※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1816호(2017. 9. 29. 발행)에 기고한 원고입니다.


▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

AI 칩을 이용한 아이폰 Ⅹ 얼굴 인증 AI를 악용한 공격 대응이 관건.pdf



[ 요 약 ]


애플이 차세대 하이엔드 모델인 아이폰 ()에서 지문 인증을 빼고 얼굴 인증 기술인 페이스 ID(Face ID)를 발표하였음카메라를 향해 얼굴을 보이는 것 만으로 인증을 하는 기술은 지문 인증보다 안전성이 높고 편리한 방법으로 평가받고 있는데이번에 애플이 도입함에 따라 단번에 보급 확산이 진행될 수 있는 교두보를 마련하였음페이스 ID는 인공지능(AI)프로세서를 이용해 이미지 인식 기능을 강화했는데같은 맥락에서 AI를 악용한 고도의 공격에 대응할 것을 요구 받고 있음



[ 본 문 ]


ž 애플의 차세대 아이폰 모델 3 기종 발표회에서 가장 관심을 모은 것은 최상위 모델인 아이폰 Ⅹ(10)의 얼굴인식 기능을 이용한  페이스 ID(Face ID)였음


Ø 주 모델은 기기의 전면을 모두 수퍼 레티나 HD 디스플레이(Super Retina HD Display)로 채워 홈 버튼을 없앤 아이폰 Ⅹ(10)이었고, 아이폰 7 7 플러스의 후속 모델로는 시리즈 순서에 맞게 아이폰 88 플러스가 발표되었음



Ø 이 중 아이폰 Ⅹ은 페이스 ID(Face ID) 기능을 갖추고 있어 카메라로 얼굴을 비춰 장치 잠금 해제를 할 수 있는데, 아이폰 8과 달리 지문인식 장치를 아예 없애 애플 페이로 지불을 할 때도 기존의 터치 ID(Touch ID) 대신 페이스 ID 기능을 이용해야 함


<자료> CNET


[동영상아이폰 Ⅹ의 얼굴 인증 페이스 ID


Ø 최신 스마트폰의 추세는 전면 디스플레이를 극대화하는 것이며 아이폰 Ⅹ도 이 흐름을 수용했는데, 이렇게 하려면 홈 버튼에 담았던 지문 인식 스캐너의 위치를 옮겨야 할 필요가 있었음


Ø 발표회 전에는 터치 ID 기능을 디스플레이 안에 포함한다거나 삼성전자 갤럭시 S8처럼 스마트폰 후면으로 이동시킨다는 루머가 있었으나, 애플은 터치 ID 기능을 아예 빼는 선택을 하였음


Ø 삼성전자가 제품 매뉴얼에 얼굴 인증은 지문이나 PIN 등에 비해 안전성이 낮다고 기재함으로써 얼굴 인증을 보안이 아니라 편의성과 재미를 위해 설계한 것임을 드러낸 반면, 애플은 지문 인식 없이 페이스 ID 만으로 애플 페이를 이용하게 하여 보다 과감한 입장을 취한 것임


Ø 이는 얼굴 인식 기능이 시장에서 아직 대세가 아닌 상황에서 애플이 기술력과 자신감을 바탕으로 과감한 결단을 내린 것으로 볼 수 있는데, 대신 아이폰 8 8 플러스에는 기존 터치 ID를 그대로 유지시켜 페이스 ID에 거부감이 있는 소비자를 위한 선택지도 남겨 두었음


ž 얼굴 인증 기술은 기본적으로 이용자의 형상 변화에도 대응해야 하는 과제를 안고 있는데 이를 위해 애플은 기계학습(Machine Learning)을 이용한 이미지 비교 방식을 채택했음


Ø 페이스 ID를 사용하기 위해서는 사전에 얼굴을 등록해야 하는데, 터치 ID가 사용자의 여러 손가락 지문을 등록하거나 다른 사람의 지문을 등록할 수 있었던 것에 비해 페이스 ID는 오직 하나의 얼굴만 등록할 수 있고, 다른 얼굴을 등록하려면 이전에 등록된 얼굴을 삭제해야 함


Ø 아이폰 Ⅹ은 트루뎁스 카메라(TrueDepth Camera)라는 특수 카메라를 탑재하고 있는데, 얼굴을 등록 할 때 트루뎁스 카메라의 도트 프로젝터(Dot Projector)에서 3만 개의 점이 얼굴에 투사되고 이를 적외선 카메라(Infrared Camera)에서 읽어 들여 얼굴의 3D 맵을 생성하게 됨


<자료> iphone tricks


[그림 2] 트루뎁스 카메라의 구조()와 페이스 ID 3D 스캐닝 포인트()


Ø 이 정보들은 프로세서 내의 스토리지인 시큐어 인클레이브(Secure Enclave)에 암호화하여 저장되며, 페이스 ID 사용 시 광원 역할을 하는 플러드 일루미네이터(Flood Illuminator)에서 적외선이 투사되고 이를 적외선 카메라가 읽어 들여 등록된 얼굴 맵과 비교하여 인증을 수행함


Ø 페이스 ID는 광원으로 적외선을 사용하기 때문에 외부 빛의 조건에 관계없이 어두운 곳에서도 정확하게 얼굴을 인증할 수 있는 장점이 있음


Ø 반면, 얼굴 인증은 이용자의 상태가 변화하는 것에 대응해야 하는 과제를 안고 있는데 즉, 머리카락이나 수염이 자라거나 안경을 착용하여 등록된 얼굴 이미지와 달리 보일 경우에도 이용자가 불편하지 않게 본인 확인을 할 수 있어야 함


Ø 이 문제 해결을 위해 애플은 기계학습 기법을 이용한 이미지 비교 방식을 채택했는데, 알고리즘에 대한 기계학습을 통해 등록된 얼굴 형상이 머리와 수염을 기르고 안경을 쓰면 어떻게 천천히 변화하는지를 인식할 수 있게 하는 것임


Ø 다양한 조건을 사전에 학습시켜 둠으로써 이용자의 형상이 바뀌더라도 정밀하게 판정 할 수 있게 한 것이며, 또한 얼굴을 3D로 비교함으로써 사진을 통해서는 인증 받을 수 없게 하였음


ž 페이스 ID에 기계학습이 적용되었다는 것은 카메라의 차별적 성능이 이제 광학 센서가 아니라 인공지능(AI)에 의해 결정되고 있음을 다시 한번 보여 줌


Ø 트루뎁스 카메라는 셀카(Selfie)를 찍을 때 특수 효과를 내는 데도 사용할 수 있는데, 인물사진 조명(Portrait Lighting)이라 불리는 기능을 이용하면 스튜디오에서 촬영 할 때처럼 마치 빛을 조정한 것 같은 효과를 얻을 수 있음


Ø 자연 조명(Natural Light) 옵션을 선택하면 자연광 아래에서 촬영한 효과를, 스튜디오 조명(Studio Light) 옵션을 선택하면 밝은 조명 아래 촬영한 효과를 얻을 수 있으며, 칸투어 조명(Contour Light) 옵션은 얼굴의 요철을 돋보이게 하여 극적인 인상을 만들며, 무대 조명(Stage Light) 옵션은 배경을 검게 처리해 얼굴을 부각시킬 수 있음


<자료> Apple


[그림 3] 인물사진 조명의 다양한 옵션


Ø 트루뎁스 카메라는 스테레오 카메라여서 객체를 3D로 파악하므로 인물과 배경을 구분할 수 있고, 여기에 AI가 사람의 얼굴을 파악해 얼굴 부위에 빛을 쬐어 특수 효과를 만들어 내는 것인데, 메인 카메라에도 인물사진 조명 기능이 탑재되어 위의 옵션들을 사용할 수 있음


Ø 카메라는 전통적으로 광학 센서가 차별화 요인이었지만, 지금은 포착한 이미지를 AI를 통해 얼마나 깨끗이 처리 할 수 ​​있는지가 중요해지고 있으며, 아이폰의 카메라는 소프트웨어 결정 카메라(Software-Defined Camera)라는 소프트웨어가 성능을 좌우함



Ø 트루뎁스 카메라를 이용하면 움직이는 이모티콘인 애니모지(Animoji)를 만들어 전달할 수 있는데, 카메라는 얼굴의 50개 지점의 움직임을 파악해 이를 이모티콘 캐릭터와 매핑하는데, 가령 놀란 표정을 지으면 캐릭터도 놀라는 모양이 됨


<자료> Howtoisolve


[그림 4] 아이폰 Ⅹ의 애니모지 메시지 기능


Ø 애니모지를 이용해 영상 메시지를 보내면, 표정을 모방한 캐릭터가 음성과 함께 아이메시지(iMessage)로 상대방에게 전달되는데, 캐릭터는 고양이, 돼지, 닭 등 12개가 제공되고 있음


Ø 애니모지 외에도 트루뎁스 카메라는 스마트한 아이폰 이용을 지원하는데, 사용자의 시선을 인식해 화면을 보고 있는 등 아이폰을 사용 중이라 판단하면 슬립 모드로 전환되어 화면이 꺼지지 일이 없도록 하고 알람이나 전화벨 소리를 낮추는 등 똑똑한 도우미 역할도 수행함


Ø 이러한 신형 아이폰의 기계학습과 이미지 처리를 지원하는 것이 AI 프로세서인 A11 Bionic(바이오닉)인데, 이 프로세서는 뉴럴 엔진(Neural Engine)을 탑재하고 있으며 그. 이름에서 알 수 있듯이 AI 처리에 특화되어 있음


Ø 뉴럴 엔진은 기계학습 처리 전용 엔진으로 사람이나 물건이나 장소 등을 빠르게 파악하는 기능을 통해 페이스 ID와 애니모지의 처리를 지원하고 있는데, 이와 동시에 애플은 AR(증강현실)의 이미지 처리 속도도 이 엔진을 통해 가속화 하고 있음


ž 이처럼 AI를 기반으로 한 페이스 ID 기능에 대해 애플이 상당한 자신감을 보이고 있긴 하지만, 아무래도 인증 관련 기술이다 보니 보안 침해 가능성에 대한 우려도 제기되고 있음


Ø 페이스 ID가 확산되려면 안전성에 대한 소비자의 확신이 전제가 되어야 하는데, 애플은 얼굴 인증에 대한 공격 방법이 영화에 종종 사용되는 페이스 마스크(Face Mask)가 될 것으로 보고 이에 대한 철저한 실험을 했다고 함


Ø 페이스 마스크는 출연자의 얼굴을 3D로 카피한 후 이를 마스크로 재구성하는 것인데, 애플은 실제로 할리우드에서 페이스 마스크를 만들어 페이스 ID의 인정 정밀도를 벤치마크 하였음


Ø 여기에도 기계학습 기법이 사용되어 인간의 얼굴과 페이스 마스크를 구분하도록 알고리즘을 교육시켰다고 하는데, 이러한 나름의 연구개발 성과를 바탕으로 애플은 페이스 ID의 오인식률이 100만분의 1 이하라 자신한 것으로 보임


Ø 그러나 사진이나 마스크로는 페이스 ID가 뚫리지 않는다는 애플의 주장에 대해, 일부 보안 전문가들은 3D 촬영 기술의 발전이나 3D 프린터 기술의 발전으로 실제 얼굴과 거의 흡사한 3D 얼굴 모형을 얼마든지 만들어 낼 수 있다는 점을 간과할 수 없을 지적하고 있음


ž 실제로 최근 VR(가상현실)이나 인공지능(AI)을 이용해 3D로 얼굴을 구성하는 기술들이 발표되고 있어 얼굴 인증 메커니즘의 신뢰성을 보다 확실히 해야 할 필요성이 높아지고 있음


Ø 얼굴 인증과 관련한 흥미로운 연구 성과 발표는 작년부터 시작되었는데, 노스 캐롤라이나 대학의 연구팀은 페이스북과 인스타그램에 게재된 얼굴 사진을 3D로 재구성하는 방법을 공개했음

Virtual U Defeating Face Liveness Detection by Building Virtual Models From Your Public Photos.pdf



Ø 연구팀은 대상자의 얼굴 사진을 여러 장 모아 얼굴의 구조를 3D로 재구성한 뒤, 3D 구조에 피부의 색상과 질감을 더하고 다양한 표정을 추가한 다음 VR 디스플레이로 표현하였음


<자료> Department of Computer Science, University of North Carolina


[그림 5] 노스 캐롤라이나 대학 연구팀의 VR을 이용한 사진 이미지 3D 재구성 프로세스


Ø 연구 논문에 따르면 3D로 재구성한 얼굴의 VR을 얼굴 인증 시스템에 입력하고 인증에 성공했는데, 현재 스마트폰 보안에 이용되고 있는 5개 얼굴 인식 앱을 대상으로 테스트를 실시하였음


Ø 테스트 결과5개의 앱 중 하나를 제외하면 55~85%의 성공률을 보였으며, 이런 결과를 토대로 연구팀은 현재의 얼굴 인증 메커니즘을 개선할 필요가 있다고 어필하였음


Ø 연구팀이 애플의 페이스 ID를 대상으로 테스트 할 지 여부는 아직 알려지지 않고 있는데, 트루뎁스 카메라가 얼굴을 3D로 감지 할 수 있어 아이폰 Ⅹ에 무단으로 접근할 수 없을 것으로 보이긴 하지만 만약 VR로 표현된 얼굴을 3D 프린터로 출력하면 상황은 달라질 지 모름


Ø 실제로 독일의 보안 솔루션 기업인 시큐리티 리서치 랩(Security Research Labs)은 얼굴의 3D 이미지를 3D 프린터로 생성하여 얼굴 인증 시스템을 테스트하는 연구를 진행하고 있음


Ø 이 기업은 피험자의 3D 얼굴 형상을 가지고 마이크로소프트의 얼굴 인증 시스템인 헬로(Hello)에서 인증받는 데 성공했다고 하며, 아이폰 Ⅹ이 정식 출시되면 페이스 ID의 보안성을 검증하는 작업을 시작할 것이라고 함


Ø 얼굴 인증과 관련한 가장 최근의 흥미로운 연구로는 영국 노팅엄 대학과 킹스턴 대학 연구팀이 대학이 발표한 1장의 얼굴 사진에서 인공지능을 이용해 3D로 얼굴을 구성하는 기술임


Ø 컴퓨터 비전에서 얼굴을 3D로 파악하는 것은 매우 어려운 기술이기 때문에 보통은 많은 사진을 입력하고 이들로부터 3D 이미지를 재구성하는 것이 일반적인 방법임


Ø 이에 비해 노팅엄 대학과 킹스턴 대학 연구팀은 이미지를 판단하는 CNN(Convolutional Neural Network, 뇌이랑 신경망)을 얼굴 사진과 본인의 3D 이미지로 교육함으로써 알고리즘이 1장의 얼굴 사진에서 3D 이미지를 재구성하는 것을 가능케 하였음



<자료> http://www.cs.nott.ac.uk/~psxasj/3dme/

[그림 6] 사진 1장으로 얼굴을 3D로 재구성



Ø 노팅엄 대학이 연구 성과를 기반으로 얼굴 인증 시스템에 대한 테스트를 실시한 것은 아니지만, 향후 AI를 악용한 얼굴 인증 시스템에 대한 공격이 급증할 수 있음을 시사하고 있으며, 아이폰 Ⅹ가 출시되면 페이스 ID 해킹 레이스가 시작되고 애플은 다양한 도전을 받게 될 것임


3D Face Reconstruction from a Single Image (클릭 사이트 이동)




ž 얼굴 인식이 향후 인증 기술의 주류가 될 지, 아니면 이용자의 호응과 신뢰를 얻지 못해 또 다른 인증 기술이 모색될 지, 당분간 애플 페이스 ID의 행보에 관심이 모일 전망


Ø 다양한 생체 인식 방식이 가운데 얼굴 인증 방식은 정밀도와 활용성이 높기 때문에 향후 크게 확산될 것으로 보는 전문가들이 많으며, 3~5년 후에는 인증 기술의 절반 이상이 얼굴 인증이 될 것이라는 예측도 있음


Ø 다른 생체인식과 비교해 보면, 목소리 인증은 콜센터 등에서 사용되고 있지만 복제하기가 쉬워 채택이 제한적이며, 이런 이유로 아마존 에코(Amazon Echo) 등은 인증이 아닌 이용자 식별을 위해 목소리를 사용하고 있을 뿐임


Ø 또한 현재는 지문 인증이 생체 인식 중 가장 폭넓게 이용되고 있지만 작은 센서로 지문을 정확하게 읽는 기술은 쉽지 않으며, 지문 또한 복제가 가능해 보안상 우려도 있음


Ø 이런 이유로 생체 인식에서 얼굴 인증이 주목 받고 있는 것이며, 아이폰 Ⅹ이 아직 정식 출시되지 않았음에도 페이스 ID는 이슈를 만들고 있고 얼굴 인증 기술의 동향과 관련해 많은 관심이 쏟아지고 있는 것임


Ø 아이폰 Ⅹ과 관련해 향후 또 하나 주목해야 할 것은 홍채 인식(Iris Recognition)으로 발전할 가능성인데, 홍채 인식은 정밀도가 얼굴 인식 보다 높아 오래 전부터 주목 받아온 방식이지만 적외선 센서 등 전용 장비가 필요하기 때문에 쉽사리 보급이 진행되고 있지 않음


Ø 삼성전자의 갤럭시 노트7과 노트8이 홍채 인식 기능을 이미 제공하고 있긴 하지만 인증 정확도와 보안성에 대해서는 아직 평가가 정확하지 않은 상황인데, 아이폰 Ⅹ이 얼굴 인식을 위해 적외선 센서를 탑재함에 따라 향후 홍채 인증울 진행하는 것 아니냐는 루머도 나오고 있음


Ø 비즈니스 타이밍 포착에 천재적인 애플이 이번에도 얼굴 인증을 대세 인증 기술로 밀어 올릴지, 페이스 ID에 대한 다양한 도전을 극복하지 못해 새로운 인증 기술을 모색하게 될 지, 아이폰 Ⅹ가 받아들 성적표에 벌써부터 많은 관심이 모이고 있음


※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1787호(2017. 3. 15 발행)에 기고한 원고입니다. 


▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

실시간주차정보 센서 vs 기계학습 방식.pdf



[요 약]


스마트 시티 구축에서 중요 요소 중 하나는 주차 공간 정보를 실시간으로 정확하게 제공하는 것인데주차장 정보 시스템을 구축하기 위한 방법으로 현재 미국에서는 두 가지 기술방식이 경쟁하고 있음공공기관은 센서(IoT) 기술을 이용한 정보 집약 방식을 택하고 있으며민간기업 구글은 기계학습 기술을 이용한 알고리즘 방식의 정보 집약 방식을 택하고 있음스마트한 도시 정보 제공을 위한 센서와 알고리즘의 경쟁에서 누가 이길 것인지를 놓고 미국 내 관심이 높아지고 있음


[본 문]


ž 주차장 관리는 전통적으로 사물인터넷(IoT)의 전문 분야 중 하나로, 설치된 센서를 통해 차량의 주차 유무를 파악해 전반적인 혼잡 상황을 파악함


Ø 주차 관리 및 혼잡 정보를 발신하는 것은 행정부문의 책임이기도 한데, 따라서 최근 스마트 시티 구축에 나서려는 국가와 도시들은 대체로 센서 기술을 이용해 주차와 차량 관련 정보를 집약, 분석, 제공하려는 시도를 하고 있음


Ø 미국 캘리포니아주 샌프란시스코시의 경우도 주차장에 IoT를 적용하여 혼잡도를 파악하는 SF Park(SF 파크)라는 실증 실험을 진행하고 있음


Ø 샌프란시스코 시가지에 있는 노상 주차장에는 주차 미터기(Parking Meter)가 설치되어 있는데, 이용자들은 주차 후 동전이나 카드, 앱으로 요금을 지불하게 되어 있음


Ø 주차와 동시에 주자 미터기의 센서가 작동하여 차의 유무를 감지하며, 주자 미터기에 연결된 IoT 전용 네트워크인 시그폭스(Sigfox)를 통해 주차 공간의 혼잡 정보가 집약됨


ž 샌프란시스코시는 계획대로 IoT 주차 관리 시스템이 완성되면 주차 혼잡 정보를 실시간으로 알 수 있게 될 것으로 기대하고 있으나, 이 작업은 쉽지 않은 일이라는 지적도 있음


Ø 전문가들은 주차 미터기가 주차 여부를 제대로 감지 할 수 있는가 하는 문제가 있기 때문에, 계획대로 주차 혼잡도 정보가 제대로 파악될 수 있을지를 관심 있게 지켜보고 있음



[동영상] 샌프란시스코시의 SF Park 프로젝트에 사용되는 주차 미터기(Parking Meter)


Ø 가령 주자 미터기가 있는 주차 장소에 누군가 불법 주차하거나 또한 특별 허가증을 가진 차량이 주차하는 경우에는 공간 여유가 있다고 판단될 가능성이 있음


Ø 반면 주차 시간이 아직 남아 있는 상태에서 자동차를 빼는 사람도 있을 텐데, 이 경우에도 주차 중이라고 판단될 가능성이 있음


Ø 이런 이유 때문에 실시간으로 정확한 주차 공간 정보를 파악하는 것은 어려운 작업이며, 현재 실험 중인 주차 미터기 시스템에 보완이 필요하다는 의견이 적지 않음


ž 이에 비해 구글은 접근 방식을 바꿔 센서를 사용하지 않고 알고리즘의 파워를 통해 혼잡 상황을 파악하고 시설을 관리한다는 아이디어를 구현하고 있음


Ø 구글은 소프트웨어를 통해 차량의 흐름을 기계학습(Machine Learning)으로 분석해 혼잡 상황을 정확히 추정하려고 하는데, 이러한 아이디어는 지난 달부터 시작된 구글 지도의 주차장 혼잡 상태 표시 서비스에 반영되어 있음


<자료>Google


[그림 1] 구글 지도의 주차장 혼잡 정보 제공


Ø 현재 구글 지도에서 목적지까지의 경로를 검색하면 [그림 2]에서 보는 것처럼 화면 하단에 주차를 의미하는 아이콘과 함께 목적지 주변의 주차 난이도가 표시됨


Ø 주차장 혼잡도는 수월(easy), 보통(Medium), 한정(limited)의 셋 중 하나로 표시되며, 수월이나 보통의 경우 가 파란색으로 표시되는데, 이는 주차 공간을 찾기가 어렵지 않아 제 시간에 출발해도 괜찮음을 의미함


Ø 반면, 주차장 상태가 한정(Limited)일 경우 는 붉은색으로 표시되는데, 이는 말 그대로 주차 공간이 한정되어 있어 주차 장소를 찾는데 시간이 걸릴 수 있다는 뜻이므로, 이용자는 주차에 걸리는 시간을 감안해 출발 시간을 조정하는 등의 판단을 할 수 있음


Ø 구글 지도는 주차가 어려울 경우 전철로 이동하는 것이 좋겠다는 등의 대안을 제시하고 있는데, 구글에 따르면 이 주차 정보 서비스를 시작한 이후 실제로 전철로 이동하는 루트의 검색 건수가 급증했다고 함


ž 구글에 따르면 이 서비스를 위해 주차 공간을 파악하는데 크라우드 소싱(crowd sourcing)기계학습이라는 두 기법을 사용 중이라고 함


Ø 구글은 이 새로운 서비스의 구조를 기계학습을 이용한 주차의 어려움 예측(Using Machine Learning to predict parking difficulty)이라고 이름 붙여 발표하였음


Ø 크라우드 소싱과 기계학습이라는 두 가지 적용 기술 중 크라우드 소싱은 사용자의 다양한 데이터를 집약하여 이용하는데 사용되고 있으며, 기계학습은 여러 가지 요인을 고려하여 주차 패턴을 분석하는데 사용된다고 함


ž 크라우드 소싱으로 집약되는 데이터에는 사용자의 위치 정보, 체류 정보, 주차장 찾기까지 걸린 시간 정보 등이 포함됨


Ø 주차 혼잡도 정보 제공 서비스를 위해 구글은 구글 지도에서 모은 사용자 위치 정보를 이용하고 있는데, 구글은 일찍부터 사용자 동의 하에 입수한 사용자의 위치 데이터를 이용해 다양한 서비스를 전개하고 있음



<자료> Google Help


[그림 2] 구글 지도의 혼잡시간과 방문지속시간


Ø 사용자 위치 정보를 이용한 대표적인 서비스는 구글 지도에 나타나는 실시간 트래픽(Live Traffic) 현황으로 차량의 흐름 상태를 실시간으로 표시해 줌


Ø 또한 구글 지도는 상점과 레스토랑의 혼잡 시간(Popular Time) 방문 지속시간(Visit Duration) 정보도 제공하고 있는데, 이들은 모두 유용한 정보 도구로서 이미 생활의 일부로 이용되고 있음


Ø 이들 데이터 외에도 구글 지도에서는 사용자에게 주차장을 찾기까지 시간이 얼마나 걸렸습니까?라는 질문을 보내고 답변을 집약한 후 주차장 찾기의 난이도를 산출한다고 함


Ø 구글은 이를 위한 기법 중 신뢰도가 높은 지상 실측자료(Ground Truth) 방법을 사용해 데이터를 수집한다고 하는데, 지상 실측자료는 원격탐사자료를 분석하고 해석하는데 뒷받침이 될 수 있는 자료로 지상에서 직접 측정하고 확인한 보조자료 및 기준 자료를 의미함


ž 그러나 이 크라우드 소싱 방법만으로는 주차장의 정체를 정확히 추정할 수 없는데, 차를 주차하는 패턴의 수가 많고 이러한 요인을 고려할 필요가 있기 때문


Ø 예를 들어, 자동차를 사유지에 주차하는 이용자가 많다면 주차 소요 시간은 짧을 것인데 알고리즘은 이를 주차 여유 공간이 있는 것으로 오인할 가능성이 있음


Ø 또한 이용자가 택시나 버스로 이동한 경우도 주차 소요 시간이 걸리지 않으므로 알고리즘은 주차 공간이 있는 것으로 오인할 가능성이 있으며, 이처럼 주차 공간을 판정하는 데 크라우드 소싱 방식으로는 한계가 있는 것임


<자료> Google


[그림 3] 차량 이동 패턴으로 주차공간 예측


Ø 이 때문에 자동차가 어떤 패턴으로 이동하면 주차장이 없음을 의미하는지, 그 특징량을 찾아내는 것이 관건이 되는데, 가령 [그림 3]처럼 점심 시간에 자동차가 거리를 뱅뱅 도는 움직임을 보이면 주차장이 없기 때문으로 판단하는 모델을 설정할 수 있음


Ø 반면, 이용자가 목적지에 도착하여 그대로 시설에 들어갔을 경우에는 주차장이 있었다고 판단할 수 있는데, 구글은 이러한 특징량을 파악하여 알고리즘에 반영하였음


Ø 이 밖에도 목적지의 특수한 조건이나 주차장의 위치에 따라 달라지는 요인도 고려할 필요가 있었다고 하며, 주차 시간과 주차 날짜에 따라 달라지는 조건 등을 도입하였음


Ø 또한 과거의 통계 정보도 이용하였는데, 이런 방식으로 구글은 최종적으로 20개의 모델을 분석하였고 이를 이용하여 알고리즘을 교육했다고 함


ž 앞서 언급한 기계학습 기술이 바로 이 20개 모델의 분석에 사용되었는데, 기계학습의 다양한 방법 중에서도 로지스틱 회귀분석(Logistic Regression)이 사용되었음


Ø 로지스틱 회귀분석은 변수간 인과관계를 분석하기 위한 통계학의 대표적인 기법으로서, 영향을 주는 변수가 연속형(3개 이상의 값)이고 영향을 받는 변수가 범주형(0 1의 두 값)일 때 변수 사이의 인과관계를 추정하는 것임


Ø 로지스틱 회귀분석으로 알고리즘을 교육하여 변수를 입력하면 어떤 사항에 대해 그 결과를 예상할 수 있는데, 이 경우에는 운전자의 운행 데이터를 입력하면 주차장을 찾기가 쉬울지 어려울 지를 예측할 수 있음



<자료> Google

[그림 5] 기계학습을 통한 주차장 혼잡 예측


Ø 알고리즘은 주차가 쉽다어렵다의 두 값을 출력하게 되며, 따라서 이는 바이너리 로지스틱 모델(Binary Logistic Model)이라 부를 수 있음


Ø 이 기법으로 샌프란시스코 도심 주차장의 혼잡을 예측하면 [그림 4]와 같이 시가지를 구획으로 나누어 각 주차장의 정체를 표시하게 되는데, 짙을 수록 혼잡이 심함을 나타냄


Ø 상단은 월요일, 하단은 토요일을 나타내며, 왼쪽은 오전 8시 오른쪽은 오후 9시의 표준적인 혼잡 정보를 표시하는데, 월요일 아침은 상업 지역의 주차장이, 토요일 밤은 관광 명소 지역의 주차장이 붐비는 것을 알 수 있음


ž 전문가들은 구글이 딥러닝(Deep Learning) 기술 부문에서 세계를 선도하고 있음에도 불구하고, 과감히 기계학습 기술을 주차 예측에 적용한 것에 관심을 표시하고 있음


Ø 인간의 뇌를 본 뜬 인공지능인 신경망(Neural Network)을 활용하는 대신 통계적 기법인 로지스틱 회귀분석을 사용한 것에 대해, 구글은 로지스틱 회귀분석이 이미 확립된 기술이어서 그 작동방식을 이해하기 쉽기 때문이라 설명함


Ø 이런 설명은 신경망은 그 내용이 블랙 박스이기 때문에 작동방식을 이해하기 어렵다는 인공지능 연구의 최신 이슈를 잘 보여주는 것이기도 함(주간기술동향 1778호 최신ICT이슈 답은 맞는데 풀이과정을 알 수 없는 인공지능을 믿어야 할까? 참조)



[그림 5블랙박스처럼 알 수 없는 신경망


Ø 비단 구글만이 아니라 최근 다른 인공지능 연구 기업들에서도 기계학습을 재검토하려는 움직임이 확산되고 있는데, 신경망 전성 시대가 도래하고 있긴 하지만 오랜 세월에 걸쳐 축적된 기술을 개량하고 잘 이용하려는 시도도 병행하려는 것임을 알 수 있음


Ø 물론 기계학습에 재주목하는 것과 동시에 신경망이라는 블랙박스를 열어 구조를 해명하려는 연구도 더욱 본격적으로 전개될 것임


Ø 구글의 주차장 혼잡 예측 모델을 통해 유추해 본다면 AI 연구의 관점에서 올해의 큰 테마는 기계학습의 개량과 신경망의 해명이라 할 수 있음


ž 아무튼 주차장 혼잡 정보 예상 서비스를 놓고 미국에서는 센서와 알고리즘의 싸움이 시작되었으며, 둘 중 누구의 손이 올라 갈지를 두고 많은 이들이 흥미롭게 지켜보고 있음


Ø 구글과 SF 파크의 노력은 현재 미국 전역에서 전개되고 있는 스마트 시티 개발의 모델 케이스로 주목받고 있으며, 따라서 둘 중 어느 쪽이 경쟁에서 이길 것인지에 대해 지역 주민들뿐만 아니라 전국적인 관심이 높아지고 있는 상황


Ø 물론 수십 조 개의 센서를 활용해 데이터를 수집, 분석하려는 시도에 비해 알고리즘은 보다 비용효과적일 수 있다는 점에서 양자가 대립 구도로 규정되고 있기는 하나, 기술의 정확도 면에서 센서와 알고리즘은 물론 상호 보완적으로 접목될 가능성도 높을 것임




※ 다음 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1763호(2016. 9. 14 발행)에 기고한 원고입니다. 


▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

소프트웨어로 정의되는 인간, 유전자 규명으로 건강장수 구현.pdf



[ 요 약 ]


인간은 소프트웨어로 정의될 수 있다(Software Defined Human)는 개념이 의료기술에 적용되고 있음유전자가 사람의 기본 소프트웨어로 작동하며 우리의 신체 특성을 결정하는 코드를 생성한다는 것으로코드에 따라 신체가 형성되고 질병이 발병하기 때문에이 메커니즘을 규명하면 인간이 건강하게 오래 살 수 있다는 것최근 SDH 개념을 현실화하여인간의 오랜 염원인 무병장수를 구현하기 위한 의료 기술과 서비스들이 등장하고 있음




[ 본 문 ]


◈ 미국의 벤처기업 HLI(Human Longevity, Inc.)는 사명에서 알 수 있듯이 유전공학을 응용해 건강히 장수하기 위한 의료 서비스를 제공하려 하고 있음

HLI의 미션은 질병을 예방하고 개인에 특화된 치료를 하는 것인데, 노화를 암이나 심장질환 보다 심각한 질병으로 바라보고, 노화를 치료하는 의료 기술을 개발 중




<자료> Human Longevity, Inc.


[그림 1] 유전공학 기반 헬스케어 기업 HLI


• 지금의 의료는 질병의 치료에 초점이 맞춰져 있지만, HLI는 질병의 발병을 방지하는 것을 목적으로 하는데, 개인에게 장차 어떤 질병이 발병할 것인가를 예측하고 그 질병을 예방하기 위한 사전적 의료 서비스를 제공하고 있음


이는 인간을 유전자라는 소프트웨어로 정의할 수 있다는, Software Defined Human(SDH) 컨셉에 기반한 것으로, 소프트웨어 코드 해독을 통해 인간의 건강과 수명을 제어할 수 있음을 제시하고 있음


HLI는 크레이그 벤터(Craig Venter)와 피터 다이아맨디스(Peter Diamandis) 2013년 설립했는데, 벤터는 미국의 국가 프

로젝트와 경합하며 인간 유전자 배열의 규명에 크게 기여한 인물이며, 다이아맨디스는 X 프라이즈 재단(X Prize Foundation)을 창설하였음


X 프라이즈 재단은 전지구적 차원의 과제 규명을 목표로 하는 세계 최대 비영리 벤처재단으로, 구글 등의 후원을 받아 수백만 달러의 상금을 내걸고 미래를 바꿀 실마리가 되는 문제 해결을 위한 아이디어와 기술을 공모하고 있음


HLI이 노화 치료를 위한 의료 서비스를 제공할 수 있게 된 배경에는, 기술의 특이점(singularity)를 이끄는 기하급수적인 기술 발전이 있음


인간의 유전자 배열을 규명하기 위해 1990년에 시작된 미국의 국가 프로젝트 휴먼 지놈 프로젝트(Human Genome Project)는 초기 성과는 더디었지만 13년의 시간과 270억 달러를 투자해 2003년에 목표에 도달


참고로 휴먼 지놈 프로젝트 시작에 즈음해, 크레이그 벤터는 인간의 유전자 배열을 처음으로 규명하고 이를 바탕으로 벤처기업 셀레라(Celera)"를 설립한 바 있음


셀레라는 국가 프로젝트와 경합하며 인간 유전자 배열 완전 규명을 시도했는데, 국가 프로젝트가 셀레라 보다 약간 빨리 규명에 성공했고 연구 성과를 일반에 공개하였음




<자료> gettyimages


[그림 2] 셀레라 CEO 크레이그 벤터(왼쪽)


• 비록 유전자 배열 완전 규명으로 특허 취득을 목표로 한 셀레라의 주가는 급락했지만 벤터의 방법과 업적은 높이 평가 되었으며, 벤터는 이후 유전자 사업 부문에서 많은 벤처기업을 설립해 왔으며 HLI까지 이어지고 있음


이처럼 유전자 서열 분석 기술인 시퀀싱(sequencing)의 발전으로 인간 유전자 배열을 단시간에 저렴한 비용으로 해석할 수 있는 환경이 구축되었는데, 현재 한 사람의 유전자 배열을 특정하는 데 드는 비용은 1천 달러 정도이며, 처리 시간은 15 분 정도임


한편 유전자 배열이라는 대규모 데이터를 처리하기 위해서는 최신 정보기술이 사용되고 있는데, 아마존 클라우드 및 신경망을 포함한 기계학습 등이 여기에 포함됨


HLI는 선진 의료연구 플랫폼인 헬스 뉴클리어스(Health Nucleus)를 설립했는데, 이곳에서 포괄적인 신체 데이터를 수집하고 건강 장수 실현을 위한 의료 서비스를 제공함




<자료> Human Longevity, Inc.


[그림 3] 헬스 뉴클리어스의 컨셉


• 헬스 뉴클리어스는 유전자 분석과 의료 검사를 통해 개인의 신체 정보를 파악하고, 건강히 생활하기 위한 각종 의료 서비스를 제공


헬스 뉴클리어스는 가까운 미래에 보게 될 건강검진 센터일 수 있는데, 이 시설에서 고객의 신체에 대한 포괄적인 데이터를 수집하며, 이 데이터를 바탕으로 고객의 신체 이미지를 구성하고 건강하게 장수하기 위한 의료 로드맵을 시각화 함


◈ 헬스 뉴클리어스에서 수집하는 고객의 데이터는 유전자 정보뿐 아니라, 체내 대사 산물의 분석 등을 포함한 신체 정보까지 다방면에 걸쳐 있음


유전자 정보로는, 현재 대부분의 유전자 분석 서비스들이 한정된 유전자만을 대상으로 하는 데 비해, 헬스 뉴클리어스는 모든 유전자를 분석 대상으로 포함시켜 전체 유전자 배열을 검출함


고객의 유전자를 분석하고 유전자 변이를 찾아 개인의 특성을 파악하는데, 유전자 배열의 변이는 신체적 특성(눈동자 색, 머리 색 등)을 결정할 뿐만 아니라 질병을 발병시키는 원인이 되는 위험요인이기 때문


신체 정보는 다양하게 수집하는데, 가령 미생물군유전체(Microbiome) DNA 염기서열을 분석하고 박테리아 종류를 파악하며. 이를 통해 박테리아의 불균형 상태(Dysbiosis)를 파악


인간의 몸이나 얼굴에는 수조 개의 박테리아가 서식하고 있는데, 이 박테리아들을 미생물군유전체라 불리며 건강한 생활을 위해서는 빼놓을 수 없는 존재임


미생물군유전체는 인간이 태어나면서부터 인간 몸에 서식해 오고 있는데, 면역 체계를 만드는 등 중요한 역할을 담당하며, 음식을 소화, 흡수하여 영양분을 만들어 냄


헬스 뉴클리어스는 미생물군유전체의 구성과 기능이 질병 및 건강한 생활에 어떻게 영향을 주는지에 대한 연구를 진행하고 있으며, 또한 질병을 식별하기 위해 미생물군유전체를 활용한 바이오 마커를 개발하고 있음


체내 대사산물(metabolites)을 측정 및 분석하는 대사체(Metabolome) 분석도 하는데, 대사산물은 저분자 화학물질들로 설탕, 지방, 호르몬 등을 가리키며, 세포 안쪽이나 소화 박테리아가 생성하는 물질 등을 포함함


대사 물질은 인체의 생리 상태를 나타내는 직접적인 정보가 되므로, 대사 산물을 분석한 결과를 통해 생리 상태의 불균형이 나타난다면 질병의 전조로서 파악할 수 있음


이 밖에도 의료 이미징 기술을 사용해 신체 구조를 세부적으로 자세히 파악하는데, 헬스 뉴클리어스가 독자적으로 개발한 기법을 통해 신경계의 분류, 대사 분석, 뇌와 목의 혈관계 분석 및 조기 암 검진 등을 수행함


◈ 헬스 뉴클리어스는 검사 결과를 보고서로 정리해 고객에게 다양한 형태로 제공하며, 고객의 주치의와 연계해 질병의 위험과 건강 상태를 지속적으로 모니터링 함



<자료> iTunes


[그림 4] 아이패드용 헬스 뉴클리어스 앱


• 신체에 대한 종합적인 분석 결과는 약 500 페이지로 구성되는 방대한 양인데, 이 데이터들은 웹 사이트에서 볼 수 있으며 아이패드 앱으로도 볼 수 있게 제공하고 있음


고객이 스스로 결과를 분석하기는 매우 힘들기 때문에, 헬스 뉴클리어스는 고객 주치의와 연계해 치료와 건강유지 활동을 수행


헬스 뉴클리어스는 2016 1월부터 운영을 시작하였으며, 지금까지 200여 명을 대상으로 검사를 실시했는데, 고객의 30%에서 새로운 문제를 발견했고, 즉시 의료 조치를 취할 수 있었다는 등의 성과가 보고되고 있음


헬스 뉴클리어스는 현재 제한된 그룹을 대상으로 시험 운용을 전개하고 있는 단계로, 고객들이 건강하게 장수하게 만든다는 궁극적 목표를 달성하려면 아직 갈 길이 멂


헬스 뉴클리어스의 이용료의 25,000 달러로 서비스 이용자는 일부 부유층에 한정될 수밖에 없으며, HLI가 현재 보험 적용할 수 있도록 보험 회사와 협의를 거듭하고 있기는 하지만 일반인에게 보급되려면 좀 더 시간이 걸릴 전망


HLI100만 명의 유전자 분석을 목표로 하고 있으며, 제약업계 큰 손인 아스트라제네카(AstraZeneca)와 제휴하여 유전자와 질병의 관계 규명 작업을 진행하고 있음


현재 헬스 뉴클리어스를 통해 수집할 수 있는 데이터는 매우 적지만, 제휴를 맺은 아스트라제네카는 자체 임상 시험에서 얻은 50만 명의 DNA HLI에 제공하고 있으며, HLI는 이 DNA를 시퀀싱하여 분석을 수행하고 있음



HLI는 샘플에서 유전자 변이가 있는 피험자들을 수천 명 단위로 추출한 뒤 질병과 치료제의 관계를 분석하고 있는데, 유전자 중에서 특정 패턴을 감지하고 질병과의 관계를 연결해 가는 이 분석 작업은 엄청난 계산능력을 필요로 함


인간의 유전자는 2만 개 정도로 알려져 있는데, 건강에 미치는 영향을 이해하기 위해서는 2만 개의 유전자와 피실험자의 생활 환경, 행동, 약물에 대한 반응, MRI 검사 결과, 의료 시험 결과를 비교할 필요가 있기 때문


인간의 유전자를 구성하는 염기(A, C, G, T의 네 가지)의 수는 64억 개에 이르며, 피험자의 신체적 특성이나 검사 결과와 비교하기 위해서는 대규모 계산 환경이 필요함


유전자는 하나의 언어 체계와 유사하다고 볼 수 있는데, 특정 언어에 대한 자연어 분석에서 요구되는 기술 수준이 유전자 분석에서도 요구됨


이 때문에 HLI는 구글에서 번역 서비스(Google Translate) 개발을 이끌어 왔던 기계학습 전문가 프란츠 오취를 채용했는데, 기계 번역에서는 사용되는 신경망 등 기계학습 기술을 유전자와 질병 간 관계 규명에 응용하기 위해서임


예를 들어, 전체 유전자와 뇌 MRI 이미지를 기계학습 기법으로 비교하여 알츠하이머 병의 원인이 되는 유전자 변이를 발견 할 수 있을지도 모르며, 이를 통해 알츠하이머 병의 진행을 억제하는 약의 등장에 대한 기대를 높일 수 있을 것임




<자료> HLI, https://youtu.be/QwS-b-stG7o


[동영상미래형 검진센터 헬스 뉴클리어스


HLI는 매우 도전적인 사업이지만, 대기업들로부터 대규모 출자를 받아 사업을 전개하고 있으며, 의료 기술의 새로운 돌파구가 될 수 있을 지 세계의 주목을 받고 있음


장수는 인류의 오랜 소망이었지만, 전세계 국가들이 인류 역사 초유의 고령화 현상이 전개되고 있는 현 상황을 위기로 인식하고 있는 이유 중 하나는 고령화로 인해 지출되는 의료비용의 규모가 막대하기 때문


고령화 시기의 질병은 암, 심혈관 질환 등 중증인 경우가 많은데, 이는 치료 방법도 어렵고 기간이 길며, 완치를 시키지는 못하면서 단지 생명을 연장하기 위한 치료인 경우도 많아 무의미한 고액의 의료비 지출로 이어지는 문제를 낳고 있음


유전자 정보를 환자의 의료 기록이나 건강검진 결과와 조합해, 효과적인 치료법을 발견하고 암이나 심장 질환 등 심각한 질병에 걸리는 것을 예방하기 위한 방법을 찾아 낼 수 있다면, 이는 고령화 문제 해결을 위한 유용한 방책이 될 수 있음



HLI는 모든 사람의 유전자를 분석해 건강한 생활을 영위하는 것을 목표로 하고 있으며, 헬스 뉴클리어스가 향후 건강검진의 프로토타입이 될 것이라 주장하고 있는데, 질병을 예방하는 것이 질병을 치료하는 것보다 더 큰 의미가 있기 때문


최근 스마트폰 기기를 이용한 건강관리가 확산되고 있는 것도 의료의 패러다임이 치료에서 예방 중심으로 이동 중임을 보여주는 것인데, HLI는 여기서 더 나아가 유전자라는 소스 코드 단위에서 근본적으로 예방 의학 패러다임을 구현하려 하고 있음


이러한 패러다임의 변화 기저에는, 이전까지 하드웨어로 이해했던 것들을 소프트웨어 관점에서 정의(Software-defined)하려는 움직임이 자리잡고 있으며, HLI는 사람을 유전자라는 소프트웨어로 정의되는 존재로 바라보고 있음


HLI는 지금까지 3억 달러의 투자를 유치하였으며, 올해 안에 IPO도 예상되고 있는데, 이는 HLI의 근원적 접근 방식에 대한 관심과 기대가 매우 높음을 잘 보여주고 있음


※ 다음 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1760호(2016. 8. 24 발행)에 기고한 원고입니다. 


▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

인공지능 이용 광고카피 작성시스템 퍼사도(Persado).pdf



[ 요 약 ]


인공지능(AI)이 생성하는 문장은 기계적이며 대략 의미는 알겠지만 그 이상은 아니라고 생각한 적이 있었으나, AI는 이미 스트레이트성 기사를 쓰고 있으며 나아가 사람의 마음을 움직이는 광고 메시지 작성도 가능하게 되었음. 인간 카피라이터의 상상력을 능가한다는 평가까지 받고 있는 메시지 작성 알고리즘 "퍼사도(Persado)"는 온라인 광고, 환자관리, 고객관리, 선거운동 등 다양한 방면에서 활용되고 있으며, 또 하나의 AI에 의한 전문직종 대체 사례로 거론되고 있음



[ 본 문 ] 


◈ 미국의 벤처기업 '퍼사도(Persado)'는 기계학습과 자연언어처리 기술을 이용해 소비자 행동을 고무하는 메시지를 생성하는 시스템을 개발, 서비스하고 있음


이 시스템은 "인지적 콘텐츠 플랫폼(Cognitive Content Platform)"이라 부르는 알고리즘을 이용해 사람의 마음을 움직이는 콘텐츠를 생성한다고 함



<자료> Blue-Digital


[그림 1] 카피 작성 시스템 퍼사도 로고



• 퍼사도의 기능은 주로 웹사이트나 메일, 페이스북 등에 삽입되는 캠페인 메시지를 생성할 때 사용된다고 하는데, 이미 많은 기업에서 사용하고 있음


퍼사도는 퍼사도 엔터프라이즈(Persado Enterprise)퍼사도 고(Persado Go)라는 서비스 상품을 제공 중인데, 퍼사도 엔터프라이즈는 풀 스펙의 플랫폼이며, 퍼사도 고는 기능을 보다 단순화 한 버전임


최근에는 검증된 파트너에 한해 퍼사도 시스템을 기업의 내부 워크플로우와 통합하는퍼사도 커넥트(Persado Connect)를 출시했는데, 페이스북, 어도비, 오라클, 세일즈포스닷컴, 더블클릭 등 유수의 기업이 연계하고 있음


퍼사도의 활용 사례를 보면, 가령 여행사들이 보통 '기간 한정, 저렴한 항공편 지금 예약하세요'와 같은 광고 메시지를 내보내는 것에 비해, 퍼사도는 나 자신에게 일생에 남을 여행을 선물해 보세요. 지금 출발할까요'와 같은 카피를 만들어 내고 있음


위의 사례만 보면 퍼사도가 훨씬 친근감 있는 표현을 구사함을 알 수 있으며, 퍼사도는 실제로 사람이 만든 광고 메시지에 비해 AI가 생성한 메시지를 사용했을 때 전환율(상품을 구매하는 비율)이 평균 49.5% 증가했다는 자체 통계를 내세우고 있음


마이크로소프트, 메트라이프, 버라이즌, 씨티은행 등 퍼사도를 이용하고 있는 약 100 개의 기업들이 퍼사도를 이용해 총 10억 달러 이상의 매출을 증대시켰다는 주장


인공지능이 인간보다 더욱 매력적인 메시지를 창작해 낼 수 있다는 가능성을 인정받아, 퍼사도는 올해 4월 골드만삭스로부터 3천만 달러를 투자 받았음



<자료> Persad


[동영상퍼사도의 카피라이팅



[1] 퍼사도를 이용한 카피의 재작성 사례

적용분야

기존 카피

퍼사도 작성 카피

배너 광고

Limited Time Flight Deals. Book it

Treat yourself to a trip of a lifetime. Let's Go

환자 복약 관리

It's 4:30. Please take your prescribed medication.

Time for your medicine, Charles. Your Family needs you strong and healthy!

데이팅 사이트

Sup? Would you like to go out tonight?

It's an awesome day to hang out in the park. Right?

<자료> Persado


◈ 퍼사도의 인지적 콘텐츠 플랫폼에는 우선 마케팅 메시지와 관련된 대규모 데이터베이스와 메시지에 사용된 어휘를 분석하기 위한 사전(ontology)이 자리잡고 있음


퍼사도는 광고 메시지를 통계 기법에 따라 생성한다고 하는데, 수많은 사례에 대한 학습을 통해 전환율을 높일 수 있는 단어의 배열을 생성하는 것이라고 함


알고리즘은 마케터들이 주로 사용하는 카피라이팅 약 100만 단어와 문구를 축적해 메시지가 각 사용자에게 제공하는 감정을 분석한 후, 메시지 형식, 문장의 구조, 감정적인 단어의 행위 유발에 따른 마케팅 소구 등을 기반으로 점수화 하게 되며, 이를 토대로 메시지를 작성한 다음 최적화하여 23개 언어로 번역하게 됨


퍼사도는 우선 말을 세 가지 범주로 분류하는데, 첫번째 서술(Descriptive) 범주에는 묘사와 설명을 하는 단어와 문장들이 속하며, 두번째 감정(Emotional) 범주에는 소비자의 감정에 호소하는 언어들이 속하고, 세번째 기능(Functional) 범주에는 '버튼을 클릭하세요' 등과 같이 다른 행위들과 이어지는 행위와 관련해 설명하는 말들이 포함됨


감정 범주로 구분되는 말들은 다시 감정적 언어(Emotional Language)라 불리는 트리 구조로 분류되는데, 크게 긍정적(Positive)부정적(Negative)으로 분류되며, 그 아래 다시 소분류들이 이어짐


가령 긍정적(Positive) 범주 아래에는 기쁨(Joy), 성취(Achievement), 격려(Encourage) 등의 소분류가 있음


 이런 분류 체계는 감정의 사전(Ontology of Emotion)이라 불리며, 어휘의 의미와 함께 다른 어휘와의 관계를 보여주는데, 사전은 약 25만 단어로 구성되어 있다고 함




<자료> Persad


[동영상퍼사도 작동 방식



◈ 인지적 콘텐츠 플랫폼은 정의된 감정적 언어를 이용해 메시지를 생성하는데, 이 알고리즘은 기계학습을 통해 강화됨


퍼사도는 감정적 언어 분류 체계를 사용하여 콘텐츠를 생성하는데, 단어 퍼즐을 풀 듯 단어를 조합하여 메시지를 생성한다고 함


감정적 언어 체계에서 동일하게 긍정적 분류에 속하는 말들이라고 해도 그 효과는 크게 다른데, 가령 고급스러움(Exclusivity)은 크게 도움이 되는 쪽으로 작용하지만, 흥분(Excitement)은 반대로 마이너스 작용을 함


퍼사도는 수많은 벤치마크를 통해 효과를 분석함으로써 문자열을 최적화 해 나가게 되는데, 이 때문에 단어 퍼즐을 푸는 듯이 메시지를 생성한다고 하는 것임




<자료> Persado


[그림 2] 감정의 사전(ontology)


 퍼사도는 과거의 캠페인에서 쓰였던 메시지 샘플을 수집한 후, 이것들을 시스템으로 수정, 편집한 다음 반복해서 효과를 검증해 나가는 방식, 즉 생성된 메시지의 효과를 측정하고 기계학습 기법으로 기능성을 계속 높여 나가는 방식을 채택하였음


◈ 이처럼 퍼사도는 감정 카테고리로 분류되는 말을 유효하게 조합하는 기법을 통해 사람의 마음을 움직이는 메시지를 생성하는데, 그 효과는 많은 캠페인에서 입증되고 있음


아메리칸 익스프레스(American Express)의 경우 배너 광고의 카피를 퍼사도를 이용해 수정하였는데, 퍼사도로 카피를 만들면서 소비자의 클릭 비율이 약 3배 가량 늘었다고 하며, 전환율 역시 약 2.5 배가 되었다고 함


언뜻 보면 기존에 카피라이터가 작성한 카피와 퍼사도가 작성한 카피 사이에 큰 차이는 없어 보이지만, 벤치마크에서는 이처럼 크게 차이가 났음




<자료> Persado


[그림 3] 퍼사도를 이용한 아메리칸 익스프레스의 광고 카피 수정 성공사례


 퍼사도가 사용한 곧 종료(Ends Soon)라는 말이 긴장감을 부추기고 소비자에게 구매를 서두르게 한 것이라 해석할 수는 있지만, 퍼사도 시스템은 정확하게 전환율이 높아진 이유까지는 해명할 수 없다고 하며, 이 점은 아직까지 AI 역량의 한계이기도 함


◈ 퍼사도는 광고 캠페인뿐 아니라 다양한 분야에서 활용 방식을 개발하고 있는데, 그 중 하나가 디지털 헬스케어 분야에서 병원과 환자간 효과적 의사 소통하는 방법의 개발임


오바마케어의 목표에 따라 미국 의료기관들은 환자를 치료하는 일뿐만 아니라 질병관련 표준 치료 프로세스를 확립하고, 치료 효과를 높이며 비용을 낮추는 방향으로 업무를 개선하는 방안을 연구하고 있음


이러한 연구를 임상경로 개발(Clinical Pathway)이라 부르는데, 퍼사도와 의료기관들은 우선 당뇨병이나 고혈압 환자의 치료에 시범사업을 시작하고 있음


의사는 환자에게 치료를 위한 지도를 함에 있어, 어떻게 환자를 납득시킬 것인가 하는 부분에서는 퍼사도의 기술을 활용하게 됨


가령 당뇨환자가 온라인 사이트에서 식사 지도를 받을 때, 어떤 순서의 단어 배열이 환자를 보다 잘 설득하고 실제 행동으로 이어지게 하는지를 연구하고 있음


또한 복약 지도에도 활용이 되는데, 가령 환자에게 약을 복용하라는 메시지로는 4시가 되었습니다. 처방한 약을 복용하세요 등이 일반적이지만, 퍼사도는 할아버지, 약 먹을 시간이에요. 당신 가족들은 당신이 건강하기를 원해요라는 메시지를 생성함



<자료> Persado


[그림 4] 동기 강화 웨어러블 메시지



• 이처럼 미국 의료기관들은 환자를 의사가 자의적인 방식으로 이끌게 하는 것이 아니라, 환자가 건강한 생활을 하도록 촉진하기 위해 어떻게 설명해야 하는지에 대한 연구를 퍼사도와 공동으로 수행하고 있음


최근 헬스케어 분야의 주요 컨셉인 계량화 된 자아(Quantified Self)', 즉 소비자가 웨어러블 기기 등을 통해 신체 데이터를 수집하고 이를 건강 유지를 위해 활용하려는 움직임에도 퍼사도를 이용할 수 있음


애플워치 등의 웨어러블 기기에도 건강 관리를 위해 메시지가 표시되지만, 소비자의 대부분은 이를 기분 좋게 받아들이고 있지 않음


디스플레이에 일어날 시간입니다와 같은 메시지가 표시되더라도 이 메시지를 보고 행동에 옮기는 사람은 많지 않은데, 이 점에 관련해 퍼사도는 이용자의 동기를 높여 주는 메시지는 어떻게 작성되어야 할 것인지를 연구하고 있음


◈ 이 밖에 금융기관, 공공 서비스 기관 등도 퍼사도에 관심을 보이고 있는데, 주로 고객관리 관점에서 사용자의 지불을 효과적으로 이끌어 내는데 목적이 있음


금융기관들은 퍼사도의 활용에 대해 높은 관심을 보이고 있는데, 매일매일의 트랜잭션에 대한 메시지를 퍼사도로 생성하여 더 많은 유동성을 이끌어 내기를 기대하고 있음


위성 라디오 업체인 시리우스 XM은 이용자들이 요금을 지체 없이 납부하도록 유도하기 위해 전달하는 메시지를 퍼사도로 만들고 있음


요금 납부가 늦어지면 가령 전기 회사의 경우 현재 전기 중단과 같은 위협적 메시지를 보낼 뿐이나 이를 기분 좋게 받아들일 소비자는 없음


반대로 카드 결제가 연체되었을 때 카드회사가 바쁘신 것은 알겠지만..이라고 말해주면 조금이나마 기분이 편해질 수 있을 것임


이처럼 소비자에게 지불을 촉구하는데 어떤 문자 배열이 최적인지 알아내기 위해 퍼사도는 아메리칸 익스프레스 등과 공동으로 개발을 진행하고 있음


◈ 또한 다른 사람의 환심을 사기 위해 퍼사도를 활용하기도 하는데, 데이트 앱 서비스에서 활용되고 있으며, 최근에는 정치 캠페인과 선거 운동에서 활용도 점쳐지고 있음


미국에서는 데이트 상대를 찾는 앱이 폭넓게 사용되고 있는데, 위험한 것들도 있지만 대부분의 앱은 만남 상대를 찾기 위한 유용한 도구로 일상생활에 자리잡고 있음


틴더(Tinder)처럼 젊은이들 사이에 폭발적으로 확산된 앱도 있는데, 퍼사도는 틴더 앱의 기능으로 포함되어 남자가 여자를 초대할 때의 메시지 작법에 대해서 조언하고 있음


여성에게 오늘밤 밖에 나가고 싶지 않아?라고 해서는 안되고, 오늘은 야외에서 어울리기에 멋진 날이군요?라는 식으로 말하라고 지도해 주는데, 얼마나 효과가 있는지 벤치마크 결과는 공개되어 있지 않지만, 퍼사도는 새로운 활용 모델이 될 것으로 기대하고 있음


선거에서 유권자에게 전달하는 메시지의 생성에도 퍼사도가 사용되고 있는데, 선거는 이미 SNS나 메일, 메시징 등 디지털 싸움이 되고 있기 때문



<자료> Hillary Clinton


[그림 5] 선거 운동에 활용되는 퍼사도


• 유권자 모임 등 캠페인 활동에 참여를 촉진하기 위해, 또한 자원봉사 활동 참가자를 모집하기 위해 퍼사도가 사용되고 있는데, 퍼사도는 어떤 단어의 배열이 효과적인지 그 결과까지 검증해 주고 있음


미국은 현재 민주, 공화 양당의 대통령 후보가 정해지고 본격적인 선거전이 시작되었는데, 양 진영의 선거 캠프에서 유권자에게 전달하는 메시지를 퍼사도와 같은 인공지능으로 만들고 있을 가능성도 배제할 수 없음


◈ 최근 관심이 높아지고 있는 퍼사도의 기술을 행태주의 마케팅(Behavioral Marketing)으로 볼 것인지, 심리학(Psychology)으로 볼 것인지에 논란이 계속되고 있음


전자는 소비자의 행동에 따른 광고 기법을 의미하는데, 소위 타겟팅 광고에서 골프 뉴스를 보고 있으면 골프 제품의 광고가 표시되는 방식이며, 후자는 심리학에서 소비자의 심리를 이해하고 광고를 전달하는 방법을 가리킴


메시지를 받은 소비자가 어떻게 생각할 것인지에 대해 퍼사도는 파악할 수 없으며, 다만 퍼사도는 소비자가 특정 메시지를 받으면 그것에 어떻게 반응하는지를 경험적으로(결과적으로) 파악하고 있음


퍼사도는 행태주의 마케팅과 심리학의 경계에 서 있는 회사로 자리매김 할 수도 있고, 또한 퍼사도를 말을 엔지니어링 하는 기업으로도 정의할 수 있을 것임


◈ 그러나 기술의 성격이 무엇이냐 보다 중요한 것은, 이미 미국 시장의 큰 흐름은 텍스트를 사람이 직접 작성하는 방식에서 알고리즘을 통해 생성하는 방식으로 바뀌고 있다는 점


알고리즘은 이미 주가 정보나 스포츠 경기 결과처럼 단순 사실 전달이 목적인 스트레이스성 기사 작성에 활용되고 있는데, 인터넷 미디어에서만 실험적으로 진행되는 것이 아니라, 포브스 등 유수의 미디어들도 적극적으로 도입하고 있음


퍼사도는 여기서 한발 더 나아가 사람의 감정에 어필해야 하는 메시지 작성에 알고리즘을 이용한 것이고, 보다 주목할 것은 알고리즘이 인간 카피라이터보다 효과적인 메시지를 생성할 수도 있다는 점


이 때문에 시장에서는 이제 인공지능이 카피라이터의 일자리도 빼앗는 것이 아니냐는 위기감도 나오고 있음


다른 한편에서는 퍼사도는 어디까지나 인간의 창작 활동을 지원하는 도구에 불과하다는 의견도 내놓고 있기도 함


인간이 쓴 글을 퍼사도가 다듬어 손질할 수도 있고, 아니면 그 반대로 활용할 수도 있을 것이며, 현재 글을 쓸 때 맞춤법 검사기를 돌려보는 것처럼, 앞으로는 워드 프로세서로 쓴 글을 퍼사도가 첨삭하는 식으로 이용할 수도 있다는 것


인간을 대체할 것이라거나 인간의 도구가 될 것이라거나, 어느 쪽도 일리가 있는 의견이지만, AI가 꾸준히 인간의 일에 근접해 들어오고 있다는 것은 확실해 보임