AI·테크 제96호 ·

디지털에서 가장 늦게 도착한 감각

지능은 머리에만 있는 게 아니에요. 진짜 체화된 AI는 아직 '코'가 없어요

안광섭 (오스왈드) · 기술과 비즈니스의 접점을 설계하는 GTM·AI 전략가

디지털에서 가장 늦게 도착한 감각

들어가며

안녕하세요 구독자님, 오즈의 지식토킹이에요. 혹시 구독자님은 향수를 좋아하시나요?

오늘은 조금 낯선 이야기부터 시작해 볼게요. AI가 의사·변호사 시험을 통과하고, AI가 설계한 항암제가 임상에 들어가고, AI 에이전트가 이메일을 정리해 주는 시대잖아요. 그런데 최근에 제가 Noema 매거진에서 읽은 기사 하나가 흥미로운 질문을 던지더라고요.

“AI에게 후각을 주는 연구는 왜 이렇게 느릴까?”

숫자 하나만 먼저 말씀드릴게요. 2015년부터 2025년까지 10년 동안, 기계 후각(machine olfaction)1​에 관한 논문 수는 컴퓨터 비전과 자연어 처리 논문 수의 1%에도 못 미쳤어요. NeurIPS, ICLR, ICML 같은 대형 AI 학회도 사실상 후각을 다루지 않고요. 심지어 요즘 쏟아지는 휴머노이드 로봇 스타트업들 대부분이 후각 센서를 아예 빼놓고 설계하고 있어요.

단순한 우선순위 문제로 보일 수 있어요. “시각·언어가 먼저고 후각은 나중”이라는 식이죠. 그런데 오늘 이 이야기를 꺼낸 이유는, 저는 이게 순서의 문제가 아니라 구조의 문제라고 보거든요. 그 구조의 정체를 한번 풀어볼게요.

과장된 헤드라인과 진짜 빈칸

사실 “냄새 맡는 AI”라는 표현 자체는 새롭지 않아요. “Computers Are Learning to Smell”(The Atlantic), “AI is digitizing our sense of smell”(세계경제포럼) 같은 헤드라인이 몇 년째 반복돼 왔어요. 그런데 Noema 기사는 이 헤드라인들이 대부분 과장됐다고 짚어요. 예를 들어 BBC Future의 “An AI started ‘tasting’ colours and shapes” 기사를 자세히 읽어보면, 실제로 일어난 일은 LLM이 학습 데이터 속의 “단 것은 분홍색이고 둥글다”는 인간의 연상 패턴을 그대로 반복한 것뿐이에요. AI가 뭘 맡은 게 아니라, 인간이 냄새에 대해 써놓은 텍스트를 복사해 붙인 거예요. 그러니까, 냄새를 “맡은게” 아니라 냄새를 묘사한 것이죠.

그런데 왜 이 이야기가 지금 중요해졌을까요? 최근 “LLM이 정점에 도달했다”는 논의가 나오면서, AI 연구자들 사이에선 월드 모델(world model)2​이 시각·청각·촉각 같은 다양한 감각 데이터로 세상을 내부적으로 재구성하는 시스템의 다음 돌파구로 떠올랐거든요. 그리고 후각은, 인간이 하루에 받아들이는 감각 정보량으로 따지면 시각·청각에 이은 세 번째예요.그런데 월드 모델을 만드는 연구들 대부분이 이 세 번째 채널을 통째로 빼놓고 있어요.

🧠 후각은 왜 지능의 일부인가

“후각은 극도로 쓸모가 적다.”

찰스 다윈(Charles Darwin)이 1874년에 한 말이에요. 철학자 칸트는 1798년에 한발 더 나아갔어요.

“후각은 감각 중 가장 없어도 되는 것이다. 가꿀 가치가 없다.”

서양 지성사에서 후각은 오랫동안 ‘열등한 감각’으로 취급됐어요. 그런데 최근 20년간의 신경과학은 이 평가를 뒤집고 있어요. 물론, 지금의 우리에게는 상상할 수 없는 이야기 이지만 그 당시 그들이 이렇게 생각한 이유에 대해 몇 가지 근거를 추려볼게요.

첫째, 후각은 뇌의 가장 오래된 회로에 직접 연결돼 있어요. 다른 감각은 모두 시상(thalamus)을 거친 뒤에야 대뇌로 가는데, 후각만은 시상을 건너뛰고 해마와 편도체(기억과 감정을 담당하는 영역)에 직접 들어가요.음식 냄새에서 갑자기 어린 시절 기억이 떠오르는 이유가 이거예요.

둘째, 후각 훈련은 인지 능력을 실제로 끌어올려요. UC Irvine 신경과학팀이 2023년에 발표한 연구가 특히 인상적이에요. 60~85세 성인 43명을 두 그룹으로 나눠, 한 그룹은 매일 밤 2시간씩 자는 동안 향기(장미, 오렌지, 유칼립투스 등 7종)를 번갈아 노출시키고, 다른 그룹은 미미한 수준의 향만 노출시켰어요. 6개월 뒤, 향기에 노출된 그룹은 언어 기억 테스트에서 대조군 대비 226%의 성적 차이를 보였어요. MRI에서는 기억·감정 통합 경로인 좌측 구상속(uncinate fasciculus)3​의 구조적 개선까지 관찰됐어요.

셋째, 후각 상실은 약 70개의 신경·정신 질환의 전조 신호예요.알츠하이머, 파킨슨, 조현병, 알코올 중독 등이 여기 포함돼요. 코로나 후유증으로 후각을 잃은 사람들의 인지 저하 문제도 최근 연구가 쌓이고 있고요.

다시 말하면, 후각은 “있으면 좋은” 기능이 아니라 지능·기억·감정의 기저 인프라에 가까워요. 그런데 우리가 만드는 AI는 이 인프라를 통째로 건너뛰고 있어요.

📚 AI는 왜 후각을 뒤에 두었나? 5가지 구조적 공백

이 질문에 가장 체계적으로 답한 문서가 2025년 EurIPS에서 발표된 포지션 논문이에요. 저자는 로보틱스 연구자이자 Toyota North America 엔지니어인 Kordel K. France와 공저자들이에요. 이들이 제시한 다섯 가지 ‘구조적 공백’을 정리해 볼게요.

  • 후각 이론의 불확실성.우리는 아직 후각 수용체가 어떻게 작동하는지 완전히 몰라요. 냄새 분자가 열쇠처럼 수용체에 꽂힌다는 ‘형태 이론’과, 분자의 진동 주파수가 검출된다는 ‘진동 이론’이 경합 중이에요. 시각은 RGB 3색설 같은 합의된 이론 위에서 발전했는데, 후각은 아직 기초 과학의 합의 단계예요.
  • 데이터 표준의 부재. 이게 진짜 핵심이에요. 이미지에는 JPG·PNG가 있고, 소리에는 WAV·MP3가 있어요. 이 포맷이 있었기 때문에 ImageNet 같은 대규모 데이터셋을 만들 수 있었고, 그 위에서 딥러닝이 폭발했거든요. 후각에는 아직 이 JPG가 없어요. 금속산화물 센서, 전기화학 센서, 광학 센서, 곤충의 생체 수용체를 이식한 센서 등 검출 방식이 제각각이고, 데이터 표현 규격도 통일돼 있지 않아요.

3. 주관적 라벨링의 한계.”레몬 향” “꽃 향” 같은 라벨은 문화·개인차가 커요. 같은 분자를 어떤 사람은 “상쾌하다”고 하고 어떤 사람은 “시큼하다”고 해요. 게다가 2008년의 한 실험은 똑같은 냄새도 이름을 바꾸면 다르게 지각된다는 걸 보여줬어요. 장미라는 이름이 붙으면 더 달콤하게 느껴지는 식이에요.

4. 벤치마크의 부재.언어 모델은 MMLU가 있고, 비전은 CIFAR·ImageNet이 있어요. HuggingFace 리더보드에 실시간 순위가 뜨죠. 후각에는 아직 이런 경쟁 기준이 없어요. 연구자들이 비교할 공통 척도가 없으니, 누가 잘하고 누가 못하는지를 객관적으로 말하기 어려워요.

5. 커뮤니티의 부재. 앞의 네 가지가 엮이면서 생긴 결과예요. 표준도 없고, 데이터도 없고, 벤치마크도 없으면 연구자들이 뛰어들 유인이 없어요. 논문 내기 어렵고, 재현성 검증도 어렵고, 산업 응용도 파편화돼 있거든요.

제가 데이터 쪽 배경에서 이 논문을 읽으면서 가장 고개를 끄덕였던 게 두 번째 항목이었어요. 어떤 감각 모달리티든, 표준 포맷이 먼저 생기지 않으면 데이터셋이 커지지 않고, 데이터셋이 크지 않으면 모델이 학습되지 않아요. 순서가 고정돼 있어요.

🔬 이걸 깨려는 사람들 — 센서 전선과 향수 전선

지금 이 공백을 메우려는 시도는 크게 두 갈래로 흐르고 있어요.

앞서 언급한 Kordel France가 이 진영의 대표 주자예요. 그가 최근에 내놓은 Sigma는 스마트폰에 연결되는 휴대용 냄새 기록 장치인데, 녹음기나 카메라처럼 냄새를 “기록”할 수 있게 만든 게 특징이에요. 여기서 수집된 데이터는 ScentNet이라는 오픈 멀티모달 데이터셋에 들어가요. 이름에서 짐작이 가시죠? 스탠포드의 Fei-Fei Li가 2009년에 만든 ImageNet을 의식한 거예요. 후각 시대의 ImageNet을 만들겠다는 선언에 가까워요.

France는 Toyota 일도 병행하는데, 로봇에 현재 수준의 후각 센서만 달아도 이미지와 함께 “에탄올, 메탄, 헵탄이 감지됐다 → 차량 엔진이 돌고 있거나 화재가 있다” 식의 추론이 가능해진다고 말해요. 시각만으로는 안 되는 맥락을 화학 신호가 채워주는 거죠.

이쪽은 이미 100억 달러 시장이 돌아가고 있어요. 가장 주목받는 곳은 Alex Wiltschko가 2022년에 창업한 Osmo예요. Google Brain에서 Alphabet의 후각 연구 그룹을 만들었던 연구자인데, 2025년 3월에 AI 기반 향수 디자인 하우스 Generation by Osmo를 공식 런칭했어요. Osmo는 ‘올팩토리 인텔리전스(Olfactory Intelligence, OI)‘4​라는 독자 AI 모델로, 텍스트나 이미지 프롬프트를 받아 향 분자 조합을 생성해요. 2024년에는 “갓 자른 여름 자두” 향을 분자 단위로 디지털 인코딩 → 재현(텔레포트)하는 데 성공했다고 발표했어요.

Givaudan의 Carto, IBM이 Symrise를 위해 만든 Philyra도 비슷한 영역이에요. 스위스의 대형 향료 회사들이 이미 AI 기반 조향 도구를 쓰고 있다는 얘기예요.

다만 여기서 제가 주목한 구조적 차이가 하나 있어요. 향수 쪽은 인간 조향사의 주관적 평가가 최종 판정자예요. AI가 분자를 제안하면 조향사가 맡고 판단해요. 그러니까 이 접근은 엄밀히 말하면 “기계가 냄새를 맡는 것”이 아니라 “기계가 향 공식을 제안하는 것”이에요. 진짜 로봇이 환경 속 냄새를 실시간으로 판별하고 행동하는 것은 임베디드 후각과는 아직 거리가 있어요.

⚙️ 왜 센서만으론 해결이 안 되나

그럼 센서 기술만 좋아지면 되는 거 아니냐, 이런 질문이 자연스럽게 나와요. 현실은 좀 더 까다로워요.

가장 정밀한 분자 검출 장비인 가스크로마토그래피-질량분석기(GC-MS)는 지금도 냉장고 크기에 가격은 약 50만 달러, 샘플 하나 분석에 6시간이 걸려요. 로봇에 달 수 있는 물건이 아니에요. 그래서 나온 대안이 소형 ‘전자 코(e-nose)‘인데, 여기에도 세 가지 한계가 있어요.

  • 시간이 지나면서 감도가 변하는 드리프트 문제 — 포유류 후각 뉴런은 계속 재생되는데 인공 센서는 그게 안 됨.
  • 실험실 조건에서만 잘 작동하고 실제 환경에 나가면 성능이 급락하는 검출 범위 제한.
  • 특정 분자를 잡아내는 건 가능해도 복잡한 혼합 향을 “커피 원두”로 식별하는 건 또 다른 문제라는 인식과 검출의 괴리. 그리고 근본적인 질문이 하나 더 남아요. 후각이 측정 가능한 대상이긴 한가? 현재 추정되는 냄새 분자 조합의 수는 10의 60제곱 개 수준이에요. 우리 태양계 원자 수의 1,000배예요. 게다가 대부분의 냄새는 “화음”이에요. 딸기 향도 수백 개 분자의 조합이고, 각 분자는 서로를 강화하거나 억제해요. “바다 냄새”라고 말할 때 우리는 사실상 유령에 이름을 붙이고 있는 거예요.

이건 시각과 결정적으로 다른 점이에요. 시각은 RGB 세 개 채널로 대부분의 색을 근사할 수 있어요. 후각엔 이런 저차원 축이 없어요.

오스왈드의 시선

제가 GTM 전략 쪽에서 일해온 경험을 덧대어 보면, 이 이야기는 감각의 철학 문제가 아니라 표준과 데이터 인프라의 산업 지도 문제로 읽혀요.

돌이켜 보면 컴퓨터 비전이 폭발한 이유는 GPU가 좋아져서가 아니었어요. JPG·PNG라는 표준 포맷이 이미 있었고, ImageNet이라는 공용 데이터셋이 생겼고, Kaggle·CIFAR라는 경쟁 장이 만들어졌기 때문이었어요. 병목은 늘 알고리즘이 아니라 표준·데이터·벤치마크였어요. 자연어도 똑같은 경로를 밟았고요.

후각은 지금 그 출발선 이전 단계예요. 한국 기업이 이 시장을 본다면, 저는 모델을 만드는 경쟁보다 표준 제정과 데이터셋 구축에 일찍 참여하는 게 레버리지가 크다고 봐요. IEEE P2520이라는 기계 후각 표준이 이미 논의되고 있고, ScentNet 같은 오픈 데이터셋도 이제 막 시작됐거든요. 헬스케어에서 질병 조기 진단, 스마트팩토리에서 품질 검사, 반도체·디스플레이 공정의 가스 누출 감지까지, 응용 시장은 분명히 열릴 거예요. 다만 그게 향후 3년 안일지 10년 뒤일지가 모두 이 다섯 가지 공백이 얼마나 빨리 메워지느냐에 달려 있어요. 서두르는 쪽보다 표준 근처에 포지셔닝하는 쪽이 이길 게임이에요.

마치며

  • AI 연구는 지금 언어·시각에 집중돼 있지만, 진짜 체화된 지능에는 후각 같은 저대역폭·고맥락 감각이 빠질 수 없다는 주장이 쌓이고 있어요.
  • 후각 AI가 느린 건 기술 부족이 아니라 데이터 표준·벤치마크·커뮤니티의 공백 때문이에요. 컴퓨터 비전이 밟았던 경로를 아직 못 밟고 있죠.
  • 향수 산업은 이미 움직이기 시작했지만, 임베디드 후각은 표준 제정 단계에 머물러 있어요. 이 단계에 누가 참여하느냐가 다음 10년의 판도를 가를 거예요. 더 깊이 보고 싶으시면 France의 포지션 논문을 훑어보시는 걸 추천해요. 특히 ‘왜 후각이 뉴로모픽 컴퓨팅5​과 궁합이 맞는가’섹션은, 차세대 반도체 아키텍처 이야기로 읽어도 꽤 흥미로워요. 곧 스터디가 끝나면 이 흐름의 반대편인 Yann LeCun 진영의 “추상 추론 우선” 논리를 정리해 볼게요.

참고자료 & 더 읽기

핵심 출처

배경 지식

  • Osmo 공식 발표. “Osmo Launches Generation, World’s First AI-Powered Fragrance House.” BusinessWire, 2025년 3월 5일. : Generation by Osmo의 공식 런칭 보도자료예요. OI 기술이 어떤 비즈니스 모델로 상품화되는지(향수 디자인 하우스 + B2B 라이선싱)를 이해하기에 좋아요.
  • France, Kordel K. “Machine Olfaction in Artificial Intelligence and Robotics.” 2025. : 기계 후각 분야 전체를 개관하는 서베이 논문이에요. 이 분야에 처음 접근하시는 분께 추천해요. 능동 학습(active learning), 다중 에이전트 강화학습 같은 후각과 궁합이 좋은 ML 기법들도 함께 짚어줘요.

필자 안광섭은 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 리드 컨설턴트이다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 통계 및 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 기술경영전문대 석사과정와 KMBA을 졸업했다. 지은 책으로 《생각을 맡기는 사람들: 호모 브레인리스》가 있다.

각주

  1. 기계 후각 (Machine Olfaction): 기계나 로봇이 화학 센서를 이용해 냄새를 검출하고 분류하는 기술 분야예요. ‘전자 코(e-nose)‘라고도 불러요. 쉽게 말하면 카메라가 시각을 흉내 내듯, 센서로 후각을 흉내 내는 시도예요. ↩

  2. 월드 모델 (World Model): AI가 자신이 놓인 세계의 구조를 내부적으로 시뮬레이션해서, 다음에 일어날 일을 예측하고 행동을 계획하는 방식이에요. 아이가 공을 던지기 전에 “이 정도 힘이면 저기 떨어지겠지”라고 예측하는 걸 떠올리시면 돼요. 텍스트만 배운 LLM과 다른 접근이에요. ↩

  3. 구상속 (Uncinate Fasciculus): 뇌의 측두엽(기억 담당)과 전두엽(판단·의사결정 담당)을 연결하는 신경 다발이에요. 나이가 들수록 약해지는데, 알츠하이머 초기에 먼저 손상되는 부위 중 하나예요. ‘기억과 판단을 잇는 고속도로’ 같은 역할이라고 생각하시면 돼요. ↩

  4. 올팩토리 인텔리전스 (Olfactory Intelligence, OI): Osmo가 만든 용어로, 향 분자의 화학 구조와 인간이 느끼는 향 라벨 사이의 관계를 학습한 AI 모델을 가리켜요. 텍스트를 다루는 NLP, 이미지를 다루는 컴퓨터 비전에 대응하는 후각판 AI라고 보시면 돼요. ↩

  5. 뉴로모픽 컴퓨팅 (Neuromorphic Computing): 기존 CPU·GPU처럼 클럭에 맞춰 동작하는 게 아니라, 뇌처럼 이벤트가 발생할 때만 작동하는 아키텍처예요. 전력이 적게 들고 병렬 처리에 강한 게 장점이에요. 후각처럼 ‘드문드문, 폭발적으로’ 들어오는 데이터와 궁합이 잘 맞아요. ↩