조지 벨 20년 만에 살인 누명 벗어, 200억원 보상 지급
무능한 전문가와 그 권위에 대항하지 못하는 판사·배심원
법의 신뢰 회복을 위해 과학과 통계 기반 수사 역량 개선 시급

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소 (GIAI R&D Korea)에서 영어 원문 공개 조건으로 콘텐츠 제휴가 진행 중입니다.

뉴욕시는 최근 1999년 억울하게 유죄 판결을 받은 조지 벨(George Bell)에 기록적인 보상금을 지급했다. 검찰이 그의 무죄 입증 가능성이 있는 증거를 의도적으로 숨기고 법정에서 거짓 진술을 한 것으로 밝혀진 것이다. 벨은 누명을 쓴 사람들, 특히 미국 흑인 중 가장 최근에 근거 없는 유죄 판결을 받은 사람이다. 또한 재버 워커(Jabar Walker)와 웨인 가딘(Wayne Gardine)도 수십 년 동안 복역한 후 무죄 판결을 받았다. 북미 전역의 유죄판결 무결성 조사팀은 많은 장기 유죄판결에 심각한 결함이 있음을 발견했다.

놀랍게도 잘못된 법의학 증거와 전문가 증언이 결정적 요인으로 작용하는 경우가 많으며, 2022년 한 해에만 전국 무죄 판결 등록부에 기록된 233건의 무죄 판결 중 44건에서 거짓 법의학 증거와 전문가 증언이 그 요인이었다. 첨단 법의학 시대에 이러한 사법 유린이 지속되는 것은 불안한 일이 아닐 수 없다. 미국 법무부 산하 국립사법연구소는 최근 발자국 분석과 화재 파편 등 법과학의 특정 기술이 잘못된 유죄판결과 연관되어 있다는 내용의 보고서를 발표하기도 했다. 이 보고서에서는 "잘못된 방식으로 보고된 법과학 결과" 또는 "잘못된 통계적 가중치 또는 확률"이 종종 잘못된 유죄 판결의 원인이라고 전문가들은 증언했다.

이러한 일이 발생하는 이유는 배심원들이 과학적 증거를 높이 평가하지만, 그들에게는 과학적 증거를 올바르게 해석하거나 의문을 제기할 수 있는 전문 지식이 부족한 경우가 많기 때문이다. 2016년 대통령 자문위원회 보고서는 "전문가 증인은 종종 관련 과학이 정당화할 수 있는 수준을 훨씬 뛰어넘어 증거의 입증 가치를 과장하는 경우가 있다"고 경고한 바 있다.

'메도우 법칙', 자녀를 잃은 상실감과 감당하기 어려운 사회적 낙인

영국의 소아과 의사 로이 메도우(Roy Meadow)의 사태는 바로 이런 점을 잘 보여주는 예다. 영아 돌연사는 한 번은 비극, 두 번은 의심, 세 번은 무죄가 증명되기 전까지는 살인이라는 '메도우 법칙'으로 유명한 메도우는 영국에서 열린 재판에서 전문가 증인으로 자주 채택됐다. 그러나 불길한 패턴을 보는 그의 성향은 진정한 통찰력에서 비롯된 것이 아니라 끔찍한 통계적 무능함에서 비롯됐다. 1990년대 후반 샐리 클라크(Sally Clark)는 영아 돌연사 증후군으로 두 아들을 잃는 이중의 비극을 겪었다. 불행 이상의 증거가 부족했음에도 불구하고 클라크는 살인 혐의로 재판을 받았고, 메도우는 그녀의 유죄를 증언했다.

법정에서 메도우는 클라크 부부와 같은 가정에서 영아돌연사증후군(SIDS)이 발생할 확률이 8,543분의 1이라고 주장했다. 따라서 한 가족에서 두 건의 사례가 발생할 확률은 해당 확률의 제곱으로, 우연만으로 2명이 사망할 확률은 약 7300만분의 1에 해당한다고 그는 역설했다. 그는 이를 80대 1의 경쟁률을 뚫고 4년 연속으로 그랜드 내셔널 경마대회에서 우승한 경주마를 성공적으로 맞히는 것에 비유했다. 이 논란의 여지가 없어 보이는 통계 수치는 배심원과 대중 모두에게 그녀의 유죄를 확신시켰다. 클라크는 언론에 의해 악마화되어 살인죄로 수감됐다.

그러나 이 판결은 몇 가지 이유로 통계학자들을 경악하게 만들었다. 메도우는 단순히 확률을 곱하여 수치를 도출했는데, 이는 룰렛이나 동전 던지기와 같이 완전히 독립적인 사건의 경우에는 옳은 계산법이지만, 이 가정이 충족되지 않는 경우에는 틀린 계산이다. 1990년대 후반에 이르러 SIDS가 가족 내에서 발생한다는 압도적인 증거를 얻게 되면서 독립성 가정은 더 이상 성립하지 않게 됐다. 즉 클라크가 무죄일 확률이 과대 계산되었던 것이다. 이는 법정에서 흔히 볼 수 있는 통계적 오류로 '검사의 오류'라는 별명이 붙었다.

물론 SIDS가 여러 건 발생하는 경우는 드물지만, 산모에 의한 영아살해가 여러 건 발생하는 경우도 드물다. 어느 쪽이 더 가능성이 높은지 판단하기 위해서는 이 두 가지 설명의 상대적 가능성을 비교해야 한다. 클락의 경우, 이 분석은 두 건의 SIDS 사망 확률이 영아살해 가설보다 훨씬 더 높다는 것을 보여줬을 것이다. 영국 왕립통계학회는 메도우의 증언을 강력히 비난했고, 영국 의학저널에 실린 논문도 이를 방증했다. 그러나 클라크의 수감 생활이 없던 일이 되진 못했다.

오랜 캠페인 끝에 2003년에 클라크의 판결은 뒤집혔고, 메도우의 증언으로 유죄 판결을 받은 다른 여성들도 누명을 벗었다. 영국의학협회(General Medical Council)는 메도우를 직업적 위법 행위로 유죄 판결을 내리고 의사 면허를 박탈했다. 하지만 클라크의 무죄 판결은 그녀가 겪은 마음의 상처에 대한 위로가 되지 못했고, 결국 그녀는 2007년 알코올 중독으로 사망했다. 검사의 오류는 조건부 확률의 문제에서 끊임없이 나타나며, 우리를 잘못된 결론으로 이끌고 무고한 사람들을 감옥에 보내게 된다.

과학적·통계적 역량 제고 시급, 배심원과 판사부터 교육해야

올해 초 호주는 메도우 법칙의 오류를 근거해 2003년 네 자녀를 살해한 혐의로 유죄 판결을 받은 캐슬린 폴빅(Kathleen Folbigg)을 20년 만에 사면했다. 네덜란드 간호사 루시아 드 버크(Lucia de Berk)는 2004년 통계적 증거에 근거하여 7명의 환자를 살해한 혐의로 유죄 판결을 받았다. 이 사건은 배심원들을 설득하는 데 성공했지만, 통계 전문가들을 경악하게 만들었고, 그들은 사건의 재수사를 촉구했다. 드 버크에 대한 재판은 전적으로 검사의 오류에서 비롯되었고, 그녀의 유죄 판결은 2010년에 뒤집혔다.

이런 일은 비단 역사적으로만 일어난 일이 아니다. 과학과 전문가 의견에는 권위가 있기 때문에 공개 법정에서 이를 행사할 경우 이의를 제기하기 힘들다. 혈흔 분석이나 DNA 분석과 같은 효과적인 기술조차도 검사의 오류에 의해 불건전한 유죄판결에 오용될 수 있다. 예를 들어 용의자의 희귀 혈액형(5%)이 현장의 흔적과 일치한다고 해서 유죄가 95% 확실하다는 의미는 아니다. 2,000명의 잠재적 용의자가 있는 가상의 도시에서 이 기준과 일치하는 사람이 100명이라면 다른 증거가 없을 때 용의자가 유죄일 확률은 1%에 불과하다.

더 심각한 문제는 인용된 과학적 근거가 모호해서 쓸모가 없을 때다. 최근의 한 분석에 따르면 법원에서 인용되는 심리 측정의 약 40%만이 강력한 증거적 배경을 가지고 있음에도 불구하고 거의 이의를 제기하지 않는 것으로 나타났다. 물린 자국 분석과 같은 기법들은 유죄 판결이 내려졌음에도 불구하고 사실상 쓸모가 없는 것으로 밝혀졌다. 거짓말 탐지기 테스트는 법원에서 인정하지 않을 정도로 정확도가 매우 낮지만, 미국 법 집행 기관에서는 여전히 널리 사용되고 있다.

전 세계 법의학 전문가들이 사이비 과학이라고 일축한 모발 분석은 유죄 판결을 내릴 수 있는 능력 때문에 FBI에 의해 받아들여졌다. 커크 오돔(Kirk Odom)과 같이 자신이 저지르지도 않은 강간죄로 22년 동안 감옥에서 시달린 유색인종에게 불공정한 영향을 미쳤다. 2015년 보고서에 따르면 모발 검사관이 피고인에게 유죄를 선고하는 과정에서 잘못된 진술을 한 사례는 수백 건에 달하며, 이 중 33건은 사형에 처해졌고, 이 중 9건은 보고서가 발표될 당시 이미 사형이 집행된 상태였다. 프로퍼블리카(ProPublica)가 지적한 바와 같이, 사산과 살인을 구별하기 위해 '허파부유' 시험을 사용하는 것에 대해 전문가들이 이의를 제기하고 있다. 이 검사는 오류 가능성이 매우 높음에도 불구하고 이미 아이를 잃은 여성을 살인죄로 구속하는 데 사용되어 검찰의 또 다른 오류 가능성에 대한 경각심을 불러일으키고 있다.

과학과 통계는 정의를 추구하는 데 매우 중요하지만, 그 불확실성과 약점도 강점만큼이나 분명하게 전달되어야 한다. 또한 배심원과 판사는 과학적, 통계적 증거의 기준에 대해 교육받고 전문가 증언에서 무엇을 요구해야 하는지 이해하는 훈련이 필요하다. 법정에서 과학적, 통계적 무결성이 개선되지 않으면 무고한 사람들이 유죄 판결을 받을 위험을 피할 수 없다.

Bad Science and Bad Statistics in the Courtroom Convict Innocent People

Science, statistics and expert testimony are crucial in securing justice. But their dubious applications in the courtroom can send innocent people to jail

The city of New York recently witnessed a record payout to George Bell, falsely convicted of murder in 1999, after it emerged prosecutors had deliberately hidden evidence casting doubt on his guilt, giving false statements in court. Bell is the latest in a long line of people, especially Black Americans, unfoundedly convicted. More recently, Jabar Walker and Wayne Gardine were cleared after decades in prison. Conviction integrity units across North America have found serious flaws with many long-standing convictions.

Alarmingly for scientists, misleading forensic and expert evidence is too often a deciding factor in such miscarriages of justice; of the 233 exonerations in 2022 alone recorded by the National Registry of Exonerations, deceptive forensic evidence and expert testimony was a factor in 44 of them. In an era of high-tech forensics, the persistence of such brazen miscarriages of justice is more than unsettling. The National Institute of Justice, part of the U.S. Department of Justice, has just published a report that found certain techniques, including footprint analysis and fire debris, in forensic science were disproportionately associated with wrongful conviction. The same report found expert testimony that “reported forensic science results in an erroneous manner” or “mischaracterized statistical weight or probability” was often the driving force in false convictions. The disconcerting reality is that illusions of scientific legitimacy and flawed expert testimony are often the catalyst for deeply unsound convictions.

This paradox arises because scientific evidence is highly valued by juries, which often lack the expertise to correctly interpret or question it. Juries with a lower understanding of the potential limitations of such evidence are more likely to convict without questioning the evidence or its context. This is exacerbated by undue trust in expert witnesses, who may overstate evidence or underplay uncertainty. As a 2016 presidential advisors report warned, “expert witnesses have often overstated the probative value of their evidence, going far beyond what the relevant science can justify.”

The debacle of British pediatrician Roy Meadow serves as a powerful exemplar of precisely this. Famed for his influential “Meadow’s law,” which asserted that one sudden infant death is a tragedy, two is suspicious, and three is murder until proved otherwise, Meadow was a frequent expert witness in trials in the United Kingdom. His penchant for seeing sinister patterns, however, stemmed not from real insight, but from terrible statistical ineptitude. In the late 1990s, Sally Clark suffered a double tragedy, losing two infant sons to sudden infant death syndrome. Despite scant evidence of anything beyond misfortune, Clark was tried for murder, with Meadows testifying to her guilt.

In court, Meadow testified that families like the Clarks had a one-in-8,543 chance of a sudden infant death syndrome (SIDS) case. Thus, he asserted, the probability of two cases in one family was this squared, roughly one-in-73 million of two deaths arising by chance alone. In a rhetorical flourish, he likened it to successfully backing an 80-to-1 outsider to win the Grand National horse race over four successive years. This seemingly unimpeachable, damning statistic figure convinced both jury and public of her guilt. Clark was demonized in the press and imprisoned for murder.

Yet this verdict horrified statisticians, for several reasons. To arrive at his figure, Meadow simply multiplied probabilities together. This is perfectly correct for truly independent events like roulette wheels or coin-flips, but fails horribly when this assumption is not met. By the late 1990s, there was overwhelming epidemiological evidence that SIDS ran in families, rendering assumptions of independence untenable. More subtle but as damaging was a trick of perception. To many, this appeared equivalent to a one-in-73-million chance Clark was innocent. While this implication was intended by the prosecution, such an inference was a statistical error so ubiquitous in courtrooms it has a fitting moniker: the prosecutor’s fallacy.

This variant of the base-rate fallacy arises because while multiple cases of SIDS are rare, so too are multiple maternal infanticides. To determine which situation is more likely, the relative likelihood of these two competing explanations must be compared. In Clark’s case, this analysis would have shown that the probability of two SIDS deaths vastly exceeded the infant murder hypothesis. The Royal Statistical Society issued a damning indictment of Meadow’s testimony, echoed by a paper in the British Medical Journal. But such rebukes did not save Clark from years in jail.

After a long campaign, Clark’s verdict was overturned in 2003, and several other women convicted by Meadow’s testimony were subsequently exonerated. The General Medical Council found Meadow guilty of professional misconduct and barred him from practicing medicine. But Clark’s vindication was no consolation for the heartbreak she had suffered, and she died an alcohol-related death in 2007. The prosecutor’s fallacy emerges constantly in problems of conditional probability, leading us sirenlike towards precisely the wrong conclusions—and undetected, sends innocent people to jail.

Earlier this year, Australia pardoned Kathleen Folbigg after 20 years in jail after a conviction for murdering her four children in 2003 based on Meadow’s discredited law. Dutch nurse Lucia de Berk was convicted of seven murders of patients in 2004, based on ostensible statistical evidence. While convincing to a jury, it also appalled statistical experts, who lobbied for a reopening of the case. Again, the case against de Berk pivoted entirely on the prosecutor’s fallacy, and her conviction was overturned in 2010.

This isn’t just historical occurrence. The veneer of science and expert opinion has such an aura of authority that when invoked in open court, it is rarely challenged. Even effective techniques like blood splatter and DNA analysis can be misused in unsound convictions, underpinned by variants of the prosecutor’s fallacy. A suspect’s rare blood type (5 percent) matching traces at a scene, for example, does not imply that guilt is 95 percent certain. A hypothetical town of 2,000 potential suspects has 100 people matching that criterion, which renders the probability that the suspect is guilty in the absence of other evidence at just 1 percent.

Worse is when the science cited is so dubious as to be useless. One recent analysis found only about 40 percent of psychological measures cited in courts have strong evidentiary background, and yet they are rarely challenged. Entire techniques like bite-mark analysis have been shown to be effectively useless despite convictions still turning on them. Polygraph tests are so utterly inaccurate as to be deemed inadmissible by courts, and yet remain perversely popular with swathes of American law enforcement.

This can and does ruin lives. Hair analysis, dismissed by forensics experts worldwide as pseudoscientific, was embraced by the FBI for its ability to get convictions. But this hollow theater of science condemned innocent people, disproportionately affecting people of color like Kirk Odom, who languished in prison for 22 years for a rape he did not commit. Odom was but one victim of this illusory science; a 2015 report found hundreds of cases in which hair examiners made erroneous statements in inculpating defendants, including 33 cases that sent defendants to death row, nine of whom were already executed by the time the report saw daylight. As noted by ProPublica, the use of “lung float” tests to supposedly differentiate between stillbirth and murder is being challenged by experts. Despite the fact the test is highly fallible, it has already been used to justify imprisoning women who lost children for murder, raising alarm over yet another potential manifestation of the prosecutor’s fallacy.

While science and statistics are crucial in the pursuit of justice, their uncertainties and weaknesses must be as clearly communicated as strengths. Evidence and statistics demand context, lest they mislead rather than enlighten. Juries and Judges need to be educated on standards of scientific and statistical evidence, and to understand what to demand of expert testimony, before courts send people to prison. Without improved scientific and statistical integrity in courtrooms, the risk of convicting innocent people can neither be circumvented nor ignored.

일론 머스크, 테슬라 본사 위치한 텍사스 오스틴에 '학교' 건립
K-12 스쿨로 시작해 대학교까지 확장, 이공계 인재 양성 목표
독립 행정 조직 갖춘 머스크의 '텍사스 유토피아' 현실로?

일론 머스크 테슬라 최고경영자(CEO)가 텍사스 오스틴에 교육 기관을 설립하겠다는 의지를 드러냈다. 14일(현지시간) 블룸버그 등 외신에 따르면 머스크의 자선단체 ‘더 파운데이션’은 이와 같은 내용을 담은 면세 신청서를 국세청에 제출했다. 블룸버그는 해당 신청서가 지난해 10월 제출됐으며, 올해 3월에 이미 승인됐다고 전했다. 오스틴을 중심으로 시작된 머스크의 '유토피아 타운(utopian town)' 사업에 본격적인 출발 신호가 켜진 것이다.

유치원부터 대학교까지, 이공계 중심 '머스크 학교'

신청서 내용에 따르면 새로운 교육기관은 머스크가 기부한 1억 달러(약 1,300억원) 기금으로 설립된다. 우선적으로 STEM(과학·기술·공학·수학) 중심 K-12 스쿨(유치원부터 고등학교까지의 학생을 유치·교육하는 기관)을 먼저 개교한다. 월스트리트저널(WSJ)은 머스크가 텍사스에 도시를 건설하는 계획의 일환으로 '몬테소리 교육(The Montessori Method)'에 초점을 맞춘 학교를 열 가능성도 있다고 전했다. 몬테소리 교육은 실습, 자기 주도적 활동, 협력 놀이 등을 강조하는 아동 중심의 교육법이다. ‘적성과 능력에 맞는 교육’을 주장하는 머스크에게는 적합한 교육 방식인 셈이다.

첫해는 50명의 학생들을 모집하고, 차후 모집 학생 수를 점차 늘려나갈 예정이다. 이후 '최고 수준의 교육'에 헌신하는 대학까지 기관을 확장한다는 것이 더 파운데이션의 중장기적 목표다. 실제 더 파운데이션은 면세 신청서에서 “남부대학 협회 및 학교 대학 위원회의 인증을 받을 계획”이라고 밝힌 바 있다. 해당 기관의 교육은 STEM 분야에서 풍부한 경험을 가진 교수진이 맡으며, 커리큘럼에는 시뮬레이션, 사례 연구(Case study), 디자인 및 제조, 실험 등 실무 관련 활동이 다수 포함된다.

한편 머스크가 교육 분야에서 움직인 것은 이번이 처음이 아니다. 그는 이미 2014년에 5명의 자녀와 소수의 학생을 위해 ‘애드 아스트라’라는 교육 기관을 연 전적이 있다. 머스크는 2020년 애드 아스트라를 폐쇄했으며, 지난해 50명가량의 학생을 수용하는 온라인 전용 학교 ‘아스트라 노바’를 열었다.

머스크의 원대한 꿈 '유토피아 타운'

이번 교육기관 설립은 머스크의 유토피아 타운 설립과 연관된 것으로 풀이된다. 앞서 WSJ는 머스크가 오스틴 인근 배스트롭카운티에 자신의 유토피아 타운을 건설 중이라고 보도한 바 있다. 실제 머스크는 3년 전부터 텍사스 오스틴 외곽 토지를 매입 중이다. 지난 3월 기준 머스크가 사들인 토지는 24.28㎢ 규모로, 종로구 면적(23.9㎢)보다 조금 더 큰 수준이다.

머스크는 해당 지역에 테슬라, 스페이스X, 보링 등 자사 직원들을 위한 저렴한 모듈식 주택, 야외 스포츠 시설 등을 갖춘 주거시설을 건립 중이다. WSJ는 머스크가 이 지역을 “일종의 텍사스 유토피아”라고 설명했다고 보도했다. 그러면서 머스크의 측근인 스티브 데이비스 보링컴퍼니 사장의 "이 도시에서는 시장 선거를 따로 치러야 한다"는 발언을 소개하기도 했다. 머스크가 자체 행정 조직까지 갖춘 완전한 ‘머스크 타운'을 꿈꾸고 있다는 것이다.

텍사스의 주도인 오스틴에는 테슬라 본사가 위치해 있음은 물론, UT 오스틴(텍사스 대학교 오스틴 캠퍼스) 외 50여 개의 대학 및 연구 기관이 자리해 있다. 교육 기관 설립을 통한 '시너지'를 기대하기에 적합한 입지인 셈이다. 업계에서는 중장기적인 이공계 대학교 설립 움직임은 결국 머스크의 유토피아 실현을 위한 초석이라는 분석이 나온다.

산업부 ‘첨단로봇 산업 비전과 전략’ 발표
방사청 주도 국방로봇 개발 급물살
방해 요소로 지목되는 규제엔 혁신 의지

정부가 오는 2030년까지 민간과 합동 3조원을 투입해 첨단로봇산업 시장 규모를 20조원 이상으로 키워내겠다는 계획을 밝혔다. 기술과 인력, 기업의 핵심경쟁력을 강화하고 친화적 환경을 조성해 우리나라 첨단로봇의 글로벌 시장 진출을 돕겠다는 취지다.

로봇 자체 생산능력 80%까지 확대

산업통상자원부는 14일 성남 판교에 위치한 만도넥스트M에서 방문규 장관 주재로 ‘첨단로봇 산업전략회의’를 열고 이같이 밝혔다. 제조와 농업, 물류에서 국방, 의료, 복지까지 다양한 분야에 첨단로봇 100만 대를 보급하겠다는 구상이다. 이날 산업부는 “첨단로봇은 자동차와 조선 같은 전통 제조업은 물론 방위산업, 우주, 항공 등 신산업 분야와 서비스산업까지도 전방산업화 할 수 있는 무한 잠재력을 지니고 있는 산업”이라고 강조하며 K-로봇경제를 위한 3대 전략을 제시했다.

먼저 2030년까지 민관합동 3조원을 투자해 로봇산업 핵심경쟁력을 강화한다. 이와 함께 감속기를 비롯한 5개 하드웨어(HW) 기술, 자율조작을 포함한 3개 소프트웨어(SW) 기술 등 8대 핵심기술 확보를 위한 기술개발 로드맵을 내년 상반기까지 수립할 방침이다. 이를 통해 2021년 44.4% 수준이던 로봇 자체 생산능력을 80%까지 확대한다는 설명이다. 또 현재 3만5,000명 수준인 국내 로봇 분야 전문 인력은 미래자동차와 드론 등 다양한 모빌리티와 연계하는 방식으로 1만5,000명 이상 추가 양성하고, 연매출 1,000억원 이상의 지능형 로봇전문기업을 30개 이상으로 키울 방침이다.

산업 현장의 로봇 보급률도 대폭 확대한다. 제조업·농업·물류·소상공인·산업 안전 분야에는 68만 대, 국방·사회 안전·재난 대응·의료·복지 등 분야에 32만 대 등 총 100만 대 이상의 첨단로봇을 보급해 산업 생산성을 높이고 안전사고를 줄인다는 계획이다. 이를 통해 국내 로봇 기업들이 세계 시장 진출 전 충분히 업력을 쌓을 수 있도록 하고, 이후에는 로봇 기술 선도 국가와의 협력 강화 및 해외 인증도 적극 지원한다.

아울러 지능형로봇법을 전면 개편해 제도적 기반을 갖추고 2,000억원을 투입해 국가로봇테스트필드를 조성하는 등 안전성 및 신뢰성 확보를 위한 기반도 마련한다. 방문규 장관은 “우리 로봇산업이 글로벌 수준의 기술력을 확보하고 새로운 국가 성장 동력으로서 ‘K-로봇경제’를 앞당길 수 있도록 투자 확대와 해외 시장 진출 등을 위해 범정부적 정책 역량을 모으겠다”고 밝혔다.

무인수색차량 등 군사로봇 개발 속도↑

업계에서는 K-로봇경제를 앞당기겠다는 정부의 청사진이 초기 단계에는 국방 분야에 그 역량을 집중할 것으로 내다봤다. 노동 인구 감소에 대한 불안 심리가 극대화하고 있는 산업 현장에서는 기업이 사람의 역할을 대신할 로봇을 적극적으로 도입하고 있지만, 공공의 영역인 안보에는 큰 관심을 보이지 않고 있기 때문이다.

지난해 말 최전방에서 병사 대신 수색과 정찰, 경계 임무를 수행할 첨단 국방로봇 개발에 착수한 방위사업청의 사업이 한층 속도를 높이고 있다는 점도 이같은 업계의 분석에 힘을 싣는다. 국립과학연구소 주관으로 2026년 9월까지 약 1,284억원을 투입해 무인수색차량 ‘블록-I’를 개발하는 것이 목표인 해당 프로젝트는 ‘탐색 개발 → 체계 개발 → 양산’의 3단계 중 체계 개발 단계에 주력하고 있는 것으로 알려졌다.

방사청은 블록-I에 그치지 않고 지뢰 탐지, 통신 중계 등 다양한 임무를 수행할 수 있는 후속 모델을 지속적으로 개발할 방침이다. 김태곤 방위사업청 첨단기술사업단장은 “국방로봇 기술의 발전은 방위 산업 활성화는 물론 국가 안보 경쟁력에 크게 기여할 것”이라고 말했다.

“지나친 규제가 신산업 걸림돌” 지적도

로봇 활성화와 관련한 각종 규제는 정부의 K-로봇경제 청사진 실현을 위해 극복해야 할 과제로 지목된다. 2010년대 후반 일찌감치 개발을 마친 자율주행 배송 로봇이 올해 11월에야 보행자의 지위를 얻어 인도를 통행할 수 있게 되는 등 로봇을 활용한 신산업이 본격 궤도에 오르기까지 오랜 시간이 소요된다는 지적이 끊이지 않고 있기 때문이다.

정부는 이같은 업계의 목소리를 수렴해 ‘첨단로봇 규제혁신 방안’을 내놨다. 로봇산업이 미래 산업의 핵심 분야로 부상하고 있다는 데 전 세계의 공감대가 형성된 만큼 이를 기반으로 산업혁신을 이루기 위해서는 규제혁신이 선행돼야 한다는 판단에서다.

모빌리티와 세이프티, 협업·보조 및 인프라 등 신비즈니스 관련 4대 핵심분야를 중심으로 51개 개선과제를 제시한 해당 규제혁신 방안은 △로봇 모빌리티 확대 △안전서비스 시장 내 로봇 진입 허용 △인간과 협업·보조하는 서비스 로봇 확대 △로봇 신비즈니스 인프라 확충 등에 중점을 뒀다. 정부는 이를 바탕으로 빠르게 변화하는 시장 상황에 우리 기업들이 신속 대응할 수 있게 하고, 앞으로도 민·관이 긴밀히 소통해 신규 개선과제를 지속 발굴 및 반영하겠다고 밝혔다.

AI 활용해 매장 내 방문객 분석한다, 메이아이 60억원 투자 유치
자체 영상처리 인공지능 'daram' 이용해 고객 정보·동선 데이터 확보
AI법 합의로 규제 사슬 옥죄는 EU, AI 인물 식별·분석에 '태클' 

영상 처리 AI(인공지능) 스타트업 메이아이가 60억원 규모의 시리즈 A 투자를 유치했다고 15일 밝혔다. 이번 투자는 삼성벤처투자가 리드했으며, 에버그린투자파트너스, 미래에셋벤처투자, 플럭스벤처스, 중소기업은행, 대교인베스트먼트가 신규 참여했다. 기존 투자자인 빅베이슨캐피탈 역시 후속 투자를 이어갔다.

메이아이는 영상처리 인공지능 'daram'을 활용해 매장 내 방문객을 분석하는 시스템을 갖춘 기업이다. 얼굴, 전신 이미지 등에서 이용객의 연령대와 성별 등을 예측하고, 이를 분석해 시각화하는 방식이다. 최근 들어 EU(유럽연합)를 중심으로 AI의 '안면 분석'에 대한 견제가 본격화하는 가운데, 메이아이는 규제 올가미를 피해 무사히 다음 단계로 나아갈 수 있을까.

AI 솔루션 '매쉬'로 매장 데이터 확보

메이아이는 공간에 설치된 CCTV를 활용해 방문객 데이터를 분석하는 영상 처리 인공지능 솔루션 '매쉬(mAsh)'를 서비스하고 있다. 매쉬는 매장에 설치된 CCTV를 활용해 방문객의 성별, 연령대, 동선, 체류 시간, 행동, 상품과의 인터렉션 등을 분석해 데이터를 수집하는 솔루션으로, 고객사는 매쉬를 활용해 방문객과 매장 퍼포먼스를 구체적으로 분석할 수 있다. 외부 유동 인구수, 방문 및 구매 전환 비율, 주요 고객층 등을 객관적인 데이터로 확인하는 식이다. 현재 주요 고객사는 현대차그룹, SK텔레콤, 교보문고, 신세계, 이랜드리테일 등이다.

메이아이는 차후 확보한 투자금을 바탕으로 고객 확장 및 사업 개발, AI 기술 고도화에 힘을 쏟을 예정이다. 박준혁 메이아이 대표는 "메이아이가 보유한 영상처리 AI 기술력과 오프라인 방문객 데이터 분석 전문성, 그리고 사업화 역량 등을 인정받은 결과"라며 "향후 글로벌 오프라인 방문객 데이터 분석 리더로 자리매김할 수 있는 유의미한 성과를 위해 노력할 것"이라고 밝혔다.

고객이 보내는 '조용한 신호' 읽는다

매장을 방문한 고객은 대부분 많은 '말'을 하지 않는다. 구매가 고민되는 상품 앞에서 오래 체류하거나, 상품을 직접 만지고 살펴볼 뿐이다. 이 같은 고객의 '조용한 신호'는 상품 진열 및 매장 운영 전략 수립에 매우 중요한 요소로 작용한다. 이들이 보내는 신호를 읽어내기 위해 메이아이는 자체 영상처리 인공지능 daram을 개발했다. daram은 △CCTV 영상 속 인물의 검출·추적 모듈 △추적 중단 시 재식별 모듈 △추적 이미지셋을 기반으로 한 정보 추정 모듈 등으로 구성돼 있다.

메이아이는 CCTV 환경 내 방문객 분석에 최적화된 daram을 활용, 영상 속 방문객의 주요 관절 포인트를 중점으로 위치와 자세를 추정할 수 있다. 영상 내에 여러 인물이 등장해 인물상 일부가 겹치거나 가려지는 경우에도 정확한 추적이 가능하며, 설령 추적이 중단돼도 재식별을 통해 안정적으로 방문객 추적을 이어갈 수 있다. 전신 이미지를 기반으로 분석을 진행하는 만큼 방문객이 마스크 등으로 인해 얼굴을 가리고 있어도 문제없다.

메이아이의 목표는 모든 공간에서 CGA(방문객 수, 성별, 연령대) 정확도 95%를 유지하는 것이다. 회사는 실제로 공간과 환경에 따라 90-98% 정도의 정확도를 기록하고 있다고 설명한다. 이 같은 기술력을 인정받은 메이아이는 과학기술정보통신부가 주최하고 정보통신산업진흥원이 주관한 '2021 인공지능 온라인 경진대회'에서 이미지 분야 최종 1위를 달성, 과학기술정보통신부장관상을 수상하기도 했다.

성장 발목 잡는 EU 'AI 규제' 드라이브

하지만 시장은 기술력과는 별개로 메이아이의 성장이 녹록지 않을 것이라는 전망을 내놓는다. 최근 EU가 'AI 안면 분석' 규제 논의에 불을 지폈기 때문이다. EU는 지난 8일(현지시간) AI법(AI Act)’으로 알려진 AI 기술규제 법안에 합의했다. AI법은 챗GPT 등 민간 서비스부터 정부의 생체인식 정보 수집 등 모든 AI를 포괄하는 세계 최초의 규제법이다.

해당 법안에는 AI의 위험성을 분류하고 투명성을 강화하며, 규정을 준수하지 않는 기업에 벌금을 부과하는 내용이 담겨 있다. 이에 따라 정치·종교·인종 등 특성으로 사람을 분류하는 것, 안면 인식 데이터베이스 구축을 위해 인터넷·CCTV 영상에서 생체 정보를 수집하는 것 등이 금지 행위로 규정됐다. AI를 이용한 ‘소셜 스코어링(개인의 특성, 사회적 행동과 관련된 데이터로 점수를 매기는 것)'도 금지 사항이다.

EU는 이미 디지털서비스법(DSA), 디지털시장법(DMA)과 같은 디지털 법률을 통해 IT 시장에 막대한 영향을 미친 바 있다. AI법 역시 이미 세계 각국의 AI 규제 논의의 '불쏘시개'로 작용하고 있다. 미국 의회는 최근 기술에 초점을 맞춘 청문회와 포럼을 개최하고, AI를 다루는 초당적 법안을 작성하기 시작했다. 핵심 기술인 AI '인물 분석'에 본격적인 제동이 걸리는 가운데, 메이아이는 과연 성장세를 이어갈 수 있을까.

마이데이터 과금, 핀테크 업계 서비스 위축할까
"이용자 늘면 비용도 는다", 요원해진 수익성 개선
업계 혼란 가중, 일부 업체는 '서비스 중단' 고려하기도

지속 가능한 마이데이터 산업 기반을 마련하기 위해 마이데이터 사업자가 부담해야 하는 정보전송비용에 대한 과금 체계가 구축된다. 과금 산정 기준은 '트래픽'으로 가닥이 잡혔다. 앞으로 트래픽량 상위 4~5개 업체가 수십억원의 비용을 지불하게 될 것으로 전망된다. 이에 마이데이터 서비스를 활발히 전개 중인 상위업체들은 비율 부담이 마이데이터 서비스 위축으로 이어질 것을 우려하며 과금 유예 등 보완책을 요구하고 있다.

마이데이터 과금 체계 구축, 기준은 '트래픽'

14일 업계에 따르면 한국신용정보원(신정원)은 '마이데이터 과금 협의체'를 소집해 이같은 마이데이터 과금 체계 방안을 전달했다. 마이데이터 사업자군에서는 네이버페이, 카카오페이, 토스, 뱅크샐러드가 참석했다. 앞서 금융위원회는 지난 7일 신용정보업감독규정 개정을 통해 마이데이터 과금 체계를 구축해 내년부터 분할납부를 시행하겠다고 밝힌 바 있다. 이에 따라 금융당국, 한국신용정보원, 금융보안원이 참여하는 워킹그룹을 통해 과금 산정 절차가 마련돼 이날 구체적인 과금 산정 방식과 비용이 최초로 공개됐다.

신정원은 업권별·트래픽(호출량)으로 비중을 나눠 사업자에게 과금을 부과하겠다는 계획을 밝혔다. 과금 대상은 '정기적 전송'을 대상으로 시행된다. 정기적 전송은 데이터 최신성·정확성 유지를 위해 고객이 애플리케이션(앱)에 접속하지 않아도 마이데이터 사업자가 정기적으로 직접 전송을 요구하는 경우다. 신정원에 따르면 현재 고객이 직접 앱에 접속해 새로고침, 업데이트 등을 시행하는 '비정기적 전송'이 전체 전송 중 70~80%를 차지하고 있다. 금융위가 산정한 한 해 전체 마이데이터 정보 전송 비용 원가는 약 1,293억원으로, 업계는 이 중 약 20~30%에 해당하는 280~300억원가량을 정기적 전송 비용으로 추산한다. 이에 따라 네이버페이, 카카오페이, 토스, 뱅크샐러드 등 마이데이터 트래픽 상위 업체 4~5곳은 최소 수십억원에서 백억원대 비용을 분담하게 될 것으로 예상된다.

다만 협의체에 참가한 마이데이터 사업자들은 이 같은 과금 선정 기준에 볼멘소리를 쏟아냈다. 마이데이터 서비스로 아직 수익이 나지 않는 상황에서 정보 이용료를 부과하는 것이 시기상조라는 지적이다. 이에 신정원은 협의회에서 금융당국과 이해관계자들의 의견을 조율하겠다고 밝혔지만, 업계는 사실상 현 기준을 확정안으로 받아들이는 분위기다. 업계는 트래픽량에 비례한 비용 납부로 인해 시장이 위축될 가능성을 우려하고 있다. 마이데이터 서비스를 활발히 전개할수록 트래픽량이 늘어나는데, 이같은 경우 더 많은 과금 비율을 부과받기 때문이다. 실제 협의체에서 한 빅테크는 서비스 축소 혹은 중단에 대한 고민을 토로한 것으로 알려졌다. 업계 관계자는 “다양한 마이데이터 서비스를 제공하기 위해 열심히 서비스를 할수록 더 많은 비용을 부담해야 한다면 마이데이터 사업 수익이 나지 않는 상황에서 적극적으로 서비스를 전개하기 어렵다”며 “데이터 전송 조절도 필요하지만 사업이 아직 자리 잡지 않은 상황에서 이같은 과금 방식은 마이데이터 서비스 시장을 위축시킬 우려가 있다”고 전했다.

"들어오는 건 없는데", 과금 체계로 업계 혼란 가중되나

가장 큰 문제는 역시 수익성이다. 그나마 마이데이터 사업자들 중 여력이 있는 업체들은 과금에 대비해 예산 책정에 나서는 모양새지만, 중소업체들은 과금 자체만으로 고민이 이만저만이 아니다. 알려진 바에 의하면 70여 개 마이데이터 사업자들 중 대부분이 여전히 적자를 면치 못하고 있다. 수억원으로도 흑자와 적자가 갈리는 판국인 만큼, 당장 수십억원 수준의 과금이 이뤄질 경우 심한 타격을 입을 업체들이 적지 않다는 목소리가 쏟아진다. 금융위에 따르면 2022년 기준 마이데이터 전송 총원가가 1,293억원 규모다. 마이데이터 과금에 따른 업계의 '사업 위축' 우려를 단순히 '기우'라고 치부할 수 없는 이유다.

마이데이터 사업은 흩어져 있던 정보를 한 곳에 모아 놓음으로써 정보 주체로서의 권리를 확립시켰다는 데 의의가 있지만, 사업자 입장에선 대의명분만 있을 뿐 비용적 측면에서 손해가 막심한 상황이다. 이 상태에서 섣부르게 과금이 이어지면 신규 사업자 진입이 줄 뿐 아니라 사업을 포기하는 업체들도 상당수 나올 가능성이 있다. 이용자가 늘수록 비용도 느는 구조니 사업을 확장하면 적자 폭이 더 커지는 딜레마를 겪어야 하기 때문이다. 실제 마이데이터를 통한 안정적인 수익 구조 마련이 요원해지면서 일부 업체는 서비스 중단까지 고민하고 있는 것으로 알려졌다. 대의명분을 가진 서비스가 비용에 발목을 잡히고 있는 셈이다. 마이데이터 또한 사업이 일종이기에 대의명분만으로 비용을 받지 말라고 할 수는 없는 노릇이다. 다만 최소한 업계 상황을 고려한 정책 시행은 필요할 것으로 보인다. 들어오는 것 없이 빠져나가는 구멍만 키우는 사업적 모순을 해결함으로써 업계 혼란을 최소화해야 한다는 의미다.

‘생성형 AI 학습 및 슈퍼 컴퓨팅 운용’ 등에 필요 전력 충당키로
원전 승인 작업 신속한 처리 위해 관련 라이선스 문서 ‘LLM’에 훈련
MS 창업자 빌 게이츠, 이미 2006년부터 SMR 개발에 몰두

마이크로소프트(MS)가 인공지능(AI)과 슈퍼 컴퓨팅 가동에 필요한 전력을 수급하기 위해 차세대 에너지원으로 평가받는 SMR(Small Modular Reactor·소형 모듈 원자로) 사업을 추진한다. SMR은 원자로와 증기발생기, 냉각재 펌프, 가압기 등 주요 기기를 하나의 용기에 일체화시킨 소형 원자로로, 대형 원전보다 크기가 작아 핵폐기물이 적고, 중대사고 발생률도 대형 원전의 1,000분의 1 수준인 것으로 알려졌다. MS 창업자 빌 게이츠는 2006년 일찍이 SMR 개발 업체를 설립한 뒤 관련 개발과 후원을 꾸준히 이어오고 있다.

원전 사업 시동 건 MS “미래 기후위기 SMR이 게임체인저 될 것”

12일(현지 시간) 월스트리트저널(WSJ)에 따르면 MS는 지난 6개월간 AI와 슈퍼 컴퓨팅 가동에 필요한 전력 조달을 위해 SMR 사업 승인 절차를 밟아 온 것으로 알려졌다. 지난가을에는 SMR 관련 전문가 채용 공고를 내기도 했다.

MS가 SMR 산업에 뛰어든 건 향후 대규모 데이터 센터를 운영하는 데 필요한 천문학적인 수준의 전력을 얻기 위해서다. 일반적으로 MS와 같은 AI 기업이 한 개 데이터 센터 가동할 경우 필요한 전력은 수십만 가구가 이용할 수 있는 규모의 전력과 맞먹는다. 미국 최대 원자력 발전소 기업인 '콘스텔레이션 에너지'에 따르면 생성형 AI 등장으로 발생한 전력 수요는 기존 전기차 충전에 필요한 전력 수요의 약 5~6배에 달할 것으로 관측된다.

최근 발표된 세계 원자력 산업 현황 보고서에 따르면 지난해 세계 전력 시장에서 원자력 비중은 9.2%로 40년 만에 최저치를 기록했다. 글로벌 원자력 산업이 축소되는 가운데 SMR 사업은 기존 원전을 대신할 친환경 미래 에너지원으로 여겨진다. 또 기존의 대형 원전보다 설치하기가 쉽고, 규모가 작아 누출·폭발 사고 위험이 낮다는 장점도 주요 대체 에너지원으로 손꼽히는 이유 중 하나다.

다만 MS의 사업 전개가 순탄치만은 않을 것으로 보인다. 통상 SMR 사업은 정부 허가와 원전 건설에 큰 비용과 시간이 소요되기 때문이다. 현재 미국에서 SMR 개발 승인에 성공한 업체도 뉴스케일파워(NuScale Power)뿐이다. WSJ에 따르면 뉴스케일파워는 사업 승인 과정에서 1만2,000페이지 분량의 신청서를 작성했으며, 200만 페이지 분량의 지원 자료를 덧붙였다. 이에 따른 비용은 약 5억 달러(약 6,600억원)에 달했다.

빌 게이츠가 설립한 SMR 개발 업체 ‘테라파워’

MS 회장직에서 물러난 이후 탄소중립과 기후위기 문제에 몰두해 온 빌 게이츠는 SMR 산업에 뛰어들며 관련 개발과 후원을 꾸준히 이어왔다. 기존 화석연료 대비 효율성이 떨어지는 풍력 및 태양광 신재생에너지가 근본적인 해법이 되기 어렵다는 판단에서다. 대신 기존 원전보다 발전 용량과 크기를 줄이고 안전성을 높인 SMR에 기후위기 극복의 열쇠가 달려 있다고 믿었다.

이에 게이츠는 2006년 ‘테라파워(TerraPower)’라는 SMR 업체를 설립, ‘나트륨’(Natrium)이라는 원자로 개발을 추진해 왔다. 나트륨은 그가 새롭게 고안한 원전으로, 나트륨 냉각 방식의 고속 증식로를 적용한 SMR이다. 테라파워에 따르면 해당 원전은 2024년 착공 예정이며, 2028년 완공 시 약 25만 가구에 공급할 수 있는 전력을 기후 친화적인 방식으로 생산할 수 있는 것으로 알려졌다.

아울러 2030년 완공을 목표로 미국 서부 와이오밍주에 345㎿(메가와트)급 실증 단지도 구축 중이다. 미국 에너지부(DOE)는 이 사업에 차세대 원자로 실증 프로그램(ARDP)의 일환으로 기술 개발과 건설 비용의 절반에 가까운 약 20억 달러(약 2조6,000억원)를 지원하고 있다. 이같은 원전 사업은 석탄 발전소 등 기존 화석연료 시대의 폐막으로 일자리가 축소되는 지역에 공정한 에너지 전환을 돕는 역할을 할 것으로 보인다. 크리스 르베크 테라파워 최고경영자(CEO)는 “환경 규제 때문에 석탄 발전소와 석탄 광산이 문을 닫고 있어 일부 지역은 경제적 위기에 직면해 있다”며 “SMR은 발전소가 과거 있었던 부지를 활용하면서 기존 숙련자를 활용할 수 있기 때문에 새로운 기술이 지역 사회에 미래 일자리를 만들어주는 사례가 될 수 있다”고 강조했다.

고양이의 표정을 통해 통증을 판단하는 AI 모델 개발
얼굴에서 입이 통증을 인식하는 데 가장 중요한 특징
동물의 정서적 삶에 관한 연구도 이어질 예정

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소 (GIAI R&D Korea)에서 영어 원문 공개 조건으로 콘텐츠 제휴가 진행 중입니다.

고양이는 신비주의자다. 개와 달리 고양이는 자신의 감정과 의도를 숨기는 데 능숙한데, 이는 아마도 고독한 사냥꾼으로 진화한 역사 때문일 것이다. 포커페이스를 유지하는 장기 때문에 고양이 집사와 수의사는 고양이의 표정과 행동에서 고통의 징후를 읽어내기 어려웠다. 하지만 새로운 인공 지능 프로그램을 통해 마침내 그 이면을 들여다볼 가능성이 제시됐다.

AI 연구원과 수의사로 구성된 한 연구팀은 동물병원에서 치료 중인 고양이의 표정을 바탕으로 통증 여부를 판단하는 두 가지 머신러닝 알고리즘을 개발하여 테스트를 진행했다. 최근 사이언티픽 리포트(Scientific Reports) 논문에서 소개된 이 자동화 시스템은 최대 77%의 정확도를 보여 강력한 수의학 도구로 사용될 전망이다. 이 연구는 당시 이스라엘 하이파대학에 재학 중이던 마르셀로 페이겔스타인(Marcelo Feighelstein)과 독일 하노버의 수의과대학에 재학 중이던 레아 헨체(Lea Henze)가 공동으로 주도했다.

논문의 공동 시니어 저자인 하이파대학의 컴퓨터과학자 안나 자만스키(Anna Zamansky)와 하노버 수의과대학의 홀거 볼크(Holger Volk)는 수의사와 고양이 보호자가 사진을 찍으면 자동으로 통증을 감지할 수 있는 모바일 앱을 개발할 계획이라고 말했다. 다른 AI 개발자들이 고양이 감정의 비밀을 밝혀내려고 시도한 적은 있지만(2021년에 출시된 Tably이라는 앱도 이를 주장하고 있다), 동료평가를 거친 과학적 연구를 발표한 것은 이번 연구가 처음이라고 전했다.

현재 수의사들은 고양이의 통증을 측정하기 위해 글래스고 복합측정통증척도 등 복잡한 검사를 사용하고 있지만, 동물의 표정과 행동을 세심하게 관찰해야 한다. 과학적으로 검증되긴 했지만, 이러한 척도는 수의사의 주관적인 평가에 의존하고 있어 시간이 오래 걸린다. 이 논문에 참여하지 않은 텔아비브대학교의 수의행동학자 스테판 브루어(Stephane Bleuer)는 이러한 점 때문에 기존의 테스트 방식을 추천하지 않는다고 밝혔다.

랜드마크 기반 AI, "고양이의 안면 수축량과 통증 척도를 매칭"

"기계가 시각 정보의 미묘한 디테일에 민감하므로 인간의 육안보다 더 많은 것을 볼 수 있다"라고 자만스키는 강조했다.

새로운 모델을 개발하기 위해 연구원들은 학습과 검증을 위한 데이터가 필요했다. 독일 하노버 수의과대학 동물병원에서 다양한 병력을 가진 다양한 품종과 연령대의 고양이 84마리의 사진을 표준치료의 하나로 촬영했다. 사진 속 고양이들은 글래스고 척도와 골절, 요로 문제 등 알려진 임상 질환으로 인한 예상 통증 수준에 따라 점수가 매겨졌다. 이 측정값은 연구팀의 AI 모델을 훈련하고 그 성능을 평가하는 데 사용됐다. 연구 저자에 따르면, 위 과정에서 고양이에게 어떠한 고통도 주지 않았다고 한다.

연구팀은 고양이 사진만으로 통증을 감지할 수 있는 두 가지 기계학습 알고리즘을 만들었다. 한 알고리즘은 귀, 눈, 입과 관련된 48개의 '랜드마크(landmarks)'를 이용해 안면 근육의 수축량(일반적인 통증의 지표)을 조사했다. 다른 알고리즘은 비정형 데이터에 대한 딥러닝 기법을 사용해 얼굴 전체의 근육 수축 및 기타 패턴을 분석했다.

랜드마크 기반 AI 접근법은 고양이의 통증 여부를 식별하는 데 77%의 정확도를 보였지만, 딥러닝 접근법은 65%에 불과했다. 연구진은 이러한 차이가 딥러닝 시스템이 '데이터에 굶주린' 시스템이기 때문에 발생할 수 있다고 설명했다. 해당 연구에서는 비교적 적은 양의 이미지 데이터만 사용할 수 있었다.

또한 연구진은 정확한 통증 인식에서 귀나 눈이 아닌 고양이의 입이 가장 중요한 얼굴 특징이라는 것을 발견했다. "이것은 AI의 장점이기도 하다. AI는 데이터의 숲에서 아무도 생각하지 못했던, 갑자기 차이를 만들어내는 무언가를 찾아낸다"라고 세바스찬 멜러(Sebastian Meller)는 전했다.

정확한 진단을 위해 겉으로 드러나는 표정과 실제 감정을 구분해야

그러나 감정과학 분야의 독일 심리학자 데니스 큐스터(Dennis Küster)는 위의 연구에서 표정과 감정을 구별하는 것이 중요하다고 지적했다. 인간을 대상으로 한 테스트에서 AI는 얼굴의 패턴을 인식하는 경향이 있으며, 기계가 그 뒤에 숨은 의미를 반드시 인식하는 것은 아니라고 그는 설명했다. 게다가 표정이 항상 특정 감정과 연결되는 것은 아니다. 큐스터는 사회적 미소를 예로 들었는데, 미소를 짓고 있더라도 그것이 반드시 행복감을 의미하지는 않는다고 꼬집었다.

하지만 감정 인식 AI가 잘하는 맥락도 있다고 그는 덧붙였다. 이번 연구에 참여하지 않은 미국 아칸소주 라이언칼리지의 심리학 조교수인 브리트니 플로키위츠(Brittany Florkiewicz)는 고양이나 다른 비인간종은 자신이 생각하고 느끼는 것을 말로 표현할 수 없기 때문에, 연구자들에게는 이러한 소통의 장벽을 넘을 수 있는 시스템을 개발하는 것이 중요하다고 말했다. AI는 입력되는 데이터만큼만 성능이 향상되기 때문에 데이터 세트가 크고 다양하며 사람의 감독하에 맥락과 미묘한 정보를 포함하는지 확인하는 것이 기계의 정확성을 높이는 데 도움이 될 것이라고 조언했다.

아울러 플로키위츠는 최근 고양이가 276가지 표정을 지을 수 있다는 사실을 발견했다. 그녀는 자만스키 팀과 협력하여 고양이가 고통을 느끼는지 여부를 평가하는 데 그치지 않고, 고양이의 정서적 삶에 대한 더 깊은 통찰력을 얻기 위해 연구할 계획이다. 또한 자만스키는 개를 포함한 다른 종으로 연구를 확장하고, 자동화된 시스템이 전신 동영상을 기반으로 고양이의 통증을 판단할 수 있는지 검증할 생각이다.

Cats Can Hide Their Pain—But Not from AI

Machine-learning software gets behind the inscrutable feline face and may improve pet care

Household cats are a secretive species. Unlike dogs, they are masters at masking their feelings and intentions—possibly because of their evolutionary history as solitary hunters. This built-in stoicism makes it hard for cat owners and veterinarians to read signs of pain in a cat’s facial expressions and behaviors, but new artificial intelligence programs may be able to finally peer behind the mask.

A team of AI researchers and veterinarians has created and tested two machine-learning algorithms that judged whether cats being treated in a veterinary hospital were experiencing pain based on the animals’ facial expressions. These automated systems, described in a recent Scientific Reports paper, were up to 77 percent accurate, suggesting the potential for powerful new veterinary tools. The study was co-led by Marcelo Feighelstein, then at Israel’s University of Haifa, and Lea Henze, then at the University of Veterinary Medicine Hannover in Germany.

The investigators plan to develop a mobile app that will let both veterinarians and cat owners snap a photograph to automatically detect pain, says Anna Zamansky, a computer scientist at the University of Haifa, who, along with Holger Volk of University of Veterinary Medicine Hannover, was a co-senior author of the paper. Although other AI developers have tried to unravel the secrets of feline emotions (an app called Tably, launched in 2021, also claims to do so), Zamansky says this study is the first to publish peer-reviewed scientific research about it.

Veterinarians currently measure feline pain using complex tests such as the Glasgow Composite Measure Pain Scale, which requires painstakingly examining an animal’s facial expressions and behaviors. Although scientifically validated, these scales rely on a veterinarian’s subjective assessment and are highly time-consuming. This discourages the use of such tests, says Stephane Bleuer, a veterinary behaviorist in Tel Aviv, who was not involved in the paper.

“Our belief is that the machine will do a better job,” Zamansky says of her team’s project. “The machine can see more than the naked human eye because it’s sensitive to subtle details of visual information.”

To develop the new model, the researchers needed data to train and test it. Photographs of 84 cats of various breeds and ages with varying medical histories were taken at the University of Veterinary Medicine Hannover’s animal hospital in Germany as part of standard care. The cats in these images had been scored based on the Glasgow scale and on the expected level of pain from their known clinical conditions—such as bone fractures or urinary tract problems. These measurements were used to train the team’s AI models and to evaluate their performance. The study authors say that none of their research inflicted any suffering on the cats.

The researchers created two machine-learning algorithms that could detect pain based on the cat photographs alone. One algorithm looked at the amount of facial muscle contraction (a common pain indicator) by using 48 “landmarks” involving the ears, eyes and mouth. The other algorithm used deep-learning methods for unstructured data to analyze the whole face for muscle contractions and other patterns.

The landmark-based AI approach was 77 percent accurate in identifying if a cat was in pain, but the deep-learning approach came in at only 65 percent. The researchers say this difference could stem from deep-learning systems being “data-hungry”—only a relatively small data set of images was available for this study.

The researchers also found that the cat’s mouth, instead of the ears or eyes, was the most important facial feature in accurate pain recognition, says study co-author Sebastian Meller, a veterinarian at the University of Veterinary Medicine. “We didn’t expect that, and that is also the beauty about AI, maybe,” Meller says. “It finds something in the forest of data that suddenly makes a difference that no one was thinking about before.”

It is important to distinguish between facial expressions and emotions, however, says Dennis Küster, a German psychologist with a background in emotion science, who was not involved in the study. Tests with humans have shown that AI tends to recognize facial patterns and not necessarily the meanings behind them, he explains. Moreover a facial expression may not always be associated with a particular emotion. “The best example is the social smile. So I might be smiling now, but maybe I just want to be friendly and indicate…, ‘Yeah, okay, let’s continue with this interview,’” Küster says. “We express certain things automatically, and they don’t necessarily mean that we are flowing over with happiness.”

Nevertheless, there are some contexts where emotion recognition AI can excel, he adds. Cats and other nonhuman species cannot vocalize what they are thinking or feeling, making it important for researchers to develop systems that can cross those communication barriers, says Brittany Florkiewicz, an assistant professor of psychology at Lyon College, who was not involved in the study. AI is only as good as the data it is fed, she notes. So ensuring the dataset is large, diverse and human-supervised—and that it contains contextual and nuanced information—will help make the machine more accurate, Florkiewicz says.

Florkiewicz recently found that cats can produce 276 facial expressions. She plans to collaborate with Zamansky’s team to gain deeper insights into felines’ emotional lives that will go beyond assessing whether or not they are in pain. Zamansky also plans to expand her research to include other species, including dogs, and to see whether automated systems can judge feline pain based on full-body videos.

Once a cat shows obvious signs of pain, it has probably been suffering for a long time; a convenient and practical pain app might allow for quicker detection of problems and could significantly advance cat care, Bleuer says. “When you improve the welfare of pets, you improve the welfare of people,” he says. “It’s like a family.”

This study focused on crossing interspecies communication barriers, and Zamansky points out that the researchers first had to overcome human ones: The international team members speak different languages, live in different countries and work in different disciplines. They are AI researchers, veterinarians, engineers and biologists. And their efforts ultimately aim to help a broad group of creatures encompassing cats, vets and pet owners. That effort led at least one researcher to cross a barrier of her own.

“Before we started this work, I was [completely a] dog person, but now I want to have a cat,” Zamansky says. “I think I fell in love with cats a bit.”

獨 일간지 ‘빌트’ 보유사 악셀스프링어와 콘텐츠 계약
“전 세계 창작자와 적극적 협력 나설 것”
거듭된 콘텐츠 무단 사용 논란 잠재울까

챗GPT 개발사 오픈AI가 다국적 미디어그룹 악셀스프링어(Axel Springer)와 콘텐츠 활용 협력 계약을 체결했다. 이번 계약에 따라 오픈AI는 악셀스프링어 산하 매체들에 실린 각종 콘텐츠를 인공지능(AI) 훈련과 답변 생성에 활용할 수 있게 된다. AI 업계에서는 두 회사의 협업이 그간 숱하게 반복된 AI 모델의 콘텐츠 무단 학습 논란을 잠재울 수 있을지 주목하고 있다.

챗GPT로 콘텐츠 요약본 제공, 링크 포함해 투명성↑

오픈AI와 악셀스프링어는 13일(현지 시각) 공식 홈페이지에 콘텐츠 사용 관련 정식 계약을 체결했다는 소식을 알렸다. 독일 베를린에 기반을 둔 악셀스프링어는 독일 최대 일간지 빌트를 비롯해 정치 전문매체 폴리티코, 미국 경제 전문 인터넷신문 비즈니스인사이더 등을 보유한 미디어 그룹이다. 양사의 협업에 따라 전 세계 챗GPT 이용자들은 이들 매체의 선별된 콘텐츠 요약본을 받아볼 수 있으며, 챗GPT는 투명성과 추가 정보를 위한 전체 기사 링크를 포함해 이를 제공할 예정이다.

이번 계약을 통해 악셀스프링어가 받는 사용료는 공개되지 않은 가운데 블룸버그통신을 비롯한 다수의 매체는 3년 계약을 통해 악셀스프링어가 최소 수천만 유로를 약속받은 것으로 추정했다. 다만 콘텐츠 독점 제공 조항은 포함되지 않아 악셀스프링어가 다른 AI 개발사에도 콘텐츠를 제공할 수 있다는 설명이다.

악셀스프링어는 자사의 방대한 콘텐츠가 오픈AI 기술의 정확도와 가치를 끌어올릴 것이라고 기대했다. 마티아스 되프너 악셀스프링어 최고경영자(CEO)는 “우리는 오랜 시간 기사의 질은 물론 사회와의 관계 등 다양한 저널리즘 사업모델을 더 높은 단계로 끌어올리고자 노력해 왔다”며 “오픈AI와의 동행으로 한층 강화된 저널리즘을 개척하길 기대한다”고 말했다.

오픈AI 브래드 라이트캡 최고운영책임자(COO)는 “악셀스프링어와의 파트너십은 우리 AI 도구를 사용하는 소비자들에게 양질의 실시간 뉴스 콘텐츠에 접근할 수 있는 새로운 방법을 제공하게 될 것”이라며 “앞으로도 우리는 전 세계 창작자들과 적극적인 협력을 통해 그들이 첨단 AI 기술과 새로운 수익 모델의 혜택을 받을 수 있도록 힘쓰겠다”고 덧붙였다.

잇따른 무단 도용 의혹, 법적 공방 시사하기도

앞서 오픈AI는 콘텐츠 무단 사용과 관련해 여러 차례 몸살을 앓은 바 있다. 올해 2월에는 월스트리트저널(WSJ)의 모회사 뉴스코프가 “WSJ 기자들이 작성한 기사를 AI 학습에 활용하고자 한다면 누구든 우리로부터 적절한 라이선스를 받아야 한다”고 강조하며 이를 위반할 시 법적 대응도 불사할 방침을 밝혔으며, 4월에는 미국 최대의 소셜미디어 레딧이 “우리 미디어의 정보를 긁어모아 가치를 창출하면서 이를 원작자에게 돌려주지 않는 것은 큰 문제”라고 지적했다. 스티브 허프먼 레딧 CEO는 “AI 학습을 위해서는 마땅한 대가를 지불해야 할 것”이라며 자사 콘텐츠를 무단으로 활용하는 AI 기업들에 강한 거부감을 드러내기도 했다.

이후 오픈AI는 지난 7월 세계 최대 통신·미디어 그룹 중 하나인 AP통신과 자체 라이선스 계약을 체결하는 등 언론사들과의 협력을 적극적으로 확대했다. AP와의 계약으로 오픈AI는 1985년부터의 AP통신 기사 콘텐츠를 챗GPT 학습에 활용할 수 있게 됐다. 다만 AP가 실시간으로 생산·배포하는 콘텐츠는 정보 제공 대상이 아닌 것으로 알려졌다. 당시 라이트캡 오픈AI COO는 “사실적이고 고품질인 AP 콘텐츠 아카이브에 대한 접근성과 피드백이 오픈AI 모델들의 시스템 기능과 유용성을 크게 개선할 것”이라고 기대했다.

양질의 데이터가 곧 경쟁력

빠르고 정확한 콘텐츠 데이터셋 확보는 AI 모델의 경쟁력을 좌우하는 핵심 요소로 떠오르고 있다. 챗GPT를 비롯한 다수의 생성형 AI가 과거의 한정된 정보를 기반으로 학습하는 탓에 최신 정보에 어둡고 엉뚱한 답변을 내놓는다는 약점이 꾸준히 지적돼 왔기 때문이다.

이에 오픈AI는 데이터셋 구축을 위한 외부 조직과의 협력을 AP와 악셀스프링어 등 대형 미디어 그룹에 국한하지 않고 다양한 분야로 확대했다. 오픈 AI는 지난달 “궁극적으로 인류 모두에게 안전하고 유익한 기술을 만들기 위해서는 AI 모델이 모든 주제와 문화, 언어를 깊이 이해해야 하며, 이를 위해서는 광범위한 교육 데이터 세트가 필요하다”며 “모든 언어와 형식에 걸쳐 인간의 의도를 표현하는 데이터를 수집할 것”이라고 밝혔다.

시장에서는 오픈AI가 지금까지 개발된 텍스트 및 이미지 활용 AI를 넘어 멀티모달 모델 개발에 착수한 것으로 풀이했다. 나아가 챗GPT가 영어를 제외한 여타 언어의 해석에 약점을 보인다는 평가를 수렴해 이를 극복하려는 의도 또한 짙게 깔려 있다는 분석이다. 실제로 오픈AI는 해당 발표 직전 아이슬란드 정부와의 파트너십을 통해 대규모 외국어 학습 데이터셋을 확보했으며, 비영리 단체 프리로프로젝트(Free Law Project)와의 협업으로 법률 분야의 전문 지식으로도 학습 분야를 넓혔다. 오픈AI는 “우리는 AI가 세상을 이해하도록 도움을 줄 파트너와 언제든 손잡을 준비가 돼 있다”며 “다양한 분야의 조력자와 함께 인류 모두에게 도움이 되는 AI를 만들 수 있길 기대한다”고 밝혔다.