자연어 질문에
기계적으로 대답하지 않기
MRC-Based QA : AI가 잽싸게 검색하고 답을 내놓는 원리
트럭 운전수의 주 무기는 잘 정비된 트럭과 운전하기에 적합한 몸이겠죠. 내과 의사라면 청진기와 풍부한 임상 경험이 중요할 거고요. 사무직 회사원은 아무래도 컴퓨터와 마우스를 꼽을 테죠. 온종일 마우스를 이리 굴리고 저리 굴리며 클릭하다가 문득 궁금해져 AI스피커 카카오 미니에게 질문을 던집니다.
헤이 카카오, 마우스는 누가 만들었어?
질문을 받은 미니는 금세 “더글라스 앵겔바트”라는 정확한 답을 내놓습니다. 우리가 종전에 기계로부터 경험해 온 딱딱한 음성 Q&A와는 다른 모습이죠. “마우스+제작자” 혹은 “마우스+발명가”처럼 미리 정해둔 질문 값과 일치하지 않으면 답을 내놓지 않았던 모습이 익숙하기 때문입니다. 이건 마치 ‘당신은 오른쪽 주먹을 저의 왼쪽 눈을 향해 천천히 내지르세요. 제가 왼쪽 팔뚝으로 막아보겠습니다’라는 식의 약속 대련 같았죠. 과연 카카오 미니는 어떻게 자연어 질문을 제대로 알아듣고 대답했을까요?
우선 들은 내용을 텍스트로 옮기는 건
음성 인식 기술의 몫입니다
(Voice Recognition : 음성 인식 기술의 작동 원리편을 참고해 주세요)발음이 조금 어눌하거나 사투리 억양이 섞였더라도 귀 기울여 듣고 글로 적어내죠. 이후 MRC(Machine Reading Comprehension)-Based QA 엔진이 잽싸게 여러 역할을 해냅니다. 글로 적어낸 자연어를 인식해 맨 먼저 ‘누구’에 해당하는 단답형 답을 내놓아야 한다는 걸 생각해요. 그리고 질문의 요지를 중심으로 외연을 확장합니다. “헤이 카카오, 마우스는 누가 만들었어?”라는 질문에서는 ‘마우스를 만든 사람’이 핵심이니 ‘마우스 발명자’, ‘마우스 제작자’, ‘마우스 창제’와 같은 형식으로 말이죠. 확장된 질문의 외연을 갖고 ‘폭풍 검색’에 돌입한 MRC-Based QA 엔진은 이내 검색 결과 모두를 분석해 순위를 매겨요. 그중 최고값을 받은 내용을 답변으로 제시했던 것입니다. 이 복잡한 과정을 MRC-Based QA엔진은 보통 1~2초 내에 수행해 냅니다. 이용자들이 지연을 거의 느낄 수 없는 속도죠.
이 기능은 정형화되지 않은 자연어 문장에서 의미와 의도를 뽑아내는데 핵심적인 역할을 합니다. 지난 수십 년간 자연어 처리 기술은 사람이 직접 추출한 결과물에 의존해 왔는데, 딥러닝 기술의 발전과 컴퓨팅 파워의 비약적인 발달에 힘입어 한계치가 훌쩍 높아졌죠.
MRC-Based QA엔진이 고도화되면
생활 속 어떤 점들이 달라질까요?
기계와 사람 간의 ‘직거래’가 한결 자연스러워질 것을 상상할 수 있는데요, 챗봇이나 인공지능 스피커와의 대화에서 불편함을 거의 느낄 수 없게 될 겁니다. 새로운 지식과 정보를 습득해내는 AI가 대화형 인터페이스의 완성도를 높여주기 때문이죠. 적확한 대답을 내놓는 것을 넘어서 문답 과정에서 파악된 고객의 숨은 니즈까지 발견해 한걸음 더 나아간 이야기도 해줄 수 있을 거예요.
kakao i 기술동영상 해석 목차
[멀티미디어 처리 기술]
- 라이언의 코, 어떻게 내 코를 따라다닌거지? (Face Alignment 기술)
- 벚꽃과 살구꽃, 구분할 수 있나요? (Convolutional Neural Networks 기술을 활용한 꽃검색)
- 유명해야만 '얼굴이 명함'일까요? (얼굴 인식 기술)
- “그 옷 어디서 샀어?”라는 질문, 사라질 수도 있다 (유사이미지 검색 기술)
[음성 처리 기술]
- ‘응, 나 불렀어?’ AI가 목소리에 반응하는 원리 (핵심어 검출 기술)
- 너의 목소리만 들려! AI가 목소리 주인을 알아내는 법 (화자 인식 기술)
- 공부 많이 한 AI가 '좋은 귀'를 가진다 (음성 인식 기술)
- 인공지능이 맥락과 운율을 살려 이야기한 비결 (음성 합성 기술)
[자연어 처리 기술]
- 용건이 있어야만 대화할 수 있을까요?((kakao i minimi)
- 목 축이다”와 “물 마시다”를 같은 뜻으로 이해하는 AI (kakao i simpson)
- 형태소를 분류하면 이야기의 맥락이 들린다 (Kakao Hangul Analyzer iii)
- 자연어 질문에 기계적으로 대답하지 않기 (MRC-Based QA)_이번 글
