구글이 2021년 9월 29일 연례행사인 서치온(Search On)을 개최했다. 이 행사에서 구글은 새로운 검색 알고리즘인 MUM(Multitask Unified Model) 멀티태스킹 통합 모델을 본격 도입하는 새로운 구글 검색 기능이 밝혀졌다.
구글이 5월 19일 개발자 콘퍼런스 구글I/O 2021에서 발표한 MUM은 언어 이해 작업을 잘하는 신경망 구조인 트랜스포머(Transformer)는 텍스트나 이미지 정보를 이해하고 미래에는 음성이나 동영상도 해석할 수 있게 된다는 기계학습 기술이다.
MUM 주요 기능 가운데 하나는 이미지 인식 기술인 구글 렌즈 강화를 통한 이미지 검색과 단어 검색 통합이다. 이 기능은 예를 들어 자전거 부품 사진을 촬영하면서 이를 고칠 방법을 입력하고 검색하면 후륜 변속기 부품명을 몰라도 수리 방법을 확인할 수 있게 해준다.
또 구글 검색 앱 렌즈 모드에선 검색 중 표시되는 이미지와 해당 이미지 일부만 다시 검색할 수도 있다. 이는 곧 iOS용 구글 검색 앱에 구현되지만 사용할 수 있는 건 미국 내 뿐이라고 한다. 또 PC용 구글 크롬에 어떤 이미지나 동영상을 선택하고 곧바로 검색 결과를 얻을 수 있는 기능이 등장할 예정이며 글로벌 전개할 것이라고 한다.
자연어 처리와 이미지 인식 모두 뛰어난 MUM을 통해 검색 결과에 더 많은 이미지와 사진이 추가될 수 있다. 그동안은 검색 결과 상단에 이미지가 몇 개 표시되기 때문에 더 이미지를 보고 싶을 때에는 이미지 검색 탭으로 전환해야 했지만 앞으로는 알고 싶은 것(Things to know)이라는 섹션이 검색 결과에 표시되며 검색한 문구에 대한 다양한 정보를 텍스트와 문장을 모두 파악할 수 있게 된다는 것.
또 구글은 링크가 어떤 사이트인지에 대한 정보 제공을 확충하는 검색 결과에 대한 것(About this result)도 발표했다.
이 기능은 2021년 2월부터 베타 버전으로 테스트가 진행되고 있었다. 이전에는 검색 결과 링크 오른쪽에 있는 아이콘을 클릭해 해당 결과가 왜 상위권에 표시되어 있는지 열람할 수 있도록 되어 있지만 이번 강화에 따라 링크 사이트명 검색 결과나 링크와 같은 주제를 다룬 다른 사이트 기사 등을 자세하게 볼 수 있게 됐다. 관련 내용은 이곳에서 확인할 수 있다.
구글은 구글지도에서 산불 정보를 확인할 수 있는 산불 레이어를 추가하거나 도시 나무를 심은 게 좋은 장소를 특정하는 트리 캐노피 인사이트(Tree Canopy Insights) 제공 범위 확대도 발표했다.
최근에는 세계적인 기후 변화에 따라 산불 빈도가 증가하고 있으며 9월에는 미국 캘리포니아주에서 발생한 산불에 의해 5만 명 이상 피난 명령을 받았다. 만일의 경우 자신을 보호하기 위해 산불 정보를 정확하게 수집하는 게 중요하다는 것으로 구글은 2020년 위성 데이터를 이용한 산불 경계지도를 미국에서 출시했다.
산불 경계지도는 미국인이 대략적인 화재 크기와 범위를 파악할 수 있었지만 새롭게 구글은 산불 정보를 정리해 구글지도에 새 레이어를 추가한다고 발표했다. 새롭게 추가되는 산불 레이어는 지도에 빨간색으로 산불 범위를 표시한다. 산불 부분을 탭하면 산불에 대한 자세한 최신 정보를 볼 수 있다.
긴급 상황에 참조하는 웹사이트와 도움을 요청하는 전화번호, 대피 명령에 대한 자세한 지방자치단체가 제공하는 사용 가능한 리소스 링크와 불탄 범위, 소방 대응 등 정보를 얻을 수 있다. 산불 레이어는 9월 마지막 주부터 10월 초에 안드로이드에서 글로벌 전개하고 iOS와 데스크톱은 10월 중 등장한다. 미국에선 합동화재센터(National Interagency Fire Center)에 자세한 데이터 레이어가 확장되며 앞으로 몇 개월 동안 호주를 비롯한 여러 국가에서 유사 세부 데이터를 확장할 예정이라고 한다.
도시 기온이 교외에 비해 높은 열섬 현상이 나타나는 건 저소득층 지역 사회에 악영향을 미치고 공기 질 악화나 탈수 등 많은 위생상 문제를 일으킨다. 가로수나 공원에 심어진 나무는 사람과 건물을 직사광선으로부터 보호하고 수분 증발과 함께 열을 방출해 온도를 낮춰 온도 상승을 방지하는 것으로 알려져 있으며 도시 설계자가 효율적으로 식수를 하는 게 중요하다.
따라서 구글은 2020년 11월 항공사진과 AI를 결합해 도시 나무 밀도와 급격한 기온 상승 위험이 높은 장소를 확인하고 나무를 심기 좋은 위치 선정을 지원하는 도구인 트리 캐노피 랩(Tree Canopy Lab-Tree Canopy Insights)을 발표했다.
지금까지 트리 캐노피 랩을 이용할 수 있는 건 미국 내 15개 도시에 한정되어 있었지만 구글은 제공 범위를 런던, 시드니, 토론토 등 전 세계 100개 도시로 확대한다고 발표했다.
다음은 새로운 주소를 만들 수 있는 어드레스 메이커(Address Maker) 앱. 주소가 있다는 건 당연하다고 생각하는 사람도 많을지 모르지만 세계에는 많은 사람이 공개적으로 등록된 주소를 갖고 있지 않고 일단 비어 있던 공간에 집을 짓고 살고 있지만 번지수가 존재하는 않는 경우가 개발도상국에선 문제가 되고 있다. 공적인 주소가 없을 경우 선거 투표나 은행 계좌 개설 구인에 응모, 우편물 수령 등 다양한 행동이 제한되어 버린다.
따라서 구글은 지도상 모든 영역에 고유 코드를 할당하는 플러스 코드(Plus Codes)라는 오픈소스 시스템을 이용해 주소 만들기 앱인 어드레스 메이커를 만들었다는 것. 어드레스 메이커는 새로운 주소를 만들어 지도에 할당, 시간을 몇 년에서 몇 주로 단축하고 비용을 절감할 수 있다는 것. 이미 감비아와 케냐, 남아프리카공화국, 미국 등 정부와 NGO가 어드레스 메이커를 이용하고 있다는 것으로 지방자치단체와 NGO는 신청 양식으로 어드레스 메이커 이용을 요청할 수 있다. 관련 내용은 이곳에서 확인할 수 있다.
구글은 이미지 인식 엔진인 구글 렌즈(Google Lens)가 몇 개월 안에 데스크톱 버전 크롬 브라우저에서도 사용할 수 있게 될 것이라고 밝혔다.
구글 렌즈는 카메라를 향해 먼저 물체를 인식하게 하면 해당 내용을 알려주는 기능. 이미 안드로이드 스마트폰잉나 아이폰에서 기능을 사용할 수 있으며 지난 7월에는 데스크톱 버전 크롬 브라우저에서도 일부 환경에서 구글 렌즈를 이용 가능한 게 확인된 바 있다.
구글 측에 따르면 데스크톱 버전 구글 렌즈는 먼저 오른쪽 클릭을 해 구글 렌즈 검색을 선택한 다음 검색하려는 이미지를 강조해 기능을 사용할 수 있다. 예를 들어 이름 모르는 동식물을 검색하거나 앨범 재킷 제목 등을 알려고 할 때 편리한 기능할 수 있다.
모바일 버전도 기능이 강화되고 있다. 2022년 예정되어 있는 업데이트에선 이미지를 검색한 뒤 질문을 추가하는 게 가능하다. 자전거 부품 이미지 검색에서 어떻게 고칠지 질문할 수 있다. 아이폰용 구글 앱은 구글 렌즈로 이미지 중 제품을 검색할 수 있다.
이미 데스크톱 버전 구글 포토에서도 향상된 OCR 기능을 사용할 수 있다. 구글에 따르면 AI와 기계학습을 자사 서비스에 통합하는 걸 앞으로도 확대할 방침이라고 한다.
한편 구글과 같은 알파벳 자회사로 심층학습을 통한 단백질 구조 해석이나 바둑 AI 개발로 잘 알려진 인공지능 기업 딥마인드는 90분 뒤 강수 확률을 높은 정밀도로 예측할 수 있는 심층 생성 모델인 DGMR을 개발했다고 발표했다. 일기 예보에서 2시간 내에 기후 변화를 예측하는 건 어려운 문제가 되고 있어 이번 모델 등장으로 일기 예보 정확도가 크게 향상될 것으로 기대되고 있다.
현대 일기예보에선 대기 중 유체 움직임을 수치적으로 계산해 미래 날씨를 예측하는 수치 예보 수법이 이용되고 있다. 수치 예보는 6시간 앞, 2주 뒤까지 날씨를 예측하기에는 뛰어나지만 2시간 이내 날씨를 예측할 경우 정확도가 낮아진다.
딥마인드 측은 2시간 이내 이른바 단시간 예보 정확도를 개선하려고 심층생성모델 DGMR 구축을 실시하고 이미지 생성 등에 사용되는 적대적 생성 네트워크 GAN과 같은 알고리즘에 기상 레이더로 포착한 비구름 움직임을 연구해 5∼90분 대상 비구름 움직임을 예측해 생성하도록 설계했다고 밝혔다.
딥마인드는 DGMR에 의해 생성된 예측 결과 정확성을 검증하기 위해 기존 2개 강수 확률 예측 모델을 준비하고 각각에 대해 기상 캐스터 56명에게 정밀도 평가를 부탁했다. 그 결과 89%가 DGMR이 가장 정확성과 유용성이 뛰어나다고 평가했다고 한다. DGMR은 강수 확률 강도와 범위가 균형 있고 실제 관측 기록에 가깝다고 한다. 관련 내용은 이곳에서 확인할 수 있다.