Journal Archive

디지털 휴먼은 기본적으로 인간의 모습과 언어, 행동을 사실적으로 모사한 3D 인간 모델로 정의할 수 있지만[4], 가상 휴먼, 버추얼/버츄얼 휴먼, 가상인간, 인공지능 휴먼, 메타 휴먼 등 다양한 용어로 명명되고 있다. 이에 각 용어에 대한 정의를 기반으로 디지털 휴먼에 대한 개념을 구체화하고, 관련 용어들을 검색어로 활용하였다. 다양하게 지칭되고 있지만 디지털 휴먼 관련 용어는 크게 ‘디지털 휴먼’, ‘버추얼 휴먼(Virtual Human)’, ‘인공지능 휴먼(Artificial Human)’, ‘메타 휴먼(Meta Human)’으로 구분할 수 있다.

‘디지털 휴먼’은 사람의 역할을 대체할 목적으로 실제 사람의 특징과 외형을 본떠 만든 3D 인체 모델이나[2], 실제 인간과 거의 똑같은 수준의 모습과 동작을 거의 흡사하게 재현해 낼 수 있는 컴퓨터그래픽이 창조한 인물로 기존의 ‘디지털 액터(Digital Actor)’에서 ‘인공지능’이 추가된 개념으로도 본다[5]. 또는 컴퓨터 그래픽으로 만든 3D 인간 형상에 인공지능 알고리즘, 빅데이터 분석, 자연어처리 등 AI 기술을 입혀 인간이 하는 것은 모두 따라하는 것은 물론이고 시공간 이동 등 신체적 물리적 조건으로 인간은 할 수 없는 행동도 할 수 있도록 만든 가상의 존재라고 정의하고 있다[1].

‘버추얼 휴먼’은 실제적으로 표현된 디지털 휴먼에 캐릭터를 부여하여 더욱 사실적으로 보일 수 있게 제작된 디지털 휴먼을 의미하며, 이러한 사실적인 묘사를 위해 인공지능이 결합되어 설정된 직업과 관련한 회화와 행동, 감정 표현 등이 가능하도록 발전될 수 있다고 한다. 실존하는 인간을 3D 스캔 또는 3D 모델링으로 제작한 인간의 복제품인 ‘디지털 더블(Digital Double)’과는 구별된다[2]. 또한 버추얼 휴먼은 외형적으로 인간과 흡사한 것을 넘어 인간으로서 가지는 내면적인 속성도 일부 가지고 있느냐가 그 판단 기준으로, 성격이나 이야기를 품고 있는 사람과 같은 직업이 있는 디지털 휴먼이라고도 정의한다[6].

‘인공지능 휴먼’은 인공지능이 자동으로 동작을 생성하여 자연스러운 표정과 함께 실시간 대화가 가능함은 물론이고, LG 초거대 인공지능인 엑사원(EXONE)을 두뇌로 가지는 ‘틸다’처럼 단순히 움직이고 대화하는 것 이외에 창작 능력을 갖춘 디지털 휴먼을 의미한다[3].

‘메타 휴먼’은 에픽 게임즈(Epic Games)가 자사의 게임 엔진인 언리얼 엔진(Unreal Engine)을 이용하여 생성한 디지털 휴먼에 붙인 이름으로 기존의 디지털 휴먼보다 사전에 생성된 에셋(Asset)을 기반으로 쉽고 빠르게 만들 수 있으며, 그 품질이 높아 차세대 디지털 휴먼의 대명사처럼 사용된 용어이다[2].

이상의 관련 용어들을 살펴본 결과 ‘디지털 휴먼’이 가장 광의의 개념이며, 여기에 특정 서사와 캐릭터성이 부여되었는가 여부에 따라 ‘버추얼 휴먼’, 더 나아가서 초거대 인공지능을 활용하여 창작 활동 등을 할 수 있는가에 따라 ‘인공지능 휴먼’, 디지털 휴먼 제작에 많이 활용되는 언리얼 엔진으로 제작된 ‘메타 휴먼’으로 용어가 세분화될 수 있다. 본 연구에서는 가장 광의의 개념인 ‘디지털 휴먼’을 대표 용어로 사용하였으며, 관련 용어들을 검색어로 활용하였다.

디지털 휴먼과 관련된 국내 연구는 크게 기술적, 활용성, 마케팅, 프라이버시 침해, 사회 이슈 측면에서 다음과 같이 구분할 수 있다.

첫 번째, 기술적 측면으로 디지털 휴먼 제작에 대한 연구가 있다. 윤개리 등은 가상 환경에서 원활한 상호작용과 몰입감 향상을 위해 디지털 휴먼의 눈 표현 방향성을 제시하였고[7], 왕신, 이병춘은 사진 기반으로 디지털 휴먼을 제작하는 방식을[8], 최석영 등은 실제 언리얼 엔진으로 제작·활용된 디지털 휴먼의 제작과정을 연구하였다[9]. 김현우 등은 사용자의 전신 영상을 활용하여 영상 속 인물의 의상 패턴과 체형을 추정하고, 이를 렌더링하여 보여주는 가상 휴먼의 3차원 의상 모델링 기법을 제안하였다[10].

두 번째, 활용성 측면으로 디지털 휴먼의 활용 사례와 발전 방향에 대해 논의한 연구가 있다. 서영호 등은 디지털 휴먼 기술 및 활용 사례를 중심으로 디지털 휴먼을 정의하고, 향후의 발전 방향에 대해 제시하였다[11]. 이다영, 한정엽은 디지털 휴먼 제작기술을 기반으로 영상미디어에서의 활용사례와 제작기술 유형별 특성에 대해 연구하였다[12]. 정진호, 조동식은 원격지 환경을 캡쳐하고 가상 휴먼을 합성하여, 사용자에게 원격지 고장을 가이드하였을 경우에 나타나는 상호작용 효과를 분석하였다[13]. 이 외에도 교육적으로 디지털 휴먼을 다양하게 활용한 사례도 있다[6],[14].

세 번째, 마케팅 측면으로 가상 인플루언서에 대한 연구가 있다. 염동섭은 가상 인플루언서를 마케팅 전략에 활용할 수 있도록 가상 인플루언서의 특성을 설명하는 지표를 개발하였고[15], 강혜원 등은 버추얼 휴먼인 로지 사례를 기반으로 버추얼 휴먼을 셀러브리티로 만들기 위해 사용되는 스토리텔링 전략은 무엇인가를 살펴보았다[16].

네 번째, 프라이버시 침해 측면에서 디지털 휴먼을 법적 및 윤리적인 시각으로 바라본 연구가 있다. 강기봉은 가상인간에 의한 저작권 침해의 법적 책임에 대해 논의하였고[17], 노창현, 신동명은 메타버스 환경에서 디지털 휴먼의 소유권을 보장하기 위해 NFT(Non-Fungible Token) 기반의 소유권 관리 기법을 제안하였다[18]. 이희진 등은 가상인간의 프라이버시 침해 사고를 예방하기 위해 인공지능과 관련한 개인정보보호법 및 인공지능 윤리 동향에 대해 살펴보았다[19].

마지막으로, 본 연구와 유사하게 디지털 휴먼과 관련된 사회 이슈를 분석한 연구는 다음과 같다. 우선 황서이, 이명천은 언어 네트워크 분석기법을 활용하여 코로나 전후의 버추얼 휴먼에 대한 사회적 이슈를 언론 기사를 중심으로 분석하였다[20]. 그리고 후속 연구로서 황재윤, 황서이는 엔터테인먼트 분야에서의 가상인간에 대한 사회적 담론 변화를 의미연결망 분석을 통해 살펴보았고[21], 장서진 등도 언론 보도자료에서 의미연결망 분석을 통해 가상인간의 윤리적 문제 이슈를 도출하였다[22].

다만, 해당 연구들은 데이터 수집 범위가 디지털 휴먼이 가장 활발하게 언급되는 2021년 하반기 이후의 최근 이슈를 반영하지 못하고 있거나[20], 최신 사회 이슈를 다루었어도 특정 분야로 범위를 한정하였고[21],[22], 검색어를 버추얼 휴먼 관련 키워드 위주로만 구성하여 다른 키워드를 반영하지 못한 한계점이 있다[20]-[22].

이에 본 연구에서는 우선 선행연구를 참고하여 디지털 휴먼의 검색량이 점차 증가하기 시작할 것으로 예상되는 2020년부터 최근 2023년까지의 뉴스 기록을 수집하였고[23], 검색어로 디지털 휴먼과 관련된 다양한 키워드를 사용하였다. 그리고 수집된 데이터에 대한 토핑 모델링 분석 결과를 토대로 디지털 휴먼의 활용 양상과 주요 트렌드를 거시적으로 살펴보았다.

본 연구는 디지털 휴먼의 활용 양상과 주요 트렌드를 분석하기 위해 분석대상으로 뉴스 기록을 활용하였다. 공적 미디어 기록의 하나인 뉴스는 정치·경제·문화 등 사회 전반의 이슈에 대한 사실과 다양한 견해를 담고 있어 담론을 분석하기에 적절한 매체이다[24]. 이에 본 연구에서는 한국언론진흥재단에서 제공하는 뉴스 빅데이터 분석서비스인 ‘빅카인즈(Big Kinds)’를 활용하여 디지털 휴먼에 관련된 뉴스들을 수집하였다.

수집 범위는 2020년 1월 1일부터 2023년 6월 30일까지로 설정하였다. 디지털 휴먼은 메타버스에 대한 수요가 증가함에 따라 함께 활발히 언급되었기 때문에 메타버스에 대해 검색하기 시작한 2020년부터 최신 트렌드 파악을 위한 2023년까지를 분석대상 기간으로 설정하였다. 이후 디지털 휴먼 관련 뉴스를 수집하기 위한 검색어로 ‘디지털 휴먼, 인공지능/AI 휴먼, 메타 휴먼, 버추얼/버츄얼 휴먼, 가상 휴먼, 가상인간’을 사용하였다. 그 결과 유사도가 높은 뉴스가 반복적으로 수집되거나 유의미한 분석 결과를 기대하기 어려운 기사를 필터링으로 제외하고, 최종 5,381건의 뉴스 데이터를 수집하였다.

우선, 본 연구에서는 빅카인즈에서 기본적인 전처리(Pre-process) 과정을 거쳐 제공하는 뉴스에서 추출된 모든 명사 키워드를 분석 데이터로 활용하였다. 여기에 높은 출현확률이 예상되는 검색 키워드로 사용된 명사들과 숫자, 특수문자, 1개로 이루어진 글자를 삭제하고, 분리된 명사를 복원하는 등의 추가적인 데이터 정제를 실시하였다. 그리고 출현 빈도가 극히 낮아 분석 결과에 영향을 미치지 않는 키워드를 배제하고 상위 빈도의 키워드 목록을 구축하기 위해[25], 빈도가 10개 이상으로 구성된 키워드 목록을 분석에 사용하였다.

본 연구의 목적은 뉴스에 나타난 디지털 휴먼의 활용 양상과 주요 트렌드 토픽을 파악하는 것으로, 토픽을 추출하는데 유용한 토픽 모델링 분석 방법을 적용하였다. 다양한 방법 중에서도 텍스트 마이닝 연구에 많이 활용되는 LDA(Latent Dirichlet Allocation) 토픽 모델링 기법을 적용하는데, 이는 문서-단어 행렬에서 단어 출현 빈도만으로는 나타낼 수 없는 잠재적 의미 주제를 도출하고자 디리클레 분포라고 하는 확률분포에 기반하여 각각의 토픽을 생성하는 확률적 분석 모델이다[26].

데이터 분석을 위해 Python을 활용하였으며, Gensim 패키지를 이용하여 전처리를 통해 추출한 키워드 목록을 기반으로 LDA 분석을 실시하였다. 이때, LDA 토픽 모델링 방법은 결과의 타당성을 확보하기 위해 연구자가 적절한 토픽 수를 결정해야 하는데, 본 연구에서는 실루엣 계수(Silhouette Coefficient)를 활용하였다. 실루엣 계수는 토픽이 얼마나 잘 분류되어 있는지 평가할 수 있는 알고리즘으로 값이 1에 가까울수록 각 토픽 내의 키워드가 올바르게 군집되었다고 판단한다[27]. 본 연구에서는 선행연구를 참조하여 최적화된 토픽 수를 결정하기 위해 실루엣 계수를 측정하였고[28], 그 결과 토픽 수가 4개일 경우에 0.587로 가장 높게 나타났다. 실루엣 계수 그래프를 통해 분포도를 확인한 결과 4개의 토픽 수가 적절하다고 판단되어 해당 값을 기준으로 LDA 분석을 수행하였다.

그림 1은 데이터 분석 기간 중 메타버스와 디지털 휴먼 관련 기사의 보도 추이를 비교한 것으로, 두 검색어 모두 2021년 하반기부터 기사 수가 모두 급증하고 있음을 알 수 있다. 이를 통해 메타버스와 디지털 휴먼 키워드가 서로 연관성이 있음을 알 수 있다. 다만, 전반적으로 메타버스 관련 기사들이 점차 감소하는 추세인 데 반하여 디지털 휴먼 관련 기사는 꾸준히 생산되고 있는 상황이다.

Fig. 1. 
Digital human and metaverse article trends

본 연구에서 LDA 토픽 모델링을 통해 디지털 휴먼 관련 뉴스 총 5,381건을 분석한 결과, 표 1과 같이 4개의 토픽이 도출되었다. 추출된 4개의 토픽별로 출현 비율이 높은 순으로 키워드를 나열하여 정리하였고, 각 키워드를 뉴스 원문과 비교하여 어떤 맥락에서 사용되었는지를 파악하여 이를 토대로 토픽별 주요 트렌드를 명명하였다.