화면에 텍스트를 입력해야 할 때 가장 먼저 떠오르는 생각은 키보드로 타이핑하는 것입니다. 그러나 음성 인식을 활용하거나 스타일러스 또는 손가락으로 문자를 수동으로 전사하는 등 서면 콘텐츠를 생성하는 데 사용할 수 있는 다양한 방법이 있습니다.
실제로 손으로 쓴 문자를 통해 텍스트를 입력하는 기능은 수십 년 전부터 존재해 왔습니다. 그러나 그 보급률은 생각만큼 널리 퍼져 있지 않습니다. 과거에는 최적의 성능이 아니었기 때문이었지만 기술이 발전하면서 상황이 크게 개선되었지만 이러한 변화를 인식하는 사람은 거의 없습니다.
컴퓨터가 손글씨를 인식하는 방법
손글씨를 디지털 포맷으로 변환하는 과정은 생각만큼 간단하지 않습니다. “A” 키는 누르는 사람이나 가해지는 힘에 관계없이 일관되게 동일한 글자를 생성하지만, 사람마다 고유한 방식으로 “A”라는 글자를 씁니다.
손으로 쓴 텍스트의 컴퓨터 처리의 복잡성을 파악하기 위해서는 사용되는 다양한 필기 인식 메커니즘을 살펴볼 필요가 있습니다.
광학 문자 인식(OCR)은 텍스트 문자를 개별적으로 식별하는 데 사용되는 고급 기술로, 일반적으로 인쇄된 책이나 신문과 같은 스캔 문서를 분석하는 데 적용됩니다. 그러나 최근의 발전으로 OCR 기술을 활용하여 손으로 쓴 콘텐츠의 시각적 표현을 편집 가능한 디지털 텍스트로 변환할 수 있는 다양한 애플리케이션이 가능해졌습니다.
고급 필기 텍스트 인식은 컴퓨터 기술을 활용하여 필기 문자의 해석을 향상시킵니다. 1990년대에 처음 도입된 이 접근 방식은 광학 문자 인식(OCR)과 유사한 기능을 수행하도록 설계되었으며, 물리적 소스에서 작성된 콘텐츠를 디지털화하는 것을 목표로 합니다. 하지만 AHTR은 개별 문자를 순차적으로만 식별할 수 있기 때문에 필기체 문자를 인식할 수 없다는 한계가 있습니다.
IWR이라고도 하는 지능형 단어 인식은 사전 정의된 사용자 사전과 비교하여 완전한 단어 또는 구를 식별할 수 있는 고급 기술입니다. 이 방법은 인쇄 또는 필기체 스타일에 관계없이 개인이 문서화하려고 하거나 이전에 작성했던 내용을 효과적으로 예상하거나 예측합니다.
머신러닝은 종종 인공 지능과 혼용되며, 계속 증가하는 데이터베이스를 분석하여 미래 예측을 생성하는 컴퓨터 시스템의 능력을 의미합니다. 컴퓨터가 인간이 작성한 사례에 점점 더 많이 노출됨에 따라 손으로 쓴 텍스트를 해독하는 능력이 크게 향상되고 있습니다.
이러한 기술 중 일부는 다른 기술보다 최근에 나온 기술일 수 있지만, 실제로는 수십 년 동안 존재해 온 기술도 많습니다. 필기 인식이 시장에 오랫동안 존재해 왔음에도 불구하고 왜 여전히 매혹과 경이로움을 불러일으키는지에 대해서는 다소 당혹스러운 부분이 있습니다. 필기 인식이 널리 채택되고 주류 사용으로 통합되는 데 방해가 되는 여러 요인이 있을 수 있습니다.
사람들이 전자 필기를 인식하지 못함
손글씨는 데스크톱 컴퓨팅 영역에서 Linux가 작동하는 방식과 마찬가지로 입력 방법으로 간과되는 경우가 많습니다. 이는 노트북과 태블릿에 비교적 최근에 추가된 Surface 펜이나 Apple 펜슬과 같은 전용 필기 도구가 아닌 키보드 입력 기능이 내장되어 있는 경우가 많기 때문일 수 있습니다.
이러한 기기는 주로 전통적인 종이 기반 방식을 모방한 필기 노트 작성에 사용된다는 것이 일반적인 인식이지만, 타이핑이나 전사를 통해 디지털 텍스트를 입력하는 기능에 대한 고려는 거의 이루어지지 않고 있습니다. 놀랍게도 애플 펜슬의 스크리블 기능과 같은 적절한 도구를 활용하면 물리적으로 적는 것에만 의존하지 않고도 웹사이트에 직접 URL을 입력할 수 있습니다. 이 혁신적인 기능만으로도 애플 펜슬과 같은 스타일러스 디바이스에 투자할 만한 충분한 이유가 됩니다.
부정확한 문자 인식
OCR 시스템은 처음에 전체 단어나 구가 아닌 개별 문자를 인식하는 방식으로 작동합니다. 그러나 이러한 접근 방식은 때때로 전자의 특정 문자 요소를 구별하기 어렵기 때문에 후자가 잘못된 용어임에도 불구하고 “치즈”라는 단어를 “체이스”로 잘못 해석하는 것과 같은 의도하지 않은 결과를 초래할 수 있습니다.
실제로 많은 사람이 타이핑하는 동안 단어의 철자를 정확하게 입력하는 것은 상당히 어려울 수 있으며, 특히 컴퓨터가 입력하려는 문자를 잘못 해석할 가능성을 고려할 때 더욱 그렇습니다. 다행히 맞춤법 검사기는 이러한 오류를 방지하는 데 도움이 되는 유용한 도구로 존재합니다. 하지만 이미 자신의 타이핑 속도보다 글쓰기 속도가 느린 경우 컴퓨터로 인한 실수를 다시 확인하고 수정해야 하는 것은 이미 어려운 상황을 악화시킬 뿐입니다.
잠깐만…
손을 사용하여 디스플레이에 문자를 만드는 행위는 손으로 쓴 텍스트를 즉시 시각화할 수 있지만, 이것이 전자 장치가 글의 내용을 완전히 이해했다는 것을 의미하지는 않습니다. 계속 진행하기 전에 스타일러스의 움직임을 멈추고 시스템이 입력을 분석할 수 있도록 하는 것이 중요합니다.
다시 말해, 펜 입력 장치와 같은 디지털 수단을 사용할 때는 한 글자 한 글자를 내려놓고 화면에 해당 문자가 나타날 때까지 기다렸다가 다음 획을 이어서 입력하는 방식으로 자신의 생각을 물리적으로 기록해야 합니다. 특히 타이핑 속도가 비교적 빠르다면 기다리는 시간이 지루할 수 있습니다.
최신 디바이스에서도 이러한 대기 시간은 존재하지만, 처리 능력이 제한적이고 데이터를 처리하는 데 더 많은 시간이 필요했던 이전 세대의 CPU에서는 이러한 지연 시간이 훨씬 더 두드러졌습니다.
추가적이고 때로는 비싼 하드웨어의 필요성
전통적으로 컴퓨터 시스템에는 키보드 입력 장치가 데이터 입력의 주요 수단으로 장착되어 있었습니다. 펜이나 터치스크린 인터페이스의 사용은 널리 보급되지 않았으며, 필기 인식 기능을 위해 주변 장비를 추가로 구매하거나 전용 그래픽 태블릿에 투자해야 하는 경우가 많았습니다.
터치스크린은 현대 기술의 거의 모든 측면에 스며들었지만 스타일러스는 여전히 제한된 수의 사용자만 활용하고 있습니다. 자신의 필체를 충실하게 재현할 수 있는 능력은 종종 고도로 전문화된 고가의 장치를 통해 달성되는 반면, 고무 팁 또는 폼 모델과 같이 정확도는 떨어지지만 보편적으로 호환되는 옵션은 일반적으로 촉각 수단을 통해 디지털 인터페이스를 탐색하는 데 간편하기 때문에 선호됩니다.
키보드로 타이핑하는 것만으로도 충분하다
기술이 발전하고 개인 간의 친숙도가 높아지면서 키보드 사용과 관련된 어려움이 크게 감소했습니다. 대체 입력 방법을 탐색하는 데 관심이 부족하기 때문에 컴퓨터 타이핑은 많은 사람들에게 제2의 본능이 되었습니다. 실제로 사용자가 다른 옵션을 고려할 때 음성 인식을 선호하는 경우가 많습니다. 메모장을 연상시키는 컴퓨터 인터페이스를 활용하고자 하는 열망은 소비자들 사이에서 널리 퍼져 있지 않은 것으로 보입니다.
필기 인식 기술을 발전시키기 위한 리소스가 부족하다는 점은 키보드 입력에 비해 필기 인식이 어렵다는 점을 강조합니다. 컴퓨터 시스템이 손으로 쓴 텍스트를 이해하도록 가르치는 데 필요한 마법은 입력된 문자를 해독하는 데 필요한 마법을 능가합니다.
필기 인식은 놀랍도록 훌륭하지만 인내심을 가져야 한다
모든 사람에게 필요한 것은 아니지만, 필기에 대한 열정이 있는 사람이라면 스타일러스를 활용하여 필기 인식 기술의 발전을 탐구하는 데 가치를 찾을 수 있습니다. 하지만 사용 중인 특정 기기와 소프트웨어에 따라 경험의 질이 달라질 수 있다는 점에 유의하세요.예를 들어, 박스 탭 울트라를 사용하면 모토 G 스타일러스에 비해 더 쾌적한 경험을 할 수 있습니다. 따라서 현재 장비의 열등감만을 근거로 잠재적 인 이점을 무시하는 것은 현명하지 않습니다.