주제: Expression recognition ≠ emotion understanding: Challenges confronting the field of affective computing
초록: Many assume that a person’s emotional state can be accurately inferred by surface cues such as facial expressions and voice quality, or through physiological signals such as skin conductance or heart rate variability. Indeed, this assumption is reflected in many commercial “affect recognition” tools. For example, companies provide software that promises to “understand how your customers and viewers feel when they can’t or won’t say so themselves.” However, research in in affective science highlights that the connection between surface cues, like facial expressions, and feelings of emotion are quite weak and highly context-specific. Even worse, these methods often fail to correctly classify these surface cues outside pristine laboratory conditions. In this talk, I will review some of the biases and potential solutions for expression recognition. I will then discuss how to move from expressions to understanding. Along the way, I will emphasize the problematic nature of the term “emotion recognition”: It leads users to over generalize the capabilities of the technology (in that expressions don’t necessarily indicate emotion) but also undersell its power (in that expressions can indication important information about many things besides emotion).
㈜엘로이랩은 2020년에 설립된 회사로 연구개발 중심의 AI 스타트업입니다. 서울특별시 마포구 마포대로 122에 위치하고 있으며, “제조공장을 AI 기술로 혁신하는 솔루션” 사업을 합니다. 저희는 “사람은 더 사람다움에 집중할수 있도록…” 이라는 비전을 가지고 사람들이 어렵고 힘든 일을 대신하는 AI기술을 개발하는 팀입니다. 그냥 직원이 아닌 같이 성장할 동반자를 찾습니다.
학문과 산업현장의 기술 수요 괴리는 어제오늘 일이 아니다. 인공지능(AI) 인재의 산실인 컴퓨터 전공도 예외는 아니다. ‘기본기’를 강조하며 커리큘럼 혁신을 꺼리는 학교 측과, “처음부터 다시 가르쳐야 하는 형편”이라는 기업 간 시각차가 AI시대를 맞아 더 심화된 것이다.
‘자고 일어나면 달라져 있다’는 말이 나올 정도로 AI 기술의 진화는 가속화하고 있다. 국내 주요 대학 컴퓨터공학과의 전공 구성부터가 그렇다. 대다수가 기초 수준 선택과목으로 AI 수업을 편성하고 있다. 서울대는 올해 1학기 ‘딥러닝의 기초’ 과목을, KAIST는 ‘인공지능개론’ ‘기계학습’ 등을 전공선택으로 개설했다. 고려대 성균관대 연세대 등도 ‘딥러닝’ ‘기계학습’ ‘인공지능개론’ 강좌를 열었다. 다만 개설 과목 수는 대부분 1개에서 3개 정도로 나타났다. AI를 바라보는 ‘관심’의 정도가 드러난 셈이다.
대학들이 AI 관련 커리큘럼을 고민하기 시작한 건 2016년 ‘알파고 사태’ 때부터다. 상당한 시간이 흘렀음에도 강좌 개설이 미미한 건 운신의 폭이 좁은 국내 컴퓨터공학과 커리큘럼의 특성이 숨어 있다. ‘공교육 부실’의 여파로 기초도 안 되는 입학생이 대다수이다 보니 대학 역시 AI 같은 심화 내용을 반영할 여유가 없다는 것이다.
한 수도권 대학 컴퓨터공학과 교수는 “대학 입학 전까지 중·고교에서 SW에 관해 제대로 배우는 것이 없으니, 매년 코딩 연습 같은 기초에 시간을 할애해야 한다”고 말했다. 2학년까지 프로그래밍 기초와 하드웨어 과목 등 기본기를 수강하고 전공필수까지 챙기다 보면 졸업까지 자유롭게 선택해서 들을 수 있는 전공 강좌는 채 5개가 되지 않는 경우도 허다하다.
교수 인력과 인프라의 문제도 따른다. AI 교육은 고사하고, 컴퓨터 공학 교육의 질까지 위협받는 수준이다.
최근 수도권에선 고려대의 데이터과학과, 한양대의 데이터사이언스학과 등 첨단 산업 학과의 신설이 잇따르고 있다. 정부 주도 하에 주요 대학의 ‘AI대학원’ 역시 속속 문을 열고 있는 상황이다. 대부분 SW가 중심이 되는 학위과정들이다. 하지만 늘어나는 교육 과정의 속도와 대비해 담당 교수들의 수는 크게 늘지 못하고 있다는 것이 중론이다. 투자가 산발적으로 진행되고 있다는 비판이 거세지고 있다.
외려 기존 컴퓨터공학과 교수를 겸임이나 파견 형태로 앉히는 경우도 빈번하다. 서울대는 1년 사이 AI 유관 전공이 폭발적으로 생겨나며 업무가 과중되고 있다. 서울대 공과대학의 한 관계자는 “최근 AI 협동과정, AI 연합전공, AI반도체 과정 등 셀 수 없는 과정이 생겨났는데, 교수 인력 등은 더 뽑지 않으며 본래 컴퓨터공학과 강의까지 영향이 미치는 상황”이라고 전했다.
산업 현장의 불만은 갈수록 커지고 있다. 한 정보기술(IT) 대기업 인사담당 임원은 “사실 원천 기술을 개발하는 특출난 인재보다 AI 솔루션을 이해하고 관리하는 수준의 ‘AI 엔지니어’와 기술을 이해하는 영업직군이 더 많이 필요하다”며 “최소 6개월에서 1년은 다시 가르친다고 생각하며 뽑는다”고 했다.
대기업들의 재직자 대상 ‘AI 재교육’은 확대 추세다. 현대모비스의 ‘AIM 프로젝트’는 약 5개월간 기존 업무를 배제시키고 전문기관 교육과 현장 AI 프로젝트를 수행하게끔 한다. LG 역시 100명 가량의 인원을 사내 교육 기관인 LG 인화원에서 교육하는 ‘AI 고급 문제 해결 과정’을 진행한다. ‘맞춤형 인재’를 자체적으로 길러낸다는 목표다.
학부생들은 심지어 대학원 AI 강좌까지 찾아나서고 있다. 대학과 기업 사이의 간극에서, 스스로 실력과 인재상을 갖추기 위한 ‘자구책’을 마련한 것이다. 한 컴퓨터공학과 교수는 “일부 AI 과목은 학부생이 30%도 차지한다”며 “학부에 AI 전문 강좌가 적다보니 매 학기 벌어지는 현상”이라고 밝혔다.
[이뉴스투데이 여용준 기자] 한국과학기술연구원(KIST) 지능로봇연구단 김기훈 박사팀은 표면 근전도 신호를 이용해 별도의 코딩 없이 로봇이 마치 축구 선수처럼 떨어지는 공을 트래핑 하도록 학습시키는데 성공했다고 18일 밝혔다.
표면 근전도 신호(surface electromyogram)는 근육이 수축할 때 발생하는 내부의 전기 신호를 피부 표면에서 측정한 생체 전기 신호를 말한다.
최근 등장한 유연한 로봇은 기존의 단단한 로봇과는 다르게 사람의 근육이나 관절처럼 유연한 탄력을 가져 로봇의 새로운 시대를 열었다. 그러나 이런 동작이 가능해진 유연한 로봇에게 이런 기술을 가르쳐줄 수 있는 방법은 아직 개발된 바가 없었다.
KIST 연구팀은 이런 유연한 로봇에게 사람의 생체 근육 신호를 이용해 새로운 동작을 직접 가르칠 수 있는 기술을 최초로 개발했다. 사람이 운동을 할 때 발생하는 근육의 전기 신호인 표면 근전도 신호로부터 자세 뿐 아니라 유연성을 함께 측정할 수 있는 기술을 바탕으로 사람이 운동을 직접 로봇에게 시연해 가르칠 수 있게 된 것이다.
김기훈 박사팀은 이를 이용해 로봇이 마치 축구 선수처럼 빠르게 떨어지는 공을 단단한 부분 위에 공이 크게 튀지 않도록 트래핑하는 기술을 학습시키는데 성공했다.
사람의 팔에 표면 근전도 센서를 부착해 위아래로 빠르게 움직이는 로봇의 위치와 유연성 두 가지를 동시에 제어할 수 있게 하고 떨어지는 공을 보고 사람이 직접 로봇에게 시연해 트래핑하는 방법을 학습시켰다. 그 결과 사람 없이도 떨어지는 공을 능숙하게 트래핑하는데 성공했다.
이번 연구 성과는 유연한 로봇의 작업을 수학적으로 일일히 계획하고 프로그래밍하는 것이 아니라 사람이 직관적으로 직접 학습시킬 수 있어 주목받고 있다.
김기훈 박사는 “이번 성과는 로봇에게 사람의 능숙한 기술을 학습시키는 방법으로 앞으로 로봇과 사람이 상호작용하는데 중요한 계기가 될 것” 이라고 밝혔다.
이번 연구는 과학기술정보통신부 지원을 받은 한국연구재단 글로벌프론티어 사업으로 수행되었다. KIST와 POSTECH 정완균 교수팀의 공동연구로 진행된 이번 연구결과는 제어분야 국제 저널인 ‘IEEE Transactions on Industrial Informatics’ 2월호에 기재됐다.
