선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 동양 국가 중 일본과 한국, 서양 국가 중 미국의 Twitter 메시지들을 분석함으로써 로봇, AI, 안드로이드에 대한 인식 차이를 살펴보고자 하였다. Twitter는 35개국 언어를 지원하여 2016년 기준 전세계 3억 1천만명이 이용하고 있으며, 140자 이내 단문으로 개인의 생각이나 의견을 공유하고 소통하는 대표적인 SNS이다(Statista Inc.
- 본 연구에서는 로봇과 Android, 인공지능(AI)에 대해 언어, 문화권 간 인식 차이가 있는지, uncanny valley 현상의 양상이 언어, 문화권에 따라 다르게 나타나는 지를 검증하기 위하여 Geminoid와 Chihira Aico, AlphaGo에 대한 Social data 분석을 실시하였다. Geminoid와 Chihira Aico의 경우, 영어 사용자와 일본어 사용자 간에 유의수준 0.
제안 방법
- 감성평가된 tweet을 대상으로 text mining 기법을 적용하여, 각 검색 키워드(Geminoid, Chihira Aico, AlphaGo)와 함께 많이 언급된 형용사(adjective)를 빈도 순으로 나타내면 Table 4와 같다. Text 분석에는 Open source 기반의 KH Coder를 이용하였으며, 자주 사용된 상위 10개 형용사를 취합하였다. Geminoid에 대해 영어로 작성된 tweet에서는 'realistic', 'human', 'lifelike'와 같은 긍정 표현과 'creepy', 'uncanny', 'scary' 등과 같은 부정 표현이 자주 이용되었다.
- Twitter 메시지를 취합하는데 있어 본 연구에서는 Robot이나 Android, Humanoid 등과 같은 통칭(popular name)이 아닌 'Geminoid', 'Chihira Aico', 'AlphaGo' 등 특정한 Android나 AI를 지칭하는 고유명사를 영어, 일본어, 한국어로 표기하여 검색하였다.
- AlphaGo 관련 tweet은 한국의 프로기사 이세돌 9단과 대국(Google DeepMind Challenge Match)이 이루어진 2016년 3월 9일~19일까지 tweeter streaming API를 이용하여 155,991개를 취합하였다. 그리고 취합된 tweet 중 영어, 일본어, 한국어 별로 각각 3,000개를 임의로 추출하여 긍정/부정 및 중립(해당사항 없을 경우 포함) 중 하나로 평가하도록 하였다. 이러한 세 개 키워드 이외에 2008년 3월부터 2016년 3월까지 임의의 트윗을 영어, 일본어, 한국어 별로 총 124,469개를 취합하고, 기간내 일별로 2개의 tweet을 임의로 선택, 인간평가자들로 하여금 평가하도록 하였다.
- Twitter의 Streaming API는 R, Python, Peal 등 다양한 언어들과 연계되어 실시간으로 대량의 데이터 수집을 가능하게 하지만, 1년 이상의 과거 데이터 검색은 불가능하다. 따라서 본 연구에서는 단기적, 실시간으로 검색하는 경우에는 Twitter의 Streaming API를 이용하였으며, 과거 데이터를 검색하여야 하는 경우에는 검색 속도는 비교적 느리지만, R 언어의 RSelenium package (Harrison and Harrison, 2014)를 사용하여 Twitter의 Advanced Search 기능을 자동화함으로써 데이터를 취합하였다.
- 로봇, 안드로이드에 대한 동서양의 인식 차이를 살펴보기 위해서 본 연구에서는 최근 빅데이터 연구에 주로 이용되는 소셜 미디어 데이터(social media data)에 대한 감성분석(sentiment analysis) 방법을 적용하였다. 감성분석은 기존의 인간공학분야에서 많이 이용되어 왔던 감성평가(sentiment analysis, Jung, 2007; Choi et al.
- 본 연구에서 취합된 메시지는 개수는 각 언어당 1만개 미만인 것으로 파악되어, SW 시스템이 아닌 인간평가자에 의해서도 분석이 가능할 것으로 생각되었으며, 이에 따라 모든 메시지를 세 명의 인간평가자가 나누어 평가하도록 하였다. 평가 전에 평가 가이드라인을 평가자들에게 제시하여, 동일한 기준에서 평가가 이루어지도록 하였으며, 취합된 메시지 중 일부를 추출, 세 명의 평가자로 하여금 평가하도록 하고, 일치도를 분석하여, 평가자들 간 신뢰성을 확인하였다.
- 세 명의 평가자가 메시지 긍정/부정 평가 시, 어느 정도 일치되는 평가를 내리는 지를 파악하기 위하여, 취합된 트위터 메시지 중 200개를 임의로 추출하고 평가자들에게 평가하도록 하였다. 메시지는 긍정/부정 또는 중립(해당사항 없음) 세 가지 범주로 구분하도록 하였으며, 평가자 간 신뢰성(Inter-rater reliability)은 Fleiss' κ 통계치로 측정하였다.
- 이러한 고유한 키워드 이외에 임의의 키워드(영어, 일본어, 한국어)가 포함된 tweet을 동일한 기간 동안 취합하여 긍정/부정 평가를 시행하였다. Kim and Jang (2016)의 연구에 따르면, SNS에 표현된 감성(긍정/부정)은 언어권에 따라 1년 이상의 오랜 기간에 걸쳐 유의한 차이를 보이는 것으로 나타났으며, 따라서 본 연구에서 취합 평가한 tweet의 감성 차이가 언어권에 따른 기본적인 차이인지, 그 대상(Android)에서 기인한 것인지를 검증할 필요가 있다.
- 본 연구에서 취합된 메시지는 개수는 각 언어당 1만개 미만인 것으로 파악되어, SW 시스템이 아닌 인간평가자에 의해서도 분석이 가능할 것으로 생각되었으며, 이에 따라 모든 메시지를 세 명의 인간평가자가 나누어 평가하도록 하였다. 평가 전에 평가 가이드라인을 평가자들에게 제시하여, 동일한 기준에서 평가가 이루어지도록 하였으며, 취합된 메시지 중 일부를 추출, 세 명의 평가자로 하여금 평가하도록 하고, 일치도를 분석하여, 평가자들 간 신뢰성을 확인하였다.
대상 데이터
- 'Geminoid'와 'Chihira Aico'는 매스컴에 소개되기 시작한 2008년 6월과 2015년 1월부터 2015년 9월까지 각 키워드(영어, 일본어, 한국어)가 포함된 tweet을 검색, 수집하였다.
- 'Geminoid'와 'Chihira Aico'는 매스컴에 소개되기 시작한 2008년 6월과 2015년 1월부터 2015년 9월까지 각 키워드(영어, 일본어, 한국어)가 포함된 tweet을 검색, 수집하였다. AlphaGo 관련 tweet은 한국의 프로기사 이세돌 9단과 대국(Google DeepMind Challenge Match)이 이루어진 2016년 3월 9일~19일까지 tweeter streaming API를 이용하여 155,991개를 취합하였다. 그리고 취합된 tweet 중 영어, 일본어, 한국어 별로 각각 3,000개를 임의로 추출하여 긍정/부정 및 중립(해당사항 없을 경우 포함) 중 하나로 평가하도록 하였다.
- 그리고 취합된 tweet 중 영어, 일본어, 한국어 별로 각각 3,000개를 임의로 추출하여 긍정/부정 및 중립(해당사항 없을 경우 포함) 중 하나로 평가하도록 하였다. 이러한 세 개 키워드 이외에 2008년 3월부터 2016년 3월까지 임의의 트윗을 영어, 일본어, 한국어 별로 총 124,469개를 취합하고, 기간내 일별로 2개의 tweet을 임의로 선택, 인간평가자들로 하여금 평가하도록 하였다.
데이터처리
- 메시지는 긍정/부정 또는 중립(해당사항 없음) 세 가지 범주로 구분하도록 하였으며, 평가자 간 신뢰성(Inter-rater reliability)은 Fleiss' κ 통계치로 측정하였다.
- 통계치 계산에는 R의 irr package (Gamer et al., 2012)를 이용하였으며, 계산된 Fleiss' κ 값은 0.752인 것으로 나타났다.
성능/효과
- AlphaGo에 대해 영어권 사용자들은 Geminoid, Chihira Aico와는 달리 긍정적인 표현이 많은(긍정 60.8%) 것으로 나타났는데, 임의의 대상에 대한 긍정적 표현(긍정 51.6%)보다 통계적으로 유의하게(p <.001) 많은 것으로 조사되었다.
- 특히 Geminoid나 Chihira Aico와는 달리 tweet 메시지 취합이 이세돌 9단과의 대국이 이루어지는 단기간에 이루어 졌으며, 서양 대 동양, 인간고수 대 인공지능, 첨단기술 대 전통 등 다양한 대결구도로 이루어진 게임에서 AlphaGo가 승리함에 따라 이에 대한 반응들이 tweeter에 주로 표출된 것으로 보인다. 따라서, AlphaGo 관련 tweet에 나타난 긍정/부정 감성은 인공지능이나 기계학습에 대한 기본적 인식의 차이 뿐만 아니라 이슈화된 게임의 승패에 따른 감성, 감정 표현이 복합된 것이라고 보는 것이 타당할 것이다. 추후, tweeter를 포함, 다양한 SNS를 대상으로, 장기간에 걸쳐 social data를 취합 분석한다면 인공지능 및 기계학습에 대한 기본적인 인식의 차이가 좀 더 명확하게 검증 가능할 것으로 생각된다.
- 본 연구에서 취합된 메시지들을 대상으로, 일본어와 한국어 상업용 및 Open source 기반의 감성분석 시스템 2~3가지를 테스트해 본 결과, 인간의 감성평가와 일치하는 비율이 모두 60% 미만인 것으로 나타났다. 메시지에 대한 감성을 평가하는 것이므로, 정답이 정해진 것이 아니며, 사람에 따라 메시지를 보고 느끼는 감성이 다를 수 있지만, 테스트 결과, 이러한 감성분석 시스템들은 본 연구에 활용하기에는 부적합한 것으로 판단하였다.
- 하지만, 일본어와 한국어 감성분석의 경우에는 인간의 감성평가와 일치도가 높은 것으로 널리 인정된 시스템은 아직까지 찾아보기 힘들다. 본 연구에서 취합된 메시지들을 대상으로, 일본어와 한국어 상업용 및 Open source 기반의 감성분석 시스템 2~3가지를 테스트해 본 결과, 인간의 감성평가와 일치하는 비율이 모두 60% 미만인 것으로 나타났다. 메시지에 대한 감성을 평가하는 것이므로, 정답이 정해진 것이 아니며, 사람에 따라 메시지를 보고 느끼는 감성이 다를 수 있지만, 테스트 결과, 이러한 감성분석 시스템들은 본 연구에 활용하기에는 부적합한 것으로 판단하였다.
- 01에서 통계적으로 유의한 차이가 있는 것으로 나타났다. 영어 사용자의 경우 일본어 사용자에 비해 부정적인 표현 비율이 높았으며, 임의의 tweet에 대한 부정 표현 비율보다 높은 것으로 조사되었다. 또한 uncanny valley 현상에서 자주 언급되는 'creepy', 'uncanny', 'scary', 'spooky' 등과 같은 부정적 의미의 형용사와 'uncomfortably'라는 부사가 많이 이용된 것으로 나타났다.
- 또한 uncanny valley 현상에서 자주 언급되는 'creepy', 'uncanny', 'scary', 'spooky' 등과 같은 부정적 의미의 형용사와 'uncomfortably'라는 부사가 많이 이용된 것으로 나타났다. 일본어 사용자의 경우에는 영어 사용자와는 달리, 긍정적 반응이 더 많았으며, 임의의 대상에 비해 긍정적인 반응 비율이 더 높은 것으로 나타났다. 감성형용사도 'scary', 'uncanny' 보다 'human', 'amazing', 'good', 'realistic' 등과 같은 긍정적 감성의 형용사가 많이 이용되었다.
- 임의의 tweet에 대한 긍정/부정 비율과 비교했을 때에도, 영어 사용자는 임의의 일반적(평균적)인 대상에 비해 Geminoid를 더 부정적으로, 일본어 사용자는 더 긍정적(긍정 65.7%)으로 표현하였다(p <0.01).
- Chihira Aico의 경우에 영어권 사용자들의 부정적인 반응이 더 두드러지는 것으로 관찰된다. 즉, 부정적 tweet의 비율이 임의의 tweet(48.4%)에 비해 유의수준 0.001에서 더 통계적으로 더 높은(95.5%) 것으로 나타났다. 일본어 사용자의 경우에는 Geminoid에 비해서는 통계적으로 긍정적인 반응이 적은(긍정 51.
- 즉, 영어 사용자들의 경우 한국어와 일본어 사용자에 비해 더 긍정적 반응 비율이 높은 것으로 나타났으며, 임의의 tweet 긍정 표현 비율보다 높은 것으로 조사되었다(p <0.01).
후속연구
- 하지만 인간과 동일한 외모와 움직임을 시뮬레이션하여 수행한 실증연구(Jang, 2007)에서는 로봇이 인간과 동일한 수준의 외모와 행동을 갖추게 되더라도, 인간은 이러한 존재에 대해 '섬뜩함'과 같은 감성을 가지게 될 수 있음을 보여주었다. 즉, A구간과 B구간 모두, 외형에 대한 지각단서(완벽한 인간)와 미리 인지하고 있는 범주(안드로이드)와의 인지적 충돌(cognitive conflict) 뿐만 아니라, 인간 정체성에 대한 혼란, 문화적 종교적 관점의 차이 등 다양한 요인이 영향을 미칠 것으로 생각되며, 이러한 요인들을 고려한 연구가 진행되어야 할 것으로 생각된다.
- 따라서, AlphaGo 관련 tweet에 나타난 긍정/부정 감성은 인공지능이나 기계학습에 대한 기본적 인식의 차이 뿐만 아니라 이슈화된 게임의 승패에 따른 감성, 감정 표현이 복합된 것이라고 보는 것이 타당할 것이다. 추후, tweeter를 포함, 다양한 SNS를 대상으로, 장기간에 걸쳐 social data를 취합 분석한다면 인공지능 및 기계학습에 대한 기본적인 인식의 차이가 좀 더 명확하게 검증 가능할 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.