2023년이 시작된지 벌써 한 달이 지났습니다. 모두 2023년 계획대로 잘 시작하고 계시나요? 왠지 새해를 맞이하게 되면 자주 보지 못했던 사람에게도 안부를 전하게 되고, 내 주변의 사람과 환경에 대해 애틋함이 들게 됩니다. 이번 설날 명절을 맞이하여 멀리 떨어져 있던, 자주 보지 못했던 가족을 만났을 때도 괜히 다른 날 보다 더 헤어짐이 아쉬웠어요. 고향을 떠나는 제게 가족들이 마지막까지 했던 말은 ‘다치지 말고, 안전하고 건강하게 지내는 게 최고야. 늘 조심해서 다녀’ 였습니다. 이미 어른이 된 지 오래지만, 아직 부모님 눈에는 어린아이로 비치나 봅니다.
이처럼 사랑하는 사람의 안전과 건강은 모든 사람이 염려하는 것 중 하나입니다. 오랜 시간을 함께 보내기 위해선 필수 불가결한 요건이니까요. 특히나 저와 같이 고향과 가족을 떠나 홀로 살아가는 분들은 언제 생길지 모르는 문제에 조금 더 예민할 수 있을 것 같아요. 만약 여러분은 기술을 통해 더 안전한 삶을 보장받을 수 있다면 어떨 것 같나요?
하인리히의 법칙을 들어본 적 있으신가요? 1:29:300 모델이라고도 불리는 이 법칙은 어떤 대형 사고가 발생하기 전 같은 원인으로 수십 차례의 가벼운 사고와 수백 번의 징후가 반드시 나타남을 뜻하는 통계 법칙입니다. 단순한 산업 재해뿐만 아니라 질병과 관련된 사전 징조를 보더라도 비슷한 경향성을 발견할 수 있을 거예요. 예를 들어 최근 기침 소리가 이상해져서 병원에 방문해보니 단순 감기가 아니었음을 발견하는 것처럼요.
앞서 말씀드린대로 기술을 통해 1) 미리 사고를 방지하거나 2) 사고가 더 커지기 전에 빠른 해결 방안을 제시할 수 있다면 우리는 안전이 더 보장된 삶을 살 수 있을 것입니다. 도대체 어떤 기술이 이런 도움을 줄 수 있냐고요? 바로 저희가 보유한 Sound AI 기술을 통해서입니다. Cochl은 Creating ears for artificial intelligence라는 모토 하에 세상의 모든 소리를 인지하고, 이해하는 Sound AI를 만들어 나가고 있습니다. 우리의 일상은 다양한 소리로 가득 차 있고, 소리는 우리가 생각한 이상으로 많은 정보를 담고 있습니다. 만약 어떤 소리가 들릴 때, 이 소리가 무슨 소리인지를 빠르게 알 수 있다면 더 넓은 맥락에서 우리는 상황을 파악할 수 있습니다.
Sound AI 기술이 우리의 안전을 얼마만큼 보장할 수 있는지 저희가 최근 집중하고 있는 보안 분야를 중심으로 이야기를 이어 나가겠습니다. 보안 분야는 전통적으로는 시각 정보를 집중해서 수집하고, 해당 정보를 바탕으로 의사 결정이 돼 왔습니다. 물론 기술이 발전함에 따라 시각 정보의 정확성도 시간이 지나며 높아졌으나, 단일한 채널이라는 점에서는 확장 가능성의 한계가 명확했습니다. 가령 감시 카메라를 예로 들 때, 감시 카메라의 사각지대에서 사건이 발생한다면요? 시각적으로는 평화로워 보이지만 사실은 그와 반대의 상황이 벌어지고 있다면 감시 카메라는 이를 위험 상황으로 판단할 수 있을까요? 그렇기에 시각 정보를 보완할 수 있는 다른 정보의 필요성이 대두되었고, 이 부분에서 음향 정보의 중요성이 이목을 끌게 되었습니다.
최근 심각한 국제 사회 문제로 나타나고 있는 총기 사건을 들여다 볼게요. Gun Violence Archive에 따르면 미국 내 4명 이상의 사상/부상자를 낸 총기 사건이 2014년에는 273건이었고, 2022년에는 647건으로 집계되었습니다. 매년 발생한 건수를 확인했을 때 약 10.1%의 증가 추세를 보이고 있습니다. 또한 미국 질병 통제 예방센터(Centers for Disease Control and Prevention, CDC)에서도 총기 사건을 심각한 공중 보건 문제로 꼬집었으며, 2020년에는 45,222명이 총기 사건으로 인해 희생당했습니다. 이처럼 총기 사건은 발생 건수 대비 많은 희생자를 만들어 내고 있습니다. 특정 장소 내에서는 총기 소지가 불법이라고 해도 눈에 보이지 않는다면 우리는 안전하다고 쉽게 착각할 수 있죠. 만약 우리가 기술을 통해 이런 가능성을 조금이라도 줄이거나, 예방할 수 있다면 어떨까요?
물론 기술이 모든 총기 사건을 막을 순 없지만, 충분히 저지할 수 있는 잠재력을 보유하고 있습니다. 공공장소 등에서 발생하는 총기 사건의 경우, 거리 혹은 장소에 설치된 감시 카메라에 총소리를 감지하는 Sound AI 기술이 탑재되어 있다면 말이죠. 총기가 보이지 않아도 소리를 통해 사건이 발생하고 있다는 점을 인지할 수 있고, 소방 당국에서 더 빠르게 출동해 사건이 커지는 것을 막을 수 있습니다. 혹은 가정집의 경우에도 집 밖에서 총 소리가 들린다면 이 소리가 총소리가 맞는지를 일차적으로 확인하고, 총소리라면 경찰 혹은 사설 경비에게 연락해 안전을 보장받을 수도 있습니다. 총소리뿐만 아니라 비명, 유리가 깨지는 소리 등 위급 상황에서 발생할 수 있는 소리를 구별하고, 인지한다면 더 많은 범죄 상황이나 위험에 노출되는 상황을 빠르게 파악하고 해결책을 제시할 수 있습니다.
The Response Guides ⁽¹⁾에 따르면 총소리 인식 기술 적용시 대표적으로 아래와 같은 장점들을 발견할 수 있었습니다.
•
빠른 대응 시간: 위 기술을 통해 총소리 감지 시 빠르게 소방 당국 혹은 경비 시스템에 연락을 취할 수 있습니다. 일례로, 덴버에서 총기 사건이 발생했을 때 구급대원 출동까지 기존에는 8분 30초 가량이 걸렸다면, 총기 인식 기술 도입 후 4분 45초까지 낮춰졌습니다.
•
피해자 보호: 빠른 대응을 통해 추가적인 피해를 막고, 총격으로 인한 피해자 발생 시 더 빠른 의료 대응을 진행할 수 있습니다.
•
정확한 위치 파악: 해당 기술을 통해 사건이 발생한 지역을 빠르게 확인할 수 있습니다.
현재 널리 알려진 음향 인식 기술의 경우에는 별도의 기기를 주변 환경에 부착하여 해당 음향 인식 센서를 통해 음향 정보를 받아야 합니다. 이와 달리, Cochl의 Sound AI 기술은 특수한 하드웨어 없이 기존 사용 중인 기기와 결합하는 형태로 사용이 가능합니다.
자율주행 순찰로봇을 개발하고 운영하고 있는 ‘도구공간’의 순찰로봇에 Cochl의 기술이 탑재되어 있습니다. 송파 둘레길, 어린이 대공원에서 실제로 해당 로봇이 순찰을 돌며 비명, 유리 깨지는 소리, 고성 등을 실시간으로 모니터링 하고 비상 상황에 24/7 대응하고 있습니다. 도구공간의 사례처럼 Cochl의 기술은 기존 기기에 소프트웨어(SDK) 형태로 바로 설치가 가능해 경제적이며, 쉽고 빠르게 기술을 적용할 수 있고 주변 환경에 관계 없이 뛰어난 인식률을 선보이고 있습니다. 이전에는 CCTV를 통해 시각적인 정보만 받아 상황을 파악할 수 있었다면, 이제는 사각지대를 벗어나 소리 정보까지 함께 판단의 근거로 삼을 수 있습니다.
Sound AI 기술은 아직 널리 알려져 있진 않지만, 사고를 예방하고 빠른 의사 결정을 하는 데 아주 중심이 되는 역할을 할 수 있는 잠재력을 가지고 있습니다. 특히나 인간의 삶을 더욱 안전하고, 이롭게 한다는 점에서 아주 강력한 장점이 있고요. 그리고 저희는 이 기술이 모든 이의 삶을 한층 더 안전하게 만들 뿐만 아니라, 위험 상황에서 더 빠르고 정확한 판단을 내리는 데 이바지하리라 믿습니다.
이쯤 되면 저희가 어떤 기술을 가졌는지 두 눈으로 보시고 싶으실 거예요. 이 글을 읽으시는 분들에게 아래 두 영상을 추천 드립니다.
Detecting Gunshot sound from 50m away with Cochl.Sense SDK (Cochl.Sense SDK Demo)
Direction of Arrival (DoA) estimation with Cochl.Sesne gunshot detection
영상을 넘어서 직접 Cochl의 기술을 체험해보고 싶으시다면 저희 랩스 페이지를 방문해주세요. Cochl이 듣고 있는 세상을 더 알고 싶으시다면 편하게 contact@cochl.ai 로 연락 부탁드립니다. 읽어주셔서 감사합니다 
1.
Dennis Mares. (2022). Gunshot Detection - Reducing Gunfire through Acoustic Technology. (Problem Oriented Guides for police response guide, No.14). https://popcenter.asu.edu/sites/default/files/gunshot_detection_final.pdf