갤럭시 버즈2는 머신러닝을 기반으로 통화 품질을 개선해 명료하고 매끄러운 대화를 가능하게 한다. 다이내믹 2-way 스피커와 ANC 기능을 통해 몰입감 넘치는 음질을 제공하며 장시간 사용에도 편한 디자인을 갖췄다.

가볍고 컴팩트한 디자인에 네 가지 컬러를 입은 갤럭시 버즈2의 자세한 스펙을 아래 인포그래픽에서 만나보자.

마침내 단둘이 남게 되자, 잇자크 스턴은 평온한 자세와 표정으로, 하지만 대단히 빠르고 긴박하게 쉰들러에게 뭔가 귀띔한다. 미국 영화감독 스티븐 스필버그의 1993년작 ‘쉰들러 리스트(Schindler’s List)’ 중 한 장면이다. 극중 잔인한 박해 대상이던 유태인으로, 또 쉰들러의 회계사 겸 경영 파트너로 일하던 스턴은 쉰들러에게 중요한 지침을 전달한다. 대단한 명장면까진 아니어도 줄거리 이해를 돕는 데 결정적인 대목 중 하나다.

든든하고 영민한, ‘나만의 조력자’에 대한 로망

극중 스턴은 전쟁(제2차 세계대전) 중 전개되는, 긴박하고도 복잡한 과정에 관한 정보를 전부 꿰고 있다. 평소처럼 사업을 해나가다가도 수용소에서 죽음에 직면한 유태인을 빼돌려 목숨을 구해주고, 그 일을 가능케 하기 위해 독일군 요인을 매수한다. 굵직굵직한 결정에서 아주 사소한 사항까지 아우르는 정보를 바탕으로 독일인 경영주 쉰들러에게 지침을 건네 그가 시기적절한 판단을 내리고 그 판단을 행동에 옮기도록 돕는다. 현명한 조언과 인간미 넘치는 배려심으로 ‘별 생각 없이 인생을 즐기는’ 부류였던 쉰들러를 일약 ‘대단한 성공을 거둔 사업가인 동시에 역사에 길이 남을 영웅적 휴머니스트’로 바꿔놓는다.

이 영화가 주는 충격과 감동은 상당 부분 ‘사실적으로 그려낸 유태인 박해 현장’에 기인한다. 하지만 실제로 영화를 다 보고 나면 한편으로 이런 생각이 드는 것도 사실이다. ‘내게도 스턴 같은 조언자가 있다면 인생이 달라질까?’ 특히 회사를 경영하는 입장이라면 누구나 스턴 같은 파트너의 존재가 얼마나 절실한지 공감할 것이다.

‘인생은 B와 D 사이의 C’란 말이 있다. 탄생(Birth)과 죽음(Death) 간 선택(Choice)의 연속이 곧 삶, 이란 얘기다. 실제로 인간은 살면서 무수히 선택의 기로에 놓인다. 그리고 그럴 때마다 ‘믿을 만한 누군가’에게 기대고 싶어진다. 모든 정보를 꿰고 있을 뿐 아니라 그걸 정확히 분석한 후 적재적소에 올바른 지침을 내려주는, 스턴이나 (영화 ‘배트맨’ 시리즈의 집사) ‘앨버트’ 같은 존재 말이다.

오랫동안 간절하게 품어온 꿈은 어떻게든 이루고야 마는 게 인간이다. 그런 의미에서 ‘풍부하면서도 정확한 정보’를 쉽게 획득하는 일은 컴퓨터 기술이 발전되며 확실히 개선됐다. 인공지능(Artificial Intelligence, AI)과 빅데이터 기술의 발달은 이렇게 얻은 정보를 분석, 정확한 판단 근거를 확보하는 일에도 비약적 발전을 가져왔다. 하지만 기껏 수집∙분석한 결과를 특별한 장소, 이를테면 책상 위 컴퓨터에서만 볼 수 있다면? 그걸 가리켜 “늘 내 곁에서 필요한 조언을 해주는 존재”라고 말하긴 어려울 것이다.

21세기 들어 급속도로 개발, 보급된 모바일 기기는 쉽게 말해 ‘사용자 손 안의 컴퓨터’라고 할 수 있다. 특히 2010년대에 진입하면서부턴 온라인 공간에서 오가는 정보량 자체가 폭발적으로 늘었다. 그와 함께 데이터 저장∙분석 기술로 분류되는 빅데이터나 머신러닝 등의 기술도 발전을 거듭하고 있다. 과거 엄청나게 큰 컴퓨터와 저장 장치가 있어야 활용할 수 있었던 수준의 정보를 이젠 누구든, 언제 어디서든 쉬이 다룰 수 있게 된 것이다. 이처럼 모바일 기기 내에서 방대한 데이터를 손쉬운 형태로 심층 분석할 수 있게 해주는 프로그램을 통틀어 지능형 애플리케이션(Intelligent Application, 이하 ‘지능형 앱’)이라고 부른다.

2015년 본격 개발… “10년 내에 상용화될 것”

지능형 앱은 모바일 기기에 탑재되는 애플리케이션(응용 프로그램) 중에서도 특히 △빅데이터∙인공지능 기술을 활용해 △방대한 정보를 빠르고 심도 있게 처리, 분석한 후 △그 결과를 손쉽게 활용할 수 있도록 해주는 앱을 일컫는다. AI의 머신러닝 기능이 휴대전화에 앱 형태로 탑재됐다고 생각하면 이해가 빠를 것이다.

빅데이터니 인공지능이니 하는 기반 기술 자체가 새로운 것인 만큼 지능형 앱이 본격적으로 개발되기 시작한 건 불과 3년 전인 2015년이다. 하지만 그에 반해 진화 속도는 놀라울 정도다. 이미 무수한 지능형 앱이 세상을 바꿔가고 있으며, 전문가들은 “향후 10년 내에 거의 모든 디지털 소프트웨어에 지능형 앱이 적용될 것”이라고 입을 모은다.

이처럼 놀라운 발전 속도를 구현할 수 있는 비결은 머신러닝 기능 자체의 구조적 특성에서 찾을 수 있다. 흔히 “고도의 기능을 수행하는 컴퓨터 프로그램은 인코딩(encoding∙부호화) 구조 역시 그에 상응할 정도로 복잡할 것”이라고들 생각한다. 하지만 머신러닝의 경우, 인코딩 과정에서 세세한 지시사항을 일일이 입력할 필요가 없다. 대신 처리 대상이 되는 데이터가 많아질수록 분석 결과도 그에 비례해 정확해진다.

안면인식 기술을 예로 들어보자. 머신러닝 구조에선 사람 얼굴 사진 데이터가 더 많이 입력될수록 기기도 그만큼 정교하게 얼굴 유형을 추려낼 수 있다. 안면인식 카메라 앞에 선 사람의 모습을 정확히 파악, 그의 정체성을 찾아내 연결하는 작업의 정확도가 높아지는 것이다. 이는 흡사 공부를 더 많이 한 학생일수록 새로운 문제에 직면해서도 정답을 어렵잖게 찾아내는 것과 마찬가지 이치다.

따라서 머신러닝 기술은 모바일 기기가 널리 보급되며 온라인상에서 더 많은 정보가 오갈수록 자체 동력에 따라 점점 더 진화한다. 클라우드 시스템이나 엣지(edge) 컴퓨팅 기술 따위를 활용, 그 정보를 빠르고 안전하게 처리할 수만 있으면 소형 모바일 기기에서도 얼마든지 최첨단 머신러닝 기술 활용이 가능해지는 것이다.

모든 선택을 ‘최적의 타이밍’에 내릴 수 있다?!

지능형 앱은 크게 두 가지 측면에서 활용된다. 첫째, 비교적 단순한 작업을 자동화해 고급 인력을 좀 더 부가가치 높은 활동에 투입할 수 있게 해준다. 둘째, 딱 맞는 시각과 맥락에서 최적의 데이터와 분석 결과를 제시해 사용자가 올바른 판단을 내릴 수 있도록 돕는다.

전자는 사물인터넷(Internet of Things, IoT)의 발달로 인한 일명 ‘이벤트-드리븐 시스템(event-driven system)’의 확산과 밀접한 관련이 있다. 종전까지 자동화(automation)라고 하면 ‘사람이 공장 컨베이어 벨트 앞에 앉아 기계적으로 하던 작업을 산업용 로봇이 대신하는’ 정도로 인식돼왔다. 하지만 IoT가 보급되면서 자동화의 의미는 한층 넓어졌다. 사람이 접근하면 절로 켜지는 가로등, 앞에 서기만 해도 척척 열리는 문, 원하는 물건을 집어 들고 나가기만 해도 알아서 계산해주는 무인상점 등 일상 곳곳에서 자동화가 진행되기 시작한 것이다.

이벤트-드리븐 시스템에 대해 보다 자세히 알고 싶다면 아래 링크를 클릭하세요
 

이런 형태의 자동화가 가능해지려면 센서와 센서 사이, 센서와 중앙처리장치 사이에 엄청난 양의 데이터가 오가야 한다. 그 과정에서 모바일 기기와의 상호작용(interaction)이 끊임없이 이뤄져야 하는 건 물론이다. 다시 말해 개별 사용자의 모바일 기기가 저마다 지능형 앱을 탑재한 덕분에, 그리고 그 앱이 사용자가 의식하든 그렇지 않든 반복적으로 발생하는 ‘이벤트-드리븐 액션’을 가능케 하는 덕분에 사용자의 일상이 장애물 하나 없이 매끈하게 펼쳐질 수 있는 것이다.

그리고 후자의 경우가 영화 속 쉰들러 입장에서 스턴 같은 존재일 수 있다. 아니, 스턴보다 사용자 입맛에 더 맞는 조언자라고나 할까? 이 범주에 속하는 지능형 앱은 스턴과 달리 독립된 의지를 갖고 있지 않으며 오로지 사용자가 원하는 판단에 필요한 자료만 공급해준다. 자연히 극중 스턴처럼 일촉즉발의 상황에서 “단 한 명의 유태인이라도 더 구해야 한다”는 사명감에 불타 주인의 재산을 탕진시키지도, 몇 차례나 위험천만한 고비에 빠질 뻔하게 만들지도 않는다. 다양한 앱을 탑재하면 사업 경영 전반에서부터 점심 메뉴 선택, 즉석 주말 여행 계획까지 일상의 모든 면에서 최적의 선택을 하도록 도움 받을 수 있단 점에서도 스턴보다 곱절은 낫다.

기사 가치 판단, 지원서 옥석 판별 등에도 활용

탑재 전후의 변화가 다분히 극적이어서일까, 지능형 앱 시장은 초고속 성장 중이다. 쓰임새의 범위가 엄청나게 넓은 건 두말할 필요가 없다. 대표적 사례를 몇 가지 꼽아보자. 미국 경제∙경영 전문 격주간지 포브스(Forbes)는 잡지 제작에 ‘퀼(Quill)’이란 소프트웨어를 활용하고 있다. 인공지능으로 구동되는 이 글쓰기 프로그램은 단어∙숫자∙상징 등의 데이터를 구조화하고 거기서 의미를 추출, 자연스러운 언어로 풍부한 콘텐츠를 만들어낸다. 그뿐 아니다. 작성된 기사의 가치를 스스로 판단한 후 덜 중요하다고 여겨지는 정보를 삭제하기도 한다. 예를 들어 특정 프로젝트가 최근 몇 년간 이렇다 할 수익을 창출하지 않았다면 퀼은 해당 프로젝트 관련 정보를 억제한다. 반대로 높은 수익을 올렸다면 구체적 수치를 들어가며 해당 정보를 강조한다.

구글 모기업인 알파벳의 자회사 겸 영국 AI 프로그램 개발 기업 딥마인드테크놀로지(DeepMind Technology, 이하 ‘딥마인드’)는 최근 런던 소재 무어필드안과병원과 파트너십을 체결, 안과질환을 신속‧정확하게 진단하는 인공지능을 개발했다. 보통 안과에서 이 진단을 시행하려면 기술적으로 복잡한데다 시간도 많이 걸리는 ‘광학적 간섭 단층촬영법[2]’을 사용해야 한다. 하지만 딥마인드가 개발한 지능형 앱엔 AI가 적용돼 노안성 근육 약화증이나 당뇨성 망막 질환 등의 안과질환을 단 몇 분 만에 판별해내는 걸로 알려졌다.

지능형 앱은 기업의 직원 채용에도 단단히 한몫하고 있다. 미국 온라인 고용 중개 웹사이트 몬스터잡스(www.monster.com)가 도입, 활용 중인 앱 ‘탤런트빈(TalentBin)’이 대표적 예다. 탤런트빈은 지원자와 관련된 문건은 말할 것도 없고 그(그녀)가 소셜 미디어에 올린 글과 언어 사용 방식, 이전 작업 결과물 등 확보 가능한 정보는 전부 살피고 분석한다. 그 과정에서 지원서엔 잘 드러나지 않는 지원자의 성격과 능력, 기타 잠재력 따위를 낱낱이 밝혀내는 것이다.

국내 사례도 있다. 이달 초 삼성전자가 출시한 3도어 올인원 세탁기 ‘플렉스워시’ 신제품엔 삼성전자가 자체적으로 개발한 음성인식 AI 앱 ‘빅스비’가 탑재됐다. 그 덕에 사용자는 세탁기 사용법과 이상 발생 시 대처 요령 등을 세탁기와 대화하듯 숙지할 수 있다. ‘스마트싱스’ 앱과 연동, 홈 와이파이와 연결시키면 스마트폰을 통해 세탁 진행 상황을 원격으로 확인하거나 제어할 수도 있다.

고차원적 판단도 ‘척척’… 기술 혁신, 일상 속으로

인간은 고단한 노동이나 번거로운 작업을 돕는 유∙무형의 존재에 대한 꿈을 오랫동안 꿔왔다. 시간이 흐르며 그중 일부는 하나둘 실현됐다. 실제로 무거운 물건을 들어주는 기계, 깊은 곳의 물을 퍼 올려 논밭에 대주는 기계 등의 역사는 수천 년에 이른다. 특히 20세기 들어 그런 기계들의 도움을 받는 기술은 폭발적으로 성장해왔다.

‘정보의 시대’로 불리는 21세기에 접어들며 인간은 물리적 힘을 넘어 형이상학적 판단이 필요한 일까지 기계에 맡길 수 있게 됐다. 지능형 앱은 그런 혁신을 아주 간단한 형태로 삶의 적재적소에, 그리고 구석구석에까지 이식하고 있는 셈이다. 이렇게 볼 때 현대인은 어쩌면 “꿈을 많이 꿀수록 그 꿈에 가까워진다”는 유럽 속담을 자신도 모르는 새 실천하고 있는지도 모른다.

[1] Krakow. 폴란드 마우폴스키에주(Małopolskie州)의 주도(州都)
[2] Optical Coherence Tomography. 줄여서 ‘OCT’라고도 부른다

올해 우리 삶을 바꾸며 정보통신기술(ICT) 업계에서 주목받을 기술은 어떤 것들이 있을까.

삼성전자의 삼성넥스트(Samsung NEXT)는 미래를 지향하는 창업가와 스타트업을 발굴∙육성∙투자하거나 인수해, 개방형 협업과 함께 삼성전자 제품∙서비스에 혁신을 불어넣는 조직이다.

삼성넥스트가 세계의 스타트업들과 협업하며 쌓은 경험을 바탕으로 선정한 △인공지능(AI) △증강현실과 가상현실(AR, VR) △블록체인 △사물인터넷(IoT) 기반 건강관리 △스마트시티 등 올해 주목 받을 ICT 트렌드를 소개한다. 글로벌 유망 창업가와 스타트업들은 어떤 기술에 집중하고 있는지 최신 기술 트렌드 속으로 빠져보자.

1. AI, 더 빠르게 진화하는 머신러닝 기술

인공지능(AI)은 급속도로 우리 삶에 스며들고 있다. 이미 일상생활과 업무환경에서 활용하는 기기, 서비스, 플랫폼 등에 폭넓게 적용돼 서로가 상호작용하는 방식을 바꾸고 있다.

머신러닝(machine learning, 기계학습)은 AI가 결과를 산출하는 과정에 적용되는 기술. 삼성넥스트는 향후 1~2년 내 AI와 머신러닝 분야에서 두 가지 큰 변화가 나타날 것으로 예상한다. 첫째는 머신러닝에 필요한 데이터가 지금보다 확연히 줄어들 것이라는 점. 일례로 현재 이미지 인식 시스템은 결과를 산출하기 위한 머신러닝에 10만 장 가량 이미지가 필요한데 반해, 앞으로 학습에 필요한 이미지의 수가 크게 줄어든다는 것이다. 이런 기술이 활성화되면 머신러닝 시스템을 더 쉽고 빠르게 구현할 수 있게 된다.

둘째, AI에 대한 인간의 이해력이 더 높아질 것이다. 최근 학계와 스타트업은 AI의 ‘블랙박스’를 열기 위한 연구에 한창이다. 다시 말해 기계가 어떻게 학습을 하고 결과를 산출하는지, 그 과정의 변수들은 어떤 것인지 이해하는 과정을 거쳐 AI의 활용도를 획기적으로 높일 수 있을 것이란 전망이다.

▲바이캐리어스의 신경과학 기반 AI 로봇 이미지 (바이캐리어스의 2017년 ‘삼성CEO서밋’ 발표내용 보러가기: https://youtu.be/5yQGjwDmsT4)

삼성전자는 AI 관련 기기, 서비스 이용형태에 대한 이해를 높이기 위한 AI 플랫폼 구축에 나서고 있다. 무엇보다 사용자 중심 AI를 구현하기 위한 전략의 일환이다. 삼성넥스트는 △신경과학을 기반으로 한 로봇용 인공지능 기술을 개발하는 바이캐리어스(Vicarious) △기업들의 지능형 시스템 구축을 지원하는 AI 플랫폼 전문 스타트업 본사이(Bonsai) △머신러닝을 위한 클라우드 서비스를 개발하는 플로이드허브(FloydHub) 등 여러 스타트업에 투자하며 삼성전자의 AI와 머신러닝 기술 발전에 활기를 불어넣고 있다.

2. AR 활용범위 확대-새로운 VR 기기 등장 기대감

가상현실(VR)과 증강현실(AR) 기술은 사용자가 가상의 환경을 경험할 수 있게 함으로써, 더 몰입감 있는 세계를 구현하는데 사용되고 있다. 올해는 가상의 사물이 한층 더 실제로 존재하는 것처럼 인식되도록 기술이 발전할 전망이다.

특히 AR 기술은 더 많은 스타트업들의 참여와 함께 게임 분야를 넘어 실생활과 밀접해질 것으로 보인다. 예를 들면 가구 같은 물품을 살 때 단순 사진만 볼게 아니라 실생활에 옮겨진 입체영상을 살펴볼 수 있게 될 것이다. 삼성넥스트가 투자한 8i의 경우 특정 인물을 완전체에 가까운 3D로 구현해 VR, AR 세계에서 이용자와 함께 존재하도록 해주는 플랫폼을 제공한다.

▲ 실제 사람 모습을 홀로그램으로 변환해주는 AR, VR 플랫폼 기업 8i의 서비스 소개 영상 (출처: www.8i.com)

VR용 헤드마운트 디스플레이(HMD) 기술 발전에 대한 전망도 흥미롭다. 삼성넥스트의 벤처투자 담당 아제이 싱(Ajay Singh)은 “VR용 HMD 관련 디스플레이, 센서, 기타 재료기술이 빠르게 발전할 것”이라며 “특히 스마트폰, PC와 분리돼 독립적으로 이용할 수 있는 기기들이 등장해 새로운 경험을 제공할 전망”이라고 밝혔다.

3. 가상화폐, 그 이상을 바라보는 블록체인

블록체인(Block chain) 기술의 열기는 올해도 이어질 전망이다. 삼성넥스트 벤처투자 담당 레이몬드 리아오(Raymond Liao)는 “개인대 개인(P2P) 거래를 기반으로 하는 블록체인은 불필요한 수수료를 없애고 은행서비스에서 소외된 지역의 사람들에게 유용한 도구가 되기 때문에, ‘금융거래의 민주화’를 이룰 수 있는 힘을 갖고 있다”고 진단한다.

현재 블록체인 기술은 암호화된 가상화폐에 핵심적으로 쓰이고 있다. 하지만 머지 않아 가상화폐로 대규모 자금을 조달하고, 디지털 데이터 기반의 수익창출 과정에서 소비자들에게 더 많은 선택권을 부여하며, 다양한 기업 분야에서 데이터 활용의 벽을 허무는 것과 같은 변화를 주도하는 기업가들이 태동할 것으로 예측된다.

디지털 기기 보안과 관련해 강점을 지닌 삼성전자는 블록체인 시장 확대에 있어 유리한 위치를 확보할 수 있게 될 전망이다. 블록체인은 사용자들이 보유하고 있는‘인증키’가 안전하게 보호되는지 여부에 따라 전체 신뢰도가 영향을 받게 된다. 삼성전자는 기업들이 블록체인 기반의 애플리케이션들을 활용할 때 믿을 수 있는 보안 수준을 제공함으로써, 새로운 시장 기회를 창출할 수 있게 될 것이다.

여기에 더해 삼성넥스트는 블록체인을 활용하는 산업용 IoT 분야에서 분산형 보안 솔루션을 제공하는 필라멘트(Filament), 블록체인 기술을 활용해 기업들의 데이터 유출 위험을 낮춰주는 HYPR등 관련 보안기업들에도 투자를 하고 있다.

4. 건강관리 패러다임 바꿀 ‘헬스+IoT’ 기술

사물인터넷(IoT)과 디지털 데이터 기반 건강관리 기술의 결합은 머지 않아 건강을 진단하고 치료를 받는 방식에 있어 패러다임을 바꿀 전망이다. 사람들이 신체∙건강과 관련한 데이터를 의사와 주고받으며 병원 방문 절차 등 불편을 최소화할 수 있게 되는 것.

예를 들어 삼성넥스트가 투자한 글루코(Glooko)는 지속적인 몸 상태 관리가 핵심인 당뇨병 환자들이 신체 관련 정보를 클라우드 공간에 올려 스스로 추이를 살펴보고, 손쉽게 의사와 데이터를 공유해 진단을 받을 수 있게 해준다. 여기에 언제든 환자와 함께 하는 웨어러블 기기를 활용해 실시간으로 건강 관련 데이터를 수집∙분석함으로써, 당뇨병 진단과 치료 과정을 혁신할 수 있게 해준다.

▲ AI 기반의 건강관리 애플리케이션 업체 헬시파이미 서비스 소개 이미지(출처: www.healthifyme.com)

또 다른 인도 투자기업 헬시파이미(HealthifyMe)의 경우 다이어트나 올바른 운동법을 알기 원하는 소비자들에게 AI 기반의 맞춤형 코치 역할을 하는 모바일 애플리케이션을 제공한다. 삼성전자는 웨어러블, 태블릿과 함께 전문 의료용 장비들을 갖추고 있을 뿐만 아니라, 의료∙IoT 분야의 폭넓은 투자∙협력을 바탕으로 정보통신기술(ICT) 기반 건강관리의 혁신을 꾀하고 있다.

5. 스마트홈을 넘어 스마트시티 ‘성큼’

실리콘밸리의 IoT 관련 스타트업 활동을 보면 사람과 기기를 연결하는 기술이 가정을 넘어 도시 전반으로 빠르게 뻗어나갈 것을 예측할 수 있다. 이미 디지털지도 서비스, 주차 솔루션, 자전거를 비롯한 이동수단 공유서비스 등 IoT 기술이 도시환경을 변화시키고 있다.

삼성전자는 통합 IoT 플랫폼인 스마트싱스(SmartThings)를 산업용에 특화된 아틱(ARTIK) 플랫폼, 자동차용 플랫폼인 하만 이그나이트(HARMAN Ignite)와 각각 연결하며 IoT 생태계를 확장하고 있다. 삼성넥스트는 스마트싱스 인수에 이어 디지털 데이터를 기반으로 도시계획 수립을 지원하는 스테이(Stae), 도시 안에서 이동환경 개선을 위해 운수업체와 정부∙자치단체에 관련 소프트웨어를 제공하는 스위프틀리(Swiftly) 등 스마트시티 관련 스타트업 투자에 나서고 있다.

삼성전자는 1월 미국 라스베이거스에서 열린 소비가전전시회(CES)에서 ‘삼성 시티 2020’을 콘셉트로 IoT가 바꿔놓을 도시의 모습을 미리 선보였다. 사람과 기기, 자동차, 빌딩이 서로 연결돼 삶의 편의성을 높여주는 스마트시티의 모습은 머지 않아 현실로 다가올 전망이다.

▲ ‘삼성 시티 2020’ 콘셉트로 꾸민 삼성전자 CES 2018 부스

‘8K 시대’가 다가왔다. 국제 가전제품 박람회 CES 2018에서 삼성을 비롯한 여러 업체들은 8K 기술을 공개했다. 8K TV(7680×4320)는 기존 UHD TV(3840×2160)보다 4배 선명한 3300만 화소의 TV를 말한다. 삼성은 이번 CES에서 소비자가 더 큰 경험을 할 수 있도록 그보다 진화한 ‘AI 레졸루션 테크놀로지(AI Resolution Technology)’ 기술을 세계 최초로 선보였다. AI를 통해 낮은 해상도의 콘텐츠를 4K를 넘어 8K의 화질로 개선해주는 AI 기술, 그 원리를 살펴보자.

‘업스케일링’이란 UHD 콘텐츠 부족 현상을 보완하기 위해 부상하고 있는 화질 개선 기술이다. 영상 신호를 높은 사양의 디스플레이에 맞춰 크기와 해상도를 변환하는 것으로, 기존 저해상도 영상을 확대하는 과정에서 발생하는 빈 화소를 채우는 기술이 관건이다. 기존 HD(1280X720)•FHD(1920X1080)로 제작된 콘텐츠를 UHD(3840X2160)로 변환 시 해상도를 강제로 늘리면 화질이 저하되는데, 이때 레졸루션 기술이 노이즈•색상•명암 등을 개선해 깨끗하고 선명한 영상을 송출해주는 것이다.

삼성은 여기에 AI 기술을 더했다. TV가 수만 가지의 영상을 미리 학습하고 분석해 기존 콘텐츠의 낮은 해상도를 8K 해상도로 전환, 소비자들이 SD, HD, FHD, UHD 영상 콘텐츠를 모두 8K의 초고화질로 깨끗하게 시청할 수 있게 한 것. AI 레졸루션 기술은 ‘머신러닝’ 기반으로 저해상도 스트리밍 콘텐츠를 고해상도 영상으로 복원한다. 따라서 달 주변의 빛 퍼짐이나 파도의 질감 같은 세밀한 표현까지 가능해졌다. ‘머신러닝 기반 고효율 고해상도 복원’을 뜻하는 MLSR(Machine Learning Super Resolution)은 학습을 통해 고화질 영상과 저화질 영상 간의 상관관계를 추론해 디테일을 복원하는 것을 의미한다. 학습을 통한 최적의 필터를 도출해 업스케일링을 작업해 디테일, 선명도 저하가 없다. 복잡한 영역에서도 손실 없이 디테일을 유지한다.

머신러닝 기반 고효율 고해상도 복원 기술 중 ‘디테일 크리에이션(Detail Creation)’은 랜덤 신호와 입력 영상의 조합으로 새로운 질감을 생성하는 것이다. 영상 축소•압축에 의해 손실된 질감 영역에 새로운 질감을 생성해 세밀함을 향상한다.

머신러닝 기반 고효율 고해상도 복원 기술 중 ‘엣지 리스토레이션(Edge Restoration)’은 픽셀을 이동해 윤곽선의 폭을 가늘게 하는 것이다. 굵은 윤곽선과 글자의 손실 및 슛의 폭을 줄여 글자 가독성과 윤곽선의 선명도를 향상한다.

머신러닝 기반 고효율 고해상도 복원 기술 중 ‘노이즈 리덕션(Noise Reduction)’은 고압축 잡음 제거를 의미한다. 픽셀 기반의 기존 방식에 패치 기반의 신규 방식을 접목해 지역적 특성에 따라 픽셀의 불연속성을 검출, 제거하는 것이다.

AI 레졸루션 기술은 화질뿐 아니라 사운드까지 개선한다. 사용자가 별도의 기능을 설정하지 않아도 스포츠 경기에서는 현장감을 높이기 위해 배경의 관중 소리를 높여주거나, 콘서트 장면 등 음악이 나오는 영상에서는 저음역대 소리를 강조하는 등 풍부한 음질을 구현해낸다.

기존 스마트폰으로 촬영한 SD 영상부터 HD 수준의 영화까지 선명한 화질과 개선된 사운드로 즐길 수 있는 8K AI 레졸루션 기술. AI를 통해 보다 풍부한 UHD TV 생태계를 만들어가는 삼성 TV가 소비자의 눈과 귀를 즐겁게 할 것으로 기대된다.

지난달 미국 뉴욕에서 개최된 머신러닝[1] 컨퍼런스(2017 MLConf NY)에 다녀왔다. 매해 열리는 행사인데 지난 2015년에 이어 2년 만에 다시 참석했다. 올해에도 세계 각지에서 내로라하는 데이터과학자가 모여들었고, 그들이 뿜어내는 열기는 2년 전보다 한층 뜨거워진 느낌이었다. 참가자들의 표정은 하나같이 밝고 활기찼다. 그간 주로 참석해온 개발자 위주 행사에 비해 중국인과 여성 비율이 상대적으로 높은 점도 흥미로웠다.

‘여성 사용자’란 이유로 꽃꽂이 모임 추천한 시스템

바이두(Baidu)와 알리바바(Alibaba)로 대표되는 중국의 인공지능 열기를 떠올리면 중국 사람이 많은 건 당연한 현상이다. 그런데 여성 참가자가 유독 많은 배경은 사뭇 궁금해졌다. 여성 과학자(혹은 엔지니어)들이 코드보다 데이터 다루는 일을 더 선호하는 걸까? (참고로 코딩 분야에선 전통적으로 여성 비율이 낮다. 이는 전 세계적 현상이다. 익히 알려진 것처럼 어린 자녀를 둔 부모가 아들에겐 컴퓨터를, 딸에겐 바비인형을 사주는 식의 문화적 성차별이 그 원인이다.)

데이터과학 부문에서 여성 비율이 높은 건 성차별 현상이 과거에 비해 상당 부분 개선된 데서 그 이유를 찾아야 할 것 같다. 데이터과학이 최근 급부상한 분야란 사실을 고려하면 그 이외의 원인은 딱히 떠오르지 않는다. 물론 그렇다고 해서 성차별이 완전히 사라진 건 아니다. 노골적 차별이 모습을 감췄을 뿐 은밀하게 이뤄지는 차별은 여전히, 그리고 엄연히 존재한다.

전 세계적으로 약 3000만 명의 사용자를 보유한 밋업(Meetup)[2]의 데이터 엔지니어 에반 에스톨라(Evan Estola)는 이번 행사에서 ‘머신러닝의 이단과 최적화란 이름의 교회(Machine Learning Heresy and Church of Optimality)’란 도발적 제목으로 강연에 나섰다. ‘머신러닝’과 ‘최적화’란 단어가 포함되긴 했지만 강의의 주된 내용은 머신러닝의 기술적 측면이 아니라 윤리적 측면이었다.

밋업에 가입해본 사람이라면 알겠지만 밋업 사용자는 가끔 모임 추천 이메일을 받는다. 홈페이지를 방문하면 ‘추천밋업(suggested meetups)’ 섹션에 밋업 머신러닝이 추천하는 모임 목록도 떠오른다. 에스톨라의 임무는 바로 이 추천 시스템을 구동시키기 위한 머신러닝 모델 개발이었다. 그는 강연에서 이렇게 고백했다. “내가 만든 시스템은 비즈니스 리더 모임에 가입한 여성 사용자에게 (단지 그들이 여자란 이유만으로) 꽃꽂이나 수예 모임 가입을 권했다. 남성 사용자였다면 아마 다른 비즈니스 리더 모임을 찾아 추천했을 것이다.”

에스톨라는 자신이 만든 시스템이 저지르는 성차별을 목격한 후 충격을 받았다. 그 즉시 해당 시스템이 사용 중인 알고리즘에 개입, 잘못된 행동을 바로잡은 그는 이 사건을 계기로 머신러닝 모델의 윤리를 고민하게 됐다. 미국 전역을 돌며 ‘머신러닝의 윤리학’을 주제로 강연에 나선 것도 그 즈음부터였다.

대출 신청 시스템이 흑인과 히스패닉 차별한다면?

에스톨라의 강연명에 포함된 ‘최적화란 이름의 교회’는 일종의 풍자다. 일부 데이터과학자는 “특정 시스템이 여성 사용자에게 꽃꽂이와 수예 모임을 추천했다면 그게 객관적으로 최선이기 때문”이라고 판단한다. 이렇게 볼 때 해당 시스템의 행동에 개입, 알고리즘을 수정하는 건 최적화에 대한 훼손이 된다. 반면, 에스톨라는 그런 주장에 대해 “정치적으로 올바르지 않은 맹신에 불과하다”고 비판한다.

글로벌 컨설팅 기업 액센츄어(Accenture)에서 인공지능을 연구하고 있는 루만 차우드허리(Rumman Chowdhury, 시니어 매니저)는 “정치∙사회적으로 민감한 정보를 다루는 모델은 (내부가 보이지 않는) 블랙박스 방식을 사용할 수 없다”고 말한다. 예를 들어 은행에서 머신러닝 모델을 이용해 고객의 대출신용을 평가한다고 하자. 이때 은행은 모델이 평가의 각 단계에서 무슨 정보에 근거해 어떻게 판단 내리는지 모두 설명할 수 있어야 한다. 그런 의미에서 모델은 속이 환히 들여다보이는 ‘화이트박스’여야 한다. 차우드허리에 의하면 그런 투명성은 법으로 보장될 필요가 있다.

만약 투명성이 보장되지 않으면 몇 가지 문제가 생길 수 있다. 예를 들어 머신러닝 모델이 특정 대출 신청 고객에 대해 흑인(혹은 히스패닉)이란 이유로 대출을 불허했다고 하자. 앞서 에스톨라가 겪은 사례를 생각하면 그런 일은 얼마든지 일어날 수 있다. 머신러닝 모델은 사회적∙정치적 의미를 고려하지 않고 최적화만 추구하기 때문이다.

이런 차별을 ‘최적화’란 이름으로 정당화하면 향후 은행은 이런 종류의 차별에 대한 책임 일체를 모델에 전가할 수 있다. “(그런 차별을) 의도하지 않았지만 머신러닝 모델이 그렇게 판단했다”고 말하면 끝이기 때문이다. 이는 인종∙성∙나이∙종교 등을 포함, 모든 종류의 차별에 반대하는 미국의 헌법적 가치에 위배된다. 차우드허리는 이런 가치 훼손이 불러오는 사회적 비용이 은행이 취하는 일시적 이익보다 훨씬 크기 때문에 블랙박스 모델을 금지하는 데 정부 개입이 불가피하다고 본다.

차별은 여기서 멈추지 않는다. 지난 2013년 라탄야 스위니(Latanya Sweeney) 미국 하버드대학교교수가 폭로한 구글 광고 속 인종차별은 미국 전역에서 큰 논란을 불러일으켰다. 구글은 스위니 교수가 검색 창에 자신의 이름 ‘Latanya Sweeney’를 입력하자, 해당 인물이 흑인이란 사실을 감지했다. 이어 구글 애드센스는 “Latanya Sweeney, Arrested(라탄야 스위니, 체포됐었나요)?”란 문구와 함께 범죄 이력 확인 서비스 광고를 보여줬다. 백인(으로 추정되는) 이름이 입력됐다면 노출하지 않았을 광고를 ‘흑인이니까’ 보여준 것이다. 이 사례는 ‘모든 흑인을 잠재적 범죄자로 취급하는’ 미국 주류 사회의 편견을 여과 없이 드러냈다. 동시에 구글 애드센스 머신러닝 모델의 맹점이 노출된 사건이기도 했다.

효율성∙윤리 함께 고려한 인공지능, 삼성도 고민해야

국내에서도 머신러닝 활용 범위가 점차 넓어지고 있다. △온라인 광고 △금융 △채용 △택시 △대출 △의료 시스템 △대학 입시 등이 대표적 분야다. 이와 함께 머신러닝 모델이 사람들의 삶에 미치는 영향도 날로 깊어지는 추세다.

인공지능 분야의 세계적 권위자 중 한 명인 앤드류 응(Andrew Ng) 미국 스탠퍼드대학교 교수는 일찍이 “인공지능은 머지않아 전기처럼 전재적(全在)적 존재가 될 것”이라고 말했다. (머신러닝 같은) 인공지능 없인 살 수 없는 시대가 온단 뜻이다. 전기와 AI의 차이는 따로 설명할 필요가 없다. 전기는 물이나 공기처럼 인간이 직접 소비하는 대상이지만 AI는 그 자체가 소비의 대상이기보다 (인간이 소비하는 판단과 지능을 만들어내는) 생산의 주체다. 당연히 그 ‘주체’가 품은 윤리 역시 인류의 삶에 직접적 영향을 끼친다.

인공지능 분야에 관한 한 한국은 미국이나 중국에 비해 후발주자다. 하지만 기술의 윤리적 측면까지 고려한다면 이 점이 오히려 유리하게 작용할 수 있다. 효율성과 윤리를 동시에 고려하며 발전시켜갈 수 있기 때문이다. 사회적 합의가 비교적 빠르게 이뤄지는 한국이 인류 보편의 문제에 기여할 수 있는 여지를 갖게 된 셈이다. 이는 한국 기업, 특히 향후 100년을 책임질 먹거리 모색에 한창일 삼성전자가 진지하게 고민해야 할 문제이기도 하다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

지난 15일, 이세돌 9단과 인공지능 바둑 프로그램 '알파고(AlphaGo)'의 마지막 대국이 끝났다. 결과는 4대 1, 알파고의 완승이었다.

이번 승부는 '세기의 대결'이란 타이틀에 걸맞게 처음 성사됐을 때부터 화제를 모았고, 다섯 차례 대국이 진행되는 1주일 내내 전 세계 미디어의 주목을 받았다. 바둑 애호가는 물론, 바둑에 전혀 관심 없던 사람들까지 대국 중계 방송에서 눈을 떼지 못하게 만들 정도였다. 자연히 알파고의 최종 승리는 세간의 관심을 '인공지능'이란 화두로 쏠리게 했다. 오죽하면 교육열 높은 한국의 '극성 맘(mom)' 사이에서 "알파고가 대체 어디 있는 고등학교냐"는 우스갯소리가 나왔을까.

▲인공지능 바둑 프로그램 '알파고(AlphaGo)'와의 세 번째 대국을 마친 후 복기(復棋) 중인 이세돌 9단(사진 출처: 연합뉴스/출처가 명기된 이미지는 무단 게재, 재배포할 수 없습니다)

이러니 저러니 해도 이번 대국이 촉발한 호기심은 단연 '인공지능의 정의(와 영향력)'로 귀결된다. 그리고 그 해답의 실마리는 '알파고의 정체'를 확인하는 작업에서부터 찾을 수 있다.

프로그래밍계의 난제: '단순 계산 능력'을 넘어서라!

알파고의 핵심 알고리즘은 '딥러닝(Deep Learning)'이다. 딥러닝이란 인간과 거의 비슷한 방식으로 판단, 학습할 수 있도록 고안된 컴퓨터 프로그램을 일컫는 용어. 사실 초창기 컴퓨터는 '복잡한 수식을 착오 없이 계산하도록(compute) 고안된 기계'였다. 그런 만큼 컴퓨터 프로그래밍은 단순 계산과 통계 등 특정 영역에 관한 한 인간 두뇌와 비교 자체가 불가능할 만큼 효율적으로, 또 정확하게 발달해왔다. 문제는 이 같은 '단순 계산 능력'이 인간의 뇌에서 차지하는 비율이 지극히 낮다는 사실. 이 때문에 일찍이 컴퓨터공학자들은 '인간 두뇌가 보유한 능력 중 기계로 구현할 수 있는 분야의 한계'를 주제로 다양한 연구를 거듭했다.

인간의 뇌는 (컴퓨터로 구현되는) 인공지능과 비교했을 때 적어도 두 가지 부문에서 압도적으로 우월하다. 무수한 정보 가운데 자신의 판단에 필요한 걸 순간적으로 선택하는 능력이 하나, 시시때때로 입력되는 정보를 (무)의식적으로 저장하는 능력이 다른 하나다. 

▲뇌과학 분야가 발달하면서 인간 두뇌의 정보 처리 과정을 모방한 컴퓨터 알고리즘이 속속 등장하고 있다

출생 당시 인간의 뇌는 미숙한 상태다. 이후 성장 과정을 거치며 자극을 받고 정보를 취사선택, 조합하는 일명 '자기조직 원리'에 의해 점차 완성돼간다. 이때 판단과 선택, 조직의 과정은 대단히 빠르고 신축성 있다. 일례로 갓 태어난 아기도 누군가의 얼굴을 접하곤 자신에게 중요한 사람인지 여부를 즉각적으로 판단한 후 반응한다. 수 백만 년, 아니 수 억 년 이상 인간 DNA에 축적된 유전자 정보 덕분이다.

바로 그 때문에 학계에선 "(인간 두뇌처럼 유전자 정보를 DNA에 축적할 수 없는) 기계가 정보를 취사 선택, 판단하도록 하는 일은 사실상 불가능하다"는 게 한동안 정설로 받아들여졌다. 1980년대 후반 제기된 모라벡의 역설(Moravec's paradox)이 대표적이다. "인간에게 어려운 일은 쉽게 해내지만 인간이 수월하게 할 수 있는 일은 오히려 어려워하는(hard problems are easy and easy problems are hard)" 컴퓨터의 특성을 간파한 로봇공학자 한스 모라벡(Hans Moravec)의 이 지적은 비교적 최근까지 인공지능에 관심 있는 컴퓨터공학자들을 좌절하게 만들었다.

인간 두뇌의 정보 저장 용량은 엄청나지만 선택 저장 능력은 더 놀랍다. 인간의 뇌 속엔 약 1000억 개의 신경세포가 있다. 그리고 이 신경세포는 다시 100조 개의 시냅스로 복잡하게 연결돼 있다. 사람의 뇌에 담을 수 있는 정보의 양은 2.5페타바이트(PB) 수준인 걸로 알려져 있지만 이 역시 가변적 취사선택 과정을 거쳐 얼마든지 확장될 수 있다. 이 때문에 한편에선 "아무리 정보의 홍수 시대라 해도 하나의 프로그램이 인간 두뇌 수준의 정보를 감당하기엔 기술적으로 역부족"이란 평가가 지배적이었다.

알파고, 딥러닝과 빅데이터의 '환상적 콜래보레이션'

정보의 취사선택과 적정 조합. 컴퓨터공학자 사이에서 '난공불락'의 영역으로 여겨졌던 이 두 과제는 21세기 들어 거의 동시에 해소되는 방향으로 나아가고 있다. 실마리를 제공한 건 20세기 말부터 급격히 발달해온 뇌과학 분야 연구 성과다. 뇌의 특정 부분과 신경세포들이 어떤 연관선상에서 정보를 처리해가는지 밝혀지며 이를 모방한 컴퓨터 알고리즘들이 시도돼온 것.

알파고에 적용된 '몬테카를로 트리 서치(Monte Carlo Tree Search)'는 그중 게임에 적합하도록 개발된 프로그램이다. 바둑알 두는 방법을 무작위로 샘플링, 각각의 방법이 이길 확률을 계산해내는 방식으로 구동된다. 여기에 △사업성 분석 기법의 하나인 '밸류 네트워크(value network)' △정책 타당성 분석에 주로 활용돼온 '폴리시 네트워크(policy network)' 기법이 더해지며 '바둑 둘 때 인간 뇌가 움직이는 방식'을 모방한 알파고식 알고리즘이 탄생한 것이다.

바둑에서 어디에 돌을 놓을지 결정하는 일은, 다소 거칠게 설명하자면 '바둑돌을 움직였을 때 얻어지는 이득을 계산하는 일'과 같다. 오랜 훈련을 거쳐 바둑에 숙련된 인간은 반복 경험과 학습, 직관에 가까운 감각, 상대의 반응을 읽어내는 눈치 등을 종합해 이 계산 과정을 단축시킨다.

컴퓨터가 이 같은 인간의 두뇌 작동 방식을 똑같이 따라 할 순 없다. 하지만 바둑돌을 움직이는 '경우의 수' 중 가장 짧은 시간 내에 가장 큰 이득을 내는 수를 읽을 수 있다면 어떨까? 경우별 가치 함수 계산 과정을 반복적으로 학습시킨다면? 일단 학습된 내용에 대해선 착오 없는 결과를 도출할 수 있는 컴퓨터의 특성상 '바둑 잘 두는 컴퓨터'의 탄생 가능성도 얼마든지 점쳐볼 수 있다.

다만 바둑에서 경우의 수란 제아무리 컴퓨터라 해도 감당하기 어려울 만큼 방대하므로 포지션 평가나 확률 분포 정책 등의 추가 알고리즘을 통해 경우의 수를 대폭 축소시켜 계산 시간을 줄여야 한다. 또한 그 과정을 거친 데이터의 양도 엄청난 만큼 이를 빨리 저장, 처리할 수 있는 기술이 동반돼야 한다.

이 모든 걸 가능하게 해준 건 클라우드 컴퓨팅과 빅데이터 같은 정보 저장∙처리 기술이다. 최근 고성능 중앙처리장치(CPU)와 그래픽처리장치(GPU)가 잇따라 등장하며 빅데이터를 확보, 사용할 수 있는 인프라가 갖춰졌다. 딥러닝 기술 역시 이 과정에서 발달하게 된 것이다. 요컨대 알파고는 인간의 신경망 구조를 모방한 기계 학습법인 딥러닝 알고리즘, 여기에 엄청난 양의 정보를 끌어들여 빠르게 처리하는 빅데이터 기술 발달이 더해지며 이뤄낸 성과라고 할 수 있다.

신약 실험, 자동차 자율 운행 등 활용도 '무궁무진'

'아이에게 물고기를 주기보다 물고기 잡는 법을 가르쳐라'는 서양 격언이 있다. 딥러닝이 컴퓨터를 바로 이 방식으로 학습시킨다. 다시 말해 목표 내용을 직접 주입하기보다 무수한 데이터를 걸러내는(filtering) 과정에서 그 내용을 컴퓨터가 알아서 찾아내도록 설계하는 것이다. 따라서 방대한 경우의 수를 탐색, 가장 주도적인 관련성을 찾아내는 작업이 딥러닝의 핵심이다.

이런 방식으로 가장 두드러진 성과를 내고 있는 게 얼굴 인식 등 컴퓨터 비전(vision) 분야다. 2014년 현재 이 기술은 얼굴 인식률 측면에서 평균적인 사람(97.5%)과 유사한 수준(97.4%)에 이르렀다. 이뿐 아니다. 음성 인식, 손 필기 인식 등 '기본 유형(pattern) 인식 능력에 기반한' 기술은 모두 딥러닝 기법 덕에 일취월장하고 있다. 최근 계속 업그레이드되고 있는 인공신경망 기계 번역 역시 이 같은 딥러닝의 특성을 응용한 분야다.

딥러닝이 사물인터넷 확산 추세와 맞물리면 인류의 삶을 더없이 편리하게 바꿀 수 있다. 단순히 외관(얼굴)이나 음성 인식에 그치지 않고 체온∙호흡∙맥박∙혈압 등 다양한 생체 신호를 지속적으로 측정, 인식할 수 있게 되면 이 같은 신호를 본인 인증뿐 아니라 헬스케어 같은 서비스에도 활용할 수 있다.

가정에서의, 혹은 범위를 좀 더 넓혀 산업계나 도시 환경 관리 측면에서의 응용도 가능하다. 사물인터넷 시스템에서 데이터를 받아 효율적이고 안전한 에너지 관리에 쓸 수 있기 때문. 그 밖에도 △신약의 효과 측정과 부작용 확인 △기업의 고객 관리 △자동차의 자율 운행 등 딥러닝을 기반으로 한 인공지능의 쓰임새는 무한대로 확장될 수 있다. 영화 '채피(Chappie)' 속 다정다감한 로봇이 실제 인류의 동반자가 될 날도 머지않은 셈이다.

'인간 대(對) 컴퓨터', 승패 관계로 규정할 수 없어

지난 2013년 미국 매사추세츠공과대학(MIT)은 '올해를 빛낼 10대 혁신 기술' 중 하나로 딥러닝을 꼽았다. 이듬해 미국 마케팅 조사 전문 기업 가트너(Gartner, Inc.)는 딥러닝을 '2014 세계 IT 시장 10대 주요 예측'에 포함시켰다. 글로벌 시장조사 기관 IDC는 오는 2017년 전 세계 인공지능 시장 규모를 1650억 달러로 전망했다. 글로벌 컨설팅 기업 맥킨지(McKensey)는 오는 2025년 '인공지능을 통한 지식노동의 연간 자동화' 가치를 5조2000억 달러로 내다봤다. 하루가 멀다 하고 쏟아지는 인공지능 관련 전망을 들여다보고 있자면 슬며시 걱정 하나가 고개를 든다. '이러다 인공지능이 인간의 일자리를 모두 빼앗게 되는 건 아닐까?'

인공지능 기술이 발전돼 응용 분야가 확산되면 사람이 하는 일에서의 구조조정은 불가피할 것이다. 하지만 그 결과가 '사람을 쫓아내는(혹은 사람에게 위협을 가하는) 기계'로 이어질 가능성은 크지 않다. 인공지능을 만들어내는 주체도, 작동시키고 점검해야 하는 주체도 모두 사람이기 때문이다.

이세돌과 알파고의 첫 번째 대국이 열리기 직전인 지난 9일, 에릭 슈미트(Eric Schmidt) 구글 회장은 개막 연설에서 이렇게 말했다. "(이번 대국의) 결과가 어떻게 되든 승자는 결국 인간입니다." 사실 더 크게 보면 '인간 대 컴퓨터'의 관계는 승패로 규정할 수 없다. 인간은 컴퓨터를 포함, 다양한 도구와 기계를 만들어 활용하며 자신들의 삶을 더욱 풍부하게 만들어왔기 때문이다. 인공지능 역시 그 '도구와 기계'의 연장선상에 있다. 결국 미래의 인공지능은 인류의 삶을 더욱 풍요롭게 만드는 방향으로 발전할 테고, 그러기 위해 인간이 해야 할 일은 지금보다 한층 늘어날 것이다.

악상이 떠올랐니? 허밍으로 불러봐! 악보가 ‘뚝딱’

▲허밍 기반 작곡 애플리케이션 ‘험온!’은 뮤직크로키 팀의 첫 번째 작품이다. (왼쪽부터)부차우∙이유경∙최병익(CL)∙안영기∙안지호∙가기환씨

길을 걷다 좋은 음악을 들으면 주섬주섬 스마트폰부터 꺼내는 사람이 제법 많다. 가사를 검색, 노래 제목을 찾기 위해서다. 최근엔 곡조를 인식해 자동으로 노래 제목을 찾아주는 서비스까지 등장했다. 스트리밍 서비스로 시간과 장소에 구애 받지 않고 원하는 곡을 자유롭게 들을 수 있다는 사실까지 생각하면 사실상 스마트폰 하나로 음악에 관한 한 거의 모든 필요를 해결할 수 있다 해도 과언이 아니다.

그런데 여기서 한 발 더 나아가 스마트폰과 음성 인식 기술을 활용한 작곡 애플리케이션(이하 ‘앱’)이 개발된다면 어떨까? 삼성전자 C랩 ‘뮤직크로키’ 팀이 바로 그 미션에 도전했다, ‘험온(Hum On)!'(이하 ‘험온’)이란 이름으로.

*해당 영상은 사용기한 만료로 삭제되었습니다▲험온의 주요 기능과 사용법을 직관적으로 소개한 영상

▲험온의 최대 장점은 음악 이론을 전혀 모르는 이도 한두 번만 써보면 누구나 어엿한 악보를 완성해낼 수 있다는 것이다

악기 연주 못해도, 악보조차 못 읽어도 작곡 가능?!

앱 시장 중에서도 모바일 작곡 분야는 유독 경쟁이 치열하다. 출시 전부터 강력한 기능으로 주목 받았던 삼성전자 ‘사운드캠프’를 비롯, 우수한 성능을 갖춘 앱도 꽤 많이 나와 있다. 이런 상황에서 후발주자 격인 험온은 ‘사용 편의성’을 앞세워 기존 작곡 앱들에 도전장을 내밀었다. 험온을 사용하면 전문적 작곡 지식이 없는 사람도 곡 하나쯤은 쉽게 만들 수 있다. 악기를 다루지 못해도 상관없다. 기본 멜로디가 완성되면 그에 어울리는 반주가 자동으로 덧붙여지기 때문. 

▲험온은 사용자의 목소리를 인식한 후 이를 녹음, 작곡에 활용하는 방식으로 구동된다

‘과연 목소리만으로 제대로 된 음악을 만들 수 있을까?’ 팀원들의 설명에도 고개가 갸웃거려졌다. 백문불여일견(百聞不如一見). 최병익 CL이 직접 ‘작곡 시연’에 나섰다. 그가 험온 앱을 켠 채 동요 ‘떴다 떴다 비행기’의 곡조를 흥얼거리자, 놀랍게도 스마트폰 화면에 악보가 그려지기 시작했다.

잠시 후 방금 전 들었던 곡조가 스마트폰에서 연주되기 시작했다. ‘좀 밋밋한데?’ 싶은 순간, 최 CL이 ‘발라드 반주’ 기능을 실행했다. 그러자 스마트폰에선 라디오 방송에 나올 법한 ‘발라드풍 떴다 떴다 비행기’가 흘러나왔다.

▲험온을 통해 사용자의 목소리가 악보 위에 음표로 변환돼 나타난 모습

‘음악’을 공통분모로 뭉친 팀원들… “업무가 즐겁습니다!”

허밍(입을 다문 채 콧소리로 발성하는 창법)만으로 작곡이 가능한 앱, 험온은 어떻게 탄생했을까? 프로젝트를 이끈 최병익 CL은 “전자공학을 전공했지만 음대생 못잖게 음악에도 관심이 많았다”고 말했다. 이를 증명하듯 그가 다룰 수 있는 악기 수는 무려 7개. 심지어 대학 졸업 작품도 피아노 연주를 악보로 바꿔주는 프로그램이었을 정도다.

“험온 개발에 결정적 계기를 제공한 건 친구였어요. 악보도 볼 줄 모르고 다룰 수 있는 악기도 없는데 음악성은 뛰어났죠. 한 번은 그 친구가 흥얼거린 멜로디를 악보로 만든 후 반주를 넣어 선물했거든요. 그랬더니 정말 좋아하더라고요. 그런 과정을 반복하는 동안 ‘이걸 자동화할 수 있지 않을까?’란 아이디어가 떠올랐죠.”

▲”사무실에 건반이 있단 사실이 꿈만 같다”는 최병익 CL은 “가장 좋은 점은 음악적 재능을 업무에 발휘할 수 있다는 사실”이라고 말했다

험온에 내장된 기술은 일명 ‘머신러닝(machine learning)’이다. 최 CL은 “최근 크게 화제를 모은 인공지능 바둑 프로그램 ‘알파고’가 여러 차례의 대전을 통해 학습하며 성장하듯 험온도 기존 악보들의 코드를 분석하는 과정을 통해 정확성을 높인다”고 설명했다.

험온 개발 과정에서 유독 어려웠던 기능은 두 가지. 사람의 허밍을 정확하게 악보로 추출하는 기능이 하나, 멜로디에 어울리는 반주를 붙이는 기능이 다른 하나였다. 특히 “모바일 환경의 연산 능력 수준에서 사람의 음정을 실시간으로 분석하는 게 쉽지 않았다”는 게 뮤직크로키 팀원들의 가장 큰 고충이었다. (실제로 팀원들은 출국을 며칠 앞둔 인터뷰 당시에도 알고리즘을 최적화하고 개선하는 부분에 많은 힘을 쏟고 있었다.)

▲”아직 배울 것이 많지만 C랩을 통해 정말 하고 싶은 일을 찾았다”는 안지호 팀원

안지호 팀원은 “설령 알고리즘이 제대로 동작했다 해도 사람 귀엔 어색하게 들리는 경우가 왕왕 있다”며 “이 부분은 앞으로도 계속 고민하며 개선해나갈 것”이라고 귀띔했다.

▲뮤직크로키 팀원들은 “요 몇 달간은 연일 ‘야근 모드’였다”면서도 “남이 시켜서 하는 일이 아니어서 그런지 밤늦도록 사무실을 지켜도 시간 가는 줄 모르겠더라”고 입을 모았다

안지호 팀원에 따르면 험온 개발 과정에선 ‘웃지 못할 해프닝’도 수 차례 있었다. “앱 개발을 위해 회의실에서 매일 20분 정도 테스트를 진행할 때였어요. 평소와 같이 테스트 중이었는데 갑자기 옆 회의실에서 벽을 쿵쿵 치는 소리가 나더라고요. 무슨 일인가 싶어 가보니 다른 부서 부장님이 ‘회의 중엔 노래를 부르지 말아 달라’고 부탁하시더군요(웃음). 다행히 사정을 설명하고 양해를 구해 위기(?)를 모면했죠.”

팀원의 열정을 보여주는 사례도 있다. 사용자가 활용할 반주 데이터를 구축하려면 실제로 악기를 연주하고 녹음해야 한다. 하지만 동료들이 업무에 집중하고 있는 낮 동안엔 마땅한 연주 공간이 없는 상황. 고심 끝에 이들이 방식은 ‘야근’이었다. 안지호 팀원은 “어느 날 최병익 CL이 반주 데이터를 만들겠다며 혼자 남았는데 다음 날 출근해보니 밤을 새워 필요한 작업을 모두 끝내놓았더라”며 “이 일을 하며 열정 하나만큼은 확실히 배워간다는 생각”이라고 말했다.

“‘전 세계인의 축제’ SXSW서의 활약, 기대해주세요!”

C랩 과제 중에서도 우수성을 인정 받아 SXSW 참가 기회를 얻은 뮤직크로키 팀원들은 인터뷰 당시 ‘세계 무대 데뷔’ 사실에 한껏 고무돼 있었다. 이들에게 “행사장 현지에서 어떤 방식으로 험온을 소개할 계획이냐”고 묻자 “팀원 전체가 마치 모차르트처럼 로코코풍 의상을 입고 관람객을 맞이할 생각”이란 답변이 돌아왔다. 다소 장난스러워 보이는 계획이지만 여기엔 의외로 팀원들의 깊은 고민이 담겨있다. 고전 음악가들이 다소 어려운 방법으로 작곡에 도전했다면 오늘날 작곡은 그보다 훨씬 쉬운 방법으로도 가능하단 점을 강조하고 싶었던 것. 팀원들은 “의상 말고도 허밍 체험 후 실력에 따라 ‘참 잘했어요’ 같은 메시지가 담긴 스티커를 붙여주는 등 다양한 홍보 방안을 준비하고 있다”고 입을 모았다.

험온은 “이리 와봐!”란 뜻의 영어 표현 “컴온(Come On)!”에서 착안한 명칭이다. 동사 ‘컴(come)’의 자리에 ‘흥얼거리다’ 혹은 ‘콧노래를 부르다’란 뜻의 동사 ‘험(Hum)’을 배치, ‘허밍해봐!’란 의미의 과제명으로 거듭난 것. 멋진 언어유희를 통해 탄생한 ‘험온’이 ‘작곡’ 하면 떠오르는 보편적 용어가 될 그날까지 뮤직크로키 팀의 도전은 계속된다.