삼성전자가 언어 장벽 없이 자유로운 소통이 가능하도록 돕는 ‘갤럭시 AI’의 언어 모델 개발 과정을 공개했다.
25일 삼성전자에 따르면 언어를 넘어 문화를 이해하고 지식을 갖춘 고도화된 갤럭시 AI를 위해 전 세계 총 20여개의 R&D 센터에서 언어 모델 연구·개발에 매진하고 있다.
갤럭시 AI의 온디바이스 실시간 통·번역 기능은 현재 16개 언어를 지원 중이며, 올 연말까지 스웨덴어, 네덜란드어, 루마니아어, 튀르키예어의 4개 언어를 더 추가해 20개 언어를 지원할 계획이다. 언어 모델은 언어의 특성과 문법에 대한 정량 평가와 문화에 대한 지식과 이해를 검증하는 정성 평가 등을 거쳐 공개된다.
현재 지원 언어는 한국어, 중국어(간체), 영어, 프랑스어, 독일어, 힌디어, 이탈리아어, 일본어, 폴란드어, 포르투갈어, 스페인어, 태국어, 베트남어, 아랍어, 인도네시아어, 러시아어 등이다.
아랍어는 20여개국 4억명 이상이 사용하는 세계에서 6번째로 많이 사용되는 언어다. 아랍어를 통번역에 활용하기 위해서는 현대 표준 아랍어인 풋스하(Fusha)와 일상생활에서 사용하는 방언인 암미야(Ammiyya)를 모두 학습해야 한다. 특히 아랍어 방언은 총 30여 종에 달한다.
삼성리서치 요르단 연구소(SRJO)는 아랍어 방언을 이해하면서, 답변은 표준 아랍어로 할 수 있는 언어 모델을 개발했다. 이를 위해 각기 다른 방언의 음성 녹음 데이터를 수집하고, 이를 직접 텍스트로 변환하는 과정을 거쳤다.
베트남어는 전세계 약 1억명이 사용하는 언어로 중국어, 태국어 등 인근 지역 언어와 비슷한 성조 체계를 지니고 있다. 특히 베트남어는 여섯 가지의 성조를 가진다. 예를 들어 베트남어 단어 ‘마(Ma)’는 성조에 따라 엄마(Ma), 무덤(M?), 귀신(Ma) 등 전혀 다른 의미를 지녔다.
삼성리서치 베트남 연구소(SRV)는 성조의 미세한 차이를 인식할 수 있도록, 음성 데이터를 매우 정교하게 다듬고 정제하는 과정을 거쳤다. 무엇보다 성조를 정확히 구분해 내기 위해 한 단어를 0.02초 전후의 짧은 프레임으로 잘라내고 이를 데이터베이스화 했다.
중남미 22개국의 공식 언어는 스페인어다. 중남미 지역의 언어 모델 개발을 담당한 삼성리서치 브라질 연구소(SRBR)는 갤럭시 AI가 중남미 국가의 스페인어 차이를 이해할 수 있도록, 각 국가의 오디오와 텍스트 등 방대한 양의 데이터를 수집해 관리하고 지속적으로 개선했다.
인도네시아어는 관사, 복수형, 동사의 시제 변화가 없어서 상대적으로 배우기 쉬운 언어로 평가받는다. 하지만 반대로 문장의 맥락을 충분히 파악하지 못하면 내용을 이해할 수 없어 통·번역이 쉬지 않은 언어다. 이런 언어적 특성을 반영해 삼성리서치 인도네시아 연구소(SRIN)는 인간의 뇌가 학습하는 과정과 유사한 ‘인공신경망번역(Neural Machine Translation, NMT)’ 방식을 적용했다. 단어가 아닌 ‘문장 단위’로 언어를 학습시켜, 갤럭시 AI가 의사소통의 맥락과 규칙을 이해할 수 있도록 했다.