• 대순사상논총
• /
• 제39집
• /
• pp.69-97
• /
• 2021

'해체(解體, déconstruction)'는 현대철학을 특징짓는 속성의 하나인 창발성(創發性, emergent property)을 유도하는 개념이다. 고대 그리스 철학의 전통이 탈피를 거듭하여 개체의 자유와 평등에 대한 열망을 낳고 이로부터 르네상스와 계몽주의에 이르러 근대라는 역사적 방점 하에 철학의 종지부를 찍는 듯했다. 하지만 철학은 근대마저도 그러한 해체를 통해 그 이상의 가능성을 바라보고자 했다. 근대철학이 플라톤 철학의 인문적 완성으로 신과 인간의 묘한 동거를 꿈꾼다면 현대철학은 해체를 통해 그마저도 거부한다. 플라톤류의 고전적 형이상학은 절대자를 중심으로 순치된 안정된 체계이기는 하지만 결과적으로는 신과 종교를 토대로 할 수밖에 없고 인간의 자율성 또한 신 아래의 자율성일 뿐이다. 현대철학은 해체를 통해 인간 본연의 목소리로부터 철학을 시작하고자 한 노력의 결과 가운데 하나이다. 형이상학에 종속된 인식론이 아닌 인간 실존으로부터의 인식론을 구축하고 자유라는 말이 가질 수 있는 최고의 선을 해체를 통해 실현하고자 했다. 그렇듯 해체 또한 인간의 자유라는 근대적 화두의 연장선에 있다고 해도 틀리지 않다. 해체와 인간의 자유는 결국 서로 떼어낼 수 없는 하나의 몸인 것이다. 묘하게도 종교적 신앙성과 전통적 보수성을 주된 색채로 할 것만 같은 대순사상은 현대적 창발성을 가지고 있다. 대순사상을 창시한 증산이 활동하던 한국의 시기는 역사를 해석하는 예리한 시각이 있는 이들에게는 보물과 같이 중요한 의미를 가진다. 외세에 의한 답습이 아닌 주체적 문제의식 가운데 새로운 세상과 인간의 자유의 의미를 발견하려는 강렬한 염원에 의한 사상적 활동이 펼쳐진 시기이기 때문이다. 그러한 한국의 자생적 창발성이 낳은 비권력적 사상이 바로 흔히 말하는 한국 근대의 신종교인 셈이다. 그 가운데서 대순사상은 참동학으로서 증산의 명맥을 잇고 증산이 남긴 해원의 개념 속에서 근대를 넘은 현대의 가치를 현실 가운데 펼치고자 한다. 대순사상의 해원은 근대를 넘은 현대성을 담고 있다는 점에서 현대철학의 해체와 상통한다. 해원은 첫째로 단주로부터 발현된 인간 실존의 원초적 억압에 따른 근본 원(冤)의 해소를 의미한다. 두 번째로 대순사상의 해원은 인존이라는 해원적 실존을 중심으로 천지인 삼계의 해원을 아우른다. 데리다의 해체가 인간과 사회 내부에 잠재된 보이지 않는 구조와 속박의 틀을 드러내고 그것을 파기하는 것으로부터 억압을 풀고 인간의 근본 자유를 실현하고자 한 것은 대순사상의 해원이 천지인 삼계를 휘감고 있던 근본 억압을 풀어 삼계의 대립을 상생으로 개방하고자 한 점과 동일한 맥락이라고 할 수 있겠다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.57-78
• /
• 2023

2019년 11월 중국 우한시에서 발병한 코로나19는 2020년 중국을 넘어 세계로 퍼져나가 2020년 3월에는 전 세계적으로 확산되었다. 코로나19와 같이 전염성이 강한 바이러스는 예방과 확진시 적극적인 치료도 중요하지만 우선 전파 속도가 빠른 바이러스인 점을 감안할 때, 확진 사실을 재빠르게 파악하여 전파를 차단하는 것이 더욱 중요하다. 그러나 감염여부를 확인하기 위한 PCR검사는 비용과 시간이 많이 소요되고, 자가키트검사 또한 접근성은 쉽지만 매번 수시로 받기에는 키트의 가격이 부담이 될 수밖에 없는 실정이다. 이러한 상황에서 기침 소리를 기반으로 코로나19 양성 여부를 판단할 수 있게 된다면 누구나 쉽게 언제, 어디서든 확진 여부를 체크할 수 있어 신속성과 경제성 측면에서 큰 장점을 가질 수 있을 것이다. 따라서 본 연구는 기침 소리를 기반으로 코로나19 확진 여부를 식별할 수 있는 분류 모델을 개발하는 것을 목적으로 하였다. 이를 위해, 본 연구에서는 먼저 MFCC, Mel-Spectrogram, Spectral contrast, Spectrogram 등을 통해 기침 소리를 벡터화 하였다. 이 때, 기침 소리의 품질을 위해 SNR을 통해 잡음이 많은 데이터는 삭제하였고, chunk를 통해 음성 파일에서 기침 소리만 추출하였다. 이후, 추출된 기침 소리의 feature를 이용하여 코로나 양성과 음성을 분류하기 위한 모델을 구축하였으며, XGBoost, LightGBM, FCNN 알고리즘을 통해 모델 학습을 수행하고 각 알고리즘별 성능을 비교하였다. 또한, 기침 소리를 다차원 벡터로 변환한 경우와, 이미지로 변환한 경우에 대해 모델 성능에 대한 비교 실험을 수행하였다. 실험 결과, 건강상태에 대한 기본정보와 기침 소리를 MFCC, Mel-Spectogram, Spectral contrast, 그리고 Spectrogram을 통해 다차원 벡터로 변환한 feature를 모두 활용한 LightGBM 모델이 0.74의 가장 높은 정확도를 보였다.