WEBZINE

지난해 11월부터 12월까지 AI와 게임 등 SW 인재를 발굴하기 위해 SM 경진대회가 개최됐다. 이 대회에서는 출품작과 그에 대한 의견이 공유될 수 있는 앱(최고의 상명)이 설치돼 학생들의 아이디어가 빛나는 다양한 작품이 전시되고, 의견이 공유됐다.

특히 이 대회의 여러 부문 중 인공지능 기술이 적용된 SW 아이디어와 성과를 선보인 <AI 부문>에서는 사회의 다양한 분야의 문제를 해결하기 위한 학생들의 톡톡 튀는 아이디어들이 제시됐다. 

그 중, 대상을 차지한 두 학생의 아이디어가 눈길을 끌었다. 컴퓨터과학과 15학번 김주환, 송재우로 구성된 119NER 팀은 119 신고접수 과정에서 신고의 정확도를 높여 빠른 출동 시간 확보를 위한 새로운 서비스를 제안했다.

119에 신고 시 피해장소, 인원, 유형 등에 대한 정확한 정보를 제공해야 신속한 구조와 구급, 진화 등이 가능한데, 일반전화(집 전화, 공중전화)로 신고하는 경우 신고자의 위치가 119 지리정보시스템에 표시돼 위치 파악 및 출동이 빠르게 이뤄진다. 그러나 휴대전화로 신고하는 경우 이동전화의 기지국 단위로만 표시되기 때문에 기지국의 밀집도에 따라 정확한 위치 파악이 어려울 수 있다. 

신고자가 정확한 위치정보를 전달해야 골든타임 내에 신속하게 소방대원이 현장에 도착할 수 있는데, 119 신고 접수과정의 대부분이 수동 기록되어 파악되며, GPS(위성위치확인시스템) 역시 정확하지 않다는 점을 발견한 학생들은 단 1분, 1초라도 줄이는 것이 상당히 큰 의미를 가질 수 있다고 판단했다. 

이러한 문제점을 보완하기 위해 학생들은 ‘언어 모델 기반 개체명 인식 기술을 이용한, 119 신고 도움 서비스’를 제안했다. 

이는 신고자의 음성을 통해 전달되는 내용이 출동을 위해 필요한 정보로 요약‧정리되어 소방대원에게 전달되는 서비스다.

과정은 크게 두 부분으로 나누어 설명할 수 있는데, Open API(application programming interface)를 사용해 신고자의 음성데이터를 음성인식 서버로 전달해 텍스트화하고, 이를 학생들이 개발한 ‘119NER 모델’을 통과하면서 모델 output의 규칙을 기반으로 요약‧정리한 후 신고 내용을 문서화한다.

<사진> 동작 과정 요약. 출처 : 최고의상명

119NER 모델은 ‘개체명 인식(Named-entity recognition)’을 기반으로 하며, 이는 미리 정의해 둔 사람, 회사, 장소 등 해당하는 단어(개체명)를 문서에서 인식해 추출 분류하는 기법이다. 학생들은 ‘피해 유형’을 함께 인식(NER)해 정보를 추출할 수 있도록 했고, 이는 약 92%의 정확도를 보인다.

학생들이 개발한 이 시스템은 119 신고부터 출동까지의 전 과정에서 정확한 정보 파악과 신속한 출동 명령이 가능할 것으로 보이며, 119 신고뿐만 아니라 긴급성을 요구하는 다른 분야에도 적용이 가능할 것으로 기대된다.

두 학생은 지난봄 과학기술정보통신부와 한국정보화진흥원, KT가 주관하는 ‘포스트 코로나 AI 챌린지’ 공모전에서 ‘KOMO(Keep On Mask On) 서비스’를 개발해 최우수상을 받았다. 

카메라를 통해 사람의 얼굴을 인식하고 마스크 착용 유‧무를 판단해 마스크 착용을 요청하거나 관리자에게 알림을 보내는 등의 기능을 하는 서비스로 코로나19가 장기화하면서 이제는 대형 건물 출입구마다 ‘체온측정 및 마스크 착용 여부를 판단하는 기계’가 도입되어 있지만, 코로나19 확산 초기였던 당시만 해도 상당히 획기적인 아이디어였다.

평소 새로운 서비스나 아이디어를 생각하는 것을 좋아하고 이와 관련된 최신 IT기술이나 전공 지식을 접목해 현실화 시키는 것에 관심이 많다고 밝힌 두 학생은 앞으로도 ‘119NER모델’의 정확도를 높이고, 다양한 피해 유형을 인식할 수 있도록 계속해서 보완해 나가겠다고 말했다.

<사진> 왼쪽부터 송재우, 김주환 학생