[AI-900] 자격증 완벽정리 4편_자연어 처리(NLP)와 Azure Congnitive Service

2025.05.05 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 1편_개요와 준비 전략

2025.05.05 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 2편_인공지능(AI), 머신러닝(ML), 딥러닝(DL) 개념 비교

2025.05.06 - [MS Azure, AI] - [AI-900] 자격증 완벽정리 3편_머신러닝 유형(지도학습, 비지도학습, 강화학습)

 

목차:

• 자연어 처리(NLP)의 개념과 중요성
• NLP의 주요 과제 (텍스트 및 음성 처리 예시)
• Azure의 NLP 서비스: 언어 이해와 텍스트 분석
• Azure의 음성 서비스: 음성 인식과 합성
• 실생활 NLP 적용 예시 및 출제 포인트
• 마무리 정리

자연어 처리(NLP)의 개념과 중요성

**자연어 처리(NLP, Natural Language Processing)**는 인간이 사용하는 **언어(텍스트와 음성)**를 컴퓨터가 이해하고 생성하도록 하는 AI 기술 분야입니다. 우리가 일상에서 접하는 글과 말을 컴퓨터가 처리할 수 있게 한다는 점에서, AI를 인간과 더욱 가깝게 만드는 핵심 분야입니다. 예를 들어, 스마트폰의 음성 비서가 사용자의 질문을 이해하고 답변하는 것, 이메일 서비스가 자동으로 스팸 메일을 분류하는 것, 번역기가 언어를 번역하는 것 등이 모두 NLP 기술 덕분입니다.

NLP는 AI-900 시험 영역 중 “자연어 처리 워크로드의 특징” 부분으로 약 15~20% 비중을 차지합니다learn.microsoft.com. 이는 Azure에서 제공하는 언어 및 음성 인지 서비스와 연결되어 출제됩니다. 따라서 기본 개념뿐만 아니라 Azure에서 NLP를 어떻게 구현하는지도 알아야 합니다. 우선 NLP의 대표적인 과제들을 살펴보고, 이후 Azure Cognitive Services의 관련 서비스를 소개하겠습니다.

NLP의 주요 과제 (텍스트 및 음성 처리 예시)

NLP에서 다루는 작업은 매우 다양하지만, AI-900 관점에서 알아두면 좋은 주요 과제는 다음과 같습니다learn.microsoft.comlearn.microsoft.com:

• 텍스트 분류(Text Classification): 텍스트의 범주를 분류하는 작업입니다. 예를 들어 영화 리뷰가 긍정적인지 부정적인지 판별하는 감정 분석(Sentiment Analysis)learn.microsoft.com, 뉴스 기사를 스포츠/정치/경제로 분류하는 작업 등이 있습니다. Azure Cognitive Services의 텍스트 분석 기능에서 감정 분석을 지원합니다.
• 키워드 추출(Key Phrase Extraction): 문장이나 문서에서 핵심이 되는 단어구 또는 키 프레이즈를 추출하는 작업입니다. 예를 들어 긴 글을 요약할 때 중요한 키워드를 자동으로 뽑아내는 데 사용됩니다learn.microsoft.com. Azure의 텍스트 분석 서비스는 주요 문구 추출을 제공합니다.
• 개체 인식(Entity Recognition): 텍스트에서 인물, 조직, 날짜, 위치 등 유명한 개체를 찾아내는 작업입니다. 문장 속 "서울"이라는 단어를 인식해 도시로 분류하거나, "MS"를 조직(Microsoft)으로 식별하는 것이 이에 해당합니다. Azure의 언어 서비스에서 엔터티 인식을 수행할 수 있습니다.
• 언어 모델링(Language Modeling)과 텍스트 생성: 주어진 텍스트 앞부분을 토대로 다음 단어를 예측하거나 새로운 문장을 생성하는 것입니다learn.microsoft.com. 최근 각광받는 생성형 AI(GPT 등)가 바로 이 영역으로, 대량의 텍스트를 학습한 언어 모델이 사용자 입력에 이어지는 자연스러운 문장을 만들어냅니다.
• 기계 번역(Translation): 한 언어로 된 텍스트를 다른 언어로 자동 번역하는 작업입니다. Azure에서는 Translator Text API가 이런 기능을 제공합니다.
• 질의 응답(QnA) 및 대화: 주어진 지식 기반에서 질문에 대한 적절한 답변을 찾는 작업 (예: FAQ 봇), 혹은 문맥을 파악하여 대화형으로 응답하는 작업입니다. Azure에서는 QnA Maker(현재는 Azure Language 서비스의 QnA 기능)로 구현할 수 있습니다.
• 음성 인식(Speech Recognition): 사람이 말하는 소리를 텍스트로 변환하는 작업입니다learn.microsoft.com. “음성 -> 문자” 변환으로, Azure Speech to Text 서비스가 이 기능을 수행합니다.
• 음성 합성(Speech Synthesis): 텍스트를 입력받아 사람 목소리로 읽어주는 기술입니다. “문자 -> 음성” 변환이며, Azure Text to Speech가 해당됩니다.

이처럼 NLP는 텍스트와 음성에 관한 다양한 문제를 다루며, Azure Cognitive Services는 이러한 문제를 쉽게 해결할 수 있도록 여러 API를 제공하고 있습니다. 다음으로 Azure에서 NLP 관련 서비스들을 살펴보겠습니다.

Azure의 NLP 서비스: 언어 이해와 텍스트 분석

Azure의 Cognitive Services (현행 명칭으로 Azure AI 서비스 중 Language 분야)는 NLP 관련 작업을 위한 다양한 클라우드 API를 제공합니다. 주요 서비스를 정리하면:

• Azure AI Language 서비스 (옛 이름: Text Analytics, LUIS 등 통합): 이 서비스는 텍스트 분석(Text Analytics) 기능을 통해 방금 언급한 키 프레이즈 추출, 개체 인식, 감정 분석 등을 손쉽게 수행할 수 있습니다learn.microsoft.com. 개발자는 간단한 REST API 호출로 문장의 감정 점수나 주요 키워드 목록 등을 얻을 수 있습니다. 또한 언어 이해(Language Understanding) 기능도 포함되어 있는데, 이는 과거에 **LUIS(Language Understanding Intelligent Service)**로 알려진 서비스로 사용자의 자연어 명령에서 **의도(Intent)**와 **개체(Entity)**를 파악하는 역할을 합니다. 예를 들어 사용자가 "내일 서울 날씨 알려줘"라고 말하면, 의도는 "날씨 문의"이고 개체는 "서울, 내일"로 추출하는 식이죠.
• Azure Translator: Azure에서 제공하는 기계 번역 서비스입니다. 영어->한국어, 한국어->중국어 등 다국어 번역을 API로 사용할 수 있습니다. 별도의 모델 학습 없이도 바로 사용 가능하며, 사전 구축된 인공신경망 번역 모델을 활용합니다.
• Azure OpenAI 서비스: 이는 AI-900 시험에 새롭게 추가된 생성형 모델 관련 서비스입니다. Microsoft가 OpenAI의 GPT-4, GPT-3 등 대형 언어 모델을 Azure 클라우드에서 사용할 수 있게 한 것입니다. 이 서비스를 이용하면 챗GPT 수준의 자연어 생성을 애플리케이션에 통합할 수 있습니다. 예컨대 간단한 프롬프트를 주어 이메일 초안을 작성하게 하거나, 사용자의 질문에 길고 정교한 답변을 생성하는 작업 등이 가능합니다. (AI-900에서는 Azure OpenAI의 존재와 기본 기능 정도만 이해하면 되며, 세부 활용 방법은 심화 영역입니다.)

출제 포인트: Azure의 NLP 서비스와 관련해서는 "어떤 Azure 서비스를 쓰면 주어진 텍스트의 감정을 분석할 수 있는가?" 같은 질문이 나올 수 있습니다. 이 경우 **Azure AI Language 서비스 (텍스트 분석)**가 정답입니다. 또는 "사용자의 의도를 파악하는 데 사용되는 Azure 서비스는?" 물으면 **LUIS(Azure Language Understanding)**를 떠올리면 됩니다. Azure OpenAI와 관련해서는 *"Azure에서 GPT 같은 사전훈련된 대형 언어 모델을 활용하려면 어떤 서비스를 사용하는가?"*라는 식으로 물을 수 있는데, 정답은 Azure OpenAI 서비스입니다.

정리하면, Azure AI Language 서비스가 텍스트 분석과 언어 이해의 중심이며, 번역기는 Translator, 생성형 NLP는 Azure OpenAI로 대응됩니다.

Azure의 음성 서비스: 음성 인식과 합성

Azure Cognitive Services 중 Speech 영역은 음성 데이터를 처리하는 서비스들을 포함합니다learn.microsoft.com:

• Azure AI Speech 서비스: 이 서비스는 음성의 **인식(STT)**과 합성(TTS), 그리고 번역(Speech Translation) 기능을 제공합니다.
  • 음성 인식(Speech to Text): 실시간 음성을 받아서 텍스트로 변환합니다. 예를 들어 콜센터 녹취를 문자로 변환하거나, 회의 중 음성을 캡션으로 띄우는 용도로 활용됩니다. Azure Speech to Text API로 구현 가능하며, 한국어 등 다양한 언어를 지원합니다.
  • 음성 합성(Text to Speech): 입력한 글자를 자연스러운 음성으로 읽어줍니다. Azure는 다양한 남/녀 목소리와 여러 언어에 대한 음성 합성 모델을 제공하고, 감정이나 말투까지 지정할 수 있는 고급 기능 (Neural Voice 등)도 있습니다. 예를 들어, 화면 읽기 소프트웨어나 자동차 내비게이션 음성 안내에 이 기술이 쓰입니다.
  • 음성 번역(Speech Translation): 한 언어로 말한 것을 인식하여, 곧바로 다른 언어의 음성으로 실시간 번역해주는 복합 기능입니다. 예컨대 영어로 말하면 이를 한국어 텍스트/음성으로 내보내는 식입니다. Azure Speech Translation API를 통해 구현됩니다.

Azure Portal의 Speech Studio에서 별도의 코딩 없이도 음성 인식/합성 데모를 체험해볼 수 있습니다.

출제 포인트: 음성 관련해서는 "사용자의 발화를 텍스트로 변환하려고 한다. 어떤 Azure 서비스를 써야 하는가?" 같은 문제가 예상됩니다. 정답은 **Azure Speech (Speech to Text)**입니다. 또는 "Azure Cognitive Services로 자동차 내비게이션 음성 안내 기능을 넣으려고 한다. 필요한 기능 두 가지는?" 물으면 **음성 인식 (운전자가 음성으로 목적지 말하기)**과 음성 합성 (경로 안내를 음성으로 출력) 둘 다 떠올릴 수 있어야 합니다. 결국 Speech 서비스가 이러한 음성 처리의 만능 도구임을 기억해야 합니다.

실생활 NLP 적용 예시 및 출제 포인트

• 챗봇 고객지원: 한 전자상거래 사이트에 고객지원 챗봇이 있다고 가정해봅시다. 고객이 "주문 취소하고 싶어요"라고 채팅을 보내면, 챗봇은 **자연어 이해(NLU)**로부터 "주문 취소"라는 **의도(intent)**를 파악합니다(예: Azure Language Understanding 사용). 그리고 해당 의도에 맞는 답변 혹은 처리를 수행합니다. 또한 FAQ형 질문 ("배송 기간은 얼마나 걸리나요?")에 대해서는 미리 업로드된 QnA 지식을 참조해 답을 찾습니다 (예: QnA Maker 지식베이스). 이 전체 과정에서 Azure Bot Service + Azure Cognitive Services (LUIS, QnA) 등이 활용되며, NLP 기술이 핵심적으로 쓰입니다. 시험에서는 이러한 대화형 AI 시나리오에서 어떤 NLP 기술들이 필요한지 이해했는지 묻기도 합니다.
• 소셜 미디어 여론 분석: 어떤 기업 마케팅팀이 신제품 출시 후 트위터 등의 소셜 미디어 여론을 분석한다고 해봅시다. 수집된 트윗 텍스트에 감정 분석을 적용하면 각 트윗이 긍정/부정/중립인지 분류되어 전체적인 호응도를 파악할 수 있습니다. 또한 키워드 추출을 통해 많이 언급되는 불만 사항이나 인기 특징을 찾아낼 수도 있습니다. Azure Cognitive Services의 Language API를 이용하면 대규모 텍스트 데이터에 대해 이런 분석을 쉽게 할 수 있습니다. 이처럼 비정형 텍스트 데이터에서 인사이트를 얻는 사례 역시 시험의 배경 지문으로 등장할 수 있습니다. 수험자는 "감정 분석"이라는 용어가 나오면 자연어 처리의 한 작업임을 알아채야 하고, Azure 서비스로는 텍스트 분석 API를 매칭시켜야 합니다.
• 음성 자동 자막 생성: 화상회의 녹화 영상에 자동으로 자막을 입히는 기능을 생각해봅시다. 이는 음성 인식(STT) 기술로 참가자들의 발언을 텍스트로 실시간 변환하면 가능합니다. Azure Speech 서비스를 통해 다수 인원의 음성을 각각 인식하고 구분해 자막으로 표시할 수 있습니다. 또한 회의 내용을 요약하려면 자연어 요약(Summarization) 기술이 필요한데, 이것도 NLP의 한 분야입니다 (Azure OpenAI의 GPT 등을 활용 가능). 시험에서 이같이 음성 -> 텍스트 -> 요약과정을 묘사하고 각각 필요한 기술을 묻는다면, 순서대로 Speech to Text, 자연어 처리(요약)라고 답해야겠죠.

이러한 예시들을 통해 NLP가 실생활에서 어떻게 쓰이는지 감을 잡았다면, 시험 문제를 시나리오로 만나도 적절한 기술과 Azure 서비스를 연결지을 수 있을 것입니다. AI-900는 코드 구현보다는 어떤 문제에 어떤 AI 서비스를 쓰는지를 묻는 경향이 강하므로, NLP의 각 기능과 대응 서비스명을 매칭시켜 기억해 두세요.

마무리 정리

정리하면, **자연어 처리(NLP)**는 텍스트와 음성을 이해하고 생성하는 AI 기술로, 텍스트 분류, 감정 분석, 개체 인식, 번역, 질의응답, 음성 인식/합성 등 다양한 과제를 포함합니다. Azure에서는 이를 위해 Azure AI Language 서비스(텍스트 분석 및 언어 이해), Azure AI Speech 서비스(음성 인식/합성), Azure Translator, Azure OpenAI 서비스 등의 솔루션을 제공합니다learn.microsoft.comlearn.microsoft.com. 출제 포인트: 자연어 처리 관련 문제는 특정 작업에 맞는 Azure 서비스 식별이나 NLP 개념 정의를 묻는 형식으로 나오므로, 예제와 함께 개념을 확실히 익혀두시기 바랍니다.

다음 5편에서는 컴퓨터 비전 분야와 Azure의 비전 관련 서비스를 다룰 예정입니다. 이미지와 동영상을 이해하는 AI기술, 그리고 Azure Cognitive Services에서 이미지 분석을 어떻게 하는지 살펴보겠습니다.

GPT 추천 참고자료:

• Microsoft Learn: Azure에서 자연어 처리 소개 (텍스트 분석, 언어 이해 등 설명)
• Microsoft Docs: Azure Cognitive Services - Language (Azure 언어 서비스 개요)learn.microsoft.com
• Microsoft Docs: Azure Cognitive Services - Speech (음성 인식/합성 서비스 개요)learn.microsoft.com
• Microsoft Azure 블로그: Azure OpenAI Service 소개 (Azure에서 GPT 등 모델 활용 사례 소개)
• MS Tech Community: Responsible AI in Azure OpenAI (Azure OpenAI 서비스에서 책임있게 NLP 모델 사용하는 모범 사례)