챗봇 관련 개념 정리
챗봇, 챗봇가이드, 인공지능, 젠틀파이, 딥러닝, 코코너티브
챗봇이라는 이름이 주는 '간편한 이미지'가 무색하게, 챗봇과 연관된 개념들은 다소 복잡하고 헷갈리기 쉽다.
챗봇을 이해할 때 중요한 개념 몇 개만 정리해본다.
봇(BOT): 카테고리
봇의 분류• 봇: 네트워크에서 작동하는 자동화 프로그램
• 챗봇: 인간의 언어를 사용해 커뮤니케이션하는 봇
• AI Assistant(인공지능 비서): 사용자를 위해 다양한 업무나 서비스를 수행하는 봇
이들의 포함관계를 이해하는 것이 좋다. 챗봇은 봇의 일종이다. 봇은 자동화 프로그램 - 즉, 복잡한 일을 단순화하고 자동으로 처리해주는 프로그램으로서, 자동화를 시키는 것이 목적이므로 꼭 인간처럼 대화할 필요는 없다. 시중에 나와있는 챗봇들은 봇의 개념에 더 가깝다. 봇의 예는, 카카오톡 환경에서 주문을 자동화시킨 GS샵 톡주문, 네이버톡톡 메신저 환경에서 주문을 자동화시킨 도미노피자 등을 들 수 있다. 페이스북 메신저 환경의 일기예보 챗봇 날보는 '인간의 언어를 사용하는 챗봇'이지만, 자동화된 일기예보 알림이라는 봇의 개념에 더 가깝게 만들어져 있다.
반면, 시리, 알렉사, 빅스비, 구글 어시스턴트 등을 인공지능비서(AI assistant)라 할 수 있다. 한 두가지 특정 기능만 수행하는 것이 아니라 범용적인 서비스를 지원하는 대표적인 봇이면서도 인간의 말을 하는 챗봇들이다.
인공지능: 기술
간단히 표현한 인공지능 개념• AI: 컴퓨터가 인간의 ‘인지’능력을 모방할 수 있게 하는 것
• 머신러닝(Machine Learining): 배우게 하는 별도의 프로그래밍이 없어도 '학습'하는 것
• 인공신경망(Neural Network): 인간의 신경망(뉴런)에서 영감을 얻은 통계학적 학습 알고리즘. 시냅스의 결합으로 네트워크를 형성한 인공 뉴런이 학습을 통해 시냅스의 결합 세기를 변화시켜 문제해결능력을 가지는 모델
• 딥러닝(Deep Learning): 인공신경망의 발전된 버전. 수많은 데이터 속에서 패턴을 발견해 인간이 사물을 구분하듯 컴퓨터가 데이터를 나눔
• NLP/NLU/NLG: 자연어를 사용해서 인간과 기계가 인터렉션할 수 있게 함.
- NLP(Natural language Processing) - 자연어 처리, 인터렉션을 자연어로 할 수 있도록 처리함
- NLU(Natural Language Understanding) - 자연어를 이해 함, 자연어처리(NLP)의 일부분
- NLG(Natural language generation) - 자연어를 만들어 냄, 자연어처리(NLP)의 일부분
컴퓨터가 인간처럼 '인지'하면 좋겠다는 생각으로 인공지능(AI)이 나왔고, '하나하나 일일이 가르쳐주지 않아도 알아서 배우게 하겠다'가 머신러닝(Machine Learning), 그렇게 하려면 인간의 신경망처럼 작동하면 되겠네 라고 생각해서 만들어진 것이 인공신경망(Neural Network). 인공신경망을 아주 많은 데이터로 좀 더 정교하게 한 것이 딥 러닝(Deep Learning). 이렇게 생각하면 우리같은 일반인도 머리에 쥐나지 않고 그나마 이해할 수 있을 것이다. 제대로 따지면 정말 시냅스, 축색돌기 일억개 얽힌만큼 복잡해진다. 좀더 명확한 개념을 위해서는 1)가장 쉽게 설명한 것, 2)그것보다는 좀 어렵지만 쉽게 설명한 것 을 꼭한번 읽어볼 것을 추천한다
요즘은 AI=머신러닝=딥러닝이 되어버린데다가 일상적대화에서 동일하게 써도 큰 무리는 없을 정도이지만 개괄적인 포함관계 정도는 알아두는 게 좋겠다.
여기서 자연어처리부분(NLP, NLU, NLG)은 인공지능의 한 분야이지만, 다른 딥러닝이나 머신러닝과 포함관계라고 보기는 어렵다. 자연어처리를 잘 하기 위해서 머신러닝을 활용할 수 있으나, 머신러닝을 도입하지 않아도 자연어처리를 할 수 있다. 구글 번역기의 자연스러운 번역이 눈길을 끌면서 챗봇의 인기에 날개를 달아준 기술이 자연어처리 기술인데 봇의 구조속에서 한번 살펴보자.
(구글 번역에 대한 글: 차원이 다른 구글 번역기의 도래 꼭 읽어보시길)
봇에 들어가는 인공지능
챗봇의 구조에서 인공지능봇을 만들기 위해 다양한 인공지능 기술을 사용할 수 있다. 가장 포괄적으로 쓰이는 인공지능 분야는 자연어처리(NLP)와 의사결정과정(Decision making)이다. 자연어처리 부분은 앞에서 잠깐 다룬것처럼 사람의 언어를 이해, 의도를 파악하고, 사람의 언어로 대답하는 부분이다. 이 부분의 고도화에 따라 챗봇의 대화가 얼마나 자연스러운지가 결정되고 많은 사람들이 이 부분에 가장 관심이 많지만, 그 성능은 아직 대중의 기대보다는 한참 못미친다고 생각하는 편이 좋다. 의사결정과정은 봇에 어떤 질문이 들어왔을 때 어떻게 처리하는 것이 확률적으로 더 낫다라고 판단하는 부분이다. 챗봇을 만드려는 기업들은 자연어 처리가 잘될지에 대한 고민에 더해서, 의사결정과정을 학습시킬 데이터가 없거나 있어도 활용이 불가능한 방식의 형태를 갖고 있어서 고민을 한다. 다행인 것은 거의 모든 기업이 동일한 고민을 하고 있으니 안심(?)해도 좋다는 점. 데이터가 있든없든 상관없이, Rule을 제대로 정해서 봇을 런칭한다음, 봇의 실행화를 통해 데이터를 확보해가면서 머신러닝 시키는 것이 일반적이기 때문에 데이터 유무에 따라 챗봇제작과 관련된 업무량이 확연히 다르지도 않다.
위에서 봇과 연관된 몇가지 개념들을 살펴봤다. 간단하게 생각하면 그까이꺼 별거 아니고, 복잡하게 생각하면 너무 어렵다. 다만, 봇과 AI는 독립적이다. 봇이 꼭 인공지능에 매몰될 필요가 없다는 뜻이다. 이와 연관된 글은, 챗봇에는 AI가 필요한가에서 연결해서 볼 수 있다.
* 위의 봇 개념 설명 이미지는 Chris Messina가 정리한 챗봇 개념정리 내용을 기반으로 작성되었습니다.
버리는 데이터를 일하는 데이터로
AI 챗봇에서 나오는 데이터, 과연 얼마나 활용하고 계시나요?
AI 챗봇 운영비를 낮추고, 데이터로 마케팅에도 사용하고!
지금 당장 코코너티브로 챗봇의 가치를 올려보세요!
코코너티브 https://www.coconutive.com
네이버톡톡 챗봇, 페이스북 챗봇, 카카오톡 챗봇이 만들고 싶다면,
젠틀파이 hello@gentlepie.com 로 연락주세요.
그리고 젠틀파이 챗봇, 날보도 만나보세요.
제이미의 글과 챗봇 소식을 계속 보고 싶으시다면,
페이스북 챗봇 그룹
제이미 트위터 @jamiepark
이 브런치는 챗봇에 대한 다양한 소식이 업데이트됩니다. 브런치 구독
젠틀파이에서 챗봇 기획을 함께 할 사람을 찾고 있습니다.
경력: 3~6년차 경력사항: 웹서비스/사이트 기획, 온라인 컨텐츠 제작, 소셜 채널 운영 경험 등
젠틀파이가 현재진행하고 있는 다양한 프로젝트를 함께하면서, 시대를 앞서 챗봇을 함께 기획하고 제작해볼 수 있습니다. 챗봇을 한번도 만들어본적 없어도 괜찮습니다!
챗봇을 만드는 일에 관심이 있어야 하고,
구조적인 생각과 컨텐츠 기획능력에 웹소설이나 블로그를 운영해본 경험이 있다면 더 좋겠지요.
함께하고 싶은 분은 저한테 직접 이메일 주세요.
jamie.park 엣 gentlepie.com
멀티캠퍼스(크레듀)에서 "챗봇 - 이해부터 제작까지"를 강의하게 되었습니다. (당분간 매월 4주차)
챗봇을 봇빌더(chatfuel)로 간단하게 만들어보고, Api.ai로 자연어처리를 체험해보는 수업으로,
개발자에게는 도움이 되지 않을것 같고요 ^^
챗봇도입에 관심이 있으신 분이거나 마케터등에게 적합한 강의입니다.
[강의 신청은 여기에서]
