인류는 바야흐로 정보 시대의 혁명이라고 불리는 인터넷 시대를 지나 포스트 인터넷 시대(Post Internet)를 맞이하고 있다. 인터넷 시대가 개인의 컴퓨터를 단순히 네트워크에 연결하는 시대였다면, 포스트 인터넷 시대는 한 사람이 네트워크에 연결된 많은 컴퓨터·기기를 동시에 다루는 시대다(유비쿼터스(ubiquitous) 시대라고도 한다).

그렇다면 새로운 시대를 맞이하는 사용자 인터페이스(user interface)는 어떤 형태가 될까? 많은 컴퓨터·기기를 한 사람이 동시에 다루려면 기존의 키패드(keypad), 마우스(mouse), 키보드(keyboard), 터치패드(touch pad)만으로는 부족할 것이다. 다양한 형태의(heterogeneous) 컴퓨터·기기를 통합하고 목적에 맞으며 사용자가 편안하게 사용할 수 있는 인터페이스가 필요하다. 이러한 점들을 고려해 본다면 음성인식 인터페이스가 가장 주요한 인터페이스 중 하나로 자리 잡을 것이다.

인류가 의사 소통을 시작하면서부터 음성은 주요 정보 전달 수단이 되어 왔다. 또 컴퓨터와 기기들이 발명되고 사용되면서 많은 이들은 인간과 기계가 함께 대화하거나 또는 음성으로 기계들을 작동시키는 것을 꿈꿔 왔다. 음성이야말로 인간이 가장 익숙해져 있는 정보 교환 수단이기 때문이다. 이제 그 꿈이 실현될 날이 머지않았음을 말하고자 한다.

과거 수십년의 연구와 경험을 바탕으로 이미 여러 분야에서 음성인식 인터페이스가 사용되기 시작했으며 포스트 인터넷 시대를 대표하는 인터페이스로서 인식되고 있다. 정부가 추진중인 'IT839 전략'의 여러 사업에서 음성인식 인터페이스가 핵심 인프라 역할을 하고 있으며 MIT에서는 이미 오래 전에 음성인식 기술을 21세기 유망 10대 기술의 하나로 선정한 바 있다. 관련 산업으로는 정보통신, 자동차, PC, 로보틱스, 휴대용 PC, 가전, 게임, 멀티미디어 등이 있으며 이에 연관되는 산업은 그 수가 헤아릴 수 없을 정도다.

집안의 기기들을 음성으로 제어할 수 있다면
지난 10월 12일 마이크로소프트의 빌 게이츠 회장은 새 제품군인 Digital Entertainment Anywhere를 소개하는 자리에서(www.microsoft.com/billgates/speeches/2004/10-12DigitalEntertainment.asp) 음성인식 기술의 중요성을 강조하면서 포럼을 마무리했다. 그는 "리모콘만을 사용하는 것이 아니라 우리가 연구중인 음성인식을 이용하여 미디어 센터에 말을 할 수 있을 것"이고 했다.

기본적으로 미디어 센터는 집안의 TV, PC, 모바일 기기 등을 모두 통합하는 엔터테인먼트 서버다. 홈 네트워킹 시스템의 일종인데 음성인식 인터페이스가 가능하게 된다면 굳이 리모콘을 사용하여 복잡한 조작을 할 필요 없이 간단히 음성으로 인간에게 대화하듯이 자신이 원하는 것을 요청하면 된다는 것이다.

이러한 음성 인터페이스는 이미 많은 영화와 소설에 등장했다. 톰 크루스가 주연한 영화 마이너리티 리포트(Minority report)에서 집안의 기기를 음성으로 작동시키는 것을, 영화를 본 독자들이라면 기억할 것이다. 물론 잡음 처리, 사용자 인식, 공간 인식 등의 문제가 남아있지만 인텔리전트(intelligent) 또는 스마트 홈(smart home)이라는 이름으로 대학 및 연구소에서 많은 연구가 진행되고 있다.

또한, 톰 크루스가 자동차를 운전하면서 음성으로 자신이 원하는 정보를 찾고 기기를 조작하는 것을 볼 수 있었다. 이러한 시스템은 텔레매틱스(telematics)라는 이름으로 이미 Mercedes Benz, BMW와 같은 자동차 회사들에서 프로젝트로 진행한 바 있으며 최근 일본 자동차 회사인 혼다(Honda)에서 IBM의 음성인식 솔루션을 2005년형 Acura와 Odyssey 모델에 적용하여 출시한다고 발표했다.

음성인식 관련 시장 크기
그렇다면 얼마나 많은 음성인식 관련 연구와 프로젝트들이 진행되고, 시장의 크기는 얼마나 될까? 특허청에 따르면 매년 음성인식 관련 특허가 200% 가까운 신장세를 나타낸다고 한다. 절대적인 숫자에서는 다른 주요 기술에 비해 적을지 모르지만 현재 시장을 볼 때에 낮은 비율은 아니다. 또한, 국내 시장을 살펴볼 때에 2003년 70억원 정도의 음성인식 관련 소프트웨어가 판매된 것으로 집계됐다.

전 세계적인 통계를 살펴보자. ASRNews(Automatic Speech Recognition) 에 따르면 음성인식 관련 세계 시장은 연평균 32% 증가한다고 2002년 보고됐고, 2005년에는 40억 달러에 이를 것으로 추정하고 있다. 중요한 점은 이러한 모든 수치가 앞으로 음성인식 시장이 커진다는 데 모두 동의한다는 것이다.

사업화된 사례들
그렇다면 현재 음성인식이 적용되어 사업화된 사례는 어떤 것이 있을까? 현재 사업 부문에서 음성인식 분야가 가장 활발하게 적용되는 부분은 ARS 시스템과 자동차 텔레매틱스 시스템이다. 음성인식을 하기에 적합한 하드웨어 인터페이스인 전화기를 이용하는 방식은 ARS 시스템에 음성인식을 접목시키는 계기를 마련했다. 한국에서는 이미 아시아나 항공에서 예약 시스템에 음성인식 인터페이스를 도입한 바 있으며 SK, 교보 등 여러 증권 회사에서 음성인식을 이용한 매매 서비스를 선보인 바 있다.

미국에서는 모바일 회사들과 IT 회사들이 중심이 되어 고객 서비스 향상의 일환으로 음성인식 인터페이스를 도입하고 있는데, AT&T Wireless와 Citicards 등이 대표적인 예로 고객들이 자주 이용하는 ARS 시스템을 업그레이드했다. 이것은 비용 절감과 소비자 만족 극대화라는 두 가지 목적을 달성하기 위해 음성인식 시스템이 가장 적합하다는 결론에서 나온 것이다.

제한된 공간과 시간 안에서 음성인식을 쉽게 한 텔레매틱스 사업 부문에서는 현대모비스가 보이스웨어의 음성인식 솔루션을 이용하여 자동차 전용 단말기를 출시한 바 있다. 이 단말기로 차 안에서 기기 조작뿐 아니라 인터넷을 사용할 수도 있다.

이보다 앞서서 유럽의 Mercedes Benz나 BMW 그리고 미국의 GM, 포드(Ford) 등은 이미 차량용 음성인식 솔루션을 목적에 맞게 출시했다. 운전 중 차 안의 DVD 플레이어를 조작하거나 음악을 선곡할 때, 또는 네비게이션 시스템 조작에 음성인식을 주로 사용하고 있다. 기존의 터치패드나 키패드 인터페이스로는 운전 중의 안전을 보장할 수 없기 때문에 음성인식이 가장 적합한 인터페이스로 선택된 것이다.

두 사업 영역에서와 같이 음성인식 인터페이스를 사용하기에 공간, 품질, 시간 등의 제약이 따르는 것은 사실이다. 하지만 빠른 기술의 발전과 그 기술에 맞는 환경이 구축된다면 음성인식 인터페이스가 쓰일 수 있는 사업 영역은 꾸준히 늘어나고 또 가장 보편적으로 쓰이는 사용자 인터페이스로 자리 매김하게 될 것이다.

한국의 음성인식 연구 및 투자, 외국에 비해 다소 뒤쳐져
현재 우리나라에서는 정부 연구소인 ETRI에서 기본이 되는 음성 데이터를 만들어 보급하며 많은 음성인식 관련 연구를 하고 있으며, KT와 삼성 종합기술 연구소에서 음성인식 매체의 사업화를 적극적으로 꾀하고 있다. 중견 전문 업체로는 보이스웨어와 SL2 같은 회사들이 있는데 대기업이나 연구소와 달리 홈 네트워크, 자동차, 장남감 등의 음성인식 솔루션을 내놓으며 다소 공격적인 사업화에 성공을 거두고 있다.

지난 10월 초에는 세계 3대 음성인식 학회 중 하나인 ICSLP(International Conference on Spoken Language Processing)가 제주도에서 일주일 동안 열렸다. 여덟 번째인 이번 학회가 우리나라에서 열렸다는 것은 한국의 많은 과학자들이 관심을 가지고 있다는 증거이기도 하며 이미 우리나라에서도 음성인식 분야 연구에 많은 국제적 공헌을 하고 있다는 것을 보여주는 한 예다.

하지만 핵심 기술에 대한 연구는 주로 미국, 유럽, 일본, 중국에서 주도하고 있다. 음성인식 엔진에 주로 사용하고 있는 HMM(Hidden Markov Model)은 미국에서 개발하여 유럽, 일본이 그 응용과 개선에 참여하고 있다. 유럽에서는 Verbmobil이라는 메가(mega) 프로젝트를 성공시킨 경험을 바탕으로 다국적 음성인식 인터페이스 프로젝트를 진행시키고 있으며, 일본은 로봇 기술에 접목하여 음성인식 애플리케이션을 만들고 있다.

중국에는 세계적인 음성인식 리서치 기관, 예를 들면 마이크로 소프트 음성인식 연구소 등이 있으며 많은 연구원이 영어와 중국어를 동시에 다루는 음성인식 소프트웨어를 연구하고 있다. 미국의 대표적인 연구 대학인 MIT, CMU(Carnegie Mellon University)에서는 단순 음성인식을 넘어선, 인간과 같이 대화를 할 수 있는 시스템에 대해 연구하고 있으며 영국의 케임브리지 대학교 음성인식 연구소는 HMM과 같은 통계학적인 접근 방식의 연구로 세계적인 공헌을 많이 했다. 특히 이 연구소의 HTK 툴 소스는 MS에서 라이선스를 모두 산 것으로 유명하다.

음성인식을 이용한 사업화를 꾀하는 회사도 다양하다. 유럽에서는 필립스가 음성인식 및 받아쓰기(dictation)를 이용한 사업을 여러 분야에서 하고 있다. 미국의 AT&T, IBM, 마이크로소프트는 음성인식 관련 연구를 꾸준히 해왔으며 통신, 자동차, 가전기기, PC 등 많은 분야에 적용하는 음성인식 솔루션을 내놓고 있으며 Scansoft(SpeechWorks), Nuance, 그리고 BBN과 같은 음성인식 전문 업체에서는 각 연구소와 함께 음성인식 소프트웨어의 표준을 만들기도 하며 통신, 자동차, 로보틱스 등의 사업 분야에서 활발히 활동하고 있다.

필자는 2002년 여름에 SpeechWorks 연구소에서 음성인식 연구 프로젝트에 참가하여 그들의 기술력을 잠시 엿볼 수 있었는데, 그 기술력은 이미 음성인식의 초보적 단계를 넘어선 대화체의 음성인식 애플리케이션을 작성할 수 있는 수준에 이르고 있었다.

이렇게 한국이 음성인식 분야에서 다소 뒤쳐져 있기는 하나 비관적일 필요는 없다. 언어적인 특성상 컴퓨터 운영체제와 같은 세계적인 표준이 생길 수는 없기 때문이다. 물론 기본 알고리즘은 공유할 수 있겠지만 음성인식에 반드시 필요한 어쿠스틱(acoustic), 언어 모델(language model)은 각 나라의 특성에 맞게 따로 작성될 것이다. 우리도 꾸준히 우리말에 적합한 음성인식 기술을 발전시켜 나간다면 머지않아 우리나라 실정에 맞는 독특한 음성인식 인터페이스를 가지게 될 것이다.

음성인식 첫 개념 80여년 전에 처음 나와
1936년에 AT&T Lab에서 'Voder'라는 음성 합성기를 만든 것을 시점으로 음성인식 기술에 대한 관심이 시작됐지만 1950~60년대 인공지능 분야의 더딘 발전으로 음성인식은 더 이상 발전이 불가능한 기술로 여겨졌다. 1970년대 들어오면서 HMM이 개발되고 미국의 DARPA(Defense Advanced Research Projects Agency)가 대학 연구소를 중심으로 대규모 펀드(fund)를 투자하기 시작하면서 음성인식 기술은 비약적인 발전을 하게 됐고 유럽, 일본 등 많은 국가가 참여하면서 꾸준한 발전을 하게 된다.

인터넷 관련 연구가 40여년의 상대적으로 짧은 역사를 가진 것에 비하면 음성인식 관련 연구는 상당히 오래 됐다. 그만큼 어렵고, 많은 연구와 데이터가 필요하다는 것을 짐작할 수 있을 것이다. 음성인식을 하기 위한 환경, 즉 높은 컴퓨팅 파워, 효율적인 알고리즘, 많은 트레이닝 데이터(training data) 또는 언어학적인 지식(linguistic knowledge), 빠른 네트워킹 환경 등은 이제 어느 정도 충족됐다고 볼 수 있다. 앞으로 현재까지 쌓아 놓은 연구 업적을 이용하여 한 단계 더 도약하는 과제가 남아있다.

많은 이들이 인공지능의 예를 들면서 음성인식 기술의 한계성을 지적한다. 하지만 현재 널리 쓰이는 에이전트(agent)가 인공지능 연구에 의해 개발됐듯이 꾸준한 음성인식 관련 연구는 인류에 더 편리하고 윤택한 생활 패턴을 가져다 줄 것이다.

2~3년 후의 음성인식 관련 기술
기술에도 주기라는 것이 있다. 가트너(Gartner) 그룹의 하이프 사이클(hype cycle)은 각각의 기술에 대한 성숙도와 비즈니스적인 주기를 잘 보여주고 있다. 초기, 피크, 하강, 점진적 상승, 그리고 안정기와 같은 5단계로 기술의 시장성 및 인지도를 나타낸다. 피크 상태에 있다가 하강하여 다시 상승하지 못하는 기술도 많으며 초기 상태에서 사라지는 기술도 많다.

최근 2003년판 이머징 기술에 대한 하이프 사이클을 살펴보면 음성인식 관련 도표가 두 가지가 나와 있다. 피크 상태의 모바일 기기에 대한 음성인식, 그리고 안정기 상태의 텔레포니 음성인식이 그것들이다. 텔레포니 음성인식의 대표적인 애플리케이션은 ARS 시스템이다. 이미 안정기에 접어들었다는 것은 손쉽게 사업화를 할 수 있다는 것이며, 이를 통해 앞으로 몇 년 안에 전화를 이용한 수많은 애플리케이션이 등장할 것이라는 예측을 할 수 있다.

더욱 빨리 다가오는 음성인식 인터페이스
우리는 기술적으로 인터넷 시대와 포스트 인터넷 시대의 과도기에 살고 있다. 과거에도 그러했듯이 이러한 시기는 여러 기술이 표준이 되기 위해, 또는 많은 인지도를 얻기 위해 경쟁하거나 공생을 하게 된다. 음성인식 기술은 기존의 키보드, 마우스뿐 아니라 새로운 팬 입력(pen input), 터치패드 등의 인터페이스와 이러한 관계에 있다. 기술적인 완성도와 환경에 따라 홀로 쓰일 수도 있고 때로는 여러 인터페이스들과 같이 쓰이기도 한다.

현재의 음성인식 기술의 개발은 차세대 도약을 위하여 무르익었다고 볼 수 있다. 이미 언급한 바와 같이 공간, 시간, 잡음 등의 제약점이 있지만 이러한 것들은 상황에 맞게 기술을 적용하면 해소되는 일시적 장애일 뿐이다. 또 인터넷, 윈도우 그리고 무선 전화가 그러했듯이 기술을 사용함에 약간의 불편함은 사용자들과의 합의에 의해 무시될 수도 있다. 중요한 것은 그 기술이 얼마나 좋은 장점을 지녔으며 사용자에게 얼마나 많은 혜택을 주느냐다.

음성인식은 오래 전부터 인류가 꿈꿔오던 인터페이스다. 사용의 용이성 측면에서 다른 어떤 인터페이스보다 확실한 장점을 지녔다고 볼 수 있다. 몇 년 안에 홈 네트워킹 시스템을 음성으로 작동시키고 상담원과 대화하듯이 ARS 시스템을 이용하며, 자동차 운전 중 음성으로 안전하게 기기들을 조작할 수 있다고 상상해 보자. 이것은 이제 꿈이 아닌 현실이 되어가고 있다.

물론 이러한 모든 것들은 사용자와 기술의 상호 이해가 있을 경우에 가능하다. 서로 다른 억양의 같은 언어 사용자들이 서로를 이해하며 대화하듯이, 음성인식 기술을 대화의 한 주체로 바라본다면 음성인식 기술의 일상화가 우리 곁에 더욱 빨리 다가오게 되지 않을까? @

* 이 기사는 ZDNet Korea의 제휴매체인 마이크로소프트웨어에 게재된 내용입니다.