1.어떤상황에서 AI를 활용했나요-평소 층간소음 때문에 이웃끼리 갈등이 생겼다는 뉴스를 자주 봤다. 나도 집에서 쿵 하는 소리가 들리면 당연히 위층에서 나는 소리라고 생각했던 적이 있었다. 그런데 찾아보니 실제로는 옆집이나 다른 층에서 발생한 소리를 착각하는 경우도 적지 않다는 걸 알게 됐다. 사람의 귀만으로는 소리의 방향이나 원인을 정확하게 구분하기 어렵다는 점이 흥미롭게 느껴졌다. 그래서 단순히 소음의 크기만 측정하는 것이 아니라, 어떤 행동에서 발생한 소리인지까지 분석해 준다면 불필요한 오해를 줄일 수 있지 않을까 하는 생각으로 AI를 활용하게 됐다.

2.어떤 AI를 어떻게 활용했나요-처음에는 층간소음과 관련된 논문과 자료를 찾아보면서 소리마다 주파수와 음향 특징이 조금씩 다르다는 내용을 정리했다. 이후 생성형 AI를 이용해 오디오 인식 기술과 공개된 모델들을 하나씩 비교했고, 그 과정에서 YAMNet과 PANNs(CNN14)를 알게 됐다.
YAMNet은 생활 속에서 자주 들리는 여러 소리를 분류하는 데 적합했고, PANNs(CNN14)는 소리의 세부적인 특징을 더 자세하게 분석할 수 있다는 점이 마음에 들었다. 그래서 YAMNet으로는 아이가 뛰는 소리인지, 의자를 끄는 소리인지, 세탁기 진동인지 같은 소리의 종류를 구분하고, PANNs(CNN14)로는 음향 특징을 더 분석해 발생 위치까지 추정하는 방향으로 아이디어를 구상했다. 마지막에는 생성형 AI의 도움을 받아 전체 동작 과정과 사용자 화면을 정리하면서 프로토타입 형태까지 설계했다.

3.활용 결과 어떤 변화가 있었나요-처음에는 층간소음을 측정하는 앱 정도만 생각했다. 그런데 자료를 계속 찾아보고 오디오 AI 모델들도 살펴보면서 문제의 핵심은 소리의 크기가 아니라 원인을 정확하게 구분하는 것이라는 걸 알게 됐다.
그 뒤부터 아이디어도 조금씩 바뀌기 시작했다. 단순히 데시벨을 보여주는 기능이 아니라 소리의 종류를 먼저 분석하고, 발생 위치까지 함께 추정하는 방식으로 발전시켰다. 탐구를 진행하면서 AI는 단순히 글을 작성하거나 정보를 찾는 도구가 아니라, 새로운 해결 방법을 구체적으로 설계하는 과정에서도 큰 도움이 된다는 점을 직접 느낄 수 있었다.
4.나만의 방식 또는 개선 포인트-나는 원래 궁금한 것이 생기면 쉽게 끝내지 않고 계속 찾아보는 편이다. 이번 탐구도 처음에는 층간소음을 측정하는 앱 정도로 시작했지만, 자료를 읽다 보니 같은 크기의 소리라도 원인이 다르면 해결 방법도 달라진다는 점이 계속 머릿속에 남았다.
그래서 여기서 멈추지 않고 여러 오디오 AI 모델을 비교해 봤고, 그중 YAMNet과 PANNs(CNN14)가 내가 만들고 싶은 서비스에 가장 잘 맞는다고 생각했다. YAMNet은 생활 소리의 종류를 구분하는 역할을 하고, PANNs(CNN14)는 소리의 세부적인 특징을 분석하는 역할을 맡도록 구상했다. 이렇게 하나씩 수정하다 보니 단순히 "시끄럽다"는 것만 알려주는 서비스가 아니라, 어떤 소리인지와 어디에서 발생했을 가능성이 높은지까지 함께 알려주는 방향으로 아이디어를 발전시킬 수 있었다.
앞으로는 실제 층간소음 데이터를 더 많이 모아 학습시키고, 건물 구조에 따른 차이까지 반영한다면 지금보다 더 정확한 결과를 낼 수 있을 것이라고 생각한다.
5.다른 사람도 따라할수 있나요-충분히 가능하다고 생각한다. 스마트폰과 노트북만 있어도 공개된 오디오 데이터와 YAMNet, PANNs(CNN14) 같은 오픈소스 모델을 활용해 기본적인 프로토타입을 만들어 볼 수 있다.
물론 정확도를 높이려면 다양한 층간소음 데이터를 직접 모으고 학습시키는 과정이 필요하다. 하지만 기본적인 개발 과정은 공개 자료와 오픈소스만으로도 따라 해볼 수 있다. 앞으로 데이터가 더 많이 쌓인다면 아파트뿐 아니라 기숙사나 학교, 오피스텔처럼 공동생활을 하는 공간에서도 충분히 활용할 수 있을 것이라고 생각한다.