감정을 학습하는 로봇: 새로운 증분 학습으로 표정 인식 한계 극복

반려 로봇 앞에서 한숨을 쉬어도, 기계는 아무 일 없었다는 듯 정해진 코스대로 바닥을 청소하곤 합니다. 인공지능이 아무리 똑똑해졌다고 해도, 사람의 미묘한 감정을 실시간으로 읽고 반응하는 공감 능력은 여전히 제자리걸음인 경우가 많았습니다.

가장 큰 원인은 기존 표정 인식 모델의 한계에 있습니다. 대부분의 시스템은 사전에 준비된 데이터셋으로 한 번 학습을 끝낸 뒤 현장에 배치됩니다. 하지만 실제 조명이나 사용자의 고유한 표정 습관이 달라지면 금세 오류를 범하고, 이를 고치려면 전체 데이터를 다시 모아 처음부터 재학습해야 해 시간과 비용 소모가 컸습니다.

과거의 기억을 지우지 않고 감정을 더하다

라훌 싱 마하르잔 박사가 이끄는 연구팀은 이 문제를 해결하기 위해 감정을 점진적으로 학습하는 새로운 방식을 개발했습니다.

연구팀은 최근 학술지 IEEE Transactions on Affective Computing에 'Continual Facial Features Transfer for Facial Expression Recognition(표정 인식을 위한 지속적 얼굴 특징 전이)'이라는 제목의 논문을 발표했습니다.

이 기술의 핵심은 인공지능이 새로운 감정 데이터를 접했을 때, 기존에 알고 있던 지식을 잊어버리는 치명적 망각을 겪지 않고 과거의 경험 위에 새로운 표정을 차곡차곡 쌓아 올리는 것입니다. 마하르잔 박사는 기술이 일상에 진정으로 스며들려면 감정을 이해해야 한다며, 단순히 계산만 하는 인공지능이 아니라 사람과 연결되는 인공지능을 만드는 것이 목표라고 설명했습니다.

왜 중요한가

우리는 이 접근법이 돌봄 로봇과 반려 로봇 분야의 오랜 숙제를 풀 중요한 열쇠라고 봅니다.

사용자 입장에서 로봇이 진정한 반려 기기가 되려면 매뉴얼대로 반응하는 것을 넘어 가족 개개인의 고유한 표정 변화를 점진적으로 학습할 수 있어야 합니다. 매번 초기화되는 기계가 아니라, 나와 시간을 보내며 내 표정을 점점 더 깊이 알아채는 로봇이라야 감정적 유대감이 생길 수 있습니다.

산업 측면에서도 효율성과 프라이버시 문제를 동시에 덜어낼 수 있습니다. 새로운 환경에 적응할 때마다 클라우드로 얼굴 데이터를 보내 모델을 처음부터 다시 학습시키는 방식은 비용도 막대하고 사생활 침해 우려도 큽니다. 기기 자체에서 지속적으로 특징을 전이하며 배울 수 있다면 상용화 속도는 훨씬 빨라질 것입니다.

다만 장기간 점진적 학습이 누적될 때 발생할 수 있는 표정 해석의 왜곡이나 특정 습관에 대한 과적합을 어떻게 안정적으로 제어할지가 향후 상용화 단계의 관건이 될 것으로 보입니다.