돌핀제마는 약 4억 개의 매개변수를 가진 오디오 중심 대형 언어 모델로, 구글의 사운드스트림(SoundStream) 기술을 기반으로 복잡한 고주파 수중음을 효율적으로 표현

​

"바다의 지능형 생물로 알려진 돌고래와 인간이 언젠가 실제로 대화를 나눌 수 있을까?"

구글은 새로운 인공지능 모델 ‘돌핀제마(DolphinGemma)’가 이러한 질문에 한 걸음 가까이 다가가고 있다고 14일(현지시간) 밝혔다. 이 프로젝트는 조지아공과대학교와 야생돌고래프로젝트(Wild Dolphin Project, 이하 WDP)와의 협업을 통해, 돌고래의 복잡한 소리를 분석하고 해석해 의미 있는 소통 구조를 밝혀내는 데 목표를 두고 있다.

WDP는 1985년부터 바하마 해역에서 대서양 얼룩돌고래(Stenella frontalis)의 행동과 음성을 비침습적으로 관찰해온 세계 최장기 수중 연구 프로젝트이다. 연구진은 개별 돌고래의 생애사와 행동 데이터를 수십 년간 축적해왔으며, 이 데이터를 바탕으로 인공지능이 학습할 수 있는 전례 없는 수준의 라벨링된 오디오 자료를 제공하고 있다.

복잡한 휘파람 소리와 돌고래와 같은 해양 포유류의 음성 통신에서 중요한 역할을 하는 음향 신호의 한 종류인 버스트 펄스 소리(Burst pulse sounds)를 통해 사회적 관계를 형성하는 돌고래의 언어는 단순한 신호체계를 넘어선다.

어미 돌고래가 새끼를 부를 때나 돌고래의 개별 식별을 가능하게 하는 중요한 음향 신호인 '서명 휘파람(signature whistle)', 갈등 상황에서 나오는 '버스트 스쿼크(Burst Squawk)', 주로 반향 정위(echolocation)를 통해 주변 환경을 탐색하거나 먹이를 찾는 데 사용하는 '클릭 버즈(Click Buzz)' 등은 특정 상황과 강하게 연관되어 있다. 이러한 구조를 인간이 직접 해석하는 데는 한계가 있었으나, 인공지능은 방대한 데이터를 통해 패턴을 추론하고 새로운 규칙을 발견할 수 있다.

돌핀제마는 약 4억 개의 매개변수를 가진 오디오 중심 대형 언어 모델로, 구글의 사운드스트림(SoundStream) 기술을 기반으로 복잡한 고주파 수중음을 효율적으로 표현한다. 이 모델은 인간 언어 처리와 유사한 방식으로 돌고래 소리를 분석하며, 다음에 이어질 소리를 예측하는 시퀀스 기반 학습을 통해 잠재적인 의미 구조를 도출해낸다. 현장 적용을 위해 경량화되어 구글 픽셀(Pixel) 스마트폰에서 직접 구동 가능하다는 점도 큰 장점이다.

현장에서는 돌핀제마 외에도 ‘고래류 청각 증강 원격 측정(Cetacean Hearing Augmentation Telemetry. 이하, CHAT)’이라는 양방향 통신 장비도 함께 실험되고 있다. 채트(CHAT) 시스템은 인공 휘파람을 특정 물체와 연계해 돌고래가 이를 흉내냄으로써 연구자와 직접 상호작용할 수 있도록 설계되었다. 예컨대, 수초나 장난감 같은 물체를 요청하고자 할 때 돌고래는 해당 휘파람을 따라 하게 된다.
​