구글 이미지 25주년과 나노 바나나 모델 도입

검색창에 단어를 입력해 사진을 찾던 방식에서 상상하는 이미지를 즉석에서 만들어내는 단계로 진입했다. 구글은 서비스 출시 25주년을 맞아 AI 오버뷰(AI Overviews) 내에서 텍스트 프롬프트를 통해 이미지를 생성하는 기능을 도입한다. 사용자는 이제 검색창 하나로 이미지 탐색과 생성을 동시에 수행할 수 있다.

구글 이미지는 2001년 7월 처음 출시됐다. 당시의 표준 검색 페이지는 파란색 텍스트 링크의 나열이었으나, 구글 이미지는 웹상의 시각적 콘텐츠를 즉시 탐색하는 경로를 제공했다. 이번 25주년을 기념해 구글은 미국 데스크톱 영어 사용자를 대상으로 새로운 이미지 갤러리 홈을 출시한다. 이 홈은 웹 전체의 이미지를 실시간으로 업데이트하며, 사용자의 관심사에 맞춰 구성된 몰입형 갤러리를 제공한다. 사용자가 브라우징 중 저장한 아이디어는 메인 갤러리 상단 탭의 컬렉션에 표시되어 다시 탐색을 시작할 수 있다. 해당 기능은 구글 계정에 로그인한 상태에서 이용 가능하다.

웹에 존재하지 않는 시각적 결과물을 얻기 위해 나노 바나나(Nano Banana) 모델을 도입했다. 이 소형 모델은 AI 오버뷰에 통합되어 사용자가 입력한 텍스트 프롬프트를 고품질의 맞춤형 이미지로 변환한다. 기존 이미지 검색이 웹에 존재하는 결과물을 찾는 탐색 도구였다면, 나노 바나나 기반 기능은 텍스트를 이미지로 구현하는 생산 도구로 작동한다. 해당 기능은 현재 AI 모드에서 이미지 생성을 지원하는 모든 영어권 지역부터 순차적으로 적용될 예정이다.

비주얼 이미지 팬아웃과 멀티모달 검색의 구현

구글은 텍스트 없이 사진만으로 결과를 도출하는 유사 이미지(Similar Images) 기능을 통해 검색 방식을 확장했다. 사용자가 특정 이미지를 선택해 유사 이미지 찾기를 누르면 새로운 검색어 입력 없이 시각적 결과물을 계속 탐색할 수 있다. 여기에 이미지 파일이나 URL을 검색창에 직접 입력하는 '이미지로 검색(Search by Image)' 기능을 더해 이미지 데이터 자체를 쿼리로 사용할 수 있게 됐다.

카메라를 통해 현실 세계의 정보를 읽어내는 구글 렌즈(Google Lens)는 사물을 식별하고 텍스트를 번역하며 제품 구매 링크를 실시간으로 제공한다. 여기에 텍스트와 이미지를 동시에 입력하는 멀티서치(Multisearch)를 통해 검색 정밀도를 높였다. 예를 들어 랜드마크 사진을 찍은 뒤 디자인 영감에 대해 텍스트로 질문하거나, 식탁 사진에 '커피 테이블'이라는 단어를 추가해 유사 가구를 찾는 방식이다.

더 나아가 이미지의 세부 맥락을 분석하는 비주얼 이미지 팬아웃(visual image fan-out) 기술을 적용했다. 이는 하나의 이미지를 수십 개의 하위 쿼리로 분해해 분석하는 기술이다. AI 모드에서 사진을 업로드하면 시스템이 장면 전체를 처리하고, 이를 세부 질문으로 쪼개어 시각적 맥락을 추론한다. 이를 통해 단일 객체 인식에서 벗어나 이미지 내 여러 요소의 관계를 파악하고 복합적인 질문에 답할 수 있게 됐다.

5억 8천만 대 기기에 적용된 서클 투 서치와 라이브 피드

이러한 시각적 추론 기술은 모바일 환경의 사용자 경험으로 확장되어 적용되고 있다. 구글은 화면 위 요소에 동그라미를 그려 즉시 검색하는 서클 투 서치(Circle to Search)를 도입했으며, 현재 전 세계 5억 8천만 대 이상의 안드로이드 기기에서 이를 지원한다. 사용자는 앱 전환 없이 하이라이트, 낙서, 탭 등의 제스처만으로 정보를 얻는다.

특히 서클 투 서치에 비주얼 이미지 팬아웃 기술을 적용해 한 이미지 내 여러 객체를 동시에 분석할 수 있다. 사용자는 사진 한 장에 담긴 전체 착장 아이템을 한 번에 분해해 쇼핑하거나, 한 장면 속 여러 물건의 정보를 동시에 검색할 수 있다.

실시간 상호작용을 위한 서치 라이브(Search Live)도 도입됐다. 스마트폰의 라이브 카메라 피드를 공유하며 AI 모드에서 음성으로 대화하는 방식이다. 비디오 입력을 통해 주변 환경의 움직임과 맥락을 캡처하므로, 주방에서 요리 도움을 받거나 복잡한 장비의 수리 방법을 묻는 상황에 활용한다.

입력 방식의 변화는 검색창에서도 나타난다. 지능형 검색창의 플러스 아이콘을 통해 여러 장의 이미지를 동시에 업로드하고 상세한 질문을 던져 AI 모드의 응답을 받는 구조로 변경됐다.

시각 정보의 '탐색'에서 '추론과 생성'으로의 전환

최근의 변화는 사용자가 '너무 벙벙하지 않은 배럴 진'과 같이 구체적인 조건을 대화형으로 입력했을 때, AI가 이를 해석해 최적의 제품 그리드를 즉시 제시하는 수준까지 도달했다. 이는 검색의 기준이 단순한 키워드 일치에서 사용자의 세밀한 취향과 맥락을 이해하는 방식으로 바뀌었음을 보여준다.

시각 정보 처리의 흐름은 텍스트 기반 검색에서 이미지 업로드, 텍스트와 이미지를 동시에 이해하는 멀티모달 추론을 거쳐 AI가 직접 이미지를 만드는 생성 단계로 전환되었다. 비주얼 이미지 팬아웃 기술은 이미지 속 객체의 정체성과 배치, 세부 특징을 개별적으로 파악해 하위 쿼리로 검색한 뒤 이를 통합해 최종 결과로 제공함으로써 시각적 맥락 이해의 정확도를 높였다.

한국의 AI 실무자들은 검색 엔진이 단순한 인덱싱 도구에서 시각적 추론 엔진으로 변모하는 지점에 주목한다. 하위 쿼리 분해를 통한 맥락 파악과 AI 오버뷰 내의 생성 기능이 결합하면서, 사용자는 기존에 존재하는 이미지에 만족하지 않고 자신의 상상을 구체적인 시각 정보로 직접 구현하는 단계에 진입했다. 이는 시각 데이터를 처리하는 파이프라인에 생성 기능이 통합되었음을 뜻한다.

구글 이미지 검색창에 단어를 입력해 사진을 찾던 경험은 이제 나노 바나나 모델을 통한 생성과 비주얼 이미지 팬아웃의 추론 과정으로 이어진다. 사용자는 검색창 하나로 시각적 맥락을 추론하고 생성하는 도구로서의 변화를 직접 확인할 수 있다.

구글의 이번 업데이트는 단순한 기능 추가를 넘어, 우리가 정보를 찾는 방식 자체를 '찾기'에서 '만들기'로 확장하는 중요한 변곡점이 될 것으로 보인다.