구글 딥마인드 수석과학자 헤이가 젠 인터뷰 AI 시대에 뒤처지지 않는 방법은 '신뢰'입니다
2026년 7월 11일 · 구글코리아 · 진행: 정원석(AI 멘토 제이) · 구글 측 검수 후 공개
01헤이가 젠은 누구인가
헤이가 젠(Heiga Zen)은 구글 딥마인드의 수석과학자(Principal Scientist, Director)이자 도쿄 사이트 리드입니다.
음성합성(TTS) 분야에서 20년 넘게 연구했으며, 2016년 기계 음성의 역사를 바꾼 웨이브넷(WaveNet) 논문의 공동 저자입니다.
20년+
음성 AI 한 우물
100편+
발표 논문
35,000회+
논문 인용 수
h-index 57
ISCA·IEEE 펠로우
이번 인터뷰에서 그는 자신이 재일교포 3세이며 한국 이름이 전병하라는 것, 친가는 대구, 외가는 제주 출신이라는 사실을 직접 밝혔습니다.
02핵심 인용 5문장
"실패의 수가 성공의 수보다 훨씬, 훨씬 많아요. 하지만 실패에서 신호를 배울 수 있다면, 성공으로 가는 길을 찾을 수 있습니다."
— 헤이가 젠, '연구는 천재의 한 방인가'라는 질문에
"웨이브넷의 음성 샘플을 처음 들었을 때 — 저는 거의 울었습니다."
— 헤이가 젠, 20년 이정표의 순간에 대해
"'배우는 법을 배우는 것'이 요즘 가장 중요한 기술입니다. 배우는 법을 알면, 실력을 계속 업데이트할 수 있으니까요."
— 헤이가 젠, 불안해하는 사람들에게
"모든 걸 따라잡는 건 불가능해요. 저는 깊이 신뢰하는 연구자 한 명이 '좋다'고 하면 확인하고, 좋은 친구 세 명이 추천하면 봅니다."
— 헤이가 젠, 정보 과잉 시대의 필터에 대해
"최첨단 AI를 쫓든, 변하지 않는 근본을 배우든 — 가장 중요한 것은 언제나 호기심입니다."
— 헤이가 젠, 변화 앞에 선 사람들에게
03대담 요약 — 9가지 질문과 대답
Q1. 한국과의 인연은?
재일교포 3세. 한국 이름은 전병하. 친가는 대구, 외가는 제주 출신. "한국에 오게 되어 정말 기쁩니다."
Q2. 아무도 AI에 관심 없던 20년을 어떻게 버텼나?
핵심은 호기심. 박사 지도교수(토쿠다 교수)의 음성 AI 시연에 매료됐고, 호기심을 따라 탐구할 자유를 준 사람들 덕분에 동기를 유지했다. "좋은 곳에서, 좋은 사람들과, 좋은 때에."
Q3. 답은 천재처럼 한순간에 오나, 수많은 실패에서 오나?
"연구는 본질적으로 시행착오다. 실패가 성공보다 훨씬 많다. 강화학습처럼 실패에서 신호를 배우면 성공의 길을 찾을 수 있다." 실패의 원인을 깊이 분석하는 것이 탐구 방향을 수정하는 힘이다.
Q4. 지금 가장 흥미로운 음성 AI 연구는?
맥락(context) 이해. 친구에게 말할 때와 가족에게 말할 때 말투가 다르듯, 음성은 맥락을 담아야 한다. 아직 어려운 문제이며 개선의 여지가 크다.
Q5. AI가 사투리·문화를 학습할 수 있나? (충청도 실험)
프롬프트로 배경 정보("너는 충청도 사람이야, 천천히 말해")를 주면 모델이 맥락을 적용한다. 학습 데이터가 있으면 성공하지만, 완전히 새로운 지시는 어려울 수 있다. "현재는 프롬프트가 더 중요하다."
Q6. AI 음성과 진짜 목소리를 어떻게 구분하나?
구글 딥마인드의 SynthID — 사람 귀에 들리지 않는 워터마크를 AI 생성 오디오에 심는다. 노이즈·압축·변형에도 견디며 이미 수십억 콘텐츠에 적용됐다. 워터마크 없이 합성 음성을 탐지하는 연구도 진행 중.
Q7. 개인으로 다시 시작한다면 무엇을 만들 것인가?
"한국어를 배우는 앱." 한국 여권을 보여주면 호텔 직원이 한국어로 말을 거는데, 한국어를 못 해 민망했다고. 번역 서비스가 아니라 "내 실력을 직접 키우고 싶다"는 대답이 인상적이었다.
Q8. 당신도 FOMO(뒤처질 두려움)를 느끼나?
"가끔 느꼈다. 모든 게 너무 빨리 변하니까." 그래서 효율적이어야 하며, 신뢰하는 연구자 네트워크를 필터로 쓴다.
Q9. 불안해하는 사람들에게 한마디?
"사람에겐 두 가지 선택지가 있다 — 변화를 쫓거나, 변하지 않는 것에 서거나. 무엇을 택하든 가장 중요한 것은 호기심이고, '배우는 법을 배우는 것'이 요즘 가장 중요한 기술이다."
04용어 사전 — 이 인터뷰에 나온 개념들
TTS(음성합성) — 글자를 사람 목소리로 바꿔주는 기술. 헤이가 젠의 20년 전문 분야.
웨이브넷(WaveNet) — 2016년 딥마인드가 발표한 모델. 소리 파형 자체를 한 샘플씩 직접 생성해 기계 음성을 사람처럼 만든 전환점.
강화학습 — 잘한 행동에 보상을 주며 AI가 스스로 배우게 하는 학습법. "실패에서 신호를 배운다"는 그의 연구 철학과 맞닿아 있다.
은닉 마르코프 모델(HMM) — 딥러닝 이전, 확률 통계로 음성을 만들던 방식. 헤이가 젠 커리어의 출발점.
멀티모달 — 음성·글·이미지를 하나의 모델이 함께 다루는 것. 현재 제미나이의 방향.
SynthID(신스아이디) — AI 생성 콘텐츠에 심는, 사람이 감지할 수 없는 워터마크 기술. 구글 딥마인드 개발.
프롬프트 — AI에게 원하는 결과를 지시하는 입력문.
FOMO — Fear Of Missing Out. 나만 뒤처지는 것 같은 두려움.
05이 인터뷰가 말하는 것 — 세 줄 정리
실패는 데이터다. 성공보다 실패가 많은 게 정상이며, 실패에서 신호를 배우는 사람이 결국 길을 찾는다.
배우는 법을 배워라. 특정 기술이 아니라 학습 능력 자체가 AI 시대의 핵심 역량이다.
신뢰가 필터다. 정보가 무한한 시대에는 '무엇을 아느냐'보다 '누구를 믿느냐'가 희소자원이 된다.
06출처 및 레퍼런스
· 인터뷰: 2026년 7월 11일, 구글코리아(서울 역삼) — 구글 측 검수 후 공개
· WaveNet 논문: arXiv:1609.03499 (van den Oord et al., DeepMind, 2016)
· 헤이가 젠 프로필: Google Research · Google Scholar
· SynthID: Google DeepMind
· 통계(논문 수·인용 수·h-index)는 Google Scholar 2026년 7월 기준.