KR20210073252A - 인공 지능 장치 및 그의 동작 방법 - Google Patents

인공 지능 장치 및 그의 동작 방법 Download PDF

Info

Publication number
KR20210073252A
KR20210073252A KR1020190163879A KR20190163879A KR20210073252A KR 20210073252 A KR20210073252 A KR 20210073252A KR 1020190163879 A KR1020190163879 A KR 1020190163879A KR 20190163879 A KR20190163879 A KR 20190163879A KR 20210073252 A KR20210073252 A KR 20210073252A
Authority
KR
South Korea
Prior art keywords
model
weight
artificial intelligence
signal
probability
Prior art date
Application number
KR1020190163879A
Other languages
English (en)
Inventor
윤환식
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190163879A priority Critical patent/KR20210073252A/ko
Priority to US16/855,872 priority patent/US11322134B2/en
Publication of KR20210073252A publication Critical patent/KR20210073252A/ko

Links

Images

Classifications

    • 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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • 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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • 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
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • G06N3/0454—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0455—Auto-encoder networks; Encoder-decoder networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised 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
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • 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
    • G10L15/16—Speech classification or search using artificial neural networks
    • 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
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • 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
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting systems
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • 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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G10L2015/0635—Training updating or merging of old and new templates; Mean values; Weighting
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L25/81—Detection of presence or absence of voice signals for discriminating voice from music

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 개시의 실시 예에 따른 인공 지능 장치는 수신된 음성 신호가 잡음 신호로 분류될 확률을 획득하고, 상기 음성 신호에 기초하여, 상기 음성 신호가 어떤 음소에 속하는지를 결정하는 제1 모델의 신뢰도를 계산하고, 상기 확률 및 상기 제1 모델의 신뢰도에 기반하여, 상기 제1 모델의 가중치를 결정하고, 결정된 제1 모델의 가중치를 이용하여, 상기 음성 신호에 대한 음성 인식 결과를 출력할 수 있다.

Description

인공 지능 장치 및 그의 동작 방법{ARTIFICIAL INTELLIGENCE DEVICE AND OPERATING METHOD THEREOF}
본 발명은 인공 지능 장치에 관한 것으로, 보다 상세하게는 연속어의 음성 인식 결과를 출력하는 인공 지능 장치에 관한 것이다.
연속어의 음성 인식을 위한 모델은 음향 모델 및 언어 모델로 분리되어 있다. 음향 모델은 각 프레임 단위의 음성 입력이 어떤 음소에 가까운지를 스코어를 통해 출력하는 모델이다. 언어 모델은 주어진 단어열에 대해 발생할 확률을 스코어로 출력하는 모델이다.
음성 인식 결과는 음향 모델 및 언어 모델 각각에 가중치를 적용함에 따라 최종 스코어를 도출하는 방식으로 결정된다.
최종적인 음성 인식 결과는 복수의 인식 후보들 중에서, 최종 스코어가 가장 높은 인식 후보가 선택되게 된다. 즉, 최종적인 음성 인식 결과는 음향 모델 또는 언어 모델에 적용되는 가중치에 따라 달라질 수 있다.
기존 음성 인식기는 음향 모델의 가중치와 언어 모델의 가중치가 고정되어 있어, 최적의 음성 인식 성능을 낼 수 없었다. 특히, 잡음 환경에서는, 음향 모델의 변별력이 약해져, 언어 모델이 인식 성능에 더 중요한 역할을 차지할 수 있다.
본 개시는 음성 인식 시, 입력되는 음성 신호에 따라 음향 모델의 가중치를 조절하여, 음성 인식의 성능을 개선시키고자 하는 것에 그 목적이 있다.
본 개시는 음성 신호에 잡음 신호나 묵음 신호가 포함된 경우, 음향 모델의 가중치를 감소시키고, 언어 모델의 가중치를 증가시켜, 음성 인식 성능을 개선시키고자 하는 것에 그 목적이 있다.
본 개시는 입력되는 음성 신호에 대해 시간에 따라 음향 모델의 가중치에 변화를 주어, 음성 인식의 성능을 향상시키고자 하는 것에 그 목적이 있다.
본 개시의 실시 예에 따른 인공 지능 장치는 수신된 음성 신호가 잡음 신호로 분류될 확률을 획득하고, 상기 음성 신호에 기초하여, 상기 음성 신호가 어떤 음소에 속하는지를 결정하는 제1 모델의 신뢰도를 계산하고, 상기 확률 및 상기 제1 모델의 신뢰도에 기반하여, 상기 제1 모델의 가중치를 결정하고, 결정된 제1 모델의 가중치를 이용하여, 상기 음성 신호에 대한 음성 인식 결과를 출력할 수 있다.
상기 인공 지능 장치는 상기 제1 모델의 가중치는 상기 음성 신호를 구성하는 복수의 단위 프레임들 각각에 따라 변경될 수 있다.
본 개시의 실시 예에 따르면, 입력된 음성 신호에 따라 음향 모델의 최적 가중치를 추적하여, 음성 인식의 성능이 개선될 수 있다.
또한, 음향 모델의 가중치를 전체 음성 신호에 고정 값으로 적용하지 않고, 시간에 따라 변화를 두어, 음성 인식의 성능이 크게 개선될 수 있다.
도 1은 본 개시의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 개시의 또 다른 실시 예에 따른 AI 장치를 나타낸다.
도 5는 본 개시의 실시 예에 따른 인공 지능 장치의 동작 방법을 설명하기 위한 흐름도이다.
도 6은 본 개시의 실시 예에 따른 잡음 신호 추정 모델의 학습 과정을 설명하는 도면이다.
도 7은 학습된 잡음 신호 추정 모델을 이용하여, 입력된 음성 신호로부터 잡음 신호를 추출하는 과정을 설명하는 도면이다.
도 8은 음성 신호를 구성하는 복수의 단위 프레임들 각각이 잡음으로 분류될 확률 값을 도시한 도면이다.
도 9 및 도 10은 본 개시의 실시 예에 따라 입력된 음성 신호에 대한 음향 모델의 신뢰도를 측정하기 위한 과정을 설명하는 도면이다.
도 11은 본 개시의 실시 예에 따른 가중치 추정 모델의 학습 과정을 설명하는 도면이고, 도 12는 학습된 가중치 추정 모델에 따라 음향 모델의 가중치를 추정하는 예를 설명하는 도면이다.
도 13은 본 개시의 실시 예에 따른 프로세서의 구성을 설명하는 도면이다.
도 14는 본 개시의 일 실시 예에 따른 인공 지능 시스템의 동작 방법을 설명하기 위한 래더 다이어그램이다.
<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 개시의 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 개시의 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 개시의 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. 예를 들어, 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 개시의 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, 단말기(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
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 개시의 실시 예에 따른 인공 지능 장치의 동작 방법을 설명하기 위한 흐름도이다.
도 5의 동작 방법은 AI 서버(200)의 프로세서(260)에 의해서도 수행될 수 있다. 이에 대해서는 후술한다.
인공 지능 장치(100)의 프로세서(180)는 음성 신호로부터 잡음 신호를 추출한다(S501).
프로세서(180)는 잡음 신호 추정 모델을 이용하여, 음성 신호로부터, 잡음 신호를 추출할 수 있다.
프로세서(180)는 음성 신호를 구성하는 복수의 단위 구간들(또는 단위 프레임들) 각각이 잡음으로 분류될 확률을 획득할 수 있다.
잡음 신호 추정 모델은 딥 러닝 알고리즘 또는 머신 러닝 알고리즘에 의해 학습된 인공 신경망 모델일 수 있다.
잡음 신호 추정 모델은 음성 신호를 구성하는 복수의 구간들 각각이 잡음 신호로 분류될 확률을 추정하는 모델일 수 있다.
잡음 신호 추정 모델은 인공 지능 장치(100)의 러닝 프로세서(130)에 의해 학습될 수 있다. 잡음 신호 추정 모델은 메모리(170)에 저장될 수 있다.
잡음 신호 추정 모델의 학습 과정 및 학습된 모델에 따라 음성 신호로부터, 잡음 신호를 추출하는 과정에 대해서는, 도 6 내지 도 8을 참조하여, 설명한다.
도 6은 본 개시의 실시 예에 따른 잡음 신호 추정 모델의 학습 과정을 설명하는 도면이고, 도 7은 학습된 잡음 신호 추정 모델을 이용하여, 입력된 음성 신호로부터, 잡음 발생 구간의 확률을 추출하는 과정을 설명하는 도면이고, 도 8은 음성 신호를 구성하는 복수의 단위 프레임들 각각이 잡음으로 분류될 확률 값을 도시한 도면이다.
도 6을 참조하면, 잡음 신호 추정 모델(600)은 학습용 음성 데이터 및 잡음 신호를 나타내는 레이블링 데이터를 포함하는 트레이닝 데이터로부터, 음성 데이터의 구간(또는 프레임) 마다, 해당 구간이 잡음 신호로 분류될 확률을 출력할 수 있다.
음성 데이터의 시간 구간(또는 하나의 프레임)은 0.5s 에 해당되는 일부 신호일 수 있으나, 이는 예시에 불과하다.
잡음 신호 추정 모델(600)은 레이블링 데이터가 나타내는 확률과 잡음 신호로 분류될 확률 간의 차이에 상응하는 비용 함수를 최소화하도록 학습될 수 있다.
예를 들어, 레이블링 데이터가 나타내는 확률은 0 또는 1일 수 있다. 레이블링 데이터가 나타내는 확률이 1이면, 해당 구간의 음성 데이터는 잡음 신호에 대응되고, 레이블링 데이터가 나타내는 확률이 0이면, 해당 구간의 음성 데이터는 잡음 신호가 아닌 것에 대응될 수 있다.
잡음 신호 추정 모델(600)의 학습에 사용되는 학습용 음성 데이터에는 잡음 신호를 나타내는 확률 값(0 또는 1)이 라벨링될 수 있고, 라벨링된 학습 데이터를 이용하여, 잡음 신호 추정 모델(600)이 학습될 수 있다.
잡음 신호 추정 모델(600)은 주어진 학습용 음성 데이터로부터, 라벨링된 잡음 신호로 분류될 확률을 정확하게 추론하는 것을 목표로 학습될 수 있다.
잡음 신호 추정 모델(600)의 비용 함수는 각 학습용 음성 데이터에 상응하는 잡음 신호로 분류될 확률에 대한 라벨과, 트레이닝 데이터 세트로부터 추론된 잡음 신호로 분류된 확률 간의 차이의 제곱 평균으로 표현될 수 있다.
잡음 신호 추정 모델(600)은 지도 학습을 통하여, 비용 함수를 최소화하도록, 인공 신경망에 포함된 모델 파라미터들이 결정될 수 있다.
학습용 음성 데이터로부터, 입력 특징 벡터가 추출되어, 잡음 신호 추정 모델(600)에 입력되면, 잡음 신호로 분류된 확률이 대상 특징 벡터로 출력될 수 있다.
잡음 신호 추정 모델(600)은 출력된 대상 특징 벡터와 라벨링된 레이블링 데이터 간의 차이에 상응하는 비용 함수의 값이 최소화되도록 학습될 수 있다.
도 7을 참조하면, 입력된 음성 신호로부터, 음성 신호가 잡음 신호로 분류될 확률 분포를 추출하는 과정을 보여주고 있다.
즉, 프로세서(180)는 기 학습된 잡음 신호 추정 모델(600)을 이용하여, 마이크로폰(122)을 통해 입력된 음성 신호로부터, 음성 신호에 상응하는 잡음 신호의 확률 분포(710)를 획득할 수 있다.
프로세서(180)는 입력된 음성 신호를 구성하는 복수의 구간들 각각에 대해, 잡음 신호 추정 모델(600)로부터 추론된 잡음 신호일 확률들을 획득할 수 있다. 그 후, 프로세서(180)는 획득된 확률들의 시간에 따른 분포인 잡음 신호 확률 분포(710)를 획득할 수 있다.
도 8을 참조하면, 복수의 단위 프레임들 각각이 잡음 신호로 분류된 확률 값들을 보여준다.
전체 음성 신호의 구간들은 일정 시간 구간마다 나누어질 수 있다. 일정 시간은 0.5s일 수 있으나, 이는 예시에 불과한 수치이다.
다시, 도 5를 설명한다.
단계 S501의 음성 신호로부터 잡음 신호를 추출하는 과정은, 음성 신호를 구성하는 복수의 구간들이 잡음 신호로 분류될 확률 분포(710)를 획득하는 과정일 수 있다.
인공 지능 장치(100)의 프로세서(180)는 음성 신호에 기초하여, 음향 모델의 신뢰도를 계산한다(S503).
음향 모델은 각 프레임 단위(각 구간 단위)의 단위 음성 신호가 어떤 음소에 가까운지를 스코어를 통해 출력하는 모델일 수 있다.
음향 모델은 메모리(170)에 저장될 수 있다.
음향 모델의 신뢰도는 입력된 음성 신호에 대해 음향 모델이 출력하는 스코어가 얼마나 신뢰 가능한지를 나타내는 정도를 나타낼 수 있다.
음향 모델의 신뢰도는 음향 모델의 출력에 기반하여, 엔트로피를 계산하고, 계산된 엔트로피로부터, 얻어질 수 있다.
음향 모델의 신뢰도를 측정하는 과정에서 대해서는, 이하의 도면을 참조하여 설명한다.
도 9 및 도 10은 본 개시의 실시 예에 따라 입력된 음성 신호에 대한 음향 모델의 신뢰도를 측정하기 위한 과정을 설명하는 도면이다.
특히, 도 9는 음향 모델의 신뢰도를 획득하는 과정을 설명하는 흐름도이다.
도 9를 참조하면, 인공 지능 장치(100)의 프로세서(180)는 입력된 음성 신호에 대한 음향 모델의 출력을 획득한다(S901).
음향 모델은 음성 인식을 위한 모델로, 음성 신호가 어떤 음소에 가까운지를 스코어를 통해 출력하는 모델일 수 있다.
음향 모델은 음성 신호를 구성하는 복수의 단위 프레임(단위 구간)들의 각각에 상응하는 클래스(예를 들어, 음소)의 확률 분포들을 출력할 수 있다.
이에 대해서는, 후술한다.
인공 지능 장치(100)의 프로세서(180)는 획득된 음향 모델의 출력에 기초하여, 엔트로피를 계산한다(S903).
인공 지능 장치(100)의 프로세서(180)는 계산된 엔트로피를 이용하여, 음향 모델의 신뢰도를 획득한다(S905).
도 10에서는 음향 모델의 출력 및 음향 모델의 출력을 이용하여, 음향 모델의 엔트로피를 계산하는 과정을 설명한다.
도 10을 참조하면, t=5인, 제1 단위 프레임에 대한, 음향 모델이 출력하는 제1 클래스 확률 분포(1010) 및 t=10인, 제2 단위 프레임에 대한 음향 모델이 출력하는 제2 클래스 확률 분포(1030)를 도시하고 있다. 여기서, t 값은 시간 범위를 가질 수도 있다.
제1 클래스 확률 분포(1010) 및 제2 클래스 확률 분포(1030) 각각이 나타내는 그래프의 가로축은 벡터의 차수이고, 세로 축은, 확률 값일 수 있다.
벡터의 차수는 <a>, <b>, <c> 등과 같은 음소에 대응될 수 있다.
제1 클래스 확률 분포(1010)는 복수의 클래스들(복수의 음소들)에 대한 확률 분포를 보여줌을 예로 든다. 제1 클래스 확률 분포(1010)를 참조하면, 189 차수의 벡터에 대한 확률 값이 0.95로 집중되어 있다. 189 차수의 벡터는 <a>라는 클래스(또는 음소)에 대응될 수 있다.
프로세서(180)는 제1 클래스 확률 분포(1010)를 통해 t=5인 제1 단위 프레임에서는, 음향 모델의 출력 값이, 특정 클래스에 집중되어 있음을 판단할 수 있다.
이 경우, 프로세서(180)는 제1 단위 프레임에 대한 음향 모델의 엔트로피가 낮은 것으로 판단할 수 있다.
프로세서(180)는 제1 클래스 확률 분포(1010)를 통해 복수의 클래스들 중 가장 큰 확률 값과 1과의 차이를 엔트로피로 계산할 수 있다.
예를 들어, 프로세서(180)는 제1 클래스 확률 분포(1010) 상에서 189번 클래스의 확률 값이 0.95로 가장 크고, 1에서 0.95을 뺀 0.05를 음향 모델의 엔트로피로 계산할 수 있다.
프로세서(180)는 계산된 음향 모델의 엔트로피의 역수를 음향 모델의 신뢰도로 획득할 수 있다. 즉, 제1 단위 프레임에 대한 음향 모델의 신뢰도는 1/(0.05)=20으로 결정될 수 있다.
마찬가지로, 제2 클래스 확률 분포(1030)는 복수의 클래스들(복수의 음소들)에 대한 확률 분포를 보여줌을 예로 든다. 제2 클래스 확률 분포(1030)를 참조하면, 51 차수의 벡터에 대한 확률 값이 0.48로 집중되어 있다. 51 차수의 벡터는 <b>라는 클래스(또는 음소)에 대응될 수 있다.
프로세서(180)는 제2 클래스 확률 분포(1030)를 통해 제2 단위 프레임에서는, 음향 모델의 출력 값이, 제2 클래스 확률 분포(1010)와는 달리, 특정 클래스에 집중되어 있지 않고, 분산되어 있는 것으로 판단할 수 있다.
이 경우, 프로세서(180)는 제2 단위 프레임에 대한 음향 모델의 엔트로피가 높은 것으로 판단할 수 있다.
프로세서(180)는 제2 클래스 확률 분포(1030)를 통해 복수의 클래스들 중 가장 큰 확률 값과 1과의 차이를 엔트로피로 계산할 수 있다.
예를 들어, 프로세서(180)는 제2 클래스 확률 분포(1030) 상에서 51번 클래스의 확률 값이 0.48로 가장 크고, 1에서 0.48을 뺀 0.52를 음향 모델의 엔트로피로 계산할 수 있다.
프로세서(180)는 계산된 음향 모델의 엔트로피의 역수를 음향 모델의 신뢰도로 획득할 수 있다. 즉, 제2 단위 프레임에 대한 음향 모델의 신뢰도는 1/(0.52)=1.923으로 결정될 수 있다.
제2 단위 프레임에 대한 음향 모델의 신뢰도는 제1 단위 프레임에 대한 음향 모델의 신뢰도보다 낮을 수 있다. 즉, 제2 단위 프레임에는 잡음 신호로 인해, 음향 모델의 신뢰도가 떨어진 것으로 판단될 수 있다.
이와 같이, 음향 모델의 엔트로피는 음향 모델의 신뢰도가 높고 낮음을 판단하는 척도로 사용될 수 있다.
다시, 도 5를 설명한다.
인공 지능 장치(100)의 프로세서(180)는 잡음 신호의 확률 분포 및 음향 모델의 신뢰도에 기반하여, 음향 모델의 가중치를 결정한다(S505).
프로세서(180)는 가중치 추정 모델을 이용하여, 잡음 신호의 확률 값 및 음향 모델의 신뢰도에 기반하여, 음향 모델의 가중치를 결정할 수 있다.
가중치 추정 모델은 딥 러닝 알고리즘 또는 머신 러닝 알고리즘에 의해 학습된 인공 신경망 기반의 모델일 수 있다.
가중치 추정 모델은 지도 학습에 의해 학습된 모델일 수 있다.
가중치 추정 모델은 음성 신호가 잡음 신호일 확률 및 음향 모델의 신뢰도로부터, 최적의 가중치를 추정하는 모델일 수 있다.
가중치 추정 모델의 학습 과정 및 가중치 추정 모델을 이용하여, 음향 모델의 가중치를 결정하는 과정을 이하의 도면을 참조하여 설명한다.
도 11은 본 개시의 실시 예에 따른 가중치 추정 모델의 학습 과정을 설명하는 도면이고, 도 12는 학습된 가중치 추정 모델에 따라 음향 모델의 가중치를 추정하는 예를 설명하는 도면이다.
도 11를 참조하면, 가중치 추정 모델(1100)은 인공 신경망 기반으로 지도 학습된 모델일 수 있다.
가중치 추정 모델(1100)의 학습을 위한 트레이닝 데이터 세트는 학습용 음성 데이터의 매 프레임별, 잡음 신호로 분류된 확률 값, 음향 모델의 신뢰도 및 이에 레이블된 레이블링 데이터를 포함할 수 있다. 레이블링 데이터는 정답 데이터로, 음향 모델의 가중치일 수 있다.
가중치 추정 모델(1100)은 추론 결과는 음향 모델의 가중치와 레이블링 데이터가 나타내는 가중치 간의 차이에 상응하는 비용 함수가 최소화되도록 학습될 수 있다.
가중치 추정 모델(1100)은 주어진 트레이닝 데이터 세트로부터, 라벨링된 음향 모델의 가중치를 정확하게 추론하는 것을 목표로 학습될 수 있다.
가중치 추정 모델(1100)은 지도 학습을 통해, 비용 함수를 최소화하도록, 인공 신경망에 포함된 모델 파라미터들이 결정될 수 있다.
학습용 확률 값 및 신뢰도로부터, 입력 특징 벡터가 추출되어, 가중치 추정 모델(1100)에 입력되면, 음향 모델의 가중치가 대상 특징 벡터로 출력될 수 있다.
가중치 추정 모델(1100)은 출력된 대상 특징 벡터와 라벨링된 레이블링 데이터 간의 차이에 상응하는 비용 함수의 값이 최소화되도록 학습될 수 있다.
도 12를 참조하면, 학습이 완료된 가중치 추정 모델(1200)을 통해 음향 모델의 가중치가 얻어지는 과정을 도시하고 있다.
마이크로폰(122)을 통해 입력된 음성 신호(1200)는 제1 잡음 신호(1211), 제2 잡음 신호(1213) 및 묵음 신호(1215)를 포함할 수 있다.
묵음 신호(1215)는 음성 신호의 진폭이 기 설정된 진폭보다 작은 신호일 수 있다.
프로세서(180)는 잡음 신호 추정 모델(600)을 이용하여, 음성 신호(1200)의 각 단위 프레임에 대해, 잡음 신호로 분류될 확률들을 나타내는 확률 분포(1230)를 획득할 수 있다.
프로세서(180)는 확률 분포(1230)를 이용하여, 음향 모델의 신뢰도를 나타내는 신뢰도 추이 그래프(1250)를 획득할 수 있다. 이에 대해서는, 도 9 및 도 10에 설명된 바와 같다.
신뢰도 추이 그래프(1250)는 잡음의 발생을 나타내는 제1 잡음 신호(1211)에 따른 제1 신뢰도 감소 구간(1251) 및 제2 잡음 신호(1213)에 따른 제2 신뢰도 감소 구간(1253)을 포함할 수 있다.
또한, 신뢰도 추이 그래프(1250)는 묵음 신호(1215)에 따른 제3 신뢰도 감소 구간(1253)을 포함할 수 있다.
즉, 잡음의 발생뿐만 아니라, 묵음에 의해서도, 음향 모델의 신뢰도는 떨어질 수 있다.
프로세서(180)는 가중치 추정 모델(1100)을 이용하여, 잡음 신호의 확률 분포(1230) 및 신뢰도 추이 그래프(1250)로부터, 음향 모델의 가중치를 결정할 수 있다.
프로세서(180)는 시간의 추이에 따른 음향 모델의 가중치 변화를 나타내는 가중치 변화 그래프(1270)를 획득할 수 있다.
위와 같이, 프로세서(180)는 가중치 추정 모델(1100)을 이용하여, 음성 신호의 단위 프레임 별, 음향 모델의 가중치를 결정할 수 있다.
다시, 도 5를 설명한다.
한편, 음향 모델의 가중치가 결정된 경우, 언어 모델의 가중치는 음향 모델의 가중치에 따라 자동으로, 결정될 수 있다.
예를 들어, 프로세서(180)는 음향 모델의 가중치가 0.8인 경우, 언어 모델의 가중치는 (1-0.8)=0.2가 될 수 있다. 이와 같이, 음향 모델의 가중치와 언어 모델의 가중치의 합은 1일 수 있다. 그러나, 이는 예시에 불과한 수치이다.
인공 지능 장치(100)의 프로세서(180)는 결정된 음향 모델의 가중치에 기반하여, 음성 신호에 대한 음성 인식 결과를 획득한다(S507).
프로세서(180)는 음향 모델의 가중치에 기초하여, 언어 모델의 가중치를 결정하고, 결정된 가중치들에 기반하여, 음성 신호에 대한 음성 인식 결과를 획득할 수 있다.
음성 인식 결과는 음성 신호에 상응하는 음성 데이터를 텍스트 데이터로 변환한 결과일 수 있다.
음성 인식 결과는 변환된 텍스트 데이터의 의도의 분석 결과를 포함할 수 있다.
인공 지능 장치(100)의 프로세서(180)는 획득된 음성 인식 결과를 출력한다(S509).
프로세서(180)는 출력부(150)의 출력부(150)에 포함된 디스플레이부(151) 또는 음향 출력부(152)를 통해 음성 인식 결과를 출력할 수 있다.
이와 같이, 본 개시의 실시 예에 따르면, 입력된 음성 신호에 따라 음향 모델의 최적 가중치를 추적하여, 음성 인식의 성능이 개선될 수 있다.
또한, 음향 모델의 가중치를 전체 음성 신호에 고정 값으로 적용하지 않고, 시간에 따라 변화를 두어, 음성 인식의 성능이 크게 개선될 수 있다.
도 13은 본 개시의 실시 예에 따른 프로세서의 구성을 설명하는 도면이다.
이하에서는, 도 13의 구성 요소들이 프로세서(180)에 포함됨을 가정하여 설명하나, 이에 한정될 필요는 없고, 인공 지능 장치(100)의 러닝 프로세서(130), AI 서버(200)의 러닝 프로세서(240) 또는 AI 서버(200)의 프로세서(260)에 포함될 수도 있다.
도 13을 참조하면, 프로세서(180)는 잡음 신호 추정기(181), 음향 모델 신뢰도 계산기(183), 가중치 추정기(185) 및 음성 인식기(187)를 포함할 수 있다.
잡음 신호 추정기(181)는 입력된 음성 신호로부터, 잡음 신호의 발생을 추정할 수 있다. 잡음 신호 추정기(181)는 잡음 추정 모델(600)을 이용하여, 음성 신호를 구성하는 복수의 단위 프레임들 각각에 대해, 해당 단위 프레임이 잡음 신호로 분류될 확률을 출력할 수 있다.
잡음 신호 추정기(181)는 음성 신호를 구성하는 복수의 단위 프레임들 각각에 상응하는 복수의 확률 값들을 포함하는 확률 분포를 추정할 수 있다.
음향 모델 신뢰도 계산기(183)는 음향 모델(187a)의 신뢰도를 계산할 수 있다 음향 모델 신뢰도 계산기(183)는 음성 신호의 전체 시간 구간 내에서, 잡음 신호의 분포를 나타내는 확률 분포를 이용하여, 음향 모델(187a)의 엔트로피를 계산할 수 있고, 계산된 엔트로피를 이용하여, 음향 모델(187a)의 신뢰도를 계산할 수 있다. 이에 대해서는 도 9 및 도 10의 실시 예에서 설명된 바와 같다.
가중치 추정기(185)는 가중치 추정 모델(1100)을 이용하여, 잡음 신호 추정기(1810)에서 출력된 확률 분포와 음향 모델(187a)의 신뢰도로부터, 음향 모델(187a)의 가중치를 추정할 수 있다.
가중치 추정기(185)는 음성 신호를 구성하는 복수의 단위 프레임들 각각에 대해, 음향 모델(187a)의 가중치를 추정할 수 있다. 즉, 가중치 추정기(185)는 시간의 변화에 따라 음향 모델(187a)의 가중치를 변화시킬 수 있다.
음성 인식기(187)는 음향 모델(187a)의 가중치에 기초하여, 언어 모델(187b)의 가중치를 결정할 수 있다.
음성 인식기(187)는 기 설정된 값에서, 음향 모델(187a)의 가중치를 감산하여, 언어 모델(187b)의 가중치를 결정할 수 있다.
음성 인식기(187)는 결정된 음향 모델(187a)의 가중치 및 언어 모델(187b)의 가중치를 이용하여, 음성 신호에 대한 음성 인식 결과를 출력할 수 있다.
음향 모델(187a)은 음성 신호를 구성하는 복수의 단위 프레임들 각각이 어떤 음소에 해당되는지를 결정하는 모델일 수 있다.
음향 모델(187a)은 단위 프레임(또는 단위 음성 구간)이 어떤 음소에 가까운지를 확률 또는 스코어를 통해 출력하는 모델일 수 있다.
언어 모델(187b)은 이전 단어로부터 다음 단어를 예측하는 모델일 수 있다.
언어 모델(187b)은 주어진 단어 시퀀스에 확률을 할당하는 모델일 수 있다.
음성 인식기(187)는 입력된 음성 신호에 대해 가중치가 적용된 음향 모델(187a)의 출력 및 언어 모델(187b)의 출력을 통해 음성 인식 결과를 출력할 수 있다.
음성 인식 결과는 음성 신호에 상응하는 단어 또는 문장의 텍스트 데이터일 수 있다.
음성 인식 결과는 상기 텍스트 데이터가 인식되었음을 나타내는 출력일 수 있다.
도 14는 본 개시의 일 실시 예에 따른 인공 지능 시스템의 동작 방법을 설명하기 위한 래더 다이어그램이다.
도 14는 음향 모델(600)의 가중치를 추정하고, 음성 신호에 대한 음성 인식 결과를 획득하는 주체가 AI 서버(200)인 실시 예를 설명하는 도면이다.
도 14를 참조하면, 인공 지능 장치(100)의 프로세서(180)는 마이크로폰(122)을 통해 음성 신호를 수신한다(S1401).
인공 지능 장치(100)의 프로세서(180)는 통신부(110, 또는 통신 인터페이스라 명명)를 통해 음성 신호에 상응하는 음성 데이터를 AI 서버(200)에 전송한다(S1403).
AI 서버(200)의 프로세서(260)는 수신된 음성 데이터로부터 잡음 신호를 추출한다(S1405).
프로세서(260)는 음성 데이터로부터, 음성 신호를 복원할 수 있고, 음성 신호로부터, 잡음 신호를 추출할 수 있다.
프로세서(260)는 도 6 및 도 7에서 설명한, 잡음 신호 추정 모델(600)을 이용하여. 음성 신호를 구성하는 복수의 단위 프레임들 각각이 잡음으로 분류될 확률을 획득할 수 있다.
잡음 신호 추정 모델(600)은 AI 서버(200)의 메모리(230)에 저장될 수 있다.
AI 서버(200)의 프로세서(260)는 음성 데이터에 기초하여, 음향 모델의 신뢰도를 계산한다(S1407).
이에 대해서는, 도 9 및 도 10의 설명으로 대체한다.
AI 서버(200)의 프로세서(260)는 잡음 신호의 확률과 음향 모델의 신뢰도에 기반하여, 음향 모델의 가중치를 결정한다(S1409).
프로세서(260)는 메모리(230)에 저장된 가중치 추정 모델(1100)에 기반하여, 음향 모델의 가중치를 결정할 수 있다.
이에 대해서는 도 11 및 도 12의 설명으로 대체한다.
AI 서버(200)의 프로세서(260)는 결정된 음향 모델의 가중치에 기반하여, 음성 신호의 음성 인식 결과를 획득한다(S1411).
프로세서(260)는 음향 모델의 가중치에 기반하여, 언어 모델의 가중치를 결정하고, 결정된 음향 모델의 가중치 및 언어 모델의 가중치에 기반하여, 음성 신호에 대한 음성 인식 결과를 획득할 수 있다.
AI 서버(200)의 프로세서(260)는 통신부(210)를 통해 획득된 음성 인식 결과를 인공 지능 장치(100)에 전송한다(S1413).
인공 지능 장치(100)의 프로세서(180)는 출력부(150)를 통해, AI 서버(200)로부터 수신된 음성 인식 결과를 출력한다(S1415).
전술한 본 개시는, 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. 또한, 상기 컴퓨터는 인공 지능 기기의 프로세서(180)를 포함할 수도 있다.

Claims (20)

  1. 인공 지능 장치에 있어서,
    메모리;
    스피커 또는 디스플레이를 포함하는 출력부;
    음성 신호를 수신하는 마이크로폰; 및
    수신된 음성 신호가 잡음 신호로 분류될 확률을 획득하고, 상기 음성 신호에 기초하여, 상기 음성 신호가 어떤 음소에 속하는지를 결정하는 제1 모델의 신뢰도를 계산하고, 상기 확률 및 상기 제1 모델의 신뢰도에 기반하여, 상기 제1 모델의 가중치를 결정하고, 결정된 제1 모델의 가중치를 이용하여, 상기 음성 신호에 대한 음성 인식 결과를 상기 출력부를 통해 출력하는 하나 이상의 프로세서를 포함하는
    인공 지능 장치.
  2. 제1항에 있어서,
    상기 하나 이상의 프로세서는
    기 설정된 값에서, 상기 제1 모델의 가중치를 감산한 값을 제2 모델의 가중치로 결정하고,
    상기 제2 모델은 이전 단어로부터, 다음 단어를 예측하는 모델이고,
    상기 제1 모델의 가중치 및 상기 제2 모델의 가중치에 기반하여, 상기 음성 신호에 대한 상기 음성 인식 결과를 획득하는
    인공 지능 장치.
  3. 제1항에 있어서,
    상기 하나 이상의 프로세서는
    상기 메모리에 저장된 잡음 신호 추정 모델을 이용하여, 상기 복수의 단위 프레임들 각각이 잡음에 해당되는 확률들을 획득하는
    인공 지능 장치.
  4. 제3항에 있어서,
    상기 잡음 신호 추정 모델은
    딥 러닝 알고리즘 또는 머신 러닝 알고리즘에 의해 지도 학습된 인공 신경망 기반의 모델이고,
    상기 잡음 신호 추정 모델의 지도 학습에 사용되는 트레이닝 데이터 세트는 학습용 음성 데이터, 상기 학습용 음성 데이터가 잡음 신호임을 나타내는 레이블링 데이터를 포함하고,
    상기 잡음 신호 추정 모델은 상기 잡음 신호 추정 모델이 추론한 단위 프레임이 잡음 신호일 확률 및 상기 레이블링 데이터 간의 차이에 상응하는 비용 함수가 최소화되도록 학습된 모델인
    인공 지능 장치.
  5. 제1항에 있어서,
    상기 하나 이상의 프로세서는
    상기 제1 모델로부터, 상기 음성 신호에 상응하는 복수의 클래스들의 확률 분포를 획득하고,
    획득된 확률 분포 각각에 기초하여, 상기 제1 모델의 엔트로피를 계산하고,
    계산된 엔트로피를 이용하여, 상기 제1 모델의 신뢰도를 계산하는
    인공 지능 장치.
  6. 제5항에 있어서,
    상기 하나 이상의 프로세서는
    상기 복수의 클래스들 중 가장 큰 확률 값과 1과의 차이를 상기 엔트로피로 계산하고,
    상기 계산된 엔트로피의 역수를 상기 제1 모델의 신뢰도로 획득하는
    인공 지능 장치.
  7. 제1항에 있어서,
    상기 하나 이상의 프로세서는
    상기 메모리에 저장된 가중치 추정 모델을 이용하여, 상기 확률 및 상기 제1 모델의 신뢰도로부터, 상기 제1 모델의 가중치를 결정하는
    인공 지능 장치.
  8. 제7항에 있어서,
    상기 가중치 추정 모델은
    딥 러닝 알고리즘 또는 머신 러닝 알고리즘에 의해 지도 학습된 인공 신경망 기반의 모델이고,
    상기 가중치 추정 모델의 지도 학습에 사용되는 트레이닝 데이터 세트는 학습용 잡음 신호의 확률 값, 상기 제1 모델의 신뢰도 및 이에 라벨링된 제1 모델의 정답 가중치를 나타내는 레이블링 데이터를 포함하고,
    상기 가중치 추정 모델은 상기 가중치 모델이 추론한 가중치 및 및 상기 레이블링 데이터 간의 차이에 상응하는 비용 함수가 최소화되도록 학습된 모델인
    인공 지능 장치.
  9. 제1항에 있어서,
    상기 제1 모델의 가중치는 상기 음성 신호를 구성하는 복수의 단위 프레임들 각각에 따라 변경되는
    인공 지능 장치.
  10. 제1항에 있어서,
    상기 음성 인식 결과는
    상기 음성 신호에 상응하는 텍스트 형태의 단어 또는 문장인
    인공 지능 장치.
  11. 인공 지능 장치의 동작 방법에 있어서,
    음성 신호를 수신하는 단계;
    수신된 음성 신호가 잡음 신호로 분류될 확률을 획득하는 단계;
    상기 음성 신호에 기초하여, 상기 음성 신호가 어떤 음소에 속하는지를 결정하는 제1 모델의 신뢰도를 계산하는 단계;
    상기 확률 및 상기 제1 모델의 신뢰도에 기반하여, 상기 제1 모델의 가중치를 결정하는 단계; 및
    결정된 제1 모델의 가중치를 이용하여, 상기 음성 신호에 대한 음성 인식 결과를 출력하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  12. 제11항에 있어서,
    기 설정된 값에서, 상기 제1 모델의 가중치를 감산한 값을 제2 모델의 가중치로 결정하는 단계를 더 포함하고,
    상기 제2 모델은 이전 단어로부터, 다음 단어를 예측하는 모델이고,
    상기 음성 인식 결과를 출력하는 단계는
    상기 제1 모델의 가중치 및 상기 제2 모델의 가중치에 기반하여, 상기 음성 신호에 대한 상기 음성 인식 결과를 획득하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  13. 제11항에 있어서,
    상기 확률을 획득하는 단계는
    잡음 신호 추정 모델을 이용하여, 상기 음성 신호를 구성하는 복수의 단위 프레임들 각각이 잡음에 해당되는 확률들을 획득하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  14. 제13항에 있어서,
    상기 잡음 신호 추정 모델은
    딥 러닝 알고리즘 또는 머신 러닝 알고리즘에 의해 지도 학습된 인공 신경망 기반의 모델이고,
    상기 잡음 신호 추정 모델의 지도 학습에 사용되는 트레이닝 데이터 세트는 학습용 음성 데이터, 상기 학습용 음성 데이터가 잡음 신호임을 나타내는 레이블링 데이터를 포함하고,
    상기 잡음 신호 추정 모델은 상기 잡음 신호 추정 모델이 추론한 단위 프레임이 잡음 신호일 확률 및 상기 레이블링 데이터 간의 차이에 상응하는 비용 함수가 최소화되도록 학습된 모델인
    인공 지능 장치의 동작 방법.
  15. 제11항에 있어서,
    상기 제1 모델의 신뢰도를 계산하는 단계는
    상기 제1 모델로부터, 상기 음성 신호에 상응하는 복수의 클래스들의 확률 분포를 획득하는 단계,
    획득된 확률 분포 각각에 기초하여, 상기 제1 모델의 엔트로피를 계산하는 단계 및
    계산된 엔트로피를 이용하여, 상기 제1 모델의 신뢰도를 계산하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  16. 제15항에 있어서,
    상기 엔트로피를 계산하는 단계는
    상기 복수의 클래스들 중 가장 큰 확률 값과 1과의 차이를 상기 엔트로피로 계산하는 단계를 포함하고,
    계산된 엔트로피를 이용하여, 상기 제1 모델의 신뢰도를 계산하는 단계는
    상기 계산된 엔트로피의 역수를 상기 제1 모델의 신뢰도로 획득하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  17. 제11항에 있어서,
    상기 제1 모델의 가중치를 결정하는 단계는
    상기 메모리에 저장된 가중치 추정 모델을 이용하여, 상기 확률 및 상기 제1 모델의 신뢰도로부터, 상기 제1 모델의 가중치를 결정하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  18. 제17항에 있어서,
    상기 가중치 추정 모델은
    딥 러닝 알고리즘 또는 머신 러닝 알고리즘에 의해 지도 학습된 인공 신경망 기반의 모델이고,
    상기 가중치 추정 모델의 지도 학습에 사용되는 트레이닝 데이터 세트는 학습용 잡음 신호의 확률 값, 상기 제1 모델의 신뢰도 및 이에 라벨링된 제1 모델의 정답 가중치를 나타내는 레이블링 데이터를 포함하고,
    상기 가중치 추정 모델은 상기 가중치 모델이 추론한 가중치 및 및 상기 레이블링 데이터 간의 차이에 상응하는 비용 함수가 최소화되도록 학습된 모델인
    인공 지능 장치의 동작 방법.
  19. 제11항에 있어서,
    상기 제1 모델의 가중치는 상기 음성 신호를 구성하는 복수의 단위 프레임들 각각에 따라 변경되는
    인공 지능 장치의 동작 방법.
  20. 인공 지능 장치의 동작 방법을 수행하기 위한 프로그램이 기록된 기록 매체에 있어서, 상기 동작 방법은
    음성 신호를 수신하는 단계;
    수신된 음성 신호가 잡음 신호로 분류될 확률을 획득하는 단계;
    상기 음성 신호에 기초하여, 상기 음성 신호가 어떤 음소에 속하는지를 결정하는 제1 모델의 신뢰도를 계산하는 단계;
    상기 확률 및 상기 제1 모델의 신뢰도에 기반하여, 상기 제1 모델의 가중치를 결정하는 단계; 및
    결정된 제1 모델의 가중치를 이용하여, 상기 음성 신호에 대한 음성 인식 결과를 출력하는 단계를 포함하는
    기록 매체.
KR1020190163879A 2019-12-10 2019-12-10 인공 지능 장치 및 그의 동작 방법 KR20210073252A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190163879A KR20210073252A (ko) 2019-12-10 2019-12-10 인공 지능 장치 및 그의 동작 방법
US16/855,872 US11322134B2 (en) 2019-12-10 2020-04-22 Artificial intelligence device and operating method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190163879A KR20210073252A (ko) 2019-12-10 2019-12-10 인공 지능 장치 및 그의 동작 방법

Publications (1)

Publication Number Publication Date
KR20210073252A true KR20210073252A (ko) 2021-06-18

Family

ID=76210199

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190163879A KR20210073252A (ko) 2019-12-10 2019-12-10 인공 지능 장치 및 그의 동작 방법

Country Status (2)

Country Link
US (1) US11322134B2 (ko)
KR (1) KR20210073252A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024053842A1 (ko) * 2022-09-08 2024-03-14 삼성전자주식회사 전자 장치 및 이의 제어 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11551666B1 (en) * 2020-05-28 2023-01-10 Amazon Technologies, Inc. Natural language processing

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9401140B1 (en) * 2012-08-22 2016-07-26 Amazon Technologies, Inc. Unsupervised acoustic model training
US9153231B1 (en) * 2013-03-15 2015-10-06 Amazon Technologies, Inc. Adaptive neural network speech recognition models
US9972315B2 (en) * 2015-01-14 2018-05-15 Honda Motor Co., Ltd. Speech processing device, speech processing method, and speech processing system
US20160284349A1 (en) * 2015-03-26 2016-09-29 Binuraj Ravindran Method and system of environment sensitive automatic speech recognition
US9892731B2 (en) * 2015-09-28 2018-02-13 Trausti Thor Kristjansson Methods for speech enhancement and speech recognition using neural networks
US9911413B1 (en) * 2016-12-28 2018-03-06 Amazon Technologies, Inc. Neural latent variable model for spoken language understanding
KR20180087942A (ko) * 2017-01-26 2018-08-03 삼성전자주식회사 음성 인식 방법 및 장치
US11132998B2 (en) * 2017-03-24 2021-09-28 Mitsubishi Electric Corporation Voice recognition device and voice recognition method
US10810996B2 (en) * 2018-07-31 2020-10-20 Nuance Communications, Inc. System and method for performing automatic speech recognition system parameter adjustment via machine learning
US11170761B2 (en) * 2018-12-04 2021-11-09 Sorenson Ip Holdings, Llc Training of speech recognition systems

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024053842A1 (ko) * 2022-09-08 2024-03-14 삼성전자주식회사 전자 장치 및 이의 제어 방법

Also Published As

Publication number Publication date
US20210174786A1 (en) 2021-06-10
US11322134B2 (en) 2022-05-03

Similar Documents

Publication Publication Date Title
US11663516B2 (en) Artificial intelligence apparatus and method for updating artificial intelligence model
KR102281515B1 (ko) 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US11495214B2 (en) Artificial intelligence device for providing voice recognition service and method of operating the same
KR102281602B1 (ko) 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법
KR20190106861A (ko) 학습 데이터를 생성하는 인공 지능 장치, 인공 지능 서버 및 그 방법
US11669781B2 (en) Artificial intelligence server and method for updating artificial intelligence model by merging plurality of pieces of update information
US20210173614A1 (en) Artificial intelligence device and method for operating the same
US20200050894A1 (en) Artificial intelligence apparatus and method for providing location information of vehicle
KR20210072362A (ko) 인공 지능 모델에 대한 학습 데이터를 생성하는 인공 지능 장치 및 그 방법
US10872438B2 (en) Artificial intelligence device capable of being controlled according to user&#39;s gaze and method of operating the same
KR102339085B1 (ko) 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210079666A (ko) 음향 모델을 학습시키기 위한 인공 지능 장치
KR20190102151A (ko) 사용자에게 정보를 제공하는 인공 지능 서버 및 그 방법
KR20190101333A (ko) 음성 인식 장치 및 음성 인식 방법
US11769047B2 (en) Artificial intelligence apparatus using a plurality of output layers and method for same
KR20190094312A (ko) 인공 지능을 이용하여, 복수의 로봇들을 제어하는 관제 시스템
KR20210066328A (ko) 자연어 이해 모델을 학습시키기 위한 인공 지능 장치
US20210334461A1 (en) Artificial intelligence apparatus and method for generating named entity table
KR20190098934A (ko) 인공 지능을 이용하여, 안내 서비스를 제공하는 로봇 및 그의 동작 방법
US11322134B2 (en) Artificial intelligence device and operating method thereof
KR20190094317A (ko) 사용자 환경에서의 음성 인식 모델의 성능을 예측하는 인공 지능 장치 및 그 방법
KR20190095190A (ko) 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
US20210407517A1 (en) Artificial intelligence robot for providing voice recognition function and method of operating the same
KR20190114933A (ko) 인공지능 장치
US11464380B2 (en) Artificial intelligence cleaner and operating method thereof

Legal Events

Date Code Title Description
A201 Request for examination