모든 언어로, 모두를 위한 AI

오늘날 구글의 기술과 제품은 전 세계 인구의 86%에 해당하는 70억 명 이상이 사용하는 300개 이상의 언어로 이뤄지는 일상적인 소통을 지원하고 있습니다. 이는 의미 있는 성과이지만, 동시에 구글의 미션을 실현하기 위해 무엇이 중요한 과제인지도 보여줍니다. 지난 수십 년간 기술은 소수의 주요 언어를 중심으로 최적화되어 왔으며, 그 결과 수천 개의 언어와 방언은 디지털 세상에서 제대로 다뤄지지 못하거나 아예 포함되지 않았습니다.

구글이 2006년 ‘구글 번역(Google Translate)’을 처음 선보였을 때 구글의 목표는 단 하나, 바로 언어의 장벽을 허무는 것이었습니다. 이후 AI 기술 발전을 바탕으로 구글 번역이 지원하는 언어는 초창기 불과 몇 개에서 현재 250개 이상으로 확대됐습니다. 하지만 단순히 번역하는 것만으로는 부족합니다. 기술은 사람들이 현실에서 실제로 어떻게 소통하는지 이해해야 합니다. 그렇기에 구글은 문화적 뉘앙스와 언어의 풍부한 맥락을 존중하는 시스템을 구축하는데 연구 개발 역량을 집중하고 있습니다. 세상 모든 이들이 각자의 언어와 방식으로 참여하고 이해받을 수 있도록 돕기 위해서입니다.

이러한 노력이 실제로 어떻게 구현되고 있는지 소개합니다.

텍스트를 넘어 진정한 이해로

기존의 음성 인식 시스템은 음성을 텍스트로 변환하고, 그 텍스트를 처리한 뒤 다시 음성으로 합성하는 정형화된 다단계 방식을 사용했습니다. 이러한 방식도 기능적으로는 문제가 없지만, 어조와 속도, 감정, 맥락 등 인간 소통의 가장 핵심적인 요소들은 충분히 반영되지 못하게 마련입니다.

사람들은 문법에 맞는 완벽한 문장으로만 말하지 않습니다. 대화 도중 웃기도 하고, 서로의 말이 겹치기도 하며, 머뭇거리기도 합니다. ‘스팽글리시(Spanglish)’나 ‘힝글리시(Hinglish)’처럼 한 문장 안에서 여러 언어를 자연스럽게 섞어 쓰기도 합니다.

이러한 언어의 특성을 포착하기 위해 구글은 텍스트로 변환된 음성을 처리하는 방식을 넘어, 오디오를 있는 그대로 직접 처리하면서 소리와 의도를 함께 이해하는 '네이티브 오디오 인텔리전스(native audio intelligence)' 기술을 도입했습니다. 제미나이와 같은 모델 역시 오디오를 있는 그대로 처리함으로써 음성과 말의 의도를 동시에 파악하도록 했습니다. 대표적인 성과는 다음과 같습니다.

• 자연스러운 실시간 대화 도구: 현재 ‘제미나이 3.5 라이브 트랜슬레이트(Gemini 3.5 Live Translate)’는 70개 언어 및 2,000개 이상의 언어 조합에 대해 실시간 음성 번역을 제공하며, 대화 중 자연스럽게 일어나는 언어 전환인 코드 스위칭(code-switching)과 감정선까지 섬세하게 반영합니다.
• 제미나이 3.5 트랜스크라이브는 현재까지 구글이 개발한 가장 정교한 음성-텍스트 변환 모델로, 주변 소음이 심하거나 복잡한 전문 용어가 포함된 경우에도 음성을 매끄럽게 다듬어 정확하고 형식을 갖춘 텍스트로 변환합니다. 또한 안드로이드 ‘지보드(Gboard)’의 ‘램블러(Rambler)’기능에도 탑재되어 불필요한 추임새를 정리하고 문법과 문장 부호를 교정하며, 음성 명령을 통한 텍스트 편집과 원활한 언어 전환을 지원합니다.
• ‘1,000개 언어 이니셔티브(1,000 Languages Initiative)’: AI는 언어의 장벽을 전례 없는 규모로 허물고 있습니다. 하지만 더 많은 사람들에게 자신이 선호하는 언어로 서비스를 제공하기 위해서는 현재 AI 성능이 가장 뛰어난 일부 주요 언어를 넘어 지원 범위를 확대해야 합니다. 구글은 전 세계에서 가장 많이 사용되는 1,000개 언어를 지원하는 것을 목표로 하고 있습니다. 이를 위해 1,200만 시간의 오디오 데이터로 학습된 구글의 ‘유니버설 스피치 모델(Universal Speech Model, USM)’은 ‘교차 언어 전이 학습(cross-lingual transfer learning)’ 기법을 도입했습니다. 이 기법은 모델이 데이터가 풍부한 언어에서 학습한 패턴을 데이터가 부족한 언어에 적용함으로써, 하위 자원 언어의 음성 인식 성능을 크게 향상시켰습니다.
• 엄격하고 철저한 기초 연구: 이 연구는 25년에 걸친 공개 연구와 400편 이상의 동료 평가(peer-reviewed) 논문을 바탕으로 이루어졌으며, 음성 기술의 한계를 넓히고 AI 음성 모델을 발전시키는 데 기여해 왔습니다.

언어 데이터의 중심에 지역사회를 두다

웹상의 데이터가 일부 주요 언어에 편중되어 있는 만큼, AI가 상대적으로 소외된 언어를 이해하도록 학습시키기 위해서는 데이터 수집 방식 자체를 전환해야 했습니다. 구글이 찾은 해답은 현지 지역사회와의 협력이었습니다. 이러한 현지 중심의 접근법은 구글이 추진해 온 가장 큰 규모의 오픈 데이터 파트너십 가운데 세 가지로 이어졌습니다.

• ‘와할(WAXAL, 월로프어로 ‘말하기’를 뜻하며 ‘와할’로 발음)’ : 마케레레 대학교(Makerere University), 디지털 우무간다(Digital Umuganda) 등의 파트너와 함께 구축한 대규모 오픈 음성 데이터셋으로, 사하라 이남 아프리카 26개국 이상에서 1억 명 이상이 사용하는 27개 언어를 아우르며, 기존 데이터셋에서 다루기 어려웠던 성조의 변화와 대화의 리듬까지 충실히 담아냈습니다.
• ‘프로젝트 바니(Project Vaani)’: 구글은 인도과학연구소(IISc), 바시니(Bhashini)와 협력해 단순 언어 구분이 아닌, 지역 거점을 기준으로 인도의 언어 다양성을 파악하고 있습니다. 이러한 방식을 통해 현재까지 15만 5천 명 이상의 화자로부터 109개 언어, 3만 시간 이상의 음성 데이터를 수집했습니다.
• ‘앰플리파이 이니셔티브(Amplify Initiative)’: 구글은 브라질의 UFMG, 인도 IIT 카라그푸르, 우간다 마케레레 대학교를 비롯해 4개 대륙의 20개 대학 및 1,600명 이상의 현지 전문가와 협력했습니다. 이를 통해 지역 특유의 문화적 맥락이 담긴 1만 5천 건의 멀티모달 데이터를 구축하는 데 기여했습니다.

또한, 구글은 오픈 소스 언어 기술 혁신을 중시한 노력의 연장선에서 새로운 도구인 '랭귀지 익스플로러(Language Explorer)'도 개발하고 있습니다. 랭귀지 익스플로러는 세계 최대 규모의 오픈소스 언어 데이터 저장소인 ‘링구아메타(LinguaMeta)’를 시각화한 패스트 컴퍼니(Fast Company)로부터 디자인 혁신을 인정받았으며, 전 세계 7,000개 이상의 구어, 문어 및 수어를 지속적으로 매핑하고 있습니다.

이러한 기술 혁신과 파트너십은 새로운 데이터와 인사이트를 지역사회의 의미있는 변화로 이어갈 수 있는 이들에 전달될 때 가장 큰 의미를 갖습니다. ‘구글닷오알지(Google.org)’가 지원하는 '디지털 언어 포용 센터(Centre for Digital Language Inclusion)'와 AI 싱가포르(AI Singapore)의 '프로젝트 아쿠아리움(Project Aquarium)' 등의 활동은 전 세계 농업 종사자, 의료 종사자, 교육자 등 지역 사회에서 필수적인 역할을 하는 사람들이 다국어 지원 도구를 활용하도록 돕고 있습니다.

현실의 제약을 넘어

전 세계 30억 명 이상의 사람들은 여전히 안정적인 인터넷 환경을 누리지 못하고 있습니다. 누구나 이용할 수 있는 기술이 되기 위해서는 인터넷 연결이 제한적이거나 불안정한 지역에서도 제대로 작동해야 합니다.

이러한 문제를 해결하는 데 도움을 주기 위해 구글은 제미나이 기반의 경량 오픈 번역 모델인 '트랜슬레이트젬마(TranslateGemma)'를 개발했습니다. 55개 언어를 지원하는 트랜슬레이트젬마는 온디바이스(On-device)에서 효율적으로 작동하여 클라우드나 인터넷 연결 없이도 고품질 번역을 제공합니다.

한편, 고성능 AI 모델을 구동하기 위해서는 여전히 일정 수준 이상의 하드웨어 성능이 필요합니다. 하지만 디지털 인프라가 제한적인 지역에서 여전히 피처폰을 사용하는 수억 명의 인구는 이러한 기술을 이용하기가 어렵습니다. 구글은 이 디지털 격차를 줄이고자 비아모(Viamo)와 같은 단체를 지원하여 'Ask Viamo Anything(AVA)' 서비스를 제공하고 있습니다. AVA는 일반 피처폰에서도 제미나이의 기능을 이용할 수 있게 돕는 음성 AI 서비스입니다. 비아모는 르완다에서 기존 IVR 이용자들을 대상으로 성공적인 시범 운영을 마쳤으며, 현재까지 이 서비스를 통해 제미나이는 200만 건 이상의 질문에 답변했습니다.

접근성을 고려한 설계

언어는 지역 방언이나 어휘에 국한되지 않습니다. 사람이 의사소통하는 다양한 방식도 언어의 중요한 일부입니다. 하지만 기존의 음성 도구들은 표준적이지 않은 발화를 제대로 인식하지 못하는 경우가 많아, 기술이 이용자에 맞춰지는 대신 이용자가 기술에 맞춰야 하는 불편함이 있었습니다.

구글은 초기 설계 단계부터 접근성을 최우선으로 고려해 이러한 상황을 바꾸기 위해 노력하고 있습니다. 그 대표적인 예 중 하나가 바로 50개 이상의 수어를 학습한 '수어-텍스트 변환(SL2T)'기술입니다. SL2T는 픽셀 11(Pixel 11)의 ‘라이브 트랜스크라이브(Live Transcribe)’ 기능에서 수어를 텍스트로 변환하는 받아쓰기 기능을 지원하며, 미국 수어(ASL)를 영어 텍스트로 변환하는 기능부터 제공됩니다. 이는 전 세계에서 수어를 주요 의사소통 수단으로 사용하는 전 세계 7,000만 명의 이용자가 구글 기술에 보다 쉽게 접근하도록 하기 위한 뜻깊은 첫걸음입니다.

현지 고유의 발음을 정확하게 구현하기

내비게이션과 같은 일상 도구에서는 세부 요소들이 매우 중요합니다. 내비게이션 앱이 특정 지역이나 도로명을 잘못 발음하면 단순히 혼란을 줄 뿐만 아니라, 해당 지역이 지닌 문화적 유산을 제대로 반영하지 못할 수도 있습니다.

구글은 언어 기술을 개발할 때 문화적 맥락도 반드시 함께 반영되어야 한다고 생각하며, 이를 위해 지역사회와 직접 협력하고 있습니다. 일례로 뉴질랜드에서는 마오리어 전문가들과 협력하여 구글 지도에서 지명을 정확하게 발음하도록 개선하였고, 그 결과 현지 언어 특성을 한층 정확하게 반영할 수 있게 되었습니다. 이처럼 문화적 특성을 충실히 반영한 발음을 음성 합성(TTS) 모델에 적용함으로써, 기술이 서비스를 제공하는 지역사회의 언어와 문화유산을 반영하도록 하고 있습니다.

모두를 위한 언어 기술을 만들기

지난 20년간 AI 언어 기술을 연구하고 개발하며 얻은 가장 핵심적인 교훈 중 하나는 기술이 인간의 다양한 표현 방식을 제한해서는 안 되며, 오히려 이를 확장해야 한다는 점입니다.

현재 구글의 언어 기술은 구글 검색, 안드로이드, 크롬, 유튜브, 구글 플레이를 비롯한 9개 플랫폼의 핵심 생태계 전반에 이미 적용되어 있으며, 50억 명 이상의 이용자들이 서로 연결되도록 돕고 있습니다. 그러나 도달 범위보다 중요한 것은, 언어의 깊이와 풍부함을 이해하는 것입니다. 맥락을 이해하고 문화를 존중하며, 사람들이 소통하는 다양한 방식을 포용하는 시스템을 구축하는 것이 구글이 지향하는 방향입니다.

구글은 앞으로도 AI 활용을 확대해 사회가 직면한 주요 과제들을 해결하는 과정에서 지역사회와 긴밀하게 협력해 나갈 것입니다. 이를 통해 더 많은 사람들이 각자의 방식으로 소통하고 참여하며, 자신의 뜻을 온전히 전달할 수 있도록 돕는 기술을 만들어 나가겠습니다.