AI로 모두가 하나 되는 세상 만들어가는 구글

구글은 AI로 세상 모든 사람들에게 혜택을 나눠주고 더욱 편리한 세상을 만들어가는 구글의 비전인 ‘#MadeWithAI’를 주제로 구글 아태지역 기자간담회를 개최했다.

구글은 전 세계 모든 정보를 체계화해 모두가 편리하게 이용할 수 있는 세상을 만든다는 미션 아래 AI를 활용한 기술 혁신을 이어가고 있다. 이 자리에는 구글이 만들어가고 있는 AI와 AI를 활용해 의학, 환경 등 다양한 분야에서 활용하고 있는 사례를 전하며 사람들에게 어떻게 AI가 더욱 윤택한 삶을 누릴 수 있게 하는 방법을 제시했다.

제프 딘(Jeff Dean) 구글 시니어 펠로우는 ▲구글 제품의 유용성 향상 ▲비즈니스 및 개발자 혁신 기여 ▲연구자에게 인류가 직면한 큰 어려움을 해결할 수 있는 도구 제공 등 세 가지 방법으로 혜택을 누릴 수 있도록 하는 AI로 이루고자 하는 목표에 대해 얘기했다.

구글은 AI를 머신러닝에 중점을 두고 연구를 진행하고 있으며 2012년 머신러닝을 활용한 대규모 브레인 시뮬레이션 관련 논문, 2015년 오픈소스 텐서플로 등을 내놓으며 머신러닝 연구를 오랜기간 해왔다.

현재는 머신러닝의 초기 단계라 전한 제프 딘은 “현재 머신러닝은 분류, 예측, 이해, 추출 등 네 가지 부분에 유용하게 사용되고 있으며, 현재 구글의 모든 제품에서 머신러닝을 활용해 성능을 크게 향상시키고 있다”고 전했다.

▲ 제프 딘(Jeff Dean) 구글 시니어 펠로우

새로운 픽셀 폰에는 머신러닝과 컴퓨터 활용 사진 기술을 결합한 인물 사진 모드 기능이 추가돼 있다. 인물을 찍으면 스마트폰이 스스로 인물을 인지, 인물을 제외하고 부드럽게 배경을 블러 처리한다.

구글 홈 같은 경우 사용자가 등록돼 있다면 집 안 어디에 있던지, 집 안이 얼마나 시끄럽던지 상관없이 정확히 사용자의 목소리를 인식해 작동 가능하다. 또한, 최대 6명이 등록 가능하다.

머신러닝을 도입해 가장 큰 개선이 이뤄진 것은 구글 번역이다. 여기에 더해 음성 인식 정확도도 딥 신경망 덕분에 크게 향상됐다. 음성 검색은 현재 한국어를 포함해 전 세계 119개 언어에서 사용가능하다.

구글은 영어 외에 벵갈어, 크메르어 등 희귀한 언어까지 전 세계 모든 언어를 지원하고자 한다. 이를 위해 진행하고 있는 것이 프로젝트 유니슨(unison)이다. 유니슨은 머신러닝으로 텍스트 음성 변환 엔진을 구축하는 실험 프로젝트로, 스마트폰이 벵갈어와 같은 데이터가 부족한 언어로 해주는 답변을 들을 수 있게 해준다.

▲ 린 하(Linne Ha) 구글 리서치, 리서치 프로그램 디렉터

구글 어시스턴트 역시 사람과 대화하듯이 자연스러운 대화가 가능해졌다. 예를 들어 일본에 유럽인이 여행왔다고 가정해보자. 식당을 가려고 보니 팁을 줘야 되는지가 궁금해진다. 구글 어시스턴트로 “여기는 팁을 줘야해?”하고 물어보면 구글 어시스턴트는 GIS 정보로 일본인 것을 확인하고 일본 팁 문화에 대해 상세히 설명한다.

또한, 내가 좋아하는 축구팀, 내 일정 등을 미리 알려주면 구글 어시스턴트가 기억하고 경기일정 및 결과, 비행기 시간 등을 알려준다. 특히 구글은 구글 네스트 캠 IQ에 구글 어시스턴트를 탑재할 예정으로, 구글 어시스턴트를 활용해 스마트홈과 물리보안 영역까지 준비중이다.

구글의 머신러닝 도구를 활용해 다양한 업종에서도 활용중이다. 일본 식품기업인 큐피(Kewpie)는 텐서플로를 통해 재료의 품질과 안전성을 개선하고 있다. 식품 제조 과정에서 결함이 있는 재료를 감지할 수 있는 도구를 개발했다. 가장 먼저 적용한 것은 유아식에 사용되는 깍둑썰기된 감자였다.

의학 부분에서도 여러 중요한 문제를 해결하는데 주요한 역할을 하고 있다. 구글의 리서치 의학 영상팀인 릴리 펭과 그 팀원들은 인도, 태국, 미국 내 병원들과 협력해 당뇨성 안과 질환을 진단하는데 도움을 주는 도구를 머신러닝을 통해 개발하고 있다. 또한, 암 진단 도구에도 활용되고 있으며 화학과 유전학 등 다른 과학 분야에서도 획기적인 발전을 이뤄내는 데 도움을 주고 있다.

웰링턴 빅토리아대학교 박사 과정중인 빅터 안톤(Victor Anton)은 환경 보전을 위해 머신러닝을 활용중이다. 뉴질랜드의 멸정 위기 조류들을 추적하는 기술에 머신 러닝을 활용한 것. 빅터는 5만 시간 분량의 녹음을 수집했고, 스펙트로그램으로 변환해 텐서플로로 새들의 노랫소리를 찾아낸다. 머신러닝으로 녹음 파일 검색이 훨씬 빨라졌다.

이렇듯 머신러닝은 지금도 전 세계 여러 분야에서 활용중이지만, 아직 초기단계인 만큼 극복해야 할 과제들이 많다.

제프 딘은 머신러닝 모델 생성을 더욱 보편화할 수 있도록 구글 직원들의 머신러닝 교육 진행과 함께 오토ML과 머신러닝 모델 구축 과정을 자동화하기 위한 연구를 하고 있다.

또한, 포괄적이면서 모두에게 도움이 되는 머신러닝 모델을 구축하고 개발하기 위해 사람과 AI에 대한 연구 이니셔티브를 의미하는 페어(Pair)라는 그룹을 통해 머신러닝에 사용되는 훈련 데이터를 시각화하는 도구인 파셋(Facets)과도 같은 작업을 하고 있다.

지난 2000년 구글 공동창업자인 래리 페이지는 “AI는 구글의 최종 도착지가 될 것”이라고 했으며 2016년 순다 피차이 구글 CEO는 “모바일 퍼스트에서 AI 퍼스트로 세상은 이동중이며 컴퓨터는 일상에 도움을 주는 AI로 대체될 것”이라 언급했다.