AI Speaker 작동 원리와 딥러닝 기반 지능형 언어 학습용 AI Speaker 제품 개발 방향

문. AI Speaker 작동 원리와 딥러닝 기반 지능형 언어 학습용 AI Speaker 제품 개발 방향(2022.10.)

답.

1. AI Speaker 작동 원리

 

<그림. AI Speaker 시스템 구조도>

구 분	설 명
개념	- AI 스피커는 AI 스피커 부분과 AI 플랫폼으로 구성됨 - AI 스피커 부분은 사용자의 음성을 받아서 녹음하여 우측 AI 플랫폼으로 전달함
구성요소	1. STT(Speech to Text) - 받은 음성을 의미를 추론하여 사용자의 질문에 대한 응답을 의미 추론함 2. TTS(Text to Speech) - 대화 문장으로 변환하여 AI 스피커로 보내게됨 3. 대화엔진(Dialog Engine) - 딥러닝 기반(RNN, Recurrent Neural Network / CNN, Convolutional Neural Network)치계와 통계 기반으로 구성됨

 

2. AI Speaker 개발 현황

구 분	연도	용 도
알렉사	2014	- 음악 감상, 생활정보 검색, 쇼핑, 홈기기 원격 제어, API 기술 무상 지원, 영어 학습
구글 홈	2016	- 구글 어시스턴트, 검색 엔진 및 생활 정보, 음악 감상, 홈기기 원격 제어, 번역, 스마트폰, 자동차 등과 연동하여 작동
누구	2016	- 셋톱박스 기반 스마트 홈 기능, 생활정보 검색, 금융, 연동된 각종기기 원격 제어, 실내 환경 데이터 화면 표시
기가지니	2017	- IPTV 셋톱박스 기반 스마트 홈 기능, 음악 감상, 금융, 생활영어(파고다 학원용)

 

3. 영어 학습용 AI Speaker 개발 방향

가. 영어 대화 학습용 AI Speaker 설계 방안

<그림. AI 챗봇 대화 진행 플로차트>

구 분	설 명
의도 파악 단계	- 사용자는 언어 학습자가 되는데, 그가 대화 문장으로 질문을 하면 챗봇은 이 대화 질문 내용의 의도를 파악함 - 이 모듈과 연계된 하위 정보처리 프로그램들이 동시 다발적으로 작동해서 대화 질문 의도 파악의 정확성을 높인다.
자연어 처리 단계	- 의도 파악 후 자연언어처리 기술의 지원을 받아 질문 의미를 자연어 처리하게 됨 - 인공지능 알고리즘과 연동하여 질문 의미를 파악(Intent)하고 적합한 응답을 다음 단계인 생성처리 단계로 넘김
생성처리 단계	- 질문에 맞는 응답이 응답 모듈의 하위정보처리 프로그램을 통해 자동으로 생성됨 - 자동 생성된 대화 응답에 대한 신뢰성 과정을 거친 후 챗봇으로 내보냄

 

나. RNN 기반 언어 대화학습용 AI Speaker 알고리즘 구현 방안

<그림. RNN과 LSTM 알고리즘 구조도>

구 분	설 명
개념	- 가장 정교하게 개발된 언어 학습용 알고리즘으로는 자동생성 기반 알고리즘을 들 수 있음 - 이 알고리즘은 대화 응답을 대화엔진에서 자동적으로 생성해서 내보내느 방식임
특징	- 미리 구축된 DB에서 응답을 추출하는 방식의 응답 추출 기반 알고리즘과 달리 대화 응답 정확성이 높음
1단계 (단어표현)	- 알고리즘과 연동된 STT 기술을 사용하여 학습자가 질문한 일련의 언어 소리 흐름을 단어로 변환한 후 LSTM 계층을 거치게하여 각각의 단어군을 추출함
2단계 (문장 표현)	- 1단계에서 올려 받은 단어들을 조합한 후, LSTM 계층을 거치게 하여 유의미한 문장을 엮어냄 - 이 문장은 Generative Process 자동처리과정을 거쳐 응닫ㅂ문을 생성하여 위 단계로 올려보냄
3단계 (문서 표현)	- 2단계에서 올려 받은 문장의 의미를 추출하여 소프트맥스(Softmax) 신경망 체계를 거치게 하여 대화 문장으로 변환하여 학습자와 실제 대화가 가능하게 됨

 

다. 딥러닝 기반 지능형 언어대화 학습용 AI 스피커 제품 개발 방향

 

<그림. 인공지능기반 지능형 외국어 학습용 AI 스피커 보정 개발의 절차적 모형도>

구 분	설 명
언어교육 과정 수립	- 학습 대상 언어를 선정하여 학습하게 할 토픽, 단원 학습 구성, 대화 인접쌍 예시문, 학습 대상 언어기능 선정 등과 같은 기본 언어 자료를 개발함 - 개발된 데이터를 전처리 과정을 통해 형태소, 문법, 의미 등을 분석하고 태깅기법을 이용하여 데이터를 분류함
교수학습 설계	- 지능형 학습 시스템기반 설계, 학습자 오류 처치 방안, AI 스피커와 학습자 간의 상호작용, 교수자 및 학습자 전략 등을 고려해야됨
머신러닝	- 딥러닝 기반 언어 학습용 알고리즘(RNN, CNN, LSTM 등) 처리과정을 거쳐 콘텐츠를 가공함 - 대화문 코퍼스를 알고리즘 내의 대화 생성 모듈 및 대화엔진과 연동시켜 쌍방형 언어 학습의 정확성을 높임
AI 스피커 시스템 보정 개발	- 개발된 모든 자료들을 코드화된 콘텐츠로 변환시켜 이것을 기 개발된 범용 AI 스피커 기기에 탑재하여 딥러닝 기반 언어교육용 AI 스피커로 보정 개발함

 

도메인	인공지능	중요도	중
참고문헌	김인석, 컴퓨팅과 연합학습을 활용한 제조공정의 AI 데이터 분석 모델의 제안”, 주간기술동향, 2022.9.14, pp2-28.