제가 몸담고 있는 에듀테크 기업 바풀이 운영 중인 소셜러닝 애플리케이션 바로풀기에서 2016년 9월 6일 저녁 자동답변 기술이 탑재된 바로풀기를 버전 업데이트했습니다.
‘자동답변’ 기술은 바풀 김영재 CTO를 포함한 3인 프로젝트 팀의 쾌거였는데요. 인프라와 한글엔진, 이미지처리엔진 개발은 김영재 CTO가, 바풀에 완전히 합류하기 전부터 자동답변 팀의 일원이 되어 수식엔진과 딥러닝 개발은 오형석 개발자가, 제대로 인식돼야 할 문제들을 선별하고 인식 결과를 평가하는 등 데이터품질검증은 바로풀기 수학 참고서를 직접 집필하기도 한 박태균 연구원이 맡아서 진행했습니다.
2년이라는 길다면 길고 짧다면 짧은 시간 끝에 바로풀기 자동답변 ver.1을 서비스에 배포하고 시연 영상을 바로풀기 페이스북에서 처음 공개했을 때 반응은 실로 뜨거웠습니다. (아직도 뜨겁습니다. 하하)
바풀 페이스북 https://www.facebook.com/bapulmath/videos/1288610331158212/
특히 관련 업계 종사자들의 뜨거운 관심과 과분한 찬사를 받았는데요. 도대체 자동답변이 뭔데? 질문 올리면 인공지능이 대답해줘? 아니면 사람을 수백 명쯤 고용해서 막 다 풀어줘? 궁금해하시는 분들을 위해, 아니 사실은 곁에서 인고의 시간을 지켜봤지만 사실 그들이 2년 동안 대체 뭘 한 건지 궁금했던 저(바풀 PR 담당잡니다) 자신의 궁금증 또한 해소하기 위해 김영재 CTO와 간단한 인터뷰를 진행했습니다. (스압 주의)
Q. 우리가 개발 초기부터 ‘자동답변’이라고 불러왔지만, 실제로는 학생들이 찍어 올린 문제를 풀어서 자동으로 답변을 구해주는 기술은 아니다. ‘자동답변’을 한 마디로는 어떻게 정리해볼 수 있을까.
기술적인 답을 원하느냐, 이해하기 쉽게 포장하기를 원하느냐.
쉽게 말하자면, 딱 찍고 딱 올리면 (답이) 딱 나오는 거다. 기술적으로 최대한 간단하게 풀어보면, ‘학생이 질문 사진을 찍어 올리면 20여 단계를 거쳐서 사진 속 수식, 글자, 이미지를 인식하고 그 결과를 즉시 기존 바로풀기 답변이 있는 100만 개의 기존 DB에서 똑같은 질문을 찾아서 보여주는 기술’이다.
답변이 이미 달려 있으니까 똑같은 문제를 찾았다면 ‘자동답변’이 되는 거고, 똑같은 문제가 우리 DB에 아직 없거나 인식의 문제로 찾지 못했다면 유사한 문제를 찾아서 보여준다. 유사한 문제이므로 풀이를 보고 질문한 문제의 답을 구하는 데 힌트를 얻을 수 있을 것이다.
Q. 듣기로는 이미지를 인식한 결괏값을 기존 DB와 비교해서 같은 걸 찾는 2~3단계 정도의 기술 같은데 20여 단계를 거친다니, 그중에 가장 중요한 과정이 뭔가.
가장 핵심은 ‘수식과 평문’ 두 개를 온전히 인식하는 것이다. 예를 들어 방정식 문제에서 x라는 이미지가 인식됐다면 이건 수식일 수도 있지만 평문일 수도 있다. 이걸 수식으로 보고 결과를 찾을지, 평문으로 보고 결과를 찾을지를 결정하는 과정에서 검색 결과의 정확도가 좌우될 수 있기 때문이다.
지금까지 등장한 기술은 수식만 인식하거나, 평문만 인식하거나 둘 중 한 가지만 가능했지만 바로풀기 자동답변은 이 두 가지를 동시에 인식하여 구분해낼 수 있고 현재 이 기술을 갖고 있는 건 국내에서 바풀이 유일하다. 아마 전 세계적으로도 거의 없는 것으로 알고 있다. 전 세계적으로 드문 이유는 수식이 아닌 수학 문제를 인식하는 것이 공학자들이 해결해야 할 문제의 우선순위에서 높지 않았기 때문이기도 하다. 하지만 우리에게는 최우선이었다.
Q. 수식과 평문을 구분해내는 게 그렇게 어려운 일인가.
인식할 텍스트의 베이스라인(기준선) 때문이다. 평문 안에 수식이 들어가는 순간 기준선이 달라지는데 우리 팀은 처음부터 달라지는 상황을 가정하고 수식엔진을 설계했기 때문에 기존의 접근방식보다는 훨씬 더 수학 문제 인식에 최적화된 방식이었다고 본다.
자동답변 과정
Q. 자동답변 기능이 실 서비스에 적용된 지 2주 정도 됐다. 지금까지의 반응은?
아직은 100% 똑같은 문제를 찾아내고 있지는 않다.(6:4 정도로 6개가 똑같은 질문, 4개가 유사한 질문) 2년 간의 노력이 드디어 공개된다고 생각하니 긴장이 되기도 했고 인식 품질과 속도에 대해서는 지금도 계속해서 개선 작업을 하고 있기 때문에 별다른 공지 없이 자동답변 기능을 앱에 추가했다.
그런데도 2주 만에 2,800명의 이용자들이 7,000회 정도 자동답변 기능을 이용했고, 완전히 다른 문제인지(1점), 힌트가 되는 문제인지(2점), 완전히 같은 문제인지(3점)를 체크하도록 했더니 평점 평균이 2.41점 정도로 예상보다 높게 나왔다.
다만 개발 과정에서 충분히 많은 문제들을 실험해봤다고 생각했는데, 실제로는 훨씬 더 다양한 질문이 들어오고 있는 상황이다. 물론 질문 수준을 예측하지 못한 건 아니지만, 품질은 예상하지 못했기 때문에 인식할 수 있는 품질 수준을 더 올려야겠다는 생각이 들었다.
Q. 품질 수준을 올리겠다는 얘기가 나온 김에, 그렇다면 지금 자동답변 팀이 머릿속에 그리고 있는 ‘자동답변’의 완성형은 어떤 모습인가?
최종적인 그림은 물론 문제를 찍으면 완전히 똑같은 문제가 최우선으로 나오는 것이다. 그래서 지금 하고 있는 작업은 인식 결과가 빠르고 정확하게 나오도록 하는 것인데, 지금 처리 시간이 최저 사양 기준 4초 정도로, 앞으로 2초대로 줄이려고 한다.
역시 OCR 기술을 이용하고 있는 바로단어장의 경우는 처리 속도가 1초 정도였는데, 영문보다는 수식이 들어간 이미지 인식이 더 오래 걸릴 수밖에 없지만 2.5초 정도를 목표로 하고 있다.
Q. 빠르고 정확하게.. 원래 정확하게 하려면 오래 걸리고 빨리 하려면 정확도가 떨어질 수밖에 없는 것 아닌가.
그래서 어렵다. 지금은 엔진이 수식엔진, 평문엔진, 이를 합치고 관장하는 통합엔진 등 3가지로 나눠져 있는데, 셋 사이의 통신도 느리고, 각각이 하는 일도 복잡하다. 노하우가 좀 더 쌓이고 패턴을 알아내면 각각의 시간도 줄어들고, 때로는 두 개의 엔진을 하나로 합치는 것도 가능해질 수 있다고 본다.
앞으로도 질문과 답변은 끊임없이 쌓일 거고 우리 팀의 노하우 또한 축적될 테니 이걸 통해서 정확도를 높이면서도 속도는 줄여나가는 것이 목표다.
Q. 바로풀기 페이스북을 비롯해 CEO, CTO의 페이스북에 자동답변 영상 론칭에 대한 소식이 올라갔을 때 대부분은 응원과 격려를 보냈지만, 일부에서는 학생들이 숙제 해결에 악용하는 게 아니냐는 우려의 목소리도 있었다. 자동답변을 만든 진짜 이유가 뭔가.
자동답변 기능이 완성되면 이제 바로풀기는 ‘특정 학생이 모르는 게 뭔지’를 알 수 있게 된다. Knowledge Tracing이 가능해지는 것이다. 모르는 문제를 계속 찍어 올리기만 해도 Knowledge Tracing이 가능하다.
교육적 관점에서는, 이 기술만이 현재 우리나라 수학교육의 문제를 해결하는 첫 단추라고 생각한다. 현행 수학 교육은 한 학기에 1천 문제 넘는 유사문제 반복 풀이로 패턴 학습을 강요한다. 반복 풀이에 대한 관성과 노동집약적인 숙제 만으로 시간을 보내도록 하는 교육 문제를 해결하고 싶다.
Q. Knowledge Tracing이라면 이미 다른 곳에서도 많이 구현해낸 기술이 아닌가.
그게, 차이가 있다. 기존의 Knowledge Tracing은 제공하는 곳에서 설계한 방식대로 그들이 만든 문제를 풀어야만 파악이 가능했는데, 우리는 말 그대로 ‘노매드’다. ‘학습자가 모르는 문제’만 찍어 올리면, 많이 찍어 올릴수록, 우리는 자동으로 Knowledge Tracing이 가능하다.
이렇게 해서 어떤 사람이 뭘 모르는지를 알게 되면 이를 활용하는 서비스를 만드는 파트너사에 제공할 수도 있고 우리가 직접 학습 곡선이나 학습 이력을 케어하고, 개별 맞춤 강의나 지도를 제공할 수도 있다.
한 사람이 우리 서비스에 ‘모르는 문제’ 데이터를 많이 쌓을수록 학습자 본인보다 우리가 더 학습자의 수준을 잘 파악해 핀포인트 러닝을 제공해줄 수 있게 된다. “넌 인수분해를 해야 해.” -> “넌 이 사람이랑 공부해야 해.”를 통해 1:1 맞춤지도를 제공하는 바풀공부방으로 연계해줄 수 있다.
바풀공부방은 처음부터 이런 생각에서 출발했다.
첫 번째는, 바로풀기에서 서로 친해진 사람끼리 1:1로 수업할 수 있게 해주자.
두 번째는, 바로풀기에서 가공된 데이터와 지식을 활용해 공부방에서 활용하게 해주자.
Q. 서비스 출시 후 다양한 업계로부터 다양한 반응이 있었다. 기억에 남는 것들을 정리해본다면?
자동답변이 ‘어떤 어떤 기술’로 구현된 것일 거라고 넘겨짚는 부분들이 있는데 그건 실제의 30% 정도도 되지 않는다. 글자 인식과 딥러닝을 썼을 거라고 많이들 추측하는데 틀린 것은 아니지만 그건 현재 우리 기술에서 없어도 될 만큼 중요하지 않은 요소다.
또 ‘손으로 쓴 것도 인식해서 똑같은 문제를 찾아주냐?’고 많이들 묻는데 안 된다. 앞으로도 할 생각이 없다. 우리는 계산기를 만드는 것이 아니고 우리의 철학과도 맞지 않다.
우리 기술의 핵심은 ‘문제에서 데이터를 뽑아내고(엔지니어링/인식), 그 문제를 이용하는 유저들로부터 지식 추적을 한다(지식 구축)’는 것이기 때문이다.
Q. 앞에서도 잠깐 언급했지만 자동답변 기술이 완성되면 숙제 해결 도구로 전락해 오히려 학생들이 수학 공부를 제대로 하지 않을 것이라는 지적이 있었다.
할 수 있는 지적이라고 본다. 자동답변이 되면 문제를 깊게 고민하고 풀지 않고 검색해서 답만 찾으려 할지도 모른다는 우려를 할 수 있다. 하지만 우리가 자동답변 기술을 개발하면서 고민하는 지점, 던지는 지점도 결국은 같은 것이다. 우리가 그리는 그림은 단순히 정답만 빠르게 주는 게 아니다.
우리는 오히려 이 기술을 통해 ‘선생님들의 역할’에 대해 질문을 던지고 요구를 하게 될 것이라고 생각한다. 특히 기존 학원들은 잘 팔리는 문제집을 교재로 선택해 숙제 많이 내주고 무조건 문제를 많이 풀게 하는 방식으로 지도해온 게 사실이다. 그간에는 숙제가 정말 도움되는 학습방법이라고 생각해서 숙제를 많이 내줬다기보다는, 한 선생님이 관리할 수 있는 학생수를 항상 넘겨왔기 때문에, 다수 학생을 관리하기 용이한 방식으로서 숙제를 택해왔다고 본다. 따라서 이런 것들을 자동답변이 대체해버린다면 학원에서는 더 이상 이런 방식의 수업을 할 수 없을 것이다.
앞으로는 선생님들도 수학을 어떻게 가르쳐야 할지 고민하게 되고 역할까지 바꾸게 되지 않을까. 아이들이 특정한 문제에 대해 좀 더 깊이 고민하고 생각하면서 풀 수 있도록 지도하게 될 거라고 기대한다.
Q. 처음부터 ‘자동답변’을 목적으로 연구와 개발이 시작됐기 때문에 ‘자동답변’이라고 부르고 있기는 하지만 2주 정도 테스트 기간을 거쳐보니, 검색 결과를 얻은 유저 중 82%가 답을 받았고 이중 완전히 같은 문제와 답을 결과로 받은 사람은 10명 중 6명. 아직 4명은 유사 문제를 통해 힌트만 얻어가고 있는 상황인데, 기대하는 수준의 ‘자동답변’은 언제쯤 가능할 것으로 보나.
1년 내로 가능할 것으로 본다. 우리는 이에 관해서는 국내 최고의 팀임을 자부한다. 어차피 이 문제를 해결해야 한다고 생각하는 곳이 우리 외에는 거의 없기도 하다.
Q. 현재는 수학만 가능하다. 다른 과목에도 적용할 계획이 있나.
물론이다. 다른 과목에도 적용한다면 다음은 영어, 한국사 순이 될 것 같다. 영어의 경우 이미 ‘바로단어장’으로 검증과 준비가 돼 있고 영어가 인식이 더 쉽기도 하다.
다음으로 한국사를 생각하는 이유는, 한국사 학습자들의 욕구가 유사문제를 반복해서 풀어야 할 필요가 많기 때문이다. 공부 방식 자체가 많은 문제를 풀고, 단 한 문제의 결과에 따라서 당락이 오락가락하기 때문에 검정시험이나 공무원을 준비하는 수험생에게 우리가 실질적인 도움을 줄 수 있을 것 같다.
Q. 마지막으로 하고 싶은 말이 있다면
예전에 구글이 도서관 정보를 모두 DB화 했을 때도 논란은 있었지만 결과적으로는 모든 사람이 양질의 정보에 쉽게 접근할 수 있도록 한 것이었고 그 기술 자체가 잘못된 건 아니라는 데 어느 정도 합의를 이루었다고 본다. 파장을 일으킨 건 기술 그 자체이고 그걸 앞으로 어떻게 활용할지 기술 등장 이후의 흐름을 어떻게 만들어 가느냐가 우리의 몫이다.
바풀이 하려는 게 ‘유저’에겐 Knowledge Tracing을 돕는 것이고, ‘찍어 올린 문제들’에게는 메타 콘셉트 데이터를 구축하는 것이다. 메타 콘셉트 데이터를 구축하면, 문제 하나가 갖고 있는 여러 가지 개념들을 묶어주고 분류할 수 있게 되는데, 특히 유저가 직접 참여해서 만드는 참여형 메타 콘셉트로는 새로운 콘텐츠를 기획하는 데 무척 유용하다.
앞으로도 우리는 이런 식으로 교육 방식이나 철학에 대해 끊임없이 질문하고 변화시키고 또 변화된 교육 방식에 우리의 기술과 노하우를 전달하려고 한다.
사실 현재로서 제일 뿌듯한 것은, 그 밑에 깔린 기술이 얼마나 복잡한 것이든 관계없이 유저들이 보는 화면에는 귀여운 부엉이가 뛰어놀고 있다는 것이다(문제 검색에 걸리는 3초 정도의 시간 동안 바로풀기의 캐릭터인 부엉이 ’바로'가 날갯짓을 하는 애니메이션이 나온다) 설득력 있고 친절한 기술, 하나의 인격체 같은 기술을 만들겠다는 것이 가장 중요하게 생각했던 부분이고 그래서 이렇게 부엉이를 매개로 유저와 만난다는 것이 솔직히 가장 기분 좋다. 구글에서는 비둘기가 검색 결과를 찾아준다면 우리는 부엉이가 풀이와 답변을 다 찾아준다.
이용자들끼리 ‘와 신기하다. 이거 어떻게 하는 거야?’ ‘부엉이가 해준대.’라고 대화하는 장면을 상상하면 흐뭇하다.
그렇습니다. 정말 부엉이가 찾아주는 거예요. #둠칫두둠칫
바로가 수학문제 풀이와 답을 바로 찾아드립니다
#바풀 #솔루션 #바로 #에듀테크 #인사이트 #기획 #인사이트 #서비스소개 #서비스
가입하기
