Accelerated construction of stress relief music datasets using CNN and the Mel-scaled spectrogram
인공지능(AI)이 스트레스 완화에 효과적인 음악을 선별하는 시대가 도래했다. 최근 한국과 미국의 연구진이 합작하여 개발한 새로운 딥러닝 기술이 기존의 스트레스 완화 음악 선별 방식의 한계를 극복하고, 보다 효율적이고 경제적인 방법을 제시해 주목받고 있다.
중앙대학교와 카네기멜론대학교 연구진이 참여한 이번 연구는 합성곱 신경망(CNN, Convolutional Neural Networks)과 멜 스펙트로그램(Mel-scaled Spectrogram)을 활용해 스트레스 완화 음악 데이터셋을 신속하게 구축하는 방법을 제안했다. 이 연구 결과는 국제 학술지 ‘플로스 원(PLOS ONE)’에 게재되었다.
CNN으로 음악의 스트레스 완화 효과 예측
기존에는 스트레스 완화 음악을 선별하기 위해 청취자의 생체 반응을 측정해야 했다. 이는 시간과 비용이 많이 들고, 특수한 측정 장비가 필요한 단점이 있었다. 그러나 이번 연구에서는 음악 자체에서 추출할 수 있는 주파수, 진폭, 파형 등의 음향 요소를 AI가 분석하도록 했다.
연구팀은 이러한 음향 요소들을 시각화한 멜 스펙트로그램을 CNN에 입력하여 학습시켰다. CNN은 이미지 분류에서 뛰어난 성능을 보이는 딥러닝 모델로, 음악 장르 분류에도 효과적인 것으로 알려져 있다.
연구를 주도한 최수빈 교수는 “멜 스펙트로그램은 인간의 청각 특성을 반영하여 설계되었기 때문에, 음악이 유발하는 감정을 분석하는데 매우 적합합니다”라고 설명했다. 그는 또한 “이 방법을 통해 음악의 감정적 특성을 시각적으로 표현할 수 있어, AI가 학습하기에 더욱 용이합니다”라고 덧붙였다.
98.7%의 정확도로 스트레스 완화 음악 분류
연구팀은 먼저 기존 연구에서 스트레스 완화 효과가 입증된 음악 50곡과 그렇지 않은 음악 58곡으로 구성된 커스텀 데이터셋을 만들었다. 이를 10초 단위로 나누어 총 2,901개의 멜 스펙트로그램으로 변환한 후, 다양한 CNN 모델을 학습시켰다.
그 결과, ResNet-18이라는 CNN 모델이 98.7%라는 높은 정확도로 스트레스 완화 음악을 분류해냈다. 이는 기존의 기계학습 방법들보다 월등히 높은 성능이다. 연구팀은 이 모델의 객관성을 검증하기 위해 1,802곡으로 구성된 DEAM(Database for Emotional Analysis of Music) 데이터셋에도 적용해보았고, 80%의 정확도를 얻었다.
박종익 연구원은 “ResNet-18 모델은 가벼운 구조로도 우수한 성능을 보여, 다양한 컴퓨팅 환경에서 널리 적용할 수 있는 장점이 있습니다”라고 말했다. 그는 “이는 스마트폰이나 웨어러블 기기에서도 실시간으로 스트레스 완화 음악을 추천할 수 있는 가능성을 열어줍니다”라고 설명했다.
AI 선별 음악의 스트레스 완화 효과 임상 검증
연구팀은 AI가 선별한 음악의 실제 스트레스 완화 효과를 확인하기 위해 80명의 참가자를 대상으로 임상 연구를 진행했다. 참가자들은 AI가 선별한 음악과 개인이 선호하는 음악을 각각 들은 후, 스트레스, 행복감, 만족도 변화를 시각 아날로그 척도(VAS, Visual Analog Scale)로 평가했다.
그 결과, AI가 선별한 음악은 개인이 선호하는 음악만큼 효과적으로 스트레스를 감소시키고 만족도를 높이는 것으로 나타났다. 특히 스트레스 감소 효과가 행복감이나 만족도 증가보다 두 배 가량 크게 나타나, AI의 스트레스 완화 음악 선별이 효과적임을 입증했다.
홍철호 교수는 “이번 연구 결과는 AI 기술이 음악 치료 분야에 혁신을 가져올 수 있음을 보여줍니다. 개인의 취향과 문화적 배경을 고려한 맞춤형 스트레스 완화 음악 선별이 가능해질 것”이라고 전망했다.
AI 기술의 음악 치료 분야 적용 가능성
이번 연구는 AI 기술을 음악 치료 분야에 적용한 혁신적인 사례로 평가받고 있다. 기존의 생체 반응 측정 방식에 비해 훨씬 효율적이고 경제적인 방법을 제시했다는 점에서 의의가 크다.
박상규 교수는 “이 기술을 활용하면 개인의 상태와 선호도에 맞는 스트레스 완화 음악을 실시간으로 추천할 수 있습니다”라고 말했다. 그는 “이는 일상적인 스트레스 관리부터 임상 환경에서의 음악 치료까지 다양하게 활용될 수 있을 것”이라고 덧붙였다.
또한 이 기술은 대규모의 스트레스 완화 음악 데이터셋을 빠르게 구축할 수 있게 해준다. 이는 음악 치료 연구의 발전에 큰 도움이 될 것으로 예상된다. 박상철 교수는 “대규모 데이터셋을 통해 스트레스 완화에 효과적인 음악의 특성을 더욱 정확히 파악할 수 있을 것”이라고 전망했다.
향후 과제와 전망
이번 연구는 AI 기술을 활용해 스트레스 완화 음악을 효율적으로 선별하고 그 효과를 검증했다는 점에서 의의가 크다. 그러나 몇 가지 한계점과 향후 과제도 존재한다.
첫째, 이번 연구는 주로 한국인을 대상으로 한 데이터로 학습되었기 때문에 문화적 편향이 있을 수 있다. 연구팀은 “향후 다양한 문화권의 음악을 대상으로 한 후속 연구가 필요합니다”라고 밝혔다.
둘째, 이번 임상 연구는 단기적인 효과만을 검증했다. 장기적인 효과에 대한 연구가 추가로 이루어져야 할 것으로 보인다. 최수빈 교수는 “스트레스 완화 음악의 지속적인 청취가 정신 건강에 미치는 영향을 장기적으로 관찰할 필요가 있습니다”라고 말했다.
마지막으로, 개인정보 보호와 윤리적 문제에 대한 고려도 필요하다. AI가 개인의 음악 취향과 스트레스 상태를 분석하는 과정에서 민감한 개인정보가 다뤄질 수 있기 때문이다. 연구팀은 “향후 연구에서는 개인정보 보호와 AI 윤리에 대한 고려가 필수적”이라고 강조했다.
이러한 과제들에도 불구하고, 이번 연구는 AI 기술이 정신 건강 관리에 기여할 수 있는 가능성을 보여주었다는 점에서 큰 의미가 있다. 향후 이 기술이 실제 의료 현장이나 일상생활에서 어떻게 활용될 수 있을지 주목할 필요가 있다.
박종익 연구원은 “앞으로 AI가 개인의 상태를 실시간으로 모니터링하고, 그에 맞는 음악을 추천하는 시스템으로 발전할 수 있을 것”이라고 전망했다. 그는 “이는 단순한 음악 추천을 넘어, 개인의 정신 건강을 지속적으로 관리하는 AI 어시스턴트로 진화할 수 있습니다”라고 덧붙였다.
중앙대 연구팀의 보고서 원문은 링크에서 확인할 수 있다.
본 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
관련 콘텐츠 더보기
