1. 서론: 확률적 앵무새를 넘어, ‘이해’하는 존재로
여러분, 혹시 최근 챗GPT(ChatGPT)나 거대언어모델(LLM)을 사용하면서 묘한 위화감을 느낀 적 없으신가요?
문장은 놀라울 정도로 유려한데, 가끔 터무니없는 거짓말을 천연덕스럽게 하는 그 모습 말입니다.
마치 내용은 모르면서 말만 잘하는 ‘똑똑한 앵무새’ 같다는 느낌을 받으셨을 겁니다.
사실 그 느낌이 정확합니다. 지난 2년간 우리에게 충격을 안겨준 생성형 AI는 본질적으로 **‘확률적 모델(Probabilistic Model)’**입니다.
수많은 데이터를 학습해 다음에 올 단어의 확률을 기가 막히게 계산해내지만, 정작 그 내용이 ‘참’인지 ‘거짓’인지, 어떤 논리적 인과관계를 갖는지는 스스로 ‘이해’하지 못합니다.
이 태생적 한계 때문에 발생하는 환각(Hallucination) 현상은 AI가 단순한 말벗을 넘어 내 삶을 책임지는 ‘비서(Agent)’가 되는 데 결정적인 걸림돌이었습니다.
그런데 말이죠, 삼성전자가 영국의 ‘옥스퍼드 시맨틱 테크놀로지스(OST)’를 전격 인수한 것은 바로 이 지점을 파고든 결정적 승부수입니다.
이것은 단순한 기술 도입이 아닙니다. ‘확률의 시대’를 끝내고 ‘논리의 시대’로 진입하겠다는 선언이나 다름없기 때문입니다.
데이터의 패턴을 읽는 직관적인 ‘딥러닝’에, 인간의 논리 구조를 심는 이성적인 ‘심볼릭 AI’를 결합한, 바야흐로 **‘뉴로-심볼릭 AI(Neuro-Symbolic AI)’**의 막이 오르고 있습니다.
이 글에서는 삼성전자가 그리는 이 거대한 청사진을 두뇌(지식 그래프), 신경망(시맨틱 통신), 시각(시맨틱 분할)이라는 세 가지 축으로 나누어 좀더 깊이 알아보고자 합니다.
2. 시맨틱 기술의 이론적 토대: 왜 지금 ‘의미’인가?
2.1. 섀넌의 통찰, 다시 레벨 B로
통신 이론의 아버지 **클로드 섀넌(Claude Shannon)**은 일찍이 통신의 문제를 세 단계로 명쾌하게 구분했습니다.
- Level A (Technical Problem): 신호를 얼마나 빠르고 정확하게 보낼 것인가? (비트의 문제)
- Level B (Semantic Problem): 전송된 기호가 송신자가 의도한 **‘의미’**를 정확히 전달했는가? (의미의 문제)
- Level C (Effectiveness Problem): 그 의미가 수신자의 행동이나 태도를 변화시켰는가? (효과의 문제)
우리는 지난 수십 년간 4G, 5G 시대를 거치며 Level A에만 집착해 왔습니다.
오직 “더 빨리, 더 많이” 데이터를 보내는 속도 경쟁에만 몰두했죠.
하지만 데이터 홍수의 시대, 이제 단순한 전송 속도 향상은 한계에 봉착했습니다.
삼성의 전략은 이제 기계가 데이터의 ‘의미(Semantics)’를 이해하는 Level B로 진입하겠다는 것입니다.
2.2. 블랙박스를 여는 열쇠, 뉴로-심볼릭
지금의 딥러닝 기반 AI는 속을 알 수 없는 ‘블랙박스’입니다.
사진 속 고양이를 “고양이"라고 인식은 하지만, “왜 고양이인가?“라고 물으면 답을 하지 못합니다.
삼성의 접근법은 여기에 인간의 논리를 더하는 것입니다.
Neural (감각/직관): 카메라 센서가 검은 물체의 시각적 패턴을 인식합니다.
Symbolic (이성/논리): 지식 그래프를 통해 추론합니다.
“주인은 검은 고양이를 키운다"라는 명확한 사실(Fact)이 있다면, 저 물체는 단순한 검은 덩어리가 아니라 ‘주인의 반려묘’라고 확정 짓습니다.
이렇게 결합되면 AI는 설명 가능(Explainable)해집니다.
“왜 그렇게 판단했어?“라는 질문에 명확한 근거를 댈 수 있게 되는, 진정한 지능의 탄생입니다.
3. 핵심 기술 I: 지식 그래프(Knowledge Graph)와 RDFox 엔진
삼성전자의 ‘두뇌’ 혁신, 그 중심에는 RDFox 엔진이 있습니다.
이것은 단순한 데이터 저장소가 아닙니다. 인간의 사고 과정을 그대로 흉내 내는 강력한 추론 엔진입니다.
3.1. 엑셀을 찢고 나온 데이터: 트리플(Triple) 구조
우리가 흔히 쓰는 엑셀(관계형 DB)은 “철수는 영희 친구고, 영희는 강남역 파스타집을 좋아해” 같은 복잡하고 다층적인 관계를 담기엔 너무 딱딱하고 제한적입니다.
반면, 지식 그래프는 인간의 뇌 구조처럼 데이터를 (주어) -
\[관계\]- (목적어)의 트리플(Triple) 구조로 유연하게 엮습니다.
사용자 → 위치하다 →강남역 → 특징 →교통혼잡
이렇게 꼬리에 꼬리를 물고 연결해두면, 데이터가 늘어날수록 맥락(Context)은 기하급수적으로 풍성해집니다.
3.2. RDFox: 왜 하필 이 엔진인가? (모바일 최적화의 끝판왕)
시중에는 Neo4j 같은 훌륭한 그래프 DB가 많습니다. 하지만 삼성이 굳이 RDFox를 선택한 이유는 명확합니다.
이 기술만이 배터리와 성능 제약이 심한 스마트폰(On-Device)이라는 극한 환경에서 완벽하게 작동할 수 있기 때문입니다.
인메모리(In-Memory) 초고속 연산: 느린 디스크를 긁지 않고 모든 데이터를 **램(RAM)**에서 처리합니다. 기존 방식보다 100배에서 1,000배 빠릅니다. 사용자가 화면을 터치하는 순간, 수천만 개의 관계를 밀리초(ms) 단위로 훑어냅니다.
증분 추론 (Incremental Reasoning) - 배터리의 구세주: 이것이 핵심 기술입니다. 보통은 정보 하나가 바뀌면 전체 데이터를 다시 계산하느라 스마트폰이 뜨거워지고 배터리가 녹아내립니다. 하지만 RDFox는 변경된 데이터가 영향을 미치는 딱 그 부분만 계산해서 업데이트합니다. 한정된 자원으로 실시간 추론이 가능한 유일한 이유입니다.
Datalog 기반의 강력한 규칙: 개발자가 일일이 코딩하지 않아도, 엔진 자체에 논리 규칙을 심어둘 수 있습니다.
규칙 예시: 만약 (사용자가 지하철역에 있고) AND (지금이 평일 아침 8시라면) →
\[결론: 사용자는 출근 중이다\]→데이터가 들어오는 즉시 이 규칙이 발동되어 ‘출근 중’이라는 새로운 고차원 지식이 생성됩니다.
4. 삼성의 전략: ‘모두의 AI’가 아닌 ‘나만의 AI’
구글이나 메타는 전 세계의 지식을 서버에 담으려 하지만, 삼성은 다릅니다. 철저하게 **개인 지식 그래프(Personal Knowledge Graph, PKG)**에 집중합니다.
4.1. 내 폰 안에 갇힌 데이터, 그래서 안전하다
내 문자 내역, 실시간 위치, 건강 정보… 이 민감한 데이터를 클라우드로 보낸다는 건 여전히 찜찜한 일입니다.
삼성은 이 모든 데이터를 기기 내부의 RDFox 엔진에서 처리합니다. 데이터가 밖으로 나가지 않으니 프라이버시(Privacy)는 완벽하게 보호됩니다.
게다가 내가 갤럭시를 오래 쓸수록 이 그래프는 나를 더 깊이 이해하게 됩니다.
나중엔 이 ‘나를 이해하는 분신’이 아까워서라도 기기를 함부로 바꾸지 못하는 강력한 락인(Lock-in) 효과가 발생할 것입니다.
4.2. 갤럭시 S25와 ‘Now Brief’의 진화
기존의 알림이 단순히 “비 옴”, “9시 미팅"이라는 사실을 나열했다면, 시맨틱 AI가 적용된 갤럭시는 어떻게 달라질까요?
Semantic AI의 처리 과정:
“비가 오네? → 그럼 차가 막히겠지 (인과 추론).”
“9시 미팅에 늦지 않으려면? →평소보다 20분 일찍 출발 알림 (제안).”
내 일정, 날씨, 교통 상황이 그래프 안에서 서로 유기적으로 연결되어, 단순 정보가 아닌 나에게 필요한 **‘의미’**를 만들어내는 것입니다.
5. 핵심 기술 II: 시맨틱 통신과 6G 패권
두뇌가 똑똑해졌으니, 정보를 전달하는 신경망(통신)도 진화해야 합니다.
이것이 바로 6G의 핵심 킬러 앱인 시맨틱 통신입니다.
5.1. 비트 대신 의미를 보낸다 (DeepJSCC)
데이터를 압축해서 보내는 전통적인 방식이 아니라, AI가 ‘의미적 특징(Semantic Feature)’만 추출해서 전송합니다. DeepJSCC (Deep Joint Source-Channel Coding) 기술이 그 주인공입니다.
이 기술이 놀라운 점은 통신 상태가 나빠서 비트가 좀 깨지더라도, 전체적인 ‘의미’는 살아있다는 것입니다.
이를 전문 용어로 ‘우아한 성능 저하(Graceful Degradation)’라고 합니다.
예를 들어, 영상 통화 시 픽셀 전체를 보내는 대신 눈, 코, 입의 위치 값(벡터)만 보냅니다.
받는 쪽 AI가 이 정보를 바탕으로 얼굴을 다시 그려내죠(Rendering). 데이터 양이 획기적으로(약 1/1000) 줄어듭니다.
5.2. 텍스트와 스케치로 초압축 전송
심지어 이미지를 텍스트 몇 줄과 대충 그린 스케치 정보로 변환해 보냅니다.
수신 측에서는 Stable Diffusion 같은 생성형 모델이 이 정보를 받아 원본과 거의 똑같은 이미지를 ‘복원(생성)‘해냅니다.
인터넷이 거의 터지지 않는 오지나 위성 통신 환경에서도 고화질 콘텐츠 전송이 가능해지는 혁명적인 기술입니다.
6. 핵심 기술 III: 시맨틱 분할, 하드웨어가 받쳐주는 눈
세상을 보는 눈도 달라집니다. 갤럭시에 탑재되는 퀄컴 스냅드래곤 AP는 **‘인지적 ISP(Cognitive ISP)’**를 탑재하여 보는 즉시 의미를 파악합니다.
6.1. 실시간으로 의미를 쪼갠다
카메라 렌즈로 들어오는 영상을 프레임 단위로 쪼개서(Segmentation) 하늘, 피부, 머리카락, 건물을 따로따로 인식합니다.
- “이 영역은 하늘이니까 더 파랗게 강조하자.”
- “이 영역은 피부니까 질감을 부드럽게(뽀샤시하게) 처리하자.”
단순한 필터 보정이 아닙니다.
각 객체의 의미에 맞게 최적화하는 과정입니다.
그리고 이 정보(“사용자가 지금 산에 있다”)는 즉시 지식 그래프로 넘어가 ‘등산 중’이라는 맥락을 더욱 강화하는 근거로 사용됩니다.
7. 결론 및 미래 전망: 에이전트 AI의 시대가 온다
삼성전자의 시맨틱 기술 도입과 RDFox 인수는 단순한 스마트폰 기능 업데이트로 봐선 안 됩니다.
이것은 스마트폰이 내가 필요할 때 ‘터치하는 도구’에서, 나보다 먼저 생각하고 행동하는 ‘파트너(Agent)’로 진화하는 역사적인 변곡점입니다.
앞으로의 AI 전쟁은 “누가 더 큰 모델을 만드느냐"가 아닐 것입니다.
“누가 사용자를 더 깊이, 그리고 논리적으로(Semantically) 이해하느냐”의 싸움이 될 것입니다.
2025년 이후, 우리는 사용자의 별도 명령 없이도 상황을 판단하고 조율하는 진정한 **‘에이전트 AI(Agentic AI)’**를 목격하게 될 것입니다.
그리고 **삼성전자의 RDFox 인수와 시맨틱 전략은, 바로 그 미래를 선점하기 위한 가장 강력하고 논리적인 ‘신의 한 수’**였습니다.
참고자료
-
Samsung Launches Galaxy S25 Series with New AI Features Built on Technology from Oxford Semantic Technologies
\[Oxford Semantic Technologies Blog\] -
Samsung Electronics Enhances AI Capabilities with Oxford Semantic Technologies Acquisition
\[BusinessKorea\] -
Samsung acquires Oxford Semantic Technologies to improve AI
\[SamMobile\] -
Deep Joint Source-Channel Coding for Semantic Communications
\[IEEE Xplore (H. Xie et al.)\] -
The Mathematical Theory of Communication
\[C.E. Shannon & W. Weaver\] -
RDFox: A Highly-Scalable RDF Store
\[Motik et al., Semantic Scholar\] -
Difference between knowledge graphs and ontologies
\[Stack Overflow & Enterprise Knowledge\]