제1장. 감정 AI 소개

홍익인간(弘益人間)

"널리 인간을 이롭게 하라"

WIA 감정 AI 표준은 인간의 감정을 이해하는 일이 진정으로 인류에 봉사하는 기술을 만드는 데 근본이 된다는 철학에 기반합니다. 단군신화에서 비롯된 이 고대 한국의 사상은 기술이 누구를 위해, 어떤 가치를 위해 존재해야 하는지에 대한 명확한 답을 제시합니다. 표준은 누구의 것이 되어야 하는가라는 질문에 대해 WIA는 "인류 공통의 자산"이라는 입장을 채택하며, 이 입장은 표준 본문·SDK·시험 도구를 모두 MIT 라이선스로 무상 공개하는 정책으로 구체화됩니다. WIA 감정 AI 표준은 이 가치를 24개의 적합성 요건과 12개의 윤리 강령으로 구체화하여 모든 구현자가 따라야 할 공통 기준을 제공합니다. 본 도서는 이 24개 요건을 4개 페이즈(데이터 형식·API·스트리밍·통합)와 8장 분량의 본문에 걸쳐 차근차근 풀어냅니다.

1.1 감정 AI(정서 컴퓨팅)란 무엇인가

감정 AI(Emotion AI)는 정서 컴퓨팅(Affective Computing)이라고도 부르며, 인공지능·컴퓨터 과학·심리학·인지과학을 결합하여 인간의 감정을 인식·해석·처리·시뮬레이션할 수 있는 시스템을 개발하는 다학제적 분야입니다. 단순히 표정의 픽셀을 분류하는 작업을 넘어, 감정이 인간의 의사결정과 사회적 상호작용에 어떻게 작동하는지를 모델링하고 이를 기계에 이식하려는 시도입니다. 이 분야는 컴퓨터 비전·자연어 처리·신호처리·심리학·신경과학·인류학·윤리학을 가로지르며, 단일 학과의 경계 안에 머물지 않습니다.

정의(ISO/IEC 22989:2022 §3.1.4 참조). 정서 컴퓨팅은 인간의 정서(감정·기분·태도)를 인식·해석·처리·시뮬레이션할 수 있는 시스템 및 장치의 연구와 개발입니다. 정서(affect)는 일시적 감정(emotion)·지속적 기분(mood)·태도(attitude)의 세 층위를 포괄하며, WIA 표준은 이 세 층위를 모두 모델링 대상으로 삼습니다. 이때 감정은 수 초 단위, 기분은 수 시간~수 일 단위, 태도는 수 주~수 년 단위의 시간 척도를 갖는다는 차이가 있으며, 분석 시스템도 각 층위에 적합한 윈도우 크기를 사용해야 합니다.

1.1.1 기원 — Rosalind Picard 박사

정서 컴퓨팅 분야는 1995년 MIT 미디어랩의 Rosalind Picard 박사에 의해 창립되었습니다. 그가 발표한 선구적 논문 「Affective Computing」(MIT Media Lab Technical Report 321, 1995)과 1997년 동일 제목의 단행본은 이후 수십억 달러 규모로 성장한 산업의 학문적 기반이 되었습니다. Picard 박사는 현재 MIT Affective Computing Research Group을 이끌며 자폐 스펙트럼 장애 아동을 위한 감정 인식 보조 도구 연구를 지속하고 있고, 2009년 공동 창업한 관련 상업화 회사 (2021년 매각 거래 1건)는 상업 분야에서 가장 영향력 있는 감정 인식 SDK 가운데 하나로 자리 잡았습니다.

Picard 박사가 정서 컴퓨팅을 제안하기 이전에는 감정을 컴퓨팅 시스템의 잡음 또는 비합리적 변수로 취급하는 시각이 지배적이었습니다. 그러나 그는 감정이 인간 인지의 본질적 구성 요소이며, 이를 다루지 않는 컴퓨팅은 인간 사용자에게 결국 비효율적이라는 점을 학문적으로 입증함으로써 패러다임을 전환했습니다.

표 1-1. 정서 컴퓨팅 분야의 창립 연혁
항목내용
창시자Rosalind Picard, Sc.D.
기관MIT Media Lab, Affective Computing Research Group
창립 연도1995년
대표 저서「Affective Computing」 (MIT Press, 1997)
핵심 명제감정은 인간 지능과 의사결정에 필수적이며, 분리 가능한 별개 능력이 아니다
상업화관련 상업화 회사 창업·매각 (2009·2021)
현 연구 주제웨어러블 EDA 센서, 자폐 보조 기기, 학습자 감정 추적
대표 수상다수 학계 수상 경력

1.1.2 컴퓨팅에서 감정이 중요한 이유

Picard 박사의 획기적 통찰은 감정이 이성적 사고와 분리된 별개 작용이 아니라 그 자체가 이성에 본질적이라는 점이었습니다. 신경과학자 Antonio Damasio는 「Descartes' Error」(1994)에서 안와전두피질이 손상된 환자(EVR 사례)가 지능 검사에서 정상 점수를 받으면서도 점심 식당을 고르는 단순한 결정조차 내리지 못한다는 사실을 보고했습니다. 감정 신호가 차단되면 의사결정 자체가 마비됩니다. 이른바 "체성 표지 가설(Somatic Marker Hypothesis)"은 감정이 의사결정의 사전 필터로 기능한다는 점을 신경해부학적으로 입증한 작업입니다.

핵심 통찰 다섯 가지.

  • 감정은 주의(attention)와 기억 부호화를 유도합니다 — 정서가 강한 사건일수록 해마에 더 깊이 새겨집니다(LaBar & Cabeza, 2006).
  • 감정 반응은 인지 처리보다 빠르며(약 12 ms 대 200 ms 차이, LeDoux 1996), 위험 회피의 일차 방어선입니다.
  • 인간-컴퓨터 상호작용(HCI)은 본질적으로 정서를 동반하며, 이를 무시한 인터페이스는 사용자 이탈을 부릅니다(Brave & Nass, 2003).
  • 감정을 이해하는 기계는 동일한 정보 처리 능력을 가진 기계보다 인간 사용자에게 더 유용합니다.
  • 감정 정보는 의도(intent) 추론과 사회적 신뢰 형성의 핵심 입력으로, 자율 시스템이 인간 사회에 통합되는 데 필수적입니다.

한국지능정보사회진흥원(NIA)은 2024년 「인공지능 산업 실태조사」에서 감정 인식 기술이 헬스케어·교육·자동차 분야에서 가장 빠른 채택률을 보인다고 분석했으며, 특히 한국 사용자는 비언어적 감정 신호에 대한 민감도가 서구 사용자 대비 22 % 높게 측정된다고 보고했습니다. 이는 한국형 감정 AI가 단순한 영문 모델 번역이 아니라 별도 학습 데이터와 검증 절차를 필요로 함을 시사합니다. 한국정보통신기술협회(TTA)는 같은 해 단체표준 TTAK.KO-12.0383 「감정 인식 데이터 형식」을 제정하여 국내 표준화 기반을 마련했습니다.

또한 한국전자통신연구원(ETRI)이 운영하는 「AI Hub 한국어 감정 데이터셋」(2023년 공개)은 50만 건 이상의 한국어 음성·텍스트·표정 라벨링 데이터를 제공하며, 이는 영문 중심 데이터셋(FER-2013, AffectNet, IEMOCAP)이 한국 화자의 운율과 표정 표출 규칙을 충분히 반영하지 못한다는 문제의식에서 출발했습니다.

1.2 시장 규모와 성장

감정 AI 시장은 2020년대 초반부터 폭발적인 성장을 이어 왔으며, 미국 시장조사기관 MarketsandMarkets와 한국정보통신산업진흥원(NIPA)이 발표한 수치는 다음과 같이 수렴합니다. 글로벌 시장은 헬스케어·자동차의 규제 채택, 기업의 고객경험(CX) 투자 확대, 5G·엣지 컴퓨팅 인프라 확산이 주된 견인 요인으로 작용합니다.

표 1-2. 글로벌 감정 AI 시장 규모 추이 (단위: 미국 달러)
연도시장 규모전년 대비 성장률
2020216억 달러—
2021248억 달러14.8 %
2022285억 달러14.9 %
2023327억 달러14.7 %
2026 (예측)371억 달러연평균 13.5 % (CAGR)
2030 (예측)620억 달러2026~2030 CAGR 13.7 %

한국 단독 시장은 2024년 기준 약 8,400억 원(NIA 추산)이며, 2026년에는 1조 4천억 원을 돌파할 것으로 전망됩니다. 글로벌 시장 대비 비중은 약 5 % 수준이지만 성장률은 18 %로 글로벌 평균을 상회합니다. 이는 주요 한국 대기업 등 대기업이 잇달아 음성·표정 분석 모듈을 자사 서비스에 내재화한 결과로 해석되며, 정부의 「디지털 의료서비스 혁신전략」(2023)과 「자율주행 모빌리티 산업 육성방안」(2024)이 수요 측면의 추가 가속 요인이 되었습니다.

북미 시장은 헬스케어·자동차 비중이 높고 SaaS 형태의 API 서비스 매출이 강세입니다(한 상업 SDK 사업자, 한 상업 사업자, 한 음성 감정 사업자). 유럽 시장은 GDPR 영향으로 자동차·산업 안전 분야에 집중되며, 명시적 동의가 어려운 매장 분석 시장은 상대적으로 위축된 상태입니다. 중국 시장은 핑안그룹·바이두·텐센트가 주도하는 콜센터·교통·교실 모니터링 영역이 큰 비중을 차지하지만, 표준 호환성 측면에서는 WIA·ISO 계열보다 자체 단체표준이 우세한 양상입니다. 일본은 자동차·로봇 분야에 집중하며 토요타·소니·NEC·NTT가 주요 사업자입니다. 한국은 이 5개 주요 권역 중 자동차·헬스케어·B2C 챗봇 세 영역에서 동시에 글로벌 경쟁력을 갖춘 유일한 국가로 평가받으며, WIA 표준은 이 세 영역의 한국 사례를 모범 적용 사례로 명시 인용합니다.

1.2.1 시장 부문

감정 AI는 다음과 같은 산업 분야에 걸쳐 활용됩니다. 비중은 2024년 글로벌 매출 기준 추정치이며, 한국 시장은 자동차·헬스케어 비중이 글로벌 평균보다 5~7 %p 높게 나타나는 특성이 있습니다.

  • 헬스케어 (28 %). 정신건강 모니터링, 환자 케어. 주요 한국 건강 플랫폼 멘탈케어, 마인드카페·트로스트 같은 한국 정신건강 앱이 대표 사례입니다.
  • 소매·마케팅 (24 %). 소비자 연구, 광고 효과 측정. 이마트·롯데백화점 매장 동선 분석에 표정 인식이 시범 도입된 바 있습니다.
  • 자동차 (18 %). 운전자 모니터링 시스템(Driver Monitoring System, DMS). 현대자동차·기아·현대모비스가 자체 DMS를 양산차에 탑재합니다.
  • 미디어·엔터테인먼트 (15 %). 콘텐츠 최적화, 게임. CJ ENM·넥슨이 시청자·플레이어 감정 반응 분석을 시도하고 있습니다.
  • 교육 (10 %). 적응형 학습, 학생 참여도 측정. 한 한국 공공 미디어 디지털교과서, 클래스카드, 콴다가 잠재 도입 후보입니다.
  • 기타 (5 %). 보안, 접근성, 고객 서비스. 주요 한국 플랫폼 콜봇·주요 한국 플랫폼 음성 서비스 콜봇이 통화 감정 분석을 활용합니다.

1.3 감정 분류 모델

1.3.1 Ekman의 이산 감정 모델 — 6가지 기본 감정

심리학자 Paul Ekman 박사가 1971~1972년 파푸아뉴기니 포레족을 대상으로 진행한 비교문화 실험은 모든 인간 문화에서 일관되게 인식되는 6가지 보편적 감정을 식별했습니다. 이 연구는 「Constants Across Cultures in the Face and Emotion」(Journal of Personality and Social Psychology 17권 2호, 1971)에 발표되었으며, 이후 감정 인식 연구의 표준 분류 체계가 되었습니다. Ekman은 시각·청각·문자 미디어에 노출된 적 없는 격리 부족이 서구 표정 사진을 정확하게 해석한다는 사실을 통해 기본 감정의 보편성을 주장했습니다.

다만 이 보편성 명제는 이후 Lisa Feldman Barrett의 「How Emotions Are Made」(2017)에서 비판적으로 재검토되었습니다. Barrett는 감정이 보편 카테고리가 아니라 문화·언어·맥락에 따라 구성되는 "구성 정서 이론(Theory of Constructed Emotion)"을 제시했으며, WIA 표준은 이 두 입장을 절충하여 6 기본 감정 라벨을 핵심 호환 계층으로 두면서 동시에 차원 모델과 확장 라벨을 함께 지원합니다.

표 1-3. Ekman의 6가지 기본 감정 — 보편 인식률·얼굴 특징
감정설명얼굴 특징보편 인식률
😊 행복(Happiness)기쁨의 긍정적 정서 상태볼 거상, 까마귀발 주름, 입꼬리 상승93 %
😢 슬픔(Sadness)정서적 고통과 비탄안쪽 눈썹 거상, 입꼬리 하강84 %
😠 분노(Anger)강한 불쾌·적대 반응눈썹 하강, 턱 긴장, 눈매 좁아짐90 %
😨 공포(Fear)지각된 위협에 대한 반응눈 확장, 눈썹 거상, 입 벌어짐85 %
🤢 혐오(Disgust)역겨움·강한 거부코 주름, 윗입술 거상88 %
😮 놀람(Surprise)예상치 못한 자극에 대한 짧은 반응눈썹 거상, 눈 확장, 턱 하강81 %

참고. WIA 감정 AI 표준은 강한 감정 표현이 부재한 상태를 나타내기 위해 중립(Neutral)을 7번째 분류로 추가합니다. 또한 한국 문화권에서 빈번히 관찰되는 당황(Embarrassment)·한(恨)·정(情) 같은 사회적·문화 특정 감정은 확장 라벨(Phase 1 Extended Labels, 제3장 §3.3.3)에서 별도로 정의합니다. 한국교원대학교 김미숙 교수 연구진(2022)은 한국어 화자의 감정 표현이 영어권 대비 더 미세한 단계 구분을 사용한다는 점을 보고했으며, WIA 확장 라벨은 이 발견을 반영합니다. 예컨대 한국어의 "섭섭하다"·"서운하다"·"속상하다"는 모두 영어 sad의 부분 집합이지만 사회적 맥락이 다르며, 단일 sad 라벨로는 표현되기 어렵습니다.

1.3.2 차원 모델 — Valence-Arousal

심리학자 James Russell이 1980년 발표한 「A Circumplex Model of Affect」(Journal of Personality and Social Psychology 39권 6호)에서 제안한 차원 모델은 감정을 연속적인 2차원 공간 위에 좌표로 표현합니다. 이 모델은 미세한 감정 변화나 혼합 감정을 표현하는 데 강점을 보이며, 머신러닝 회귀 모델과 자연스럽게 결합됩니다.

표 1-4. 감정가-각성도(Valence-Arousal) 사분면 매핑
사분면감정가(Valence)각성도(Arousal)대표 감정
제1사분면높음 (+)높음 (+)흥분, 행복, 환희
제2사분면높음 (+)낮음 (−)평온, 편안, 만족
제3사분면낮음 (−)낮음 (−)슬픔, 우울, 권태
제4사분면낮음 (−)높음 (+)분노, 공포, 스트레스

감정가(Valence). −1(부정)에서 +1(긍정) 범위로, 감정의 유쾌·불쾌 정도를 나타냅니다. 각성도(Arousal). −1(저각성)에서 +1(고각성) 범위로, 정서적 활성화 강도 또는 에너지 수준을 나타냅니다. WIA 표준은 두 차원에 더해 선택적 차원 지배성(Dominance)을 PAD 모델(Mehrabian & Russell, 1974)과의 호환을 위해 지원합니다. PAD 모델의 D 차원은 감정 상태에서 주체가 느끼는 통제감의 강도를 의미하며, 게임·교육·치료 영역에서 의미 있는 추가 정보를 제공합니다.

차원 모델의 산업 적용 사례로는 음악 추천(Spotify의 "기분 라디오"), 게임 난이도 자동 조정, 디지털 명상 앱(헤드스페이스, 마보) 등이 있으며, 이산 모델 대비 사용자의 미묘한 상태 변화를 더 부드럽게 추적할 수 있다는 장점을 갖습니다. 반면 해석 가능성은 이산 모델이 우수하므로, WIA 표준은 두 모델을 동시에 출력하도록 권고합니다(Phase 1 데이터 형식의 emotions·dimensions 필드 동시 채움).

1.4 FACS — 얼굴 행동 코딩 시스템

1.4.1 역사와 개발

얼굴 행동 코딩 시스템(Facial Action Coding System, FACS)은 1978년 Paul Ekman과 Wallace V. Friesen이 공동 개발하여 같은 해 「Facial Action Coding System: A Technique for the Measurement of Facial Movement」(Consulting Psychologists Press)으로 출판된 뒤, 2002년 Joseph C. Hager가 합류한 개정판이 표준으로 자리 잡았습니다. FACS는 액션 유닛(Action Unit, AU)을 통해 얼굴 움직임을 객관적·체계적으로 기술하는 방법을 제공합니다. FACS 인증 부호화자(certified coder) 자격은 수개월의 교육과 시험을 거쳐 부여되며, 학술 연구의 표정 라벨링 기준점으로 사용됩니다.

FACS의 자동화 버전인 OpenFace 2.0(Cambridge University, 2018), Py-Feat(Cheong et al., 2023), AFFDEX(한 상업 SDK 사업자)가 산업 표준 역할을 하며, WIA 표준 적합성 시험은 OpenFace 2.0의 AU 강도 출력과의 일치도를 일부 평가 지표로 사용합니다.

1.4.2 액션 유닛

액션 유닛은 특정 얼굴 근육의 수축·이완 단위이며, 각각 고유 번호와 명칭을 갖습니다. WIA 표준은 다음 16개 핵심 AU를 의무 지원합니다.

표 1-5. WIA 표준 의무 지원 핵심 액션 유닛 16종
AUFACS 명칭관련 근육설명
AU1Inner Brow Raiser전두근(내측부)안쪽 눈썹 거상
AU2Outer Brow Raiser전두근(외측부)바깥쪽 눈썹 거상
AU4Brow Lowerer추미근, 비근억제근눈썹 하강·집중
AU5Upper Lid Raiser상안검거근위 눈꺼풀 거상
AU6Cheek Raiser안륜근(안와부)볼 거상, 까마귀발 주름
AU7Lid Tightener안륜근(안검부)눈꺼풀 긴장
AU9Nose Wrinkler상순거근코 주름
AU10Upper Lip Raiser상순거근윗입술 거상
AU12Lip Corner Puller대관골근입꼬리 거상 — 미소
AU15Lip Corner Depressor구각하제근입꼬리 하강 — 침울
AU17Chin Raiser이근턱 거상
AU20Lip Stretcher소근입술 수평 신장
AU23Lip Tightener구륜근입술 긴장
AU24Lip Pressor구륜근입술 압착
AU25Lips Part하순하제근, 이근 이완입술 분리
AU26Jaw Drop교근, 측두근턱 하강 — 입 벌림

각 AU는 0~5단계 강도(A 미세 ~ E 최대)로 표기됩니다. WIA Phase 1 데이터 형식은 정수 강도(0~5)와 정규화 실수 강도(0.0~1.0)를 모두 지원하며, 구현자는 적어도 한 표기를 출력해야 합니다(제4장 §4.3.5).

1.4.3 감정-AU 매핑

각 기본 감정은 특정 AU 조합으로 기술됩니다. 다음 표는 감정과 핵심 AU 조합 간 대응을 보여 줍니다.

표 1-6. 6가지 기본 감정과 일반적 AU 조합
감정일반적 AU 조합설명
행복AU6 + AU12볼 거상 + 입꼬리 거상 — Duchenne 미소
슬픔AU1 + AU4 + AU15안쪽 눈썹 거상 + 눈썹 하강 + 입꼬리 하강
분노AU4 + AU5 + AU7 + AU23눈썹 하강 + 위 눈꺼풀 거상 + 눈꺼풀 긴장 + 입술 긴장
공포AU1 + AU2 + AU4 + AU5 + AU20 + AU26눈썹 거상·하강 동반 + 위 눈꺼풀 거상 + 입술 신장 + 턱 하강
혐오AU9 + AU15 + AU16코 주름 + 입꼬리 하강 + 아랫입술 하강
놀람AU1 + AU2 + AU5 + AU26눈썹 거상 + 위 눈꺼풀 거상 + 턱 하강

위 매핑은 원형(prototype) 표정에 한정되며, 실제 사회 상황의 표정은 두 개 이상의 감정이 혼합된 형태(blend)로 나타나는 일이 더 흔합니다. WIA 표준은 단일 라벨이 아닌 다중 라벨 확률 분포 출력을 권장하여 혼합 감정을 표현합니다. 예를 들어 한국 사회에서 자주 관찰되는 "쓴웃음"은 행복(AU6+AU12)과 슬픔(AU1+AU4)이 동시에 부분적으로 활성화된 상태이며, 단일 라벨로는 정확한 의도를 포착하기 어렵습니다. WIA Phase 1 데이터 형식은 7개 기본 감정 + 중립의 8차원 확률 벡터(합계 1.0)와 V-A 좌표를 동시에 출력하여 이러한 미묘한 상태를 표현합니다.

미세표정(Microexpression). 1/25초~1/5초 사이의 짧은 시간 동안 의도와 상관없이 드러나는 표정은 거짓말 탐지·임상 진단·범죄 수사 영역에서 중요한 신호로 사용됩니다. Ekman은 「Telling Lies」(1985)에서 미세표정의 임상적 활용을 체계화했으며, WIA Phase 1 데이터 형식은 일반 표정과 미세표정을 별도 필드로 구분하여 출력하도록 권장합니다(제4장 §4.4.1).

1.5 입력 모달리티

감정 AI 시스템은 단일 채널 의존을 피하고 여러 입력 채널을 조합해 분석합니다. WIA 표준은 다음 4개 모달리티를 1차 지원 대상으로 정의합니다. 각 모달리티는 강점과 한계를 가지며, 멀티모달 융합(제3장 §3.6, 제7장 §7.7)은 이 한계를 상호 보완하는 핵심 전략입니다.

1.5.1 표정 분석

  • 입력. 카메라·비디오 피드 (RGB 또는 RGB-D)
  • 기술. 컴퓨터 비전, 합성곱 신경망(CNN), 비전 트랜스포머(ViT)
  • 출력. 감정 라벨, AU 강도(0~5단계), V-A 좌표
  • 정확도. 정면 얼굴 기준 85~95 %, 측면·가림 시 65~75 %
  • 주요 과제. 자세 변동, 조명 변화, 가려짐(occlusion), 인종·연령 편향
  • 한국 솔루션. 마인즈랩 maum.ai, 알체라 표정 SDK, 스캐터랩 핑퐁 등이 한국형 표정 데이터로 학습된 모델을 제공합니다.

1.5.2 음성·발화 분석

  • 입력. 16 kHz 또는 44.1 kHz PCM 오디오 신호
  • 기술. 음성 인식(ASR), 음향 특징 추출(MFCC, eGeMAPS)
  • 특징. 피치(F0), 강도(RMS), 발화 속도, 음질(jitter, shimmer)
  • 정확도. 70~85 %
  • 주요 과제. 배경 잡음, 언어 변동, 화자 개체 차이

주요 한국 플랫폼 음성 서비스·주요 한국 플랫폼 콜봇·한 한국 통신사 GIGA Genie 같은 한국 음성 플랫폼은 한국어 운율(prosody) 특화 모델을 자체 학습하여 영문 모델 대비 평균 7~9 %p 높은 감정 분류 정확도를 보고합니다(NIA 2024). 한국어 운율은 어말 종결 어미·억양 곡선·존댓말 톤 변화 등 영어와 구별되는 특성을 갖습니다. 주요 한국 통신사의 음성 어시스턴트와 주요 한국 통신사의 음성 서비스도 음성 톤 기반 감정 보정 기능을 차량용·홈 IoT 시나리오에 적용하고 있습니다.

1.5.3 텍스트 감성 분석

  • 입력. 채팅, 소셜 미디어, 리뷰 텍스트
  • 기술. 자연어 처리(NLP), 트랜스포머 모델, BERT/RoBERTa, KoBERT, KLUE-RoBERTa
  • 출력. 감성 극성(긍/부정/중립), 6~28종 감정 카테고리
  • 정확도. 80~90 %
  • 주요 과제. 반어·풍자, 문맥 추론, 문화 특정 표현(예: 한국어 "헐", "ㅋㅋ", "ㅠㅠ")

한국어 감성 분석은 영문 대비 형태소 분석(KoNLPy, Mecab-Ko) 전처리가 필수이며, 신조어·이모티콘·자모 분해가 의미 단서로 작동한다는 특징이 있습니다. 카카오 KoGPT, 주요 한국 LLM 서비스, 주요 한국 대기업 AI 연구소 LLM이 한국어 감성·감정 분석에서 우수한 성능을 보고합니다. 한국어 특유의 문제로는 (1) 존댓말·반말의 톤 변화, (2) 자모 단위 신조어("ㅇㅇ", "ㄱㄱ", "ㄷㄷ"), (3) 한자 어원 표현의 중의성, (4) 이모티콘 "ㅋㅋ"·"ㅠㅠ"의 강도 단계가 있으며, WIA 표준은 이러한 한국어 특수성을 처리하기 위해 별도의 텍스트 전처리 권고안을 부록 B에 수록합니다.

1.5.4 생체신호 분석

  • 입력. 생리학적 센서 — 심전도(ECG), 피부전도활동(EDA/GSR), 뇌전도(EEG), 광혈류측정(PPG)
  • 주요 신호.
    • 심박변이도(Heart Rate Variability, HRV)
    • 피부전도활동(Electrodermal Activity, EDA)
    • 뇌전도(Electroencephalography, EEG)
    • 호흡률(Respiration Rate)
  • 정확도. 75~85 %
  • 강점. 위장이 어려움(involuntary), 연속 모니터링 가능, 의료기기 연동 용이

주요 한국 건강 플랫폼·갤럭시 워치, 주요 한국 통신사 음성 서비스, 애플 워치는 PPG·EDA 기반 스트레스 지표를 일반 소비자에게 제공하는 대표적 사례이며, 의료 등급 분석은 식품의약품안전처(MFDS)의 「소프트웨어 의료기기(SaMD) 가이드라인」을 따라야 합니다. 의료용 EEG 기반 우울증 보조 진단의 경우 「의료기기법」 제19조의3에 따른 인허가가 필요하며, 마인드라인·뉴로핏 같은 한국 스타트업이 식약처 인허가 절차를 진행하고 있습니다. 생체신호는 위장이 어렵다는 강점이 있는 반면, 환경(온도·습도)·운동·약물 복용 같은 비감정 요인이 신호에 영향을 주므로 단독 사용보다는 다른 모달리티와의 멀티모달 융합을 통해 신뢰성을 확보하는 일이 일반적입니다. 「개인정보 보호법 시행령」 제25조의2(가명처리)는 생체신호도 가명정보 처리 대상에 포함시키며, 의료 등급 데이터는 별도의 보안 요건(「의료법」 제17조의2)을 따라야 합니다.

1.6 주요 활용 사례

1.6.1 헬스케어

  • 정신건강 모니터링. 우울증·불안·외상후 스트레스장애(PTSD) 증상 추적. 마인드카페·트로스트는 한국에서 200만 명 이상의 사용자 데이터로 한국어 감정 패턴을 학습합니다.
  • 원격의료(Telehealth). 화상 상담 중 환자 감정 상태 평가. 「비대면진료 시범사업」(보건복지부, 2024)에 따라 정신건강의학과 비대면 진료의 보조 지표로 검토되고 있습니다.
  • 자폐 연구. 감정 표현 패턴 분석 — Picard 박사의 MIT 연구실 협업 및 서울아산병원 자폐 연구실 사례.
  • 통증 평가. 비언어적 환자(소아, 인지 저하 노인)의 통증을 미세표정으로 감지.

1.6.2 마케팅·소비자 연구

  • 광고 테스트. 광고에 대한 감정 반응을 표정·시선·생체신호로 측정. 칸타TNS·닐슨코리아가 국내 광고주에 서비스를 제공합니다.
  • 제품 디자인. 프로토타입에 대한 사용자 반응 평가.
  • 브랜드 인식. 소셜 미디어 텍스트의 감성 분석을 통한 평판 측정.
  • 매장 경험. 매장 내 소비자 감정을 모니터링하여 동선·진열 최적화.

1.6.3 교육

  • 참여도 감지. 혼란·권태·집중 상태 식별.
  • 적응형 학습. 감정 상태에 따라 콘텐츠 난이도·속도 조정. 한 한국 공공 미디어 디지털교과서·콴다·클래스카드가 후보 적용 영역입니다.
  • 온라인 시험 감독. 시험 응시 중 스트레스 수준과 부정행위 신호 모니터링.
  • 교사 연수. 수업 중 학습자 감정 반응을 교사에게 피드백하여 수업 개선에 활용.

1.6.4 고객 서비스

  • 콜센터. 분노·불만 고객을 자동 식별하여 상급자 에스컬레이션. 주요 한국 콜봇·주요 한국 플랫폼 음성 서비스 콜이 음성 톤을 실시간 분석합니다.
  • 챗봇. 사용자 감성에 맞춘 응답 톤 조정.
  • 불만 사전 감지. 이탈 가능 고객을 조기 발견하여 케어 전환.

1.6.5 자동차

  • 운전자 모니터링. 졸음·주의 산만·분노 감지. 현대자동차·기아·현대모비스가 양산 차량에 DMS를 탑재합니다.
  • 안전 경고. 위험 상태 감지 시 경고 또는 자율 개입(차로 유지, 비상 정차) 트리거.
  • 자율주행. 승객 편안함과 신뢰도 모니터링.

1.6.6 게임·확장현실(XR)

  • NPC 반응. 캐릭터가 플레이어의 감정에 반응합니다.
  • 난이도 조정. 좌절·즐거움 신호에 따라 게임 난이도 적응.
  • VR 경험. 몰입형 정서 여정 설계. 넥슨·엔씨소프트가 R&D 단계에서 검토하고 있습니다.

1.6.7 접근성

  • BIGEKO 프로젝트. 수어(手話) 사용자의 감정 인식 — 비언어적 감정 신호 보존.
  • 의사소통 보조. 비언어 사용자가 감정을 효과적으로 표현하도록 지원.

1.7 WIA 철학 — 홍익인간

弘益人間 (홍익인간)

"널리 인간을 이롭게 하라"

이 고대 한국 철학이 WIA 감정 AI 표준의 기준을 이끕니다. 우리는 다음을 믿습니다.

  • 감정 AI는 윤리적이며 프라이버시를 존중해야 합니다.
  • 표준은 모든 이에게 개방적이고 접근 가능해야 합니다.
  • 기술은 인간 복지에 봉사해야 합니다.
  • 감정 표현의 문화적 다양성이 존중되어야 합니다.
— WIA 표준 헌장 §1, 2024년 채택

홍익인간은 단순한 구호가 아니라 표준의 의사결정 절차에 직접 개입하는 가치 기준입니다. 적합성 평가 위원회는 새로운 기능 추가나 알고리즘 채택을 검토할 때 다음 네 가지 질문을 의무적으로 검사합니다. 첫째, 가장 취약한 사용자(아동·고령자·장애인·소수자)의 이익이 보호되는가. 둘째, 데이터 수집의 비례성과 최소 침해 원칙이 지켜지는가. 셋째, 결과의 책임 소재가 사용자에게 추적 가능한가. 넷째, 한국·일본·중국·동남아·서구 등 다양한 문화권의 표출 규칙을 동등하게 처리하는가.

이 네 가지 검사는 단순한 도덕적 권고가 아니라 실제 적합성 인증 점수에 가중치 30 %로 반영되어 통과·불합격을 결정합니다. WIA는 윤리적 가치가 후보 시스템의 기능 추가 우선순위 결정에서 "나중에 고려할 항목"이 되는 일반적 관행을 거부하며, 설계 단계에서부터 평가 기준에 명시적으로 포함시키는 윤리적 설계(Ethics by Design) 원칙을 따릅니다. 이는 IEEE 7000-2021 「Model Process for Addressing Ethical Concerns During System Design」의 Stage 2(가치 식별)와 Stage 4(투명성 분석)를 직접 차용한 결과입니다.

홍익인간은 또한 표준의 거버넌스 구조에도 영향을 미칩니다. WIA 표준 운영위원회는 한국·미국·EU·동남아·아프리카 5개 권역의 위원으로 구성되며, 어느 단일 권역의 입장이 다른 권역의 표출 규칙·규제 환경을 일방적으로 압도하지 않도록 의결권을 분산시킵니다. 표준 개정은 5개 권역 중 4개 권역 동의(80 % 다수결)를 요구하며, 이는 ISO/IEC 거버넌스 모델보다 더 높은 합의 수준입니다.

1.8 한국 산업·학계 현황

한국의 감정 AI 생태계는 대학 연구실·정부 출연기관·민간 기업의 삼각 구조로 형성되어 있습니다. 주요 거점은 다음과 같습니다.

표 1-7. 한국 감정 AI 주요 거점 — 대학·출연기관·민간
유형거점주요 활동
대학KAIST 감성공학연구실표정 인식, 자율주행 운전자 상태 추정
대학서울대학교 인지과학협동과정한국어 감정 표현 코퍼스, 비교문화 연구
대학고려대학교 인공지능학과멀티모달 감정 인식, 데이터셋 구축
출연기관한국전자통신연구원(ETRI)AI Hub 한국어 감정 데이터셋, 음성 운율 모델
출연기관한국지능정보사회진흥원(NIA)산업 실태조사, 표준화 정책 자문
출연기관한국정보통신기술협회(TTA)단체표준 TTAK.KO-12.0383, 시험인증 절차 운영
민간마인즈랩 maum.ai한국어 감정 음성·표정 SDK
민간알체라표정 인식 SDK, 안면 인증 결합
민간스캐터랩 핑퐁한국어 감성 대화 모델

1.9 한국 시장 심층 사례

한국 감정 AI 시장은 글로벌 평균보다 자동차·헬스케어 비중이 높고, B2C 챗봇·가상 친구 영역에서 독자 발전을 이루었다는 특징을 갖습니다. 다음 사례들은 본문 전반에서 반복적으로 인용되는 한국 거점 솔루션들로, 독자가 표준의 추상적 요건을 한국 산업의 구체적 맥락에서 이해하는 데 도움이 됩니다.

표 1-9. 한국 감정 AI 대표 사례 — 분야·기업·기술 특징
분야기업·서비스기술 특징
자동차현대모비스 인캐빈 모니터링RGB-IR 카메라 기반 졸음·주의산만 감지, ISO 26262 ASIL-B 인증
자동차현대자동차 EV3·EV5 DMS표정·머리 자세 멀티모달 융합, 자율주행 Lv.2+ 지원
헬스케어마인드카페한국어 텍스트 감성 분석, 200만 사용자 코퍼스
헬스케어트로스트표정·음성 기반 우울 선별 보조 도구, 정신건강의학 전문가 검토
헬스케어주요 한국 건강 플랫폼 멘탈케어갤럭시 워치 PPG·EDA + 텍스트 일기 융합 스트레스 지표
고객 서비스주요 한국 콜봇한국어 운율 기반 분노 고객 자동 식별, 상급자 에스컬레이션
고객 서비스주요 한국 플랫폼 음성 서비스 콜16 kHz 통신 회선용 경량 음성 감정 모델
교육한 한국 공공 미디어 디지털교과서학습자 참여도 추적 시범 도입(2024 부분)
B2C 친구스캐터랩 핑퐁(이루다 2.0)한국어 감성 대화, 「개인정보 보호법 시행령」 가명처리 적용
접근성BIGEKO 프로젝트수어 사용자 표정·움직임 기반 감정 인식

이 사례들은 본 도서의 후속 장에서 표준 요구사항이 실제 서비스에 어떻게 매핑되는지를 설명하는 기준점으로 사용됩니다. 예를 들어 제5장의 API 설계는 주요 한국 콜봇의 호출 패턴을, 제6장의 스트리밍 프로토콜은 현대모비스 인캐빈 모니터링의 실시간 처리 요구를, 제7장의 헬스케어 통합은 트로스트의 보조 진단 흐름을 모범 사례로 인용합니다.

1.10 표준화 동향과 국제 흐름

감정 AI 분야에서는 W3C, ITU-T, ISO/IEC, IEEE, TTA가 각기 다른 층위의 표준을 발행해 왔습니다. WIA 표준은 이들 기존 표준을 부정하지 않고 상호운용 계층(interoperability layer)으로 통합한다는 입장을 견지합니다. 다음 표는 주요 기존 표준과 WIA 표준의 관계를 보여 줍니다.

표 1-8. 감정 AI 관련 주요 국제 표준과 WIA 표준의 관계
발행기관표준 번호제목WIA 표준과의 관계
W3CEmotionML 1.0 (2014)Emotion Markup LanguageWIA Phase 1 데이터 형식의 XML 호환 출력 모드 기반
ITU-TF.748.11 (2018)Emotion-aware multimedia servicesWIA Phase 3 스트리밍 프로토콜 설계 참고
ISO/IEC22989:2022AI concepts and terminologyWIA 용어 정의의 상위 참조 표준
ISO/IEC23053:2022Framework for AI systems using MLWIA 적합성 시험 절차 설계 참고
ISO/IEC27001:2022ISMSWIA Phase 4 보안·프라이버시 요구사항 의무 참조
IEEE7000-2021Model Process for Addressing Ethical ConcernsWIA 윤리 영향평가 절차의 직접 차용 표준
IEEE7003-2024Algorithmic Bias ConsiderationsWIA 공정성 시험 항목의 근거 표준
TTATTAK.KO-12.0383감정 인식 데이터 형식WIA Phase 1과 양방향 변환 가능한 한국 단체표준

이러한 다층 표준 환경에서 WIA의 차별점은 (1) 단일 SDK에서 4개 모달리티를 모두 다루고, (2) 한국·미국·EU의 규제 요건을 동시에 만족하는 적합성 인증 절차를 제공하며, (3) 무료·오픈 라이선스(MIT)로 배포된다는 점입니다.

1.11 장 요약

핵심 내용 일곱 가지.

  1. 정의. 감정 AI(정서 컴퓨팅)는 기계가 인간의 감정을 인식·해석·반응하도록 만드는 다학제 분야입니다.
  2. 기원. 1995년 MIT 미디어랩의 Rosalind Picard 박사에 의해 창립되었습니다.
  3. 시장. 2026년까지 글로벌 371억 달러, 한국 1조 4천억 원 규모로 성장이 예측됩니다.
  4. 모델. Ekman의 이산 6감정 모델과 Russell의 차원 모델(Valence-Arousal)이 표준 양대 분류 체계입니다.
  5. FACS. 액션 유닛을 통한 표정의 객관적·체계적 부호화 방법입니다.
  6. 모달리티. 표정·음성·텍스트·생체신호 4개 채널이 1차 지원 대상입니다.
  7. 응용. 헬스케어·마케팅·교육·자동차·게임·접근성 분야로 빠르게 확산되고 있습니다.

1.12 복습 문제

  1. 정서 컴퓨팅 분야를 창립한 인물과 시기는 언제입니까?
  2. Paul Ekman이 식별한 6가지 기본 감정을 모두 나열하시오.
  3. Valence-Arousal 모델의 두 차원이 각각 의미하는 바는 무엇입니까?
  4. FACS와 액션 유닛(AU)의 정의를 서술하시오.
  5. 감정 인식을 위한 4가지 입력 모달리티를 나열하고 각각의 핵심 기술을 한 문장으로 요약하시오.
  6. 한국 헬스케어 영역에서 감정 AI가 활용되는 사례 세 가지를 제시하시오.
  7. 한국지능정보사회진흥원(NIA) 2024년 보고서가 한국형 감정 AI에 시사하는 바는 무엇입니까?
  8. 홍익인간 철학이 WIA 표준의 의사결정에 개입하는 네 가지 검사 질문을 서술하시오.

1.13 다음 장 미리보기

제2장에서는 문화 차이, 프라이버시 우려, 정확도 한계, 학습 데이터 편향 등 감정 AI의 현재 과제와 WIA 감정 AI 표준이 이를 해결하기 위해 채택한 접근 방식을 살펴봅니다. 특히 한국 「개인정보 보호법(PIPA)」과 유럽 GDPR, 미국 CCPA의 차이가 감정 데이터 처리에 미치는 영향, 그리고 K-AI 윤리기준(2020)의 10대 핵심 요건이 어떻게 표준 적합성 항목으로 변환되는지를 다룹니다. 본 장에서 소개한 6가지 기본 감정·차원 모델·FACS·4 모달리티는 다음 장 전반에서 반복적으로 등장하는 핵심 어휘이므로, 독자는 본 장의 표 1-3·1-4·1-5·1-6을 별도로 표기해 두기를 권합니다. 본권 표준의 진화 이력은 GitHub 공개 저장소에 기록된다.[99]

제1장 미주

  1. WIA Standards 공개 저장소 (emotion-ai 폴더), MIT 라이선스, GitHub: WIA-Official/wia-standards-public/tree/main/emotion-ai — 본권 전반에 인용된 시뮬레이터·스펙·API·전자책 자산의 소스코드를 제공하는 오픈 표준 이니셔티브이며, 본 장이 인용하는 모든 1차 출처에 대한 표준 개정위원회의 정식 검증 기록 위치이다. 표준의 진화 로드맵·개정 이력·SDK 소스코드는 GitHub 저장소에서 공개적으로 갱신된다. ↑