AI. ‘인공지능(Artificial Intelligence)’의 줄임말이다. 현대인의 일상에 이미 깊숙이 들어와 ‘상식’ 수준으로까지 통용되는 이 단어가 대중에게 특히 익숙해진 계기 중 하나는 영화 감독 스티븐 스필버그의 2001년작 ‘AI’였을 것이다. 사람과 똑같이 섬세한 외관을 갖춘 인공지능 로봇 ‘데이비드’가 주연이었던 이 영화가 개봉된 이후 AI는 웬만한 사람들 사이에서 로봇과 거의 같은 뜻으로 이해됐다.

지난해 3월, 프로 바둑 기사 이세돌 9단과 알파고 간 ‘세기의 대결’이 성사되며 인공지능은 대중의 머릿속에 다시 한 번 각인됐다. 다만 개념 확산 측면에서의 파급력은 영화가 공개됐을 때보다 훨씬 컸다. 사람들은 인공지능에 대해 “무수한 데이터를 선행 학습, 스스로 일정 유형(pattern)을 찾아낸 후 인간과 거의 비슷한 수준의 판단을 내릴 수 있는 컴퓨터 프로그램”이라고 생각하기 시작했다. 비교적 탄탄한 배경 지식을 갖춘 이라면 “인간 신경망과 유사한 방식으로 작동되는 컴퓨터 알고리즘”이라는, 보다 정교한 정의를 내리게 됐을지도 모른다.

딱 그 수준이었다. 삼성전자의 DMC연구소의 인공지능 응용연구 실무진과의 인터뷰를 시작하기 전까지, 인터뷰이의 연구 분야가 각각 △음성∙영상 인식 △화질(畵質) △압축이란 사실을 알곤 잠시 혼란스러워졌다. ‘음성 인식이라면 스필버그 영화 속 데이비드 같은 로봇을 만들 때 필요한 기술이겠군. 근데 영상 인식과 화질, 압축이라고?’

“요즘 인공지능이라고 하면 신경망과 연관 지어 생각하는 경향이 짙은데요. 사실 AI 연구 범위는 일반인의 생각보다 꽤 넓습니다. 이를테면 머신러닝(machine learning) 전반과 그에 관련된 로직(logic) 구성 방식까지 포함하죠. 따지고 보면 꽤 오래전부터 존재해오던 학문 분야라고 할 수 있습니다.” 음성 인식 분야 실무를 담당하고 있는 이재원(삼성전자 DMC연구소 융복합기술팀 차세대인식랩)씨의 설명을 시작으로 ‘삼성전자와 AI 간 접점 찾기’ 시도가 본격적으로 시작됐다.

‘소음 잡고 사투리 구분하는’ 음성 인식… 영상 인식, 쇼핑∙번역 기능 만나면 가능성 무한대

음성 인식은 SF 영화 속 로봇을 작동시키는 장면 등에서 누구나 꽤 친숙하게 접했을 법한 기능이다. 시각적 상상과는 다소 거리가 있을지 몰라도 오디오 차원에 관한 한 ‘사람 지시를 이해해 그에 대응하는’ 로봇은 이미 여럿 개발돼 일상에서 사용되고 있다. 빅스비(Bixby∙삼성전자)와 시리(Siri∙애플), 에코(Echo∙아마존) 등이 모두 이에 해당된다.

음성 인식을 제대로 구현하려면 주변 소음과 화자(speaker)의 발음을 구분, 소음을 자동으로 제거하고 화자 말소리 중에서도 기본 구성 음소를 또렷하게 드러내는 부분만 기기 리시버(receiver)에 전달하는 기술이 뒷받침돼야 한다. 또한 여럿이 한꺼번에 말할 때 특정인의 음성을 구분해내고 사투리∙억양 등 개인차가 존재하는 변이까지 감안, 불필요한 부분을 제거한 정보를 기기 대응(reaction) 부분에 전해야 한다.

영상 인식은 음성 같은 청각 정보가 아니라 시각 정보를 처리하는 기술이다. 예를 하나 들어보자. 당신이 어떤 카페에 갔다가 아주 마음에 드는 찻잔을 발견했다. 종업원에게 “이 제품을 어디서 구할 수 있느냐”고 물었지만 찻잔을 직접 구매하지 않은 터라 종업원도 아는 게 없는 상황이라면? 이럴 때 삼성전자가 개발한 영상 인식 기술 ‘빅스비 비전’이 탑재된 갤럭시 S8이 있으면 문제는 생각보다 간단하게 해결된다. 빅스비 비전 기능을 선택, 찻잔 사진을 찍기만 하면 어느 브랜드 제품이고 어디서 살 수 있는지, 가격은 얼마인지 등의 정보를 곧바로 띄워주기 때문. 구매를 결심했다면 주문 후 결제까지 ‘원스톱’으로 처리할 수 있다. 만약 해당 제품의 판매처가 (한국어가 아닌) 다른 언어로 운영되는 곳이라면 빅스비 번역 시스템을 통해 제공 언어를 한국어로 변환할 수도 있다.

어느 정도 공통 구조를 갖고 있는 언어와 달리 이미지는 보는 이에 따라 해석의 폭이 굉장히 다양해질 수 있다. 영상 인식이 간단찮은 기술인 까닭이다. 다행인 건 SNS에 올려진 사진 등은 특정 주제(나 항목)에 대한 선호도 등 사용자 관련 정보를 꽤 많이 담고 있단 사실이다. 따라서 이 경우엔 각 사진의 의미를 파악하고 사용자 선호 정보와 결합, 서비스에 연동하는 기술이 중요해진다. 대표적 예가 콘텐츠(상품) 추천이다. 이를 위해 영상 인식 기술에선 사용자가 주로 쓰는 서비스나 애플리케이션 사용 유형 등을 파악, 영상 분석 시 적극 활용한다. 제품 구매나 검색 이력, SNS 사용 습관 등도 참고할 수 있다(물론 사용자의 사전 동의는 필수다). 이런 데이터까지 전부 포괄해 처리하는 영상 인식 기술도 AI 알고리즘을 적용하면 얼마든지 구현이 가능해진다.

원본 화질 자체 검색∙분석… 스마트폰 ‘직캠’ 대형 TV서 재생해도 뭉개지지 않고 선명하게

AI는 화질 성능 개선 작업에도 널리 활용될 수 있다. 최근 영상(이미지) 재생 기기 종류가 다양해지며 스크린 크기와 무관하게 최적의 화질로 영상(이미지)을 감상하려는 수요도 급증하고 있다. 이런 추세는 오래전 찍어 보관해둔 영상에서부터 몇 시간 전 스마트폰으로 촬영한 ‘직캠’까지 실로 다양한 화질의 영상이 유통되는 현실과도 무관하지 않다. 날로 커지는 TV 화면으로 이런 영상을 감상했을 때에도 영상이 뭉개지지 않게 하려면, 그것도 기존 인터넷 대역폭을 통해 재현되게 하려면 어떻게 해야 할까? AI는 이 질문에 마침맞은 대답일 수 있다.

▲AI는 화질 성능 개선 작업에도 활용될 수 있다. 오른쪽 사진은 삼성전자의 AI 화질 향상 기술로 뭉개지기 쉬운 원본 화질 성능을 개선시킨 이미지

AI를 활용한 화질 처리 과정엔 단순히 비트 수를 줄여 데이터를 송∙수신하고 재현하는 것 이상의 기술적 차별성이 있다. 원본의 해상도가 그리 높지 않거나 화면 정보 손실이 큰 경우에도 AI는 스스로 검색∙분석해 필요한 정보를 확보한 후 고화질 화면으로 변환, 재생할 수 있다.

기술자(인간)가 미처 인식하지 못하는 부분까지 복원해주는 것이다. 이때 기술자의 역할은 AI가 효율적으로 작동될 수 있는 구조 설계 정보를 입력하고 학습 방향을 설정해주는 것 정도다. 물론 상당한 노력과 비용, 그리고 엄청난 데이터와 서버 사용이 전제돼야 한다.

데이터 압축 시 손실 정도 ‘용의주도하게’ 조절한 알고리즘 개발… 성능∙속도 둘 다 잡았다

▲이날 인터뷰에 응한 네 명의 개발진은 지난달 미국 뉴욕에서 개최된 ‘삼성 글로벌 AI 포럼’에 참석, AI 분야 세계 석학들과 활발하게 의견을 교류하기도 했다

압축(compression)은 당초 제시됐던 형태보다 더 작은 수의 비트(bit)를 활용, 정보를 코드로 만드는(encode) 과정이다. 정보가 압축되면 줄어든 용량만큼 전송 속도가 빨라진다. 또한 대역폭(bandwidth) 내 점유율이 줄어 같은 용량의 인터넷 선을 쓰더라도 더 많은 데이터를, 더 효율적으로 전송할 수 있게 된다.

단, 압축된 정보를 수신하려면 코드 판독(decode) 절차를 거쳐야 한다. 이메일로 고용량 파일을 주고받을 때 흔히 경험하게 되는 행동이다. 즉 압축된 파일을 받았다면 ‘압축 풀기’ 명령을 실행한 후 작업이 끝날 때까지 기다려야 한다. 하지만 날로 발전하는 기술은 이 대기 시간조차 줄이거나 없애고 있다. 실제로 최근 출시되는 IPTV[1] 수신 장치 등 고용량 데이터 수신∙재현 기기는 사용자의 별도 지시 없이도 자체적으로 빠르게 압축을 풀어 (마치 아무 일 없었다는 듯) 자연스레 화면을 재생해낸다.

용량이 큰 데이터를 압축하는 방식은 크게 두 가지로 나뉜다. 데이터 손실이 전혀 없도록 하는 방법이 하나, ‘용의주도하게’ 손실시키는 방법이 다른 하나다. 데이터 손실을 피하면서도 압축되게 하려면 그에 맞는 알고리즘을 적용, 지시를 내려야 한다. 가령 빨간 장미 사진을 전송한다고 해보자. 특정 부분에서 빨간색 픽셀이 213개 연속돼 있으면 ‘red’를 213회 쓰는 게 아니라 ‘213 reds(213개의 빨간색)’이라고 써주는 식이다.

하지만 이런 방법으로 압축하려면 상황별 알고리즘을 일일이 만들어야 해 여간 번거롭지 않다. 설사 모든 작업을 완료한다 해도 효율성 측면에서 높은 점수를 매기기 어렵다. 따라서 데이터를 압축할 땐 언제나 균형점을 택하는 일, 즉 ‘트레이드오프(trade-off)’를 유념해야 한다. 알고리즘을 적용, 살린 채 전송할 데이터와 과감히 지워지도록 내버려둔 데이터를 미리 결정해야 하는 것이다. ‘살려야 하는 데이터를 되도록 축소해 보냈다 다시 복원할 수 있게 해주는’ 알고리즘(과 그 작업을 구현해낼 기기)을 개발하는 일도 그 못지않게 중요하다.

사실 말로 하긴 쉽지만 정보 압축 절차엔 일반인이 상상하기조차 힘들 만큼 복잡한 알고리즘이 동원된다. 그림 한 장을 보내는 상황만 해도 그렇다. 크기를 확대해도 화소가 깨지지 않고 정교한 색감과 선형이 유지되도록 하려면 수십 만, 아니 수백 만 개 픽셀이 재현되는 방식을 일일이 지정해주는 알고리즘을 만들어 적용해야 하기 때문이다.

바로 이 지점에서 AI의 활약이 빛을 발한다. 가령 무수한 데이터 처리 방식을 선행학습으로 입력시켜둔 AI라면 비슷한 유형의 픽셀 배열을 확인했을 때 최적의 방식으로 ‘버릴 건 버리고 (비트 수를 줄여) 담을 건 담는’ 작업을 순식간에 해치울 수 있기 때문이다. 머신러닝이나 딥러닝(deep learning)처럼 ‘무수한 유형을 입력한 후 그 사이에서 컴퓨터가 스스로 법칙성을 찾아가게 하는’ 기술을 압축 담당 인공지능에 적용하는 형태다(관련 내용은 지난해 3월 23일자 스페셜 리포트 <“인공지능의 미래가 두렵다”는 당신에게> 편에서 한 차례 다뤄진 적이 있다).

AI를 활용한 데이터 압축 분야에서 삼성전자의 기술 수준은 가히 세계 최고다. 실제로 AI를 쓰지 않고 일일이 계산하는 코덱을 적용했을 때와 비교했을 때 압축 성능은 5배에 이른다. 다시 말해 같은 양의 데이터라면 기존 방식보다 5배 빠른 속도로(혹은 대역폭의 20%만 사용해) 전송할 수 있단 얘기다.

▲삼성전자는 데이터 압축 분야에서 AI를 활용, 이전보다 5배 높은 성능을 구현한다. 가운데 사진은 기존 압축기술(HEVC)을 활용한 상태, 맨 아래쪽 사진은 AI 압축 기술을 적용한 상태다. 강한 압축에도 원본급 화질이 유지되는 걸 확인할 수 있다

사용자 입장에서도 이 기술은 혁신적이다. 인터넷 선을 추가로 확장하지 않고도 대용량 데이터를 더 빠른 속도로 내려 받을 수 있기 때문이다. IPTV∙유튜브(Youtube) 등 콘텐츠 공급원이 다양해지고 사용자가 고를 수 있는 단말기 종류 역시 PC∙TV∙스마트폰 등으로 확장되며 압축된 데이터가 구현해내는 콘텐츠를 소비하는 일도 예전보다 훨씬 간편해졌다. 이런 추세는 (제품) 생산자도 웃게 한다. 좀 더 크고 화질 좋은 TV, 작아도 실감 나는 영상을 재생하는 모바일 기기 등 디코딩 기기 수요 증가와 직결되기 때문이다. 그야말로 ‘누이 좋고 매부 좋은’ 변화다.

1000년 된 프랑스 삼베 태피스트리서 ‘혁신 제품 이면의 기술’ 만든 이들의 노고 떠올리다

AI의 무한한 가능성을 다시 한 번 확인하고 나오는 길, 문득 프랑스 여행 당시 인상적으로 접했던 문화유산의 광경이 떠올랐다. 파리에서 약 260㎞ 떨어진, 영국을 마주하고 있는 소도시 베이유에 보관 중인 일명 ‘베이유 태피스트리[2]’가 그것. 폭 50㎝, 길이는 70m가 넘는 삼베 천에 완성된 이 장식품엔 1066년 노르망디를 정복한 윌리엄 왕과 영국 웨섹스 해롤드 경 간 벌어진 헤이스팅스 전투 전후 얘기가 정교하게 수놓아져 있다.

▲프랑스 노르망디 베이유박물관에 전시 중인 베이유 태피스트리 전경(왼쪽 사진)과 일부 발췌본

1000년 이상의 세월을 거치면서도 손상되지 않은 채 남아 오늘날 베이유박물관 벽면을 따라 길게 전시된 이 문화유산은 누구에게나 뭐라 설명할 수 없는 감동을 안긴다. 만약 이 작품이 물감와 붓을 써 완성된 거라면 감동은 덜했을지도 모른다. 장대한 역사를 고스란히 재현하기 위해 바늘을 움직여 글자 모양을 만들고 색실로 광활한 공간을 채워갔을 아낙들의 손길이 모인 덕에, 여느 그림과는 차원이 다른 감동을 자아내는 것 아닐까?

이날 마주한 삼성전자 DMC연구소 AI 개발진에게선 인터뷰 내내 ‘글로벌 톱 기업에서 차세대 기술의 첨단을 달리는 주역’으로서의 자부심과 자신감이 느껴졌다. “비록 현재는 가능성 검증 단계지만 하나같이 ‘실제 상품 탑재’를 전제로 진행해온 연구인 만큼 적절한 시점에 상용화되는 덴 전혀 문제가 없다”는 게 이들의 입장. 길게는 2010년부터 시작돼온 이 기술들이 향후 어떻게 실제 제품에 녹여질지 절로 기대가 됐다.

갤럭시 S8 사용자 중 상당수는 빅스비 같은 혁신적 기능에 매료된다. 하지만 그런 매력의 이면에 작용한 손길까지 의식하는 이는 많지 않다. 하지만 아무리 사소해 보이는 기능이라도 그 뒤엔 무수한 이의 노력이 깃들어있다. 크고 작은 서비스와 소프트웨어로 채워진 최첨단 스마트폰도 예외는 아닐 것이다. 전자제품을 더 ‘스마트하게’ 바꿀 AI 개발에 여념이 없는 이들과 만나고 돌아오는 길, 문득 그런 생각이 들었다.

[1] Internet Protocol Television. 초고속 인터넷망을 이용해 제공되는 양방향 텔레비전 서비스
[2] tapestry. 각종 색실로 그림을 짜 넣은 직물. 벽걸이나 가리개 따위로 흔히 쓰인다

인간은 뭔가를 알고 싶을 때 어떻게 할까? 약 3000년 전까지만 해도 누군가의 ‘기억’에 의존하는 것 외엔 다른 방도가 없었다. 따라서 기억력이 뛰어난 사람, 자신이 기억한 걸 말로 잘 표현하는 사람은 누구에게나 중요한 존재였다. 마을마다 ‘기억력 비상하고 경험 풍부한’ 노인 한두 명이야말로 그 마을 사람들이 뭔가 궁금해할 때마다 ‘소환’되곤 하던 데이터베이스였다.

몇몇 사람의 기억을 보완하며 등장한 게 바로 문자 매체, 즉 ‘서류’였다. 인류 최초의 서고(書庫)가 등장한 건 기원전 7세기, 당시 메소포타미아 북부 지역 소재 고대 국가 아시리아(Assyria)에서였다. 물론 이때엔 종이가 없었기 때문에 서류라고 해야 ‘점토를 편평하게 밀어 송곳으로 문자를 새긴 후 불에 구워 차곡차곡 쌓아두는’ 형태가 고작이었다. 이런 문서는 (비록 대량으로 만들어낼 순 없었지만) 사람의 기억에 의존하는 것보다 훨씬 분명하면서도 흔들리지 않는 사실(fact) 확인엔 도움이 됐을 것이다.

14세기 고려의 ‘직지심경(直指心經)’ 편찬, 이어 15세기 독일인 구텐베르크의 금속활자 발명으로 서류(혹은 그것의 묶음인 책) 만들긴 한결 쉬워졌다. 20세기 중반에 접어들며 책이나 신문 따위의 매체는 세계 전역에서 일반인도 일상적으로 이용할 수 있는 데이터베이스가 됐다.

반 세기 만에 실현된 ‘스타 트렉’ 속 로망

변화는 시작이 힘들 뿐 일단 물살을 타기 시작하면 엄청난 속도로 진전된다. 실제로 종이 매체가 보편화된 지 불과 한 세대 정도 지난 1990년대에 접어들며 종이 매체 속 콘텐츠는 인터넷을 통해 세계인 모두가 어디서나 공유할 수 있게 됐다. PC를 통해 전 세계 데이터베이스에 누구나 접근할 수 있게 되자, 일부에선 ‘정보의 홍수’ 사태를 우려하는 목소리가 나왔다. 그래도 변화의 흐름은 계속됐다. 날로 작아지고 간편해지는 모바일 기기의 보급 덕에 세상은 ‘모든 사람이 모든 지식과 정보를 공유하는’ 방향으로 바뀌었다.

▲1966년 드라마로 첫선을 보인 스타 트렉 시리즈는 수십 년이 지난 현재까지 영화로 제작될 만큼 큰 인기를 끌고 있다. 위 이미지는 지난해 개봉한 영화 ‘스타 트렉 비욘드’의 스틸 이미지(롯데엔터테인먼트 제공)

‘이만 하면 충분히 편리해졌으니 이제 그만 하자!’ 인간 세계에서 이런 타협은 존재하지 않는다. 1966년 첫 전파를 탄 미국 SF TV 드라마 시리즈 ‘스타 트렉(Star Trek)’엔 정확한 지식과 정보뿐 아니라 신뢰할 만한 지침까지 실시간으로 제공하는 컴퓨터의 목소리가 등장한다. 당시 이 시리즈에 열광했던 시청자 중 상당수는 드라마에서처럼 실제에서도 인간과 기계 간 대화의 실현을 꿈꿨다.

그리고 오늘날, 그 꿈은 현실로 부쩍 다가왔다. 의자에 앉아 자판을 두드리는 것, 손목에 찬 웨어러블 기기를 ‘터치’하는 것조차 번거롭다. 머릿속에 떠오른 의문을 입 밖으로 꺼냈을 때 곧장 정확하고도 신뢰할 수 있는 답이 돌아온다면 어떨까? 좋아하는 음악이 저장된 CD를 장만하거나 다운로드해 MP3 플레이어에 담을 필요 없이, 그저 “샤이니 신곡을 들려줘”라고 말하기만 해도 해당 음악을 들을 수 있다면?

실제로 요즘 구현되는 기술은 스타 트렉에서의 그것을 능가한다. 일단 굳이 우주선 안 컴퓨터 앞에 앉아 있을 필요가 없다. 어디서 뭘 하는 중이든 손 안의 스마트폰, 혹은 손목이나 목에 착용한 웨어러블 기기에 대고 말만 해도 된다. 헤드셋 형태의 기기라면 그저 질문을 소리 내어 표현하는 것만으로도 원하는 대답을 들을 수 있다, 그것도 ‘세계 최대 도서관에서 하루 종일 고생해도 찾기 어려울 정도의’ 품질을 갖춘 대답을! 그뿐 아니다. 장르와 시대를 불문하고 사용자가 가장 듣고 싶은 음악도 ‘지금 바로 내 귀로’ 제공된다. 바야흐로 ‘인공지능 음성인식 기술 기반 서비스 로봇’ 시대로 접어든 것이다.

요즘 음성인식 앱, 답답하게 느껴지는 이유

사실 현대인에게 음성인식 기술은 퍽 가까이 있다. 삼성전자서비스 콜센터는 고객이 (상담을 원하는) 제품명을 말하면 이를 자동으로 인식, 전문상담원과의 통화로 연계한다. 지난 2012년 갤럭시 S3와 함께 출발한 삼성전자의 음성인식 서비스 ‘S보이스(S-voice)’는 이제 전화 연결에서부터 웹브라우징에 이르기까지 다양한 기능을 갖추고 있어 스마트 기기 생활을 더욱 편리하게 해준다.

하지만 이런 서비스를 접하며 스타 트렉 속 컴퓨터 목소리를 떠올리는 이는 아직 많지 않다. 극중 우주비행사들이 기계와 대화하는 모습과 현실의 음성 기반 서비스를 이용하는 본인의 모습이 사뭇 다르기 때문이다. 1998년과 1999년 방영된 ‘스타 트렉: 딥 스페이스 나인(Star Trek: Deep Space Nine)’ 시리즈에서 ‘마일즈 오브라이언(Miles E. O'Brien)’이 컴퓨터 지시에 따라 우주선을 운행하는 장면만 봐도 그렇다.

사람의 지시에 따라 우주선을 제어하는 능력까지 기대하긴 시기상조라 치자. 적어도 위 장면에서처럼 급한 상황에서 빠른 말투로 질문을 던졌을 때 즉각 자연스러운 말투로 정확한 정보를 말해주는 정도는 돼야 컴퓨터와 소통하는 느낌이 들 것 같다. 그런 면에서 2017년 1월 현재 나와있는 음성인식 기반 서비스들은 여전히 답답하다. 더욱이 조용한 곳에서, 또박또박 정해진 말을 해줘야 하는 만큼 ‘친근한 동반자’ 같은 느낌을 받긴 쉽지 않은 게 사실이다.

사실 이는 음성인식 기술을 개선, 보다 실용적인 소프트웨어를 만들고자 하는 개발자라면 누구나 골머리를 앓는 난제 중 하나다. “인간에겐 아주 쉬운 일이 컴퓨터에겐 아주 어렵고, 인간에게 아주 어려운 일들이 컴퓨터에겐 아주 쉽다”는 일명 ‘모라벡의 역설(Moravec‘s paradox)’<관련 내용은 지난해 3월 23일자 스페셜 리포트(“인공지능의 미래가 두렵다”는 당신에게) 참조>이 음성인식 기술 개발 현장에서도 고스란히 재현되고 있는 셈이다.

컴퓨터 입장에서도 고충은 있다. 일단 소리 입력 장치에 들어가는 소리 중 ‘사람 말’과 그렇지 않은 걸 구분해내야 한다. 거리에서 자동차 소음과 인간 음성을 구분하는 작업은 비교적 쉽겠지만 여럿의 말소리가 마구 뒤섞이는 파티 장소에서 특정인이 쓰는 단어만 골라내기란 결코 간단치 않을 것이다.

컴퓨터에게 지시 내리는 사람이 말을 빨리, 그리고 이어서 하는 편이라면 문제는 더 복잡해진다. 하나의 단어가 어디서 끝나고 또 시작되는지 구분하기조차 어려워지기 때문이다. 특히 한국어처럼 단어마다 미세하게 받침이 달라진다면 문제는 걷잡을 수 없이 커진다. 제아무리 세련된 음성인식 정보 제공 서비스라 해도 “지금 ‘단골 식당 예약 부탁해’라고 하셨습니까, 아니면 ‘당 고효율 식단에 약 부탁해’라고 하셨습니까?” 같은 질문을 반복해 사용자를 짜증나게 할 일이 잦아질 수 있다.

엎친 데 덮친 격으로 인간은 같은 취지의 말을 하면서도 거의 무한에 가깝게 소리를 바꿔 낸다. 똑같은 말이라도 화자가 누구냐에 따라 높낮이나 억양이 전혀 달라질 수 있다. 그 모든 변수를 컴퓨터가 인식, 정확한 메시지를 이해하도록 하는 건 실로 엄청난 작업이다. 설사 정확한 음성인식이 가능하다 하더라도 그건 첫걸음에 불과하다. 해당 음성이 담고 있는 문장 구조와 의미를 이해해 정확한 의미와 연결시켜야 비로소 정확한 ‘인식’에 이를 수 있기 때문이다.

이 모든 걸 생각하면 누군가의 말을 듣고 그 의미를 실시간으로 이해해 반응하는 인간의 두뇌는 그야말로 ‘기 막히게 뛰어난’ 장치다. 이를 위해 모든 인간은 태어난 직후부터 성인이 되기까지의 오랜 시간 동안 다양한 상황에서 말하고 들으며 언어 생활을 반복해왔다. 어쩌면 ‘언어적으로 완성된’ 인간을 상대로 컴퓨터 소프트웨어가 인간이 원하는 수준의 서비스를 제공하지 못하는 건 지극히 당연한 일인지도 모른다. 아니, 현 상태의 기술이 구현된다는 사실 자체가 놀랍다고도 할 수 있다.

음성인식 기술은 첨단 융합 과학의 최전선

음성인식 기술은 컴퓨터과학 중에서도 가장 복잡한 분야 중 하나다. 대개의 첨단 학문이 그렇듯 여러 부문 간 협력 작업이 필수이며 최소한 언어학∙수학∙뇌신경과학∙컴퓨터과학이 공동으로 작업해야 성과를 낼 수 있다. 그 근거는 다음과 같다.

컴퓨터는 어떤 절차를 거쳐 음성을 인식할까? 초기 단계에선 컴퓨터가 사람 음성을 듣고 자체 내장 메시지 중 그것과 일치(match)하는 걸 찾아 이해하거나, 해당 소리 유형과 특징을 분석했다. 이런 방법을 종합해 소리 간 연계를 확률로 계산, 제시하는 모델링 기법이 완성됐다. 이 기법은 관련 연구에 핵심적으로 기여한 러시아 수학자 안드레이 마르코프(Andrey Andreyevich Markov, 1856~1922)의 이름을 따 ‘히든 마커브 모델(Hidden Markov Model, HMM)’로 이름 붙여졌다. HMM은 뇌신경과학적 성과와 컴퓨터과학의 합작품인 인공신경망(Artificial Neural Network, ANN) 기술을 만나며 음성인식 기술을 한 단계 도약시켰다.

컴퓨터와의 대화가 시간∙장소 제약에서 자유로워진다면 음성인식 기술이 지니는 이점은 점차 커질 것이다. 실제로 ‘손 안의 컴퓨터’라 할 수 있는 스마트폰 보급이 일반화되면서 음성인식 기술 개발 속도는 한층 빨라졌다. 삼성전자는 물론이고 애플∙마이크로소프트∙구글, 최근엔 아마존까지 음성인식 시장에 뛰어들면서 관련 소프트웨어 경쟁 속도는 뜨겁게 달아오르고 있다. 추후 사물인터넷까지 안정적으로 보급된다면 목소리로 주거 환경을 제어하거나 자동차를 작동시키는 일도 가능해질 것이다. 스타 트렉 속 컴퓨터가 우스워질 정도로 환상적인 세상이 눈앞에 바짝 다가온 것이다.

120억 달러 황금 시장, 선점 경쟁 ‘스타트’

지난 5일부터 나흘간(현지 시각) 미국 라스베이거스에서 세계 최대 가전 전시회 ‘CES 2017’이 열렸다. 매해 개최 시점을 기준으로 가장 ‘핫(hot)한’ 기술이 주목 받는 CES의 성격을 고려할 때, 올해 행사의 주인공은 단연 음성인식 기술이었다. 이 같은 추세는 수치로도 입증된다. 글로벌 온라인 시장조사 기업 ‘마켓츠앤드마켓츠(MARKETSANDMARKETS)’에 의하면 오는 2022년 음성인식 기술 시장 규모는 119억6000만 달러(약 14조1427억 원)에 이를 전망이다.

삼성전자도 올해 CES 행사장에서 △냉장고 ‘패밀리허브 2.0’ △QLED TV △로봇청소기 ‘파워봇’ 등 그간 공들여 개발해온 음성인식 기능 탑재 제품을 선보였다. 하나같이 ‘단순 인식’에서 한 걸음 더 나아가 사물인터넷 기술과 결합, ‘인간과 전자제품 간 소통’을 꾀하고 있는 게 특징이다.

이를테면 패밀리허브 2.0은 명칭에서부터 짐작할 수 있듯 가족(family)의 중심(hub)에 자리 잡을 만한 가전이다. 요리나 설거지 등으로 손이 자유롭지 못한 주방 환경을 감안해 사용자가 원하는 걸 ‘말’만 해도 △조리법 △온라인 쇼핑 △음악 재생 △뉴스∙날씨 정보 등을 제공 받을 수 있다. 가족끼리 사진이나 메모를 공유할 수 있었던 이전 모델의 커뮤니케이션 기능에 더해 가족 구성원 각자의 계정을 만들 수 있는 기능이 추가된 것도 진일보한 대목이다. 사용자에게 보다 다양한 콘텐츠를 제공하기 위해 미국 최대 레시피 보유 웹사이트 ‘올레시피스(allrecipes.com)’를 비롯, 전 세계적으로 약 100개 업체와 협업을 진행 중인 점 역시 돋보인다.

이에 앞서 지난해 10월 5일 삼성전자는 미국 인공지능 플랫폼 개발 기업 비브랩스(VIV Labs)를 인수하는 등 자사의 인공지능 기반 음성인식 기술 영역을 보다 넓고 깊게 파헤치려는 노력을 계속하고 있다. 이렇게 개발된 기술은 삼성이 생산해내는 하드웨어와 결합, 인류의 삶을 한층 풍부하게 해줄 전망이다.

인간의 힘은 누군가와 대화를 나눌 때 증폭된다. 이런저런 사정으로 혼자 사는, 혹은 동거인이 있어도 홀로 지내는 시간이 많을 수밖에 없는 현대인. 동화 속에서 숲 속 모든 존재와 대화하고 협력해 놀라운 일을 척척 해내는 요정처럼 그들도 TV∙조명∙냉장고∙세탁기 등 집 안 모든 기기와 얘길 나누고 그로 인해 더 많은 일을 척척 해낼 날이 머지않았다.

 *해당 영상은 사용기한 만료로 삭제되었습니다

봄이 왔어요! 괜스레 설레는  봄이 올해도 어김없이 찾아왔답니다.

올 봄이 더욱 설레이는 이유는 바로 이번 주!! The Next GALAXY의 정체가 공개되기 때문인데요. ^^

삼성투모로우TV는 이번 주도 아주 스페셜한 내용으로 다시 찾아왔습니다.

어느 날 윤하에게 날라온 의문의 초대장~ 그리고 현빈과 함께 떠나는 스마트TV데이트!!

삼성투모로우TV를 통해 지금 바로 만나보세요~!!

현빈과 단둘이 떠나는 스마트TV 데이트~ 

봄날 가장 데이트 하고 싶은 남자 1위! 현빈과 함께하는 스마트TV 데이트의 주인공이 돼보세요!

현빈이 가장 좋아하는 스마트TV 기능은?! TV의 새로운 가치를 찾아 떠나는 특별한 여행~ 

매년 새로워지는 TV! 섬세하고 사람을 잘 이해하는 TV가 나타났다!

현빈과 함께 스마트TV 홀릭 속으로~ GO! GO!

윤하에게 의문의 초대장이?!

 
소문 무성한 극비 프로젝트! 드디어 올 것이 왔다! 여러분이 기다리고 기다리던 바로 그것!
암호명 “READY 4 THE SHOW!”

2013년 3월 14일 뉴욕, 한국 시간으로는 15일 오전 8시에 “The Next GALAXY”의 정체가 공개됩니다!

삼성투모로우TV 스페셜 이벤트  

지
난주보다 훨씬 쉬워진 삼성투모로우TV 이번 주 문제!!

정답과 함께 “2013 삼성전자의 최신형 스마트 TV에게 건네고 싶은 말”도 같이 올려 주시면
추첨을 통해 푸짐한 선물을 드립니다. ^^

불가능은 또 다른 가능성을 제기할 수 있다고합니다. 한주간 모두 파이팅하시고 다음 주에 다시 만나요. 

안녕~! ^^

여러분이 가지고 있는 기계에 대한 이미지는 어떤가요? 혹시 어렵고 다가가기 어려운 존재인가요? 인문사회적 현상은 일반인들에게 가까이에 있으면서도 쉽게 다가가는 주제인데 반해, 공학적이고 기술적인 이슈들은 일반인들에게는 머나먼 이야기여서 그런 소리를 듣곤 했었죠.

하지만, 스마트폰을 필두로한 스마트 기기들의 대중화와 함께 공학적 이슈들이 점차적으로 일반인들 사이에서도 주요 대화 소재가 되었습니다.

오늘은 이런 사회적 현상을 반영하여, 비 전공자분들께서도 쉽고 재미있게 기술적 트렌드를 공유할 수 있는 시간을 가져보려고 합니다. 주제는 요즘 뜨거운 이슈인, 기계와의 대화입니다. 저도 이 분야의 전공자는 아니기에 가벼운 영상들과 함께 알아보도록 하겠습니다.

기계와의 대화라 함은 기계에게 자신의 뜻을 전달해서, 기계가 사용자의 의도를 제대로 수행하도록 하는 것에 목적이 있습니다. 소프트웨어 개발자들이 하는 일이, 바로 기계에게 프로그래밍 언어를 통해서 기계와 대화를 하여 일을 시키는 것이죠. 그리고 사용자들은 기계에 달린 입력장치(키보드, 마우스, 터치화면 등)를 이용하여 기계와 대화를 하여 원하는 바를 전달합니다.

음성을 통한 대화

최근 애플사의 siri라는 음성인식장치로 인해 음성인식에 대하여 많은 관심이 모아지고 있습니다. 사실 음성인식 기술은 아주 오래 전부터 많은 노력이 있었던 기술이며, 우리 생활 속 곳곳에 이미 활용되고 있는 기술입니다. 우리나라에서는 음성 인식이라 하면 제 나이 또래 이상의 분들에게 가장 먼저 떠오르는 이미지는 국민배우 안성기님의 “본부, 본부” 일 것입니다. 어떤 영상인지 모르시거나, 오랜만에 한번 보시고 싶으신 분은 추억의 영상을 한번 보실까요

의사전달의 본질?!

사람들은 음성명령을 통해서 기계를 작동시키는 것보다, 손으로 명령하는 것이 더 정확하고 편리하게 자신의 의사를 전달 할 수 있었기 때문에, 더 좋은 커뮤니케이션 방법이었던 손을 선택했습니다. TV의 볼륨을 올리기 위해서 TV에게 “볼륨을 10까지 올려”라고 이야기하는 것보다, 손가락으로 리모컨을 조작하는 것이 더 편리하기 때문입니다. 이런 이유로 그간 수많은 기계에게 의사전달을 하는 수단으로 가장 큰 사랑을 받은 것은 손을 통한 대화방식이었습니다.

음성 인식 기술들이 오래전부터 개발되어 왔고, 실제로 다양한 기술들이 존재하고 있지만, 왜 실제로 사용이 되지 않고 있을까요? 그 이유는 대화, 커뮤니케이션의 본질에 있습니다. 사람들은 누구나 대화, 또는 의사전달을 가장 효율적이고 편리한 방법으로 하려고 합니다. 그러기 위해서 많은 암묵적 표현이나 생략 등이 일어나게 됩니다. 이해하기 쉽게 예를 들면, “저 남자아이가 너가 말하던 철수가 맞니?” 라는 문장을 “쟤가 걔니?” 라고 줄여서 이야기 하고, 식당에서 식사중에 “너가 들고 있는 소스를 나에게 전달해주겠니?”를 “나도!” 라고 이야기합니다.

또한, 실제로 의사전달에 있어서 음성에 의존하는 비율은 30% 미만으로, 음성보다 더 간편한 제스쳐로 의사를 전달하려고 합니다. 예를 들면, “나는 지금 너가 마음에 안드는 행동을 해서 기분이 나빠!”를 “기분 나빠!”도 아니고, 단순히 인상을 찌푸리는 것으로 표현을 하고, “이리와”라는 것은 손을 이용해 표현합니다. 이런 행동들은 더 편리하고 확실한 의사전달 방법을 선택하게 된 자연스런 결과입니다.

기존의 음성인식 기술들은 의도와 시도는 훌륭했지만, 불완전한 인식률과 불필요한 단계들 때문에, 훌륭한 의사전달 수단으로써는 합격점을 받기가 어려웠던 것입니다.

하지만 기술의 발전으로 인해, 근래에 손을 위협하는 의사전달 수단들이 등장하고 있습니다. 그 중 대표적인 것이 오랫동안 사람들의 러브콜을 받아온 음성인식입니다. 현재, 바다 2.0이 탑재 된 Wave3에서도 간단하면서 편리한 음성인식이 구현되어있습니다. 한번 보시죠.

보신 바와 같이 현재의 음성인식은 기존의 단순한 명령을 넘어서서, 조금 더 복잡한 수준의 명령을 보다 정확하게 수행할 수 있게 되었습니다. 이로 인해 사용자들은 음성 명령이 손 보다 편리한 입력수단으로 사용될 수 있다고 생각하게 되었습니다.

이런, 음성인식 기술은 휴대단말에 국한되지 않고, 다양한 분야에서 활용되기 위해 연구되고 있습니다. 그 중 포항공대(Click!)에서 연구 중인 데모영상을 보시면서, 멀지 않은 미래의 음성인식 기술에 대해서 상상해 보시죠.

대화하기 위한 다양한 시도, 기계와 바디 랭귀지로 대화하기

앞서 말씀 드린 바와 같이 의사를 전달할 때에 음성만이 아닌 다양한 수단을 통해서 의사를 전달합니다. 음성, 표정, 손짓, 음량 등등 매우 다양한 수단 중 가장 편리한 수단을 통해서 의사전달을 합니다. 이에 다양한 의사전달 방법을 이해하려는 연구들도 꾸준히 이어져오고 있는데요. 하나하나 살펴보겠습니다.

사람간의 대화 기술 중 가장 중요한 기술은 아마 상대방의 기분을 파악하고 이를 헤아리는 기술 일 것입니다. 그렇기에 오래 전부터 사람의 기분을 파악하기 위한 노력들이 이루어졌습니다. 여러분은 사람의 기분을 어떻게 읽으시나요? 아마 대화 상대방의 표정이나, 억양, 몸짓 등을 통해서 알 수 있을 겁니다.

휴대폰을 예를 들면, 화가 났을 때는 평소보다 더 과격하게 핸드폰을 두드리게 되죠. 기계들도 마찬가지로 이런 사용자의 작은 변화들을 파악하여 사용자의 기분을 파악하려고 합니다. 그 중 가장 기본적인 방법인, 표정을 읽는 방법에 대한 영상을 하나 보실까요? 유튜브의 Ingelligent Robot @ CIR(Click!)
채널에는 로봇의 인공 지능을 활용한 다양한 영상들이 올라와 있는데요. 그 중 흥미로운 영상들을 소개해 드립니다.

얼굴표정

좌측 상단에 보면, 데모 시연자의 표정에 따라, angry, happy 등 사용자의 기분을 파악하고 있다는 걸 알 수 있습니다.

로봇 얼굴


또한, 대화란 주고 받는 것이기에, 단순히 기계가 사람을 이해하는 것에 그치지 않고, 기계도 사람처럼 표현하기 위한 노력들도 이루어지고 있습니다. 기계도 사람처럼, 기분에 따라 표정이나 목소리 톤을 바꾸는 것이죠.

바디트랙킹
모션 인식을 통한 대화에 대한 연구도 꾸준히 이어져오고 있으며, 이는 이미 높은 수준으로 상용화되어 많은 가정에서 사용중이기도 합니다. 대표적인 예가 가정에서 많이 사용하고 있는 게임기인 wii나 kinect 등이 있겠습니다. 단지, 손가락을 살짝 움직이면, 알아서 내 뜻을 알고 움직이는 TV나 로봇이 가장 편리하겠죠.

포커스

마지막으로 살펴볼 기술은 다자간 대화입니다. 대화는 1:1 아닌 다자간에도 이루어질 수 있습니다. 예를 들면 TV 앞에 4명의 가족이 앉아서 TV와 대화를 한다면, TV는 매우 헷갈리게 될텐데요. 누가 누구인지, 누가 나한테 뭐라고 말을 거는지, 파악을 해야겠죠? 생각만해도 머리가 조금 아파오는 어려운 문제인데요. 이와 관련된 연구도 이루어지고 있답니다.

2012 CES 스마트 TV, 상용화된 인식 기술을 보다

그리고 이런 기술들은 실제로 우리가 만나볼 수 있는 TV에 상용화되고 있습니다. 2012 CES에서 많은 관심을 받았던 삼성 스마트 TV에는 음성 인식, 모션 인식, 얼굴 인식의 기능이 탑재되어 보다 다양한 의사 전달 수단이 마련되었답니다. 말로, 또는 손짓으로 TV의 채널 조정이나 볼륨 조정을 할 수 있으니, 이제 더 이상 리모컨을 찾아 헤메는 일이 없겠죠? 2012에 소개된 삼성의 최신 스마트 TV를 소개해드립니다.
삼성전자의 프리미엄 TV 모델 LED ES8000과 PDP E8000 시리즈에 탑재된 스마트 인터랙션 기술은 삼성전자가 세계 최초로 TV에 적용한 기술로 사람의 동작이나 음성 그리고 얼굴까지 인식해 직관적으로 TV를 컨트롤 할 수 있도록 한 기능입니다.

대화하기의 끝은?

우와~ 엄청나게 많은 이야기를 해버린 거 같은데요. 도움이 되셨는지 모르겠습니다. 제가 소개해 드린 내용은 정말이지, 빙산의 일각에 불과합니다. 이외에도 수없이 많은 연구들이 이루어지며, 다양한 방법으로 기계와 의사소통하기 위해서 노력중입니다. 우리가 상상도 못했던, 사용하지 않던 혁신적인 방법을 통해서 의사소통하기 위해 노력 중이죠. 예를 들면, 뇌파를 통한 기기의 조작이 있습니다. 말도, 손짓도 없이 생각만 하면 알아서 해주는 거죠.

이런 노력들의 끝엔, 아마 공상영화에서나 보던 말하고 걸어다니는 로봇들이 있겠죠? 이런 노력들은 점차적으로 우리의 삶으로 파고 들 것입니다. 사실, 이미 파고 들어오기 시작했는데, 아직 눈치 채지 못하셨을 뿐이죠. 오늘 한번 가지고 계신 핸드폰과 대화를 시도해 보세요.(갤럭시S2를 사용하신다면 Voice talk라는 어플리케이션을 통해 명령을 해보세요. 생각 보다 깊숙히 이런 노력들이 주변에 침투해있단 사실에 놀라실지도 모르겠습니다.)

마지막으로, 음성 인식이 되는 삼성 핸드폰의 광고 영상하나 소개해 드리며 인사 드립니다.

※ 본 블로그에 게시한 글은 개인적인 것으로 삼성전자의 입장, 전략 또는 의견을 나타내지 않습니다.