본 연구에서 얼굴형 인공지능 스피커에 대한 선호도와 신뢰도가 나이에 따라 어떻게 달라지는지 살펴보았다. 인공지능 스피커의 외형은 성별(남녀)과 나이(20/60대) 네 가지 범주에서 로봇 얼굴과 사람 얼굴이 7단계로 혼합되어 제시되었다. 참여자들 역시 이 네 가지 범주에 맞춰 모집되었고, 각 범주의 얼굴 자극에 대한 호감도와 신뢰도를 7점 척도로 평가하였다. 연구 결과, 인공지능 스피커의 외형이 사람 얼굴을 닮을수록 노인들은 호감도와 신뢰도를 높게 평가했지만, 청년들은 로봇 얼굴과 사람 얼굴이 중간 정도 섞인 형태를 가장 선호하고 신뢰하여 전체적으로 뒤집힌 U자 형태의 평가를 보였다. 네 가지 얼굴 범주에서 선호도를 평가했을 때, 참여자들은 나이와 성별과 관계없이 젊은 얼굴이 가장 높은 점수를 받았다. 그런데, 이모티콘 얼굴과 얼굴이 없이 비어있는 조건을 추가하여 물었을 때, 여전히 노인들은 사람 얼굴을 가장 선호했지만, 청년들은 상대적으로 이모티콘 얼굴과 비어있는 조건을 더 선호하였다. 종합하면, 인공지능 스피커 맥락에서, 노인들은 청년들보다 로봇 얼굴이 아닌 사람 얼굴에 높은 수용적 태도를 보였다. 홀로 사는 노인 인구가 증가하는 미래에 인공지능 스피커의 역할이 중요해짐에 따라, 노인들을 위한 인공지능 스피커의 디자인과 개발에서 본 연구 결과가 좋은 참고가 될 것으로 기대된다.
본 연구에서 얼굴형 인공지능 스피커에 대한 선호도와 신뢰도가 나이에 따라 어떻게 달라지는지 살펴보았다. 인공지능 스피커의 외형은 성별(남녀)과 나이(20/60대) 네 가지 범주에서 로봇 얼굴과 사람 얼굴이 7단계로 혼합되어 제시되었다. 참여자들 역시 이 네 가지 범주에 맞춰 모집되었고, 각 범주의 얼굴 자극에 대한 호감도와 신뢰도를 7점 척도로 평가하였다. 연구 결과, 인공지능 스피커의 외형이 사람 얼굴을 닮을수록 노인들은 호감도와 신뢰도를 높게 평가했지만, 청년들은 로봇 얼굴과 사람 얼굴이 중간 정도 섞인 형태를 가장 선호하고 신뢰하여 전체적으로 뒤집힌 U자 형태의 평가를 보였다. 네 가지 얼굴 범주에서 선호도를 평가했을 때, 참여자들은 나이와 성별과 관계없이 젊은 얼굴이 가장 높은 점수를 받았다. 그런데, 이모티콘 얼굴과 얼굴이 없이 비어있는 조건을 추가하여 물었을 때, 여전히 노인들은 사람 얼굴을 가장 선호했지만, 청년들은 상대적으로 이모티콘 얼굴과 비어있는 조건을 더 선호하였다. 종합하면, 인공지능 스피커 맥락에서, 노인들은 청년들보다 로봇 얼굴이 아닌 사람 얼굴에 높은 수용적 태도를 보였다. 홀로 사는 노인 인구가 증가하는 미래에 인공지능 스피커의 역할이 중요해짐에 따라, 노인들을 위한 인공지능 스피커의 디자인과 개발에서 본 연구 결과가 좋은 참고가 될 것으로 기대된다.
In this study, we investigated age differences of preference and trust ratings when the appearance of an artificial intelligent speaker resembles a human face. The appearance of the artificial intelligent speaker was presented in seven levels from robot face to human face. In addition, face stimuli ...
In this study, we investigated age differences of preference and trust ratings when the appearance of an artificial intelligent speaker resembles a human face. The appearance of the artificial intelligent speaker was presented in seven levels from robot face to human face. In addition, face stimuli were divided into gender (male and female) and age (20s / 60s). Participants evaluated the reliability and likability of each face stimulus on a 7-point scale. The results show that younger adults tend to prefer the face that was halfway between the robot and the human face, while older adults evaluated that the perceived reliability and likability were higher when the stimuli resembled the human face. When asked to choose the most preferred of the four face categories, all participants chose a younger face. However, with additional conditions including emoticon face and empty condition, older adults still preferred human face, while younger adults preferred emoticon face and empty condition. Taken together, older adults are more receptive to human faces than robotic faces in the context of artificial intelligence speakers. Because artificial intelligent speakers can play an important role in the elderly living alone, the present study will be a good reference in the design and development of artificial intelligent speakers for the elderly users.
In this study, we investigated age differences of preference and trust ratings when the appearance of an artificial intelligent speaker resembles a human face. The appearance of the artificial intelligent speaker was presented in seven levels from robot face to human face. In addition, face stimuli were divided into gender (male and female) and age (20s / 60s). Participants evaluated the reliability and likability of each face stimulus on a 7-point scale. The results show that younger adults tend to prefer the face that was halfway between the robot and the human face, while older adults evaluated that the perceived reliability and likability were higher when the stimuli resembled the human face. When asked to choose the most preferred of the four face categories, all participants chose a younger face. However, with additional conditions including emoticon face and empty condition, older adults still preferred human face, while younger adults preferred emoticon face and empty condition. Taken together, older adults are more receptive to human faces than robotic faces in the context of artificial intelligence speakers. Because artificial intelligent speakers can play an important role in the elderly living alone, the present study will be a good reference in the design and development of artificial intelligent speakers for the elderly users.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구의 목적은 인공지능 스피커에 주목하여 인공지능 스피커의 외형에 대한 노인들의 잠재적 선호를 탐색적으로 살펴보는 데 있다. 그래서 인공지능 스피커의 얼굴 특징이 어떨 때 노인들이 가장 선호하는지를 살펴보고자 한다. 이 작업은 노인들을 위한 인공지능 스피커의 제품 개발에 좋은 단서를 제공할 것으로 기대된다.
001). 또한, 사람 얼굴 비율이 높을수록 실제로 사람 얼굴스러운지를 살펴보았다. 그 결과, 그림 3a에서 보듯이, 전체 참여자 집단에서 높은 상관을 보였다, r= 0.
본 연구에서는 인공지능 스피커가 얼굴 모양일 때 잠재적 사용자들의 평가가 어떤지를 알아보고자 하였다. 특히, 나이에 따라 평가가 어떻게 다른지 살펴보고자 하였다.
Apple의 Siri, Samsung의 Bixby, MicroSoft의 Cortana처럼 특별한 외형 없이 소프트웨어 형식으로 스마트폰이나 컴퓨터에 설치되어 작동하는 것들이 있으며, Amazon의 Echo, Google의 Home, SKT의 Nugu, KT의 GIGAGenie처럼 스피커의 형태를 갖춘 채 독립적으로 기능하는 것들이 있다. 본 연구의 목적은 인공지능 스피커에 주목하여 인공지능 스피커의 외형에 대한 노인들의 잠재적 선호를 탐색적으로 살펴보는 데 있다. 그래서 인공지능 스피커의 얼굴 특징이 어떨 때 노인들이 가장 선호하는지를 살펴보고자 한다.
범주 1: 집안일과 요리, 범주 2: 범죄와 재해 예방, 범주 3: 외출과 운동 보조, 범주 4: 대화, 여가, 그리고 취미 생활, 범주 5: 간호, 의료와 안마. 이 질문을 물은 이유는 참여자들이 인공지능 스피커를 포함한 인공지능 장치에 대한 요구를 이해하기 위해서였다.
가장 먼저, 참여자들은 본 과제를 수행하기 전에 각 카드에 출력된 얼굴 이미지를 보고 나이를 추정하는 작업을 하였다. 이는 제작된 얼굴이 실제로 예상된 나이로 지각되는지를 확인하기 위해서였다. 두 번째로, 얼굴에 대한 호감도(likeability)에 따라 카드를 분류하는 작업을 수행하였다.
본 연구에서는 인공지능 스피커가 얼굴 모양일 때 잠재적 사용자들의 평가가 어떤지를 알아보고자 하였다. 특히, 나이에 따라 평가가 어떻게 다른지 살펴보고자 하였다. 이를 위해, 청년과 노인 참여자 모두에게 로봇 얼굴과 사람 얼굴을 합성한 자극들을 제시하여 호감도와 신뢰도를 평정하게 하였다.
본 연구의 물음은 구체적으로 다음과 같이 정리된다. 인공지능 스피커 맥락에서 사람 얼굴이 선호되는가 로봇 얼굴이 선호되는가? 얼굴 외형을 가진 인공지능 스피커의 나이와 성별 그리고 평가자의 나이와 성별에 따라 선호도에서 차이가 있는가? 특히, 외국의 이전 연구에서 밝혀진 것처럼[13], 우리나라의 노인들도 젊은 사람들보다 사람을 닮은 로봇을 더 좋아하는지를 살펴보고자 하였다.
가설 설정
노인들은 기괴한 일들과 대상들을 청년들과 비교하면 많이 경험했을 수 있다. 타인의 주검을 관찰하는 경험은 좋은 예일 것이다. 이전 연구에서, 사람을 닮은 로봇을 자주 보게 되면 점차 기괴함을 덜 느낀다는 보고가 있었다[21].
제안 방법
가장 먼저, 참여자들은 본 과제를 수행하기 전에 각 카드에 출력된 얼굴 이미지를 보고 나이를 추정하는 작업을 하였다. 이는 제작된 얼굴이 실제로 예상된 나이로 지각되는지를 확인하기 위해서였다.
그래프를 보면 대부분의 자극 범주가 이와 유사한 경향을 보이는 데 반해, 20대 여성 자극에 대한 청년 참여자들의 응답은 다소 다른 경향을 보인다. 그러나 일반화 가능성을 고려하여 본 연구에서는 범주별 선호도 모형을 별도로 구성하지는 않았다.
그래프를 보면 대부분의 자극 범주가 이와 유사한 경향을 보이는 데 반해, 20대 여성 자극에 대한 청년층 참여자의 응답은 다소 다른 경향을 보인다. 그러나 일반화 가능성을 고려하여 본 연구에서는 범주별 신뢰도 모형을 별도로 구성하지는 않았다.
네 종류의 얼굴 자극 세트 가운데 선호도 분석하기 위해, 네 얼굴에 대한 선호 순위를 평균내었다. 그림 4에서 보듯이, 20대 여성(M=1.
노인 참여자 모두와 청년 참여자 35명 가운데 25명은 사진이 인쇄된 카드를 대상으로 작업을 수행하였고, 나머지 청년 10명은 컴퓨터 화면을 통해 얼굴 자극들을 제시받았고 마우스와 키보드를 이용해 과제를 수행하였다.
이는 제작된 얼굴이 실제로 예상된 나이로 지각되는지를 확인하기 위해서였다. 두 번째로, 얼굴에 대한 호감도(likeability)에 따라 카드를 분류하는 작업을 수행하였다. 세 번째로, 얼굴에 대한 신뢰도(trustworthiness)에 따라 카드를 분류하는 작업을 수행하였다.
로봇 비서의 역할로 선호하는 순위에 나이와 성별에 따른 차이가 있는지 확인하였다(그림 7). 2(참여자 나이)x5(역할 범주) 비모수 혼합변량분석을 실시한 결과, 역할 범주의 주효과, (3.
이 과제 다음으로, 참여자들은 이 네 세트의 얼굴 이외에 단순한 이모티콘 얼굴(그림 6)과 아무것도 없는 빈 조건을 추가하여 모두 6가지 조건을 대상으로 가장 선호하는 것 하나만 고르는 과제를 수행하였다. 마지막으로, 참여자들은 인공지능 스피커를 떠나서 가정에 로봇 비서가 있다면 일상생활에서 어떤 도움을 받고 싶은지에 대해서 순위를 평가하였다. 구체적으로 5가지 범주로 항목들은 묶였는데 다음과 같았다.
먼저, 얼굴 자극에 대한 지각된 나이를 분석하였다. 연구자가 의도한 바와 같이 참여자들은 20대 얼굴에 대해서 20대로 평정하였고(남성: M=27.
두 번째로, 얼굴에 대한 호감도(likeability)에 따라 카드를 분류하는 작업을 수행하였다. 세 번째로, 얼굴에 대한 신뢰도(trustworthiness)에 따라 카드를 분류하는 작업을 수행하였다. 이때, 인공지능 스피커가 제공하는 사실적 정보에 대해 믿음이 얼마나 큰지를 구체적인 예를 들어 판단하게 하였다.
61) 순이었다. 얼굴 자극의 종류와 참여자 나이의 관계를 파악하기 위해, 2(자극 나이)x2(자극 성별)x2(참여자 나이) 비모수 혼합변량분석을 시행하였다. 그 결과, 얼굴 자극의 나이에서 주효과가 나타났다, FATS(1, ∞)=386.
예를 들어, 여성 청년-남성 청년-여성 노인-남성 노인 순서가 될 수 있다. 이 과제 다음으로, 참여자들은 이 네 세트의 얼굴 이외에 단순한 이모티콘 얼굴(그림 6)과 아무것도 없는 빈 조건을 추가하여 모두 6가지 조건을 대상으로 가장 선호하는 것 하나만 고르는 과제를 수행하였다. 마지막으로, 참여자들은 인공지능 스피커를 떠나서 가정에 로봇 비서가 있다면 일상생활에서 어떤 도움을 받고 싶은지에 대해서 순위를 평가하였다.
특히, 나이에 따라 평가가 어떻게 다른지 살펴보고자 하였다. 이를 위해, 청년과 노인 참여자 모두에게 로봇 얼굴과 사람 얼굴을 합성한 자극들을 제시하여 호감도와 신뢰도를 평정하게 하였다.
자료가 서열 척도를 통해 측정되었으므로, 각 얼굴 자극을 얼마나 선호하는지를 확인하기 위해 R 3.3.1 버전의 nparLD 패키지를 통해[15], 참여자들의 선호도를 대상으로 2x7 비모수 혼합변량분석을 시행하였다. 분석 결과, 참여자 나이의 주효과가 유의하였으나, FATS(1, ∞)=6.
대상 데이터
)이었으며 우리나라에는 잘 알려지지 않았다. 사람 얼굴 원본 4개는 각각 비슷한 나잇대와 같은 성의 5개의 얼굴이 합성되어 준비되었다. 로봇 얼굴과 사람 얼굴의 모형은 양극단에 두고 그사이를 FantaMorph 5 (Abrosoft Co.
사람 얼굴 정도(human faceness)를 조작하기 위해 하나의 로봇 얼굴과 4개의 사람 얼굴(20대 남녀 2개; 60대 남녀 2개)이 준비되었다. 사용된 로봇 얼굴은 로봇 모델(Eset Co.
사람 얼굴 정도(human faceness)를 조작하기 위해 하나의 로봇 얼굴과 4개의 사람 얼굴(20대 남녀 2개; 60대 남녀 2개)이 준비되었다. 사용된 로봇 얼굴은 로봇 모델(Eset Co.)이었으며 우리나라에는 잘 알려지지 않았다. 사람 얼굴 원본 4개는 각각 비슷한 나잇대와 같은 성의 5개의 얼굴이 합성되어 준비되었다.
(그림 1) 평가에 사용된 얼굴 자극. 위부터 아래로, 20대 남성, 20대 여성, 60대 남성, 60대 여성이다. 각 세트에서 양 끝은 사람 얼굴과 로봇 얼굴의 원본이며 중간은 이 두 얼굴의 합성이다.
참여자들은 35명의 서울대학교에 재학 중인 대학생들(17명 여성)과 105명의 서울에 거주하는 노인들(57명 여성)이었다. 대학생들의 나이는 만 20에서 34까지였고(M=22.
데이터처리
얼굴에 대한 신뢰도 평가를 분석하기 위해, 참여자들이 평정한 신뢰도에 대해 2x7 비모수 혼합변량분석을 시행하였다. 분석 결과, 참여자 나이의 주효과가 유의하였으나, FATS(1, ∞)=19.
다음으로, 네 가지 종류의 얼굴 이외에 아무것도 없는 빈 형태와 이모티콘 형태를 넣었을 때 선호도 차이가 분석되었다(그림 6). 인간 형태 자극(20대 남성, 20대 여성, 60대 남성, 60대 여성)과 비인간 형태 자극(이모티콘, 빈칸)의 선호 비율에 나이 차가 있는지 확인하기 위해 카이제곱 검정을 시행하였다. 그 결과 청년 참여자들은 노인 참여자들에 비교해 비인간 형태 자극을 선호하는 비율이 높음이 확인되었다, (1, N=141)=17.
그렇다면 본 연구에서 드러난 것처럼 나이에 따라 선호도와 신뢰도가 왜 얼굴스러움 정도에 따라 다른 패턴을 보일까? 여기에는 다양한 추론들이 있을 것이다. 가장 먼저, 청년들이 일종의 기괴한 계곡을 노인들보다 더 크게 경험했을 수 있다. 노인들은 기괴한 일들과 대상들을 청년들과 비교하면 많이 경험했을 수 있다.
그림 3b에서 보듯이, 노인 참여자들은 사람 얼굴 비율이 증가함에 따라 더 높은 호감도를 보이는 경향을 일 관되게 보인 반면, 청년 참여자들은 사람 얼굴 비율이 중상 정도로 높아졌을 때 가장 높은 호감 을 느끼는 경향을 보임을 알 수 있다. 국지회귀 평활화 기법을 통해 선호도가 최상인 사람 얼굴 비율을 추정해보았을 때 노인들은 약 88%, 청년들은 약 64% 지점에서 가장 높은 호감도를 보였 다. 그래프를 보면 대부분의 자극 범주가 이와 유사한 경향을 보이는 데 반해, 20대 여성 자극에 대한 청년 참여자들의 응답은 다소 다른 경향을 보인다.
그림 3c에서 보듯이, 노인 참여자들은 사람 얼굴 비율이 증가함에 따라 더 신뢰하는 경향을 일관되게 보인 반면, 청년 참여자들은 사람 얼굴 비율이 중하 정도로 높아졌을 때 가장 신뢰하는 경향을 보임을 알 수 있다. 국지회귀 평활화(LOESS Smoothing) 기법을 통해 신뢰도가 최상인 사람 얼굴 비율을 추정해보았을 때 노년층은 약 91%, 청년층은 약 36% 지점에서 가장 높은 신뢰도를 보였다. 그래프를 보면 대부분의 자극 범주가 이와 유사한 경향을 보이는 데 반해, 20대 여성 자극에 대한 청년층 참여자의 응답은 다소 다른 경향을 보인다.
그 결과 청년 참여자들은 노인 참여자들에 비교해 비인간 형태 자극을 선호하는 비율이 높음이 확인되었다, (1, N=141)=17.21, p< .001.
그 결과, 얼굴 자극의 나이에서 주효과가 나타났다, FATS(1, ∞)=386.12, p< .001.
다음으로, 네 가지 종류의 얼굴 이외에 아무것도 없는 빈 형태와 이모티콘 형태를 넣었을 때 선호도 차이가 분석되었다(그림 6). 인간 형태 자극(20대 남성, 20대 여성, 60대 남성, 60대 여성)과 비인간 형태 자극(이모티콘, 빈칸)의 선호 비율에 나이 차가 있는지 확인하기 위해 카이제곱 검정을 시행하였다.
동일 연령층 내에서 성차를 확인하기 위해 Kruskal-Wallis 검정을 한 결과, 가사 범주에서는 여성 노인이 남성 노인보다 선호도가 높았고, H(1)=9.94, p< .01, 남성 청년이 여성 청년보다 선호도가 높은 것으로 분석되었다, H(1)=3.61, p= .057.
각 얼굴은 가로 11cm, 세로 15cm 크기로 프린트되거나 화면에 제시되었다. 모든 참여자는 총 28장의 카드 자극을 보았으며, 청년층 남성, 청년층 여성, 노년층 남성, 노년층 여성 조건별로 7장의 카드가 섞여 동시에 제시되었다.
즉, 양극단에 놓인 로봇과 사람 얼굴에 대해서 비슷한 정도로 호감을 느꼈고, 이 둘이 섞인 얼굴에 대해서는 매우 낮은 호감을 보였다. 반면, 본 연구에서는 얼굴 자극이 사람과 비슷할수록 호감도가 선형적으로 증가하였다. 이 두 연구 결과 차이는 아마도 합성된 얼굴의 시작점이 달랐기 때문일 수 있다.
분석 결과, 참여자 나이의 주효과가 유의하였으나, FATS(1, ∞)=19.73, p< .05, 마찬가지로 효과 크기가 극히 미미하여(Cliff’s delta = 0.005) 실질적인 의미는 없었다.
분석 결과, 참여자 나이의 주효과가 유의하였으나, FATS(1, ∞)=6.04, p< .05, 효과 크기가 극히 작아(Cliff’s delta=0.01) 실질적인 의미는 없는 것으로 확인되었다.
사람 얼굴 비율의 주효과는 유의하였으며, FATS(2.12, ∞)=21.49, p< .001, 참여자 나이와 사람 얼굴 비율의 상호작용 또한 유의하였다, FATS(2.12, ∞)=49.20, p< .001.
사람 얼굴 비율의 주효과는 유의하였으며, FATS(6, ∞)=211.06, p< .001, 참여자 나이와 사람 얼굴 비율의 상호작용 또한 유의하였다, FATS(6, ∞)=36.75, p< .001).
예를 들어, 판단력 부족으로 보이스피싱 사기를 당할 수 있으며, 가스버너 사용에서 화재를 불러올 수 있다. 셋째, 노인들은 대인 관계의 단절로 사회적 지지를 받지 못해 외로움과 우울감에 시달릴 수 있다. 전 세계적으로 노인 인구의 증가를 고려하면, 노인들이 사회적 관계에서 단절되지 않는 방안의 마련이 절실하다.
001. 이 결과들은 참여자의 나이에 따라 선호하는 얼굴 자극의 성별이 다름을 보여주는데, 청년 참여자들은 성별에 관계없이 모두 여성 얼굴 자극을 선호하였지만, 노인층에서 남녀 모두를 비슷하게 선호하였다. 그리고 참여자 나이, 자극 나이, 자극 성별의 삼원상호작용효과가 유의하였다, FATS(1, ∞)=6.
얼굴만으로 이뤄진 로봇 연구에서, 목소리가 실제 사람과 닮을수록 참여자들은 더 큰 호감을 느낀다[11]. 이 연구들은 로봇이 사람과 닮은 특징을 가질수록 사용자들의 선호가 증가함을 시사한다.
또한, 노인들은 젊은이들보다 로봇의 얼굴이 사람처럼 생겼을 때 더 호감을 느끼는 것으로 나타났다[13]. 이 연구들을 종합하면, 로봇의 얼굴 요인과 평가자 요인이 복합적으로 작용하여 사람을 닮은 로봇에 대한 선호가 결정된다고 볼 수 있다.
실제로, 18~38세 사이의 젊은이들이 참여한 이전 연구에서, 참여자들은 사회성 차원과 신뢰성 차원을 별개로 평가하는 것처럼 나타났다[9]. 이 연구에서, 실제 사람과 비슷한 얼굴을 가진 로봇일수록 사회성이 높을 것이라는 평가를 받았지만, 신뢰성 평가에서는 실제 사람 얼굴은 얼굴이 없거나 금속성 얼굴(silver face)을 가진 스크린 로봇보다 차이가 없었다.
이에 대 해 Wilcoxon의 부호화된 순위 검정을 시행한 결과, 20대 얼굴 자극에 대한 호감도가 60대 자극에 대한 호감도에 비해 유의하게 높았다, p< .001.
자료 분석 결과, 노인들의 선호도와 신뢰도는 사람 얼굴과 비슷한 정도와 함께 선형적으로 증가하였지만, 청년들의 호감도와 신뢰도는 선형적인 관계를 갖지 않았다. 이 결과는 로봇을 대상으로 한 얼굴 선호 연구 결과와 대체로 일치한다[13].
종합하면, 홀로 사는 노인들이 증가하는 지금의 추세에서, 사람을 닮은 로봇은 매우 매력 있는 대안이 될 수 있다. 이를 통해, 노인들은 최소한의 사회활동을 할 수 있고, 스스로 할 수 없는 가사에 대해 도움을 받아 좀 더 행복한 삶을 누릴 수 있을 것이다.
그런데, 외국의 이전 연구에서[13], 노인들의 호감도는 이전 연구에서 ‘U’ 자형을 보였다. 즉, 양극단에 놓인 로봇과 사람 얼굴에 대해서 비슷한 정도로 호감을 느꼈고, 이 둘이 섞인 얼굴에 대해서는 매우 낮은 호감을 보였다. 반면, 본 연구에서는 얼굴 자극이 사람과 비슷할수록 호감도가 선형적으로 증가하였다.
참여자 나이의 주효과나 자극 성별의 주효과는 나타나지 않았다, 각각 FATS (1.20, ∞)=0, p> .05; FATS(1, ∞)=0.34, p > .05.
후속연구
또한, 자극으로 사용된 얼굴들은 인간 사회에서 볼 수 있는 전체 얼굴을 대표하는 것과 거리가 먼 특수한 사례이다. 그러므로 실제로 인공지능 스피커가 얼굴로 대체되고 상호 작용의 기회가 주어졌을 때 그리고 다양한 형태의 얼굴을 이용하여 실험하였을 때 과연 본 연구 결과와 비슷하게 나올지에 대한 검토가 필요할 것이다.
이러한 상황에서 로봇은 고립된 노인들의 생활에 훌륭한 대안이 될 수 있다[1]. 로봇은 노인의 신체적, 인지적, 사회적 약점을 보완하여 여러 방면에서 노인들의 삶을 도울 수 있을 것이다.
종합하면, 본 연구는 노인들을 위한 인공지능 스피커를 만들 때, 좀 더 실제 사람을 닮은 외형을 그리고 젊은 나이의 얼굴 외형을 적용할 것을 제안한다. 본 연구의 한계점은 인공지능 스피커의 얼굴들은 실제가 아닌 그림으로만 제시되었고, 참여자들과 간단한 상호작용 없이 평가되었다는 점이다. 또한, 자극으로 사용된 얼굴들은 인간 사회에서 볼 수 있는 전체 얼굴을 대표하는 것과 거리가 먼 특수한 사례이다.
종합하면, 홀로 사는 노인들이 증가하는 지금의 추세에서, 사람을 닮은 로봇은 매우 매력 있는 대안이 될 수 있다. 이를 통해, 노인들은 최소한의 사회활동을 할 수 있고, 스스로 할 수 없는 가사에 대해 도움을 받아 좀 더 행복한 삶을 누릴 수 있을 것이다. 그런데 아직 로봇은 보통의 노인들이 구매하기에는 너무 비싸다.
종합하면, 본 연구는 노인들을 위한 인공지능 스피커를 만들 때, 좀 더 실제 사람을 닮은 외형을 그리고 젊은 나이의 얼굴 외형을 적용할 것을 제안한다. 본 연구의 한계점은 인공지능 스피커의 얼굴들은 실제가 아닌 그림으로만 제시되었고, 참여자들과 간단한 상호작용 없이 평가되었다는 점이다.
질의응답
핵심어
질문
논문에서 추출한 답변
인공지능 스피커의 외형에 따라 나타나는 연령별 반응은?
참여자들 역시 이 네 가지 범주에 맞춰 모집되었고, 각 범주의 얼굴 자극에 대한 호감도와 신뢰도를 7점 척도로 평가하였다. 연구 결과, 인공지능 스피커의 외형이 사람 얼굴을 닮을수록 노인들은 호감도와 신뢰도를 높게 평가했지만, 청년들은 로봇 얼굴과 사람 얼굴이 중간 정도 섞인 형태를 가장 선호하고 신뢰하여 전체적으로 뒤집힌 U자 형태의 평가를 보였다. 네 가지 얼굴 범주에서 선호도를 평가했을 때, 참여자들은 나이와 성별과 관계없이 젊은 얼굴이 가장 높은 점수를 받았다.
사람을 닮은 로봇일수록 사람들에게 어떤 평가를 받는가?
이전 연구들에서, 인간을 닮은 휴머노이드 로봇은 그렇지 않은 로봇에 비교해 사회적, 감정적, 신체적, 대화 측면에서 월등한 장점이 있다고 제안되었다[2, 3, 4, 5]. 실제로 사람을 닮은 로봇이 사람을 닮지 않은 로봇보다 선호되며 사람을 닮은 로봇일수록 사람이 가지고 있는 성격 및 심리적 특징들을 더 가지고 있다고 평가받는다[6, 7, 8]. 사람들은 머리 부분에 스크린이 달린 로봇과 혈압을 측정하는 간단한 상호작용을 할 때, 스크린에 사람 얼굴이 나타날 때 사람 얼굴이 없거나 금속성 얼굴(silver face)이 나올 때 비해 로봇이 좀 더 사회적(social)이고 정감 있는(amiable) 감정을 느꼈다[9].
노인들의 고립적인 삶이 안고있는 문제는?
노인들의 고립적인 삶은 여러 가지 문제를 안고 있다. 첫째, 신체적 기능이 약화된 노인들은 신체 활동이 필요한 일상적인 과제들에 적절히 대처하지 못할 수 있다. 설거지, 빨래, 요리, 식사 등 집안일부터 시장, 은행, 우체국, 병원일 등 바깥 일까지 해야 할 일들은 다양하다. 둘째, 노인들의 인지 기능의 저하는 치명적인 위험을 초래할 수 있다. 예를 들어, 판단력 부족으로 보이스피싱 사기를 당할 수 있으며, 가스버너 사용에서 화재를 불러올 수 있다. 셋째, 노인들은 대인 관계의 단절로 사회적 지지를 받지 못해 외로움과 우울감에 시달릴 수 있다. 전 세계적으로 노인 인구의 증가를 고려하면, 노인들이 사회적 관계에서 단절되지 않는 방안의 마련이 절실하다.
참고문헌 (23)
Frennert, S., & Ostlund, B. (2014). Review: seven matters of concern of social robots and older people. International Journal of Social Robotics, 6(2), 299-310.
Goetz, J., Kiesler, S., & Powers, A. (2003). Matching robot appearance and behavior to tasks to improve human-robot cooperation. Paper presented at the Robot and Human Interactive Communication, 2003. Proceedings. ROMAN 2003. The 12th IEEE International Workshop on.
Li, D., Rau, P. P., & Li, Y. (2010). A cross-cultural study: Effect of robot appearance and task. International Journal of Social Robotics, 2(2), 175-186.
Syrdal, D. S., Dautenhahn, K., Woods, S. N., Walters, M. L., & Koay, K. L. (2007). Looking Good? Appearance Preferences and Robot Personality Inferences at Zero Acquaintance. Paper presented at the AAAI Spring Symposium: Multidisciplinary Collaboration for Socially Assistive Robotics.
Broadbent, E., Kumar, V., Li, X., Sollers 3rd, J., Stafford, R. Q., MacDonald, B. A., & Wegner, D. M. (2013). Robots with display screens: a robot with a more humanlike face display is perceived to have more mind and a better personality. PloS one, 8(8), e72589.
Robins, B., Dautenhahn, K., Te Boerkhorst, R., & Billard, A. (2004, September). Robots as assistive technology-does appearance matter? In Robot and Human Interactive Communication, 2004. ROMAN 2004. 13th IEEE International Workshop on (pp. 277-282). IEEE.
Eyssel, F., Kuchenbrandt, D., Hegel, F., & de Ruiter, L. (2012). Activating elicited agent knowledge: How robot and user features shape the perception of social robots. Paper presented at the RO-MAN, 2012 IEEE.
Mori, M. (1970). Bukimi no tani. Energy, 7(4), 33-35.
Prakash, A., & Rogers, W. A. (2013). Younger and older adults' attitudes toward robot faces effects of task and humanoid appearance. Paper presented at the Proceedings of the human factors and ergonomics society annual meeting.
Oosterhof, N. N., & Todorov, A. (2008). The functional basis of face evaluation. Proceedings of the National Academy of Sciences, 105(32), 11087-11092.
Mathur, M. B., & Reichling, D. B. (2016). Navigating a social world with robot partners: A quantitative cartography of the Uncanny Valley. Cognition, 146, 22-32.
Noguchi, K., Gel, Y. R., Brunner, E., & Konietschke, F. (2012). nparLD: an R software package for the nonparametric analysis of longitudinal data in factorial experiments.
Ebner, N. C., Gluth, S., Johnson, M. R., Raye, C. L., Mitchell, K. J., & Johnson, M. K. (2011). Medial Prefrontal Cortex Activity When Thinking About Others Depends on Their Age. Neurocase, 17(3), 260-269. doi:10.1080/13554794.2010.536953
Ebner, N. C., He, Y., & Johnson, M. K. (2011). Age and Emotion Affect How We Look at a Face: Visual Scan Patterns Differ for Own-Age versus Other-Age Emotional Faces. Cognition & Emotion, 25(6), 983-997. doi:10.1080/02699931.2010.540817
Palumbo, R., Adams Jr, R. B., Hess, U., Kleck, R. E., & Zebrowitz, L. (2017). Age and Gender Differences in Facial Attractiveness, but Not Emotion Resemblance, Contribute to Age and Gender Stereotypes. Frontiers in Psychology, 8, 1704.
Minato, T., Shimada, M., Ishiguro, H., & Itakura, S. (2004). Development of an android robot for studying human-robot interaction. Innovations in applied artificial intelligence, 424-434.
Broadbent, E., Stafford, R., & MacDonald, B. (2009). Acceptance of healthcare robots for the older population: review and future directions. International journal of social robotics, 1(4), 319-330.
Powers, K. E., Worsham, A. L., Freeman, J. B., Wheatley, T., & Heatherton, T. F. (2014). Social Connection Modulates Perceptions of Animacy. Psychological science, 25(10), 1943-1948.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.