미리보기
미리듣기
대화형 AI와 수어 아바타 기술 등 급변하는 AI 시대에 농인의 삶과 수어통번역 기술이 어떻게 진화하고 있는지 조망한다. 단순한 나열적 기술 소개를 넘어 일상통역의 축소와 업무 재편, 포스트 에디팅이라는 패러다임의 변화 등 현장의 지각변동을 예리하게 짚어낸다. 나아가 농인과 시청각장애인의 정보 접근권까지 살피며, 수어통번역사의 전문성이 단순 전달에서 맥락·의미·검증을 책임지는 역할로 이동하는 과정을 보여 준다.
물론 AI의 등장으로 그 모든 업무가 자동화되지는 않았지만 다양한 이슈들을 모으고, 유형화하며, 이슈에 대한 견해 차이를 정리하고, 뉴스에 나올 법한 한국어 문장으로 생성하는 것까지는 편리하게 사용 가능해졌다. 수어통번역사들이 수행하던 업무의 절반 가까이가 AI로 인해 자동화된 것이다. 이로 인해 수어통번역사들은 수어를 정확하고 빠르게 구사할 수 있도록 준비하는 시간을 확보할 수 있게 되었다. 또한 AI 협업툴 사용의 확대로 인해 뉴스 수어통번역사들이 서로가 가진 정보와 수어 표현들을 여러 명의 동료들과 손쉽게 공유할 수 있게 되었고, 이는 향후 수어통번역의 상향 표준화에 큰 도움이 될 것으로 예상되고 있다.
－01_“AI 시대 수어통번역 현장의 변화” 중에서
현재 멀티모달 AI는 단순히 재미있는 이미지 생성 수준을 넘어, 문서 해석, 의료 진단, 차량 인식, 영상 요약, 법률 문서 분류 등 전문 산업 영역으로 확장되고 있다. 현재 가장 각광받고 있는 AI 기술은 단연 대규모 언어 모델(LLM, Large Language Model)이다. 하지만 LLM은 기본적으로 텍스트 기반 유니모달 모델로, 언어적 정보만을 이해한다. 문제는 세상은 ‘텍스트’만으로 설명할 수 없다는 것이다. 반면 멀티모달 AI는 사진, 소리, 움직임 등 비언어적 정보를 함께 해석해 문장을 더 풍부하게 이해하거나, 반대로 더 구체적으로 생성할 수 있게 한다. 그래서 그 무엇보다도 멀티모달 AI 및 학습 데이터 생성 기술은 음성·텍스트 말뭉치와 수어 글로스(Gloss) 정보를 결합해 부족한 수어 학습용 데이터세트를 자동 확장하는 데 매우 유용하다. 수어 영상의 손동작·표정(시각)과 음성·자막(청각/텍스트)을 동시에 학습해 문맥과 의도를 정확히 파악하는 멀티모달 인식 모델 구축에 멀티모달 AI 및 학습데이터 생성 기술은 핵심 중의 핵심이 되었다.
－03_“AI 통역 기술의 현재 수준” 중에서
지금까지 수어통번역사에게 요구했던 정체성은 답을 달라고 했을 때, 그 답을 줄 수 있는 일종의 해결사와 같은 역할이었다. 농인은 삶의 문제를 만날 때마다 소통이 아닌 답을 원했다. 즉 문제의 해결을 바랐다. (…) 하지만 AI 시대는 수어통번역사의 본질적 정체성을 회복하게끔 하였다. 수어통번역사는 과도한 온정주의로 농인의 삶을 무조건 다 해결하려고 하지 않는다. 대신 농인 당사자 스스로 생각하고 움직일 공간을 만든다. 수어통번역사는 농인을 문제 해결자로 세운다. 수어통번역사는 설명하기보다는, 정보를 있는 그대로 이해하기 쉽게 전달한다. 동시에 농인이 정확하게 이해하고 있는지를 질문한다. 수어통번역사는 농인이 통번역사에게 의존하지 않고 스스로 주체성을 갖게끔 노력한다.
－06_“전문 수어통역 영역의 확대” 중에서
포스트 에디팅이 AI가 출력한 결과물을 수정하는 사후적 단계라면, 인공지능이 처음부터 좋은 결과물을 내놓을 수 있도록 사전 설계를 하는 수어 데이터 구축 또한 AI와 협업하는 수어통번역사의 새로운 무대로 볼 수 있다. 인공지능이 한글 텍스트를 자연스러운 수어 구조로 번역하거나, 수어를 자연스러운 한글 텍스트로 번역하는 일련의 과정을 수행하기 위해서는 양질의 병렬 말뭉치가 필수적이다. 그러나 단순히 수어 영상과 한글 텍스트를 데이터세트 형태로 구축하는 것만으로는 AI를 학습시키기에는 턱없이 부족하다. 수어 영상 속 수어소뿐 아니라 문법적 기능을 정확하게 특정 텍스트로 라벨링하여야 하기 때문이다.
－09_“AI와 수어통번역사의 협업 구조” 중에서
교보문고: