안녕하세요! 화곡동 한마음영수학원입니다.
우리는 매일 스마트폰을 향해 "시리야!", "하이 빅스비!"를 외치며 날씨를 묻고 음악을 재생합니다. 조금 시끄러운 카페에서도, 발음이 살짝 흐트러져도 인공지능은 꽤 정확하게 내 말을 알아듣죠.
과연 스마트폰 속 AI는 어떻게 애매한 소리 속에서 정확한 단어를 골라내는 걸까요? 그 비밀 중 하나가 바로 고등학교 확률과 통계의 '조건부확률'과 그 응용인 '베이즈 정리(Bayes' Theorem)'입니다. 오늘은 AI가 말을 알아듣는 수학적 원리를 쉽게 풀어보겠습니다!
1. 음성인식의 출발점: 소리를 데이터로 바꾸기
우리가 내는 목소리는 공기의 진동, 즉 아날로그 파형입니다. AI는 이 파형을 그대로 이해하지 못하기 때문에, 약 0.02초 안팎의 아주 짧은 구간으로 쪼개어 주파수와 음높이 같은 숫자 데이터(특징 벡터)로 바꿉니다.
문제는 완벽한 소리는 없다는 점입니다. 주변 소음, 사람마다 다른 발음, 감정에 따른 억양 때문에 소리만으로 단어를 100% 확신하기는 어렵습니다. 그래서 "가장 그럴듯한 단어"를 확률로 고르는 방식이 필요해집니다.
2.핵심 원리: 조건부확률과 베이즈 정리
베이즈 정리는 이렇게 표현합니다.
P(A|B) = P(B|A) × P(A) ÷ P(B)
음성인식 상황에 대입하면 다음과 같습니다.
- P(A) 사전확률: 소리를 듣기 전에 그 단어가 나올 거라고 예상되는 확률 (예: 지금 대화에서 "사과"가 나올 확률)
- P(B|A) 가능도(우도): 그 단어(A)를 말했을 때, 지금 같은 소리(B)가 나올 확률
- P(B) 증거: 지금 같은 소리가 나올 전체 확률 (가능한 모든 단어의 경우를 합한 값)
- P(A|B) 사후확률: 이 소리(B)가 들렸을 때, 실제로 그 단어(A)였을 확률
즉, AI는 "내가 방금 들은 소리는 어떤 단어일 확률이 가장 높을까?"를 계산하고, 후보 단어 중 사후확률이 가장 큰 것을 정답으로 고릅니다. 이때 P(B)는 모든 후보에게 똑같이 적용되므로, 후보끼리 비교할 때는 P(B|A) × P(A)만 비교해도 순위가 같습니다.
3. 직접 계산해 보기: "사과"일까, "사건"일까?
누군가 "사과"라고 말했는데 소음 때문에 '과'가 뭉개져서 "사건"처럼 들렸다고 해 봅시다. 아래 숫자는 이해를 돕기 위한 가상의 값이고, 후보는 두 단어뿐이라고 가정합니다.
소리만 비교하면 이렇습니다.
- "사과"라고 말했을 때 이런 소리가 날 확률: 0.4
- "사건"이라고 말했을 때 이런 소리가 날 확률: 0.5
[문맥을 모를 때] 사전확률이 사과 0.5, 사건 0.5라면
- P(B) = 0.4×0.5 + 0.5×0.5 = 0.45
- 사과일 확률 = 0.2 ÷ 0.45 ≈ 44%
- 사건일 확률 = 0.25 ÷ 0.45 ≈ 56%
- → 소리만 보면 "사건"이 이깁니다.
[문맥이 있을 때] 방금 "과일마트에서 뭘 살까?"라고 말해서 사전확률이 사과 0.8, 사건 0.2라면
- P(B) = 0.4×0.8 + 0.5×0.2 = 0.42
- 사과일 확률 = 0.32 ÷ 0.42 ≈ 76%
- 사건일 확률 = 0.10 ÷ 0.42 ≈ 24%
- → 같은 소리인데도 "사과"가 이깁니다.
새로 들어온 소리(가능도)와 기존의 문맥 정보(사전확률)를 함께 반영하면 판단이 달라집니다. 이것이 베이즈 정리의 핵심입니다.
4. 요즘 AI는 어떨까요?
초기 음성인식은 "소리 모델 × 언어(문맥) 모델"을 곱해 가장 확률이 높은 문장을 고르는, 베이즈 정리와 같은 틀로 설계되었습니다. 요즘 시리나 빅스비 같은 서비스는 딥러닝 기반으로 훨씬 복잡하게 동작하고, 구체적인 내부 구조는 회사마다 다르며 공개되지 않은 부분도 많습니다. 다만 불확실한 소리에서 가장 그럴듯한 말을 확률로 판단한다는 기본 생각은 이어지고 있습니다. 물론 AI도 소음이 심하거나 낯선 단어에서는 틀리기도 합니다.
5. 시험 함정: P(A|B)와 P(B|A)는 다릅니다!
학생들이 가장 많이 틀리는 부분입니다.
- P(B|A): "사과"라고 말했을 때 이런 소리가 날 확률 (0.4)
- P(A|B): 이런 소리가 들렸을 때 "사과"일 확률 (위 예시에서 44% 또는 76%)
조건과 결과의 자리가 바뀌면 전혀 다른 값입니다. 문제를 풀 때는 "무엇이 주어졌고(조건), 무엇을 구하는가"를 먼저 표시하는 습관이 중요합니다.
6. 핵심정리 3줄
- 베이즈 정리는 새로운 정보가 들어올 때 확률을 다시 계산하는 방법입니다.
- 사후확률은 (가능도 × 사전확률) ÷ 증거로 구합니다.
- 같은 소리라도 문맥(사전확률)이 달라지면 AI의 판단도 달라집니다.
(교과 연계: 고등 확률과 통계 - 조건부확률)
7. 수학, 세상을 읽는 도구
"이런 걸 어디에 쓰지?"라는 의문, 학생이라면 한 번쯤 해보셨을 겁니다. 음성인식은 물론 스팸 메일 분류, 의료 검사 해석, 추천 알고리즘 등 우리 주변의 많은 기술에 확률·통계가 쓰이고, 여기에 함수, 미적분, 선형대수가 함께 어우러집니다.
화곡동 한마음영수학원은 공식 암기에 그치지 않고, 수학이 세상을 어떻게 움직이는지 이해하며 흥미를 느낄 수 있도록 지도합니다. 내신 성적은 물론 미래를 위한 사고력까지 함께 키워 가세요!
이번 글을 읽고 "AI는 이렇게도 작동하는구나!" 싶으셨다면 댓글로 궁금한 AI 수학 개념을 남겨 주세요. 다음 포스팅 소재로 반영하겠습니다.
