Home

챗봇(Chatbot)은 사용자의 질문에 적절히 답하거나 다양한 정보를 제공하는 인공지능(AI, Artificial Intelligence)기반의 대화 소프트웨어를 지칭한다[1]. 현재 챗봇은 스마트폰이나 AI 스피커에 탑재되어 사용자가 원하는 정보를 검색하고, 연결되어 있는 기기를 제어하며, 독거노인의 경우 집안에 있는 AI 스피커와 대화를 나눔으로써 치매를 예방하고 진단할 수 있는 프로그램도 개발되고 있다[2].

스탠포드대학의 심리학자들로 구성된 스타트업인 워봇(Woebot)의 AI 상담 프로그램은 130개국에서 16~90세의 수십만 명의 이용자가 사용하고 있다[3]. 사람과 대화를 통해 우울증을 치료하는 목적으로 개발돼 페이스북 메신저를 통해 서비스하고 있으며, 워봇은 상담 초반에 자신이 로봇임을 밝히고 사용자들의 기대치를 낮춰 좀 더 많은 이야기를 털어 놓을 수 있도록 하는 방법으로 유대관계를 형성한다.

뉴질랜드 스타트업 소울머신즈(Soul Machines)는 인공지능 음성대화 기술은 IBM 왓슨을 이용하여 장애인을 위한 챗봇 나디아(Nadia)를 개발했다[4]. 나디아는 여배우인 케이트 블랜챗(Cate Blanchett)의 목소리를 사용하여 웹캠으로 상대방의 표정을 인식하여 대화한다.

한국에서는 휴마트컴퍼니가 모바일 심리상담 서비스 ‘트로스트’를 운영하면서 2018년 머신러닝 기반 감정분석 솔루션 ‘감정스캐너’ 기능을 출시했다[5]. 이 기능을 사용하여 사용자가 고민을 텍스트로 300자 정도 작성하면 감정 상태를 슬픔, 좌절, 사랑 등 8가지로 분석한 후 사용자에게 상담적 조언을 하고 상담자를 선택 할 수 있게 한다.

국내외 동향에서 보듯 감정 인공지능은 국내보다는 해외에서 활발하게 쓰이고 있다. 워봇의 설립자가 말하듯 상담자가 충분히 도와줄 수 있는 고민을 가지고 있는 사람들이 상담자를 찾지 못해 병을 키우고 있다고 한다. 한국의 현대인들도 주거, 교육, 복지, 직장, 가족관계, 대인관계 등 다양한 분야에서 스트레스와 어려움을 겪고 있지만 상담을 받으러 갈 시간적, 금전적 여유가 없고, 사회적 편견에 의해 정신과 병원에서 진료를 받는 것도 꺼려한다. 또한 상담접수기간과 상담의 초기 접근성이 떨어지는 이유로 개인이 적절한 상담을 적절한 시점에 받기가 쉽지 않다. 만약 챗봇이 사용자와 편안하게 대화하면서 개인의 상담 관련 정보를 기반으로 사용자별, 상황별 맞춤형 상담을 할 수 있다면, 상기 이유로 적절한 심리상담 서비스를 받기 어려운 현대인에게 큰 도움이 될 것이다.

본 논문에서 제안하는 심리상담 챗봇은 불안이나 우울증에 특화되어 개발된 워봇과 달리 다양한 부정적 감정(슬픔, 화남, 두려움, 짜증남, 외로움 등)에도 잘 대응하는 것을 목표로 설계되었다. 본 논문의 챗봇은 문자 기반 대화를 통해 현재 감정이 부정적인 상태인지를 인식하고, 그렇다면 그 크기가 얼마인지를 자가 평가하게 하고, 적절한 대화를 통해 그 크기를 감소시킴으로써 감정이 차분한 상태가 되도록 유도하며, 상담에 관한 주요 내용을 사용자의 동의하에 데이터베이스에 저장함으로써 효율적인 상담이 가능케 하는 심리상담용 챗봇 에이전트 설계 기법을 제시한다.

챗스크립트에서는 시나리오 작성을 위해 규칙(Rule), 토픽(Topic), 컨셉(Concept)으로 코드를 작성한다.

3.1 규칙

그림 2와 같이 규칙은 콜론(:)과 괄호로 분리가 되며, 규칙타입, 라벨, 패턴, 출력문이라는 네 가지 요소로 구성되어 있다. 규칙의 종류에는 챗봇이 먼저 얘기할 때 적용하는 규칙인 t:, 사용자가 평서문으로 말했을 때 대응하는 규칙인 s:, 사용자가 질문했을 때 대응하는 규칙인 ?:, 문장의 종류와 상관없이 사용자가 말할 때 대응하는 규칙인 u:가 있다.

Fig. 2. 
Four basic elements of the rule

그림 2는 사용자가 의문문으로 “you like meat?"라고 입력할 경우에만 “I do.”라고 출력하게 하고, 라벨이 MEAT인 규칙을 예시한 것이다.

그림 3은 시나리오에 구현된 규칙이 챗스크립트상에서 동작하는 모습이다. 사용자가 “I feel sad”라고 입력했을 때 “oh, why are you sad?” 라고 대답하도록 규칙을 구성하였고, 구성된 규칙이 동작되는 그림이다. 그림에서 보이는 “:reset”은 챗스크립트 규칙을 새로 시작하는 명령어로, 사용자의 감정에 따라 챗봇의 대답이 달라지는 것을 보이기 위해 입력하였다.

Fig. 3. 
Rules in scenario

3.2 토픽

챗스크립트에서 토픽은 연관된 규칙들을 모아 놓은 논리적 집합체로 사람의 대화 방법 및 관리를 흉내 낸 것이다. 본 에이전트에서는 주제별로 토픽을 구성하였고 그림 4에서 보듯 순서도와 주제를 묶어 본 논문에서 제안하는 챗봇의 토픽은 총 11개로 구성되어있다.

Fig. 4. 
Topic in scenario

그림 5의 예로 토픽의 선언법을 설명하면, 토픽키워드에 나열된 단어들인 school, university, learn 중 하나가 사용자의 입력문에 있는 단어들과 일치하면 해당 토픽 즉 school 토픽이 활성화되고 토픽에 소속된 규칙들 중에서 일치하는 것을 검토한다. 사용자 입력문에 있는 단어가 여러 토픽에 걸쳐 있다면 챗스크립트는 우선순위를 정하여 토픽들을 차례로 검토하게 되므로 다른 토픽들 간의 키워드들이 중첩되지 않도록 작성하는 것이 중요하다.

Fig. 5. 
Three basic elements of the topic

3.3 컨셉

챗스크립트에서 동의어나 유사 개념의 모음, 또는 관련된 요소들의 집합을 컨셉이라고 한다. 이는 사용자가 비슷한 뜻을 다양하게 변형하여 표현하는 것에 대해 챗스크립트가 잘 대응하기 위함이다.

그림 6은 컨셉의 선언에 대한 예제이다. 컨셉의 키워드에 나열된 단어들인 die, dead, gone, pass away 중 하나가 입력되면 컨셉 이름인 die로 묶여서 관리되어 사용되는 것이다.

Fig. 6. 
Three basic elements of concept

그림 7은 챗봇 에이전트에 작성된 11가지 컨셉이다. 상담에서 사용되는 컨셉은 주로 10번 emotion이 많이 사용된다.

Fig. 7. 
Concept used in the current chatbot

그림 8은 사용자가 부정적인 감정(슬픔, 화남, 두려움, 짜증남, 외로움 등)에 빠져서 상담이 필요한 경우 심리상담용 챗봇의 전체 알고리즘 흐름을 나타낸다. 먼저 사용자의 말에서 감정과 관련된 단어를 검출하여 챗봇의 변수 $mood에 그 단어를 저장한다. 일례로 “I feel sad now.”라고 하면 sad라는 감정 관련 단어를 $mood에 저장한다.

Fig. 8. 
Scenario diagram

상담을 진행하기 전에 감정의 원인을 아는지 여부를 사용자에게 물어본다. 왜냐하면 현재 감정의 발생 원인을 모르는 경우와 아는 경우의 상담 접근법이 달라져야하기 때문이다. 전자의 경우 현재의 부정적인 감정에 대해 자유롭게 얘기하게 하면 내담자가 스스로 원인을 알 수 있게 된다. 후자의 경우 그 감정을 느끼게 만든 구체적 이유와 감정의 주관적 강도를 5점 척도로 사용자가 말하게 한다. 이는 상담기법 중 하나인 감정 객관화를 통해 객관적으로 자신의 감정을 바라보게 하는 효과가 있다.

감정의 주관적 강도가 1∼2, 즉 약한 경우에는 감정의 원인과 관련된 에피소드에 대해서 말하게 하고, 챗봇은 적절하게 맞장구를 쳐 준다. 그 다음에 사용자가 현재 감정과 관련된 에피소드에 관해 조금 더 말하고 싶은지를 물어봐서 원하는 경우 계속 얘기하게 하고 그렇지 않은 경우 기분이 나아졌는지를 확인한다. 기분이 나아졌으면 계속 상담하기를 원하는 지 물어보고, 계속 상담을 원하면 감정의 강도를 물어보고 상담을 원치 않으면 종료 여부를 확인한다. 기분이 나아지지 않았다면 일정시간(예를 들어 1분) 동안 기다림으로써 상담의 ‘기다려주기’ 기능을 수행한다. 기다려주기가 끝나면 다시 감정의 주관적 크기를 묻는다.

감정의 주관적 강도가 3∼5, 즉 강한 경우에는 그 감정과 관련하여 잠재된 다른 원인이 있을 수 있으므로 이를 확인하는 질문을 한다. 그 다음에 사용자가 현재 감정에 잠재된 원인에 관해 더 말하고 싶은지를 물어봐서 원하는 경우 계속 얘기하게 하고 그렇지 않은 경우 기분이 나아졌는지를 확인한다.

이번 장에서는 본 논문에서 챗스크립트를 기반으로 구현한 개인맞춤형 심리상담 챗봇 에이전트의 실행 예를 보인다. 사용자의 감정이 슬픔 상태에 있을 때 심리상담 기법이 적용된 대화를 통해 그 감정을 해소하는 방법을 제안하였다.

그림 9는 본 논문에서 개발한 챗봇이 심리상담을 시작하는 부분을 캡처한 화면이다. 사용자가 “I feel sad”라고 입력하면 챗봇 에이전트의 대화 관리 키워드인 act 라벨에 counsel이라고 적힌 부분(act: counsel)에서 볼 수 있듯이 카운셀링 모드로 동작하게 된다.

Fig. 9. 
Introduction to the sadness scenario for chatbot agents

그림 10은 심리상담 대화의 전체 흐름이 보이도록 에이전트의 화면을 캡처한 것이다. 그림 8에 소개된 슬픔 시나리오의 흐름 순서대로 사용자의 슬픈 감정 관련 단어를 인식하여 슬픈 감정에 대한 이유와 원인 및 챗봇이 어떤 대답이나 행동을 할 것인가에 대해 이야기하고 있다.

Fig. 10. 
Chatbot agent sad scenario

대화에 등장하는 Leo는 Mina가 기르던 강아지로서 2주 전에 죽었다고 가정한다. 사용자가 기르던 강아지의 죽음에 대한 정보와 오늘 Leo가 갑자기 떠오른 이유 그리고 사용자가 그 당시에 어떤 행동을 취했는지에 대한 정보를 알 수 있고 챗봇이 또 똑같은 일이 일어났을 때 어떻게 대처해주기를 원하는지에 대한 시나리오이다. 시나리오를 보면 사용자는 지난밤 꿈에 Leo를 보았고 그 꿈은 이전에도 꾼 적이 있다. 또 사용자는 그 꿈을 꾼 후에 음악을 들으며 기분전환을 시도하였다.

챗봇은 사용자에게 음악을 듣는 것이 기분전환에 도움이 되는지를 물어본 뒤, 사용자가 “yes”라고 대답하면 향후 똑같은 꿈을 꾸면 음악을 들려주겠다고 약속한다. 또 사용자는 그 꿈을 꾼 후에 음악을 들으며 기분전환을 시도하였고 챗봇은 사용자에게 음악을 듣는 것이 기분전환에 도움이 되는지를 물어본 뒤, 사용자가 “yes”라고 대답하면 향후 똑같은 꿈을 꾸면 음악을 들려주겠다고 약속한다.

만약 같은 시나리오에서 음악을 듣는 것이 기분전환에 도움이 되지 않았다면 챗봇은 그림 11에서 보는 것과 같이 사용자에게 음악이 아닌 명상을 새롭게 제안한다. 명상이 종료되면 상담을 지속 할 것인지에 대한 질문을 하게 된다.

Fig. 11. 
Chatbot agent sorrow scenario (promise proposal)

그림 12에서는 상담 종료 시 상담내용을 저장 할 것인가에 대한 질의를 하는 부분으로 상담내용 저장은 개인정보에 대한 민감한 부분이 생길 수 있으므로 사용자의 동의가 있을 때만 저장하도록 구성한다.

Fig. 12. 
Save chatbot agent consultation content

본 논문에서는 사용자의 감정이 슬픔, 화남, 두려움 등 부정적 상태에 있을 때 심리상담 기법이 적용된 대화를 통해 그 감정을 해소하는 개인맞춤형 챗봇 에이전트 방법을 제안하였다. 본 논문에서 제안한 심리상담용 챗봇은 사용자가 부정적 감정 상태에 있을 때 대화를 통해 현재 감정 상태와 크기를 인식하고, 인식 된 감정의 크기가 큰 경우 다른 이유나 삽화적 기억이 있는지를 대화를 통해 확인하고 그에 대해 인지행동치료의 치료법을 이용하여 적절한 위로가 담긴 격언이나 문장을 인용하거나, 음악을 재생하거나, 명상하는 방법을 추천함으로써 감정을 완화시킨다. 감정의 크기가 작은 경우 그 대상과 관련된 에피소드를 계속 말하게 하고 공감함으로써 조금씩 감정을 완화시키게 하고 대화에서 챗봇이 보이는 반응은 인지행동치료 및 상담치료 기법을 적용하였다.

본 논문에서는 슬픔에 대한 시나리오 예시만을 보였지만 향후 모든 부정적 감정에 대한 챗스크립트 용 시나리오를 작성함으로써 일상생활에 적용가능한 챗봇으로 발전시켜 나가는 것을 향후 목표로 삼고 있다. 향후 효과성 검증법은 테스터들을 모집하여 설문조사를 실시하고, 정적 및 부적 정서척도의 수렴 타당도 및 변별 타당도 검증을 위해 사용전과 후의 상관분석을 실시하려고 한다.