몸에 잘 맞는 맞춤 정장을 제작하려면 정확한 신체 치수가 필수이듯, 개인화된 AI 구현에는 데이터가 중요한 역할을 한다. 삼성전자가 방대한 데이터를 유의미한 사용자 경험으로 변환하기 위해 ‘데이터 인텔리전스(Data Intelligence)’ 연구에 집중하고 있는 이유다. 개인화 AI 시대를 열어가는 삼성전자의 첨단 데이터 연구와 혁신적인 연결 경험을 살펴보자.

개인화 AI의 시작점 ‘데이터 인텔리전스’

개인화된 AI 경험을 제공하려면 우선 사용자를 잘 이해해야 한다. 사용자가 기기를 사용하면서 남긴 흔적, 즉 데이터를 기반으로 사용자가 어떤 때 무엇을 원하는지 파악하고, 적합한 시점에 필요한 서비스를 제공하는 것이 데이터 인텔리전스 기술이다.

특히 스마트폰, TV, 가전 등 일상의 거의 모든 접점에서 소비자를 만나는 삼성전자는 사용자를 가장 잘 이해할 수 있는 잠재력을 갖췄다.

삼성전자는 매년 수억 대의 디바이스와 서비스를 통해 확보한 사용자 데이터를 엄격한 규정에 맞춰 연구하며 데이터 기술 역량을 강화해 왔다. 데이터 수집, 처리, 분석을 통한 사용자 이해를 바탕으로 AI 모델은 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 기술을 활용해 한층 더 개인화된 서비스를 맥락에 맞게 제공할 수 있다. 필요한 지식 베이스를 대규모 언어 모델(LLM)에 연결함으로써 AI가 신뢰할 수 있는 최신 정보에 접근하고 최적의 답을 찾아내는 것이다.

또한 AI 연구개발에 필요한 데이터를 수집하고 효율적으로 학습하는 AI 컴퓨팅 플랫폼과 인프라를 구축해 운영하고 있다. 이 플랫폼은 고품질 데이터를 안정적으로 모으고 관리할 뿐 아니라 대규모 GPU를 활용한 분산 학습으로 방대한 데이터도 효과적으로 처리한다.

삼성전자는 개인화된 AI 경험 향상을 위해 데이터를 서로 연결하는 기술에도 집중하고 있다. 그런데, 무수히 많고 복잡한 데이터를 어떻게 효과적으로 관리하고 개개인에게 딱 맞는 방식으로 활용할 수 있을까? 해답으로 주목받는 것이 바로 ‘지식 그래프(Knowledge Graph)’ 기술이다.

▲삼성리서치 이윤수 상무가 설명하는 데이터 인텔리전스 기술

‘지식 그래프’ 기술로 AI 경험 고도화

지식 그래프란 관련 있는 정보들을 서로 연결된 그래프 형태로 나타내 사람과 컴퓨터 모두가 잘 이해할 수 있는 지식 표현 기술이다. 각각의 정보를 정의하고 두 개를 이어주면, ‘개체(Node) – 관계(Edge) – 개체(Node)’라는 관련성을 표현할 수 있다. 예를 들어, ‘대한민국의 수도는 서울이다’라는 정보는 ‘대한민국 – 수도 – 서울’이라는 그래프로 표현된다. 인물, 사물, 시간, 장소 등 수많은 개체들을 계속 연결해 나가면, 다양한 형태의 정보를 정제된 구조로 나타낼 수 있다.

지식 그래프는 표에 정보를 채워 넣는 관계형(Relational) 데이터베이스에 비해 더 효과적으로 데이터를 저장할 수 있으며, 관계 속에서 신속하게 정보를 추출하거나 새로운 정보를 추론하는 데도 유용하다.

또한 ‘생성형 AI의 예측력’과 ‘지식 그래프의 정확성’을 결합해 시너지를 낼 수 있다. 생성형 AI는 누락된 정보가 있더라도 맥락에 따라 답을 예측할 수 있고, 지식 그래프는 논리 기반으로 정확한 답을 제공하며 그 답이 나온 경로를 투명하게 파악할 수 있기 때문이다.

▲ 관계형 데이터베이스(그림 왼쪽) 대비 더 효과적으로 데이터를 저장할 수 있는 지식 그래프(그림 오른쪽)

삼성전자는 분산돼 있는 정보와 맥락을 연결해 맞춤형 경험을 제공하는 지식 그래프 기술을 연구하고 있다. 개별 앱에서만 데이터 활용이 가능했던 것과 달리 앱이나 서비스의 경계를 넘어 데이터를 자유롭게 검색하고 활용할 수 있게 되면, 마치 ‘나만을 위한 기기’를 사용하는 것 같은 경험이 가능해진다.

특히, 삼성전자의 온디바이스(On-Device) AI 기술과 결합하면 민감한 개인정보가 외부로 유출되지 않도록 보호하면서도 초개인화 AI 서비스를 경험할 수 있다. 지식 그래프 기술은 향후 모바일을 비롯해 TV, 가전 등 다양한 제품에서 활용될 것으로 기대된다.

지식 그래프를 구현하는 데 있어서 핵심은 그래프로 표현된 정보에서 원하는 답을 빠르게 찾아내는 기술이다. 실생활에서 끊임없이 변화하는 데이터를 그래프로 변환하고 정보를 추출하려면 복잡한 연산이 필요하고, 그래프 규모가 커질수록 빠르게 답을 찾기가 어려워진다.

올해 7월, 삼성전자는 영국의 스타트업 ‘옥스퍼드 시멘틱 테크놀로지스(Oxford Semantic Technologies)’를 인수하며 데이터 지식화 분야 기술력을 한층 높였다. 옥스퍼드 시멘틱 테크놀로지스는 지식 그래프의 효율적인 관리와 고도의 논리 추론 능력을 바탕으로, 원하는 내용을 빠르게 파악하고 정확한 결과를 추출해내는 데 세계 최고 수준의 기술을 갖췄다는 평가를 받는다.

삼성전자는 옥스퍼드 시멘틱 테크놀로지스와 2018년부터 그래프 데이터베이스, 온톨로지^[1] 관련 협력을 지속해 왔으며, 이번 인수로 삼성전자 제품 생태계 전반에 걸친 개인화 AI 연구에서 시너지가 기대된다. 삼성전자는 소비자에게 가치 있는 경험을 제공하는 응용 프로그램을 개발하고, 생성형 AI와 지식 그래프 기술 접목 등 다양한 방면의 연구를 활발히 진행해 나갈 계획이다.

사용자의 일상을 바꿔주는 데이터의 힘

삼성전자는 데이터 인텔리전스를 활용한 맞춤형 AI 기능을 다양한 제품과 서비스에 발빠르게 적용해 사용자 일상을 더욱 풍성하게 하고 있다.

대표적인 분야가 디지털 헬스케어다. 갤럭시 워치7과 갤럭시 링은 수면, 운동, 심박수 등 사용자 건강 정보를 종합적으로 분석해 삼성 헬스에서 ‘에너지 점수’를 제공한다. 단순한 데이터 측정을 넘어 그날의 건강 상태를 알기 쉽게 수치화하고, 활동을 위한 맞춤형 인사이트까지 알려주는 것. 삼성전자는 연령과 성별을 고려한 데이터를 기반으로 점수에 반영되는 각 요소의 중요도 가중치를 연구함으로써 한층 개인화된 건강 관리 서비스를 완성했다.

엔터테인먼트 경험도 향상됐다. 삼성 스마트폰의 게임 플랫폼 ‘게이밍 허브’는 미국의 경우 개인화된 게임 추천을 위해 ‘설명 가능한 AI(XAI, Explainable AI)’ 기술을 적용했다. 사용자의 선호도 모델을 구축해 추천 게임과 함께 추천 이유까지 설명해 주는 기술로, 사용자는 자신에게 가장 잘 맞는 게임을 손쉽게 골라 즐길 수 있다.

▲ 수치화된 컨디션과 개인별 건강 관리 팁을 제공하는 에너지 점수

‘스마트싱스’로 완성하는 개인 맞춤형 AI 경험

일상 속에서 여러 기기들이 서로 연결되고 사용 경험이 축적될수록, 개인화 AI는 더욱 진화한다. 삼성전자가 최근 삼성 개발자 콘퍼런스(SDC) 2024에서 선보인 ‘홈 인사이트(Home Insight)’는 스마트싱스를 통해 스마트 홈을 관리하고 제어할 수 있는 서비스다. 사용자의 생활패턴과 기기 사용 이력, 집 안 상태 등을 분석해 실시간 리포트를 제공하고, 상황에 따라 기기를 끄거나 특정 기능을 활용하는 맞춤형 추천도 제안한다.

도움이 필요한 가족의 안전을 세심하게 돌볼 수 있게 돕는 맞춤형 AI 기능도 있다. 올 6월부터 시작한 ‘패밀리 케어(Family Care)’ 서비스다. 스마트싱스로 연결된 기기와 위치 기반 데이터를 통해 가족을 원격으로 모니터링하고 필요한 조치를 취할 수 있다. 앞으로는 AI 연결 경험을 건강 기기로 확장해 수면과 식단 등 다양한 영역에서 가족의 건강을 지원할 계획이다.

삼성전자는 기기가 사용자를 인식해 연결된 모든 기기에서 맞춤형 경험이 자연스럽게 이어지도록 기술을 발전시키고 있다. 예를 들어, 가족 중 한 사람이 스마트폰에서 ‘큰 글씨’ 모드를 사용하면 다른 기기에서도 음성 명령 한 번으로 이 설정이 자동으로 적용되도록 할 계획이다. 집 안의 센서와 기기가 사용자의 위치를 감지해 조명, 온도, 습도 등을 각자의 취향에 맞게 조정해 주는 기능 등도 검토 중이다.

▲ 10월 미국에서 열린 ‘삼성 개발자 콘퍼런스 2024’에서 삼성전자가 스마트싱스 기반 AI 경험을 소개하는 모습

개인화 AI 경험의 필수조건 ‘보안’

개인화되고 안전한 AI 경험의 전제는 보안이다. AI 시스템의 개인정보 유출이나 편향성을 방지하기 위해서는 데이터 처리 및 모델 학습 과정 개선, 결과물에 대한 검증 등 다양한 접근이 필요하다.

삼성전자는 AI 모델 학습을 위한 내·외부 데이터 수집 시 개인정보 침해 여부를 확인하고 필터링하는 데이터 전처리 과정을 수행하고 있다. 또한 AI 결과물에 대해 유해성, 편향성, 개인정보, 탈옥(Jailbreak)^[2] 면에서 안전성 검증을 강화하고 있다.

또한 삼성 녹스 매트릭스(Knox Matrix) 솔루션은 여러 기기가 연결된 환경에서 보안 경험을 강화한다. 블록체인 기술을 기반으로 연결된 기기들이 보안 위협을 서로 점검하고(‘Trust Chain’), 기기 간에 사용자 데이터를 암호화된 상태로만 서버에 전송해 안전하게 공유하며(‘Credential Sync’), 안드로이드·타이젠·윈도우 등 서로 다른 운영체제(OS)의 제품이더라도 일관된 보안 기준을 적용할 수 있도록 하는 것(‘Cross Platform’). 삼성전자는 녹스 매트릭스 기술을 모바일, TV, 주요 가전 제품으로 확대해 나갈 계획이다.

▲ 서로 연결된 기기들을 통합적으로 보호하는 보안 솔루션 ‘삼성 녹스 매트릭스’

삼성전자는 우수한 데이터 기술과 멀티 디바이스 연결 경험을 통해 사용자를 확장하고, 그로부터 얻은 데이터를 연구에 활용하며 경쟁력을 강화하고 있다. 이러한 선순환 구조 속에서 빠르게 발전하며 혁신적인 경험을 선사할 개인화 AI 시대를 기대해보자. 이어지는 3편에서는 우리 삶의 유의미한 변화를 위해 다양한 AI 방식을 활용하는 삼성전자의 AI 전략을 살펴본다.

▲윤진수 상무는 “빅데이터란 말이 널리 퍼지긴 했지만 아직 그 의미가 명확하게 정립돼 있진 않다”면서도 “머지않은 미래에 빅데이터 개념이 우리 삶 깊숙이 스며들게 될 것”이라고 전망했다

“우리 목표는 삼성전자 고객용 보조 검색 서비스 개발”

지난 7일 삼성디지털시티에서 마주한 윤진수 삼성전자 소프트웨어센터 상무의 말투는 간결하면서도 확신에 차 있었다. 그는 지난 1993년 삼성전자에 입사, 줄곧 소프트웨어 한 분야에서 근무해왔다. 지난 2013년 말부턴 삼성전자 내 빅데이터 관련 프로젝트들을 총괄하고 있다.

윤 상무의 주요 임무는 삼성전자 내부 데이터를 통합, 효율적으로 활용할 수 있는 플랫폼을 만드는 것이다. 이렇게 가공된 데이터는 삼성전자 임직원이면 누구나 쉽게 쓸 수 있다. 대량의 데이터를 분석해 특정 부서가 필요로 하는 내용을 쉽게 찾아볼 수 있도록 가공하는 것도 그가 이끄는 조직의 역할 중 하나다. 삼성전자의 지식그래프 데이터 공개 프로젝트 ‘케이샵(K#) 프로젝트’도 그 연장선상에 있다.

“저희는 독립적 기능이 갖춰진 검색엔진을 개발하려는 게 아닙니다. 삼성전자가 포털 서비스를 제공하는 기업은 아니니까요. 엄밀하게 말하면 저희의 목표는 ‘삼성 제품 속에 자연스레 스며들어 사용자를 편리하게 하는 보조 검색 서비스 개발’입니다. 삼성전자 고객 입장에선 ‘삼성전자 웹사이트에 갔더니 다른 곳에서보다 훨씬 쉽게 제품 기능 등의 정보를 찾을 수 있더라’고 느끼도록 만드는 게 목표입니다. 다시 말해 저희는 웹사이트나 개별 상품에 통합돼 삼성전자 제품과 서비스의 경쟁력을 제고하는 방향으로 빅데이터를 활용하고자 합니다.”

데이터를 모아 필요 시 제공하는데 검색 ‘엔진’은 아니다? 소프트웨어를 전공하지 않은 일반 사용자 입장에선 다소 헷갈릴 수 있는 논리다. 윤 상무는 태블릿 PC를 꺼내 스크린에 화면 하나를 띄운 후 설명을 이어갔다.

“제가 삼성 제품 고객인데 지금 삼성 TV를 보고 있다고 해보죠. 제 손엔 삼성 디지털카메라도 한 대 들려 있습니다. 만약 제가 지난 주말 이 카메라로 촬영한 동영상을 TV 화면으로 보고 싶다면 어떤 행동을 취할까요?”

이 상황에서 이제까지의 소비자들은 삼성전자 고객센터에 전화를 걸거나 구글·네이버 등의 검색 창에 ‘TV-카메라 연결법’ 따위의 문구를 입력해왔다. 고객센터를 이용할 경우, 영업 종료 시각 이후엔 통화 연결이 어렵다는 문제가 있었다. 인터넷 포털 서비스 활용 시엔 관련 웹문서를 일일이 확인해야 했다(설사 원하는 내용을 찾는다 해도 자신이 갖고 있는 TV나 디지털카메라의 모델명과 사양의 일치 여부를 재점검해야 하는 불편을 감수해야 했다).

동일한 상황에서 삼성전자 내 빅데이터 시스템이 통합돼 사용자 서비스로 제공된다면 어떨까? 삼성 TV 사용자는 자신이 보유한 각종 디지털 기기의 정보를 삼성전자 웹사이트에 미리 등록해둔 후 TV와 호환되는 기기, 기기 간 연결에 필요한 케이블 종류 등을 그때그때 확인만 하면 된다. 어쩌면 해당 페이지에서 한 차례 클릭만으로 필요한 제품을 구입할 수 있게 될지도 모른다.

지식그래프 기술은 바로 이 단계에서 적용된다. ‘내 카메라 속 영상을 TV로 보려면 어떻게 하지?’란 궁금증이 떠올랐을 때 지식그래프는 이렇게 답한다. “당신의 카메라에 ○○ 드라이버를 설치하면 당신이 갖고 있는 TV와 무선인터넷으로 콘텐츠를 공유할 수 있다.” 그 과정에서 나올 법한 질문, 이를테면 ‘이 카메라 기종이 내 TV와 호환될까?’ ‘(호환된다면)케이블로 연결해야 할까, 블루투스로도 연결이 될까?’ ‘바로 호환되지 않으면 별도 드라이버를 설치해야 할까?’ ‘이 모든 정보를 찾아보려면 어떻게 해야 할까?’ 등은 지식그래프가 알아서 처리해버린다. 인간과 유사한 사고방식으로 데이터를 처리해 사용자가 원하는 답변을 직관적으로 내놓는 것이다.

지식그래프가 이렇게 기능하려면 TV와 디지털카메라뿐 아니라 기타 다양한 기기와 그들을 서로 연결시켜줄 수 있는 장치에 관한 데이터가 모두 통합돼야 한다. 그리고 이렇게 통합된 데이터는 최종 사용자 입장에서 그들의 수요와 발상에 맞춰 정리돼 있어야 한다. 이 작업을 수행하는 곳이 바로 소프트웨어센터다.

“연결성이 모든 것이다(Connectivity is everything)”

‘빅데이터’라는 정보 트렌드의 등장은 IT 분야의 기술적 환경에서 몇 가지 변화를 가져왔다. 첫째, 연결성(connectivity)이 더욱 확대됐다. 둘째, 데이터의 총량이 늘어나면서 관련 처리 기술도 발달했다. 셋째, 데이터를 선별해 인간의 사고방식대로 정렬하는 노하우가 축적됐다.

연결성은 ‘현대 과학기술의 꽃’으로 불리는 IT 업계에서 가장 핵심적인 키워드 중 하나다. 연결성의 중요성은 널리 통용되는 ‘연결성이 모든 것이다(Connectivity is everything)’란 슬로건에서도 확인된다. 사실 이 슬로건이 제일 처음 사용된 건 뇌신경과학 분야에서였다. 2005년 독일 막스플랑크연구소(Max Planck Institute, MPI) 뇌신경과학자들은 뇌신경 회로의 작동 원리를 MRI 사진으로 촬영하는 데 성공했다. 그 과정에서 ‘수많은 세포와 연결된 신경 매듭일수록 더 중요한 기능을 수행할 뿐 아니라 점점 더 많은 세포를 활성화시킨다’는 사실이 확인됐다. 즉 한 세포의 연결성이 좋을수록 더 큰 영향력과 더 다양한 기능을 갖게 되며, 그런 세포가 많아져야 전체적인 세포의 활동 수준이 높아진다는 것이다(☞관련 링크 바로 가기).

▲연결성의 위력을 보여주는 다이어그램. 많은 세포와 연결된 매듭은 자신에게 속한 각각의 세포들을 불활성(검은 점) 상태에서 활성(흰 점) 상태로 점차 바꿔나간다

최종 사용자가 제품을 보다 쉽고 효율적으로 쓸 수 있도록 하는 게 목표인 IT 생태계에서도 연결성은 더없이 중요하다. 인간과 환경이 다양한 기기를 통해 연결될수록 일상은 더욱 편리해진다. 이는 사물인터넷이나 커넥티드카의 현주소에서도 명확하게 드러난다. 지식그래프는 이 같은 연결성을 구현하기 위해 소비자가 어떤 제품을 어떻게 사용해야 할지 한눈에 파악할 수 있게 해준다. 이 역시 다양한 데이터 간 연결성 구축을 전제로 한다.

지식그래프 구축이 가능해진 배경엔 데이터 처리 기술의 발전과 한층 진화된 데이터 접근 환경이 자리 잡고 있다. 사실 지금보다 사용 가능한 정보량이 훨씬 적었던 과거에도 모든 데이터를 일일이 분석, 처리하는 일은 불가능에 가까웠다. 이 때문에 당시엔 데이터의 경향을 읽기 위한 방식으로 ‘샘플링(sampling)’이 관행처럼 사용됐다. 데이터를 한꺼번에 처리할 수 없으니 무작위로 표본을 추출했고, 그 결과 값이 대표성을 띤다는 가정 아래 경향성을 판단했던 것이다.

하지만 지금은 상황이 달라졌다. ‘맵리듀스(Map Reduce)’ ‘마이크 2.0(MIKE 2.0)’ 등 빅데이터 처리 기술이 계속 개발되고 있을 뿐 아니라 그 중 상당수가 (누구나 이용할 수 있는 상태로) 공개되는 추세다. 빅데이터 분야를 둘러싼, 이 같은 환경의 진화는 관련 기술이 인류 사회에 공헌하게 될 가능성을 높여준다는 점에서 고무적이다.

‘소프트웨어, 세상을 바꾸다’ 시리즈 내내 강조했듯 데이터의 양이 가히 폭발적으로 늘고 있는 현대 사회에선 데이터 선별 기준을 정하는 문제가 중요하게 제기된다. 기준 설정 방식은 검색엔진 개발 주체의 특성에 따라 달라지겠지만 중요한 건 ‘어떻게 하면 최종 사용자의 사고 방식을 최대한 똑같이 따라갈 수 있을까?’다. 사람들이 흔히 따르는 생각의 흐름에 맞춰 데이터가 전개되도록 설계하는 것, 이 부분이 지식그래프 개발의 핵심이다.

삼성전자 소프트웨어센터의 당면 과제는 이 같은 최신 기술 변화의 추세 속에서 ‘데이터의 연결성’ 개선을 통해 ‘삼성 제품의 연결성’을 높이는 것이다. 그 과정을 통해 삼성 제품의 품질을 높이는 한편, 최종 사용자의 제품 활용 수준도 한층 끌어올릴 수 있다는 논리다.

삼성 소프트웨어, 폐쇄적 ‘성당’ 벗어나 개방적 ‘시장’으로

이 같은 맥락에서 삼성전자가 연결성 강화 수단으로 택한 방식이 일명 ‘굿커넥션(good connection)’이란 사실은 의미심장하다. 삼성전자는 지난달 개발자 커뮤니티 기트허브닷컴(GitHub.com)에 동의어 처리 데이터 ‘세임애즈(sameAs)’ 데이터를 올렸다. 이후로도 관련 소프트웨어를 추가로 공개, 전 세계 기술자들과 집단지성을 구축해나가겠다는 계획을 세웠다.

물론 삼성전자가 독자적으로 이런 행보를 보이고 있는 건 아니다. 높은 장벽을 세우고 지적 재산을 꽁꽁 숨기는 게 이제까지 과학기술계에 만연한 관행이었다면 오늘날 전 세계 IT 업계의 화두는 일명 ‘기술 공진화(共進化)’로 요약된다. 자기가 가진 걸 조건 없이 내놓아 타인이 맘껏 이용하도록 하고, 그 결과물 역시 자신이 자유롭게 활용하는 형태의 ‘신(新)패러다임’이 점차 자리 잡고 있는 것이다.

사실 이런 흐름은 꽤 오래 전부터 ‘싹’을 보였었다. 미국 소프트웨어 개발자 에릭 S. 레이먼드(Eric S. Raymond)는 1999년 ‘성당과 시장(The Cathedral and the Bazaar)’이란 책을 통해 수많은 개발자와 이용자 가슴에 불을 지폈다. 이 책의 논리는 간명하다. 과학기술, 특히 IT 기술은 더 이상 성역(聖域)으로 간주돼 딱딱하고 어두운 건물에 보관돼선 안 되며, 페르시아 시장 ‘바자(Bazaar)’처럼 열린 하늘 아래 모든 이가 각자 가진 기술을 타인에게 보여주고 자신도 교환을 통해 필요한 기술을 구하는 형태로 개방돼야 한다는 것이다. 이와 관련, IT 업계에서 가장 성공적인 사례로 꼽히는 게 리눅스(Linux) 운영체계 개발 과정이다.

삼성전자 역시 소프트웨어센터가 주도해 케이샵 프로젝트를 추진하는 한편, 적극적 외부 공개에 나섰다. ‘성당’을 지양하고 ‘시장’을 지향하는 IT 업계의 변화 과정에 적극적으로 동참하려는 시도인 셈이다. 윤진수 상무는 “IT 기술의 공진화 단계에서 삼성전자가 기여할 부분이 있을 것”이라며 기대감을 내비쳤다.

“저희 혼자 만들 수 있는 것과 오픈 커뮤니티를 통해 만들 수 있는 것엔 양적으로, 또 질적으로 비교하기 어려울 만큼 큰 차이가 있습니다. 삼성전자는 한국을 대표하는 기업인 만큼 오픈 소스 환경을 비옥하게 조성하는 데 어느 정도 책임과 의무가 있다고 생각합니다. 현재 우리 센터에선 그런 부분까지 포함해 지식그래프 데이터와 소프트웨어 공개 등 일련의 작업을 전략적으로 추진하고 있습니다. 아직 일부이긴 하지만 막상 소프트웨어를 공개하고 보니 외부에서 우리 회사를 보는 시각이 상당 부분 개선되고 있다는 걸 느낍니다. 해외에서 관련 전문가를 확보하거나 연결하기도 쉬워졌고요. 삼성전자가 다루고 있는 영역이 워낙 넓은 만큼 앞으로 다양한 분야에 기여할 수 있을 거라고 생각합니다.”

▲윤진수 상무와 자리를 함께한 삼성전자 소프트웨어센터 직원들. 윤 상무는 “케이샵 프로젝트가 탄생하기까진 우리 실무진의 눈물겨운 노력이 있었다”며 “난 거기에 그저 약간의 힘을 실어줬을 뿐”이라며 모든 공을 직원들에게 돌렸다

이달 중 데이터 제작용 도구 선봬… 하반기엔 API 공개도

윤진수 상무는 “빅데이터를 기반으로 하는 패러다임은 모든 방면에 스며들 것”이라고 단언했다. “미래 세상에선 굳이 ‘빅데이터’란 이름을 쓰지 않더라도 당연히 데이터가 모든 판단의 기준이 될 겁니다. 생산과 마케팅, 서비스 할 것 없이 이제 막연한 감(感)이나 소수 전문가 의견보다 데이터 기반 결과물에 의지하게 되겠죠.”

그에 따르면 지식그래프와 관련, 삼성전자가 데이터 자체를 대외에 공개한 건 이번이 처음이다. 그는 “당분간은 우리가 어느 정도 키워놓은 소프트웨어가 오픈 커뮤니티에서 점점 더 커지는 걸 지켜볼 생각”이라며 “나중엔 우리가 거꾸로 그 결과물을 활용할 수도 있을 것”이라고 말했다.

삼성전자는 지난달 현재까지 확보한 데이터(sameAs)를 공개한 데 이어 이달 중 데이터를 만들기 위해 필요한 도구(sameAs extraction tool)를 공개할 예정이다. 올 하반기엔 삼성전자 지식기반 그래프를 검색하고 추천하는 API(Application Programming Interface)를 9월과 10월, 12월에 단계별로 선보일 계획이다.

“우리 센터는 데이터를 지식화(知識化)하는 과정에서 네 가지를 보다 잘 알고자 노력할 겁니다. 우리의 고객(user), 우리 회사의 상품(product), 우리의 시장(market), 그리고 (휴대전화·TV 등의 제품을 통해) 우리 회사가 제공 중인 서비스가 그것입니다. 이런 노력을 통해 각 사업부가 필요로 하는 정보를 적재적소에 제공할 계획입니다.”

요즘 한창 DIY(Do It Yourself, 부품을 구입해 직접 조립하는 것) 취미에 빠져 있는 어려운(34)씨. 얼마 전 그는 앤티크 가구점에서 본 탁자를 떠올리며 비슷하게 생긴 소품 제작에 돌입했다. 역시 ‘DIY 마니아’인 친한 선배는 그에게 “나무 느낌을 살리려면 수지(樹脂)로 칠하는 게 좋다”고 귀띔했다. 어씨는 선배 말을 떠올리며 인터넷 포털 검색 창에 ‘수지’를 입력했다.

결과 화면의 맨 윗부분을 차지한 건 최근 신곡으로 컴백한 걸그룹 미쓰에이 멤버 ‘수지’ 관련 정보였다. 사이사이 ‘수지부동산’ ‘수지 개발’ ‘무역수지’ ‘수지 균형’ 관련 링크도 눈에 띄었다. 뜻밖의 결과에 당황한 어씨는 잠시 후 키워드를 ‘수지 라커(lacquer, 어법에 맞는 표기는 ‘래커’)’로 바꿨다. ‘수지로 만든 라커’라고 검색어를 구체화하면 원하는 결과가 나올 거라고 생각한 것. 그러자 이번엔 미얀마의 재야 지도자 아웅산 수지(Aung San Suu Kyi, 어법에 맞는 표기는 ‘아웅산 수치’)가 미얀마 라커인(Rakhine) 지역 개발 이슈에 침묵하고 있다는 뉴스가 떠올랐다. 간간이 수지(경기 용인시 수지구) 일대 코인 라커(coin locker) 얘기도 등장했다.

다시 고민에 빠진 어씨, 이번엔 ‘수지 도료’를 쳤다. 그랬더니 합성수지 도료 관련 내용이 끝도 없이 펼쳐졌다. ‘뭐라고 입력해야 하지? 아하, 합성수지가 아니라 천연수지로 검색하면 되겠구나!’

이번엔 검색 범위가 제법 좁혀졌다. 하지만 여전히 천연수지 도료에 대한 연구 결과와 그에 관한 옛날 뉴스가 대부분이고 천연수지 라커 구매 정보를 찾는 건 여전히 ‘짚더미에서 바늘 찾기’ 수준이었다. 그는 그만 검색을 포기해버렸다. “에이, 컴퓨터가 하는 일이 그렇지! 역시 좀 힘들어도 발품을 팔아야 해.” 어려운씨는 결국 오는 주말 서울 을지로 전문상가에 다녀오기로 마음 먹었다.

#2

같은 시각, 정답만(37)씨도 DIY 차탁(茶卓)을 완성한 후 수지 마감재를 찾고 있었다. 의미 검색, 일명 ‘시맨틱 서치(semantic search)’를 사용해 ‘수지’를 검색하자, ‘수지’의 다양한 의미에 해당하는 콘텐츠가 일목요연하게 정렬돼 눈앞에 나타났다. 일일이 찾기가 복잡하다고 여긴 정씨는 이 단계에서 다시 ‘수지 라커’란 검색어를 입력했다. 검색엔진은 자동으로 ‘천연수지 래커’의 검색 결과를 보여줬다. 관련 콘텐츠들이 나열되는 건 일반 검색엔진과 비슷했다. 하지만 PC 화면 오른쪽 위에 또 하나의 공간이 생성돼 관련 이미지는 물론, 천연수지의 △사전적 정의 △속성과 용도 △합성수지와의 차이점 △가공 제품과 구매처 등의 정보가 깔끔하게 제시됐다.

정씨는 그 공간 아래쪽에 가지런히 제시된 작은 이미지들 중 천연수지 래커 판매처 사진을 클릭했다. 그러자 천연수지 도료 판매 웹사이트가 죽 떠올랐다. 결국 그는 그 중 한 곳에서 맘에 드는 래커가 괜찮은 가격에 나와 있는 걸 발견한 후 주문을 완료했다. 이내 정씨 메일함엔 “주문 상품이 내일 도착할 예정”이란 확인 메일이 날아왔다.

정답만씨는 간단한 검색 행위만으로 원하는 제품을 쉽게 구했다. 그뿐 아니라 천연수지에 대해서도 한층 자세히 알게 됐다. 천연수지로 만든 래커는 아토피를 일으키지 않는 친환경 도료란 사실도 배웠다. ‘건강친화적 도료란 말이지, 그럼! 누가 만드는 건데.” 그는 어쩐지 뿌듯해졌다.

‘의도’ 이해하는 검색, 가능할까?

위 두 사례의 차이점은 확연하다. 같은 과제를 놓고도 정답만씨가 어려운씨에 비해 훨씬 더 쉽게 해결책을 도출했다는 사실이다. 비결은 ‘검색엔진’에 있다.

어씨가 사용한 검색엔진은 사용자가 입력한 검색어와 동일한 문자가 포함된 콘텐츠를 ‘전체 사용자의 검색 빈도’ 순(順)으로 단순 배열해 보여줬다. 이 경우, 개별 콘텐츠 간 의미의 상관관계는 ‘제로(0)’에 가깝다. 쉽게 말해 ‘백과사전식(式) 배열’이라고 할 수 있다. 반면, 정씨가 사용한 검색엔진은 ‘똑같은 문자도 다양한 상황에서 서로 다른 뜻으로 사용될 수 있다’는 사실을 인지하고 있었다. 그래서 사용자가 입력한 검색어를 여러 맥락(context)에서 찾아 관련성 높은 순서로 제시할 줄 알았다. 한 발 더 나아가 ‘동의어’나 ‘연관어’ 개념 이해도 가능했다. 그 결과, 검색자의 의도에 보다 근접한 결과를 내놓을 수 있었다.

▲지식그래프는 사용자가 검색한 키워드에 관한 콘텐츠를 총체적으로, 그리고 가시적으로 보여준다. 말 그대로 ‘그래프화(化)된 지식’인 셈이다

정답만씨의 경우, △‘라커’와 ‘래커’가 같은 뜻이고 △‘수지’가 ‘천연수지’와 연관된다는 사실을 시맨틱 서치 엔진이 이해했다. 그 때문에 ‘수지 라커’를 입력했을 때 (‘아웅산 수지’와 ‘라커인’처럼) 동일한 문자라도 서로 흩어져 존재하는 맥락보다 ‘천연수지 래커’가 더 가까울 거라고 판단, 검색 결과를 내놓은 것이다.

정씨가 사용한 검색 엔진은 ‘천연수지’, 그리고 ‘천연수지 래커’와 관련된 콘텐츠를 ‘한눈에 들어오는’ 비주얼로 제시할 줄 안다. 검색자는 그 결과를 쓱 둘러본 후 본인이 원하는 정보를 클릭하면 된다. 원하는 내용이 언제 나올지 모르는 상태로 헤드라인과 발췌 부분을 일일이 읽어가며 ‘무한 스크롤 다운(scroll down)’ 하지 않아도 된다. 게다가 이 검색 엔진은 수많은 출처에서 자료를 끌어와 정리할 줄도 안다. 사용자 입장에서 이런 검색엔진은 본인의 관심 분야와 관련, 뜻밖의 재밌는 사실을 알려줄 수 있으므로 지식의 폭이 자연스레 넓어지는 효과까지 제공한다.

정확하게, 보기 좋게, 검색도 쉽게!

정답만씨의 검색 행위를 수월하게 해준 시맨틱 서치 엔진은 실제로 최근 소프트웨어·콘텐츠 산업 분야에서 ‘블루 오션’으로 떠오르고 있다. 그리고 이 검색 엔진의 기반이 되는 게 바로 ‘지식그래프(knowledge graph)’다. 정씨의 검색 과정을 설명한 부분에서 ‘PC 화면 오른쪽 위에 생성된 또 하나의 공간’이 지식그래프라고 이해하면 쉽다. 하지만 지식그래프는 모호한 명칭만큼이나 이해가 쉽진 않다. 지식그래프의 정확한 정의는 뭘까?

먼저 ‘그래프’란 개념을 생각해보자. 예를 들어 최근 봄 날씨에 대해 궁금증이 생겼다고 하자. 날씨가 하도 변덕스러워 대체 기후가 온난화되는 건지 아닌지 확실히 알고 싶다. 이게 일시적 현상인지, 장기적으로 진행돼온 전 지구적 현상인지 확인하려면 최근 100년간 매해 평균 기온의 추이를 알아보면 될 것이다. 인터넷에서 1910년대, 1920년대, 1930년대 평균 기온을 각각 검색하면 관련 수치들이 나온다. 어렵사리 10년 단위로 평균 기온을 찾았다 해도 숫자만 보며 그 관련성을 이해하려면 머리가 복잡해진다. 하지만 이 숫자들을 그래프로 만든다면 어떨까? 우리나라 기온이 해마다 어느 정도 편차를 보이는 가운데 점차 온난화 경향을 띠고 있다는 사실을 단번에 알 수 있다.

여기서 우리는 그래프란 ‘수많은 데이터와 그 관련성을 한눈에, 보기 쉽게 제시해주는 포맷’이란 사실을 다시 한 번 확인할 수 있다. 그래프에서 중요한 건 콘텐츠와 가시성(可視性·visibility)이다. 지식그래프 역시 특정 개념에 관한 총체적 콘텐츠를 가시적으로 드러내준다. 검색엔진과 결합, 하나의 키워드에 관련된 데이터들과 그 관련성을 보기 쉽게 제시해주는 것. 사용자가 검색한 키워드 관련 지식을 통합적으로 보여주는 동시에 연관 키워드까지도 쉽게 찾을 수 있도록 해주는 소프트웨어인 셈이다. 바로 이 점 때문에 지식 그래프에선 콘텐츠와 가시성 못지않게 검색용이성(browsibility)이 중요하다.

어쩌면 이 글을 읽는 독자 중 일부는 이미 지식그래프를 접했거나 또는 이용 중인지도 모른다. 지식그래프 개발 선두 기업 중 한 곳인 구글이 지난 2012년부터 ‘구글 지식그래프(Google knowledge graph)’ 서비스를 시작했기 때문. 구글에서 뭔가 검색해본 경험이 있는 사용자라면 지식그래프도 당연히 접해봤을 것이다. 실제로 구글에서 특정 키워드를 검색했을 때 나타나는 결과 페이지 오른쪽이 지식그래프 영역에 해당한다.

지식그래프가 실제로 어떻게 사용되는지 알아보기 위해 실제 검색어 하나를 예로 들어 살펴보겠다. 구글 검색 창에서 ‘Taj Mahal(타지마할)’이란 단어를 입력하면 인도의 유명 유적지 타지마할 사진과 함께 △지도 △주소 △연혁 △높이 △건축 양식 △건축가 △묻혀 있는 사람들 △건물 기능 등 타지마할에 관한 각종 정보가 떠오른다. 연관 웹사이트 링크가 제시되는 건 물론이고 아그라 성이나 쿠트브 미나르, 만리장성 등 타지마할을 즐겨 찾는 이가 좋아할 만한 다른 유적지 사진도 제시된다. 결과 창의 맨 아래쪽엔 ‘타지마할’이란 예명을 쓰는 미국의 유명 R&B 가수와 라스베이거스 소재 ‘타지마할 리조트’도 나와 있어 타지마할로 이런 내용을 원한 이들이라면 곧바로 이 영역을 클릭, 결과를 확인할 수 있다. 잘 보이고(visible) 검색이 용이할 뿐 아니라(browsible) 보여지는 콘텐츠의 질과 양 모두 총체적이다.

인공지능에 한 걸음 더 다가서다

지식그래프의 등장은 IT 산업에 엄청난 혁신(innovation)을 안겨줄 것으로 기대된다. 인공지능(Artificial Intelligence, AI) 개발이 처음 본격적으로 거론되던 1950년대부터 지속적으로 예견돼온 인공지능의 가능성과 문제점에 획기적 해결책을 제시하고 있다는 점에서 특히 그렇다.

컴퓨터는 인간에 의해 주어진 데이터를 정해진 명령어에 따라 처리할 줄은 알아도 스스로 생각해 맥락을 구분하는 단계에까진 이르지 못했다. 바로 이 점은 인공지능의 치명적 한계로 지적돼왔다. 종종 인공지능이 희화화되곤 하는 것도 이 때문이다. 얼마 전 TV 코미디 쇼에 등장한 에피소드가 단적인 예다. 이 장면에선 이발소 도우미 로봇이 고객의 머리를 ‘깎아’ 드리라는 주인의 지시를 받고 ‘까까(과자)’를 고객 입에 밀어 넣는다.

인공지능을 더욱 정교하게 다듬으려는 시도는 과학계 전반에 걸쳐 꾸준히 진행됐다. 인간처럼 △스스로 맥락을 판단하고 △동의어를 인지해 융통성 있게 이해하며 △인간의 능력으론 한번에 처리하지 못할 정도로 방대한 데이터를 일목요연하게 종합해 △모든 결과를 한눈에 보이도록 제시하는 ‘인공지능 탑재 컴퓨터’를 완성하기 위해 부단히 노력해온 것이다.

만일 컴퓨터가 이런 기능까지 구현한다면 오랫동안 전설이나 동화, 공상과학소설 등에서나 상상해오던 인간의 꿈은 더 이상 꿈에 머무르지 않게 된다. 실제로 그리스 신화에선 청동으로 만들어진 기계 인간 ‘탈로스(Talos)’가 기지를 발휘해 위기에 빠진 공주 ‘에우로파(Europa)’를 지켜준다. 그림동화집 속 백설공주의 계모는 거울 속 이미지와 세상만사를 의논한다. 시계를 좀 더 최근으로 돌려 공상과학 영화 시리즈 ‘스타트렉(Star Trek)’에선 무한한 정보에 기초해 다양한 지침을 제안하는 로봇 ‘싱크 탱크(Think Tank)’가 종횡무진 활약한다.

▲인간은 오랫동안 자신과 비슷한 수준의 사고 능력을 갖춘 인공지능을 꿈꿔왔다. 전지전능한 인공지능을 기반으로 인간을 돕거나 공격하는 로봇은 실제로 수많은 전설과 공상과학소설 속 단골소재였다

인공지능은 때로 등골 오싹해지는 상상을 낳기도 했다. 영화계의 거장 스탠리 큐브릭 감독의 1968년 작품 ‘2001 스페이스 오디세이(2001: A Space Odyssey)’ 속 인공지능 컴퓨터 ‘할(HAL) 9000’이 대표적이다. 단순 점멸하는 붉은 등(燈) 모양의 이 로봇은 우주선 탑승자를 모두 죽이고 지구 정복까지 꿈꾸는 ‘가공할 파워 캐릭터’로 등장한다.

하지만 실제 세상에서 할9000 같은 로봇이 횡포를 부릴 가능성은 거의 없다. 그보다는 한층 똑똑해진 인공지능이 구글 지식그래프 같은 검색엔진으로, 아니 그보다 훨씬 더 무한한 가능성으로 인간에게 큰 도움을 줄 공산이 크다. 구글을 포함해 애플(시리·Siri), IBM(왓슨·Watson), 마이크로소프트(커타나·Cortana), 아마존(에코·Echo) 등 유수의 글로벌 IT 기업이 지식그래프 개발에 열을 올리는 건 그 때문이다.

지식그래프 개발 ‘첫삽’ 뜬 삼성전자

삼성전자 역시 날로 치열해지는 지식그래프 시장에 뛰어들기 위해 최근 본격적 행보를 시작했다. 그 출발점은 소프트웨어센터다.

지식그래프 분야에 접근하는 삼성전자의 자세는 여타 기업과 사뭇 다르다. 가장 두드러지는 차이는 ‘개방성’. “소프트웨어 소스를 단계적으로 개방, 비옥한 개발 환경을 일구는 동시에 자체 개발력도 성장시켜나가겠다”는 복안이다. 이제껏 대부분의 기업이 검색 소프트웨어를 개발할 때 자신들만의 벽을 쌓고 독채를 지어 올렸다면 삼성전자는 집단지성 개념에 기초해 분야별 전문가들이 자유롭게 왕래할 수 있도록 커다란 광장을 조성하고자 하는 것이다.

‘지식그래프’라는 검색엔진 진화사(史)의 새 이정표 앞에 선 삼성전자의 첫걸음은 구체적으로 어떤 형태를 띠고 있을까. 다음 편에선 삼성전자 소프트웨어센터에서 지식그래프 개발 작업에 한창인 이들을 만나 그 세계를 좀 더 밀착해 들여다보려 한다.