데이터 라벨링
갓난아기에게 사물 그림책을 보여주며 '이건 사과야, 이건 바나나야' 하고 이름을 붙여주는 일이에요.
정의 인공지능(AI)이 스스로 공부할 수 있도록 사진, 동영상, 음성, 문자 같은 원본 데이터에 사람이 직접 '이것이 무엇인지' 설명과 정답표(라벨)를 달아주는 작업이에요.
AI에게 친절한 정답지를 만들어주는 과정
어린아이에게 세상의 사물을 가르칠 때를 떠올려 보세요. 사과 사진을 보여주며 "이건 사과야"라고 말해주고, 강아지 사진을 보며 "이건 멍멍이야"라고 차근차근 알려주죠. 이렇게 수많은 사진과 이름을 짝지어 보여주면 아이는 점차 새로운 사과나 강아지를 보아도 스스로 무엇인지 알아차려요.
컴퓨터 프로그램도 완전히 똑같은 방식으로 배워요. 인공지능은 아무런 설명 없는 사진을 보면 그것이 고양이인지 자동차인지 스스로 알아채지 못해요. 컴퓨터 입장에서 사진은 그저 수많은 픽셀과 색상 숫자의 무의미한 나열일 뿐이거든요.
그래서 사람이 사진 속 고양이 주변에 네모 테두리(바운딩 박스)를 치고 '고양이'라는 꼬리표를 직접 달아줘요. 이렇게 데이터마다 올바른 이름표를 붙여주는 작업을 데이터 라벨링이라고 불러요. 인공지능에게 세상에서 가장 친절한 문제집과 정답지를 만들어주는 셈이에요.
사진부터 목소리까지, 다양한 라벨링
라벨링은 단순히 사진에 네모 상자를 그리는 작업에만 머물지 않아요. 자율주행차가 스스로 운전하게 만들려면 도로, 인도, 보행자, 신호등을 픽셀 단위로 꼼꼼하게 색칠해서 구분해 주는 고난도 이미지 분할 작업이 필요해요.
글이나 목소리 데이터를 다룰 때도 라벨링이 쓰여요. 고객 상담 인공지능을 만들 때는 사용자가 남긴 문장이 칭찬인지 불만인지 사람이 하나하나 읽고 '감정 태그'를 달아요. 음성 인식 인공지능을 훈련할 때는 녹음된 사람의 목소리를 귀로 듣고 글자로 정확히 받아 적는 작업이 들어가죠.
결국 우리가 일상에서 편리하게 쓰는 최신 기술의 뒤편에는 수많은 사람의 꼼꼼한 정성이 숨어 있어요. 데이터에 붙은 이름표가 정확해야 인공지능도 엉뚱한 실수를 하지 않고 똑똑해지기 때문이에요.
조금 더 정확히 말하면: 정답이 있는 학습과 없는 학습
조금 더 정확히 말하면, 모든 인공지능 학습에 사람이 손수 라벨을 붙여야 하는 것은 아니에요. 라벨이 붙은 데이터를 사용해 정답을 맞히도록 훈련하는 방식을 지도학습(Supervised Learning)이라고 불러요.
반면 정답 라벨 없이 컴퓨터 스스로 데이터의 숨은 규칙이나 비슷한 묶음을 찾아내는 비지도학습도 있어요. 최근에는 인공지능이 1차로 라벨을 달고 사람은 검수만 하거나, 컴퓨터가 스스로 데이터를 만들어내는 기술도 빠르게 발전하고 있죠.
하지만 복잡한 문제를 척척 해결하는 인공지능을 만들려면 여전히 정교하고 깨끗한 라벨 데이터가 가장 중요해요. 데이터에 잘못된 정답표가 붙으면 인공지능도 잘못된 판단을 배우는 '가비지 인, 가비지 아웃(쓰레기를 넣으면 쓰레기가 나온다)' 법칙이 철저하게 작용하거든요.
🤔 흔한 오해
인공지능은 데이터만 대량으로 넣어주면 사람이 손대지 않아도 스스로 모든 것을 완벽하게 배운다.
인공지능이 '무엇이 정답인지' 이해하려면 사람이 일일이 라벨을 달아준 고품질의 훈련 데이터가 반드시 필요해요.
🧺 일상에서 만나요
인공지능이 스스로 공부할 수 있도록 원본 데이터에 정답표(라벨)를 달아주는 기초 작업이에요.