김관호
Cyberspace Operation 연구관
Korea Voiceware 연구소장
블랙보드 군 전도사

최근 IT 시장의 성장세를 주도하던 스마트폰과 태블릿PC 시장이 점차포화상태에 이르면서 이들의 뒤를 잇는 ‘Next-Big Thing’에 대한 관심이 증폭되어 가고 있다. 특히 구글 글래스를 비롯해, 삼성전자, 애플의 스마트워치, 스마트밴드와 같이 글로벌 대기업들이 앞 다투어 신제품을 출시하면서 향후 IT 시장의 격전지가 웨어러블 디바이스시장이 될 것으로 예측된다. Wearable Computer 또는 웨어러블 디바이스(Wearable Device)로 불리는 착용 컴퓨터는 안경, 시계, 의복 등과 같이 착용할 수 있는 형태로 된 컴퓨터를 뜻한다. 궁극적으로는 사용자가 거부감 없이 신체의 일부처럼 항상 착용하고 사용할 수 있으며 인간의 능력을 보완하거나 배가시키는 것이 목표이다. 기본 기능들로는 언제 어디서나(항시성), 쉽게 사용할 수 있고(편의성), 착용하여 사용하기에 편하며(착용감), 안전하고 보기 좋은(안정성/사회성) 특성이 요구된다. 이는 단순히 액세서리처럼 전자기기를 몸에 착용하는 것이 아니라, 사용자 신체 가장 가까운 위치에서 사용자와 소통할 수 있는 전자기기이다.
이런 웨어러블시대에 중요한 기술은 몸에 착용되어 있는 모든 기기를 음성으로 통제를 할 수 있는 즉, 인간의 말을 인식해 텍스트로 바꿔주거나 해당 명령을 수행하도록 하는 음성인식(Speech Recognition)기술이 바로 『IT ‘Next Big Thing’』이다. 따라서 다가오는 미래는 Hardware, Software에 이어 차세대 기술로서 Voiceware가 미래 IT 핵심기술로 등장 되고 있다. 한글날을 맞이해서 한글의 우수성을 이용한 음성인식 기술의 발전 방향에 대한 내용을 소개하고자 한다.
음성인식 기술의 원리
음성을 인식한다는 것은 『목소리를 내는 성대 진동이 공기를 통해 전달돼 사람의 청각으로 지각되는 것』을 의미하며 기계가 음성을 인식하기 위해서는 우선 이 진동이 주기적으로 반복되는 수, 즉 주파수 분석을 해야 가능한데 주파수 분석을 통해 특징이 추출되면, 미리 수집된 음성 모델 데이터베이스(D/B)와 유사도를 측정해 가장 적합한 것을 ‘문자’ 혹은 ‘명령어’로 변환하는 형태이다. 음성인식 기술은 입력 받은 음성을 컴퓨터가 분석하고 특징을 추출한 다음 미리 수집된 음성모델 데이터베이스와의 유사도를 측정해 가장 유사한 것을 문자 혹은 명령어로 변환되며 이때 음성인식 기술과정은 크게 2가지 부분으로 나누어져서 전처리부와 인식부로 구분되어 전처리부에서는 사용자가 발성한 음성으로부터 인식 대상이 되는 구간을 찾아 잡음성분을 제거하고 인식 과정을 위한 특징을 추출하며 인식부에서는 입력된 음성을 음성 데이터베이스와의 비교를 통해 가장 가능성 있는 단어를 인식결과로 출력하게 되어 단순 명령어가 아닌 문장을 인식할 때는 언어모델을 이용해 비교 단어를 제한하여 인식 성능을 높이며 이러한 과정은 사람이 태어나서 말을 배우는 인지 과정을 모방한 것으로 사람은 수많은 반복훈련을 통해 여러 가지 단어나 문법을 머릿속에 정형화하고 새로 들은 음성을 이와 비교해 알아내는 인지과정을 거친다.
음성인식 기술의 특징
음성인식 기술의 특징은 크게 편리성, 상시입력가능, 화자의 고유 정보전달, 고속입력 등 아래 표와 같이 4가지로 구분할 수 있다. 음성은 친숙하고 편리하며 이동 및 작업 중에도 상시 입력이 가능하고 말하는 사람의 고유 정보를 전달할 수 있으며 입력속도가 빠르다는 장점이 있고 전달 방식으로 별도의 학습이나 훈련 없이도 일상제품의 복잡한 기능을 제어하는 데 용이하며 특히 게임분야에서 현실감과 몰입도 향상을 위해 키보드와 마우스 조작을 음성인식으로 대체하는 데 활용될 수 있다. 음성인식 기술은 이동 시 정보 입력에 유리하여 모바일 단말 이용이나 운전 중 기기 조작 시 안전성과 효율성 향상에 기여할 수 있으며 말하는 사람의음성을 통해 신원, 심리, 건강상태, 언어 능력 등을 파악할 수 있어 개인별 서비스 제공에도 적합하다. 그러나 음성인식 기술은 사용자에 따른 인식률의 차이와 주변 잡음, 인식대상 어휘 제한 등 보편적 활용에 대해서최신 음성인식 기술 동향(스마트폰 중심)
음성인식의 대표적인 기술동향을 유도하고 있는 IT업체는 구글, 애플, MS사로 그 제품의 최초 출시연도와 기술관련 업체 제휴 현황은 아래와 같다. 현재는 스마트폰과 태블릿에 사용되는 모바일 OS에도 이러한 음성인식 기술이 적용되어 개인비서와 같은10월호는 한계를 노출하고 있어 많은 어휘를 인식해 인식률을 높여야 하고, 성별 연령 사투리 등에 대한 방대한 음성모델D/B를 확보해야 향후 개인차에 따른 음성인식률 향상이 가능할 것으로 전망하고 있다.

역할을 하고 있는데 각 회사를 대표하는 서비스는 애플의 시리(Siri), 안드로이드의 구글 나우(Google Now), 그리고 MS의 코타나(Cortana)가 있다. 3개 회사가 음성인식에 대한 경쟁을 하고 있으나 현재 음성인식의 대표적인 기술동향은 애플의 시리(Siri)와 구글의 나우(Now)로 구분을 할 수 있으며 2가지 음성인식의 특징과 차이점은 다음과 같다.

먼저 애플의 시리(Siri)에 대해 알아보면 구글이나 의 음성인식 앱과 비교해 시리 의 가장 큰 차별 점은 자연어 음성인식 기능을 구현하고 있다는 것으로 딱딱한 명령어 대신에 좀 더 자연스러운 대화형 인터페이스를 구축하고 있으며 시리의 특징은 단순히 음성 인식이라기보다는 사람의 말을 해석하는 능력에 있다. 즉 말을 잘 알아듣고 거기에 맞게 반응하는 인공지능 서비스라고 볼 수 있다. 시리의 구현 과정은 정확하게 알려져 있지 않지만 아이폰으로 음성을 받아 웹 , DB에서 텍스트로 변환하고 이들 중 웹 검색이 필요한 일부를 검색 엔진에 넣어 결과 값을 도출한 후 다시 아이폰에 적용하는 클라우드 방식으로 음성 신호와 각종 데이터를 클라우드 웹 와 주고받을 때는 Wi-Fi 나 3G, 4G/LTE등 네트워크가 연결되어야만 서비스가 가능하여 인터넷이 설치되지 않는 곳에서는 사용할 수 없다.
구글 나우 (Google Now)는 애플 iOS의 강력한 라이벌인 안드로이드를 대표하는 음성인식 기술로서 현재 약 95%의 인식률을 유지하고 있다. 인식률이 95%까지 상승한 이유는 여러 장소에 분산된 서버를 묶어 한 대의 컴퓨터처럼 사용하는 클라우드 방식 서버에 성별, 연령별, 사투리로 구분한 총 2,300억 개의 영어단어를 음성데이터로 저장, 이를 활용하여 음성인식을 실시간으로 처리함으로서 음성인식 서비스의 속도와 정확도를 높이는데 사용을 거듭하면서 음성데이터가 축적되어 더욱 정확한 인식결과를 얻을 수 있게 되었다. 그러나 구글 서비스 역시 인터넷이 없다면 능력을 발휘 할 수 없다는 한계점이 있다.
디지털 시대에 가장 적합한 글자인 한글의 우수성
전 세계 언어문자를 대상으로 스마트폰에서 문자 메시지를 보내는 시합을 한다면 어떤 결과가 나올 것인가 ? 당연 한글의 단시간에 가장 많은 문자를 보낼 수 있다. 그 이유는 한글로 문자 메시지를 보낼 때 사용하는 입력시스템을 생각해 볼 때 자판의 키가 몇 개 안 되기 때문에 하나의 키에 둘 이상의 글자들을 배당해야한다. 이때 로마자의 경우 각 글자들이 나타내는 소리와 글자의 모양사이에 아무런 상관관계가 없기 때문에 하나의 키에 배당되는 글자들도 아무런 공통점이 없게 된다. 반면 한글의 경우 소리가 비슷하면 그 소리를 나타내는 글자들도 비슷하기 때문에 하나의 키에 비슷한 글자들을 배당할 수 있다. 그리고 그 덕분에 어떤 글자들이 어떤 키에 배당되어 있는지를 쉽게 알 수 있어 한글은 매우 빠른 속도로 입력할 수 있다. 이것은 아래 도표처럼 한글의 자음글자와 모음 글자가 매우 체계적인 구조로 만들어 졌으며 글자를 만드는 원리도 매우 간결한 특징 덕분이다.

사실 컴퓨터가 인식할 수 있는 디지털정보라는 것은 [0]과 [1]이라는 두 값을 이용한 이진법 정보로서 한글은 그 자체가 자음 17자 모음 11자로 구성된 28개(현재 24개 사용)의 문자를 조합하여 무한히 글자를 생산할 수 있기 때문에 자음/모음 각각의 문자에 [0]과 [1]로서 표현할 수 있는 코드 값을 부여한다면 컴퓨터가 바로 인식할 수 있어 디지털 시대에 장점을 최대로 이용할 수 있어 IT 강국으로서의 음성인식 시장을 주도할 수 있을 것이다.
한국어에 적합한 음성인식기술 소개
한국 음성인식기술 연구소(Korea Voiceware Research Center)에서는 『말로 통하는 세상 만들기』 프로젝트를 추진하고 있다. 이 프로젝트의 핵심은 한글 자음/모음 등을 일정한 코드로 관리함으로서 지금까지 고속 인터넷, 빅데이터, 슈퍼컴퓨터의 능력으로 수집된 음성파형을 확률적 분석방법으로 인식률을 높이고 있는 방법과 근본적으로 다르게 접근하여 한글 자음/모음을 일정한 코드로 바꿔 관리함으로서 음성 인식률을 사람의 말을 귀로 듣는 것과 같은 수준의 음성 인식률을 향상 시킬 수 있는 방법을 찾아냈다.
음성을 코드로 관리하면 인쇄된 글자 및 글자를 읽을 때 나는 소리글자에 대해 일정한 코드가 부여되기 때문에 수집된 음성이 무엇인가를 확인하기 위해 고속데이터 통신을 이용하여 슈퍼컴퓨터 서버에 접속, 음성파형에 대한 확률적인 분석 작업이 필요 없다. 따라서 인터넷이 필요하지 않고, 단말기 자체 CPU능력만으로도 수집된 음성코드를 처리할 수 있기 때문에 아래 표처럼 지구상 어떤 곳에서도 단말기 자체적으로 음성을 인식할 수 있다.
따라서 단말기 자체적으로 귀로 듣는 것과 같은 음성인식 기술이 개발된다면 그 활용도는 무궁무진하다고 할 수 있다. 웨어러블 시대의 모든 단말장치들을 말로서 통제를 할 수 있다고 한다면 그 결과는 과연 어떻게 표현을 할 수 있을까 ? 더욱 기대되는 것은 전 세계에서 사용되는 모든 언어에 대한 소릿값을 우리 한글은 다 받아 적을 수 있기 때문에받아 적은 소릿값을 코드로 인식하여 그 나라 어순과 문법 배열에 맞춰서 번역을 한다면 동시통역이 가능하게 되어 영화에서 나오듯이 인터넷과 같은 고속 데이터 통신망이 전혀 없는 오지에서도 단말기에 한국어로 말을 하면 바로 상대국 언어로 통역될 수 있는 서비스가 가능하다. 만일 이 기술이 완성되면 지구상에서 지금까지 경험하지 못한 전 세계의 지도자가 모이는 정상 회담과 같은 자리에서 박근혜 대통령의 말씀이 실시간 각 나라말로 동시통역이 되어 한글의 언어 코드 방식의 음성인식 기술로 인해 지금까지 인류가 해결하지 못한 언어 장벽을 모두 없애 버릴 수 있는 새로운 세상이 될 것이다.
결론
현대 한글은 기본 자음 14개이고(ㄱ, ㄴ, ㄷ, ㄹ, ㅁ, ㅂ, ㅅ, ㅇ, ㅈ, ㅊ, ㅋ, ㅌ, ㅍ, ㅎ) 기본 모음 10개로(ㅏ, ㅑ, ㅓ, ㅕ, ㅗ, ㅛ, ㅜ, ㅠ, ㅡ, ㅣ) 초성, 중성, 종성을 조합하여 모든 글자를 표현할 수 있으며 표음문자가 갖고 있는 특성대로 한글은 소리 나는 대로 읽고 쓸 수 있다. 또한 각 자모의 연관성을 이용해 한 자모에서 다른 자모를 조합할 수 있기 때문에 입력할 수 있는 경우의 수가 제한된 컴퓨터 자판이나 휴대폰 버튼에서 글자를 입력하기가 쉬우며 한글은 로마자와 달리, 음절 형태로 처리하며 자모가 첫소리(초성), 가운뎃소리(중성), 끝소리(종성)로 나뉘어 있기 때문에 이론적으로는 정보 검색과 문자 처리에 유리한 점이 많고 기술 구현 방법이 아주 간단하여 정보화 시대에 가장 적합한 문자이다.
음성인식 시장이 컴퓨터를 만든 외국기업의 소유물로 되어있는 현 상황에서 한글이 창제된 지 569돌을 맞이하여 한글구성 요소를 독창적인 코드체계로 관리함으로서 전 세계 언어를 모두 한글로 표현하고 실시간 통역 할 수 있는 Voiceware를 개발하는 것은 자주국방을 이루는 첩경이 될 것이다. 특히 현재 사용되는 대부분 음성인식이 인터넷이 설치되어야 사용가능하나 코드체계방식인 우리 음성인식 엔진은 네트워크가 연결되지 않은 독립적인 단말기 형태에서도 사용이 가능하여 앞으로 개발되는 각종 무기체계에 적용될 때 말로 동작되는 첨단무기는 대한민국의 국방력을 획기적으로 향상시키는 초석이 될 것이다.