또한, 질문 생성 모듈(440)은 사용자 음성의 보안 점수를 바탕으로 사용자 인증이 필요한 질문을 생성할 수 있다. 예로, 사용자 음성의 보안 점수가 기설정된 값 이상인 경우, 질문 생성 모듈(440)은 사용자 인증을 위해 사용자의 개인 정보를 요구하는 질문을 생성할 수 있다.

또한, 질문 생성 모듈(440)은 질문에 대한 사용자 응답과 질문에 대한 정답을 비교 해야 하므로 기존의 사용자의 응답 등의 로그 정보를 이용하여 정확도가 높을 것으로 기대되는 발화를 유도하는 질문을 생성할 수 있다,

또한, 질문 생성 모듈(440)은 전자 장치(100) 주변의 상황을 바탕으로 질문을 생성할 수 있다. 구체적으로, 질문 생성 모듈(440)은 다양한 방법으로 전자 장치(100)가 위치하는 장소(예로, 집, 차량, 공공 장소 등)를 판단할 수 있다. 예로, 질문 생성 모듈(440)은 전자 장치(100)와 연결된 네트워크 정보, GPS 정보, 전자 장치(100)와 연결된 외부 장치에 대한 정보 등을 바탕으로 전자 장치(100)가 위치하는 장소를 판단할 수 있다. 구체적으로, 질문 생성 모듈(440)은 전자 장치(100) 연결된 네트워크 정보(예로, IP 주소), GPS를 통해 감지된 위치 정보 등을 바탕으로 전자 장치(100)의 위치가 집인지 공공 장소인지 여부를 판단할 수 있다. 또한, 질문 생성 모듈(440)은 블루투스와 같은 통신 모듈을 통해 검색된 외부 장치에 대한 정보(예로, 장치 타입, 이름 등)를 바탕으로 검색된 외부 장치가 하나인 경우, 질문 생성 모듈(440)은 전자 장치(100)의 위치가 집인 것으로 판단할 수 있으며, 외부 장치에 대한 정보를 바탕으로 익명의 외부 장치가 복수 개인 경우, 질문 생성 모듈(440)은 전자 장치(100)의 위치가 공공 장소임을 판단할 수 있다.

또는, 질문 생성 모듈(440)은 마이크 등을 통해 획득된 외부 소음, 환경 노이즈 벡터, 주변 사람의 대화 존재 여부 등을 바탕으로 전자 장치(100)가 위치하는 장소 또는 전자 장치(100) 주위에 사람이 존재하는지 여부를 판단할 수 있다. 구체적으로, 질문 생성 모듈(440)은 마이크를 통해 획득된 오디오를 학습된 인공지능 모델 또는 HMM(Hidden Markov Model) 기반의 음향모델에 입력하여 현재 소음이 자동차인지, 도서관인지, 화장실인지, 지하철인지 등을 판단할 수 있다. 또는, 질문 생성 모듈(440)은 마이크를 통해 획득된 오디오의 크기(Db)를 측정하여 현재 전자 장치(100)가 위치하는 장소를 판단할 수 있다. 또한, 전자 장치(100)는 환경 노이즈 벡터를 이용하여 전자 장치(100)가 위치하는 장소를 판단할 수 있다. 구체적으로, 전자 장치(100)는 화자 인식 벡터 변환과 같이 노이즈 종류에 따른 벡터 변환 모델을 생성하여 저장할 수 있다. 질문 생성 모듈(440)은 음성인식 음향 모델을 이용하여 발화 부분을 제외한 소음 부분을 감지하고, 기 저장된 벡터 변환 모델을 이용하여 소음 부분의 음원 세그먼트(segment)를 환경 벡터로 변환하고, 기존에 생성된 노이즈별 벡터들과 환경 벡터들을 비교하여 점수(예로, cosine distance)를 획득한 후, 획득된 점수를 바탕으로 현재 전자 장치(100)가 위치하는 장소 또는 환경을 판단할 수 있다. 또한, 질문 생성 모듈(440)은 기등록된 화자 정보를 바탕으로 주변 사람과의 대화가 존재하는지 여부 및 대화하는 사람에 대한 정보를 판단하여 현재 전자 장치(100)가 위치하는 장소가 어디인지 혹은 주변에 사람들이 존재하는지 여부를 판단할 수 있다.

질문 생성 모듈(440)은 판단된 전자 장치(100)의 위치 또는 다른 사람이 존재하는지 여부를 바탕으로 질문을 생성할 수 있다. 구체적으로, 전자 장치(100)가 집에 위치하거나 주변에 사람이 존재하지 않는 것으로 판단되면, 질문 생성 모듈(440)은 개인 정보를 포함하는 질문을 생성할 수 있다. 그러나, 전자 장치(100)가 외부에 존재하거나 주변에 사람이 존재하는 것으로 판단되면, 질문 생성 모듈(440)은 개인 정보가 포함되지 않는 질문을 생성할 수 있다.

그 밖에 질문 생성 모듈(440)은 다양한 방법으로 질문을 생성할 수 있다. 이에 대해서는 도 6a 내지 도 9b를 참조하여 상세히 설명하기로 한다.

대화 매니저 모듈(450)은 자연어 이해 모듈(420)에 의해 판단된 태스크를 수행할 수 있다. 즉, 대화 매니저 모듈(450)은 자연어 이해 모듈(420)을 바탕으로 획득된 태스크 및 엔티티를 바탕으로 태스크를 수행할 수 있으며, 사용자 음성에 대한 응답을 생성할 수 있다.

또한, 대화 매니저 모듈(450)은 자연어 이해 모듈(420)에 의해 파악된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, 대화 매니저 모듈(450)은 엔티티의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 대화 매니저 모듈(450)은 자연어 이해 모듈(420)에서 파악된 엔티티가 태스크를 수행하는데 충분한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(450)은 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 대화 매니저 모듈(450)은 사용자의 의도를 파악하기 위한 엔티티에 대한 정보를 요청하는 피드백을 수행할 수 있다. 또한, 대화 매니저 모듈(450)은 자연어 이해 모듈(420)에 의해 변경된 텍스트를 포함하는 사용자 질의를 확인하기 위한 메시지를 생성하여 출력할 수 있다.

일 실시 예에 따르면, 대화 매니저 모듈(450)은 컨텐츠 제공(content provider) 모듈을 포함할 수 있다. 컨텐츠 제공 모듈은 자연어 이해 모듈(420)에서 파악된 태스크 및 엔티티에 기초하여 동작을 수행할 수 있는 경우, 사용자 입력에 대응되는 태스크를 수행한 결과를 생성할 수 있다.

다른 실시 예에 따르면, 대화 매니저 모듈(450)은 지식 베이스를 이용하여 사용자 음성에 대한 응답을 제공할 수 있다. 이때, 지식 베이스는 전자 장치(100) 내에 포함될 수 있으나, 이는 일 실시예에 불과할 뿐, 외부 서버에 포함될 수 있다.

자연어 생성 모듈(NLG 모듈)(440)은 질문 생성 모듈(430) 또는 대화 매니저 모듈(450)을 통해 출력된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는, 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보(예: 사용자 입력에 대한 피드백 정보)일 수 있다. 상기 텍스트 형태로 변경된 정보는 전자 장치(100)의 디스플레이(150)에 표시되거나, 텍스트 음성 변환 모듈(TTS 모듈)(450)에 의해 음성 형태로 변경될 수 있다.

텍스트 음성 변환 모듈(TTS 모듈)(450)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(450)은 자연어 생성 모듈(440)로부터 텍스트 형태의 정보를 수신하고, 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 스피커로 출력할 수 있다.

자연어 이해 모듈(420), 명령 분류 모듈(430), 질문 생성 모듈(440) 및 대화 매니저 모듈(450)은 적어도 하나의 모듈로 구현될 수 있다. 예를 들어, 자연어 이해 모듈(420), 명령 분류 모듈(430), 질문 생성 모듈(440) 및 대화 매니저 모듈(450)은 하나의 모듈로 구현되어 사용자의 태스크 및 엔티티를 결정하고, 상기 결정된 사용자의 태스크 및 엔티티를 바탕으로 사용자 음성과 관련된 태스크가 사용자 확인이 필요한 태스크인지 여부를 결정하고, 결정 결과를 바탕으로 질문을 생성하거나 사용자 음성에 대응되는 응답(예로, 패스 룰)을 획득할 수 있다. 또 다른 예로, 명령 분류 모듈(430), 질문 생성 모듈(440)은 대화 매니저 모듈(450) 내에 포함될 수 있다.

도 5는 본 개시의 일 실시예에 따른, 사용자 음성이 사용자 확인이 필요한 태스크인 경우, 사용자 확인을 위한 질문을 제공하는 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.

우선, 전자 장치(100)는 사용자 음성을 입력받을 수 있다(S510). 이때, 전자 장치(100)는 마이크(111)를 통해 사용자 음성을 입력받을 수 있으나, 이는 일 실시예에 불과할 뿐, 외부 장치로부터 사용자 음성을 입력받을 수 있다.

전자 장치(100)는 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단할 수 있다(S520). 구체적으로, 전자 장치(100)는 사용자 음성이 사용자의 프라이버시와 관련되거나 보안이 필요한 태스크인지 여부를 바탕으로 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단할 수 있다.

사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면(S520-Y), 전자 장치(100)는 사용자 확인을 위한 질문을 생성할 수 있다(S530). 이때, 사용자 확인을 위한 질문은 사용자 음성과 관련된 태스크와 관련없는 질문일 수 있다. 그 밖에, 전자 장치(100)는 다양한 방법으로 사용자 확인을 위한 질문을 생성할 수 있으며, 이에 대해서는 도 6a 내지 도 9b를 참고하여 후술하기로 한다. 전자 장치(100)는 사용자 확인을 위한 질문을 출력할 수 있다. 이때, 전자 장치(100)는 스피커(160)를 통해 질문을 출력할 수 있으나, 이는 일 실시예에 불과할 뿐, 디스플레이(150)를 통해 질문을 출력할 수 있다.

전자 장치(100)는 질문에 대응되는 사용자 응답이 입력되었는지 여부를 판단할 수 있다(S540).

질문에 대응되는 사용자 응답이 입력되면(S540-Y), 전자 장치(100)는 사용자 음성에 대응되는 태스크를 수행할 수 있다(S550). 그러나, 질문에 대응되는 사용자 응답이 입력되지 않으면(S540-N), 전자 장치(100)는 사용자 음성에 대응되는 태스크를 수행하지 않거나, 추가적인 확인을 위한 질문 혹은 피드백을 출력할 수 있다.

한편, 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이 아니라고 판단되면(S520-N), 전자 장치(100)는 바로 사용자 음성에 대응되는 태스크를 수행할 수 있다(S550).

이하에서는 도 6a 내지 도 9b를 참조하여 사용자 확인을 위한 질문을 생성하는 다양한 실시예를 설명하기 위한 도면들이다.

도 6a 및 도 6b는 본 개시의 일 실시예에 따른, 보안 점수를 바탕으로 질문을 생성하는 실시예를 설명하기 위한 도면들이다.

도 6a에 도시된 바와 같이, 전자 장치(100)는 "아내한테 오늘 회식 있다고 메시지 보내줘"라는 사용자 음성(610)을 입력받을 수 있다.

전자 장치(100)는 입력된 사용자 음성(610)의 보안 점수를 산출할 수 있다. 표 1, 표2 및 수학식 1을 참고하면, 전자 장치(100)는 사용자 음성(610)의 보안 점수를 2.8로 결정할 수 있다. 따라서, 전자 장치(100)는 사용자 음성의 보안 점수가 제1 임계값(예로, 3) 이하인 것으로 판단하고, 복잡도가 낮은 질문을 생성할 수 있다.

예로, 전자 장치(100)는 "메시지를 보내시려면, "푸른 바다"라고 말해주세요"라는 질문(620)을 생성할 수 있다.

그리고, "푸른 바다"라는 사용자 응답(630)이 수신되면, 전자 장치(100)는 사용자 음성과 관련된 태스크인 메시지 전송 태스크를 수행하고, 태스크 수행 결과인 "메시지를 송신하였습니다."라는 안내 메시지(640)를 출력할 수 있다.

한편, 도 6b에 도시된 바와 같이, 전자 장치(100)는 "아내에게 "백만원 송금해줘"라는 사용자 음성(650)을 입력받을 수 있다.

전자 장치(100)는 입력된 사용자 음성(650)의 보안 점수를 산출할 수 있다. 표 1, 표2 및 수학식 1을 참고하면, 전자 장치(100)는 사용자 음성(650)의 보안 점수를 4.4로 결정할 수 있다. 따라서, 전자 장치(100)는 사용자 음성의 보안 점수가 제2 임계값(예로, 4) 이상인 것으로 판단하고, 사용자 인증을 위한 질문을 생성할 수 있다. 예로, 전자 장치(100)는 사용자의 개인 정보를 요구하기 위해 "송금하시려면, 아내 생일과 계좌 비밀 번호 앞에 두 자리를 말씀해 주세요"라는 질문(660)을 생성할 수 있다. 이때, 개인 정보 유출을 방지하기 위하여, 전자 장치(100)는 모든 개인 정보를 요구하는 질문이 아닌 개인 정보 중 일부만을 요구하는 질문을 생성할 수 있다.

그리고, "5월 15일, 46"이라는 사용자 응답(670)이 수신되면, 전자 장치(100)는 사용자 응답(670)이 질문(660)의 정답인지 여부를 판단하고, 사용자 응답(670)이 질문(660)의 정답이라고 판단되면, 사용자 음성과 관련된 태스크인 송금 태스크를 수행하고, 태스크 수행 결과인 "아내에게 백만원을 송금하였습니다."라는 안내 메시지(680)를 출력할 수 있다.

도 7a 및 7b는 본 개시의 일 실시예에 따른, 사용자 음성에 포함된 일부 텍스트를 이용하여 질문을 생성하는 실시예에 대한 도면이다.

우선, 도 7a에 도시된 바와 같이, 전자 장치(100)는 "부장님께 "늦는다"고 현재 내 위치 정보를 포함해서 메시지 보내줘"라는 사용자 음성(710)을 입력받을 수 있다.

전자 장치(100)는 입력된 사용자 음성(710)의 보안 점수를 산출할 수 있다. 표 1, 표2 및 수학식 1을 참고하면, 전자 장치(100)는 사용자 음성(710)의 보안 점수를 3으로 결정할 수 있다. 따라서, 전자 장치(100)는 사용자 음성의 보안 점수가 제3 임계값(예로, 2) 이상인 것으로 판단하고, 사용자 확인을 위한 질문할 수 있다.

이때, 전자 장치(100)는 자동 음성 인식 모듈(410)을 통해 획득된 복수의 텍스트 중 적어도 하나의 텍스트의 발화를 요구하는 질문을 생성할 수 있다. 이때, 전자 장치(100)는 복수의 텍스트 중 핵심어라고 판단된 적어도 하나의 텍스트의 발화를 요구하는 질문을 생성할 수 있다. 예로, 전자 장치(100)는 "부장님께 메시지를 보내시려면 "위치포함송신"을 말씀해 주세요"라는 질문(720)을 생성할 수 있다. 이때, 전자 장치(100)는 자연어 이해(Natural language understanding, NLU) 모듈 을 통해 획득된 결과값을 이용하여 복수의 텍스트 중 핵심어라고 판단된 적어도 하나의 텍스트의 발화를 요구하는 질문을 생성할 수 있다. 구체적으로, 자연어 이해 과정 중 NER(Named entity recognition)을 수행할 경우, 전자 장치(100)는 NER의 수행 결과를 조합하여 조합된 텍스트의 발화를 요구하는 질문을 생성할 수 있다. 예로, {receiver: "부장님", command: "send text", message: "늦는다", additional_content:"위치정보"}와 같이, NER의 수행 결과를 획득한 경우, 전자 장치(100)는 message 를 제외한 receiver, additional_content 와 같은 텍스트를 조합하여 발화하도록 질문을 생성할 수 있다. 또 다른 예로, NLU 결과를 이용하지 않을 경우, 전자 장치(100)는 기설정된 규칙을 이용하여 자동 음성 인식(automatic speech recognition, ASR)의 결과를 통해 획득된 적어도 하나의 텍스트를 조합하여 질문을 생성할 수 있다. 예로, 전자 장치(100)는 ASR의 결과를 바탕으로 획득된 텍스트의 형태소를 분석하거나 텍스트의 품사를 태깅하여, 획득된 텍스트 중 명사인" 부장님, 현재, 위치정보, 메시지"의 발화를 요구하는 질문을 생성할 수 있다. 또한, 전자 장치(100)는 ASR 결과를 바탕으로 획득된 텍스트 중 사전에 사용자가 발화하지 않았던 텍스트인 "위치 정보"의 발화를 요구하는 질문을 생성할 수 있다.

그리고, "위치포함송신"이라는 사용자 응답(730)이 수신되면, 전자 장치(100)는 사용자 응답(730)에 응답하여 센서(170)를 통해 현재 위치 정보를 획득하고, 획득된 위치 정보와 함께 메시지를 부장님께 전송하는 메시지 전송 태스크를 수행하고, 태스크 수행 결과인 "메시지 보내기를 완료하였습니다."라는 안내 메시지(740)를 출력할 수 있다.

한편, 전자 장치(100)는 사용자 음성의 보안 점수를 바탕으로 질문의 복잡도를 결정할 수 있다. 예로, 사용자 음성의 보안 점수가 높을수록 많은 단어(예로, "부장님, 늦는다,위치,포함,전송")의 발화를 요구하는 질문을 생성할 수 있으며, 사용자 음성의 보안 점수가 낮은수록 적은 단어(예로, "부장님, 전송")의 발화를 요구하는 질문을 생성할 수 있다.

한편, 도 7b에 도시된 바와 같이, 전자 장치(100)는 "부장님께 "늦는다"고 현재 내 위치 정보를 포함해서 메시지 보내줘"라는 사용자 음성(750)을 입력받을 수 있다.

전자 장치(100)는 입력된 사용자 음성(750)의 보안 점수를 산출할 수 있다. 표 1, 표2 및 수학식 1을 참고하면, 전자 장치(100)는 사용자 음성(750)의 보안 점수를 3으로 결정할 수 있다. 따라서, 전자 장치(100)는 사용자 음성의 보안 점수가 제3 임계값(예로, 2) 이상인 것으로 판단하고, 사용자 확인을 위한 질문할 수 있다.

이때, 전자 장치(100)는 자연어 이해 모듈(420)을 통해 획득된 엔티티에 대한 정보를 요구하는 질문을 생성할 수 있다. 이때, 전자 장치(100)는 자연어 이해 모듈(420)을 통해 획득된 엔티티인 "발신 대상"에 대한 정보를 요구하는 질문을 생성할 수 있다. 예로, 전자 장치(100)는 "부장님께 메시지를 보내시려면 부장님 이름을 말씀해 주세요"라는 질문(760)을 생성할 수 있다.

그리고, "홍길동"이라는 사용자 응답(770)이 수신되면, 전자 장치(100)는 사용자 응답(770)에 응답하여 센서(170)를 통해 현재 위치 정보를 획득하고, 획득된 위치 정보와 함께 메시지를 부장님께 전송하는 메시지 전송 태스크를 수행하고, 태스크 수행 결과인 "메시지 보내기를 완료하였습니다."라는 안내 메시지(780)를 출력할 수 있다.

도 8은 본 개시의 일 실시예에 따른, 전자 장치의 성능에 따라 질문을 생성하는 방법을 설명하기 위한 도면이다. 전자 장치(100)가 디스플레이(150)가 포함되지 않은 경우, 전자 장치(100)는 앞서 설명한 바와 같이, 음성 형태의 사용자 응답을 요구하는 질문을 생성할 수 있다. 그러나, 전자 장치(100)가 디스플레이(150)를 함께 포함하는 경우, 전자 장치(100)는 디스플레이(150)에 복수의 오브젝트를 디스플레이하고, 복수의 오브젝트 중 하나의 선택을 유도하는 질문을 생성할 수 있다.

우선, 도 8에 도시된 바와 같이, 전자 장치(100)는 "xx 마트에서 "기저귀 3팩 주문해 줘"라는 사용자 음성(810)을 입력받을 수 있다.

전자 장치(100)는 입력된 사용자 음성(810)의 보안 점수를 산출할 수 있다. 전자 장치(100)는 사용자 음성(810)의 보안 점수가 제3 임계값(예로, 2) 이상인 것으로 판단하고, 사용자 확인을 위한 질문할 수 있다.

이때, 전자 장치(100)는 복수의 오브젝트를 포함하는 UI(830)를 디스플레이할 수 있다. 이때, UI(830)에 포함된 오브젝트는 사용자 음성과 관련없는 텍스트나 이미지를 포함할 수 있다. 예로, 전자 장치(100)는 도 8에 도시된 바와 같이, "배", "사과", "파인애플"과 같은 과일 오브젝트를 포함하는 UI(830)를 디스플레이할 수 있다.

그리고, 전자 장치(100)는 복수의 오브젝트 중 적어도 하나의 선택을 요구하는 질문을 생성할 수 있다. 예로, 전자 장치(100)는 "표시된 UI에서 사과를 선택해 주세요"라는 질문(820)을 생성할 수 있다.

그리고, 사과를 선택하는 사용자 터치가 입력되면, 전자 장치(100)는 사용자 터치에 응답하여 제품 구매 태스크를 수행하고, 태스크 수행 결과인 "기저귀 3팩을 주문하였습니다."라는 안내 메시지(840)를 출력할 수 있다.

한편, 디스플레이(150)가 포함된 전자 장치(100)라도, 전자 장치(100)는 특정 상황(예로, 사용자가 전자 장치(100)와 가까지 존재하는 상황)에서만 디스플레이(150) 상에 UI를 표시할 수 있다. 예로, 카메라를 통해 촬영된 이미지나 마이크를 통해 수신된 음성을 분석하여 사용자가 근거리에 위치하는 것으로 판단되거나 전자 장치(100)를 사용자가 착용중인 상태 혹인 사용 중인 상태로 판단되면, 전자 장치(100)는 디스플레이(150) 상에 UI를 표시할 수 있다.

한편, 상술한 실시예에서는 질문이 디스플레이 상에 표시된 복수의 오브젝트 중 적어도 하나의 선택을 요구하는 질문이었으나, 이는 일 실시예에 불과할 뿐, 디스플레이(150) 상에 표시된 적어도 하나의 오브젝트에 대응되는 텍스트의 발화를 요구하는 질문을 생성할 수 있다. 예로, 전자 장치(100)는 디스프레이(150) 상에 "사과"라는 오브젝트를 표시하고, "화면상에 표시된 과일의 이름을 말해주세요"라는 질문을 생성할 수 있다.

한편, 상술한 실시예에서는 질문이 오디오 형태로 출력되었으나, 이는 일 실시예에 불과할 뿐, 디스플레이(150) 상에 출력될 수 있다.

한편, 사용자가 사용 중인 타 전자 장치가 있는 것으로 판단되면, 전자 장치(100)은 타 전자 장치를 이용하여 사용자 확인을 위한 질문을 생성할 수 있다. 사용자 확인을 위한 질문은 타 전자장치에서 획득할 수 있는 센서 정보에 기초하여 전자 장치(100)에서 질문을 생성하고, 타 전자 장치에서 획득한 센서 정보를 수신하여 질문에 대해 사용자의 응답 여부에 대한 판단을 할 수 있다.

사용 중인 타 전자장치가 있는 것을 판단하는 방법은 전자 장치(100)가 사용자의 소유로 판단되는 타 전자장치가 전자 장치(100)에 연결되어 있는 것을 감지하고, 타 전자 장치로부터 사용자의 장치사용정보를 수신하면, 전자 장치(100)는 타 전자 장치를 사용 중인 것으로 판단 할 수 있다.

잔지 장치(100)는 타 전자 장치의 사용자 프로파일 정보, 계정정보, 인증정보, 생체 센서로부터 획득한 생체 정보를 이용하여 타 전자장치가 사용자의 소유 인지 여부를 판단할 수 있다. 장치 사용정보는, 예를 들어 타 전자 장치가 사용자에게 착용된 상태인지를 나타내는 정보, 및 타 전자 장치가 사용자에 의해 사용되고 있는 중인지를 나타내는 정보를 포함할 수 있다.

예로써, 사용자에게 착용된 상태인지를 나타내는 정보는 웨어러블 장치의 착탈 구조가 체결된 상태이고, 웨어러블 장치 및/또는 전자 장치(100)의 움직임이 검출된 후 기준 시간 이내인 경우, 웨어러블 장치 및/또는 전자 장치(100)에서 생체 신호 검출되고 기준 시간 이내인 경우, 또는 웨어러블 장치의 착탈 구조가 체결된 상태이고 웨어러블 장치에서 생체 신호가 검출되는 경우일 수 있다. 웨어러블 장치의 착탈 구조가 체결된 상태인지 여부는, 웨어러블 장치의 착탈 구조에 구비된 센서의 센싱값을 이용하여 알 수 있다. 착탈 구조에 구비된 센서는 예를 들면, 도전 센서, 홀 센서, 자기 센서 등을 포함할 수 있다. 웨어러블 장치 및/또는 전자 장치(100)의 움직임은, 장치에 구비된 움직임 센서 또는 가속도 센서를 이용하여 알 수 있다. 웨어러블 장치 및/또는 전자 장치(100)는 생체 신호를 검출하는 바이오 센서를 구비하여, 생체 신호를 검출할 수 있다. 바이오 센서는 예를 들면, 심박 센서, 맥박 센서, 혈압 센서, 땀 센서, 체온 센서, 홍채 센서, 지문 센서 등을 포함할 수 있다.

예로써, 전자 자치(100)는 사용자 입력이 검출되고 기준 시간 이내인 경우, 사용자 명령을 받아 화면 갱신 중인 경우, 또는 화면 켜짐 상태인 경우에 해당 장치가 사용 중이라고 판단할 수 있다. 예로, 전자 장치(100)는 "지금 착용하신 스마트 워치를 흔들어 주세요"라는 질문(또는 요청)을 생성할 수 있다. 또한, 전자 장치(100)는 스마트 워치내의 모션 센서등을 통해 이용하여 스마트 워치의 움직임을 획득한 모션 정보를 수신하여 사용자의 응답 여부에 대한 판단을 할 수 있다. 예로, 전자 장치(100)는 "지금 사용중인 디바이스에서 지문인증을 부탁드립니다"라는 질문(또는 요청)을 생성할 수 있다. 이후 사용자가 사용중인 타 전자장치의 지문센서로부터 지문이 인식되고 인증된 경우, 전자 장치(100)는 해당 인증된 정보를 수신하여 사용자의 응답 여부에 대한 판단을 할 수 있다.

도 9a 및 9b는 본 개시의 일 실시예에 따른, 사용자 음성에 포함된 일부 텍스트의 음성 특징 정보를 학습하여 학습된 음성 특징 정보를 가지는 텍스트를 이용하여 질문을 생성하는 실시예에 대한 도면이다.

사용자로부터 사용자 음성이 입력되면, 전자 장치(100)는 사용자 음성을 이용하여 화자 인식을 수행할 수 있다. 화자 인식을 통해 사용자가 전자 장치(100)를 사용하는 사용자로 확인되면, 전자 장치(100)는 전자 장치(100)를 사용하는 사용자가 발화한 사용자 음성을 수집할 수 있다.

그리고, 전자 장치(100)는 전자 장치(100)를 사용하는 사용자가 화자 인식 서비스를 이용할 때, 전자 장치(100)를 사용하는 사용자의 음성에 대한 음성 특징과 등록된 다른 사용자들의 음성에 대한 음성 특징을 비교하여 각각의 사용자의 음성에 대한 유사도를 획득할 수 있다. 구체적으로, 전자 장치(100)는 사용자 음성에 대한 음성 특징 정보를 획득할 수 있다. 이때, 전자 장치(100)는 사용자 음성에 포함된 음소별 주파수 특성을 분석하여 음성 특징 정보를 획득할 수 있다. 구체적으로, 전자 장치(100)는 켑스트럼(Cepstrum), 선형 예측 코딩(Linear Predictive Coefficient, LPC), 멜프리퀀시 켑스트럼(Mel Frequency Cepstral Coefficient, MFCC) 및 필터 뱅크 에너지(Filter Bank Energy) 등과 같은 특징 추출 기술을 이용하여 사용자 음성에 포함된 음소별 주파수 특성을 획득할 수 있다. 이때, 음소별 주파수 특성은 음성 특징 벡터로서 표현될 수 있으며, 2차원 이상의 다차원 벡터로 표현될 수 있다.

그리고, 전자 장치(100)는 복수의 사용자 각각에 대해 획득된 음소별 음성 특징 정보를 비교하여 유사도를 획득할 수 있다. 그리고, 전자 장치(100)는 음소별 음성 특징 정보에 대한 유사도 중 유사도 차이가 높은 음소를 획득하여 화자 특징 정보로 추출할 수 있다. 즉, 전자 장치(100)는 사용자 간에 음소별 음성 특징 정보를 비교하여 화자의 특성을 반영하지 못하는 유사도가 높은 음성을 배제하고, 화자의 특성을 반영하는 유사도가 낮은 음성을 화자 특징 정보로 저장할 수 있다.또한, 전자 장치(100)는 복수의 사용자 각각에 대한 획득된 음소별 음성 특징 정보(즉, 음성 특징 벡터)를 학습된 인공지능 모델(예로, DNN 모델)에 입력하여 화자의 특징을 나타내는 화장 특징 벡터를 추출할 수 있다. 이때, 화자 음성 특징 벡터 역시 2차원 이상의 다차원 벡터로 표현될 수 있다.

그리고, 전자 장치(100)는 유사도의 차이가 가장 큰 부분의 음소에 높은 가중치를 부여할 수 있다. 또한, 동일한 음소에 지속적으로 큰 차이의 유사도 점수가 존재하면, 전자 장치(100)는 큰 차이의 유사도 점수를 가지는 음소에 높은 가중치를 부여할 수 있다.

예를 들어, 도 9a에 도시된 바와 같이, 사용자가 "내가 어제 보던 드라마 틀어줘"라는 사용자 음성(910)을 발화하는 동안 사용자 음성(910)에 포함된 텍스트 중 "어제"라는 텍스트가 다른 사용자가 발화한 "어제"와 구별되는 경우(즉, 유사도 점수 차이가 임계값 이상인 경우), 전자 장치(100)는 "어제"라는 텍스트에 대한 정보와 텍스트의 음성 특징에 대한 정보를 메모리(130)에 저장(915)할 수 있다.

한편, 신규 사용자가 등록된 경우, 전자 장치(100)는 기존의 사용자들의 음성 특징을 포함하는 텍스트의 발화를 유도할 수 있다. 즉, 전자 장치(100)가 기존의 사용자들이 가지고 있는 음성 특징과 신규 사용자의 음성 특징을 비교하여 저장함으로써, 기존 사용자의 음성 특징의 식별력을 더욱 강화시킬 수 있다.

전자 장치(100)는 메모리(130)에 저장된 전자 장치(100)를 사용하는 사용자가 발화한 텍스트 중 다른 사용자의 발화와 구별되는 음성 특성을 가지는 텍스트를 이용하여 질문을 생성할 수 있다.

구체적으로, 도 9b에 도시된 바와 같이, 전자 장치(100)는 "xx 상품 구매해 줘"라는 사용자 음성(920)을 입력받을 수 있다.

전자 장치(100)는 입력된 사용자 음성(920)의 보안 점수를 산출할 수 있다. 사용자 음성(920)의 보안 점수가 제3 임계값(예로, 2) 이상인 경우, 전자 장치(100)는 사용자 확인을 위한 질문할 수 있다. 특히, 전자 장치(100)는 보안 점수가 사용자 인증이 필요한 제4 임계값(예로, 3.5) 이상인 경우, 전자 장치(100)는 사용자 인증을 위한 질문을 생성할 수 있다.

특히, 전자 장치(100)는 전자 장치(100)를 사용하는 사용자가 다른 사용자와 구별되는 음성 특징을 가지는 텍스트를 이용하여 질문을 생성할 수 있다. 예로, 전자 장치(100)는 메모리(130)에 저장된 다른 사용자와 구별되는 음성 특징을 가지는 텍스트인 "어제"라는 텍스트를 이용하여 "어제 만난 친구"의 발화를 요구하는 "인증을 진행합니다. 음성 비밀번호는 "어제 만난 친구"라는 질문(930)을 생성할 수 있다. 이때, 음성 비밀번호에는 다른 사용자와 구별되는 음성 특징을 가지는 텍스트 뿐만 아니라 다른 적어도 하나의 텍스트가 포함될 수 있다. 또한, 음성 비밀 번호를 포함하는 질문(930)는 질문을 생성할 때마다 변경될 수 있다. 예로, "어제 만난 친구", "어제 날씨", "어제 먹은 음식" 등과 같은 "어제"라는 텍스트를 포함하는 다양한 음성 비밀번호가 생성될 수 있다. 즉, 질문을 생성할 때 마다 음성 비밀번호를 변경함으로써, 녹음한 음성으로 사용자 인증을 수행하는 것으르 방지할 수 있다.

그리고, "어제 만난 친구"라는 사용자 응답(940)이 수신되면, 전자 장치(100)는 사용자 응답(940)에 포함된 "어제"에 대한 음성 특징과 기 저장된 "어제"에 대한 음성 특징을 비교하여 사용자 인증을 수행할 수 있다. 사용자 응답(940)에 포함된 "어제"에 대한 음성 특징과 기 저장된 "어제"에 대한 음성 특징의 유사도가 임계값 이상인 경우, 전자 장치(100)는 사용자 인증을 수행하고, 사용자 음성(920)과 관련된 태스크를 수행할 수 있다. 또한, 전자 장치(100)는 인증 결과인 "인증되었습니다"라는 안내 메시지(950)를 출력할 수 있다.

상술한 바와 같은 본 발명의 다양한 실시예에 의해, 전자 장치(100)는 사용자 음성에 대응되는 태스크를 수행하기 전에 사용자 확인 또는 사용자 인증을 거침으로써, 사용자가 의도치 않는 태스크를 수행하는 것을 방지할 수 있게 된다.

한편, 전자 장치(100)는 전자 장치(100)에 저장된 인공지능 에이전트 프로그램을 이용하여 상술한 바와 같은 동작을 수행할 수 있으나, 이는 일 실시예에 불과할 뿐, 외부의 서버와 연동하여 상술한 바와 같은 동작을 수행할 수 있다.

이하에서는 도 10 내지 도 12를 참조하여 외부 서버와 연동하여 사용자 확인을 위한 질문을 생성하는 실시예들을 설명하기로 한다.

도 10은 본 개시의 일 실시예에 따른, 외부 서버(100)가 사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크인지 여부를 판단하는 실시예를 설명하기 위한 도면이다.

우선, 전자 장치(100)는 트리거 음성을 입력받을 수 있다(S1005). 이때, 트리거 음성은 전자 장치(100)에 저장된 인공지능 에이전트 프로그램을 실행시키기 위한 트리거 단어를 포함할 수 있다. 또 다른 실시예에 따르면, 음성 인식을 위한 인공지능 에이전트 프로그램을 실행시키기 위하여, 전자 장치(100)는 전자 장치(100)에 구비된 특정 버튼을 선택하는 사용자 명령을 입력받을 수 있다.

전자 장치(100)는 트리거 음성에 응답하여 인공지능 에이전트를 활성화시킬 수 있다(S1010). 이때, 인공지능 에이전트는 사용자와 대화형 서비스를 제공하기 위한 가상비서일 수 있다.

전자 장치(100)는 사용자 음성을 입력받을 수 있다(S1015). 이때, 사용자 음성은 특정 태스크를 수행하기 위한 텍스트를 포함할 수 있다.

전자 장치(100)는 사용자 음성을 서버(1000)로 전송할 수 있다(S1020).

서버(1000)는 사용자 음성을 텍스트로 변환할 수 있다(S1025). 이때, 서버(1000)은 자동 음성 인식(ASR) 모듈을 이용하여 사용자 음성을 텍스트로 변환할 수 있다.

서버(1000)는 사용자 음성에 대응되는 태스크를 판단할 수 있다(S1030). 구체적으로, 서버(1000)는 자연어 이해(NLU) 모듈을 통해 사용자 음성을 분석하여 사용자 음성에 대응되는 태스크 및 엔티티를 판단할 수 있다.

서버(1000)는 사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크인지 여부를 판단할 수 있다(S1035). 즉, 서버(1000)는 사용자 음성에 대응되는 태스크가 사용자의 프라이버시와 관련되거나 보안이 필요한 태스크인지 여부를 판단할 수 있다.

사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크인 것으로 판단되면, 서버(1000)는 질문 생성 명령을 전자 장치(100)로 전송할 수 있다(S1040). 이때, 서버(1000)는 질문 생성 명령과 함께 사용자 음성에 대한 정보를 함께 전송할 수 있다.

전자 장치(100)는 질문 생성 명령에 응답하여 사용자 확인을 위한 질문을 생성할 수 있다(S1045). 이때, 질문은 사용자 음성에 대응되는 태스크와 관련없는 태스크일 수 있다.

전자 장치(100)는 사용자 질문에 대한 사용자 응답을 입력받을 수 있으며(S1050), 사용자 응답을 바탕으로 태스크를 수행할 수 있다(S1055).

도 11은 본 개시의 일 실시예에 따른, 외부 서버(100)가 사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크인지 여부를 판단하고, 질문을 생성하는 실시예를 설명하기 위한 도면이다. 한편, 도 11의 S1105 내지 S1135는 도 10에서 설명한 S1005 내지 S1035와 중복되므로, 상세한 설명은 생략한다.

사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크라고 판단되면, 서버(1000)는 질문을 생성할 수 있다(S1140). 이때, 서버(1000)는 사용자 음성에 대응되는 태스크와 관련없는 질문을 생성할 수 있다.

서버(1000)는 질문을 전자 장치(100)로 전송할 수 있다(S1145).

전자 장치(100)는 질문을 제공할 수 있다(S1150). 이때, 전자 장치(100)는 오디오 형태로 질문을 스피커(160)를 통해 출력할 수 있으나, 이는 일 실시예에 불과할 뿐, 디스플레이(150)를 통해 출력할 수 있다.

전자 장치(100)는 사용자 응답을 입력받을 수 있으며(S1155), 입력된 사용자 응답을 서버(1000)로 전송할 수 있다(S116).

서버(1000)는 전자 장치(100)로부터 수신된 사용자 응답이 질문에 대응되는 사용자 응답인지 여부를 판단할 수 있다(S1165). 전자 장치(100)로부터 수신된 사용자 응답이 질문에 대응되는 사용자 응답이면, 서버(1000)는 태스크 수행 명령(과 함께 태스크 수행 결과를 나타내는 안내 메시지)를 생성할 수 있다. 전자 장치(100)로부터 수신된 사용자 응답이 질문에 대응되는 사용자 응답이 아니면, 서버(1000)는 태스크를 수행할 수 없다는 메시지를 포함하는 불가 메시지를 생성할 수 있다.

서버(1000)는 태스크 수행 명령 또는 불가 메시지를 전자 장치(100)로 전송할 수 있다(S1170).

전자 장치(100)는 태스크 수행 명령을 바탕으로 태스크를 수행하거나 불가 메시지를 제공할 수 있다(S1175).

도 12는 본 개시의 일 실시예에 따른, 외부 서버(100)가 사용자 음성을 텍스트로 변환하는 실시예를 설명하기 위한 도면이다. 한편, 도 12의 S1205 내지 S1225는 도 10에서 설명한 S1005 내지 S1025와 중복되므로, 상세한 설명은 생략한다.

서버(1000)는 획득된 텍스트를 전자 장치(100)로 전송할 수 있다(S1230).

전자 장치(100)는 사용자 음성에 대응되는 태스크를 판단할 수 있다(S1235). 구체적으로, 전자 장치(100)는 자연어 이해(NLU) 모듈을 통해 사용자 음성을 분석하여 사용자 음성에 대응되는 태스크 및 엔티티를 판단할 수 있다.

전자 장치(100)는 사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크인지 여부를 판단할 수 있다(S1240). 즉, 전자 장치(100)는 사용자 음성에 대응되는 태스크가 사용자의 프라이버시와 관련되거나 보안이 필요한 태스크인지 여부를 판단할 수 있다.

사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크인 것으로 판단되면, 전자 장치(100)는 질문 생성 명령에 응답하여 사용자 확인을 위한 질문을 생성할 수 있다(S1245). 이때, 질문은 사용자 음성에 대응되는 태스크와 관련없는 태스크일 수 있다.

전자 장치(100)는 사용자 질문에 대한 사용자 응답을 입력받을 수 있으며(S1250), 사용자 응답을 바탕으로 태스크를 수행할 수 있다(S1255).

도 13는 본 개시의 일 실시예에 따른, 사용자 음성의 보안 점수에 따라 전자 장치(100) 또는 외부 서버(1000)가 사용자 음성을 텍스트로 변환하는 실시예를 설명하기 위한 도면이다. 한편, 도 13의 S1205 내지 S1230은 도 12에 도시된 S1205 내지 S1230과 중복되므로, 상세한 설명은 생략한다.

전자 장치(100)는 획득된 텍스트를 바탕으로 제1 방식을 이용하여 사용자 음성의 보안 점수를 산출할 수 있다(S1335). 이때, 제1 방식은 선형 회귀 방식 혹은 일반적인 규칙 기반의 경량화된 방식으로서, 예로, 수학식 1과 같은 방식으로 사용자 음성의 보안 점수를 산출할 수 있다.

전자 장치(100)는 보안 점수가 미산출되거나 또는 임계 범위 내인지 여부를 판단할 수 있다(S1340). 즉, 전자 장치(100)는 전자 장치(100) 내에 존재하는 자연어 이해 모듈을 통해 사용자 음성에 대응되는 태스크 또는 엔티티를 판단하지 못한 경우 또는 임계값(예로, 0.5)을 기준으로 임계범위 이내(예로, 0.45~0.55)인 경우, 외부의 서버(1000)를 통해 정확한 보안 점수를 획득하기 위하여 보안 점수가 미산출되거나 또는 임계 범위 내인지 여부를 판단할 수 있다.

산출된 보안 점수가 임계 범위를 벗어난 경우(S1340-N). 전자 장치(100)는 산출된 보안 점수를 바탕으로 질문을 생성할 수 있다(S1360). 보안 점수를 이용하여 질문을 생성하는 방법에 대해서는 전술하였으므로, 상세한 설명은 생략한다.

보안 점수가 미산출되거나 또는 보안 점수가 임계 범위 내인 경우(S1340-Y), 전자 장치(100)는 보안 점수의 재산출을 서버(1000)로 요청할 수 있다(S1345). 이때, 전자 장치(100)는 요청과 함께 사용자 음성에 대응되는 텍스트 정보를 함께 전송할 수 있다.

서버(1000)는 제2 방식을 이용하여 사용자 음성의 보안 점수를 재산출할 수 있다(S1350). 이때, 제2 방식은 사용자 음성에 대응되는 텍스트를 입력하여 사용자 음성의 보안 점수를 산출하도록 학습된 인공지능 모델(예로, DNN 모델)을 이용하는 방식일 수 있다. 서버(1000)는 재산출된 보안 점수를 전자 장치(100)로 전송할 수 있으며(S1355), 전자 장치(100)는 재 산출된 보안 점수를 바탕으로 질문을 생성할 수 있다(S1360).

전자 장치(100)는 생성된 사용자 질문에 대한 사용자 응답을 입력받을 수 있으며(S1365), 사용자 응답을 바탕으로 태스크를 수행할 수 있다(S1370).

상술한 바와 같은 다양한 실시예에 따른, 전자 장치(100)는 외부 서버와 연동하여 사용자 음성에 대응되는 태스크가 사용자 확인이 필요한 태스크인지 여부를 판단하고, 판단 결과를 바탕으로 사용자 확인을 위한 질문을 생성할 수 있다.

한편, 도 13에서는 서버(1000)가 사용자 음성을 텍스트로 변환하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100) 내부에 구비된 ASR(410)을 통해 사용자 음성을 텍스트로 변환할 수 있음은 물론이다.

한편, 상술한 실시예에서는 사용자 확인이 필요한 태스크와 관련된 사용자 음성이 한번 입력되는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 사용자 확인이 필요한 태스크와 관련된 사용자 음성이 연속적으로 입력될 수 있다.

이때, 전자 장치(100)는 동일한 사용자에 의해 사용자 음성이 입력되었는지 여부를 판단할 수 있다. 구체적으로, 트리거 음성을 통해 인공지능 에이전트가 활성화된 상태에서 제1 사용자 음성의 입력으로 사용자 음성 인식에 대한 세션이 시작된 후 기설정된 시간 내에 제2 사용자 음성이 재차 입력된 경우, 전자 장치(100)는 제1 사용자 음성과 제2 사용자 음성이 동일한 사용자에 의해 발화된 음성인지 여부를 판단할 수 있다. 동일한 사용자에 의해 제1 사용자 음성과 제2 사용자 음성이 입력되면, 전자 장치(100)는 제2 사용자 음성에 대한 처리를 수행하고, 사용자 음성 인식에 대한 세션을 일정 시간동안 유지시킬 수 있다. 그러나, 제1 사용자 음성과 제2 사용자 음성이 동일한 화자가 아닌 경우, 전자 장치(100)는 제2 사용자 음성을 처리하지 않거나 거절 응답을 제공할 수 있다. 기설정된 시간 내에 동일한 사용자에 의해 사용자 음성이 입력되지 않으면, 전자 장치(100)는 사용자 음성 인식에 대한 세션을 종료할 수 있다.

또한, 전자 장치(100)는 제1 사용자 음성에 대한 보안 점수와 제2 사용자 음성에 대한 보안 점수를 비교할 수 있다. 제2 사용자 음성에 대한 보안 점수가 제1 사용자 음성에 대한 보안 점수보다 높은 경우, 전자 장치(100)는 제2 사용자 음성에 대해 추가 확인(또는 추가 인증)을 위한 질문을 생성할 수 있다. 예로, 전자 장치(100)는 다른 사용자와 구별되는 음성 특징을 가지는 텍스트를 포함하는 문장이나 단어의 발화를 유도하는 질문을 생성할 수 있다. 또한, 전자 장치(100)는 사용자 음성 인식에 대한 세션이 유지되는 동안 실시간으로 임시 누적된 데이터를 활용하여 사용자 인증을 수행할 수 있다.

한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.

본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.

일시예에 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, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

110: 입력 인터페이스 120: 통신 인터페이스
130: 메모리 140: 프로세서
150: 디스플레이 160: 스피커
170: 센서

Claims

전자 장치에 있어서,
입력 인터페이스;
통신 인터페이스;
적어도 하나의 명령을 포함하는 메모리; 및
상기 입력 인터페이스, 상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서;를 포함하고,
상기 프로세서는, 상기 적어도 하나의 명령을 실행함으로써,
상기 입력 인터페이스를 통해 사용자 음성을 입력받고,
상기 사용자 음성을 분석하여 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단하며,
상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 상기 전자 장치가 위치하는 장소에 대한 정보 또는 상기 전자 장치 주변에 다른 사람의 존재 여부에 대한 정보를 획득하고,
상기 전자 장치가 위치하는 장소에 대한 정보 또는 상기 전자 장치 주변에 다른 사람의 존재 여부에 대한 정보에 기초하여 사용자 인증을 위하여 개인 정보가 포함되지 않은 질문을 획득하며,
상기 입력 인터페이스를 통해 상기 질문에 대응되는 사용자 응답이 입력되면, 상기 사용자 음성에 대응되는 태스크를 수행하는 전자 장치.
제1항에 있어서,
상기 질문은,
상기 사용자 음성에 대응되는 태스크와 관련없는 질문인 것을 특징으로 하는 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 사용자 음성을 분석하여 상기 사용자 음성과 관련된 태스크 및 태스크를 수행하기 위한 엔티티(entity)를 식별하고,
상기 식별된 태스크 및 엔티티를 바탕으로 상기 사용자 음성의 보안 점수를 획득하며,
상기 사용자 음성의 보안 점수를 바탕으로 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단하는 전자 장치.
제3항에 있어서,
상기 프로세서는,
상기 사용자 음성의 보안 점수를 바탕으로 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 상기 보안 점수를 바탕으로 상기 질문을 생성하는 전자 장치.
제4항에 있어서,
상기 프로세서는,
상기 보안 점수가 높을수록 상기 사용자 음성에 대응되는 태스크와 관련도가 낮은 질문을 생성하는 전자 장치.
제4항에 있어서,
상기 프로세서는,
상기 보안 점수가 임계값 이상이면, 사용자 인증을 위한 인증 메시지를 제공하는 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 사용자 음성에 포함된 텍스트 중 적어도 하나를 추출하고, 상기 추출된 적어도 하나의 텍스트에 대한 사용자 발화를 유도하기 위한 질문을 생성하는 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 전자 장치를 사용하는 사용자의 음성을 분석하여 다른 사용자와 구별되는 텍스트에 대한 음성 특징 정보를 획득하여 상기 메모리에 저장하는 전자 장치.
제8항에 있어서,
상기 프로세서는,
상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 상기 저장된 텍스트를 포함하는 질문을 생성하고,
상기 사용자 응답에 상기 텍스트에 대한 음성 특정 정보가 획득되면, 상기 사용자 음성에 대응되는 태스크를 수행하는 전자 장치.
제1항에 있어서,
상기 사용자 확인이 필요한 태스크는,
송금 태스크, 제품 구매 태스크, 이메일 전송 태스크, 메시지 전송 태스크, 전화 발신 태스크를 포함하는 전자 장치.
전자 장치의 제어 방법에 있어서,
사용자 음성을 입력받는 단계;
상기 사용자 음성을 분석하여 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단하는 단계;
상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 상기 전자 장치가 위치하는 장소에 대한 정보 또는 상기 전자 장치 주변에 다른 사람의 존재 여부에 대한 정보를 획득하는 단계;
상기 전자 장치가 위치하는 장소에 대한 정보 또는 상기 전자 장치 주변에 다른 사람의 존재 여부에 대한 정보에 기초하여 사용자 인증을 위하여 개인 정보가 포함되지 않은 질문을 획득하는 단계; 및
상기 질문에 대응되는 사용자 응답이 입력되면, 상기 사용자 음성에 대응되는 태스크를 수행하는 단계;를 포함하는 제어 방법.
제11항에 있어서,
상기 질문은,
상기 사용자 음성에 대응되는 태스크와 관련없는 질문인 것을 특징으로 하는 제어 방법.
제11항에 있어서,
상기 판단하는 단계는,
상기 사용자 음성을 분석하여 상기 사용자 음성과 관련된 태스크 및 태스크를 수행하기 위한 엔티티(entity)를 식별하는 단계;
상기 식별된 태스크 및 엔티티를 바탕으로 상기 사용자 음성의 보안 점수를 획득하는 단계;
상기 사용자 음성의 보안 점수를 바탕으로 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성인지 여부를 판단하는 단계;를 포함하는 제어 방법.
제13항에 있어서,
상기 제어 방법은,
상기 사용자 음성의 보안 점수를 바탕으로 상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 상기 보안 점수를 바탕으로 상기 질문을 생성하는 단계;를 포함하는 제어 방법.
제14항에 있어서,
상기 생성하는 단계는,
상기 보안 점수가 높을수록 상기 사용자 음성에 대응되는 태스크와 관련도가 낮은 질문을 생성하는 제어 방법.
제14항에 있어서,
상기 제어 방법은,
상기 보안 점수가 임계값 이상이면, 사용자 인증을 위한 인증 메시지를 제공하는 단계;를 포함하는 제어 방법.
제11항에 있어서,
상기 제어 방법은,
상기 사용자 음성에 포함된 텍스트 중 적어도 하나를 추출하고, 상기 추출된 적어도 하나의 텍스트에 대한 사용자 발화를 유도하기 위한 질문을 생성하는 단계;를 포함하는 제어 방법.
제11항에 있어서,
상기 전자 장치를 사용하는 사용자의 음성을 분석하여 다른 사용자와 구별되는 텍스트에 대한 음성 특징 정보를 획득하여 저장하는 단계;를 포함하는 제어 방법.
제18항에 있어서,
상기 제어 방법은,
상기 사용자 음성이 사용자 확인이 필요한 태스크와 관련된 음성이라고 판단되면, 상기 저장된 텍스트를 포함하는 질문을 생성하는 단계;를 포함하며,
상기 수행하는 단계는,
상기 사용자 응답에 상기 텍스트에 대한 음성 특정 정보가 획득되면, 상기 사용자 음성에 대응되는 태스크를 수행하는 제어 방법.
제11항에 있어서,
상기 사용자 확인이 필요한 태스크는,
송금 태스크, 제품 구매 태스크, 이메일 전송 태스크, 메시지 전송 태스크, 전화 발신 태스크를 포함하는 제어 방법.