Korea Communications Agency 01 2017 KCA Media Issue & Trend 심층리포트 방송산업의인공지능 (AI) 활용사례및전망 1. 들어가며 2. AI와방송산업의접목사례 2.1. 영상제작 AI 2.2. 콘텐츠유통및관리 AI 2.3. 시청자대응 AI 3. 주요이슈 3.1. 기존유료방송사업자의 AI 접목시급 3.2. 비즈니스전략의변화촉발 3.3. AI의등장에따른인력대체이슈 4. 맺음말
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 방송산업의인공지능 (AI) 활용사례및전망 요약문 짧지않은역사를통해다양한신기술을흡수하며진화해온방송산업이최근인공지능 (AI) 과의접목을모색하고있다. 방송시장의포화에따른경쟁격화 기계가스스로학습할수있는머신러닝기술의급속한발전 AI를구동할수있는컴퓨팅비용의하락등이 AI 기술의도입을촉발한이유로분석된다. AI 기술자체의고도화와컴퓨팅자원의급속한발전등으로, 이미방송산업은 제작-유통- 시청자대응 등다양한영역에걸쳐 AI를활용하고있다. 콘텐츠제작을돕는 AI부터개인맞춤형방송콘텐츠를추천하는큐레이션서비스에이르기까지, AI 기반의다양한서비스가진화를거듭하며방송산업의새로운가능성을열어가고있다. 물론 AI의한계점역시보이고있으나, AI는미래방송산업에서없어서는안될존재로점차입지를구축해나갈것으로전망된다. 1. 들어가며 지난 2017년 9월 14일부터 19일까지네덜란드에서개막된방송업계최대콘퍼런스 IBC (International Broadcasting Convention) 2017 에서는 TV 방송산업과인공지능 (AI) 간접목에대한열띤토론이이어졌다. 학습알고리즘에따라컴퓨터가스스로데이터간의상관관계를발견해나갈수있는 AI가방송업계의 태풍의눈 으로부상했음을보여주는대목이다. 사실 IT 기술은지난십여년동안인터넷방송서비스, 주문형 (On Demand) 스트리밍서비스등 을통해방송서비스를변모시켜왔다. 그결과방송산업은 IT 기술의혁신성과가가장극명하게
드러난분야중하나로주목받았다. AI 기반의다양한서비스들이방송산업과접목되는현상이 IT 기술의발전에따른자연스러운현상으로해석되는이유이다. 업계전문가들은미디어산업내 AI의관심이최근들어증가한이유로방송시장의포화에따른가열된경쟁을지목한다. 기존방송서비스가인터넷서비스의공세에고전하고있는상황에서, Netflix와같은인터넷방송서비스로의고객이탈을방지하고새로운성장을모색하기위해서는고객의콘텐츠이용데이터를기반으로한방송콘텐츠제작이필수적으로요구되기때문이다. 아울러인터넷방송사업자들역시 AI를통해기존통계기술로는제공할수없었던방송큐레이션서비스등을강화하려는시도가나타나고있다. 기존방송업계와의경쟁에서주도권을확보하기위한매개로 AI를선택한것으로볼수있다. AI 시스템스스로학습하고이를통해미래를예측할수있는머신러닝 (Machine Learning) 기술이최근비약적으로발전한점도방송산업계에서 AI에대한관심이높아지게된이유가운데하나이다. 머신러닝기술은 1950년대부터연구가시작된이래기술적돌파구와난관이번갈아나타났다. 하지만최근들어머신러닝기술중하나인딥러닝 (Deep Learning) 1 기술의진화에힘입어 AI가다시모든산업영역에서핫이슈로떠올랐다. 딥러닝의등장으로정확성을담보하지못했던기존 AI 시스템이개선될수있는계기를마련한것이다. 일례로, 지난 2012년딥러닝기술의세계적권위자인 Stanford University의 Andrew Ng 교수와 Google이협력해진행한 Google Brain 2 프로젝트는빅데이터분석기술로머신러닝의우수성을입증했다. 게다가방송콘텐츠의이미지를분석하는해당프로젝트는머신러닝기반 AI가방송산업에서도충분히활용될수있음을보여주는사례이기도하다. 3 무어의법칙 (Moore s Law) 4 으로컴퓨팅비용이급격히낮아져과거와비교해적은비용으로도 1) 딥러닝은신경망을기반으로하는머신러닝기법의일종으로서인간의두뇌가수많은데이터속에서패턴을발견한뒤사물을구분하는정보처리방식을모방해컴퓨터가사물을분별하도록하는기술. 이렇게학습된컴퓨터는다변량통계학, 인지분석기법등을통해패턴을찾거나예측할수있게됨 2) 기계가고양이를선별하기위해서는고양이의색, 생김새, 사이즈등고양이이미지를미리설정해주어야하지만, Google Brain 프로젝트는이러한정보의사전입력없이 YouTube 에올라온수많은이미지를수집하고분석하는과정을거치는것만으로고양이이미지선별에성공 3) 이글에서는특별하게차별화하여설명할필요가있는경우를제외하고는기계가스스로학습하는머신러닝기반인공지능시스템을 AI 로통칭해사용 4) 마이크로칩의성능이 18 개월마다두배로증가한다는경험적예측. 향상된마이크로칩의등장으로이전칩셋의비용은빠르게하락하게됨 KCA Monthly Trends _ Media Issue & Trend 06 07
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 강력한컴퓨팅성능을이용할수있게된점도방송산업에서 AI 기술에주목하는이유중하나이다. AI는다양한데이터를동시에처리해야하기때문에고성능의컴퓨팅처리능력이필수적으로요구되지만, 컴퓨팅파워가약한과거의컴퓨팅시스템으로는데이터를처리하는데오랜시간이소요돼실용적이지못했다. 하지만최근에는 CPU 성능의향상뿐만아니라그래픽코어장치인 GPU를이용 5 하면서 AI의데이터처리성능이크게향상되었다. AI 기술자체의고도화와컴퓨팅자원의급속한발전으로, 방송산업은 제작-유통-시청자대응 등다양한영역에걸쳐 AI와의접목을모색하고있다. 콘텐츠제작을돕는 AI부터개인맞춤형방송콘텐츠를추천하는큐레이션서비스에이르기까지, AI 기반의다양한서비스가진화를거듭하며방송산업의새로운가능성을열어가고있다. 이글에서는방송산업을구성하는 제작 - 유통 - 시청자대응 영역에서 AI 의수용현황을정리하 고나아가 AI 의접목으로인한방송산업의주요이슈를분석함으로써해당업계의미래를점검해 보고자한다. 2. AI 와방송산업의접목사례 2.1. 영상제작 AI 영상콘텐츠제작분야에 AI가접목된사례를살펴보면, 하나의 AI 시스템이시나리오작성부터촬영및편집에이르기까지영상콘텐츠제작에필요한일련의과정을모두담당하기보다는, 특정영역을학습해나가고있는상황이다. 이는영상콘텐츠제작의모든영역을아우르는 AI의개발이어려움을보여주는사례이기도하다. 5) 최근출시된 GPU 는수천개의코어를가지고있으며, 동시에다양한데이터를병렬적 (parallel) 으로처리가능
2.1.1. 시나리오집필및분석 영상콘텐츠제작에있어 골격 역할을하는시나리오를집필하기위해서는문장을이해하고이 를분석할수있어야할뿐만아니라카메라의이동, 배우의동선등도함께고려할수있어야한다. 시나리오를제작할수있는 AI 의등장이어려울것으로예상됐던이유이다. 하지만, 지난 2016 년영화감독 Oscar Sharp 와인공지능연구자 Ross Goodwin 이공동으로개발 한시나리오전문 AI Benjamin 이등장하며, 업계의이같은관측을완전히바꾸어놨다. 비록어색 한부분도존재했지만, Benjamin 은일정수준이상의완성도를보인시나리오를제작한것이다. Benjamin 의연구진은해당 AI가시나리오를작업할수있도록 Star Trek, 2001: A Space Odyssey, X-File 등수십편의유명 SF 영화의시나리오를학습하도록했다. 이를통해 Benjamin 은 9분분량의단편 SF 영화 Sunspring 의시나리오를완성했으며, Oscar Sharp 는이를실제영화화하기도했다. 6 이에대해프랑스매체 Le Monde는 보통이상의재미를제공하지만내용의유기적연결성이부족하다 고평가했다. Benjamin 은 Sunspring 집필에그치지않고, It s No Game 이라는단편 SF 영화시나리오를세상에공개하기도했다. 7 특히, It s No Game 은 Sunspring 과비교해더욱시나리오가탄탄해졌다는평가다. 전작에서는갑자기이해되지않는대사또는장면이목격되었으나, It s No Game 에서는이같은부분이대폭개선됐다. 하지만, 아직 AI가인간의수준에범접하기어렵다는것이업계전문가들의일치된의견이다. 이같은측면에서 AI가집필하는영상콘텐츠시나리오는주로 SF 장르를중심으로제작될것으로관측된다. SF 장르의경우이야기의개연성이다소부족해도수용이가능하기때문이다. 그러나일각에서는아직 AI가인간의능력을대체하긴불가능하지만, 점차능력의향상을결과하고있는점 6) 해당영화에는 HBO 의드라마시리즈 Silicon Valley 로에미상드라마부문에노미네이트된 Thomas Middleditch 를비롯해 Elisabeth Grey, Humphrey Ker 등 3 명의배우가출연 7) 2017 년 4 월 Oscar Sharp 가이를영화로제작해공개. 해당영화에는 전격 Z 작전 으로친숙한 David Hasselhoff 가주연으로등장 KCA Monthly Trends _ Media Issue & Trend 08 09
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 그림 1 시나리오전문 AI Benjamin 이집필한 Sunspring( 좌 ) 및 It s No Game( 우 ) 기반영화화면 출처 : YouTube(2017) 을고려할때, 가까운미래에는인간이작성한시나리오수준을넘어설수있을것이라는주장도 제기되고있다. 이는 AI 시나리오의등장을예의주시해서바라봐야하는이유이기도하다. 한편, 아직공개되지않은영상콘텐츠시나리오를미리예측하는 AI도등장해이목을모으고있다. 일례로 HBO의드라마시리즈로전세계적인인기를얻고있는 Game of Thrones 의다음내용을예측하는 AI가최근등장했다. 해당드라마의팬이자소프트웨어엔지니어인 Zack Thoutt는인공지능에게현재까지출판된 Game of Thrones 의도서본다섯권을학습시킨뒤, 스토리의다음내용을예측했다. Zack Thoutt에따르면, 해당 AI는총 5,376페이지분량의도서를통해 Game of Thrones 의작가인 George R. R. Martin의이야기스타일을학습하였다고한다. 하지만해당 AI가작성한스토리는문법측면에서완벽하지않으며, 실제스토리에서일부캐릭터가죽은채로서사가유지된다는점을깨닫지못하는등의한계를노출했다. 시나리오가대중적호응을이끌어낼수있을지를예측하는 AI도등장했다. 상업용방송시나리오의경우사전제작단계부터마케팅을염두에두고진행하기용이해졌음을의미한다. 지난 2017년 8월 Disney Research가공개 8 한 AI가대표사례로, Disney Research는인터넷사용자간질의응답플랫폼으로서기능하는북미소셜미디어서비스 Quora 9 를이용해해당 AI를학습시켰다. AI 의학습과정을구체적으로살펴보면, Quora 에서스토리형식으로답변이게시될수있는 21 8) Disney Research 와 Massachusetts Boston 대학연구팀이공동으로개발중 9) 국내의 네이버지식 in 과유사한서비스
가지의질문주제를임의로선정한뒤, 해당질문에달린답변 5만 5,000여개를추출해냈다. 그리고 5만 5,000여개의답변중스토리의성격을가지고있는답변을액티브러닝기술을통해 3 만여개로추려냈다. 또한, 3만여개의답변중 50개미만의단어로구성되어있거나, 혹은조회수가 50건미만으로낮은답변등을제거하여평균 369개의단어로구성된 2만 8,000여개답변을인공지능이분석할스토리로서최종분류해냈다. 연구팀은이렇게분류한스토리를각각다른인공지능신경망 (Neural Network) 에게개별문단, 문단간조화, 전체맥락등 3가지측면에서분석하도록하고그패턴을학습시켰다. 학습을완료한 AI는 Quora 상에서어떠한스토리가더많은 Upvotes( 좋아요 ) 10 를획득했는지알고있으며, 이를기준으로어떤패턴을가지고있는스토리가대중에더욱많은인기를얻을수있는지예측할수있다는게 Disney Research 측의설명이다. 이와같은기술은당장시나리오와같은장문의텍스트를분석하는것은무리지만, 단편소설분량의스토리를분석하는것은충분히가능할것으로예상된다. 이와관련, Disney Research의부사장 Markus Gross는해당기술에대해 스토리의품질을예측하는능력은스토리의창조와이해에모두영향을준다 고설명한바있다. 그림 2 Disney Research 가개발한스토리반응예측기술개발방식 1 2 3 4 데이터수집스토리추출스토리분석스토리인기예측 소셜미디어 Quora 에서답변이 머신러닝을이용하여 5 만 5,000 여개 2 만 8,000 개답변중 75% 를 스토리의개별 테스트데이터를통해인 스토리형태로제시되기쉬운 21 답변중스토리의성격을지닌답변 3 만 문단 문단간조화 전체스토리맥락등으로 공지능알고리즘이선별 개주제의질문을수동으로구분한 여개를다시추출 나누어각각다른신경망 (Neural Network) 을 한텍스트가 Quora 상 뒤, 해당질문에서 5 만 5,000 여 이중 50 개단어미만으로구성되어있거 통해분석한뒤, 인공지능알고리즘훈련에사용 에서높은 upvotes 를 개의답변을추출 ( 질문예 : 가난 나, 조회수가 50 회미만인답변들을제 답변중 10% 와 15% 는각각알고리즘검증데 획득했는지확인 하면어떠한기분일까? ) 거하여총 2 만 8,000 여개답변을분류 이터와테스트데이터로활용 출처 : Disney Research, STRABASE 재구성 (2017) 10) Facebook 의 좋아요 (Like) 와유사한기능 KCA Monthly Trends _ Media Issue & Trend 10 11
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 2.1.2. CG 작업및영상촬영 AI 가영상콘텐츠의시나리오를작성하는것을넘어, 직접 CG 를제작할수있는수준에도달한것 으로평가된다. 아직은기초적인수준에불과하지만, CG 작업에높은비용과오랜시간이소요되 는점을고려할때, CG 제작 AI 는방송산업에지대한영향력을행사할것으로관측된다. 최근등장한대표사례로는글로벌컴퓨터그래픽스전시회 SIGGAF 2017 에참가한 University of Washington 연구팀의 AI가꼽힌다. 해당연구팀은음성정보를입모양의 CG와동기화할수있는 AI 기술을발표했다. 인터넷에존재하는기존동영상데이터를분석해, 입력된음성과동일한패턴을스스로찾아내어음성과동기화되는입모양의 CG를만들어내는방식이다. 사실상 AI가음성만으로즉석에서영상을만드는것이기때문에, 기존에음성을기반으로 CG를제작하는방식보다훨씬적은비용으로빠른영상콘텐츠제작이가능하다. 특히화상회의나영화더빙등음성에맞춰영상을구현해 그림 3 University of Washington 이개발한오디오기반입모양동기화 AI 작동방식 출처 : STRABASE(2017)
야하는환경에서해당기술이유용하게쓰일것으로예상되며, 영상과음성간의동기화수준을탐지 할수있는기능을활용하면최근언론계의난제로부상한 가짜뉴스 탐지도가능할것으로보인다. University of Washington이발표한해당기술은아직음성에담겨있는감정표현까지읽지는못하는등기술적인한계도분명하지만, AI가점차인간처럼사고하고반응할만큼발전했다는것을보여주기에는충분해보인다. AI가즉석에서음성에맞는이미지를구현하는것은인간이목소리를듣고발음을흉내내기위해입모양을파악하는것과매우비슷한메커니즘이다. 기술이더발전하면 AI가자연스럽게인간과 얼굴을맞대고 대화하는, 영화와같은장면도연출이가능해질것임을암시하는대목이다. 한편, 제조산업부문에활용되는로봇암 (Robot Arm) 제어기술과접목돼촬영만을전문으로담당하는 AI 역시이미현장에서활용되고있다. 해당시스템을활용할경우, 컴퓨터그래픽합성시발생하는오차를최소화할수있으며, 이를통해제작기간을줄일수있다는것이업계전문가들의공통된의견이다. 이와관련최근부산시는 2018년부터 2020년까지 60억원을투자해 시네마로보틱스 (Cinema Robotics) 로불리는 AI 기반촬영시스템을구축할것이라고발표하기도했다. 2.1.3. 영상편집 영상편집 AI의대표사례로는 IBM의 AI 플랫폼 Watson이지목된다. 지난 2016년 9월 Watson 이제작한공포영화 Morgan 의예고편이업계의이목을모은것이다. 이를위해 IBM은기존상영된 100여편의공포영화홍보영상을 Watson에게학습시켰다. 동영상의이미지및배우의표정, 화면전환효과및속도, 배경음악등의요소를각각데이터화한뒤그요소들을조합한영상이사람들의평가를받도록해 Watson의역량을향상시켰다. 이같은방식을통해완성된 Morgan 예고편은실제사람이제작한것과구분하기어려울정도 로공포감을제대로구현한것으로평가된다. 영상제작전문팀을보유하지않더라도 AI 만있다면, 시청자에게매력적인영상콘텐츠를제공할수있을것으로예측된다. 또한, Watson 은 2017 년 8 월 29 일부터 9 월 11 일까지미국뉴욕에서개최된메이저테니스대회 KCA Monthly Trends _ Media Issue & Trend 12 13
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 인 US Open의하이라이트영상을편집하는역할을담당했다. 군중의환호, 플레이어의움직임과표정등을분석해경기의주요장면을편집하며, 이를 Facebook 및 US Open의공식앱에자동으로게재하기도했다. 영상편집부터유통까지 AI가자동으로수행한셈이다. US Open 대회주최측관계자는 동시에 18경기가진행될수있는해당대회의특징을고려할때, 경기를시청하고이를편집하는데오랜시간이요구됐으나, Watson은이를순식간에해결했다 고강조했다. 그림 4 AI Watson 이제작한공포영화 Morgan 의예고편화면 출처 : YouTube(2017) 그림 5 Watson 의스포츠경기하이라이트편집화면 출처 : Engadget(2017)
2.2. 콘텐츠유통및관리 AI 2.2.1. 메타데이터의생성및관리 방송콘텐츠가디지털화되면서특정자료의내용및성격등을부가적으로설명하는메타데이터 (metadata) 의중요성이강조되고있다. 방송콘텐츠의이용편의성및활용성을극대화하기위해서는메타데이터의구축이필수적으로요구되기때문이다. 예컨대특정배우또는소품등이등장하는장면을빠르게검색하기위해서는메타데이터가필요하다. 기존에는사람이직접영상을살펴본후메타데이터를입력하는방식이주로활용되었다. 스스로 진화할수없는, 일종의 구식 AI 가영상의객체를인식해자동으로메타데이터를작성하는시스 템도등장했지만, 정확성이높지않아사람이추가적으로확인하는작업이요구됐다. 하지만, 기계가스스로학습하며발전하는머신러닝기반 AI의등장으로 AI를통한메타데이터입력의정확성이비약적으로높아질것으로기대된다. 실제 IBM의 Watson은메이저테니스대회인 US Open 의하이라이트영상을편집하면서, 동시에이를자동으로메타데이터화하기도했다. 이에대해 IBM의왓슨미디어제품마케팅및전략사업부서에서연구원으로재직중인 Pete Mastin은 기존에는사람이방송콘텐츠에대한메타데이터를입력했으나, 최근에는스스로학습하는 AI가영상의시각, 청각, 텍스트, 주인공의표정등을식별하고이를통해자동으로메타데이터를구축하는서비스도등장하고있다 고강조했다. AI가영상콘텐츠의활용가능성을비약적으로높일수있는메타데이터의분류에도이미영향력을행사하고있음을의미한다. 2.2.2. 원활한스트리밍제공 콘텐츠의중단없이원활한방송스트리밍서비스제공을위한기술이소비자의이탈을방지할수 있는타개책으로주목받고있는가운데, AI 는해당기술의실현을위한중추역할을수행하고있다. 실제, Netflix 는미국 University of Southern California 및프랑스 University of Nantes 와 협력을통해영상콘텐츠의각장면을개별적으로평가하고이를기반으로제공되는이미지의품 KCA Monthly Trends _ Media Issue & Trend 14 15
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 그림 6 Netflix의네트워크최적화 AI 시스템 Dynamic Optimizer 시연영상 Dynamic Optimizer 미적용 Dynamic Optimizer 적용 출처 : Netflix(2017) 질을결정하는 AI 시스템 Dynamic Optimizer 를 2017년초선보였다. 시청자의네트워크속도와영상내이미지데이터등을분석해, AI가자동으로제공되는콘텐츠의품질을조절하는방식이다. 이는기존대부분의스트리밍서비스들이시청자가직접영상의품질을결정하도록한것과차별화된다. 네트워크환경이좋지못한상황에서발생하는영상의끊김현상을원천적으로차단하기위한 Netflix의방책으로평가된다. 게다가해당 AI 시스템은동일한네트워크환경에서보다깨끗한화질의영상을제공할수있는것으로알려져있다. 실제, Netflix는 100kbps의네트워크에서 Dynamic Optimizer 를적용할때와그렇지않을때를비교한영상을공개했는데, 해당 AI를적용한영상이그렇지않은영상과비교해 2배가량향상된화질을제공한것으로평가된다. AI가스트리밍방송서비스의유통환경을전반적으로변화시킬수있는잠재력을보유하고있음을보여주는대목이다. 2.2.3. 콘텐츠불법유통방지 AI 는방송시장의성장을저해하는요소중하나인 콘텐츠의불법유통 을방지하기위한기반기 술로도활용가능하다. 현재대부분의영상콘텐츠에는저작권보호기술 (DRM) 기술이적용되어 있지만, 불법복제를완전히차단하긴무리라는평가다.
사실, 불법복제를완벽히차단하기위해서는웹크롤러 (web crawler) 11 를통해특정조건내인터넷웹사이트에유통되는모든영상물에대한불법복제여부를판별한후, ISP 12 에불법복제콘텐츠를유통하는서비스를차단토록요청하는방식이가장확실하다. 하지만, 전세계적으로유통되는불법영상물의규모가방대하기때문에사람이직접이같은작업을진행하긴사실상불가능하다. 그러나 AI를활용하면, 이같은일련의과정을자동으로처리할수있다. 특히최근등장한 AI는원본영상에자막삽입, 인위적인렌더링등의변형여부를면밀히조사해불법콘텐츠를판별할수있다. 국내에서도 AI 기반영상콘텐츠불법유통을강화하기위한움직임을보이고있다. 대표적으로지 난 2017 년 9 월한국저작권보호원은온라인불법복제영상물의유통을근절하기위해 영상물침 해방지인공지능활용방안연구 에착수했다고발표했다. 기존기술로는불법영상물유통을완전하게근절할수없었던상황에서, AI 가영상콘텐츠보호에 어느정도기여할수있을지관심있게지켜봐야할시점이다. 2.3. 시청자대응 AI 2.3.1. 콘텐츠큐레이션 콘텐츠이용정보를분석해시청자에게최적화된콘텐츠를노출하고이를추천하는서비스는미래방송시장에서기업의성패를좌우할핵심경쟁력으로지목된다. 특히, 영상콘텐츠는한번의소비로사라지는것이아니라오랜기간인기를얻을수있는롱테일 (long-tail) 적특성을보유하고있는점을고려할때, 큐레이션서비스의중요성은더욱부각된다. 현재방송콘텐츠의큐레이션서비스에 AI 를접목하려시도중인대표주자로는인터넷스트리밍 방송서비스 Netflix 가꼽힌다. 일방적으로방송콘텐츠를제공하는기존레거시 (Legacy) 방송 11) 조직적, 자동화된방법으로인터넷웹사이트를탐색하는컴퓨터프로그램 12) ISP(Internet Service Provider) 는개인이나기업에게인터넷접속서비스, 웹사이트구축등을제공하는업체 KCA Monthly Trends _ Media Issue & Trend 16 17
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 사업자와달리, 인터넷방송시장에서는이미콘텐츠큐레이션기능이이용자를확대할수있는주 요요소로자리잡고있음을알수있다. Netflix가 AI 기반콘텐츠큐레이션에본격적으로관심을표명한시기는 2000년대후반으로거슬러올라간다. 지난 2007년부터 2009년까지콘텐츠를정교하게추천할수있는 AI의알고리즘을고안하는대회인 Netflix Prize 를개최한점이 AI 콘텐츠큐레이션에대한 Netflix의관심을보여주는대표사례이다. 업계전문가들이 Netflix의성공이면에는이용자들의취향을정확히파악해소비자의니즈를충족할수있는콘텐츠추천기능이기저에존재한다고주장하는배경이기도하다. 한편, 계획된스케줄을통해선형적인방송을제공하던유료방송시장에서도콘텐츠큐레이션이접목된서비스가등장해이목을모으고있다. 미국의유료방송채널사업자인 ZoneTV가그주인공으로, 해당채널시청자는처음에는기존선형적인방송과의큰차이를느낄수없지만, 점차본인의시청취향에적합한콘텐츠를시청할수있다. ZoneTV가유료방송시청자들의 VOD 시청행태를 AI로분석해자사가확보한 6,000시간분량의콘텐츠중시청자가선호할만한영상을일반 TV 채널처럼제공하기때문이다. 시청자들은마치선형적인방송을보는것같지만, 자신의시청환경에따라제공되는콘텐츠를결정할수있다. 이미 Comcast, AT&T, DirecTV 등의유료방송사업자와파트너계약을체결한 ZoneTV는 2017년말출시될예정이다. 그림 7 AI 기반방송큐레이션서비스를제공하는 ZoneTV 의파트너현황 출처 : Netflix(2017)
2.3.2. 응대및반응분석 AI 기반챗봇 (Chat Bot) 이모바일시대의사용자인터페이스이자서비스및콘텐츠제공의창구로떠오르고있다. 메시징은모바일환경에서사람들이가장많이사용하고가장친숙함을느끼는활동이기때문이다. 시청자의동참을유도하고소비자와접점을형성할수있는매개인 AI 챗봇이이미방송산업내고객응대서비스로활발히활용되고있는배경이다. 실제, 음악전문채널 MTV 의경우지난 2016년 11월유럽뮤직어워드인 EMA 행사시방송시간등시청자의질문에답변할수있는수단으로 AI 챗봇을활용했다. 특히, AI 챗봇은시청자의데이터를보다효과적으로축적하기위한도구로도유용하다. 사람이직 접시청자의응답내용을정리하는것과비교해 AI 가보다신속하게유형별로응답내용을분류할 수있기때문이다. 시청자의반응을 AI로분석해이를서비스운영에접목하려는시도도목격되고있다. 영상콘텐츠를시청하는소비자의표정등을기반으로이용자의콘텐츠기호를보다정확히살펴볼수있는기술이등장했음을의미한다. 관련기술의대표사례로는 Disney의 R&D 부서인 Disney Research에서개발한 FVAE(Factorized Variational Autoencoders) 가지목된다. 지난 2017년 7월컴퓨터그래픽연례콘퍼런스인 CVPR(IEEE Conference on Computer Vision and Pattern Recognition) 을통해공개된 FAVE 는머신러닝기술이접목된 AI가영화관객의반응을측정하는기술이다. 13 웃는얼굴, 찡그린얼굴, 공포에질린얼굴등을분석할수있는 FAVE 를활용하면, 영화에대한관객의반응을측정할뿐만아니라특정장면에서의반응을미리예측하는것도가능하다는것이 Disney 측의주장이다. 더욱이모든표정은적외선카메라를통해수집되기때문에관객은자신이테스트에참여하고있다는사실을잊은채영화를관람할수있다. 이는해당기술이극장에즉시도입가능할수도있다는의미다. 13) Disney Research 에따르면, FAVE 기술의테스트를위해 3,179 명의관객으로부터 1,600 만개의데이터를생성 KCA Monthly Trends _ Media Issue & Trend 18 19
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 Disney 측은 FAVE 가영화관람객의반응분석뿐만아니라애니메이션의제작에도활용할수 있다고강조했다. 해당기술이얼굴의표정뿐만아니라사물의특정움직임까지감지할수있음을 그림 8 유럽뮤직어워드 EMA 에서활용된 MTV 의 AI 챗봇화면 출처 : MTV(2016) 그림 9 Disney Research 가개발한영상콘텐츠반응측정기술 FVAE 개요 출처 : Disney Research, STRABASE 재구성 (2017)
표 1 FVAE 기술에대한업계의반응 구분 긍정적 부정적 내용 설문조사가주로영상콘텐츠관람이후수행되기때문에콘텐츠의장면별로정확한반응을조사하는것이쉽지않은반면, FAVE 를사용할경우보다정확한조사가가능 해당기술을통해관객의반응을살핀후, 이를기반으로최종편집을진행하는방법도도입될것으로기대 일각에서는 FVAE 가사용하는데이터의오염가능성을지적 예를들어영화내용이본인에게전혀웃기지않은데주변사람들의반응을보고따라서웃는경우정보의오류가발생할수있음 출처 : 스트라베이스 (2017) 보여준다. 예를들어숲에서나뭇잎이바람에반응하는패턴을분석하고이를시뮬레이션화하여 3D 애니메이션의제작에활용하는식이다. FVAE와관련하여, 가장눈여겨볼미래시나리오는 반응형 (Responsive) 영상콘텐츠가등장할수있다는점이다. 예컨대, 시청자의반응을그때마다분석하여스토리가변화하는영상콘텐츠가만들어질수있다. 만약특정장면에서관객이지루함을느끼면이를 AI가표정분석으로판단한뒤, 콘텐츠의내용전개를빠르게하거나아예다른내용의반전을제공하는방식이도입될수도있다. 이렇게되면소비자는하나의타이틀을가진콘텐츠라도자신이보인반응에따라다양한경험을제공받을수있게된다. 3. 주요이슈 3.1. 기존유료방송사업자의 AI 접목시급 현재서구권의유료방송시장은 Netflix 를위시한인터넷방송서비스의공세속에유례없는침체 에빠진것으로평가된다. 시장조사업체별로약간의차이는존재하지만, 미국유료방송시장의가 KCA Monthly Trends _ Media Issue & Trend 20 21
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 입자수가향후수년간지속적인하락세를이어갈것이라는게업계의공통된의견이다. 14 과거의 영광을되찾기위해유료방송사업자진영은저가의번들요금제등을출시하거나자체적인인터넷 방송서비스를제공하며대응하고있으나, 가입자의이탈속도를늦추지못하고있는상황이다. 더욱이대부분의인터넷방송서비스는저렴한가격을내세우고있을뿐만아니라, AI와의접목을통한개선된사용자경험을제공하며기존유료방송서비스의존재이유조차위협하고있다. 이같은격변속에서, 업계전문가들은유료방송사업자들이머신러닝기반 AI를적극적으로수용해가입자들의서비스이용측면을개선해야한다고주장한다. AI가인터넷방송서비스및기존유료방송모두에적용가능하지만, 기존유료방송사업자들은 AI 기술의도입에대한적극성이온라인방송서비스에비해부족하다는의미이다. 무엇보다유료방송서비스의경우다양한채널이존재하는점을고려할때, 온라인방송서비스보 다더욱개선된 AI 큐레이션서비스가요구된다. 이는유료방송사업자가 AI 기반큐레이션서비스 의적용을더이상늦출수없는이유이기도하다. 이에대해 AI 기반유료방송채널서비스를준비중인 ZoneTV 의 CEO 인 Jeff Weber 는 방송콘 텐츠의메타데이터를자동으로구축하고, 이를기반으로큐레이션서비스를제공하는 AI 시스템 의구축이유료방송서비스의경쟁력을결정하게될것 이라고강조했다. 게다가소비자개개인의니즈를충족할수있는큐레이션서비스는강력한팬층을확보할수있는매개 체로도역할할수있다. 방송콘텐츠의범람속에서큐레이션서비스는서비스의만족도를높여, 유료방 송의이탈속도를늦출수있을뿐만아니라기존가입자의서비스결속력을강화할수도있는것이다. 시장조사업체 PwC 의엔터테인먼트및미디어부문담당자인 Deborah Bothan 은 기존방송 비즈니스는대량배포를근간으로했으나, 미디어생태계가점차포화되면서, 세분화된니치마켓 의중요성이더욱강조되고있다 며, AI 는방송시장의니치마켓을공략하기위한핵심도구로 14) 시장조사업체 Digital TV Research 의 2017 년자료에따르면, 미국의유료방송가입자수는지난 2010 년 1 억명에서 2016 년 9,569 만명으로하락했으며, 2022 년에는 9,071 만명으로감소할것으로전망됨
포지셔닝할것 이라고전망했다. 결국, AI 를방송서비스에통합하여좀더맞춤화되고개인화된시청환경을제공하는것은유료방 송사업자들의생존을위한충분조건인아닌필요조건으로볼수있다. 3.2. 비즈니스전략의변화촉발 AI는방송산업분야의경영진이보다신속하게의사결정을진행할수있는환경을제공해줄수있다. 방송산업의 ROI(return on investment) 를창출하는요인을분석하고이에대한통찰력을갖출수있도록지원하기때문이다. AI의접목으로방송콘텐츠에대한의사결정이빠르게진행됨에따라방송업계의비즈니스전략이변화를맞이할수밖에없다는의미다. 특히, AI를통해분석된인사이트를기반으로선택된결정은경영진의감 ( 感 ) 에의존하는것과비교해보다나은콘텐츠를제공할수있는원동력이된다. 또한, 한층진화된콘텐츠는시청자의유입을확대하는촉매제로써역할할뿐만아니라시청자의유입을견인해미래방송산업의경쟁력인소비자의데이터확보를확대하는근간이될수도있다. AI가방송비즈니스내플라이휠효과 (flywheel effect) 15 를유발하게되는배경이다. 이에대해금융시장분석기관 Bloomberg는방송업계가플라이휠효과를빠르게촉발하기위해서는예측이용이한수익모델을구비하는것이유리하다고강조한다. 예컨대 Netflix는주로외주제작사를통해콘텐츠를제작하기때문에고정비용예상에유리하며, 또한월정액기반비즈니스전략을전개하고있어수익규모역시예측가능하다. 복잡한비즈니스모델을적용하고있는업체와비교해 Netflix는 AI를통해보다신속하고정확한비즈니스관련의사결정을지원받을수있으며, 이를통해이용자가선호할만한콘텐츠만을선별적으로제작할수도있다. 16 과거에는더 15) 일관된방향으로가해진힘이누적되어합쳐진힘과관성에의해운동에너지를저장하는효과로, 이는처음에는돌리기쉽지않지만일단가속이되면손쉽게돌아가는생태계의선순환구조를비유 16) 실제, Netflix 는새로운콘텐츠제작에돌입할경우 AI 가분석한데이터를활용하는것으로알려져있음 KCA Monthly Trends _ Media Issue & Trend 22 23
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 그림 10 AI 로인한방송산업의플라이휠효과모형도 머신러닝기반 AI의등장에따른분석의정확성제고 Better Decisions Better Content 시청자니즈에부합하는콘텐츠의등장 이용자의콘텐츠이용이력등관련데이터축적 More Data More Viewers 시청자의이탈방지및신규고객유입 출처 : Amazon(2017) 많은콘텐츠를보유하기위한경쟁을전개했다면, AI 시대에는콘텐츠의양보다품질이우선시될 수있음을암시하는대목이다. 이는 AI 로인해미디어콘텐츠자산에대한업계의인식역시변화 될것으로전망되는배경이기도하다. 3.3. AI 의등장에따른인력대체이슈 AI 가콘텐츠의제작부터유통까지다양한분야에서활용성을입증하고있는가운데, AI 가방송업 계종사자들을대체할것이라는불안감도가중되고있는실정이다. 하지만, 창조성을요구하는미 디어산업의경우 AI 가완전히대체하긴어려울것이라는게대다수업계전문가들의의견이다. 이에대해 Bloomberg는 AI가 TV 산업의고용규모를감소시키진않을것이지만, 기존역할의변화는초래할수있다 고강조했다. 기존영상편집을책임지던담당자가 AI 기반영상사업부에배치될수있다는의미이다. 오히려, Bloomberg는단기적으로 AI를운용할수있는인력을증원해야하기때문에미디어산업분야의인력규모가증가할수있다고전망했다. 미국노동통계국 (Bureau of Labor) 역시 2024년미디어및통신업계의종사자수가 2014년대비 4% 증가할것으로내다봤다. 하지만, 가까운미래에는 AI 가방송산업부문의인력을완전히대체할수있을것이라는전망도 만만치않다. 머신러닝기반 AI 가스스로학습하며진화하는점을고려할때, 인공지능시스템이 영상콘텐츠제작부터유통까지방송업계에서필요한역량을충족할수있을것이라는의미이다.
특히, 무한대에가까운경우의수로 AI가인간을이기긴어려울것으로예상됐던바둑에서조차이미 AI인 AlphaGo가세계최고의바둑기사로지목되는중국의커제 ( 柯潔 ) 9단을압도하는모습을보여줬다. 현재인간의능력에미치지못하는방송전문 AI들도조만간인간이상의능력을보여줄수있음을보여주는대목이다. 결국 AI라는새로운기술의도래로, 방송산업종사자들은해당산업영역에서요구되는새로운기술습득을요구받게될것으로관측된다. 신기술에대한인사이트를제공하는 Deloitte University Press는 방송업계직원들은 AI가분석한시청자의데이터를기반으로, 새로운방송콘텐츠장르및유통방식을고안할수있는역량습득이필요하다 고강조했다. 4. 맺음말 실제사물과인물등을기록해별도의스크린을통해보여주는방송산업은태생적으로테크놀로 지와연관이깊다. 짧지않은역사를통해다양한신기술을흡수하며진화해온방송산업이 AI 의 영향권에들어선것은어쩌면자연스러운일로보인다. 앞서살펴본바와같이방송산업의다양한영역에서 AI는영향력을확대해가고있다. 이에대해 IT 전문매체 VentureBeat는 AI의등장으로인해방송산업계는 시청자가원하는것을정확히이해하고이를통한콘텐츠제작및마케팅계획수립 사전작업에투입되는자원의절약 편집작업시간의절약등의이점을얻게됐다고강조했다. 그러나현재방송업계에서접목된대부분의 AI 시스템은신선한시도로화제를만들어내거나향후 AI 생태계의한축을담당할준비단계를시작한수준으로평가된다. 특정패턴을학습하는 AI 는단순반복적인과업에서는손쉽게적용가능하지만, 독창성 (originality) 이중시되는분야에서는아직인간의능력을뛰어넘긴무리가따를수밖에없기때문이다. AI 와결합된방송산업의미래를위해서는저작권문제도해결되어야한다. 사람의창작물로여겨 졌던방송콘텐츠가 AI 에의해만들어지면서저작권문제가대두된것이다. 일부업계전문가들은 KCA Monthly Trends _ Media Issue & Trend 24 25
심층리포트 방송산업의인공지능 (AI) 활용사례및전망 AI 의창작물역시저작권보호를받아야한다고주장하나일각에서는빠르게콘텐츠를생산할수있 는 AI 가인간과동일한수준의저작권보호를받게되면인간이이에대한피해를감수해야한다고 주장한다. AI 가제작한콘텐츠저작권을둘러싸고, 상반된의견이팽팽하게맞서고있는상황이다. 데이터맹신에따른우려역시제기되고있다. 데이터의신뢰성이떨어질경우자칫 AI 가잘못된 결론을도출할수있기때문이다. 앞서언급한바와같이, 영화관객의반응을살피는 AI 기술인 Disney 의 FVAE 역시데이터의오염가능성이존재한다. 그러나이같은한계에도불구하고 AI 는미래방송산업에서없어서는안될존재로포지셔닝할것 으로전망된다. AI 는이제서야태동기를벗어나도입기로전환되는길목에서있는점을고려할때, 시장에서쏟아지는각종우려를해결할수있는 AI 시스템의출현도전혀불가능하지만은않다. AI의고도화로방송산업은새로운전기를맞고있다. 새로운변화의방향이어떻게진행될것인지조금은더지켜봐야하겠지만, AI 기술과그기술을전달하는 IT 업체들이기존방송산업의뿌리를뒤흔드는 적 이아닌공생과협력을위한 파트너 가되어야한다는사실은달라지지않을것으로보인다. 사람들이더나은방식으로영상콘텐츠를즐길수있도록 AI 기술을활용하는것이, 방송산업을위한장기적인승부수가될것이기때문이다. Reference 1. Amazon Web Services, AI for Media & Entertainment, 2017.08.15 2. Apple Insider, Netflix encoding tool aims to retain video quality on slow 100kbps iphone mobile data connections, 2017.03.01 3. Bloomberg, How AI is Changing Media Economics, 2017.07 4. Engadget, IBM s Watson is creating US Open tennis highlight videos, 2017.08.30 5. IBC, AI at IBC: For today, not just the future, 2017.09.20 6. IBC, IBC2017 round-up: Halls 1, 4 and 5, 2017.09.22 7. IBC, Netflix and IBM are leading the charge on artificial intelligence in media, 2017.04.18 8. Irdeto, The role of AI in content protection, 2017.09.17 9. Multichannel, How AI Can Make TV s Future Brighter, 2017.08.21 10. Ofcom, As Hollywood taps into AI, what would you build with IBM Watson?, 2017.04.24 11. VentureBeat, How to take AI far beyond gaming, 2017.03.14