'IT/BigData'에 해당되는 글 5건

  1. 페이스북이 빅데이터 교육을 전 직원에 실시하는 까닭 (7)
  2. '빅데이터', 마케팅 용어에 불과하다? (25)
  3. 빅데이터 혁명 (3) - 감정 기술 (Emotion Technology) (6)

 빅데이터가 본격적으로 활용되면서 도입하는 기업도 늘었지만, 여전히 빅데이터가 무엇인지 감을 못 잡은 기업도 셀 수 없이 많습니다. 빅데이터로 이익이 창출되고 있음에도 아직 생소한 것인데, 기업들이 빅데이터를 적극 활용하는 것에서 가장 큰 어려움을 느끼는 부분이 직원들의 전반적인 '빅데이터에 대한 지식 부족'입니다.





페이스북, 빅데이터 강화하는 까닭


 컴퓨터 공학을 전공했다면 빅데이터를 쉽게 이해할 것 같지만, 여전히 IT 전문가들 사이에서도 어려운 주제가 빅데이터입니다. 어떤 데이터를 얼마나, 그리고 어떻게 활용해 무엇을 개발해 이익을 창출할지의 고민은 어렵기만 합니다. 더군다나 기업이 적극 빅데이터를 활용하지 않을 때는 개발자의 힘만으로 빅데이터 문제를 해결하기가 쉽지 않습니다. 상호 간 유기적일 필요가 있는 것입니다.




부트캠프



 FORTUNE은 '페이스북이 본사 엔지니어에게만 실시했던 빅 데이터 툴 교육에 초점을 맞춘 6주간의 훈련 프로그램을 확대해 5,000명 전 직원에 2주 집중 코스로 운영하기로 했다'고 보도했습니다. 페이스북의 애널리스틱 책임자 켄 루딘(Ken Rudin)은 '우리는 모든 직원이 데이터를 감각적으로 활용할 수 있는 기본은 갖춘 사람을 원한다'면서, '그럼 몇 명의 분석팀이 데이터를 활용하는데 병목현상을 겪지 않을 것'이라고 얘기했습니다. 페이스북은 현재 약 100명의 분석팀을 운영하며, 외부 전문가를 영입하고는 있지만 전 직원이 빅데이터의 접근이 수월해야 전체적인 업무가 유연해질 수 있다는 것입니다. 루딘은 이어 '빅데이터의 분석툴이 중요한 것이 아니라 올바른 사고가 중요하다'며, '모든 직원이 데이터를 자신들의 작업 일부로서 중요한 요소임을 느낄 수 있는 문화를 만들어야 한다'고 강조했습니다.


 페이스북은 하루에 500TB 이상의 데이터를 생산하고 있으며, 페이스북 하둡은 100PB 이상의 정보가 처리됩니다. 105TB의 정보가 30분마다 스캔되고 있으며, 이러한 데이터베이스를 통해 하루에 7만 쿼리들이 실행됩니다. 매달 300억 개의 페이스북 메세지, 하루에 페이스북으로 유통되는 유튜브 동영상의 분량만 5백 년을 봐야 하는 수준입니다. 11억 1천만 명이 만들어내는 이 어마어마한 데이터를 제대로 활용하는 것은 페이스북의 비즈니스 역량을 가장 탄탄하게 할 핵심입니다.


 시장조사기관 eMarketer은 보고서를 통해 페이스북이 올해 13% 모바일 광고 점유율을 기록할 것으로 예상했습니다. 지난해 점유율인 5.3%에 비해 두 배 이상 상승할 것이라는 예상인데, 이 광고 매출에 지대한 영향을 미치는 것 또한 빅데이터입니다. 비즈니스 모델을 성장시키기 위해 빅데이터를 강화하는 것은 필수 조건입니다.




페이스북



 필수 조건인 것은 알겠는데, 왜 분석팀 외 모든 직원에 빅데이터 교육을 실시하는 것일까요?


 페이스북이 원래 6주간의 본사 엔지니어를 대상으로 교육을 했던 것은 분석팀의 분석만 듣고 그것을 개발에 활용하라는 것이 아니라 데이터 활용에 개발자들이 참여할 수 있도록 하여 분석 툴을 이해하고, 이를 활용한 소프트웨어 개발에 임할 수 있게 하기 위해서입니다. 마치 기획자에게 프로그래밍을 교육하고, 프로그래머에게 인터페이스 디자인을 교육하는 것과 마찬가지입니다.


 페이스북은 지난 1월, '그래프 검색'이라는 검색 서비스를 공개했는데, 이 또한 빅데이터의 분석을 통해 검색 조건을 추려내고, 알고리즘을 통해 검색 결과를 도출해낼 수 있도록 개발되었습니다. 그냥 단순히 검색 단어만 가지고 검색하는 것이 아니라 페이스북의 전체적인 데이터를 활용할 수 있는 검색 서비스를 내놓은 것입니다. 이런 데이터를 활용한 서비스를 계속 개발하고, 서로 간의 데이터 활용이 효율적으로 연결되기 위해선 전체 엔지니어들이 빅데이터의 개념을 인지할 필요가 있다고 페이스북은 판단한 것입니다.


 그리고 이번 교육은 엔지니어들뿐 아니라 마케팅, 기획, 서비스, 관리 등 모든 부서를 아우르는데, 데이터를 업무에 활용해 마케팅을 구성하고, 기획하고, 서비스를 제공하며, 관리할 수 있는 시스템을 만들어 굳이 분석팀에서 데이터가 이렇다저렇다 할 필요없이 유기적이고 적극적으로 접근하는 활로를 열어 분석된 데이터를 낭비 없이 업무에 사용할 수 있도록 하자는 생각입니다.


 분석팀이 아무리 수많은 데이터를 분석하고 자료를 내놓아도 이를 각 부서가 활용하지 못한다면 분석하는 수고를 낭비하는 것밖에 되지 않습니다. 페이스북은 그럴 바엔 전 직원을 대상으로 빅데이터 교육을 실시하고, 빅데이터 활용을 통한 이익 증대를 전 직원으로 확대화하는 방안을 마련한 것입니다.




빅데이터


 표면만 보면 '아, 페이스북이 빅데이터 시대를 맞아 저런 정책을 펼치는구나'로 인식할 수 있지만, 확대해보면 '기업들이 빅데이터 분석을 도입하면서 이 데이터를 낭비 없이 사용하고 싶어하고, 직원들에게 빅데이터에 대한 기초적인 재량을 요구한다'는 것입니다. 애초 이런 요구는 분석팀이나 IT 부서에서나 나타나는 것이었는데, 전 직원을 대상으로 해야 한다는 것을 페이스북이 제시하고 나선 것입니다.

 빅데이터 분석을 하라는 것이 아니라 하다못해 빅데이터의 개념을 한 줄이라도 알고 있길 바라는 것이고, 그것이 기업의 전반적인 업무에 활용되길 바라기 시작한 것입니다.


 실제 빅데이터 분석을 하고는 있지만, 대부분의 부서가 이를 활용하는 방법을 이해하지 못하고 있으며, 데이터를 토대로 한 예상이 아니라 데이터만 가지고 그래프를 그리는 수준에 지나지 않아 애를 먹고 있습니다. 그렇다고 해서 IT 부서들이 빅데이터를 적극 활용하고 있는가 하면, 그렇지도 못하기 때문에 페이스북의 이번 빅데이터 교육 정책은 상당히 전진해 있으며, 빅데이터를 활용하고자 하는 기업이 어떤 인재들을 필요로 해야 하는지를 간접적으로 제시하고 있습니다.


 루딘은 끝으로 이렇게 얘기합니다. '모두 분석을 수행해야 한다!'

저작자 표시 비영리 변경 금지
신고

이름이란 매우 중요합니다. 어떤 이름으로 어떻게 불리느냐에 따라 성공하기도, 실패하기도 하는 일이 발생하기도 하죠. 특히나 기술시장에서는 어떤 이름을 사용하느냐에 따라 사용자들이 어렵게 느낄 수도, 쉽게 느낄 수도 있기 때문에 신경을 많이 쓰기 마련입니다. 간혹 이전부터 있었던 기술에 대해 새로운 이름을 붙여 새로운 기술인 것처럼 포장하는 마케팅으로 묻혔던 기술을 다시 끄집어 올리기도 하죠.





'빅데이터', 마케팅 용어에 불과하다?


 '빅데이터'는 새로운 시장으로 주목받고 있긴 하지만, 오래전부터 사용되어 온 기술입니다. 이미 많은 데이터들을 분석하여 업무에 사용하고 있었으며, 회사 운영에도 활용했었습니다. 하지만 갑작스레 빅데이터가 주목받으면서 많은 회사들이 '빅데이터라는 것이 대체 어떤 새로운 데이터를 분석하라는 것인지 모르겠다'라는 반응이 많이 보입니다. 기존에 분석하던걸 빅데이터라는 용어로 인해 어떻게 새로 하라는거냐 하는 혼란이 발생했기 때문입니다. 결과적으로 이런 혼란은 금새 잦아들었고, '용어만 새로 바뀐거네'라는 인식이 강해졌습니다.

 과연 빅데이터는 기존 기술의 마케팅 용어에 불과한 것일까요?




과거와 지금의 빅데이터




 가장 대표적인 예를 들어봅시다. '일기예보'입니다. 우리는 날씨 정보를 얻기 위해 고대부터 정보를 수집하고 분석해왔습니다. 고대의 날씨 정보는 대부분인 농업과 관련되거나 뱃길을 알아내는데 사용되어 왔습니다. 현재 디지털화 된 데이터 분석과는 방법이 다르긴 하지만, 형태 자체는 빅데이터에 걸맞습니다. 중요한건 그 당시에는 빅데이터라는 용어가 없었다는 사실입니다.

 이런 기상정보는 기술의 발달로 인해 더 정확한 예측이 가능해졌으며, 미디어의 발전으로 유통할 수 있는 경로가 생겼습니다. 기상청이 분석 솔루션이라면 사용처는 일기예보를 미디어로 접한 대중이 되는 것입니다. 현재에 와서 이 정보는 빅데이터라는 이름으로 재탄생하게 됩니다. 그렇다면 대체 무엇이 바뀐 것일까요? 여전히 일기예보를 보고 그에 맞춰 우산을 챙기거나 아이젠을 착용합니다. 분석 된 데이터를 사용해오고 있던 것입니다.


 파리바게뜨는 '날씨지수'라는 데이터 분석 시스템을 지난해 6월 도입했습니다. 5년 동안 169개 지역의 날씨 정보와 매출 변화를 분석하여 지수로 구성한 것입니다. 이 날씨지수를 이용해 각 지점들은 어떤 품목이 더 많이 팔릴 것인지 추천 받을 수 있고, 그에 따라 재료 발주를 조절하도록 예상 수치를 보여줍니다. 실제 한달간 피자빵을 대상으로 테스트를 한 결과 전년 동기보다 판매량이 30% 늘어난 것으로 나타남으로써 전 지점을 대상으로 날씨지수 시스템을 적극적으로 도입하고 있습니다.


 과거에는 '비가 오니 우산을 챙겨야지' 정도의 활용이었다면, 지금은 '피자빵에 사용 할 소시지를 125개 주문 할 것'과 같이 세세하고 좀 더 범위가 늘어난 형태가 되었습니다. 기술이 발전함에 따라 정확도의 차이가 발생하겠지만, 분명 달라진 점입니다. 이 분석 솔루션이 상품화 되었고, 그에 따라 만들어진 용어가 '빅데이터'인 것입니다. 단순히 기존 기술에 마케팅용어로써 이름만 가져다 붙힌 것이 아니라 데이터 분석 범위 전체를 아우를 수 있는 이름으로써 날씨라는 정보를 어떻게 사용할지에 대한 기술적 정의가 생긴 것입니다. 이것이 물건을 파는 것에만 활용될까요?


 삼성전자의 경우 빅데이터 기술을 적극적으로 활용하기로 했습니다. 삼성전자는 빅데이터 시스템을 구축하기 위해 착수했으며, 지난 23일 빅데이터 관련 기업들과 설명회를 가졌습니다. 삼성이 빅데이터를 업무에 어떻게 활용할지에 대해서는 아직 밝혀진 바는 없지만, 설비에 오류가 발생하는 시점을 판단하거나 반도체 수율을 끌어올리 수 있는 날씨를 파악해 생산성을 높힐 것이라는게 전문가들의 의견입니다. 단순히 데이터를 수집하던 것이 기존에 있었던 것이라면 빅데이터라는 용어를 사용하게 됨에 따라 이 정보를 어떻게 새로운 방식으로 사용할지에 대한 연구와 활용도가 높아지고 있는 것입니다.




용어와 기술의 변화




 빅데이터가 단순히 기존 기술을 새로이 포장해 판매하기만을 위한 마케팅 용어에 불과한 것이 아니라, 빅데이터라는 용어가 사용되기 시작하면서 기존에 수집해왔던 데이터들이지만 이를 어떤식으로 활용하고 상품화 할지에 대한 연구가 더 활발해지고 기업들이 이를 채용하려는 관심도가 높아졌습니다. 마케팅이라는 부분도 동반하면서 기술적 향상도 함께 가져온 것입니다.


 마치 과거 태블릿PC가 긱들의 전유물이었다면 현재에 와서는 대중들에게도 익숙한 제품이 되었고 다양하게 급속도록 발전했듯이, 빅데이터라는 용어가 활용되게 됨에 따라서 붙는 시너지로 인해 새 분석 도구와 분석 결과, 그로 인한 상품화, 경쟁과 연구로 기존 기술이 새로운 과도기를 맞이하게 되었습니다. 이것이 빅데이터가 단순히 마케팅 용어가 아닌 이유입니다.


 누군가는 '결과적으로 팔기 위해서 빅데이터란 용어를 쓰기 시작한거잔아?'라고 되물을지도 모르겠지만, 그와 달리 빅데이터라는 용어가 생겨나고 이것이 신흥 시장으로 주목받기 시작하자 뛰어든 업체나 사람들이 늘어나게 되면서 금새 정착되어 현재처럼 빅데이터라는 용어를 자연스럽게 사용하도록 변화한 것입니다.




빅데이터




 많은 사람들과 회사들은 여전히 빅데이터에 대해 회의적입니다. 전혀 변화한 것이 없다는 것입니다. 필자는 그들이 빅데이터의 활용에 대해 얼만큼 생각하고 검토해보았는가에 대해 묻습니다. 이제 빅데이터에 첫발을 들인 삼성은 그 이전 아무런 데이터 분석을 하고 있지 않았을까요? 분명 많은 데이터를 축적하고 활용해왔을 것이며, 이번에 빅데이터를 활용하겠다고 하는 것은 좀 더 검토해보고 활용방안을 마련하여 업무를 좀 더 나은 쪽으로 발전시켜 보겠다는 생각에서 나온, 변화를 인정한 모습입니다.


 대한상공회의소가 국내 300개 기업을 대상으로 조사한 결과, '기상 정보를 경영에 활용하고 있다고 답한 기업이 50.5%', '활용 할 계획이라고 답한 기업이 5.3%', '그럴 계획이 없다고 답한 기업이 44.2%'로 나타났습니다. 활용하고 있다는 그룹 중에서도 '기상청의 일기예보를 확인하는 수준이 89.9%'으로 '재고관리 시세틈을 갖추고 있다고 답한 기업이 6.9%'에 불과했습니다.


 대개의 기업들이 기존의 데이터 활용방식을 크게 벗어나지 못했다는 것입니다. 분명한 점은 빅데이터 솔루션을 활용한 기업의 매출과 판매량이 늘었다는 사실이며, 기존의 활용방식에 안주해 있을 때 얼만큼 도태될 수 있는지를 잘 증명하고 있습니다. 빅데이터에 대한 시선은 이제 데이터의 활용이 변화했고 변화하고 있다는 것을 인지하는 것에서 부터 시작됩니다. '기존부터 빅데이터를 활용해왔다?', '기존 기술에 빅데이터라는 용어를 포장했을 뿐이다?', 필자는 반대로 '기존의 데이터 활용 방식의 포장지만 빅데이터라고 착각하는 것이다'고 얘기합니다. 빅데이터라는 용어가 사용됨에 따라 분석 기술과 범위를 확실히 광범위해졌습니다. 포장지만 바뀌었다고 생각한다면, 그것은 변화에 대한 굉장한 착각이며 빅데이터가 본격적으로 시장에 접목되기 시작하면서 이를 바라보는 시각도 회의적인 것이 아닌 적극적인 것으로 바뀌어야 할 때라고 봅니다.

 단지 기존의 것에 대한 새로운 변화의 고민이 이제 막 시작되었을 뿐입니다.



저작자 표시 비영리 변경 금지
신고

 기계가 감정을 읽거나 가질 것이라는 상상은 오래 전부터 상상해왔던 일입니다. 상상한 일을 현실화시키는 노력 또한 긴 세월 진행되었습니다. 지금에 와서는 '빅데이터' 분석 기술 덕분에 아마 감정 기술도 상용화의 길을 맞이하게 되었습니다.

 앞서 설명드린 '뇌파 컴퓨팅'과 '의료 기술'보다는 상용화가 길어질 것으로 보이지만, 그렇게 긴 세월이 걸리지도 않을 모양입니다.






빅데이터 혁명 (3) - 감정 기술 (Emotion Technology)


 '감정 기술'은 '뇌파 기술'과는 또 다른 분야입니다. 비슷하긴 하지만, 활용방법이나 분석 패턴에서 다른 점을 알 수 있죠.


 우리가 사람에게서 감정을 알아내는 방법은 무엇이 있을까요? 표정을 보거나 억양, 행동 등에서 화가 났는지 기쁜 지를 짐작합니다. 오래보고 지낸 사이라면 패턴을 유추해서 더 정확히 감정을 파악하는 것이 가능하기도 하죠.

 ''표정', '억양', '행동' 등의 데이터의 알고리즘을 머리에서 분석하여 출력한다.'


 현재 인간이 사용하고 있는 감정 데이터의 분석 방법입니다. 이것을 디지털 연산자에게 넘기면 어떨까요?




감정 분석



 위 사진에 나오는 소녀는 그네를 타고 있습니다. 그네 탈 때의 뇌파를 스캔하는 중이죠. '뇌파 컴퓨팅'과 비슷해보이지만 분석 주체가 조금 다릅니다. 뇌파 컴퓨팅은 뇌파로 컴퓨터를 조종하기 위한 분석으로, 예를 들어 물체를 오른쪽으로 옮기거나 왼쪽으로 옮기는 등의 명령 단위를 스캔합니다. 스캔하고 있는 당사자가 직접 명령을 머리 속으로 생각해서 뇌파를 생성시키죠.


 감정을 스캔하는 기술은 그네를 탈 때 '즐겁다' 혹은 '무섭다' 등의 자연스레 형성되어 나타나는 뇌파를 스캔하는 작업입니다. 디지털로 감정을 파악하는데 있어서 가장 크게 작용하는 요소입니다.


 이렇듯 컴퓨터가 감정을 분석하는데는 우리가 감정을 찾아낼 때 사용하는 알고리즘인 '표정', '억양', '행동' 등의 데이터가 아니라 '뇌파' 등의 데이터를 사용하게 됩니다. 뇌파로는 정확하게 감정을 찾아낼 수 없기 때문에 또 다른 알고리즘이 필요하지만 말이죠.


 육안으로 볼 수 있는 부분을 컴퓨터가 캐치하는 기술은 이미 상용화 되어 있습니다. 예를 들어 웃으면 사진이 촬영된다던지 말이죠. 하지만 표정에서는 나타나지 않지만 기쁠 상태일 수 있습니다. 이는 육안으로 분별이 불가능하며, 다른 데이터가 필요하죠. 위의 뇌파를 비롯하여 혈압이나 심박수, 심지어 장기의 움직임도 감정을 분석하는 데이터가 됩니다.

 간단하게 흥분한 상태라면 심박수가 높아지고, 혈압이 상승한다고 인식하고 있습니다. 그런데 이 데이터만 가지고는 컴퓨터가 기뻐서 흥분했는지, 화가나서 흥분했는지 알지 못합니다. 하지만 여기에 뇌파를 더하게 되면 기쁨과 화가남이 좀 더 명확해집니다. 이 데이터를 바탕으로 알고리즘 지도를 만들면 심박수와 혈압만으로도 뇌파 데이터를 대조하여 감정을 읽어낼 수 있도록 하는 것이 가능합니다.


 이렇게 분석하는 기술은 이미 연구되고 있고, 그리 어렵지 않습니다. 다만, 상용화 되기 위해서는 더 큰 기술의 발전을 요구하죠. 일단 사람마다 감정의 굴곡과 거기에 따른 뇌파, 혈압, 심박수가 다르게 나타납니다. 물론 일정 부분 겹치기 때문에 평균을 구할 수는 있지만 개개인이 사용하기에는 정확성이 떨어지게 되죠. 그렇다면 사람마다 데이터를 스캔할 수 있는 도구가 필요하며, 그 자료를 분석해서 데이터로 사용할 수 있도록 만들어 줄 수 있는 솔루션이 필요합니다.


 기술의 발전으로 가능해졌다면 측정하여 분석한 데이터는 평균값과 대조하여 감정을 파악하고, 그것을 통해 일상에서 감정 데이터를 사용할 수 있게 됩니다.




감정 데이터의 사용




 그렇다면 도대체 이 감정 데이터를 어디다가 사용할 수 있는 것일까요? 일상에서 감정의 분석 데이터를 사용한다는데에 굉장한 의문이 있을 것입니다. 로봇이 감정은 이식 받는 정도를 상상할 수도 있지만, 인간이 인간의 감정을 통해 받을 수 있는 기술적 혜택에는 어떤 것이 있을까요?




 

 귀를 통해 건강정보를 알아내려는 노력은 계속 되고 있습니다. 심박수나 혈압말이죠. 귀는 혈관이 가장 잘보이는 부위 중 하나이고, 혈관의 흐름이나 수축정도를 통해 심박수와 혈압을 알아내는 기술은 상용화되어 있습니다. 조만간 귀체온계처럼 조그마한 장치로도 출시가 되겠죠. 이 기술이 이어폰으로 간다면 이어폰을 통해 심박수와 혈압을 알아낼 수 있습니다.


 위의 설명대로 심박수와 혈압이 있다면 뇌파 데이터와의 대조를 통해 감정 데이터를 출력할 수 있습니다. 그렇다면 이어폰이 꽂혀있는 감정데이터를 사용하는 어플리케이션이 탑재 된 MP3플레이어나 스마트폰 등의 디바이스에서 분석한 후 현재 기분에 맞는 음악을 선곡하여 들려줄 수 있죠. 이 기능을 사용하기 위해서는 애플이 아이튠즈에서 제공하고 있는 '지니어스'를 사용하는 것처럼 음악파일에 데이터가 필요한데, 기쁠 때 자주 듣던 곡이나 선호도, 장르, 템포 등의 음악 데이터를 감정 데이터를 통해 분석하여 선곡 리스트를 만들어 들려주는 방식입니다. 복잡해 보이지만 사용자 입장에서는 그냥 가만히 듣기만 하면 되는 문제죠.


 이는 음악 뿐 아니라 다양한 멀티미디어에 응용할 수 있습니다.





 '그렇게 많은 데이터를 뽑아놓고 저런식으로 밖에 사용못해?'라고 생각할 수 있습니다. 그래서 좀 더 깊이 들어가보죠. 청소년의 게임 중독이 심해졌다는 것은 게임이 없던 시절과 비교하면 당영한 일일 것 입니다. 늘어나나 줄어드나 가장 중요한 것은 자녀가 게임 중독인지 아닌지가 되겠죠.

 게임 중독 증상을 보이는 사람들의 경우 공격적인 증세나 흥분정도가 높다는 것은 익히 알고 있습니다. 그러나 가만히 게임하고 있는 사람에게 그렇다고 파악하긴 힘들죠. 그들 모두를 게임 중독자로 몰아넣을 순 없습니다. 스스로 감정을 컨트롤하고 게임을 하고 있으니까요. '감정을 컨트롤한다?', 뭔가 힌트가 되었나요?


 게임을 하고 있을 때 감정 데이터를 사용하여 화가 나거나 공격적인 흥분 상태가 일정 수준을 넘어섰을 경우 게임을 차단하는 것이 가능합니다. 그렇게 되면 그냥 설문지나 추측으로 판별하는 것보다 훨씬 더 정확하게 게임 중독자를 구분할 수 있으며, 애초에 예방하는 것도 가능합니다. 이는 셧다운제 같은 멍청한 법보다도 효율적이며, 성인의 게임 중독 문제도 해결할 수 있는 방안이 될 것입니다.





 그 뿐 아니라 취조 중에도 거짓말 탐지기처럼 많은 장치를 필요로 하지 않고도 감정을 파악하는 것이 가능하며, 정신병원에서 카운셀링을 할 때도 사용하는 것이 가능합니다. 감정의 기복 상태를 데이터화해서 분석할 수 있다면 우울증이나 조울증, 공황장애를 더욱더 정확하게 진료할 수 있게 되겠죠.


 물론 이렇게 감정을 분석할 수 있는 기술이 있다는 것은 이의 악용 사례도 있을 수 있습니다. 대상의 감정을 알 수 있다는 것이니까요. 그렇기 때문에 많은 양의 감정 데이터를 보여주는 것이 아닌 적재적소에서 사용할 수 있도록 만들어야 할 것이며, 클라우드 서버의 보안을 유지할 수 있어야 감정 데이터를 포괄적으로 활용할 수 있게 될 것입니다.


 현재는 기술을 어떻게 사용해야 할지 고민의 단계에 있지만, 결론적으로는 개개인을 스캔할 수 있는 장치와 이 데이터를 전달 할 수 있는 클라우드 서버가 필요할 것 입니다. 그렇게 해야 상용화가 되어 우리가 사용할 수 있게 되겠죠. 먼 미래의 일 같지만 발전은 계속 되고 있고, 적어도 이번 세대 안에는 사용해 볼 수 있지 않을까 기대되는 기술이 바로 '감정 기술'입니다.






저작자 표시 비영리 변경 금지
신고