삼성디스플레이 ‘직무 Talk’ (영업마케팅, 경영지원)

“열려라, 참깨!” ‘알리바바와 40인의 도둑들’의 주문을 기억하시나요? 음성 명령어의 원형이라고 할 만한 이 장면은 오랜 시간 후에 실제로 구현되었습니다. 1952년 미국 벨 연구소(Bell Labs)가 최초로 개발한 오드리(Audrey)는 음성인식 서비스의 효시로, 그 후 비약적인 발전을 거듭해 왔는데요. 오늘날 일상적으로 사용하는 음성 키오스크 주문기, 시리와 인공지능 스피커, 내비게이션 등 음성인식 기술은 인간과 기계를 잇는 일상적 가교로 작용하고 있습니다. 음성인식 기술은 인간의 편리한 삶을 가능하게 해주지만, 언어별로 적용 가능한 범위가 크게 다른 양극화 현상이 존재합니다. 국내외 플레이어 동향과 기술의 발전상, 향후 해결 과제를 한 번 알아볼까요? 글. MIT Technology Review 편집팀 기술과 서비스의 각축장, 음성인식 시장의 확장 최근 코로나 팬데믹 기간을 거치면서 음성 기술의 중요성이 훨씬 더 커졌습니다. 매거진 <음성 기술> 최신호에 따르면 음성인식 시장의 규모는 2025년까지 268억 달러(약 31조 7,000억 원)에 달할 것으로 전망하고 있으며 향후 발전 가능성 또한 높습니다. 국내는 주요 가전업체와 통신사, 플랫폼 기업이 시장을 주도하고 있는데요. 주요 기기와 서비스로는 ▲삼성 ‘빅스비’ ▲LG ‘Q보이스’ ▲SK텔레콤 ‘누구’ ▲KT ‘기가지니’ ▲네이버 ‘클로바’ ▲카카오 ‘카카오’ 등이 있습니다. 국내 음성 AI 플랫폼은 한국어에 특화된 음성 인식∙합성 성능과 IPTV 셋톱박스 기능, 검색, 팟캐스트나 음악 스트리밍 등 국내 인터넷∙모바일 서비스와의 연동을 강조하고 있습니다. 반면 글로벌 음성…

OLED 디스플레이는 빛을 방출하는 방향에 따라서 배면 발광, 전면 발광으로 구분됩니다. 배면 발광(Bottom Emission)은 디스플레이의 빛이 TFT 기판 방향으로 나오게 하는 방식이고, 전면 발광(Top Emission)은 반대로 빛이 TFT 기판을 거치지 않고 나오게 하는 방식입니다. ▲ 배면 발광(좌)과 전면 발광(우)의 방식 비교. BP(Backplane, TFT가 포함된 기판)의 위치가 다르다. 배면 발광 방식은 OLED가 개발되던 초기에 등장한 방식이었습니다. 당시 OLED 발광원에서 빛이 방출될 때 음극(-)은 금속 소재였기 때문에 빛이 통과할 수가 없어 투명한 양극(+) 소재를 적용했습니다. 하지만 이렇게 양극 방향 즉 기판 방향으로 빛을 발산할 경우 빛의 일부가 TFT 면적 만큼 가려져 개구율이 하락합니다. 개구율이 줄어든 만큼 같은 픽셀 면적에 전류의 밀도를 높여야 하기 때문에 발광 소자의 수명에 악영향을 주게 되는데, 특히 픽셀을 촘촘하게 배치하는 모바일 디스플레이에서 고해상도 구현에 불리합니다. 전면 발광 방식은 기판의 반대 방향으로 빛이 나오는 구조입니다. 따라서 기판위에 회로들을 자유롭게 구성할 수 있고, 빛이 가려지는 부분이 최소화 돼 개구율이 크게 높아집니다. 개구율이 높은 만큼 동일 밝기에서 전력 소모가 적고 전류 밀도를 낮출 수 있어, OLED 발광 소자의 수명에 유리하고, 중소형부터 대형에 이르기까지 고해상도 디스플레이 구현에 유리합니다.

‘리플레이 더 디스플레이’는 디스플레이 분야의 글로벌 리더 삼성디스플레이가 걸어온 발자취를 따라 디스플레이 산업의 역사적 순간들을 포착해 공유하는 코너입니다.

인공지능의 탄생과 함께, 창의성은 인간만이 가지는 고유한 특성이라 믿었던 생각은 ‘고정관념’에 불과했음을 알게 되었습니다. 미켈란젤로가 말한 것처럼, 인식과 창작은 매우 밀접하게 연결되어 있으므로 과연 기계가 창의성을 가질 수 있는가, 하는 문제는 예전부터 꾸준히 제기된 질문이죠. 하지만 이제 AI와 인간의 협업은 우리 주변의 갤러리에서도 어렵지 않게 만나볼 수 있게 되었습니다. 이제는 질문이 바뀌고 있습니다. 인공지능은 사람의 도움이나 판단 없이 인간의 창조성을 뛰어넘는 그림을 그릴 수 있을까요? 글. MIT Technology Review 편집팀 알고리즘에서 출발한 인공지능 아티스트 ▲ (1번) 스케치하는 알고리즘 ‘아론(AARON)’ (출처: Computer History Museum),(2번) 구글의 머신 러닝 ‘Deep dream’의 작품 (출처: Deepdream generator 홈페이지) 기계와 인간의 창작적 협업에 대한 논의는 1973년으로 거슬러 올라갑니다. 샌디에이고 대학교의 해롤드 코헨 교수는 이미지를 추상할 수 있는 알고리즘에 따라 그림을 그리는 ‘아론(AARON)’을 만들어 기계와 인간의 창작적 협업에 대한 이야기를 시작했는데요. 초기에는 아론이 스케치를 하면 해롤드 코헨 박사가 색을 칠했지만, 나중에는 색의 개수에 따라 명도의 차이를 알고리즘으로 만들어 프로그래밍하여 아론 스스로 색을 칠할 수 있게 되었습니다. 사람이 주제마다 프로그래밍을 해야 하는 단점이 있지만 해롤드 코헨 박사의 40년 간의 연구는 컴퓨터와 예술의 교차점에서 큰 주목을 받았습니다. 이후 기술적 진보가 이뤄진 2016년, 구글의 머신 러닝팀 디렉터인 블레이즈 아게라는 TED@BCG Paris에서 ‘딥 드림(Deep dream)’…