아이리포지식창고 출제예감 02 음성인식비서 Speech Recognition 정보관리기술사최창환 (buksamfight@naver.com) ZERO UI 의실체화를통한 AI Speaker 로의진화! Concept ( 정의 ) - 음성, 이미지등을기계 ( 컴퓨터등 ) 로식별하여, 사용자와교감하여편의성을제공해주는기술 - 사용자의음성을인식해사용자의명령에따라음악을재생하거나스마트폰, 가전제품이나자동차등 IoT로제어할수있는기기등을작동하는데사용 KeyWord 음성인식, 텍스트인식, UI/UX, 음성합성, 딥러닝, AI 플랫폼, AI Speaker 스피커는왜 AI 를품었을까 기술사시험에서우리는다양한관점으로학습을하고있습니다. 전통적도메인, 최신트렌드, 사회적이슈등을지식과경험을통해답안을만들기위해노력하고있습니다. 최근진행한 2017 년상반기트렌드특강을준비하다보니, 인공지능을기반으로한다양한기술들과사회적이슈를접할수있었습니다. 그중시장성과미래가치적측면에서가장빈도수가높게노출되는기술이 AI Speaker 였습니다. 그래서준비했습니다^^ 한번보도록하시지요. 사용자조작화면 (UI) 이새롭게만들어질때거대한플랫폼이동시에만들어지게됩니다. UI 는사용자가기계와쉽게대화를나눌수있게도와주는중개역할을하기때문이죠. PC 시대에는마우스와그래픽중심의 UI 플랫폼이기반이되었고, 스마트폰이등장하면서화면을클릭할수있는터치기반 UI 플랫폼이등장하였습니다. 그리고이제기업은차세대 UI 플랫폼으로텍스트기반입력이아닌 음성 에주목하고있습니다. 음성기반플랫폼이만들어지면스마트홈으로가는사물인터넷 (IoT) 시장을손쉽게선점할수있고이핵심엔현재스피커가자리잡게되었습니다. 음성기반플랫폼을이용하면손을이용하지않고도편리하게기기를관리하거나제어할수있게되는데, 이때 AI Figure 1 음성인식사례, 네이버클로바 스피커는인공지능알고리즘을이용해사용자와음성으로의사소통을하게됩니다. AI 스피커를이용하면음성인식을통해집안의기기를 목소리만으로간편하게제어하는식으로손쉽게스마트홈환경을구축할수있게되는것입니다. 즉음성인식 Copyright 2017 By 아이리포 & CSLEE All rights reserved 1
플랫폼하에모든기기를제어할수있는환경을제공하게되는것입니다. 또한터치기반과달리음성기반조작은쉽게배우고사용할수있다. 우리가스마트폰에서 시리 나 S 보이스 등을이용해기기를제어하는게낯설지않듯, 음성인식기반 UI 플랫폼은우리생활가까이에숨어있습니다. 억지로배우지않아도자연스럽게배울수있는 UI 를여러분은얼마나사용해보셨나요? 그렇기때문에더가치를부여하고향후 2025 년까지약 200 조의산업생태계를구성할것이라예측하고있는것입니다. 언어와음성에대한연구는인류가태동하면서부터수행한학문중에하나입니다. 그중 음성 을이용하는것은인간과컴퓨터의상호작용에가장이상적인인터페이스로, 음성이야말로인간이가진가장본질적인커뮤니케이션도구가아닌가생각이됩니다. 음성인식기반기술의발전과정 언어와음성에대한연구는앞서언급한바와같이 1950 년대로거슬러올라갈수있습니다. 초기에는개별숫자, 음절, 모음을인식하는시스템을만들기위한노력이이루어졌으며, 1963 년 IBM 이총 16 개의단어를인식할수있는 Shoebox 라는기기를소개하였고, 1971 년부터시작된미국국방부산하국방첨단연구사업국 (DARPA) 의음성이해연구프로그램 (Speech Understanding Research) 을통해비약적으로발전하는계기를얻었습니다 ( 한국콘텐츠진흥원, 2011. 11). 고립단어 (Isolated word) 를인식하는데한정되었던음성인식기술은 1980 년대에들어서야연결단어 (Connected word) 를처리할수있게되었으며인식할수있는단어도 10,000 개수준으로크게늘어나게됩니다.(Furui, 2005). 또한미국의카네기멜론대학 (CMU) 이불특정화자의목소리를인식할수있는음성인식소프트웨어 SPHINX 를소개하고, 은닉마르코프모델 (Hidden Markov Model) 로대표되는통계적프레임워크가이용되기시작했으나컴퓨터의처리속도및저장공간문제로음성인식기술의사용화는요원했으나, 최근에는이러한문제들이클라우드컴퓨팅기반하에 ICT 사용환경이크게변화하면서, 실시간으로유사음성을검색하고대용량의음성데이터를빠른속도로분석할수있게되었습니다. 세대 설명 1 세대 (1952~1968) - 숫자, 음절, 모음, 음소인식시스템개발시도 2세대 (1968~1980) 3세대 (1980~1990) 3.5세대 (1990~2000) 4세대 (2000~ 현재 ) - 동적시간워핑 (Dynamic Time Warping) - 고립단어 (Isolated word) 인식시스템 - 연결단어 (Connected word) 인식 - 통계학적프레임워크적용 - 은닉마르코프모델, n-gram, Neural net - DARPA 프로그램 : SPHINX(CMU), BYBLOS(BBN), DECIPHER(SRI) 등 - 오류최소화 (discriminative) 를위한 MCE(Minimum Classification Error), MMI(Maximum Mutual Information) 등의접근방식시도 - 노이즈, 마이크로폰, 전송채널, 반향등에 Robust한음성인식 - DAPRA 프로그램 : EARS(Effective Affordable Reusable Speech-to-Text) 프로그램, 중요정보의추적 / 추출 / 요약 / 번역 - 복합 (Multimodal) 음성인식 : 영상-음성정보동시인식 [ 표 1] 음성인식기술의세대별구분 Copyright 2017 By 아이리포 & CSLEE All rights reserved 2
음성인식비서의핵심기술 음성인식기술은최근오픈소스로공개되면서더욱자유롭게활용될것으로예상되고있고, 미시건 대학교연구소 Clarity Lab 에서는 Figure2 의아키텍처기반의 Sirius 를공개하였습니다. Figure 2 End to End Diagram of the Sirius Pipeline 사용자의 voice 나상황을인지하여, 노이즈를제거후, 특징을검출하고이에적합한 답 을찾아제공하는 Process Flow 를기반으로서비스를제공하게되고, 더나아가서는상황을파악하여음성인식비서스스로사용자가원하는것을공유하게진화하게될것입니다. 실제예로, 미국에서부부가싸우는상황을음성비서가인지하여 911 에전화를걸어위험한상황을해결하기도했습니다. 구분음성인식텍스트분석대화처리음성합성 Question & Answer 설명 - 개인맞춤형연속어음성인식기술 - 실시간음성인식, 최고의인식율 (HMM, CNN, RNN 등 ) - 고성능 / 고정밀 / 고품질자연어처리기술 - 딥러닝기반감성인식및자동분류기술 (RNN, LSTM 등 ) - 대화모델링, 시나리오구축 - 기존대화의챗봇학습 ( 빅데이터, 클라우드등 ) - 파라메트리음성합성 (DNN TTS) - 감성합성 (Augmented Sentiment Talk) - 질문분석, 광범위한지식베이스구축 - 딥러닝외다양한기계학습 [ 표 2] 음성인식기술의핵심기술 음성인식비서는통합대화엔진등을통해서음석인식, 텍스트분석을수행하게되고, 질의응답에대한의도파악을통해응답정확도에대한사용자 Feed-Back 을지속적으로반영해서개선하는강화학습체계를기반으로동작하게됩니다. 이러한상황에서글로벌메이저기업들은플랫폼화를통해보급확대로시장선점을도모하고있는실정인데요. 애플 아마존 구글등 IT 시장을주도하고있는글로벌기업들은 AI 비서개발은물론서비스의플랫폼을통한보급확대로기회를엿보고있고, 최근엔삼성전자 네이버등국내유수의기업들도경쟁에뛰어들었습니다. 국내외기업현황은아래 Figure3,4 에서확인하시면되겠습니다. Copyright 2017 By 아이리포 & CSLEE All rights reserved 3
Figure 3 해외음성인식서비스와스피커현황요약, 각사홈페이지및언론자료 Figure 4 국내주요기업의 AI 비서서비스현황 기업 서비스 종류 특징 SKT 누구 (NUGU) AI 스피커 - 국내최초음성인식 AI 비서스피커 - 조명, 연결된앱과기기, IPTV 제어 KT - AI TV와스피커결합으로홈IoT 환경제공기가지니 (GiGA AI TV/ 스피커 - 기가지니카메라별도설치를통해홈캠활용 Genie) 가능 삼성전자 빅스비 (Bixby) AI 비서 UI - 음성인식, 번역, 콘텐츠 ( 음악, 영화등 ) 추천 - AI 대화형엔진네이버아이 (i) 와다양한 AI 기술을접목 네이버 클로바 (Clova) 베타 AI 비서앱 - 음성인식, 번역, 콘텐츠 ( 음악, 영화등 ) 추천 - AI 대화형엔진네이버아이 (i) 와다양한 AI 기술을접목 카카오 카카오미니 AI 비서앱 - 음성언어를컴퓨터가해석하여문자로변환해주는시스템인 뉴톤 과문자를음성언어로변환해주는시스템인 뉴톤톡 의기술기반 각사는스피커뿐아니라음성인식 AI 기술력을확장하여 AI 시장우위를점하는것을목표로삼고있습니다. Amazon 은 Echo 의라인업을다양화하고있으며, 현시점에서는가장높은시장점유율로유리한고지에있는상태입니다. 기존에충성도높은고객층을보유하고있는 Apple, Microsoft 와삼성은 AI 비서서비스를향후자사 Copyright 2017 By 아이리포 & CSLEE All rights reserved 4
제품에적용할것을계획하고있는데, 이를통해고객의편의성을향상시키고이용데이터축적을통해자사 AI 비서서비스의품질을안정화시킬수있을것으로보이며, Google 과국내포털사는다수의경쟁력있는온라인서비스, 축적된정보량, 검색기술등을기반으로 AI 비서서비스에서이동통신사의홈 IoT 중심의 AI 전략과차별화될것으로생각이됩니다. 마지막으로이동통신사의경우, 음성인식 AI 서비스를통해홈시스템과가전제품을제어하는홈 IoT 중심으로확장될것이고, 온라인서비스자회사 ( 인터넷쇼핑몰, 음악제공서비스등 ) 의콘텐츠를활용하여온라인상에서도경쟁력을확보할것으로예상됩니다. 음성인식비서기술선점을위한고려사항 향후음성인식 AI 개발툴공개로음성인식 AI 관련응용서비스들이활발히개발될것으로기대됩니다. 이는국내음성인식 AI 시장을활성화되는데기폭제가될것이고, Amazon 처럼자사이커머스플랫폼과시너지를추구하는것외에는아직명확한비즈니스모델이없지만현시점에서는시장규모를키우기위한이용자확보가당면과제로생각됩니다. AI 스피커시장의본격화에앞서짚고넘어가야할중요한이슈중하나는이용자의프라이버시보호와관련된사항입니다. AI 스피커를통해수집된데이터는무선인터넷을통해클라우드서버로전송되기때문에데이터도난이나해킹에대한우려도존재하구요. AI 스피커를출시한기업들은수집된개인정보는비밀이유지될것이라약속하지만, 구체적으로어떤방식으로이개인정보가보호되는지에대해서는알려져있지않고있습니다. 따라서각사는이에대해구체적이고투명한대책을마련하고잠재적이용자들의신뢰를확보하는것이우선시되어야할것입니다. 끝 Contents connect communications!! 아이리포에오시면더많은지식을가져가실수있습니다. 아이리포온라인 : http://www.ilifo.co.kr 아이리포지덤시리즈 : http://www.jidum.com 아이리포 IT지식창고 : https://www.ilifo.co.kr/boards/knowledge 아이리포기술사 / 감리사카페 : http://cafe.naver.com/itlf 서울시마포구상암동 1610 번지, DDMC 3 층아이리포교육센터 TEL: 02-303-9997 MAIL: edu@ilifo.co.kr Copyright 2017 By 아이리포 & CSLEE All rights reserved 5