Analysis of individual identification and age-class classification of wild female macaque vocalizations without pitch- and formant-based acoustic parameter measurements

이 연구는 멜 스펙트로그램과 같은 자동 추출 음향 특징을 사용하여 소규모 야생 일본원숭이 음성 데이터에서도 개체 식별과 연령대 분류가 효과적으로 수행될 수 있음을 입증했습니다.

핵심

이 논문은 **"야생 원숭이들의 목소리를 AI 가 어떻게 구분해 낼 수 있는지"**에 대한 흥미로운 연구입니다. 마치 우리가 친구들의 목소리만 들어도 "아, 이건 A 씨 목소리구나!"라고 알아맞히는 것처럼, 컴퓨터도 원숭이들의 소리를 분석해 개체를 구분하고 나이를 추정할 수 있을까요?

이 연구의 핵심 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

1. 연구의 배경: 왜 이 연구를 했을까요?

과거에 과학자들은 원숭이 소리를 분석할 때, 마치 스펙트럼 분석기를 쓰듯 소리의 높낮이 (피치) 나 공명 주파수 (폼먼트) 같은 '구체적인 숫자'를 직접 재서 분류했습니다. 하지만 이 방법은 원숭이 종마다 소리가 달라서 적용하기 어렵고, 사람이 직접 숫자를 재는 과정에서 실수할 수도 있었습니다.

최근에는 **딥러닝 (AI)**이 발달해서 소리를 직접 분석하지 않아도 된다고 하지만, AI 는 보통 **엄청난 양의 데이터 (수천, 수만 개)**를 먹여야 잘 작동합니다. 그런데 야생에서 원숭이 소리를 수천 개 모으는 건 거의 불가능에 가깝죠.

이 연구의 목표: "적은 양의 데이터 (약 650 개) 로도 AI 가 원숭이 소리를 잘 구분할 수 있을까?"를 확인하는 것이었습니다.

2. 실험 방법: 원숭이에게 '메리디안'을 그리다

연구진은 일본 야쿠시마 섬에 사는 '야쿠 원숭이' 6 마리의 어미 원숭이 소리를 녹음했습니다. (나이는 7~25 세 사이)

• 데이터 준비: 원숭이들이 내는 '쿠 (Coo)'라는 친근한 인사 소리를 651 개 골랐습니다.
• AI 의 눈 (멜 스펙트로그램): 연구진은 소리를 직접 숫자로 재는 대신, 멜 스펙트로그램이라는 기술을 썼습니다.
  • 비유: 소리를 녹음해서 음성 지문이나 소리 지도처럼 시각화한 것입니다. 마치 소리를 '그림'으로 바꾸어 AI 에게 보여주는 거죠. 이 그림은 인간의 귀가 소리를 듣는 방식과 비슷하게 만들어져서 AI 가 소리의 미세한 뉘앙스까지 잘 포착할 수 있게 합니다.
• 학습: 이 '소리 그림'들을 AI (랜덤 포레스트, SVM 이라는 두 가지 알고리즘) 에게 보여주고 "이건 A 원숭이 소리야, B 원숭이 소리야"라고 가르쳤습니다.

3. 연구 결과: 놀라운 성공!

A. "누구 목소리야?" (개체 식별)

• 결과: AI 가 6 마리 원숭이 중 누구의 목소리인지 맞히는 정확도는 **약 81~82%**였습니다.
• 비유: 100 명 중 80 명 정도는 목소리만 들어도 "아, 이거 김철수 씨 목소리다!"라고 맞히는 수준입니다.
• 의미: 야생에서 소리를 녹음하는 것만으로도 원숭이 개체를 구분할 수 있다는 뜻입니다. 이는 원숭이 개체 수를 세거나 이동 경로를 추적할 때 매우 유용합니다.

B. "어린 원숭이야, 늙은 원숭이야?" (연령 분류)

• 결과: 10 세 미만의 '어린' 원숭이와 20 세 이상의 '늙은' 원숭이를 구분하는 정확도는 **약 91~93%**로 훨씬 더 높았습니다.
• 비유: 목소리만 들어도 "이건 20 대 청년 목소리야, 저건 70 대 어르신 목소리야"라고 거의 완벽하게 구분해 낸 것입니다.
• 이유: 늙은 원숭이들의 목소리는 나이가 들면서 거칠어지거나 (허스키한 소리) 특유의 톤이 변하는데, AI 가 이 '소리 지도'에서 그런 특징을 아주 잘 찾아냈기 때문입니다.

4. 왜 이 연구가 중요한가요?

1. 작은 데이터로도 가능: 보통 AI 는 많은 데이터를 필요로 하는데, 이 연구는 적은 데이터로도 야생 원숭이 소리를 잘 분석할 수 있음을 증명했습니다.
2. 비침습적 관찰: 원숭이를 잡거나 카메라로 계속 찍지 않아도, 소리만 녹음하면 개체와 나이를 알 수 있어 원숭이를 괴롭히지 않는 연구 방법입니다.
3. 새로운 시각: 소리의 '숫자'를 재는 대신, 소리를 '그림'으로 보고 AI 가 스스로 패턴을 찾아내게 한 점이 혁신적입니다.

요약

이 논문은 **"적은 양의 야생 원숭이 소리 데이터로도, AI 가 원숭이들의 목소리 지문을 분석해 '누구'인지, '얼마나 늙었는지'를 매우 정확하게 알아맞힐 수 있다"**는 것을 보여줍니다. 마치 AI 가 원숭이들의 목소리를 듣고 "아, 이거 20 대인 A 씨 목소리네!"라고 자연스럽게 대화하듯 구분해 내는 기술의 시작이라고 볼 수 있습니다.

기술 요약

논문 요약: 야생 일본 원숭이 (Macaca fuscata yakui) 의 개체 식별 및 연령 분류를 위한 멜 스펙트로그램 기반 딥러닝 접근법

1. 연구 배경 및 문제 제기 (Problem)

• 기존 방법의 한계: 전통적인 동물 음향학 연구는 피치 (fundamental frequency) 나 포먼트 (formant) 와 같은 특정 음향 파라미터를 수동으로 측정하고 차원 축소 및 다변량 분석을 통해 개체 식별이나 음성 분류를 수행해 왔습니다. 그러나 이 방법은 파라미터 선택의 임의성, 종 특이적 정의의 부재로 인한 범용성 부족 등의 문제가 있습니다.
• 딥러닝의 데이터 요구량 문제: 최근 딥러닝은 자동으로 음향 특징을 추출하여 높은 분류 성능을 보이지만, 수천에서 수백만 개의 레이블이 지정된 대규모 데이터셋을 필요로 합니다. 야생 환경에서 충분한 양의 고품질 음향 데이터를 수집하고 레이블링하는 것은 시간과 비용이 많이 들어 현실적으로 어렵습니다.
• 연구 목적: 소규모 데이터셋 (약 650 개의 발성) 에서도 피치나 포먼트 같은 특정 파라미터를 명시적으로 측정하지 않고, 멜 스펙트로그램 (Mel-spectrogram) 과 같은 자동 추출 음향 특징을 사용하여 야생 원숭이의 개체 식별 및 연령 분류가 가능한지 검증하는 것입니다.

2. 연구 방법론 (Methodology)

• 데이터 수집:

  • 대상: 일본 야쿠시마 섬 (Yakushima Island) 에 서식하는 일본 원숭이 (Macaca fuscata yakui) 의 'Petit' 무리.
  • 샘플: 6 마리의 성체 암컷 (나이: 725 세) 을 대상으로 2023 년 10 월12 월에 초점 동물 표본 채취법 (focal animal sampling) 을 통해 녹음.
  • 발성: 접촉 발성인 '쿠 (coo)' 소리를 대상으로 하며, 배경 소음이 적고 다른 개체와 겹치지 않으며 발화자가 명확한 651 개의 고품질 발성 데이터를 최종 선정.
  • 연령 분류: 젊은 개체 (<10 세, 4 마리) 와 노령 개체 (>20 세, 2 마리) 로 분류.

• 전처리 및 특징 추출:

  • 멜 스펙트로그램 생성: Python 의 librosa 라이브러리를 사용하여 멜 스펙트로그램 생성.
    • 파라미터: 40 개 멜 밴드, 30ms 윈도우, 3.75ms 홉 사이즈, 0~24kHz 주파수 범위.
    • 정규화: 발성 길이를 맞추기 위해 제로 패딩 (zero-padding) 적용 및 진폭 변동을 줄이기 위해 Z-transform 적용.
    • 결과: 각 발성당 10,360 차원의 특징 벡터 생성.

• 데이터 구조 분석 (UMAP):

  • UMAP (Uniform Manifold Approximation and Projection): 차원 축소 기법을 사용하여 데이터의 분리 가능성을 시각화.
  • 지도 학습 (Supervised) vs 비지도 학습 (Unsupervised): 개체 및 연령 클래스 레이블을 활용한 지도 학습 UMAP 과 레이블 없이 데이터 구조만 파악하는 비지도 학습 UMAP 을 비교. 실루엣 점수 (Silhouette score) 와 거리 행렬을 통해 군집화 정도를 평가.

• 분류 모델 학습:

  • 알고리즘: 랜덤 포레스트 (Random Forest, RF) 와 서포트 벡터 머신 (Support Vector Machine, SVM) 사용.
  • 학습 전략: 불균형한 샘플 크기를 고려하여 각 개체당 80 개의 발성을 무작위 추출 (64 개 학습, 16 개 테스트). 이 과정을 1,000 회 반복하여 성능을 평가.
  • 평가 지표: 클래스 간 데이터 크기 편향을 줄이기 위해 균형 정확도 (Balanced Accuracy) 사용.
  • 하이퍼파라미터 튜닝: 그리드 서치 (Grid Search) 와 5-fold 교차 검증을 통해 최적 파라미터 탐색.

3. 주요 결과 (Results)

• 개체 식별 (Individual Identification):

  • 성능: RF 와 SVM 모두 평균 균형 정확도 81~82% 를 기록.
  • UMAP 분석: 지도 학습 UMAP 에서 개체별 군집이 명확히 형성되었으며 (평균 실루엣 점수 0.60), 비지도 학습 (0.05) 에 비해 훨씬 우수한 분리도를 보임.
  • 오류 분석: Kapa, Rine, Taiwu 개체 간의 혼동이 주된 오류 원인이었으나, 전체 발성의 약 68% (447 개) 는 90% 이상의 높은 정확도로 분류됨.

• 연령 분류 (Age-class Classification):

  • 성능: 매우 높은 성능을 보임. RF 91%, SVM 93% 의 평균 균형 정확도 달성.
  • 세부 분석: 젊은 개체 (>98% 정확도) 에 비해 노령 개체 (<87% 정확도) 의 분류 정확도가 다소 낮았으나, 전체적으로 노령 개체의 발성을 젊은 개체로 잘못 분류하는 경향이 주된 오분류 원인이었음.
  • UMAP 분석: 연령별 군집이 매우 밀집되어 분리됨 (지도 학습 실루엣 점수 0.80~0.86).

4. 주요 기여 및 의의 (Key Contributions & Significance)

• 소규모 데이터셋에서의 자동 특징 추출의 유효성 입증: 특정 음향 파라미터 (피치, 포먼트 등) 를 수동으로 추출하지 않고, 멜 스펙트로그램과 기계 학습 모델 (RF, SVM) 만을 사용하여 소규모 야생 데이터셋 (651 개) 에서도 높은 정확도의 개체 식별 (80% 이상) 과 연령 분류 (90% 이상) 가 가능함을 증명함.
• 비침습적 모니터링 기술의 발전: 야생 환경에서 개체 식별을 위한 마킹 - 재포획 (mark-recapture) 기법의 대안으로, 음성을 통한 비침습적 개체 수 추정 및 밀도 추정을 가능하게 함.
• 노화 관련 음향 특징 포착: 멜 스펙트로그램이 피치나 포먼트 같은 단순 파라미터로는 포착하기 어려운 노령 개체의 음성 특징 (예: 거친 소리/harshness 등) 을 전체 스펙트럼 패턴을 통해 효과적으로 학습하여 높은 연령 분류 정확도를 달성했음을 시사.
• 방법론적 제안: UMAP 을 통한 데이터 구조 사전 분석이 분류 모델의 성능 예측 및 데이터 품질 평가에 유용함을 제안.

5. 결론

이 연구는 딥러닝의 대규모 데이터 의존성 문제를 우회하면서도, 멜 스펙트로그램과 전통적인 기계 학습 알고리즘을 결합하여 야생 영장류의 복잡한 음향 데이터를 효과적으로 분석할 수 있음을 보여주었습니다. 이는 특정 종에 국한되지 않는 보편적인 음향 분석 프레임워크를 제공하며, 향후 더 많은 개체와 다양한 연령대를 포함한 연구로 확장될 경우 야생동물 보전 및 행동 생태학 연구에 중요한 도구가 될 것입니다.