특히 가장 먼저 공개된 '아빠의 퇴근길' 편은 평범한 하루 속에 찾아온 기적 같은 순간을 제미나이로 따뜻하게 완성했는데요. 퇴근길에 우연히 루돌프와 썰매를 발견한 아빠가 엘리베이터 앞에서 산타를 마주치며 특별한 인사를 주고받고, 그 짧은 순간을 아들과도 공유하고 싶었던 그는 제미나이를 통해 산타와 함께 찍은 듯한 사진을 만들어 아들에게 보여줍니다.

 
구글의 '산타 이즈 커밍 투 타운' 캠페인은 단순히 AI 기술을 시연하는 데 그치지 않고, AI 기술이 우리의 일상 속에 다양한 방식의 온기를 더할 수 있음을 보여주고 있는데요. 다양한 AI 모델을 통해 올겨울이 지나기 전에 주변에 그동안 전하지 못한 마음을 따뜻한 연말 메시지로 전달해 보는 건 어떨까요?

챗 트랜스레이션은 여행, 일상 대화부터 비즈니스까지 폭넓게 활용할 수 있습니다. 글로벌 바이어와의 상담, 해외 전시회에서의 실시간 다국어 소통, 다국적 팀 회의, 오프라인 매장에서의 외국인 고객 응대 등 다양한 상황에서 자연스럽고 정확한 번역을 제공할 수 있습니다.

플리토는 챗 트랜스레이션이 글로벌 커뮤니케이션의 새로운 표준으로 자리 잡을 것으로 기대하고 있습니다. 이를 통해 누구나 실시간으로 소통할 수 있는 환경을 제공함으로써, 일상 대화부터 글로벌 비즈니스 미팅까지 생산성과 효율성을 동시에 높이는 데 적극 기여할 계획입니다. 빠르고 정확한 초개인화 AI 통번역 앱 챗 트랜스레이션은 앱 스토어에서 누구나 무료로 다운로드할 수 있습니다.

LLM을 학습하기 위해 가장 필요한 것은 데이터입니다. LLM이 해당 언어를 이해하기 위해서는 소설이나 인문, 사회, 과학 등 그 언어 자체로 쓰인 다양한 텍스트를 기반으로 학습해야 합니다. 이러한 과정을 통해 문장 내 단어들이 서로 어떤 관계가 있는지, 앞 문장과 뒤 문장과는 어떻게 연결되는지 구조를 파악할 수 있습니다. 이후 다른 언어와의 병렬 말뭉치로 학습을 하게 되면 한 언어에서 다른 언어로의 번역이 가능해집니다.

이 논문에서 데이터를 수집하기 위해서 사용한 방식은 크라우드소싱입니다. 연구팀은 'All Voices'라는 플랫폼을 만들었는데 스크린샷을 보면 플리토에서 아케이드를 통해 데이터를 수집하는 방법과 거의 흡사합니다. 플리토의 서비스와 비교하기 위해 앱을 다운로드 받으려고 하였으나 아쉽게도 현재는 앱을 찾아볼 수 없었습니다.

이 앱을 통해 수집한 데이터 현황은 아래와 같습니다. 아프리카 소수 언어 중에서도 화자가 많은 암하릭어나 요루바어, 아프리칸스어 등은 수집한 양이 많은 반면 그렇지 않은 언어는 거의 학습하기 어려울 정도로 양이 적다는 것을 확인할 수 있습니다.

아프리카 소수 언어를 학습하기 위한 파운데이션 모델로 메타에서 공개한 Llama-3.2 1B 모델을 사용하였습니다. 최근에는 수천억 개 이상의 매개변수를 가진 모델도 널리 사용되고 있지만 10억 개의 매개변수라면 다소 작게 느껴질 수 있습니다.

LLM의 매개변수가 많을수록 학습 시간이 오래 걸리고, 매개변수 개수 대비 학습 데이터셋이 적으면 학습의 효과가 제대로 나타나지 않을 수 있습니다. 또한 범용적으로 다양한 작업을 수행해야 하는 대규모 LLM과는 달리 기계 번역기는 번역 기능만 정확하게 수행하면 되기 때문에 매개변수가 1B인 모델로도 충분합니다. 본 연구에서는 학습 인스트럭션으로 “Translate the following English text to X :“ (X는 아프리카 소수 언어)를 사용하였습니다.

기계 번역의 품질을 평가하는 방법에는 여러 가지 있는데 그중 가장 널리 쓰이는 방법이 BLEU 점수입니다. BLEU 점수는 비교적 쉽게 계산할 수 있다는 장점이 있지만, 반면 기계 번역과 비교하기 위해 정답으로 사용할 번역문들이 필요합니다. 사람이 번역해도 한 문장에 서로 다른 여러 번역이 있을 수 있고, 정답 번역문과 기계 번역문에서 겹치는 단어를 세는 방식이기 때문에 기계 번역문에서 의미가 유사하지만 다른 단어를 사용하였을 경우 점수가 낮게 나오는 한계가 있습니다.

COMET3)은 이를 보완한 방법으로 많은 병렬 말뭉치를 학습해 모델을 만들었습니다. 이 모델을 통해 점수를 계산하기 때문에 정답 번역문이 없어도 되고, 그 결과 BLEU 점수보다 객관적으로 평가할 수 있다는 장점이 있습니다. 또, 단어 사이의 유사도를 계산하기 때문에 거의 같은 의미이지만 다른 단어를 썼어도 번역문 품질 측정에 반영이 됩니다.

하지만 아프리카 소수 언어는 COMET 점수 평가 모델에 학습 데이터가 거의 포함되어 있지 않아 점수 계산이 불가능합니다. 이를 위해 아프리카 소수 언어들로 COMET 점수 평가 모델을 학습함으로써 새로운 AfriCOMET4)을 만들어 좀 더 정확한 평가가 가능하도록 하였습니다.

이정수 플리토 대표가 아주경제 인터뷰를 통해 전 세계 어디서든 구글 앱처럼 쓰이는 보편적 언어 플랫폼을 만들겠다며 B2C 확장에 대한 포부를 밝혔습니다. 플리토는 언어 데이터 기반 AI 기업으로, 전체 매출의 90%가 데이터 사업에서 발생한다고 밝혔는데요. 최근 출시한 초개인화 AI 통번역 앱인 '챗 트랜스레이션(Chat Translation)'을 언급하며 사용자의 데이터를 학습해 개인만의 번역 엔진을 제공하는 초개인화 솔루션이라고 설명했습니다. 또한, 플리토는 중동 시장, 특히 아랍어 데이터 부족 문제를 새로운 기회로 보고 현지 파트너십 강화와 아랍어 AI 개발에 집중하고 있으며, 국가대표 AI 모델 개발에도 업스테이지와의 협력을 통해 전력을 다하고 있다고 밝혔습니다. 이정수 대표는 "AI는 버블이 아니라 저평가 상태"라며 데이터 자산의 가치를 강조했습니다.