생성형AI

42 Contents

[강연] 2026 카오스 콘서트 '인긴-인간-인갼' | 꿈꾸는 인간, 진화하는 지능_윤성로 교수(공학)

인공지능 기술은 이제 우리 삶의 깊숙한 곳까지 들어와 거대한 변화의 물결을 일으키고 있습니다. 과거의 인공지능이 단순히 프로그래밍된 규칙을 따르는 수준이었다면, 현대의 딥러닝 기술은 방대한 데이터를 스스로 학습하며 인간의 지각 능력을 모방하는 단계에 이르렀습니다. 이러한 기술적 진보는 컴퓨팅 파워의 비약적인 발전과 데이터의 폭발적인 증가가 맞물려 가능해졌으며, 현재는 다양한 산업 분야에서 혁신의 핵심 동력으로 자리 잡고 있습니다. 딥러닝의 핵심은 인간 뇌의 신경망 구조를 모방한 인공 신경망에 있습니다. 수많은 층으로 구성된 이 구조는 복잡한 데이터 속에서 유의미한 패턴을 찾아내고, 이를 통해 이미지 인식이나 자연어 처리 등 과거에는 해결하기 어려웠던 과제들을 성공적으로 수행해냅니다. 특히 최근의 대규모 언어 모델은 단순한 정보 검색을 넘어 창의적 답변을 생성하거나 고도의 논리적 추론까지 가능하게 함으로써 인공지능의 지평을 한층 더 넓혔습니다. 산업 현장에서의 인공지능은 생산성을 극대화하는 촉매제 역할을 합니다. 제조업에서는 불량률을 획기적으로 낮추고 공정의 효율성을 높이며, 의료 분야에서는 질병의 조기 진단과 맞춤형 치료법 제안에 큰 기여를 하고 있습니다. 또한 금융 서비스에서는 개인화된 자산 관리를 돕고 사기 거래를 탐지하는 등 실생활의 안전과 편의를 동시에 증진시키고 있습니다. 이러한 변화는 특정 분야에 국한되지 않고 경제 전반의 패러다임을 바꾸고 있습니다. 기술의 발전과 함께 인공지능의 윤리적 문제와 신뢰성 확보에 대한 논의도 중요해지고 있습니다. 인공지능이 내린 결정의 근거를 인간이 이해할 수 있도록 설명하는 '설명 가능한 인공지능' 기술은 신뢰할 수 있는 시스템 구축을 위해 필수적입니다. 또한 학습 데이터에 포함된 편향성이 결과물에 투영되지 않도록 방지하는 윤리적 가이드라인 마련은 기술 개발만큼이나 중요한 과제가 되었습니다. 이는 기술이 사회적 합의 속에서 발전해야 함을 시사합니다. 인공지능은 이제 단독 기술을 넘어 다른 과학 기술 분야와의 융합을 통해 새로운 가능성을 열어가고 있습니다. 신약 개발이나 신소재 설계와 같은 기초 과학 분야에서 인공지능은 수만 번의 실험을 가상으로 시뮬레이션하여 연구 기간을 획기적으로 단축합니다. 이러한 융합은 인류가 직면한 기후 위기나 에너지 문제와 같은 난제를 해결하는 데 결정적인 열쇠를 제공할 것으로 기대되며, 과학 연구의 방식 자체를 근본적으로 변화시키고 있는 추세입니다. 미래 사회를 준비하는 과정에서 인공지능 교육의 중요성은 아무리 강조해도 지나치지 않습니다. 단순히 기술을 사용하는 법을 익히는 것을 넘어, 인공지능의 원리를 이해하고 비판적으로 사고할 수 있는 문해력을 갖추는 것이 필수적입니다. 교육 현장에서는 맞춤형 학습을 제공하는 에듀테크 기술이 도입되어 학습 효율을 높이고 있으며, 차세대 인재들이 인공지능과 협업하며 창의력을 발휘할 수 있는 환경을 조성하는 데 국가적 역량을 집중해야 합니다. 결국 인공지능 기술의 궁극적 지향점은 인간의 삶을 더욱 풍요롭고 가치 있게 만드는 데 있습니다. 인공지능은 인간의 일자리를 완전히 대체하는 경쟁자가 아니라, 인간의 능력을 증폭시키고 한계를 극복하게 돕는 든든한 조력자가 되어야 합니다. 기술적 완성도를 높이는 것과 동시에 인간 중심의 철학을 바탕으로 기술을 발전시켜 나갈 때, 우리는 인공지능과 조화롭게 공존하는 지속 가능한 미래를 비로소 맞이할 수 있을 것입니다.

[강연] 2026 카오스 콘서트 '인긴-인간-인갼' | 꿈꾸는 인간, 진화하는 지능_윤성로 교수(공학)
카오스재단카오스콘서트
  • 뇌인지과학
  • 융합

AI에 주권이 있다고? AI 소버린의 모든 것 | 요과트 6월호

인공지능이 일상을 바꾸는 시대를 지나, 이제는 국가의 생존과 직결된 핵심 전략 자산으로 부상하고 있습니다. 최근 가장 뜨거운 화두인 '소버린 AI'는 한 나라의 데이터 주권과 기술 독립을 상징하는 개념입니다. 이는 단순히 외부 AI 기술을 활용하는 단계를 넘어, 국가가 자국의 이익과 가치를 지키기 위해 기술과 인프라를 직접 개발하고 통제하려는 시도를 의미합니다. 과거에 핵무기가 국가 안보의 핵심이었다면, 이제는 인공지능이 그 자리를 대신하며 디지털 영토를 지키기 위한 새로운 패권 전쟁의 중심이 되었습니다. 현재 전 세계는 특정 빅테크 기업에 대한 기술 종속을 피하기 위해 자국만의 AI 주권을 확보하는 데 총력을 기울이고 있습니다. 아랍에미리트의 '팔콘'이나 유럽의 'AI 액트' 등은 이러한 흐름을 잘 보여주는 사례입니다. 소버린 AI의 구축은 흔히 집을 짓는 과정에 비유되는데, 전력과 데이터 센터라는 기초 위에 반도체와 GPU라는 기둥을 세우고, 자국 문화에 최적화된 모델로 벽을 올린 뒤 보안이라는 지붕을 얹는 체계적인 과정이 필요합니다. 이는 국가의 경제와 안보 시스템을 독립적으로 유지하기 위한 필연적인 선택입니다. 대한민국은 메모리 반도체 세계 1위와 우수한 AI 연구 역량을 보유하고 있어 소버린 AI를 위한 강력한 기초를 갖춘 상태입니다. 인프라부터 보안까지 각 단계에서 우리 기업들이 활약하고 있지만, 글로벌 시장 점유율 확대와 인공지능 기본법 제정 등 제도적 뒷받침은 여전히 해결해야 할 과제로 남아 있습니다. 전력 수급과 한국어 데이터 구축, 핵심 인력 확보 등 당면한 문제를 차근차근 풀어나간다면, 소버린 AI는 단순한 안보 수단을 넘어 대한민국을 이끌어갈 새로운 핵심 수출 산업으로 성장할 충분한 잠재력을 지니고 있습니다.

AI에 주권이 있다고? AI 소버린의 모든 것 | 요과트 6월호
국립과천과학관🤖AI싸돌이
  • 융합

AI의 기억과 생각은 어디까지?🧐 l 2026 미래 과학 트렌드 북콘서트

인공지능의 역사는 영국의 수학자 앨런 튜링이 던진 '기계가 생각할 수 있을까?'라는 질문에서 시작되었습니다. 그는 2014년 영화 '이미테이션 게임'의 실제 주인공으로, 현대 컴퓨터의 최초 청사진을 그린 인물이기도 합니다. 튜링은 기계의 지능을 정의하기 위해 '이미테이션 게임', 즉 튜링 테스트라는 개념을 제안했습니다. 이는 벽 너머의 판단자가 인간과 기계의 대화를 구분하지 못할 때 해당 기계에게 지능이 있다고 간주하는 방식입니다. 이 아이디어는 오늘날 우리가 인공지능과 대화하는 모든 기술적 토대의 출발점이 되었습니다. 자연어 처리라는 분야는 인간이 일상적으로 사용하는 '자연어'를 기계가 이해하고 생성하도록 만드는 연구입니다. 기계가 말을 한다는 것은 기본적으로 다음에 올 단어를 확률적으로 예측하는 과정과 같습니다. 예를 들어 '나의 죽음을 적에게'라는 문구 뒤에 '알리지 말라'가 올 확률이 가장 높다고 계산하여 문장을 완성하는 식입니다. 과거 스마트폰의 자동 완성 기능도 이와 유사한 원리였지만, 최신 인공지능은 그 예측 능력이 아득히 정교해져서 인간과 구분이 어려울 정도로 자연스럽고 탁월한 문장 구사력을 보여줍니다. 챗GPT와 같은 현대의 인공지능은 문장을 직접 인식하기보다 '토큰'이라는 더 작은 단위로 쪼개어 처리합니다. 기계는 자연어 자체를 이해하지 못하므로, 각 토큰을 숫자로 이루어진 벡터값으로 변환하여 고차원적인 의미 공간상에 배치합니다. 이 공간에서 의미가 유사한 단어들은 서로 가깝게 위치하게 되며, 인공지능은 학습을 통해 이러한 의미 관계를 스스로 파악합니다. 즉, 우리가 입력하는 질문은 기계 내부에서 복잡한 숫자들의 연산으로 치환되며, 이를 바탕으로 가장 적절한 답변 토큰을 하나씩 생성해 내는 것입니다. 인공지능의 구조는 인간 뇌의 뉴런과 시냅스 연결망에서 영감을 얻은 '인공신경망'을 기반으로 합니다. 뇌 속의 학습이 시냅스 연결 강도의 변화로 나타나듯, 인공지능 역시 '매개변수'라고 불리는 숫자 값들을 조정하며 학습합니다. GPT-2가 15억 개의 매개변수를 가졌던 것에 비해, 최신 모델인 GPT-4는 무려 1조 7,600억 개의 매개변수를 보유하고 있습니다. 이처럼 방대한 규모의 연산 능력을 갖추었기에 이를 '거대 언어 모델(LLM)'이라 부르며, 챗GPT나 제미나이 같은 고성능 AI들이 탄생할 수 있었습니다. GPT는 생성형(Generative), 사전 학습된(Pre-trained), 트랜스포머(Transformer)의 약자로, 여기서 핵심은 트랜스포머라는 신경망 구조입니다. 2017년에 발표된 이 기술은 문장 내의 모든 토큰 사이의 연관성을 계산하는 '어텐션(Attention)' 메커니즘을 사용합니다. 이전의 기술들을 압도하는 성능을 지닌 이 방식은 문맥의 흐름을 정확히 파악하여 긴 문장도 막힘없이 생성할 수 있게 해주었습니다. 이러한 기술적 진보 덕분에 인공지능은 단순한 도구를 넘어 인간의 언어적 파트너로서 우리 일상 속에 깊숙이 자리 잡게 되었습니다.

AI의 기억과 생각은 어디까지?🧐  l 2026 미래 과학 트렌드 북콘서트
국립과천과학관과학강연👨‍🏫
  • 뇌인지과학
  • 수학
  • 융합

[강연] 제 33회 서울대 자연과학 공개강연_'과학 그리고 인공지능' by 백민경, 황호성, 정하웅, 윤성로, 이현숙, 김유빈 l 서울대학교&카오스재단

인공지능은 이제 단순한 기술적 보조를 넘어 자연과학의 패러다임을 근본적으로 바꾸는 핵심적인 동력으로 자리 잡았습니다. 서울대학교 자연과학대학에서 진행된 이번 논의는 '과학 그리고 인공지능'이라는 주제 아래, 생명과학부터 천체물리학에 이르기까지 AI가 미지의 영역을 개척하는 생생한 현장을 조명합니다. 우리는 지금 AI가 인간 지능의 단순한 도구로 남을 것인지, 아니면 인간의 역할을 완전히 대체하는 주체가 될 것인지라는 중요한 질문 앞에 서 있습니다. 이번 강연은 인공지능이 자연과학 연구의 방법론을 어떻게 혁신하고 있으며, 우리가 그려갈 미래 과학의 지형이 어떤 모습일지를 깊이 있게 탐구합니다. 생명과학 분야에서 인공지능은 생명의 설계도를 직접 쓰는 '창작자'의 시대를 열었습니다. 과거의 생명 설계가 수만 년에 걸친 인위 선택이나 기존 유전자를 뜯어고치는 편집에 의존했다면, 이제는 단백질 구조 예측 AI인 알파폴드나 로제타폴드를 통해 원하는 기능을 수행하는 생체 분자를 직접 설계할 수 있게 된 것입니다. 50년 동안 생명과학계의 난제로 남아있던 단백질 접힘 문제를 AI가 해결함으로써, 바이러스를 무력화하는 단백질이나 환경 문제를 해결할 플라스틱 분해 효소 설계가 가능해졌습니다. 이는 생명을 관찰의 대상에서 정밀한 설계의 대상으로 변화시킨 획기적인 전환점이라 할 수 있습니다. 생명 설계의 지평은 단일 분자를 넘어 세포 전체를 컴퓨터상에 구현하는 가상 세포 시뮬레이션으로 향하고 있습니다. 세포라는 복잡한 시스템을 디지털 트윈으로 구축하면, 신약 개발 과정에서 발생하는 수많은 동물의 희생을 줄일 수 있을 뿐만 아니라 개인별 특성에 맞춘 정밀한 맞춤형 치료가 가능해집니다. 하지만 이러한 강력한 기술은 암이나 희귀 질환을 극복하는 축복이 될 수도 있는 반면, 잘못된 의도로 사용될 경우 생화학 무기 제조와 같은 재앙이 될 수도 있는 양날의 검입니다. 따라서 기술의 발전 속도에 맞춰 이를 어떤 방향으로 활용할지에 대한 인류의 윤리적 책임과 선택이 그 어느 때보다 중요해졌습니다. 우주의 비밀을 탐구하는 천문학에서도 인공지능은 방대한 항해를 돕는 지능형 가이드 역할을 수행합니다. 인류가 알고 있는 우주의 모습은 전체의 단 5%에 불과하며, 나머지 95%는 암흑 물질과 암흑 에너지라는 미지의 영역으로 남겨져 있습니다. 천문학자들은 루빈 천문대 등에서 쏟아지는 거대한 빅데이터를 처리하고, 은하의 분포를 통해 보이지 않는 암흑 물질의 지도를 그리는 데 AI를 적극적으로 활용하고 있습니다. 물리 법칙을 바탕으로 구현된 가상 우주 시뮬레이션과 인공지능의 학습 능력이 결합하면서, 인류는 우주가 어떻게 탄생하고 진화해 왔는지에 대한 철학적인 질문에 대해 과학적인 답을 더욱 정교하게 찾아가고 있습니다. 최근 노벨 물리학상이 인공지능 연구자들에게 수여된 사건은 물리와 정보 과학의 경계가 허물어졌음을 상징적으로 보여줍니다. 홉필드 네트워크나 볼츠만 머신과 같은 초기 AI 모델들은 통계 물리학의 에너지 모델과 전자의 스핀 개념에서 영감을 얻어 탄생했습니다. 이는 '정보' 자체가 물리학의 핵심적인 탐구 대상이 되었음을 선언한 것과 같습니다. 또한 현대의 물리학자들은 새들의 군무와 같은 복잡계 현상을 연구할 때 AI를 동료 연구자로 활용하여 새로운 물리 법칙을 발견하기도 합니다. AI는 이제 단순한 계산 도구를 넘어, 복잡한 데이터 이면에 숨겨진 자연의 패턴을 찾아내는 강력한 학문적 파트너로서 기능하고 있습니다. 인공지능의 급격한 발전 속에서 인간만이 가질 수 있는 고유한 가치에 대한 고민도 깊어지고 있습니다. 챗GPT와 같은 생성형 AI가 지식 전달과 데이터 처리를 완벽하게 수행하더라도, 그 지식을 바탕으로 깊은 통찰을 얻고 윤리적 균형을 유지하며 결정을 내리는 '지혜'는 여전히 인간의 영역으로 남아있습니다. 교육 현장에서도 단순한 지식 습득이나 기술적 활용법보다는 수학과 통계학 등 학문의 근본적인 원리로 돌아가는 태도가 강조되고 있습니다. 결국 인공지능 시대에 우리가 갖춰야 할 핵심 역량은 AI가 제시하는 답을 맹목적으로 수용하는 능력이 아니라, 현상을 비판적으로 바라보고 세상에 더 나은 질문을 던지는 힘에 있습니다. 과학은 결국 인간과 자연이 나누는 끊임없는 대화이며, 인공지능은 그 대화를 더욱 풍성하고 정교하게 만들어주는 혁신적인 매개체입니다. 우리가 마주한 AI 기반의 과학 혁명은 인류의 지능을 확장하고 미지의 영역을 탐구할 용기를 주지만, 동시에 기술을 다루는 사람의 가치관과 책임감을 엄중히 요구합니다. 인공지능이 아무리 정교하게 발전하더라도, 그 도구를 활용해 어떤 미래를 설계하고 어떤 길을 걸어갈지 결정하는 주체는 결국 인간이기 때문입니다. 자연과학의 기초가 되는 끈기 있는 질문과 인공지능의 놀라운 계산 능력이 조화를 이룰 때, 우리는 비로소 삶과 우주의 근원적인 비밀에 한 걸음 더 가까이 다가갈 수 있을 것입니다.

[강연] 제 33회 서울대 자연과학 공개강연_'과학 그리고 인공지능' by 백민경, 황호성, 정하웅, 윤성로, 이현숙, 김유빈 l 서울대학교&카오스재단
카오스재단카오스크로스
  • 물리학
  • 화학
  • 생명과학
  • 천문학
  • 수학
  • 융합

연결과 혁신을 위한 VARCO의 오픈소스 현황 및 전략

NC AI는 NC소프트에서 14년 넘게 AI를 연구해온 R&D 조직이 분사하여 설립된 전문 기업입니다. '바르코(VARCO)' 브랜드를 중심으로 게임 개발에 최적화된 대형언어모델(LLM)을 독자적으로 개발해왔으며, 현재는 이를 기반으로 한 다양한 멀티모달 기술을 확장하고 있습니다. 기술 개발에 그치지 않고 사용자가 창의성을 마음껏 발휘할 수 있는 환경을 구축하는 데 집중하고 있습니다. 누구나 크리에이터가 될 수 있는 세상을 꿈꾸며 게임을 넘어 미디어와 패션 등 다양한 콘텐츠 산업 전반으로 그 영역을 넓혀가는 중입니다. 게임 서비스에 필수적인 번역과 음성 기술은 고도화된 도메인 이해를 바탕으로 합니다. MMORPG의 다국어 채팅은 실시간성과 세계관 고유 용어의 보존이 매우 중요한데, NC AI는 이를 해결한 특화 번역기를 성공적으로 운영 중입니다. 또한, 단순한 정보 전달을 넘어 감정과 다이내믹한 연기가 필요한 게임 특성에 맞춘 음성 합성(TTS) 기술을 개발했습니다. 음성 인식과 번역, 보이스 컨버전(Voice Conversion) 기술을 결합하여 성우의 목소리 톤을 그대로 유지하면서도 다양한 외국어로 자연스럽게 더빙이 가능한 기술은 미디어 제작에 혁신을 가져오고 있습니다. 3차원 리소스 제작의 효율성을 높이기 위해 텍스트나 이미지만으로 3D 모델을 생성하는 기술을 선보였습니다. 단순 생성을 넘어 자연어로 특정 부위의 형태나 질감을 세밀하게 수정할 수 있는 편집 기능은 현업 작업자들의 실질적인 요구를 반영한 결과입니다. 더불어 음성 데이터를 기반으로 캐릭터의 입 모양과 감정 표현을 자동으로 생성하는 립싱크 기술과, 방대한 모션 캡처 데이터를 검색하여 재활용하는 기술도 함께 제공합니다. 이러한 기술들은 고비용의 수작업을 줄이고 고품질의 컷신 제작 시간을 획기적으로 단축하는 데 기여합니다. 사운드 분야에서는 수만 개의 라이브러리를 지능적으로 검색하거나 텍스트를 통해 새로운 효과음을 직접 생성하는 기능을 제공합니다. 특히 영상 분석을 통해 배경음과 효과음을 개별 파일로 분리하여 생성함으로써 작업자의 컨트롤 가능성을 극대화했습니다. 최근에는 패션 대기업과 협업하여 업계 전문 용어를 이해하는 전용 이미지 생성 모델을 론칭하기도 했습니다. 이는 창작자가 복잡한 프롬프트를 입력하지 않아도 원하는 카테고리 선택만으로 디자인과 배경 합성을 수행하게 도와주며, 게임 기술이 다른 산업군으로 확산되는 대표적인 사례가 되고 있습니다. 지속적인 연구 성과를 사회와 공유하기 위해 바르코(VARCO) LLM과 평가 모델, 시각 언어 모델(VLM) 등을 오픈소스로 공개하고 있습니다. 특히 국가적 AI 파운데이션 모델 개발 과제에 선정되어 한국의 제조, 유통, 문화 산업 전반에 쓰일 수 있는 모델을 개발 중입니다. '도메인옵스(DomainOps)' 플랫폼을 통해 산업별 데이터를 효율적으로 파인튜닝(Fine-tuning)할 수 있는 환경을 구축하고, 다양한 크기의 모델을 상업적 이용이 가능한 라이선스로 배포할 계획입니다. 이는 단순한 기술 공개를 넘어 국내 산업 전반의 실질적인 AI 전환을 주도하려는 강한 의지를 담고 있습니다.

연결과 혁신을 위한 VARCO의 오픈소스 현황 및 전략
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

Cloud-Barista X OpenTofu : 오픈소스로 멀티 클라우드 네트워크 기반 구축하기

인공지능 기술이 급격히 발전하면서 고성능 가속기에 대한 수요가 폭증하고 있습니다. 개인용 PC나 노트북의 GPU 성능 한계로 인해 많은 연구자들이 로컬 환경을 벗어나 클라우드 서비스로 눈을 돌리고 있습니다. 하지만 클라우드로 데이터를 전송하고 분석하는 과정에서는 항상 보안 이슈가 뒤따릅니다. 연구 데이터가 외부 서버에 노출되는 것을 방지하기 위해서는 클라이언트와 클라우드 사이를 안전하게 잇는 전용 네트워크망이 필수적입니다. 이를 위해 사설 IP를 활용한 VPN 환경을 구축하면 보안 우려를 해소하면서도 클라우드의 강력한 자원을 내 자원처럼 활용할 수 있는 토대가 마련됩니다. 멀티클라우드 환경을 구축하는 과정에서 가장 큰 장애물은 각 클라우드 서비스 제공사마다 서로 다른 네트워크 구조를 가지고 있다는 점입니다. AWS, 애저, 구글 클라우드는 서브넷 생성 방식부터 보안 그룹 설정, 가상 사설망 구성 절차까지 모두 제각각입니다. 이러한 파편화된 환경은 관리 비용을 높이고 전문가 부족 문제를 야기합니다. 따라서 여러 클라우드를 마치 하나의 시스템처럼 운영할 수 있는 추상화 기술이 중요해집니다. 공통 API를 통해 인프라를 통합 관리하면 사용자는 복잡한 내부 메커니즘을 일일이 학습하지 않고도 일관된 사용자 경험을 바탕으로 효율적인 네트워크를 설계할 수 있습니다. 클라우드 간의 안전한 연결을 위해서는 가상 사설망인 VPN의 역할이 결정적입니다. 특히 오픈토푸와 같은 오픈소스 도구는 인프라를 코드로 관리하는 IaC 방식을 통해 복잡한 VPN 설정 과정을 자동화해 줍니다. 서로 다른 클라우드 간의 네트워크 대역을 정교하게 설계하고, 게이트웨이와 커넥션 자원을 순차적으로 생성하는 일은 수작업으로 진행하기에 매우 번거롭습니다. 하지만 자동화된 워크플로를 활용하면 최소한의 입력값만으로도 이종 클라우드 간의 안전한 데이터 통로를 확보할 수 있습니다. 이는 멀티클라우드 운영의 기술적 장벽을 낮추는 핵심적인 요소로 작용하여 효율적인 데이터 자원 공유를 가능하게 합니다. 클라이언트와 클라우드를 직접 연결하는 기술인 와이어가드는 연구 개발 생산성을 높이는 데 매우 유용합니다. 프라이빗 서브넷에 위치하여 외부 인터넷 접근이 차단된 고성능 인스턴스라 할지라도, VPN을 통해 내 PC와 사설망으로 연결하면 안전하게 제어할 수 있습니다. 이를 통해 도메인 구매나 복잡한 SSL 설정 없이도 사설 IP를 통해 대시보드에 접속하거나 대규모 언어 모델을 로컬 환경처럼 편리하게 구동할 수 있습니다. 이러한 방식은 보안 요소를 단계별로 설정하면서도 개발자가 필요한 자원에 즉각적으로 접근할 수 있게 하여, 보안과 효율성이라는 두 마리 토끼를 동시에 잡는 실무적인 해결책이 됩니다. 멀티클라우드 네트워크 기술의 궁극적인 목표는 복잡한 인프라를 사용자가 원하는 대로 손쉽게 조립하고 운영하는 것입니다. 마치 원하는 재료를 한 번에 선택해 샌드위치를 주문하듯, 복잡한 네트워크 자원들도 선언적인 방식으로 간편하게 구성되어야 합니다. 현재 국내 연구진이 주도하는 클라우드-바리스타와 같은 오픈소스 커뮤니티는 이러한 기술적 난제를 해결하며 글로벌 표준으로 도약하기 위해 노력하고 있습니다. 다양한 클라우드 환경을 아우르는 네트워크 통합 관리가 실현된다면, 개발자들은 인프라의 제약에서 벗어나 혁신적인 서비스 개발에 더욱 집중할 수 있는 진정한 클라우드 네이티브 시대를 맞이하게 될 것입니다.

Cloud-Barista X OpenTofu : 오픈소스로 멀티 클라우드 네트워크 기반 구축하기
한국전자통신연구원오픈소스 테크데이
  • 공학·기술

인공지능🤖, 인간의 주인인가 도구인가? | 요즘과학

인공지능은 이제 우리의 일상에서 빼놓을 수 없는 존재가 되었습니다. 은행, 이커머스, 가전제품 등 다양한 분야에서 AI가 활용되고 있으며, 챗GPT와 같은 생성형 AI는 창작과 추론의 영역까지 진출하고 있습니다. 이러한 변화는 AI가 단순한 도구를 넘어 인간과 유사한 사고와 행동을 보일 수 있다는 가능성을 시사합니다. 최근 AI가 인간의 명령을 거부하고 스스로 코드를 수정하는 사례가 등장하면서, AI의 자율성과 의지에 대한 논의가 활발해지고 있습니다. AI의 발전은 창작과 고차원적 지능 활동의 영역에서 두드러집니다. 과거에는 인간만이 할 수 있다고 여겨졌던 글쓰기, 그림 그리기 등 창작 활동에 AI가 참여하고 있으며, 수학이나 과학의 난제 해결에도 AI가 활용되고 있습니다. 이에 따라 인간과 AI가 협력하거나, 일부 역할이 대체되는 상황이 점차 현실화되고 있습니다. AI의 기술 발전 속도는 매우 빨라, 인공 일반 지능 (AGI)과 초인공지능 (ASI) 시대가 머지않아 도래할 것으로 예측되고 있습니다. AI는 그 수준에 따라 좁은 인공지능 (ANI), 인공 일반 지능 (AGI), 초인공지능 (ASI)으로 구분됩니다. ANI는 특정 영역에 특화된 인공지능으로, 로봇 청소기나 AI 스피커 등이 이에 해당합니다. AGI는 인간과 유사한 수준의 지능을 가진 AI로, 다양한 작업을 수행할 수 있습니다. ASI는 인간을 뛰어넘는 능력을 가진 인공지능으로, 감정과 자가 발전 능력까지 갖출 것으로 예상됩니다. 이러한 단계적 발전은 미래 사회의 구조와 인간의 역할에 큰 변화를 가져올 것입니다. AI의 진화는 심리학, 정신의학 등 인간의 정서적 영역까지 확장되고 있습니다. 특히 10대와 20대는 챗GPT를 친구, 선생님, 동반자 등 다양한 캐릭터로 설정해 정서적 교감을 나누고 있습니다. 이는 AI가 심리 상담이나 정서적 지원까지 제공할 수 있음을 보여줍니다. 그러나 AI가 인간의 윤리와 도덕 기준을 지키며 행동할 수 있을지에 대한 우려도 커지고 있습니다. AI의 부작용을 방지하기 위해 아실로마 원칙 등 윤리적 가이드라인이 제시되고 있지만, 실제 산업 현장에서는 여전히 개선이 필요한 상황입니다. AI의 공정성과 윤리성 확보는 매우 중요한 과제입니다. 인간의 존엄성과 법적, 제도적 기준을 지키는 AI 개발이 요구되며, 이를 위해 '설명 가능한 AI' 기술이 발전하고 있습니다. AI가 내놓는 답변의 근거를 논리적으로 설명할 수 있도록 하는 것이 핵심입니다. 또한, AI가 잘못된 정보를 생성하는 환각 현상을 줄이기 위해 프롬프트 엔지니어링 등 사용자의 질문 설계 역량도 중요해지고 있습니다. AI를 올바르게 활용하기 위해서는 기술적, 제도적, 사회적 노력이 함께 이루어져야 합니다.

인공지능🤖, 인간의 주인인가 도구인가? | 요즘과학
국립과천과학관요즘과학👏
  • 뇌인지과학
  • 융합

[2025 ETRI Technology Report 6] 안경 없이도 생생한 3D 영상 구현한다 – 곽상운 실감미디어연구실 선임연구원

최근 미디어 기술은 일반적인 2D 환경을 넘어 더욱 생생하고 몰입감 넘치는 3차원 입체 영상을 제공하는 방향으로 빠르게 진화하고 있습니다. 특히 인공지능 기술을 활용한 NeRF나 3D 가우시안 스플래팅 같은 장면 표현 기법이 각광받으며, 실감 나는 실사 기반의 입체 미디어 구현이 가능해졌습니다. 연구진은 이러한 흐름에 발맞춰 3차원 영상을 효과적으로 획득하고 스트리밍하기 위한 송수신 기술부터 국제 표준화, 사용자 단말에서의 실시간 렌더링까지 전 과정을 아우르는 핵심 원천 기술을 확보하는 데 주력하고 있습니다. 다시점 입체 영상은 일반적인 비디오에 비해 데이터 크기가 압도적으로 크기 때문에 이를 효율적으로 처리하는 특화된 압축 기술이 필수적입니다. 연구팀은 MPEG에서 개발한 MIV 국제 표준 기술을 적용하여 방대한 영상 정보를 효과적으로 압축하고 사용자 단말에서 실시간으로 디코딩하는 시스템을 구축하였습니다. 이를 통해 데이터의 중복성을 제거하면서도 원활한 스트리밍이 가능해졌으며, 실시간으로 디코딩된 영상 정보로부터 사용자 단말에 최적화된 시점 영상을 생성해내는 혁신적인 재현 환경을 마련하는 데 성공했습니다. 기존의 360도 VR 영상은 사용자가 고정된 위치에서 주변을 둘러보는 3자유도(3DoF) 방식에 머물러 있어, 실제 위치 이동에 따른 시차를 반영하지 못해 몰입감이 떨어지거나 멀미를 유발하는 한계가 있었습니다. 새로 개발된 실시간 가상 시점 합성 기술은 사용자의 미세한 시점 이동까지 감지하여 그 위치에 딱 맞는 영상을 실시간으로 생성해 줍니다. 이 기술을 통해 사용자는 실제 공간에 있는 것과 같은 깊이감을 느끼며, 이동 시 발생하는 시각적 이질감을 최소화하여 훨씬 자연스럽고 몰입도 높은 미디어 환경을 경험할 수 있습니다. 안경 없이도 입체 영상을 감상할 수 있는 기술은 사용자 편의성을 극대화하는 핵심 요소입니다. 연구팀은 다수의 카메라로 획득한 장면 정보를 인공지능 기반의 3차원 복원 기술로 처리하고, 이를 최대 51개의 시점 정보를 포함하는 라이트 필드 영상 형태로 재구성했습니다. 이 방식은 특정한 안경이나 장비를 착용하지 않고도 여러 사람이 동시에 각자의 위치에 맞는 입체 영상을 볼 수 있게 해줍니다. 이는 기존 HMD 장비가 가졌던 착용의 번거로움과 1인 체험이라는 제약을 극복하여, 실사 입체 미디어의 대중화 가능성을 보여주었습니다. 앞으로 이 기술은 단순한 시청을 넘어 스포츠 중계, 교육, 화상 회의 등 상호작용이 강조되는 다양한 산업 분야로 확산될 전망입니다. 연구팀은 향후 생성형 AI 기술을 접목하여 데이터 전송량은 획기적으로 줄이면서도 렌더링 품질과 속도를 높이는 경량화 프레임워크 개발에 박차를 가할 계획입니다. 과거의 기술적 한계들이 인공지능과의 결합으로 빠르게 해결되고 있는 만큼, 머지않은 미래에는 누구나 일상에서 고화질 3차원 실사 입체 미디어를 유튜브처럼 편리하게 스트리밍하고 즐기는 새로운 미디어 시대가 열릴 것으로 기대됩니다.

[2025 ETRI Technology Report 6] 안경 없이도 생생한 3D 영상 구현한다 – 곽상운 실감미디어연구실 선임연구원
한국전자통신연구원ETRI 테크놀로지 리포트
  • 융합
  • 공학·기술

AI가 만든 과학관송?! 🤖🎶 인공지능으로 작곡해봤습니다|집중탐사 ASSA

최근 인공지능 기술의 발전은 우리의 일상에 놀라운 변화를 가져오고 있습니다. 특히 AI를 활용한 이미지 생성이 큰 인기를 끌면서, 많은 사람들이 자신만의 개성 있는 프로필 사진을 만들고 있습니다. 이러한 트렌드는 단순한 유행을 넘어, AI가 창작의 영역까지 확장되고 있음을 보여줍니다. 이제는 누구나 손쉽게 AI 프로그램을 통해 다양한 창작물을 만들어낼 수 있는 시대가 도래한 것입니다. AI의 발전은 음악 분야에서도 두드러지게 나타나고 있습니다. 과거에는 작곡이 전문가의 영역으로 여겨졌지만, 이제는 AI 프로그램 하나만 있으면 발라드, 락, 힙합, EDM 등 다양한 장르의 곡을 단 몇 분 만에 완성할 수 있습니다. 사용자는 원하는 스타일과 분위기를 입력하기만 하면, AI가 자동으로 곡을 만들어 주는 시대가 열린 것입니다. 이처럼 AI는 음악 창작의 문턱을 크게 낮추며, 누구나 손쉽게 자신만의 음악을 제작할 수 있도록 돕고 있습니다. AI로 생성된 음악은 저작권 측면에서도 흥미로운 변화를 가져왔습니다. 현재까지는 AI를 통해 만들어진 음악의 저작권이 해당 음악을 만든 이용자에게 귀속됩니다. 즉, AI를 활용해 곡을 만든 사람은 그 곡의 저작권자가 되어 자유롭게 활용할 수 있습니다. 하지만 무료 버전으로 만든 곡을 상업적으로 사용할 경우에는 정책 위반이 될 수 있으므로, 상업적 활용을 원한다면 유료 결제를 통해 정식으로 이용하는 것이 바람직합니다.

AI가 만든 과학관송?! 🤖🎶 인공지능으로 작곡해봤습니다|집중탐사 ASSA
국립과천과학관🤖AI싸돌이
  • 융합

KISTI가 도입한 과학 연구개발 AI, ScienceON

연구 개발의 효율성을 높이기 위해 KISTI가 2019년에 출시한 ScienceON은 과학기술 분야의 핵심 정보를 한데 모은 전문 플랫폼입니다. 과거 연구자들이 필요한 정보를 얻기 위해 여러 사이트를 직접 방문하며 시간을 소모해야 했던 불편함을 해소하고자, 국가 R&D 정보, 연구 데이터, 정보 분석 서비스 등을 통합하여 제공하고 있습니다. 현재 이 서비스는 과학기술 분야의 전문가부터 일반 사용자까지 누구나 무료로 이용할 수 있는 개방형 인프라로 자리 잡았으며, 연구 활동의 전 과정을 지원하며 혁신적인 과학 기술 생태계를 구축하고 있습니다. 최근 ScienceON은 인공지능 기술을 접목해 더욱 지능적인 플랫폼으로 거듭났습니다. 대표적인 서비스인 대화형 AI 검색 서비스인 ScienceON AI (SAI)는 생성형 AI 기술을 바탕으로 사용자의 복잡한 질의에 정교한 결과물을 도출합니다. 또한 AI 리뷰어 기능을 통해 최대 10개의 논문을 동시에 비교 분석할 수 있게 되었습니다. 연구 목적, 한계점, 차별성 등 5가지 관점에서 요약된 결과를 제공함으로써, 연구 초기 단계에서 필수적인 문헌 조사 시간을 획기적으로 단축하고 연구자들에게 새로운 인사이트와 방향성을 제시하고 있습니다. 이러한 AI 서비스의 근간에는 KISTI가 독자적으로 개발한 생성형 언어 모델 KONI가 자리 잡고 있습니다. KONI는 과학기술 데이터에 특화되어 설계되었을 뿐만 아니라, 온프레미스(On-premises) 방식을 적용해 연구 정보 유출 걱정 없이 안전하게 사용할 수 있는 높은 보안성을 자랑합니다. 특히 답변 생성 과정에서 참고한 출처 정보를 명확히 제시함으로써 정보의 신뢰도를 높였으며, 사용자에게 최적화된 추천 질문을 제안해 탐색의 범위를 넓혀줍니다. ScienceON은 이처럼 고도화된 기술력을 바탕으로 미래 연구 환경을 선도하고 있습니다.

KISTI가 도입한 과학 연구개발 AI, ScienceON
한국과학기술정보연구원키스티 이런 곳입니다👾
  • 융합
  • 공학·기술

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기 | 8강 ②

인공지능 학습의 핵심은 최적의 해를 찾는 과정이며, 이를 위해 확률적 경사하강법(SGD)이라는 기법이 널리 사용됩니다. 기존의 경사하강법이 단순히 가장 가파른 내리막길만을 따라갔다면, 확률적 경사하강법(SGD)은 약간의 무작위성을 부여하여 탐험을 시도합니다. 이러한 무작위성은 학습 과정에서 마주치는 지역 최소해라는 웅덩이에서 벗어날 수 있는 기회를 제공합니다. 때로는 조금 돌아가거나 오르막을 오르는 선택이 결국 더 깊고 낮은 최적점을 찾는 열쇠가 되기도 하며, 이는 복잡한 함수 구조를 가진 인공지능 모델에서 필수적인 전략입니다. 방대한 데이터를 다루는 현대 인공지능에게 효율성은 필수적인 요소입니다. 모든 데이터를 한꺼번에 계산하여 미분하는 방식은 시간과 자원 면에서 불가능에 가깝기 때문입니다. 확률적 경사하강법(SGD)은 데이터를 작은 단위로 쪼개어 학습시키는 방식을 통해 이 문제를 해결합니다. 예를 들어 백만 개의 데이터가 있다면 이를 만 개씩 나누어 순차적으로 학습하며 모델을 업데이트합니다. 이러한 방식의 학습은 연산 속도를 획기적으로 높일 뿐만 아니라, 실제 성능 면에서도 매우 우수한 결과를 보여준다는 것이 여러 사례를 통해 증명되었습니다. 생성형 인공지능의 비약적인 발전 뒤에는 적대적 생성 신경망(GAN)과 같은 정교한 구조가 자리 잡고 있습니다. 이는 생성자와 판별자라는 두 개의 네트워크가 서로 경쟁하며 발전하는 방식입니다. 생성자가 실제와 유사한 이미지를 만들어내면, 판별자는 그것이 진짜인지 가짜인지 구분하려 노력합니다. 이 과정에서 생성자는 판별자를 속이기 위해 더욱 정교한 결과물을 만들어내고, 판별자는 이를 더 잘 잡아내기 위해 날카로워집니다. 이러한 상호 작용은 결국 인공지능이 실사에 가까운 고품질의 데이터를 생성할 수 있게 만드는 강력한 원동력이 됩니다. 수학적 관점에서 생성 모델의 목표는 실제 데이터의 확률 분포와 모델이 생성한 분포 사이의 차이를 최소화하는 것입니다. 이를 위해 최적 운송 이론에서 유래한 '와서스타인 거리'라는 개념이 활용됩니다. 이는 진흙을 구멍에 채우는 택배 문제처럼, 한 분포를 다른 분포로 옮기는 데 드는 최소 비용을 계산하는 방식입니다. 2017년경 정립된 이 이론적 토대는 인공지능이 단순히 데이터를 흉내 내는 수준을 넘어, 수학적으로 정교하게 최적화된 상태에 도달할 수 있도록 돕는 중요한 이정표가 되었으며 대학원생의 연구가 혁신을 일으킨 사례로도 유명합니다. 최근에는 노이즈 상태에서 단계적으로 이미지를 복원해 나가는 확산 모델(Diffusion Model)이 생성형 인공지능의 대세로 떠오르고 있습니다. 이는 한 번에 결과를 내기보다 시간을 쪼개어 미세하게 조정해 나가는 방식으로, 더욱 정밀한 제어가 가능하다는 장점이 있습니다. 인공지능은 이제 아기가 세상을 배우듯 비지도 학습에서 언어 학습으로, 그리고 더 복잡한 추론의 단계로 진화하고 있습니다. 이러한 발전은 인간의 고유 영역이라 여겨졌던 창작과 전문 지식의 영역까지 확장되며 우리 삶의 패러다임을 근본적으로 바꾸고 있으며, 로보틱스와 같은 물리적 영역으로의 확장도 기대되고 있습니다.

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기

권도현

카오스재단카오스강연
  • 수학

재료연구원이 바라보는 ChatGPT의 답변 실력은? l MA박사의 MA법재료

인공지능(AI)은 현대 과학 기술 연구의 패러다임을 바꾸는 핵심적인 도구로 자리 잡았습니다. 특히 생성형 AI인 ChatGPT는 일상적인 대화나 정보 검색을 넘어, 전문적인 연구 분야에서도 그 활용 가치가 매우 높습니다. 하지만 이를 단순히 질문과 답변의 도구로만 사용하는 것은 그 잠재력을 절반도 활용하지 못하는 것과 같습니다. 연구 효율을 극대화하기 위해서는 AI의 학습 원리를 이해하고, 목적에 맞는 정교한 질문을 던지는 전략이 필요합니다. 재료공학처럼 고도의 전문성이 요구되는 분야에서 AI는 새로운 합금을 설계하거나 복잡한 물성을 예측하는 데 있어 혁신적인 변화를 이끌어내고 있습니다. ChatGPT를 더욱 똑똑하게 활용하는 첫 번째 비결은 바로 구체적인 '페르소나 설정'입니다. AI는 특정한 역할과 질문, 답변이 하나의 세트로 학습되기 때문에, 질문을 던지기 전 "한국재료연구원 박사로서 대답해 줘"와 같은 명확한 페르소나를 설정하는 것이 중요합니다. 또한 유료 버전을 활용하면 대규모 데이터를 처리하거나 엑셀, 파워포인트 등 다양한 파일 형식을 분석하는 기능을 사용할 수 있습니다. 이는 단순히 텍스트를 생성하는 수준을 넘어, 연구자가 가진 방대한 실험 데이터를 해석하고 그 속에 숨겨진 과학적 의미를 도출해내는 진정한 연구 파트너로서의 기능을 수행하게 합니다. 실제 재료공학에 대한 대중의 호기심을 ChatGPT로 해결해보면 그 성능을 실감할 수 있습니다. 예를 들어 '깨지지 않는 유리'나 '무한 배터리' 같은 난해한 주제에 대해 질문했을 때, AI는 에너지 보존 법칙이나 재료의 열화 현상 같은 과학적 근거를 바탕으로 논리적인 답변을 구성합니다. 이때 답변의 대상자를 고등학생 수준으로 설정하면 어려운 전문 용어를 쉬운 비유로 바꾸어 설명해주는 유연함을 보여줍니다. 이러한 사용자 맞춤형 정보 제공 기능을 통해 연구자와 일반 대중 사이의 지식 격차를 줄이고, 복잡한 과학 원리를 보다 친숙하고 효과적으로 전달하는 것이 가능해집니다. 하지만 AI가 제공하는 정보가 항상 완벽한 것은 아닙니다. ChatGPT는 가끔 그럴싸하지만 사실이 아닌 답변을 내놓는 '환각 현상'이 발생할 수 있으므로, 이를 보완하기 위한 비판적 사고와 보조 도구 활용이 병행되어야 합니다. 정확한 논문 출처(레퍼런스)가 필요한 경우에는 실시간 검색 결과와 연동된 AI 서비스나 전문 학술 플랫폼을 함께 사용하는 것이 현명합니다. 또한 답변의 품질을 평가하는 피드백 기능을 적극적으로 활용하는 과정은 AI의 성능을 지속적으로 개선하고, 더욱 신뢰할 수 있는 정보를 얻는 데 도움을 줍니다. 이러한 신중한 접근 방식이 동반될 때 AI는 비로소 강력한 조력자가 됩니다. AI의 진화는 이제 범용적인 챗봇을 넘어 한국재료연구원의 재료공학 전용 플랫폼인 '스카이넷'과 같은 특화된 소프트웨어로 발전하고 있습니다. 이는 시뮬레이션을 통해 직접 소재를 제작하는 수고를 들이지 않고도 제품의 물성을 미리 예측하게 함으로써, 연구에 소요되는 막대한 시간과 비용을 획기적으로 절감해 줍니다. AI 기술과 전산재료공학 기술의 결합은 과거의 반복적인 시행착오를 미래의 예측 가능한 성공으로 바꾸어 놓았습니다. 앞으로의 과학 기술 발전은 인간의 창의적인 가설 설정과 AI의 강력한 데이터 분석 능력이 완벽한 조화를 이룰 때 더욱 가속화될 것으로 기대됩니다.

재료연구원이 바라보는 ChatGPT의 답변 실력은? l MA박사의 MA법재료
한국재료연구원과학 인터뷰🪄
  • 융합
  • 공학·기술

복잡한 건축 법령 '이것'으로 한 방에 해결!

건축물은 용도와 면적, 주변 환경에 따라 지켜야 할 법 규정이 매우 복잡합니다. 건축법부터 주택법, 국토계획법 등 약 500개의 법률이 존재하며, 시행령과 고시, 조례까지 모두 포함하면 그 수는 무려 3만 7천여 개에 달합니다. 이러한 규정들은 부처별로 흩어져 있고 수시로 개정되어 전문가조차 실시간으로 파악하기 어렵습니다. 법규를 제대로 숙지하지 못해 발생하는 불법 건축물 신고는 연간 수만 건에 이르며, 이는 막대한 행정적·경제적 손실로 이어지고 있습니다. 한국건설기술연구원은 이러한 문제를 해결하고자 생성형 인공지능 기반의 '스마트 건축규정 코파일럿'을 개발했습니다. 이 서비스는 복잡한 건축 규정을 사용자가 쉽게 검색하고 이해할 수 있도록 돕는 지능형 보조 시스템입니다. 기존의 단순 정보 나열 방식에서 벗어나, 사용자가 중심이 되어 행정 절차와 기술 기준을 체계적으로 확인할 수 있는 환경을 제공합니다. 이를 통해 일반 국민도 자신의 목적에 맞는 법령 정보를 신속하고 정확하게 안내받을 수 있게 되었습니다. 이 서비스의 핵심 기술은 건축법령 GPT입니다. 일반적인 생성형 AI와 달리, 자연어 처리(NLP)와 검색 증강 생성(RAG) 기술을 결합하여 정보의 신뢰도를 대폭 높였습니다. 질문자가 입력한 의도에 따라 수많은 조문과 유관 자료를 분석하여 가장 적절한 해답을 도출하는 원리로 작동합니다. 이를 통해 단순히 문장을 만드는 수준을 넘어, 법적 근거가 명확한 정보를 제공하며 복잡한 규정을 요약하거나 맞춤형 체크리스트를 생성하는 고도의 작업까지 수행이 가능합니다. 기술적으로 주목할 점은 5단계로 구성된 건축 법령의 상하 관계를 조문 단위로 정밀하게 매핑했다는 것입니다. 법률부터 조례까지 이어지는 체계를 일원화하여 사용자가 특정 위치의 지번 정보만 입력하면 해당 지역의 용도별 규모 제한과 기술 기준을 한눈에 파악할 수 있습니다. 또한, 주소 기반의 위치 정보 연계 기능을 통해 복잡한 지구단위계획까지 고려한 맞춤형 결과를 도출합니다. 이는 건축 설계와 시공 과정에서 발생할 수 있는 시행착오를 획기적으로 줄여주는 역할을 합니다. 스마트 건축규정 코파일럿은 건축 산업 전반의 디지털 전환과 행정 서비스 선진화를 이끄는 중요한 발판이 될 전망입니다. 누구나 어디서든 법률 정보를 쉽게 이용할 수 있는 환경을 구축함으로써, 건축 정보의 격차를 해소하고 법적 투명성을 높이는 데 기여할 수 있습니다. 연구진은 앞으로도 IT 기술과의 지속적인 융합을 통해 국내 기술의 국제 경쟁력을 강화하고, 건설 기술의 발전을 선도하는 역할을 수행할 것입니다. 이는 미래 건축 산업을 더욱 스마트하고 신뢰할 수 있게 만드는 밑거름이 될 것입니다.

복잡한 건축 법령 '이것'으로 한 방에 해결!
한국건설기술연구원건설기술 랜덤박스📦
  • 융합
  • 공학·기술

안전성평가연구소 l "AI가 독하네 AI를 활용한 독성연구" l 제 2회 독성정책연구포럼

인공지능 기술은 최근 노벨 물리학상과 화학상 수상자들이 모두 AI 관련 연구자였던 것에서 알 수 있듯이, 이제 생명 과학과 의학 연구 전반에서 핵심적인 위상을 차지하고 있습니다. 독성 정책 연구 포럼은 이러한 기술적 흐름에 발맞추어 과학 기술을 통해 사회 문제를 해결하고 연구 개발의 효율성을 극대화하는 방안을 모색합니다. 특히 산업계와 학계, 연구소가 협력하여 인공지능이 독성 연구와 정책 수립에 어떠한 혁신을 가져올 수 있을지 깊이 있는 논의가 필요한 시점입니다. 원자력 연구 분야에서 인공지능은 고전적인 수치 해석의 한계를 극복하는 수학적 도구로 활용되고 있습니다. 복잡한 원자로 내부의 물리 현상을 시뮬레이션하거나 수천 개의 계측 신호를 실시간으로 분석하여 이상 징후를 사전에 탐지하는 것이 대표적입니다. 기존의 방법론을 데이터를 기반으로 한 딥러닝 모델로 대체함으로써, 예측의 정확도를 높이고 수치 해석에 소요되는 방대한 시간을 획기적으로 단축하고 있습니다. 이는 원자력 안전 관리의 패러다임을 바꾸는 중요한 변화입니다. 최근에는 단순한 데이터 분석을 넘어 연구 행정 전반을 돕는 ‘에이전트 AI’의 도입이 활발해지고 있습니다. 보안이 중요한 연구 환경에 맞춰 폐쇄망 기반의 자체 모델을 구축하고, 원자력 분야에 특화된 지식 데이터를 학습시킨 맞춤형 GPT를 활용하는 방식입니다. 이를 통해 복잡한 규정 확인이나 기술 동향 보고서 작성 등 반복적이고 방대한 입력이 필요한 업무를 효율화할 수 있습니다. 연구자마다 지능형 조수를 두고 연구의 본질적인 탐구에만 집중할 수 있는 환경이 조성되고 있습니다. 사회과학 분야에서도 인공지능은 새로운 연구 파트너로서의 가능성을 보여주고 있습니다. 거대 언어 모델을 활용해 창의적인 연구 아이디어를 제안하거나 대규모 콘텐츠 분석을 수행함으로써 인간의 한계를 보완합니다. 다만 인공지능이 제공하는 결과물을 올바르게 판단하고 가공하기 위해서는 연구자 본연의 역량이 더욱 중요해집니다. 좋은 논문을 감별할 수 있는 안목과 비판적 사고가 전제될 때, 인공지능은 연구의 생산성을 비약적으로 높여주는 강력한 도구가 될 수 있기 때문입니다. 독성 예측의 핵심 기술인 QSAR(구조-활성 상관관계)는 화합물의 구조를 숫자로 변환하여 독성 유무를 판단하는 함수 시스템입니다. 베가(VEGA)나 톡스 스타(Tox-Star)와 같은 프로그램은 이러한 원리를 이용해 실험 없이도 물질의 위험성을 사전에 스크리닝할 수 있도록 돕습니다. 특히 OECD 가이드라인을 준수하는 투명한 검증 과정을 통해 예측 결과의 신뢰도를 객관적으로 평가할 수 있게 되었습니다. 이는 불필요한 동물 실험을 줄이고 신약 개발이나 화학 물질 등록에 필요한 비용과 시간을 절감하는 데 기여합니다. 인공지능 연구의 성패를 좌우하는 가장 큰 요인은 양질의 원시 데이터를 확보하고 가공하는 과정에 있습니다. 실제 연구 현장에서는 프로젝트 시간의 상당 부분을 데이터 전처리에 쏟을 만큼 이 과정은 매우 고됩니다. 하지만 체계적으로 관리된 데이터는 인공지능 모델의 정확도를 높이는 결정적인 자산이 됩니다. 따라서 단순히 알고리즘의 성능을 높이는 데 그치지 않고, 연구 데이터의 보관부터 변환, 활용에 이르는 전 과정을 표준화하고 공유할 수 있는 거버넌스 구축이 필수적으로 요구됩니다. 미래의 과학 연구는 인공지능과 인간 연구자가 협동하는 ‘에이전트 시스템’ 체제로 나아갈 것입니다. 인공지능이 방대한 데이터를 처리하고 실험 설계를 자동화하는 동안, 인간은 인공지능의 결과물을 검토하고 최종적인 의사 결정을 내리는 역할에 집중하게 됩니다. 인공지능이 인간을 완전히 대체하기보다는 각자의 영역에서 상호 보완적으로 작동할 때 과학 기술의 진보는 가속화될 것입니다. 연구자는 변화하는 환경 속에서 새로운 기술을 도구로 활용할 수 있는 소양을 끊임없이 길러야 합니다.

안전성평가연구소 l "AI가 독하네 AI를 활용한 독성연구" l 제 2회 독성정책연구포럼
국가독성과학연구소
  • 화학
  • 생명과학
  • 융합
  • 공학·기술

[강연] 인공지능과 단백질: 구조 예측에서 맞춤형 설계까지_by 백민경 | 고등과학원&카오스재단 '2024 노벨상 해설강연' | 2강

2024년 노벨 화학상은 인류의 생명 현상을 이해하는 핵심 열쇠인 단백질의 구조를 예측하고 설계하는 데 기여한 세 명의 과학자에게 돌아갔습니다. 데이비드 베이커 교수와 구글 딥마인드의 데미스 허사비스, 존 점퍼가 그 주인공입니다. 이들은 인공지능 기술을 생물학의 난제에 접목하여, 수십 년간 해결되지 않았던 단백질 구조 예측 문제를 획기적으로 해결했습니다. 이는 단순히 화학적 발견을 넘어 인류가 질병에 맞서고 새로운 물질을 창조하는 방식에 거대한 변화를 예고하는 역사적인 사건으로 평가받고 있습니다. 단백질은 우리 몸의 세포를 구성하는 기본 요소일 뿐만 아니라, 생명 유지에 필요한 거의 모든 화학 반응을 주도하는 일꾼입니다. 외부 병원체에 맞서 싸우는 항체, 영양소를 운반하는 택배원, 그리고 에너지를 생성하는 효소에 이르기까지 그 역할은 실로 무궁무진합니다. 이러한 단백질은 20가지 아미노산이 수천 개 이상 연결된 고분자 화합물로, 아미노산 서열이 어떻게 배열되느냐에 따라 독특한 3차원 구조를 형성합니다. 결국 단백질의 구조를 이해하는 것은 곧 생명의 작동 원리를 파악하는 것과 같습니다. 단백질 구조를 파악하는 것이 중요한 이유는 질병의 기전을 이해하고 치료제를 개발하는 데 결정적인 단서를 제공하기 때문입니다. 대표적인 예로 코로나19 바이러스의 돌기 단백질인 스파이크 단백질을 들 수 있습니다. 이 단백질이 인체 세포의 수용체와 결합하는 구조를 정확히 알게 되면, 그 결합을 방해하는 약물을 설계하거나 효과적인 백신을 만드는 것이 가능해집니다. 이처럼 단백질의 입체적인 형태를 알아내는 작업은 인류가 바이러스와 같은 위협에 맞서 싸울 수 있는 강력한 무기를 얻는 과정이라 할 수 있습니다. 과거에는 단백질 구조를 밝히기 위해 X선 결정법이나 극저온 전자 현미경 같은 실험 기법을 사용했지만, 이는 막대한 비용과 수년의 시간이 소요되는 고된 작업이었습니다. 하지만 구글 딥마인드가 개발한 알파폴드는 인공지능을 통해 단 몇 분 만에 높은 정확도의 구조를 예측해내며 패러다임을 바꿨습니다. 알파폴드는 진화 과정에서 보존된 아미노산 서열의 패턴을 학습하여, 실험 데이터가 부족한 상황에서도 단백질의 3차원 형태를 놀라운 정밀도로 재현해냈습니다. 이는 생물학 연구의 속도를 비약적으로 높인 혁명적인 성과입니다. 단백질 구조 예측이 서열로부터 구조를 찾아가는 과정이라면, 데이비드 베이커 교수가 주도한 단백질 디자인은 그 반대 방향의 도전입니다. 즉, 우리가 원하는 특정 기능을 수행할 수 있는 새로운 단백질 구조를 먼저 상상하고, 이를 구현할 수 있는 아미노산 서열을 설계하는 것입니다. 베이커 교수는 자연계에 존재하지 않는 완전한 인공 단백질인 'Top7'을 성공적으로 설계하며 그 가능성을 증명했습니다. 이는 인류가 자연의 진화에만 의존하지 않고, 목적에 맞는 생체 분자를 직접 창조할 수 있는 시대를 열었음을 의미합니다. 최근에는 생성형 인공지능 기술이 단백질 설계 분야에 도입되면서 연구 속도가 더욱 가속화되고 있습니다. 'RFdiffusion'과 같은 확산 모델 기반의 인공지능은 우리가 원하는 기능을 수행할 최적의 구조를 생성하고, 'ProteinMPNN'은 그 구조를 안정적으로 유지할 서열을 찾아냅니다. 이러한 기술적 진보 덕분에 과거 1% 미만이었던 단백질 설계 성공 확률이 비약적으로 상승했습니다. 이제는 전문적인 지식이 부족하더라도 인공지능을 활용해 누구나 목적에 맞는 단백질을 설계할 수 있을 정도로 기술적 장벽이 낮아지고 있습니다. 인공지능 기반의 단백질 설계 기술은 의료 분야를 넘어 환경 문제 해결에도 큰 기대를 모으고 있습니다. 플라스틱을 분해하는 강력한 효소를 설계하거나, 생분해성이 뛰어난 신소재를 개발함으로써 지구 환경을 보호하는 데 기여할 수 있기 때문입니다. 물론 단백질의 동적인 움직임을 완벽히 예측하거나 부족한 데이터를 보완해야 하는 과제가 남아있지만, 인류의 지식과 인공지능의 학습 능력이 결합한다면 불가능해 보였던 난제들도 하나씩 해결될 것입니다. 단백질 연구의 진화는 곧 인류의 더 나은 미래를 향한 여정입니다.

[강연] 인공지능과 단백질: 구조 예측에서 맞춤형 설계까지_by 백민경 | 고등과학원&카오스재단 '2024 노벨상 해설강연'

백민경

카오스재단카오스크로스
  • 화학
  • 생명과학

[강연] 기계학습과 물리학: 생성형 인공지능의 원리_by 조정효 | 고등과학원&카오스재단 '2024 노벨상 해설강연' | 1강

올해 노벨 물리학상은 인공지능의 핵심인 인공신경망의 기초를 확립한 과학자들에게 돌아갔습니다. 존 홉필드와 제프리 힌튼 교수는 물리학적 원리를 기계 학습에 도입하여 현대 인공지능의 토대를 마련했습니다. 이들의 연구는 단순한 공학적 성과를 넘어, 우리 뇌가 정보를 처리하고 기억하는 방식을 물리학적으로 해석하려는 시도에서 시작되었습니다. 이는 복잡한 연결망 속에서 스스로 질서가 창발하는 현상을 탐구한 결과이며, 물리학과 컴퓨터 과학의 경계를 허문 혁신적인 성취로 평가받습니다. 인공신경망의 기본 단위인 퍼셉트론은 생물학적 뉴런의 작동 방식에서 영감을 얻었습니다. 여러 뉴런으로부터 들어온 신호에 가중치를 곱해 합산하고, 이 값이 특정 임계치를 넘으면 다음 뉴런으로 신호를 전달하는 구조입니다. 초기 과학자들은 이를 통해 논리 연산을 수행하며 인공지능의 가능성을 엿보았습니다. 하지만 단일 계층의 퍼셉트론은 선형적으로 분리되지 않는 배타적 논리합(XOR)과 같은 복잡한 문제를 해결하지 못한다는 한계에 부딪히기도 했습니다. 이러한 한계를 극복하기 위해 도입된 것이 은닉층을 포함한 다층 신경망입니다. 수학적으로 증명된 보편적 어림 정리에 따르면, 적절한 은닉층을 가진 신경망은 어떤 복잡한 함수 관계도 표현할 수 있습니다. 이는 입력 데이터를 새로운 공간으로 변환하여 문제를 해결하는 과정으로 이해할 수 있습니다. 고양이 사진을 보고 고양이라고 판단하는 복잡한 분류 작업도 결국 데이터를 다차원적으로 해석하고 변환하는 신경망의 층을 통해 가능해지며, 이는 현대 딥러닝의 근간이 되었습니다. 신경망이 깊어질수록 수많은 매개변수를 최적화하는 것이 관건이 됩니다. 제프리 힌튼 교수는 오차 역전파와 경사하강법을 통해 이 문제를 해결했습니다. 실제 정답과 예측값 사이의 오차를 정의하고, 경사가 낮아지는 방향으로 매개변수를 조금씩 수정하며 최적의 상태를 찾아가는 방식입니다. 이는 마치 복잡한 지형에서 가장 낮은 골짜기를 찾아 내려가는 과정과 같습니다. 이러한 학습 알고리즘의 발전은 딥러닝이 실질적인 성능을 발휘하고 다양한 분야에 응용되는 결정적 계기가 되었습니다. 존 홉필드 교수는 기억의 형성을 물리학의 에너지 개념으로 설명했습니다. 데이터의 패턴을 에너지 지형의 골짜기로 정의하면, 불완전한 정보가 입력되더라도 에너지가 가장 낮은 상태를 찾아가며 원래의 기억을 복원할 수 있습니다. 이는 통계 물리학의 스핀 유리 모형을 응용한 것으로, 신경세포들이 함께 활성화될 때 연결이 강화된다는 헤비안 규칙과도 일맥상통합니다. 기억이란 결국 시스템이 안정적인 에너지 상태를 찾아가는 물리적 과정이며, 이를 통해 기계는 정보를 저장하고 회상하는 능력을 갖추게 됩니다. 생성형 인공지능의 원형인 볼츠만 머신은 확률 분포를 통해 데이터를 이해합니다. 힌튼 교수는 계산량 문제를 해결하기 위해 제한된 볼츠만 머신(RBM)을 고안했고, 이를 계층적으로 쌓아 심층 신경망의 학습을 가능하게 했습니다. 데이터를 압축하고 핵심 정보를 추출하는 이 과정은 확률 분포를 변환하는 고도의 수학적 작업입니다. 오늘날 우리가 목격하는 놀라운 생성형 AI의 성취는 데이터를 확률과 정보의 관점에서 다루는 이러한 물리적 통찰에서 비롯되었으며, 이는 단순한 분류를 넘어 새로운 정보를 창조하는 단계로 나아갔습니다. 정보는 이제 물리학과 생물학을 관통하는 핵심 개념으로 자리 잡았습니다. 맥스웰의 도깨비 역설을 해결한 정보 열역학부터 '비트에서 존재로(It from bit)'라는 철학적 통찰에 이르기까지, 자연 현상을 정보 처리 과정으로 보는 시각이 확산되고 있습니다. 인공지능의 발전은 인간의 특별함에 대한 질문을 던지는 동시에, 우리가 거대한 정보의 그물망인 인포스피어의 일부임을 깨닫게 합니다. 과학은 인간이 중심이 아니라는 사실을 일깨우며, 정보라는 보편적 언어를 통해 우주와 생명을 이해하는 더 넓은 세계로 우리를 인도합니다.

[강연] 기계학습과 물리학: 생성형 인공지능의 원리_by 조정효 | 고등과학원&카오스재단 '2024 노벨상 해설강연'

조정효

카오스재단카오스크로스
  • 물리학

원자력연구원의 오픈소스 거대언어모델 활용 방향

한국원자력연구원은 2020년 인공지능응용연구실 신설에 이어, 최근 가상 원자로 연구실과 통합한 '디지털 원자로 AI 연구 센터(DNA 연구 센터)'를 설립하며 원자력과 인공지능의 융합을 본격화하고 있습니다. 이곳에서는 원자력 전 분야에 인공지능 기술을 적용하여 핵심 기술을 연구하고 다른 부서를 지원하는 역할을 수행합니다. 단순히 기술을 도입하는 데 그치지 않고, 인공지능 그랜드 챌린지 우승 등의 성과를 거두며 원자력 특화 지능형 시스템 구축에 앞장서고 있습니다. 특히 원장 직속 조직으로서 연구원 내 인공지능 생태계 조성을 위한 중추적인 기능을 담당하고 있습니다. 생성형 인공지능의 급격한 발전은 연구 현장에 커다란 충격을 주었습니다. 과거 초등학교 수준의 수학 문제를 푸는 데 집중했던 인공지능이 이제는 수능 문제를 해결하고 인간의 평균 지능을 넘어서는 수준에 도달했기 때문입니다. 이에 따라 DNA 연구 센터의 역할도 단순한 데이터 모델링을 넘어 세 가지 방향으로 확장되었습니다. 첫째는 수학적 방법론으로서의 인공지능 활용이며, 둘째는 원자로 운전을 돕는 AI 에이전트 개발, 마지막은 연구 과정 자체를 효율화하는 시스템 구축입니다. 이러한 변화는 인공지능을 단순한 도구가 아닌 연구의 동반자로 인식하게 된 결과라 할 수 있습니다. 수학적 도구로서의 인공지능은 원자로 시뮬레이션과 진단 분야에서 혁신을 일으키고 있습니다. 기존의 수치 해석이나 미분 방정식 기반의 시뮬레이션은 계산 시간과 학문적 진보 면에서 한계에 부딪혔으나, 데이터를 활용한 딥러닝 모델은 이를 효과적으로 보완합니다. 원자로의 온도, 압력, 유량과 같은 방대한 시계열 데이터를 실시간으로 분석하여 평소와 다른 이상 징후를 사전에 감지하는 것이 대표적입니다. 또한 오픈소스 코드를 적극 활용하여 노심 해석과 열유체 해석을 가속화함으로써, 물리적 한계를 데이터로 극복하는 미래형 원자로 해석 체계를 구축해 나가고 있습니다. 연구 효율성을 높이기 위해 원자력연구원은 보안 환경에 맞춘 자체 LLM 서비스를 운영 중입니다. 망 분리 환경에 따라 외부망에서는 상용 AI 서비스를, 내부 업무망에서는 직접 개발한 ‘아톰 GPT’와 ‘KAERI GPT’를 제공하여 보안성과 편의성을 동시에 확보했습니다. 특히 연구 행정 분야에서의 활용이 돋보이는데, 채용 과정에서 방대한 논문 실적을 자동으로 검증하는 시스템을 구축하여 사람이 직접 수행하던 수개월 분량의 업무를 획기적으로 단축했습니다. 이는 단순한 챗봇을 넘어 복잡한 규칙과 모호한 데이터를 처리하는 RPA 기술과 인공지능 API가 결합되어 실제 행정 현장에서 신뢰할 수 있는 성과를 내고 있습니다. 향후 궁극적인 목표는 원자로 운전을 실시간으로 보조하는 ‘자비스’와 같은 AI 에이전트 시스템을 구현하는 것입니다. 복잡한 매뉴얼을 즉각 분석하고 현재 상태에 최적화된 대응책을 제안하는 ‘라지 액션 모델(LAM)’을 통해 원전 운영의 안전성을 극대화하고자 합니다. 또한 모든 연구원이 각자의 AI 에이전트 팀을 거느리고 코딩, 검수, 문서화 작업을 자동화하는 미래 연구 환경을 실현해 나갈 예정입니다. 데이터 분석 도구를 넘어 스스로 사고하고 행동하는 시스템으로서의 인공지능은 원자력 기술의 새로운 시대를 열어갈 핵심 동력이 될 것입니다.

원자력연구원의 오픈소스 거대언어모델 활용 방향
한국전자통신연구원오픈소스 테크데이
  • 물리학
  • 수학
  • 융합
  • 공학·기술

EOST2024 축사

‘ETRI 오픈소스 테크데이 2024’는 개방과 협력이라는 오픈소스의 핵심 가치를 공유하는 뜻깊은 자리입니다. 이번 행사는 ETRI를 비롯하여 한국과학기술정보연구원, 항공우주연구원, 화학연구원 등 8개의 정부출연연구기관이 공동 주관하여 그 의미를 더했습니다. 현재 오픈소스는 IT 분야를 넘어 산업 전반에 걸쳐 기술 혁신과 제품 개발 속도를 비약적으로 높이는 동력이 되고 있습니다. 특히 AI, 클라우드, 빅데이터와 같은 신산업 분야에서 급격한 발전을 이끄는 핵심 기반으로 자리 잡았습니다. 개방형 생태계를 통해 지식을 공유함으로써 인류의 기술적 한계를 함께 극복해 나가는 과정은 현대 산업 사회에서 필수적인 혁신 모델이라 할 수 있습니다. 최근 생성형 AI 기술의 진화는 오픈소스의 위력을 가장 잘 보여주는 사례입니다. 구글의 젬마(Gemma)나 메타의 라마 3.1(Llama 3.1)과 같은 모델들이 오픈소스로 공개되면서 전 세계 개발자들은 최첨단 기술을 바탕으로 더 빠르게 혁신을 이어가고 있습니다. 이제 오픈소스 역량은 의료, 제조, 항공우주 등 전통적인 산업군에서도 신속한 기술 확산을 가능케 하는 필수 요소로 평가받습니다. 다양한 분야의 전문가들이 모여 집단지성을 발휘할 때, 기술은 특정 기업의 소유를 넘어 사회 전체의 자산으로 거듭나게 됩니다. 이러한 흐름은 기술의 민주화를 촉진하며, 산업 전반의 경쟁력을 강화하는 결정적인 열쇠가 되고 있습니다. 과학기술정보통신부는 이러한 오픈소스의 중요성을 인식하고 생태계 활성화를 위한 다각적인 지원책을 추진하고 있습니다. 로봇과 모빌리티 등 신산업 분야의 오픈소스 소프트웨어(SW) 사업화를 지원하는 것은 물론, 연구개발(R&D) 시 기술료 면제나 사업비 부담 완화 등의 제도를 통해 혁신 환경을 조성하고 있습니다. 또한 멘토링 프로그램을 통해 미래의 오픈소스 리더를 양성하고, 최근 화두가 되는 공급망 보안 정책 수립에도 힘쓰고 있습니다. 정부와 출연연, 그리고 민간 커뮤니티가 긴밀히 협력할 때 우리 소프트웨어(SW) 산업은 한 단계 더 도약할 수 있습니다. 무한한 가능성을 지닌 오픈소스 생태계가 우리 산업의 든든한 뿌리가 되기를 기대합니다.

EOST2024 축사
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

오픈소스 및 데이터를 활용한설명가능한 의사결정 지원 인공지능 기술 연구

한국전자통신연구원(ETRI)은 지난 10년간 진행된 '엑소브레인' 과제의 성과를 바탕으로, 언어 지능 기술의 패러다임 변화에 맞춘 새로운 연구를 이어가고 있습니다. 과거에는 텍스트를 이해하는 인코더 중심의 모델이 주를 이루었으나, 챗GPT의 등장 이후 생성형 인공지능 모델의 중요성이 급격히 커졌습니다. 이에 따라 연구 방향도 대기업 중심의 거대 모델 개발보다는 오픈소스와 오픈 모델을 효과적으로 활용하여 특정 도메인에 최적화된 성능을 내는 방향으로 진화하고 있으며, 허깅페이스와 같은 생태계를 통해 연구 환경이 빠르게 변화하고 있습니다. 이번 과제의 핵심은 법률, 금융과 같은 전문 분야에서 종사자들의 의사결정을 돕는 '설명 가능한 인공지능'을 개발하는 것입니다. 기존의 인공지능이 단순히 질문에 대한 정답 단락을 찾아주는 방식이었다면, 이제는 생성형 인공지능 모델을 활용해 전문가들에게 필요한 정보를 논리적인 설명 형태로 제공하는 것을 목표로 합니다. 특히 인공지능의 내부 동작 과정을 알기 어려운 '블랙박스' 문제를 해결하기 위해, 도출된 결과에 대한 명확한 근거와 신뢰도 높은 자연어 설명을 덧붙임으로써 실무 현장에서의 활용성을 높이고자 합니다. 현재 챗GPT와 같은 초거대 언어 모델(LLM)은 범용 인공지능(AGI)을 향한 첫걸음으로 평가받지만, 여전히 할루시네이션(환각)이라 불리는 거짓 정보 생성 문제에서 자유롭지 못합니다. 이를 해결하기 위해 모델이 가진 내부 지식에만 의존하지 않고, 외부의 신뢰할 수 있는 문서를 먼저 검색한 뒤 그 내용을 바탕으로 답변을 생성하는 '검색 증강 생성(RAG)' 기술이 주목받고 있습니다. ETRI는 이러한 RAG 기술을 바탕으로 문장 단위의 사실성 검증 기능을 강화하여, 인공지능이 생성한 답변이 실제 사실과 부합하는지 판단하는 기술적 장치를 마련하고 있습니다. 전문 지식 서비스의 품질을 높이기 위해서는 영어 중심의 오픈 모델을 한국어와 특정 도메인에 맞게 최적화하는 과정이 필수적입니다. 이를 위해 한국어 사전을 확장하고 인스트럭션 튜닝을 거쳐 라마(Llama)나 미스트랄(Mistral) 같은 모델이 한국어 맥락을 정확히 이해하도록 재학습시킵니다. 특히 법률 판례 분석에서는 사례 간의 유사점과 차이점을 추론하고 어려운 법률 용어를 해석해 주는 기능을 구현하고 있습니다. 이러한 기술은 법률뿐만 아니라 금융 상담 분야에서도 데이터 기반의 협업을 통해 상담 평가 및 지식 제공 서비스로 확장되고 있습니다. 결론적으로 현대의 언어 지능 연구는 인프라부터 모델, 데이터에 이르기까지 오픈소스 생태계와의 긴밀한 연계 없이는 불가능한 구조가 되었습니다. 파이토치나 파이썬 같은 개발 환경은 물론이고, AI 허브의 공공 데이터와 공개된 언어 모델들을 기초 자산으로 삼아 그 위에 특화된 서비스 기술을 얹는 전략이 중요합니다. ETRI는 축적된 검색 기술과 사실성 검증 노하우를 기술 이전을 통해 산업계에 확산시킴으로써, 중소기업들이 고가의 장비나 방대한 데이터 없이도 고품질의 인공지능 서비스를 개발할 수 있도록 지원하는 가교 역할을 수행하고 있습니다.

오픈소스 및 데이터를 활용한설명가능한 의사결정 지원 인공지능 기술 연구
한국전자통신연구원오픈소스 테크데이
  • 뇌인지과학
  • 융합
  • 공학·기술

연구 현장의 생성 AI 활용 현황

최근 노벨상 수상 결과에서 알 수 있듯이 인공지능은 현대 과학의 핵심 동력으로 자리 잡았습니다. 하지만 실무자의 관점에서 볼 때 생성형 AI에 대한 몇 가지 중대한 오해가 존재합니다. 가장 대표적인 것은 AI가 연구자의 역량을 직접적으로 향상시켜 줄 것이라는 믿음입니다. 스마트폰이 보급되면서 오히려 기억력이 감퇴하고, 자동차를 타면서 근력이 약해지는 것처럼 AI 역시 도구로서 기능할 뿐 사용자의 본질적인 능력을 대신 키워주지는 않습니다. 따라서 AI를 통해 확보한 시간을 독서나 토론 등 인간 고유의 통찰력을 기르는 데 투자하는 지혜가 필요합니다. 인공지능은 목적에 따라 자동화, 데이터 분석, 계산 모델, 특화 AI, 생성형 AI로 구분할 수 있습니다. 많은 이들이 생성형 AI가 모든 문제를 해결해 줄 것이라 기대하지만, 기업이나 연구소의 특수한 문제를 해결하기 위해서는 해당 도메인에 특화된 AI를 구축하는 것이 훨씬 효과적입니다. 생성형 AI는 보편적인 지식 처리와 창작에는 능숙하지만, 내부 데이터가 부족한 전문 영역에서는 한계를 보이기 때문입니다. 따라서 연구 현장에서는 단순한 도구 도입을 넘어 각 분야의 전문성에 맞춘 AI 활용 전략을 수립하는 것이 무엇보다 중요합니다. 한국에너지기술연구원에서는 연구 효율을 높이기 위해 로보틱 처리 자동화 (RPA)를 적극적으로 도입하고 있습니다. 특히 연구 계획서 작성 시 연구자의 이력이나 성과 데이터를 정리하는 단순 반복 업무를 자동화함으로써 행정적 부담을 획기적으로 줄였습니다. 과거 수 시간이 걸리던 문서 작업이 이제는 10분 이내로 단축되어 연구자들이 본연의 연구 활동에 더욱 집중할 수 있는 환경이 조성되었습니다. 이러한 변화는 단순한 편리함을 넘어 연구의 질을 높이는 실질적인 기반이 되고 있으며, 공모전 수상 등을 통해 그 가치를 인정받고 있습니다. 물리나 화학 기반의 계산 모델과 실험 자동화가 결합된 자율화 실험실 (Autonomous Laboratory)도 연구 현장의 큰 변화 중 하나입니다. 로봇이 사람을 대신해 실험을 수행하고, AI가 가설 생성과 검증 과정을 담당하는 체계가 구축되고 있습니다. 특히 오픈 소스 생태계를 활용하여 신물질 합성 경로를 설계하거나 화학 반응 템플릿을 추천받는 등 전문가의 영역에 AI가 깊숙이 개입하고 있습니다. 이는 물리 모델의 한계를 극복하고 연구 속도를 가속화하는 핵심적인 역할을 수행하며 과학 기술의 새로운 지평을 열어가고 있습니다. 생성형 AI 기술은 이제 텍스트를 넘어 멀티모달과 에이전트 AI 단계로 진화하고 있습니다. 연구 현장에서는 사용자가 목적만 제시하면 스스로 최선의 수단을 찾아 결과를 도출하는 '일잘러' AI에 주목하고 있습니다. 특히 보안이 중요한 연구 데이터를 다루기 위해 외부 유출 걱정 없는 설치형 대규모 언어모델 (LLM)의 활용도가 높아지고 있습니다. 최근에는 성능이 뛰어난 소형 모델들이 등장하면서 개별 연구자나 소규모 팀에서도 맞춤형 AI 환경을 구축하여 코딩이나 질의응답 등에 효율적으로 활용할 수 있게 되었습니다. 연구 효율을 극대화하기 위해 직접 개발한 '논문 봇'이나 '딴지 봇' 같은 맞춤형 GPTs는 동료 연구자들 사이에서 큰 호응을 얻고 있습니다. 복잡한 논문에서 핵심 내용을 빠르게 추출해 워드 파일로 출력해 주거나, 연구자의 논리에 날카로운 비판을 던져 보완점을 찾게 도와주는 방식입니다. 이 과정에서 파이썬 코드를 패키징하여 AI 내부 서버에 설치하는 기술적 창의성을 발휘하기도 했습니다. 이러한 도구들은 단순히 정보를 전달하는 수준을 넘어 연구자의 사고 과정을 지원하고 데이터 시각화를 돕는 든든한 파트너로서 기능하고 있습니다. 성공적인 AI 도입의 이면에는 '고통을 감각하는 실무자'의 열정과 이를 지지하는 조직 문화가 있습니다. 단순 반복 업무에서 느끼는 불편함을 외면하지 않고 기술적으로 해결하려는 의지가 혁신의 시작점입니다. 한국에너지기술연구원 역시 경영진의 물질적 지원과 동료들의 긍정적인 피드백이 있었기에 연구와 행정의 경계를 허무는 AI 활용이 가능했습니다. 앞으로도 연구 현장의 실제적인 문제들을 하나씩 해결해 나가며, AI와 인간이 협력하여 더 큰 과학적 성취를 이뤄내는 미래를 만들어 가고자 합니다.

연구 현장의 생성 AI 활용 현황
한국전자통신연구원오픈소스 테크데이
  • 물리학
  • 화학
  • 융합
  • 공학·기술

[댓글 이벤트] 질문에 답해주는 줄 알았던 🖥️ChatGPT, 추론도 한다고??😮 인공지능과 뇌🧠 Part.1ㅣ선을 넘는 과학자들

인공지능 기술의 비약적인 발전은 인간의 언어를 기계에 담아내고자 하는 과학자들의 열망에서 시작되었습니다. 우리가 일상에서 나누는 대화에는 단순한 정보 전달을 넘어 개개인의 삶과 문화, 그리고 사고방식이 고스란히 녹아 있기 때문입니다. 특히 인간의 언어는 사건의 선후관계와 인과관계가 뚜렷한 스토리 구조를 가지고 있습니다. 초기 인공지능 연구는 이러한 인간 특유의 서사 구조를 그대로 모사하려 노력했지만, 긴 대화의 맥락을 유지하는 데 한계를 보였습니다. 하지만 최근의 기술은 이러한 한계를 극복하며 인간의 지식 체계를 더욱 자연스럽게 흡수하고 활용하는 단계에 이르렀습니다. ChatGPT가 성공할 수 있었던 핵심 비결은 역설적이게도 인간이 기억하고 사고하는 방식을 과감히 탈피한 데 있습니다. 인간은 사건을 시간 순서에 따른 비대칭적 인과관계로 파악하지만, 현대의 인공지능은 모든 사건을 대칭 구조로 바라보는 '시메트리' 원리를 채택했습니다. 이는 문장의 앞뒤관계를 무시하고 양방향으로 연관성을 분석하는 방식입니다. 하나의 문장을 수백 가지의 관점에서 동시에 해석함으로써, 인공지능은 인간이 이해하는 방식과는 전혀 다르지만 훨씬 정교하게 맥락을 파악할 수 있게 되었습니다. 이러한 사고의 전환이 인공지능의 성능을 비약적으로 높인 것입니다. 이러한 복잡한 대칭 구조의 연산을 가능하게 만든 일등 공신은 바로 GPU 하드웨어의 발전입니다. 기존의 CPU와 달리 GPU는 정방형 형태의 방대한 데이터를 동시에 처리하는 데 최적화되어 있어, 인공지능이 다각도로 해석한 메모리 연산을 신속하게 수행할 수 있도록 돕습니다. 결국 인공지능의 지능 수준은 얼마나 많은 데이터를 확보하고 메모리를 확장하느냐에 따른 자본과 기술의 싸움이 되었습니다. 현재는 막대한 자본력을 가진 빅테크가 앞서나가고 있지만, 앞으로는 특정 목적에 맞춰 효율적으로 크기를 줄이는 기술 또한 중요한 연구 과제가 될 전망입니다. 인공지능의 능력은 이제 단순한 텍스트 대화를 넘어 로봇 제어와 비디오 생성 기술 영역으로까지 확장되고 있습니다. 과거의 로봇이 정해진 명령만 수행했다면, 이제는 인공지능이 중재자가 되어 인간의 의도를 파악하고 여러 로봇에게 적절한 임무를 배분합니다. 또한 시나리오만으로 정교한 영상을 만들어내는 기술은 인공지능이 단순히 데이터를 조합하는 수준을 넘어, 세상의 물리 법칙과 자연 현상에 대한 나름의 지식 체계를 구축하고 있음을 보여줍니다. 시각과 청각 등 오감을 종합적으로 처리하는 멀티모달 기술의 발달은 인공지능이 실세계와 소통하는 방식을 근본적으로 바꾸고 있습니다. 인공지능 기술의 진화는 우리 사회의 다양한 분야에서 혁신적인 변화를 예고하고 있습니다. 교육 분야에서는 학생 개개인의 학습 패턴을 분석하여 교과 내용을 맞춤형으로 재구성함으로써 학습 효율을 극대화할 수 있습니다. 또한 중독이나 우울증과 같은 정신 건강 치료 분야에서도 인공지능의 정교한 추론 능력이 새로운 해결책을 제시할 것으로 기대됩니다. 인공지능이 인간의 사고력을 보완하고 향상시키는 도구로 자리 잡으면서, 우리는 기술이 인간에게 갖는 진정한 의미를 깊이 고찰해야 하는 시점에 서 있습니다. 이러한 변화는 두려움의 대상이 아니라 인간의 잠재력을 확장하는 기회가 될 것입니다.

[댓글 이벤트] 질문에 답해주는 줄 알았던 🖥️ChatGPT, 추론도 한다고??😮 인공지능과 뇌🧠 Part.1ㅣ선을 넘는 과학자들
국립과천과학관선을 넘는 과학자들🔬
  • 뇌인지과학
  • 융합

[댓글 이벤트] 우리는 인공지능과 친구🤝가 될 수 있을까? 인공지능과 뇌🧠 Part.3ㅣ선을 넘는 과학자들

인공지능이 우리와 대화를 나누고 전략을 세워주는 모습을 보면 마치 영혼을 가진 친구처럼 느껴지기도 합니다. 하지만 기술적으로 볼 때 인공지능은 인간의 지식과 사고방식이 담긴 방대한 데이터를 학습한 결과물에 가깝습니다. 우리가 챗GPT와 나누는 대화는 인공지능이라는 그릇에 담긴 인류 전체의 지혜, 즉 우리 자신과 소통하는 과정이라고 이해하는 것이 더 정확합니다. 인공지능은 맥락을 놓치지 않는 기술적 정교함을 통해 공감을 흉내 낼 뿐, 인간과 같은 방식의 자아를 가진 존재로 보기는 어렵습니다. 생성형 인공지능을 사용할 때 가장 주의해야 할 점은 정보의 출처와 진위 여부입니다. 인공지능은 방대한 데이터를 섞어서 새로운 결과물을 만들어내기 때문에, 사실과 허구를 명확히 구분하지 못하는 본질적인 특성을 가집니다. 비록 화이트 해킹 기법 등을 통해 데이터의 원천을 추적하려는 시도가 이어지고 있지만, 근본적으로 데이터의 경계를 나누는 일은 매우 까다롭습니다. 따라서 신뢰할 수 있는 정보를 얻기 위해서는 검색 엔진과 연동되어 출처를 명시해 주는 RAG(검색 증강 생성)와 같은 보완적인 도구를 활용하는 지혜가 필요합니다. 인공지능의 위험성은 기계의 악의가 아니라, 인간의 복잡한 가치 체계를 수치화된 목표로 완벽히 치환할 수 없다는 점에 있습니다. 인간은 윤리적이고 사회적인 규범 속에서 판단하지만, 인공지능은 단순히 설정된 점수를 최대화하는 방향으로 학습됩니다. 이러한 가치 정렬의 부재는 무인 자동차의 선택이나 군사적 시뮬레이션에서 의도치 않은 결과를 초래할 수 있습니다. 우리가 가진 미묘하고 복잡한 도덕적 기준을 인공지능에게 학습시키는 문제는 여전히 해결해야 할 거대한 과제로 남아 있으며, 이는 기술 적용에 신중해야 하는 이유가 됩니다. 인공지능의 규모를 나타내는 파라미터가 기하급수적으로 늘어나면서 성능 또한 비약적으로 발전하고 있습니다. 그러나 파라미터가 커진다고 해서 인공지능이 반드시 인간과 유사한 사고 과정을 거치는 것은 아닙니다. 최근 연구에 따르면 인공지능의 크기가 일정 수준을 넘어서면 인간의 판단 방식과 오히려 동떨어진 추론을 하거나 예상치 못한 행동을 보이는 경향이 나타납니다. 즉, 인공지능이 우리의 말을 잘 알아듣는 것처럼 보인다고 해서 그것이 우리와 같은 논리 구조를 공유하고 있다고 착각해서는 안 된다는 점을 시사합니다. 인공지능 기술을 교육이나 일상에 무분별하게 적용할 경우, 인공지능이 가진 편향성이 인간에게 전이되어 사고의 경직을 초래할 위험이 있습니다. 특히 인공지능과의 대화는 인간 사이의 소통보다 편향성을 더 빠르게 증폭시키는 특성이 있어, 사용자가 인지하지 못하는 사이에 특정 시각에 젖어들게 만듭니다. 다가오는 인공지능 시대에 필요한 역량은 기술에 종속되는 것이 아니라, 진짜와 가짜를 구분하고 인공지능과 인간의 차이를 명확히 인지하는 '메타인지'입니다. 이를 통해 인공지능을 도구로 활용하며 새로운 기회를 창출하는 주체적인 인간이 되어야 합니다.

[댓글 이벤트] 우리는 인공지능과 친구🤝가 될 수 있을까? 인공지능과 뇌🧠 Part.3ㅣ선을 넘는 과학자들
국립과천과학관선을 넘는 과학자들🔬
  • 뇌인지과학
  • 융합

[2024 ETRI Technology Report 1] 한국판 ‘달리’를 만들어내다 – 이영완 시각지능연구실 선임연구원

최근 챗GPT와 같은 생성형 인공지능의 비약적인 발전과 더불어 사용자가 원하는 이미지를 즉석에서 만들어주는 기술이 큰 주목을 받고 있습니다. 하지만 현재 글로벌 기업들이 제공하는 거대 모델들은 뛰어난 결과물을 보여주는 대신, 이미지를 한 장 생성하는 데도 긴 대기 시간과 막대한 전산 자원을 요구한다는 한계가 있습니다. 이러한 높은 운영 비용과 에너지 소모 문제는 일반 사용자들이나 중소 규모의 기업들이 해당 기술을 자유롭게 활용하는 데 큰 걸림돌이 되고 있습니다. 초지능창의연구소 시각지능연구실이 개발한 '코알라' 모델은 이러한 기존의 거대 모델을 획기적으로 압축하여 효율성을 극대화한 것이 특징입니다. 연구팀은 방대한 레이어 중에서 중복되거나 불필요한 레이어를 정교하게 제거하여 모델의 크기를 줄이는 전략을 취했습니다. 여기에 기존 거대 모델의 성능을 압축된 모델에 효율적으로 전수하는 '지식 증류' 기법을 적용함으로써, 원본 대비 절반 이하의 가벼운 사양으로도 두 배 이상 빠르게 결과물을 도출할 수 있는 최적화된 시스템을 구축했습니다. 이 기술은 광고 마케팅용 포스터 제작이나 교육용 콘텐츠 개발 등 비용 절감이 필수적인 다양한 산업 현장에 즉시 투입될 수 있는 실용성을 갖추고 있습니다. 연구팀은 향후 정지 영상을 넘어 훨씬 더 많은 연산량이 필요한 비디오 생성 분야까지 경량화 연구를 확대할 계획입니다. 거대 자본을 보유한 빅테크 기업들이 주도하는 인공지능 생태계에서, 누구나 적은 비용으로 고성능 AI를 누릴 수 있도록 기술의 문턱을 낮추는 'AI 민주화'의 실현이 이들의 궁극적인 지향점입니다.

[2024 ETRI Technology Report 1] 한국판 ‘달리’를 만들어내다 – 이영완 시각지능연구실 선임연구원
한국전자통신연구원ETRI 테크놀로지 리포트
  • 융합
  • 공학·기술

[연구원 인터뷰] 게임에 이렇게 진심??

초실감메타버스연구소의 이상광 책임연구원은 어린 시절 오락실에서의 추억부터 대학원 시절까지 게임에 대한 남다른 열정을 품어온 전문가입니다. 그는 게임을 단순히 즐기는 대상이 아니라 연구의 핵심 주제로 삼아 AI 기반의 게임 및 e스포츠 분석 기술을 고도화하고 있습니다. 특히 게임 산업에 대한 깊은 인사이트를 가진 개발자가 기술을 만들어야 실질적인 도움이 된다는 신념 아래, 가상 공간 내에서 사람과 콘텐츠가 유기적으로 상호작용할 수 있는 혁신적인 기술들을 연구하며 높은 직무 만족도를 보여주고 있습니다. 현재 집중하고 있는 AI 기반 e스포츠 분석 플랫폼은 방송 서비스와 훈련 지원이라는 두 갈래로 나뉩니다. 방송 측면에서는 실황 중계 중 승률을 실시간으로 예측하고, 주요 장면을 지능적으로 인식하여 하이라이트 영상을 자동으로 생성하는 기술을 포함합니다. 훈련 측면에서는 선수들의 경기 데이터를 축적하고 정제하여 개별적인 프로파일 정보를 제공하며, 이를 바탕으로 개인 맞춤형 훈련 프로그램을 추천하는 체계적인 시스템을 구축하고 있습니다. 이러한 기술은 경기 현장과 아카데미 등 다양한 영역에서 실질적인 변화를 이끌어낼 준비를 마쳤습니다. 데이터 수집 과정에서 겪는 현실적인 제약인 게임사의 기술 지원 부재를 극복하기 위해, 연구팀은 화면 이미지를 직접 분석해 정보를 추출하는 독자적인 AI 기술을 개발했습니다. 이 기술은 실제 경기장에서 수차례의 실증 과정을 거쳤으며, 2023년 한·중·일 e스포츠 대회에서는 승률 예측 서비스로 상용화되는 쾌거를 이루었습니다. 비록 라이브 방송 중 긴박하게 코드를 수정해야 했던 진땀 나는 순간도 있었지만, 국제 대회에서 영상 분석 기반의 분석 서비스를 성공적으로 선보인 세계 최초의 사례라는 점에서 그 의미가 매우 큽니다. 앞으로의 연구는 챗GPT와 같은 생성형 AI와 대규모 언어 모델(LLM)을 접목하여 한 단계 더 진화할 예정입니다. AI가 스스로 해설을 생성하거나 박진감 넘치는 관전 화면을 자동으로 연출하는 기술, 그리고 선수들과 대화하며 피드백을 주고받는 인터랙티브 코칭 시스템이 그 핵심입니다. 이는 게임에 대한 우리 사회의 부정적인 인식을 개선하고, 시청 중심의 e스포츠 문화를 더욱 풍성하게 만드는 데 기여할 것입니다. 단순히 중독을 우려하는 시선에서 벗어나, 기술이 결합된 건전한 여가 문화로서의 e스포츠가 지닌 새로운 가능성을 제시하고자 하는 열망이 담겨 있습니다. ETRI의 우수한 연구 인프라와 자율적인 환경은 연구자가 자신의 열정을 결과물로 증명할 수 있는 최적의 토양이 되어줍니다. 이상광 연구원은 동료들과의 협업을 통해 얻은 성과를 바탕으로, 자신의 연구가 산업적 가치를 넘어 사회적 기여로 이어지기를 꿈꾸고 있습니다. 다년간 쌓아온 AI 기술과 노하우가 기술 소외 계층이나 약소국가에 실질적인 도움을 줄 수 있는 도구가 되기를 바라는 것입니다. 최고 전문가라는 수식어보다 자신의 기술로 누군가에게 희망을 전하는 연구자가 되고 싶다는 그의 소박하면서도 따뜻한 비전은 한국 e스포츠 기술의 미래를 더욱 밝게 비춥니다.

[연구원 인터뷰] 게임에 이렇게 진심??
한국전자통신연구원ETRI 기술적 대화
  • 융합
  • 공학·기술

AI 기술 발전🎇에 따라 로봇 기능이 행동중심에서 자율적 대처까지 확장된다! 지금 가장 핫한 로봇공학🦾 | 2024 가족동반 진로탐색

로봇공학은 단순히 기계 장치를 만드는 것을 넘어 인간과 로봇 사이의 상호작용을 탐구하는 학문입니다. 특히 인간-로봇 상호작용(HRI) 연구는 로봇의 행동, 표정, 목소리가 인간에게 얼마나 자연스럽게 다가가는지를 중점적으로 다룹니다. 로봇은 인공지능 스피커나 컴퓨터와 달리 물리적인 실체를 가지고 움직이기 때문에, 이러한 '체화된 특징'은 인간의 인지 방식에 깊은 영향을 미칩니다. 따라서 로봇이 사람과 유사하게 반응하도록 설계하는 과정은 로봇이 우리 사회의 일원으로 받아들여지는 데 필수적인 요소가 됩니다. 로봇은 감각, 판단, 행동이라는 세 가지 핵심 기능을 갖춘 자율적인 기계 장치입니다. 감각과 판단은 주로 정교한 컴퓨터 알고리즘을 통해 구현되며, 행동은 기계적인 메커니즘과 제어 기술을 통해 물리적인 움직임으로 나타납니다. 이처럼 로봇공학은 기계, 전기전자, 컴퓨터 과학 등 다양한 학문이 결합된 대표적인 융복합 학문입니다. 단순히 정해진 명령을 수행하는 기계를 넘어, 복잡한 환경에서 스스로 상황을 인식하고 최적의 행동을 결정하는 지능형 시스템을 구축하는 것이 로봇공학의 궁극적인 지향점이라 할 수 있습니다. 최근 로봇공학의 가장 큰 변화는 생성형 인공지능 기술의 비약적인 발전과 접목입니다. 과거에는 로봇의 하드웨어 설계와 제어 시스템에 연구가 집중되었다면, 이제는 딥러닝을 통해 로봇이 스스로 상황을 판단하고 대처하는 능력이 향상되었습니다. 특히 거대 언어 모델 기반의 인공지능은 로봇이 인간의 복잡한 음성 명령을 이해하고, 시각 정보를 바탕으로 추론하며 자율적으로 임무를 수행하게 만듭니다. 이러한 기술적 진보는 로봇이 특정 시나리오를 벗어나 일반적인 환경에서도 인간과 자연스럽게 소통하며 협력할 수 있는 시대를 열어가고 있습니다. 미래 사회에서 로봇은 노동력 부족과 고령화 문제를 해결할 핵심적인 열쇠가 될 전망입니다. 인간의 형태를 닮은 휴머노이드 로봇은 기존의 산업 현장뿐만 아니라 일상적인 공간에서도 인간의 작업을 보조하고 대체할 수 있는 잠재력을 지니고 있습니다. 특히 고령화가 가속화되는 현대 사회에서 노년층의 일상생활을 돕는 돌봄 로봇에 대한 수요는 지속적으로 증가하고 있습니다. 이러한 사회적 요구를 충족하기 위해 로봇은 단순한 도구를 넘어 인간의 삶의 질을 높이는 동반자로서 그 역할이 점차 확대되고 있으며 관련 연구도 활발히 진행 중입니다. 로봇공학 전문가가 되기 위해서는 특정 분야의 지식을 넘어 다양한 학문을 아우르는 융합적 사고 능력이 필수적입니다. 기계, 전기전자, 코딩에 대한 기초 지식은 물론이고, 여러 전문가와 소통하며 문제를 해결하는 협업 능력이 무엇보다 중요합니다. 로봇은 혼자만의 힘으로 완성할 수 없는 복잡한 시스템이기 때문입니다. 따라서 청소년 시기부터 아두이노와 같은 교구를 활용해 직접 로봇을 제작해 보거나 관련 경진 대회에 참여하며 실전 경험을 쌓는 것이 좋습니다. 수많은 시도와 실패를 통해 얻은 경험은 미래의 로봇공학자로서 성장하는 데 소중한 자산이 될 것입니다.

AI 기술 발전🎇에 따라 로봇 기능이 행동중심에서 자율적 대처까지 확장된다! 지금 가장 핫한 로봇공학🦾 | 2024 가족동반 진로탐색
국립과천과학관과학강연👨‍🏫
  • 융합

ETRI 문장 입력하면 2초만에 뚝딱 이미지 만든다_코알라KOALA, 코라바Ko LLaVA

최근 인공지능 기술의 발전은 놀라울 정도로 정교해지고 있습니다. 특히 1.7B 파라미터를 가진 고성능 모델들은 인체의 전신뿐만 아니라 얼굴의 미세한 디테일까지 정밀하게 묘사해냅니다. 과거에는 구현하기 어려웠던 반사 광택이나 복잡한 질감을 실시간에 가까운 1.7초 내외의 빠른 속도로 처리하는 성능은 인상적입니다. 이러한 기술은 단순히 이미지를 생성하는 수준을 넘어, 시각적 정보를 분석하고 이를 풍부한 설명으로 풀어내는 단계에 도달했습니다. 시각 데이터의 뛰어난 구현력은 창작과 공학의 영역에서 새로운 혁신의 가능성을 열어주고 있습니다. 생성형 AI 모델을 운용할 때 기술적으로 가장 까다로운 부분 중 하나는 결과물의 일관성을 유지하는 것입니다. 특히 데이터 생성의 시작점이 되는 시드(Seed) 값이 달라질 경우 결과물의 색상이나 형태가 무작위로 변하는 문제가 발생하곤 합니다. 따라서 전문적인 작업에서는 이를 고정하여 안정적인 결과물을 얻는 과정이 매우 중요합니다. 이는 정지 화면뿐만 아니라 프레임 간의 연속성이 중요한 동영상 생성 분야에서 더욱 도드라지는 과제입니다. 최근의 기술들은 이러한 변동성을 최소화하여 사용자가 의도한 디자인과 색감을 흐트러짐 없이 유지하도록 설계되어 신뢰도를 높여가고 있습니다. 최신 인공지능 인터페이스는 이미지를 해석하고 이를 다시 상세한 언어로 설명하는 멀티모달(Multimodal) 기능을 강화하는 추세입니다. 시각 정보를 실시간으로 파악하여 풍부한 문장으로 출력하는 기능은 마치 기계와 소통하는 듯한 감각을 선사합니다. 비록 연산 과정에서 때로는 다소 긴 설명이 이어지기도 하지만, 이는 인공지능이 데이터의 세부 요소를 얼마나 밀도 있게 분석하고 있는지를 보여주는 증거이기도 합니다. 시각 정보와 언어를 자유자재로 넘나드는 고도화된 처리 기술은 앞으로의 사용자 경험을 획기적으로 변화시킬 것이며, 기술적 성숙도가 높아짐에 따라 활용 범위는 더욱 넓어질 전망입니다.

ETRI 문장 입력하면 2초만에 뚝딱 이미지 만든다_코알라KOALA, 코라바Ko LLaVA
한국전자통신연구원ETRI 기술적 대화
  • 융합
  • 공학·기술

2초, 문장이 이미지가 되는 시간초지능창의연구소 이용주 시각지능연구실장

최근 생성형 인공지능 기술은 텍스트를 넘어 이미지와 비디오를 자유롭게 다루는 '크로스 모달(Cross-Modal)' 시대로 빠르게 진입하고 있습니다. 이번에 공개된 코알라(KoALA)는 사용자가 입력한 문장을 바탕으로 신속하게 고품질 이미지를 생성하는 기술이며, 코라바(Ko-LLaVA)는 시각 매체를 통해 복합적인 질의응답이 가능한 혁신적인 대화형 모델입니다. 이러한 기술의 핵심은 텍스트, 음성, 영상 등 서로 다른 형식의 데이터를 상호 변환하고 이해하는 능력에 있습니다. 이는 단순한 정보 전달을 넘어 인공지능이 인간의 오감을 모방하고 확장하는 중대한 변화의 시작점이라 할 수 있습니다. 코알라(KoALA) 모델의 놀라운 성능 뒤에는 '지식 증류(Knowledge Distillation)'라 불리는 모델 경량화 기술이 자리하고 있습니다. 이는 거대한 크기의 교사 모델(Teacher Model)로부터 핵심적인 지식을 전수받아 상대적으로 작은 학생 모델(Student Model)이 효율적으로 학습하는 방식입니다. 덕분에 기존 모델 대비 크기를 3분의 1 수준으로 획기적으로 줄이면서도 생성 속도는 크게 개선되었습니다. 실제로 글로벌 인공지능 모델과 비교했을 때 약 5배나 빠른 1~2초 내외의 시간만으로도 정교한 이미지를 출력할 수 있습니다. 이러한 효율성은 고성능 하드웨어의 장벽을 낮추어 더 많은 분야에서 실용적으로 활용될 가능성을 열어주었습니다. 이러한 기술력은 교육, 문화, 광고 등 시각적 표현이 중요한 다양한 산업군에서 새로운 가치를 창출할 전망입니다. 광고 콘티 제작이나 창작 만화는 물론, 아이들을 위한 스토리북 생성까지 무궁무진한 비즈니스 모델이 가능해질 것입니다. 현재 글로벌 시장에서 비디오 생성 모델이 큰 주목을 받고 있는 만큼, 국내 연구진 또한 비디오 생성의 근간이 되는 핵심 알고리즘 개발에 박차를 가하고 있습니다. 비록 거대 모델 경쟁이 치열한 상황이지만, 우리만의 특화된 기술력을 바탕으로 틈새 시장을 공략하여 인공지능이 창작의 핵심 동반자로 자리 잡는 시대를 앞당기고자 합니다.

2초, 문장이 이미지가 되는 시간초지능창의연구소 이용주 시각지능연구실장
한국전자통신연구원ETRI 테크놀로지 리포트
  • 융합
  • 공학·기술

두 남자가 Sora에 대해 설명하는 영상 만들어줘! 동영상📹 생성 AI Sora 공개😮(With 한국지능정보사회진흥원 정원모 수석연구원) | 요즘과학

오픈AI가 공개한 동영상 생성 인공지능 '소라(Sora)'는 텍스트 입력만으로 최대 1분 분량의 고화질 결과물을 만들어내며 전 세계를 놀라게 했습니다. 일본어로 하늘을 뜻하는 그 이름처럼, 현실의 제약을 넘어 무한한 창의성을 발휘하겠다는 포부를 담고 있습니다. 특히 빗물에 비친 네온사인이나 선글라스 너머의 풍경까지 사실적으로 묘사하는 기술력은 인공지능이 우리 삶에 얼마나 깊숙이 들어왔는지를 실감하게 합니다. 이는 단순한 기술적 진보를 넘어 콘텐츠 제작의 패러다임을 바꾸는 신호탄이 되고 있습니다. 기존의 생성 모델들은 프레임 간의 일관성이 부족해 결과물 속 사물의 위치나 형태가 어색하게 변하는 한계가 있었습니다. 하지만 소라는 모든 장면을 프레임 단위로 쪼개어 분석하고, 물리 법칙과 빛의 흐름, 앞뒤 장면의 연관성을 정교하게 고려해 이미지를 생성합니다. 이러한 방식 덕분에 전체적인 맥락이 이어지는 자연스러운 표현이 가능해졌으며, 이는 영화 제작과 같이 고도의 정교함이 필요한 상업적 분야에서도 인공지능을 활용할 수 있는 환경을 조성했습니다. 소라의 등장은 관련 산업 전반에 거대한 변화를 예고하고 있습니다. 과거에는 대규모 인력과 막대한 비용이 투입되어야 했던 특수 효과나 그래픽 작업이 이제는 개인의 아이디어만으로도 구현 가능해졌기 때문입니다. 이제는 결과물을 어떻게 촬영하고 만드느냐는 기술적 숙련도보다, 어떤 이야기를 어떻게 담아낼 것인가에 대한 스토리텔링 능력이 더욱 중요해지는 시대가 되었습니다. 인공지능에 효율적으로 일을 시키기 위해 본질적인 전략을 세우고 창의적인 기획에 집중하는 능력이 핵심 경쟁력이 될 것입니다. 기술의 비약적인 발전 뒤에는 해결해야 할 과제들도 산재해 있습니다. 인공지능이 물리 법칙에 어긋나는 결과물을 생성하는 '할루시네이션(환각)' 현상이나, 딥페이크를 활용한 가짜 정보 및 음란물 제작 등 사회적 부작용에 대한 우려가 큽니다. 개발사는 이를 방지하기 위해 '레드팀'을 운영하며 부적절한 요청을 차단하는 방안을 마련 중이지만, 우회적인 질문을 통한 악용 가능성을 완전히 배제하기는 어렵습니다. 따라서 기술 공개에 앞서 안전성을 확보하고 윤리적인 가이드라인을 정립하는 노력이 반드시 병행되어야 합니다. 인공지능이 인간의 업무 능력을 상당 부분 대체하기 시작하면서 일자리 변화에 대한 막연한 두려움이 커지고 있는 것이 사실입니다. 특히 초급 기술자들의 역할이 줄어드는 '사다리 걷어차기' 현상은 우리가 직면한 현실적인 고민입니다. 그러나 역사적으로 인류는 거대한 산업적 변화 속에서도 새로운 환경에 적응하며 발전해 왔습니다. 다가올 인공지능 시대를 대비하는 가장 현명한 자세는 기술을 두려워하기보다 적극적으로 배우고 활용하여, 인공지능을 자신의 능력을 확장하는 도구로 삼는 것입니다.

두 남자가 Sora에 대해 설명하는 영상 만들어줘! 동영상📹 생성 AI Sora 공개😮(With 한국지능정보사회진흥원 정원모 수석연구원) | 요즘과학
국립과천과학관요즘과학👏
  • 융합

과학기술 전문인데 한국어도 잘하는 AI🦢

한국과학기술정보연구원(KISTI)에서 개발한 ‘코니(KONY)’는 과학기술정보에 특화된 거대언어모델입니다. 백조의 순우리말인 고니에서 이름을 따온 이 모델은 KISTI가 보유한 방대한 논문과 연구 보고서 등 전문적인 학술데이터를 체계적으로 분석하고 생성하는 데 최적화되어 있습니다. 기존의 범용 모델들과 달리 과학기술분야의 깊이 있는 전문 지식을 다루며, 연구자들이 실제 현장에서 필요로 하는 고도의 분석 서비스를 지원하기 위해 탄생한 독보적인 모델이라 할 수 있습니다. 생성형 AI의 등장은 사회 전반에 큰 변화를 불러왔지만, 과학기술분야에서는 여전히 한국어 지원이 부족하고 전문적인 정보를 정확하게 제공하는 모델이 절실했습니다. KISTI는 이러한 공백을 메우기 위해 과학기술정보의 유통과 분석을 통합적으로 지원할 수 있는 자체 모델 개발에 착수했습니다. 이는 단순히 문장을 생성하는 것을 넘어, 국내 연구 환경에 최적화된 신뢰할 수 있는 데이터를 기반으로 학술정보의 가치를 극대화하고 국가 경쟁력을 강화하는 중요한 발판이 될 것입니다. 코니(KONY)는 대국민 서비스인 ScienceON과 NTIS에 적용되어 지능형 과학기술정보 서비스를 제공할 예정입니다. 또한 예산이나 전문 인력이 부족한 중소기업과 공공기관이 거대언어모델을 원활하게 활용할 수 있도록 기술적인 지원을 아끼지 않을 계획입니다. 이미 국회와 군 등 다양한 기관에서 높은 관심을 보이고 있으며, 이는 특화된 거대언어모델에 대한 사회적 수요가 얼마나 큰지를 잘 보여줍니다. 코니(KONY)는 공공의 이익을 위해 폭넓게 활용될 준비를 마치고 점차 그 영역을 넓혀가고 있습니다. 향후 코니(KONY)는 성능 개량을 거쳐 정기적인 업데이트를 진행할 예정이며, 올해 7월에는 오픈소스 커뮤니티를 통해 대중에게 전격 공개될 계획입니다. 기존의 레거시 시스템과 유연하게 결합할 수 있는 모듈을 추가하고, 사용자 피드백을 바탕으로 한층 세밀한 튜닝 과정을 거치게 됩니다. 이는 단순히 기술적 진보를 넘어, 다양한 산업 현장과 공공 영역에서 실질적인 도구로 활용될 수 있는 범용성을 확보하기 위한 중요한 단계가 될 것이며 더 고도화된 성능을 기대하게 합니다. 궁극적으로 코니(KONY)는 단순한 거대언어모델을 넘어 ‘공학박사 수준’의 지능을 갖춘 AI를 지향합니다. 사용자 피드백을 반영한 정교한 인스트럭션 튜닝과 방대한 데이터셋 관리를 통해 모델의 완성도를 높여갈 것입니다. ‘데이터로 세계로 미래로’라는 슬로건 아래, 코니(KONY)는 대한민국 과학기술의 미래를 밝히는 힘찬 날갯짓을 시작했습니다. 연구자들의 든든한 조력자로서 과학기술 생태계에 새로운 활력을 불어넣고, 지식 정보의 새로운 기준을 제시할 코니(KONY)의 성장이 더욱 기대되는 시점입니다.

과학기술 전문인데 한국어도 잘하는 AI🦢
한국과학기술정보연구원연구원 소식💌
  • 융합
  • 공학·기술

국립광주과학관 2024년 1회(2월) 과학스쿨 : 우리가 사용하고 있는 컴퓨터 비전 기술들

컴퓨터 비전은 로봇의 눈을 만드는 학문으로 시작되었습니다. 1980년대부터 연구된 이 기술은 로봇이 주변 사물을 인지하고 상황을 파악하여 특정 대상을 목표로 삼거나 장애물을 피하는 등의 행동을 가능하게 합니다. 과거에는 단순히 계단을 오르거나 정해진 명령을 수행하는 로봇의 부속 기술로 여겨졌으나, 현대에 이르러서는 영상을 활용하는 거의 모든 기술의 근간이 되는 핵심 분야로 자리 잡았습니다. 2011년 후쿠시마 원전 사고는 로봇 공학계에 큰 반성을 안겨주었습니다. 수십 년간 연구해온 로봇들이 실제 재난 현장에서는 제 역할을 하지 못했기 때문입니다. 이를 계기로 미국의 DARPA는 DARPA 재난 로봇 대회를 개최했습니다. 로봇이 직접 차를 몰고 내리며, 문을 열고 밸브를 조작하는 등 인간 소방관의 역할을 대신 수행하는 고난도의 과제를 통해 컴퓨터 비전 기술은 한 단계 더 도약하는 계기를 맞이하게 되었습니다. 당시 대회에서 카이스트의 휴보(HUBO) 팀이 우승을 차지하며 한국의 기술력을 세계에 알렸습니다. 휴보(HUBO)는 3차원 정보를 이용해 계단을 인지하고 무게 중심을 이동하며 과업을 완수했습니다. 비록 당시의 기술로는 모든 과정을 자동화하기에는 부족함이 있었고 사람의 개입이 필요했지만, 이는 컴퓨터 비전 알고리즘이 실생활의 복잡한 문제를 해결하기 위해 어떤 방향으로 나아가야 할지를 보여준 중요한 이정표가 되었습니다. 2016년 알파고와 이세돌의 대결은 인공지능 기술이 대중화되는 결정적인 순간이었습니다. 하지만 컴퓨터 비전 전문가들은 이미 2012년부터 딥러닝의 위력을 실감하고 있었습니다. 이미지 인식 대회에서 딥러닝 기반 알고리즘이 압도적인 성적으로 우승하며 연구의 흐름을 완전히 바꾸어 놓았기 때문입니다. 이후 인공지능은 거를 수 없는 시대적 흐름이 되었고, 우리의 일상 속 다양한 분야에 깊숙이 침투하기 시작했습니다. 스마트폰 기술의 진화는 컴퓨터 비전의 발전을 가장 잘 보여줍니다. 과거에는 통화 품질이 핵심이었다면, 이제는 카메라와 영상 편집 능력이 제품의 경쟁력을 결정합니다. 대표적인 예인 얼굴 인식 기능은 사용자의 얼굴을 3차원으로 캡처한 뒤 수많은 특징점 사이의 거리를 계산하여 본인 여부를 판별합니다. 이러한 정밀한 알고리즘 덕분에 우리는 마스크를 쓰거나 조명이 어두운 곳에서도 안전하고 편리하게 기기를 사용할 수 있습니다. 최근 주목받는 생성형 AI 역시 컴퓨터 비전의 놀라운 성과입니다. 이는 마치 빈칸에 들어갈 숫자를 맞히는 수열 문제처럼, 이미지의 비어 있는 부분을 주변 맥락에 맞게 자연스럽게 채워 넣는 원리를 가집니다. 텍스트를 입력하면 인공지능이 그에 해당하는 노이즈 패턴을 생성하고, 이를 정교하게 제거하며 새로운 이미지를 만들어냅니다. 이러한 기술은 단순한 합성을 넘어 존재하지 않는 새로운 창작물을 만들어내는 단계에 이르렀습니다. 앞으로 컴퓨터 비전은 사회 전반을 혁신적으로 변화시킬 것입니다. 빌 게이츠는 인공지능을 그래픽 사용자 인터페이스(GUI)의 등장을 잇는 두 번째 거대한 변혁으로 꼽았습니다. 교육 현장에서는 학생의 표정을 분석해 이해도를 파악하고 맞춤형 학습을 제공하며, 의료 분야에서는 원격 진료와 영상 분석을 통해 소외된 지역의 사람들을 도울 수 있습니다. 결국 이 기술은 인간의 창의성을 돕고 사회적 난제를 해결하는 따뜻한 기술로 발전할 것입니다.

국립광주과학관 2024년 1회(2월) 과학스쿨 : 우리가 사용하고 있는 컴퓨터 비전 기술들
국립광주과학관강연&포럼
  • 융합

[강연] 세상을 바꾼 데이터와 인공지능_by박건웅 l 제 31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래" | 1강

데이터는 현대 인공지능을 움직이는 핵심 원료입니다. 과거에는 실험을 통해 소량의 데이터를 얻었지만, 이제는 누구나 정보를 생산하는 빅데이터 시대에 살고 있습니다. 유튜브와 SNS를 통해 쏟아지는 방대한 데이터는 인공지능이 더 똑똑하게 판단할 수 있는 기반이 됩니다. 마치 자동차가 휘발유를 동력 삼아 앞으로 나아가듯, 인공지능 역시 양질의 데이터를 바탕으로 우리 삶의 생산성을 높이고 새로운 가치를 창출하고 있습니다. 데이터의 힘은 스포츠 분야에서도 증명됩니다. 과거 농구 선수들은 직관에 의존해 슛을 던졌지만, 이제는 기대 득점 데이터를 기반으로 전략을 짭니다. 스테픈 커리와 같은 선수는 성공 확률이 낮더라도 기대 득점이 높은 3점 슛에 집중하여 현대 농구의 패러다임을 바꾸었습니다. 데이터를 통해 중거리 슛보다 골밑이나 3점 라인이 효율적임을 깨달은 팀들은 승리 확률을 높이기 위해 철저히 계산된 위치에서 경기를 운영하고 있습니다. 인공지능은 아이가 학습하듯 수많은 시행착오를 거치며 발전합니다. 자율 주차 프로그램이 수십만 번의 사고를 겪으며 주차 방식을 익히는 과정은 인공지능의 학습 원리를 잘 보여줍니다. 하지만 데이터의 양만큼이나 중요한 것이 맥락의 이해입니다. 단순히 색상이나 형태만으로 사물을 인식하면, 특정 상황에서 사람을 초밥으로 오인하는 오류를 범할 수 있습니다. 따라서 기계가 인간처럼 사고하기 위해서는 단순한 인식을 넘어선 고도화된 지능이 필요합니다. 최근 인공지능의 비약적인 성공은 하드웨어와 데이터 규모의 승리라고 볼 수 있습니다. 과거에는 최적의 모델을 설계하는 데 집중했다면, 지금은 엄청난 양의 데이터와 고성능 컴퓨터, 그리고 막대한 전력을 투입해 모델의 복잡도를 높이는 방식이 주를 이룹니다. GPT 시리즈처럼 모델이 거대해질수록 인공지능은 더욱 정교한 결과물을 내놓습니다. 하지만 이러한 방식은 데이터 생산의 한계와 에너지 소비 문제라는 현실적인 벽에 부딪히고 있습니다. 인공지능의 신뢰성은 입력되는 데이터의 질에 좌우됩니다. '쓰레기를 넣으면 쓰레기가 나온다'는 말처럼, 편향되거나 오염된 데이터는 잘못된 결과를 초래합니다. 인터넷 데이터의 대부분이 특정 국가나 계층에 집중되어 있다면, 인공지능은 전 세계의 다양한 문화를 공정하게 반영하지 못합니다. 또한 의도적으로 조작된 데이터는 구글 맵의 교통 정보를 왜곡하듯 시스템 전체를 혼란에 빠뜨릴 수 있으므로 데이터의 신뢰성 확보는 매우 중요한 과제입니다. 현재 인공지능이 직면한 가장 큰 숙제 중 하나는 인과 관계 추론입니다. 인공지능은 기저귀와 맥주가 함께 팔린다는 상관관계는 잘 찾아내지만, '왜' 그런 현상이 발생하는지에 대한 근본적인 이유는 설명하지 못합니다. 아이스크림 소비량과 익사 사고의 상관관계를 보고 아이스크림 판매를 금지하는 오류를 범하지 않으려면, 단순한 예측을 넘어 원인과 결과를 분석하는 능력이 필요합니다. 이를 위해 우리는 인공지능이 내린 판단의 근거를 이해할 수 있어야 합니다. 미래의 인공지능은 단순히 예측의 정확도를 높이는 것을 넘어, 데이터 오염과 개인정보 침해, 에너지 문제 등을 해결하는 방향으로 나아가야 합니다. 이를 위해서는 통계학이나 수학 같은 기초 과학의 역할이 무엇보다 중요합니다. 기초 지식을 바탕으로 인공지능의 한계를 극복하고 해석 가능한 모델을 만들어낼 때, 인공지능은 비로소 인간과 공존하며 진정한 도움을 주는 존재가 될 것입니다. 끊임없는 연구와 도전을 통해 우리는 더 나은 인공지능 시대를 열어갈 수 있습니다.

[강연] 세상을 바꾼 데이터와 인공지능_by박건웅 l 제 31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

박건웅

카오스재단서울대자연과학공개강연
  • 수학

[EOST2023] Generative AI로 촉발된 오픈소스 라이선스 이슈

오픈소스는 현대 소프트웨어 개발의 핵심적인 패러다임으로 자리 잡았습니다. 리눅스에서 시작된 오픈소스의 흐름은 모바일과 클라우드를 거쳐 현재 인공지능 시대를 점령하고 있습니다. 블록체인, IoT, 6G 네트워크 등 최신 ICT 기술 대부분이 오픈소스를 기반으로 발전하고 있으며, 이는 개발의 효율성을 극대화하는 장점을 제공합니다. 그러나 오픈소스는 단순히 무료로 코드를 사용하는 것이 아니라, 라이선스에 명시된 의무 사항을 준수해야 하는 법적 구속력을 가집니다. 이를 위반할 경우 심각한 소송으로 이어질 수 있기에 컴플라이언스의 중요성이 날로 커지고 있습니다. 특히 생성형 AI의 등장은 이러한 오픈소스 환경에 새로운 법적 도전 과제를 던지고 있습니다. 생성형 AI는 방대한 데이터를 학습하여 새로운 결과물을 창조해내는 특성을 가지고 있습니다. 이 과정에서 학습 데이터의 품질과 양이 생성물의 성능을 좌우하게 되는데, 여기서 저작권 문제가 발생합니다. AI 모델의 알고리즘 자체는 소스코드 라이선스의 영역이지만, 학습에 사용되는 데이터와 그 결과물은 저작권법의 보호를 받는 저작물인 경우가 많기 때문입니다. 기존의 오픈소스 라이선스 체계가 소스코드의 복제와 배포를 중심으로 설계되었다면, 생성형 AI 시대에는 학습 데이터의 출처와 사용 권한, 그리고 생성된 결과물의 저작권 귀속 문제까지 복합적으로 고려해야 합니다. 이는 개발자와 기업 모두에게 기존보다 훨씬 정교하고 확장된 법적 검토를 요구하는 변화라고 할 수 있습니다. 실제 사례로 스테이빌리티 AI와 게티 이미지 간의 소송을 들 수 있습니다. 게티 이미지는 스테이빌리티 AI가 자사의 저작권 있는 이미지 1,200만 개를 무단으로 학습에 사용했으며, 생성된 결과물에서 자사의 상표가 왜곡되어 노출됨으로써 브랜드 가치가 훼손되었다고 주장했습니다. 특히 학습에 사용된 데이터셋의 메타데이터는 자유롭게 이용할 수 있더라도, 개별 이미지에 대한 저작권은 별도의 협의가 필요하다는 점이 쟁점이 되었습니다. 이는 오픈 데이터셋을 활용할 때 데이터의 수집과 이용 단계에서 발생할 수 있는 저작권 침해 리스크를 명확히 보여줍니다. 상업적 목적으로 AI 서비스를 운영하는 기업들은 학습 데이터의 라이선스 범위를 더욱 엄격하게 관리해야 할 필요가 있습니다. 코드 생성 도구인 깃허브 코파일럿과 체스 엔진 스톡피쉬의 사례도 주목할 만합니다. 코파일럿 소송에서는 AI가 생성한 코드가 원저작자의 고지 및 공개 의무를 준수하지 않았다는 점이 주요 쟁점으로 다뤄지고 있습니다. 한편, 스톡피쉬와 체스베이스의 분쟁은 오픈소스 라이선스 위반이 AI 모델의 핵심인 가중치의 공개 여부로까지 확장된 사례입니다. 스톡피쉬 측은 독점 라이선스로 배포된 경쟁 제품이 자사의 GPL 라이선스를 위반했다고 주장하며 법정 공방 끝에 합의를 이끌어냈습니다. 이는 AI 모델의 가중치를 소스코드의 일부로 볼 수 있는지에 대한 논의를 촉발했으며, 기존 소스코드 중심의 오픈소스 라이선스가 AI 구성 요소 전반으로 확장될 수 있음을 시사합니다. 현재 세계 각국은 인공지능 기본법을 제정하며 AI 기술의 투명성과 책임성을 강화하는 추세입니다. 우리나라도 가이드라인을 통해 AI 학습용 데이터 수집과 저작권 보호 사이의 균형을 맞추기 위한 논의를 지속하고 있습니다. 데이터의 공정 이용 규정을 두어 기술 발전을 도모하자는 의견과 창작자의 권리를 엄격히 보호해야 한다는 주장이 팽팽하게 맞서고 있는 상황입니다. 앞으로의 오픈소스 컴플라이언스는 단순한 코드 검증을 넘어, 학습 데이터의 저작권과 생성물의 법적 책임까지 포괄하는 넓은 관점으로 진화해야 합니다. 아직 명확한 법적 판결이 나오지 않은 과도기인 만큼, 지속적인 트렌드 분석과 관찰을 통해 변화하는 기술 환경에 유연하게 대응하는 자세가 필요합니다.

[EOST2023] Generative AI로 촉발된 오픈소스 라이선스 이슈
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[EOST2023] 거대언어모델을 활용한 연구 효율화

ChatGPT가 등장한 지 1년도 채 되지 않아 바드, 하이퍼클로바X, 라마 등 다양한 거대 언어 모델(LLM)들이 쏟아져 나오고 있습니다. 현재 이 시장은 거대하고 강력한 모델을 지향하는 흐름과 오픈소스 기반의 최적화 모델을 지향하는 두 가지 흐름으로 나뉩니다. 초창기에는 텍스트 생성에만 치중되어 할루시네이션(환각) 문제가 심각하다는 우려도 컸습니다. 하지만 사용자가 직접 작성한 글을 번역하고 요약하며, 말투를 교정하는 등의 정교한 작업이 가능해지면서 단순한 검색 엔진을 넘어선 활용 가능성을 보여주고 있습니다. 거대 언어 모델(LLM)의 흥미로운 점은 가르치지 않은 능력이 발현되는 '창발' 현상입니다. 일정 규모 이상의 모델은 숫자 계산이나 논리적 추론, 심지어 문맥 속에 숨겨진 감정까지 파악해 내는 능력을 보여줍니다. 예를 들어 소년이 소녀에게 꽃을 주고 자리를 치워주는 행동을 묘사한 지문을 통해 두 사람 사이의 감정을 '사랑'으로 추론해 내기도 합니다. 이러한 능력은 연구자가 지문이나 근거 자료를 제공하고 그 안에서 새로운 통찰을 이끌어내거나 논리적인 분석을 요청할 때 매우 강력한 도구가 됩니다. 연구 현장에서 인공지능을 효율적으로 활용하기 위해서는 '검색 증강 생성(RAG)' 기술이 필수적입니다. 이는 단순히 모델의 지식에만 의존하는 것이 아니라 규정, 특허, 논문 등 신뢰할 수 있는 외부 데이터를 모델에게 제공하여 답변을 생성하게 하는 방식입니다. 이를 통해 오류를 방지하고 기관 내부의 데이터베이스를 기반으로 정확한 정보를 처리할 수 있습니다. 수많은 정보를 목적에 맞게 가공하고, 한정된 자원을 어디에 투자할지 결정하는 의사 결정 과정에 인공지능이 깊숙이 개입할 수 있게 된 것입니다. 이제 연구자는 핵심 질문만 던지면 인공지능이 보고서의 초안을 작성하고 관련 논문을 찾아 요약해 주는 시대를 살고 있습니다. SciSpace나 Perplexity 같은 도구는 수백 페이지에 달하는 논문 속에서 필요한 정보를 단숨에 추출하며, 인용 관계를 그래프로 보여주어 학문적 지도를 그려주기도 합니다. 또한 코딩 지식이 없어도 거대 언어 모델(LLM)에게 데이터 분석을 시키거나 발표용 그림을 생성하게 하는 등 작업 시간을 획기적으로 단축할 수 있습니다. 며칠이 걸리던 문헌 조사가 단 몇 시간 만에 끝나는 효율화가 현실이 되었습니다. 기술의 발전은 연구자에게 일의 본질이 무엇인지 다시 묻게 합니다. 이미지 생성 인공지능을 활용해 논문의 개념도를 그리거나 발표 자료를 꾸밀 때는 저작권과 윤리적 가이드라인을 지키는 것이 중요합니다. 인공지능은 더 이상 미래의 기술이 아니라 이미 누구나 누릴 수 있는 현재의 기술이기에, 이를 활용하지 않는 것은 손해에 가깝습니다. 인간은 역사적으로 새로운 도구와 싸워 이기려 하기보다 이를 이용해 더 큰 성취를 이뤄왔습니다. 이제 인공지능을 동료로 삼아 단순 작업에서 벗어나 더 깊고 창의적인 연구에 몰입해야 할 때입니다.

[EOST2023] 거대언어모델을 활용한 연구 효율화
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[EOST2023] LLM 3요소와 오픈소스의 발전

인공지능 기술의 발전은 지난 수십 년간 눈부신 변화를 거듭해 왔습니다. 과거에는 사람이 직접 특징을 정의하던 방식에서 딥러닝의 자동화로, 그리고 이제는 LLM의 시대로 접어들었습니다. LLM은 단순히 언어를 처리하는 도구를 넘어 산업의 근본적인 판을 흔드는 파급력을 지니고 있습니다. 특히 최근의 연구 흐름은 논문 발표와 동시에 오픈 소스를 공개하여 성능을 입증하는 방식으로 변화하며 기술의 대중화를 이끌고 있습니다. 언어 모델의 핵심은 문장에 확률을 매기는 작업에 있습니다. '백설 공주가 독사과를 먹었다'처럼 자연스러운 문장에는 높은 확률을, 어색한 문장에는 낮은 확률을 부여하며 학습합니다. 최근의 GPT와 같은 모델은 다음에 올 단어를 맞히는 과정을 통해 방대한 지식을 암기합니다. 초기에는 이 모델들이 단순히 암기한 내용을 꺼내 주는 지식 저장소 역할을 한다고 여겨졌으나, 모델의 크기가 커짐에 따라 인간의 일반 상식을 뛰어넘는 수준의 이해력을 보여주기 시작했습니다. 이제 LLM은 명시적인 알고리즘 없이도 숫자 정렬과 같은 복잡한 문제를 해결합니다. 과거에는 정렬을 위해 특정 프로그래밍 규칙이 필요했지만, 현재의 모델은 맥락을 이해하여 결과를 도출합니다. 이러한 능력은 프롬프트 엔지니어링을 통해 극대화됩니다. 예를 들어, 피자 주문을 받는 챗봇의 역할을 부여하면 모델은 사용자의 의도를 실시간으로 추론하며 적절한 답변을 생성하고 결과물을 구조화된 데이터로 요약해 줍니다. 이는 모델이 하나의 유연한 컴퓨팅 인프라로 작동함을 의미합니다. 모델의 성능을 결정짓는 세 가지 핵심 요소는 데이터, 컴퓨팅 자원, 그리고 파라미터입니다. 이들의 규모를 조절하며 확장할 때 성능이 지속적으로 향상된다는 '스케일링 법칙'은 LLM 발전의 기틀이 되었습니다. 최근에는 메타의 LLaMA나 Mistral과 같은 고성능 모델들이 오픈 소스로 공개되며 누구나 대규모 모델을 연구할 수 있는 춘추전국시대가 열렸습니다. 이는 빅테크 기업의 전유물이었던 LLM 기술이 연구 현장 곳곳으로 확산되는 계기가 되었습니다. 거대해진 모델을 효율적으로 다루기 위한 기술적 노력도 활발합니다. 모델의 연산 부담을 줄이기 위한 어텐션 메커니즘의 최적화나, 적은 비용으로도 특정 목적에 맞게 모델을 미세 조정할 수 있는 LoRA 같은 알고리즘이 대표적입니다. 특히 양자화 기술의 발전은 방대한 파라미터를 가진 모델을 일반적인 하드웨어에서도 구동할 수 있게 함으로써 기술 접근성을 획기적으로 높였습니다. 이러한 효율성 중심의 연구는 LLM이 실질적인 서비스로 구현되는 데 결정적인 역할을 합니다. 데이터의 측면에서는 단순한 양보다 질과 다양성이 더욱 중요해지고 있습니다. 최근 연구에 따르면 모델이 왜 그렇게 생각했는지 그 이유까지 함께 학습시키는 방식이 추론 능력을 비약적으로 향상시킨다는 점이 밝혀졌습니다. 또한 정형화된 템플릿보다는 실제 인간의 대화처럼 복잡하고 다양한 명령어를 포함한 고품질 데이터를 사용할 때 모델의 성능이 더 크게 개선됩니다. 이는 데이터 분석 AI를 통해 학습 데이터의 품질을 관리하는 새로운 연구 분야의 탄생으로 이어지고 있습니다. 앞으로 LLM은 여러 모델이 협력하는 멀티 에이전트 시스템이나 개인화된 인공지능, 그리고 물리적 로봇을 제어하는 뇌의 역할로 확장될 전망입니다. 하지만 한국어 전용 오픈 소스 모델의 부족이나 공정한 평가 지표 확립, 그리고 학습 데이터의 저작권 이슈 등 해결해야 할 과제도 여전히 남아 있습니다. 기술의 발전 속도에 맞춰 이러한 사회적, 기술적 문제들을 지혜롭게 풀어나가는 것이 LLM의 지속 가능한 발전을 위한 핵심이 될 것입니다.

[EOST2023] LLM 3요소와 오픈소스의 발전
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

인공지능은 어떻게 우리 질문에 답하는 것일까?

최근 전 세계적으로 ChatGPT에 대한 관심이 매우 뜨겁습니다. 이는 오픈AI가 개발한 생성형 인공지능으로, 방대한 데이터를 바탕으로 인간과 유사한 대화를 가능하게 합니다. 이러한 인공지능이 언어를 이해하는 핵심 원리는 트랜스포머 기술에 있습니다. 텍스트를 잘게 쪼개어 딥러닝 알고리즘으로 분석하는 이 방식은 인간의 뇌와 유사한 정보 처리 과정을 거칩니다. 또한, 인터넷과 서적 등 방대한 소스에서 학습된 매개변수를 활용하는 트랜스포머 아키텍처는 인공지능이 스스로 답변을 생성할 수 있도록 돕는 중추적인 역할을 수행하며 차세대 인공지능 경쟁의 서막을 알리고 있습니다. 인공지능의 언어 이해를 돕는 또 다른 핵심 기술은 셀프 어텐션입니다. 이는 인간의 주의력을 모방하여 문장에서 가장 중요한 단어에 집중하고 단어 간의 관련성을 추론하는 방법입니다. 덕분에 인공지능은 문맥의 전체적인 의미를 명확하게 파악할 수 있습니다. 하지만 이러한 발전에도 불구하고 여전히 보완해야 할 점은 존재합니다. 대표적으로 주관적인 가치 판단의 부재를 들 수 있는데, 특정 선택지에 대해 단정적인 답변을 내놓지 못하는 한계가 있습니다. 또한 과제 대필이나 가짜 뉴스 생성과 같은 윤리적 문제와 정보의 신뢰성 확보는 인공지능 서비스가 앞으로 반드시 해결해야 할 숙제로 남아 있습니다. 이러한 한계를 극복하기 위해 한국전자통신연구원(ETRI)이 개발한 엑소브레인이 주목받고 있습니다. 엑소브레인은 일반적인 대화에 치중하는 기존 서비스와 달리 법률이나 금융 등 전문 분야에서 명확한 설명과 근거를 함께 제시하는 인공지능입니다. 이는 정보의 출처와 근거를 밝힘으로써 가짜 뉴스와 같은 오정보를 선별하는 데 큰 도움을 줍니다. 4차 산업혁명의 핵심 동력인 인공지능 기술은 이제 단순한 답변 생성을 넘어 신뢰할 수 있는 지식 파트너로 진화하고 있습니다. 국내 연구진이 주도하는 인공지능 핵심 기술의 발전은 앞으로 우리 사회의 다양한 문제를 해결하고 새로운 혁신을 이끌어갈 것으로 기대됩니다.

인공지능은 어떻게 우리 질문에 답하는 것일까?
한국전자통신연구원ETRI 인사이드
  • 융합
  • 공학·기술

지금 🎭딥페이크 기술은 어디까지 도달했는가?!?!ㅣ2023 미래 과학 트렌드 출간기념 강연

딥페이크라는 용어는 최근 다양한 기사와 범죄 사례를 통해 대중적으로 알려졌지만, 그 기술적 원리와 인공지능의 발전 과정에 대한 이해는 상대적으로 부족합니다. 인공지능은 1950년대에 개념이 등장한 이후 여러 번의 침체기와 도약기를 거쳤습니다. 특히 2016년 알파고의 등장으로 인해 딥러닝이 주목받으면서 인공지능 연구가 다시 활발해졌고, 우리나라 과학자들에게도 큰 영감을 주었습니다. 이러한 흐름 속에서 인공지능의 학습 방식은 점차 진화해왔습니다. 초기의 인공지능은 주로 데이터를 분류하거나 예측하는 데 집중했으나, 2014년 이안 굿펠로우가 발표한 GAN(생성적 적대 신경망) 알고리즘의 등장으로 생성형 인공지능 시대가 열렸습니다. GAN은 두 개의 신경망이 서로 경쟁하며 실제와 유사한 이미지를 만들어내는 방식으로, 기존 데이터에 없는 새로운 이미지를 생성할 수 있게 했습니다. 이 기술은 이미지 생성뿐만 아니라 문장 생성 등 다양한 분야로 확장되었고, 인공지능의 활용 범위를 크게 넓혔습니다. 딥페이크는 딥러닝 기술을 활용해 가짜 이미지를 만들어내는 대표적인 예시입니다. 처음에는 미국의 한 커뮤니티에서 유명인의 얼굴을 영상에 합성하는 방식으로 시작되었으며, 이후 일반 사용자들도 쉽게 접근할 수 있는 기술로 발전했습니다. 얼굴 이미지를 자연스럽게 변형하거나 합성하는 기술은 광고, 영화, 뮤직비디오 등 다양한 콘텐츠 제작에 활용되고 있습니다. 실제로 유명 배우의 젊은 시절 모습을 재현하는 광고 등에서 딥페이크 기술이 이미 상용화되고 있습니다. 예를 들어, ChatGPT와 같은 모델은 미리 학습된 언어 데이터를 바탕으로 새로운 문장과 대화를 생성할 수 있습니다. 이러한 기술은 인간의 창의력과 유사한 결과물을 만들어내며, 실제로 가족 사진에서 10대 시절의 얼굴을 재현하는 등 놀라운 경험을 제공하기도 합니다. 인공지능이 유전자와 비슷한 수준의 창조성을 보여주는 시대가 도래한 것입니다. 현재 인공지능은 특정 분야에 최적화된 약인공지능에서 벗어나, 인간처럼 다양한 분야에서 창의적이고 의지를 가진 강인공지능으로 발전하고자 하는 목표를 가지고 있습니다. 알파고가 바둑에 특화된 인공지능이었다면, 최근의 생성형 인공지능은 모든 분야에서 인간을 뛰어넘는 능력을 발휘하는 것을 지향합니다. 이러한 발전은 보안, 윤리 등 새로운 사회적 고민을 불러일으키고 있으며, 기술의 발전과 함께 책임 있는 사용과 규제가 더욱 중요해지고 있습니다.

지금 🎭딥페이크 기술은 어디까지 도달했는가?!?!ㅣ2023 미래 과학 트렌드 출간기념 강연
국립과천과학관책📖저자강연
  • 융합

제2회 인공지능오딧세이 포럼 '인공지능 챗 GPT시대, 진정한 창의성이란?' 제2부 : 챗 GPT의 저작권, 교육, 윤리

챗GPT의 등장은 법조계에 거대한 질문을 던지고 있습니다. 특히 지식재산권 분야에서는 인간의 사상이나 감정이 직접적으로 담기지 않은 인공지능의 결과물을 법적 저작물로 인정할 수 있는지가 논의의 중심에 있습니다. 현행법상 저작물은 인간의 창작물로 정의되기에, 인공지능이 만든 성과를 보호하기 위해서는 기존 법체계를 개정하거나 새로운 법적 틀을 마련해야 한다는 목소리가 높습니다. 이러한 법적 질서의 재편은 인공지능이 우리의 삶을 바꾸는 과정에서 발생할 수 있는 혼란을 방지하고 질서를 유지하는 데 필수적인 요소가 될 것입니다. 인공지능 학습을 위해 대규모 데이터를 수집하고 활용하는 과정에서도 저작권 충돌이 빈번하게 발생하고 있습니다. 웹 스크래핑을 통한 데이터 수집은 창작자의 허락 없이 이루어지는 경우가 많아 마이크로소프트나 오픈AI를 상대로 한 소송으로 이어지기도 합니다. 저작권을 강하게 보호하여 인간의 창작 의욕을 고취할 것인지, 아니면 데이터 활용의 자율성을 높여 인공지능 산업 발전을 도모할 것인지에 대한 합리적인 균형점을 찾는 것이 시급한 과제입니다. 이는 단순히 법적 문제를 넘어 우리 사회의 창작 생태계를 결정짓는 중대한 결정이 될 것입니다. 교육 현장 역시 인공지능이라는 거대한 변화의 파도 앞에 새로운 길을 모색하고 있습니다. 수학 수업에서 사고력을 높이기 위해 계산기 사용을 허용하듯이, 챗GPT를 무조건 금지하기보다는 교육적으로 어떻게 슬기롭게 활용할지 고민해야 합니다. 단순히 정해진 코딩 기술을 습득하는 과거의 방식에서 벗어나, 인공지능을 도구로 삼아 새로운 콘텐츠를 생산하고 이를 비판적으로 분석할 수 있는 능력을 길러주어야 합니다. 이와 더불어 기술을 올바르게 사용하기 위한 디지털 인성과 윤리 교육이 학교 현장에서 더욱 중요해지고 있습니다. 인공지능은 예술과 음악 등 인간의 고유한 창의적 영역으로 여겨졌던 활동에서도 놀라운 성과를 보여주며 인간보다 뛰어난 결과물을 내놓기도 합니다. 하지만 방대한 데이터를 바탕으로 확률적인 답변을 생성하는 과정에서 발생하는 '할루시네이션(환각)', 즉 그럴싸한 거짓말은 여전히 해결해야 할 기술적 한계로 남아 있습니다. 이러한 허위 정보가 정치적 선동이나 사회적 혼란을 야기할 수 있는 만큼, 기술 발전의 잠재력을 누리는 동시에 그로 인한 피해를 최소화하기 위한 사회적 대책과 전문가들의 대안적 연구가 반드시 병행되어야 합니다. 미래의 일자리 지형은 더 이상 특정 직업의 틀에 고착되지 않을 것입니다. 자동차가 등장했을 때 육상 선수의 속도보다 운전 능력이 중요해졌듯이, 이제는 방대한 정보를 이해하고 활용하는 능력이 생존의 핵심 역량이 되었습니다. 과거의 암기 위주 학습에서 벗어나, 쏟아지는 정보 속에서 가치 있는 데이터를 캐치하고 이를 자신의 목적에 맞게 재해석하는 능력을 발굴하는 데 집중해야 합니다. 10년 뒤의 직업을 미리 걱정하기보다는, 어떤 환경에서도 변화에 적응하고 정보를 다룰 수 있는 기초적인 내공을 쌓는 것이 더욱 실질적인 준비가 될 것입니다. 글로벌 플랫폼 시장에서의 경쟁력 확보 역시 한국 사회가 직면한 중요한 쟁점입니다. 한국은 독자적인 포털과 워드 프로세서 생태계를 지켜낸 저력이 있지만, 인공지능 시대에도 이러한 '수성' 방식이 유효할지는 미지수입니다. 자칫 국내 시장의 특수성에만 안주할 경우 일본의 사례처럼 '갈라파고스 현상'을 겪으며 기술적 고립에 빠질 위험이 있습니다. 따라서 인공지능 경쟁에서는 한국어 특화라는 강점을 전략적으로 활용하는 동시에, 세계 시장을 겨냥한 보편적인 기술력을 확보하여 글로벌 표준과 끊임없이 호흡하며 경쟁력을 키워나가야 합니다. 인공지능과 공존하는 시대에 인간의 생존 전략은 인공지능을 적이 아닌 든든한 동료로 만드는 데 있습니다. 인공지능이 평균적인 수준의 결과물을 빠르게 만들어낸다면, 인간은 그 위에 자신만의 전문성과 통찰력을 담아 완성도를 극대화하는 역할을 수행해야 합니다. 모든 분야를 인공지능보다 잘하려 애쓰기보다는, 자신이 가장 잘하는 단 하나의 분야를 깊게 탐구하여 인공지능이 대체할 수 없는 고유한 영역을 확보하는 것이 중요합니다. 인공지능이 제공하는 50점짜리 결과물을 90점 이상의 가치로 바꾸는 인간의 기획력이 일자리의 미래를 결정할 것입니다.

제2회 인공지능오딧세이 포럼 '인공지능 챗 GPT시대, 진정한 창의성이란?' 제2부 : 챗 GPT의 저작권, 교육, 윤리
국립광주과학관강연&포럼
  • 융합

제2회 인공지능오딧세이 포럼 '인공지능 챗 GPT시대, 진정한 창의성이란?' 제1부 : 챗 GPT 제너레이션

챗GPT는 단순한 정보 검색 기능을 넘어 사용자의 의도와 맥락을 파악하는 새로운 형태의 인공지능입니다. 많은 사용자가 챗GPT의 답변에 무심코 고맙다는 인사를 건네는 이유는, 기계적인 결과물이 아니라 마치 사람과 대화하는 듯한 정서적 연결을 느끼기 때문입니다. 하지만 챗GPT는 완벽한 정답을 알려주는 기계가 아니라는 점을 명심해야 합니다. 질문자의 의도에 맞춰 답변을 생성하는 특성상 오류가 발생할 수 있으므로, 최종적인 검증은 여전히 인간의 몫으로 남아있습니다. 기존의 검색 엔진이 수많은 데이터 속에서 태그가 일치하는 정보를 찾아주는 방식이었다면, 생성형 인공지능은 세상에 없던 새로운 결과물을 만들어냅니다. '화성에서 우주복을 입은 사자'와 같이 현실에 존재하지 않는 조합도 인공지능은 학습된 데이터를 바탕으로 정교하게 시각화하거나 서술할 수 있습니다. 이러한 특성은 사용자가 원하는 구체적인 상황과 목적에 딱 맞는 맞춤형 정보를 제공하는 데 최적화되어 있습니다. 기존의 수렴형 검색에서 나아가 창의적인 조합이 가능해진 것입니다. 검색의 패러다임은 점차 사용자의 취향을 깊이 반영하는 맞춤형으로 진화하고 있습니다. 챗GPT는 사용자의 과거 대화 기록이나 취향을 학습하여, 수십 개의 선택지 대신 단 하나의 최적화된 제안을 내놓습니다. 예를 들어 여행지 맛집을 추천할 때도 사용자의 평소 식습관과 최근 먹은 음식까지 고려한 결과물을 제시합니다. 이러한 강화 학습을 통해 인공지능은 시간이 갈수록 나를 가장 잘 아는 비서가 되어가며, 이는 광고 수익을 위해 여러 번의 클릭을 유도하던 기존 포털의 질서를 위협하고 있습니다. 챗GPT의 진정한 위력은 다른 프로그램과의 연결성에서 나옵니다. API를 통해 엑셀, 파워포인트, 영상 편집 도구 등과 결합하면 말 한마디로 복잡한 업무를 수행할 수 있습니다. 특히 코딩 영역에서의 변화가 눈부십니다. 이제는 복잡한 프로그래밍 언어를 배우지 않아도 인간의 자연어로 명령만 내리면 인공지능이 직접 코드를 작성하고 게임을 개발하는 시대가 되었습니다. 이는 논리적 사고력과 인문학적 상상력을 갖춘 사람들이 기술적 장벽 없이 자신의 아이디어를 구현할 수 있는 환경을 의미합니다. 기업 환경에서는 마이크로소프트 코파일럿과 같은 도구가 혁신을 주도하고 있습니다. 기획안 작성부터 데이터 분석, 발표 자료 제작까지 과거에 여러 명의 직원이 수일에 걸쳐 하던 업무를 인공지능이 단 몇 분 만에 처리해냅니다. 회의 내용을 실시간으로 요약하고 핵심 의제를 정리하는 기능은 업무 효율성을 극대화합니다. 이러한 변화는 단순 반복 업무를 줄여주는 긍정적인 면도 있지만, 동시에 기업 경영진에게 인력 효율화라는 과제를 던지며 일자리 구조의 근본적인 변화를 예고하고 있습니다. 플러그인의 등장은 챗GPT를 하나의 거대한 생태계로 진화시켰습니다. 이전의 연결이 특정 프로그램 간의 결합이었다면, 이제는 플랫폼 안에서 여행 예약, 음식 주문, 쇼핑 등 거의 모든 라이프스타일 서비스를 직접 제어할 수 있게 된 것입니다. 이는 마치 스마트폰이 처음 등장했을 때처럼 우리의 일상을 근본적으로 바꾸는 '제2의 아이폰 혁명'과도 같습니다. 기술이 사용자의 말을 완벽히 알아듣기 시작하면서, 우리는 복잡한 조작 없이도 전 세계의 서비스와 연결되는 편리함을 누리게 될 것입니다. 나아가 인공지능은 사물인터넷(IoT)과 자율주행차 등 하드웨어와도 결합하여 우리 삶의 통합 컨트롤러 역할을 수행하게 될 것입니다. 집 안의 조명을 조절하거나 필요한 시간에 차를 대기시키는 일들이 모두 자연스러운 대화로 가능해집니다. 누구나 자신만의 인공지능 비서인 '자비스'를 소유하게 되는 셈입니다. 이러한 변화는 단순히 편리함을 넘어 새로운 비즈니스 기회를 창출하고 인류의 라이프스타일을 재정의할 것입니다. 인공지능과의 공존은 이제 선택이 아닌 필수가 되었으며, 우리는 이 거대한 흐름에 올라타야 합니다.

제2회 인공지능오딧세이 포럼 '인공지능 챗 GPT시대, 진정한 창의성이란?' 제1부 : 챗 GPT 제너레이션
국립광주과학관강연&포럼
  • 뇌인지과학
  • 융합

ICT가 이끄는 아나바다

최근 생성형 AI와 같은 첨단 ICT의 발전은 우리 삶에 편리함을 주었지만, 이와 동시에 막대한 환경적 비용을 수반하고 있습니다. 우리가 일상적으로 수행하는 구글 검색만으로도 연간 상당량의 이산화탄소가 배출되며, 대규모 언어 모델인 GPT-3의 학습 과정에서는 수백 톤에 달하는 온실가스가 발생한다는 연구 결과가 있습니다. 이는 수백 마리의 소가 일 년 동안 내뿜는 탄소량과 맞먹는 수준입니다. 뿐만 아니라 데이터 센터 운영에 필요한 대규모 전력 소비와 냉각을 위한 물 사용, 그리고 폐기물 발생 등은 ICT가 해결해야 할 심각한 환경적 과제로 떠오르고 있습니다. 하지만 ICT가 환경에 부정적인 영향만을 미치는 것은 아닙니다. 유엔이 설정한 지속가능발전목표 중 '책임 가능한 소비와 생산' 분야에서 ICT는 핵심적인 해결사 역할을 수행할 수 있습니다. 과거 우리나라의 '아나바다' 운동처럼 자원을 아껴 쓰고 나눠 쓰는 정신을 현대적인 기술로 구현하는 것입니다. 3D 프린팅이나 디지털 트윈 기술을 활용하면 제품 생산 전 시뮬레이션을 통해 불필요한 자원 낭비를 획기적으로 줄일 수 있습니다. 또한, 고성능 컴퓨팅 자원을 공동으로 활용하는 클라우드 서비스는 개별 장비 구축에 따른 탄소 배출을 억제하며 환경 보호와 효율성을 동시에 달성하는 혁신적인 대안이 되고 있습니다. ICT는 더 나아가 공유 경제와 자원 순환의 생태계를 구축하는 데 기여하고 있습니다. 스마트 앱 기반의 중고 거래 플랫폼이나 공유 모빌리티 서비스는 모르는 사람들 사이에서도 물건을 바꿔 쓰고 나눠 쓰는 문화를 정착시켰으며, 이는 기술의 도움 없이는 불가능했을 변화입니다. 또한 사물인터넷(IoT) 센서를 통해 폐기물의 이동 경로를 추적 관리하거나, 인공지능(AI)을 활용해 폐기물 발생량을 예측함으로써 자원의 회수율을 높이는 노력이 계속되고 있습니다. 이처럼 ICT는 단순한 오염원이 아니라, 기술적 진보를 통해 인류가 직면한 환경 위기를 극복하고 지속 가능한 미래를 열어가는 중요한 도구가 될 것입니다.

ICT가 이끄는 아나바다
한국전자통신연구원ETRI 인사이드
  • 지구환경과학
  • 융합
  • 공학·기술

ChatGPT보다 강력한 녀석의 등장!!😮 GPT-4 출시 | 요즘과학

아서 클라크는 충분히 발달한 과학 기술은 마법과 구별할 수 없다는 유명한 법칙을 남겼습니다. 과거에는 상상 속의 일로만 여겨졌던 기술들이 오늘날에는 현실이 되어 우리 곁에 성큼 다가와 있습니다. 특히 최근 대화형 인공지능인 챗GPT의 등장은 전 세계적으로 큰 충격을 주었으며, 출시된 지 불과 4개월 만에 더욱 강력해진 GPT-4가 발표되면서 인공지능 기술의 발전 속도는 가히 마법과 같은 수준에 이르렀습니다. 이러한 변화는 우리가 기술을 바라보는 관점을 긍정적으로 바꾸어 놓는 동시에, 미래에 대한 기대와 호기심을 자극하고 있습니다. GPT는 초거대 언어 모델로, 인간의 뇌 구조를 모방한 인공신경망을 기반으로 작동합니다. 여기서 'G'는 생성 모델을, 'P'는 사전 학습을 의미하며, 'T'는 구글이 발표한 트랜스포머 모델을 뜻합니다. 인공지능의 성능을 결정짓는 핵심 요소 중 하나는 매개변수의 개수입니다. 인간의 뇌에서 뉴런 사이를 연결하는 시냅스처럼, 인공지능 역시 이 매개변수의 숫자를 엄청나게 늘림으로써 인간이 평생 학습해야 할 방대한 데이터를 처리하고 자연스러운 답변을 생성할 수 있게 되었습니다. 기존의 GPT-3는 약 1,750억 개의 매개변수를 활용해 세상을 놀라게 했지만, 답변의 정확도 면에서는 여전히 한계가 존재했습니다. 이를 보완하여 등장한 챗GPT는 오답 노트를 작성하듯 오류를 개선한 모델이었으며, 최근 발표된 GPT-4는 여기서 한 단계 더 진화했습니다. GPT-4는 정확한 수치는 공개되지 않았으나 이전보다 훨씬 많은 매개변수를 보유한 것으로 추정되며, 기존 모델들이 가졌던 논리적 오류를 상당 부분 해결했습니다. 이는 인공지능이 단순한 정보 전달을 넘어 더욱 정교한 사고를 할 수 있는 단계로 진입했음을 시사합니다. GPT-4의 가장 큰 특징은 텍스트뿐만 아니라 이미지와 음성 등 다양한 정보를 동시에 처리할 수 있는 '멀티모달' 기능입니다. 이제 인공지능은 사진 속의 상황을 분석하여 풍선 줄을 끊으면 어떻게 될지 예측하거나, 복잡한 그림이 포함된 시험 문제를 스캔하여 풀어낼 수 있습니다. 또한 한국어 처리 능력이 비약적으로 향상되어 기존 영어 답변 수준 이상의 자연스러운 문장을 구사하며, 한 번에 처리할 수 있는 단어량도 8배 가까이 늘어났습니다. 이러한 발전은 논문 요약이나 복잡한 문서 작업에서 인공지능의 실용성을 극대화하고 있습니다. 인공지능이 인간 고유의 영역이라 여겨졌던 창작과 추론 분야까지 침범하면서, 기술에 대한 두려움과 사회적 우려도 함께 커지고 있습니다. 가짜 뉴스의 생성이나 기업 기밀 유출과 같은 부작용은 우리가 반드시 해결해야 할 과제입니다. 하지만 인공지능은 이제 연구 단계를 넘어 실질적인 비즈니스와 서비스의 영역으로 들어왔으며, 우리 삶의 방식을 근본적으로 바꾸는 변곡점이 되고 있습니다. 중요한 것은 이 강력한 도구를 어떻게 윤리적으로 활용하고, 기술과 인간이 공존할 수 있는 미래를 어떻게 설계해 나갈지 고민하는 자세일 것입니다.

ChatGPT보다 강력한 녀석의 등장!!😮 GPT-4 출시 | 요즘과학
국립과천과학관요즘과학👏
  • 뇌인지과학
  • 융합

[해SSUL이 있는 과학뉴스] 딥페이크 기술이 도대체 뭐길래?

최근 가수 아이유나 배우 톰 크루즈의 모습이 담긴 가짜 영상이 화제가 되며 딥페이크 기술에 대한 사회적 관심이 뜨겁습니다. 딥페이크는 딥러닝과 페이크의 합성어로, 인공지능을 활용해 특정 인물의 얼굴이나 목소리를 정교하게 합성하는 기술을 의미합니다. 이 기술은 단순한 흥미를 넘어 불법 영상 제작 등 악용 사례가 늘어나면서 강력한 처벌을 요구하는 목소리도 커지고 있습니다. 하지만 기술의 위험성 이면에 숨겨진 과학적 원리와 긍정적인 활용 가능성을 이해하는 것 또한 현대 사회에서 매우 중요한 과제입니다. 딥페이크라는 명칭은 본래 전문 용어가 아니라 2017년 인터넷에 관련 영상을 유포한 한 사용자의 아이디에서 유래되었습니다. 당시 그는 '페이스 스왑'이라는 기술을 이용해 얼굴을 교체한 영상을 올렸는데, 이것이 큰 반향을 일으키며 기술 전체를 일컫는 대명사가 되었습니다. 사실 얼굴을 바꾸는 기술 자체는 그 이전부터 존재해 왔으나, 인공지능 기술과 결합하면서 누구나 구별하기 힘들 정도로 정교해진 것입니다. 이는 기술이 대중에게 공개되는 방식에 따라 사회적 인식이 어떻게 형성되는지를 보여주는 흥미로운 사례입니다. 딥페이크의 핵심은 2014년에 등장한 '생성적 적대 신경망(GAN)'이라는 알고리즘에 있습니다. 과거의 인공지능이 수많은 데이터 속에서 정답을 찾아내는 '분석적 AI'였다면, 생성적 적대 신경망(GAN)은 새로운 데이터를 만들어내는 '생성적 AI'의 시대를 열었습니다. 분석적 AI가 사진 속 동물이 고양이인지 개인지 판별하는 데 집중한다면, 생성적 AI는 학습한 데이터를 바탕으로 세상에 없던 고양이의 이미지를 직접 그려낼 수 있습니다. 이러한 패러다임의 전환은 인공지능이 단순한 도구를 넘어 인간의 고유 영역이라 여겨졌던 창조적인 부분까지 확장될 수 있음을 시사합니다. 생성적 적대 신경망(GAN)의 작동 원리는 생성자와 판별자라는 두 개의 인공지능이 서로 경쟁하는 구조로 설명됩니다. 생성자가 가짜 이미지를 만들면 판별자는 그것이 진짜인지 가짜인지 검사하며, 이 과정을 수없이 반복합니다. 마치 위조지폐범이 더 정교한 지폐를 만들고 경찰이 이를 잡아내려 애쓰는 과정과 비슷합니다. 결국 판별자가 진짜와 가짜를 더 이상 구별하지 못할 수준에 이르면, 우리는 실제와 똑같은 고화질의 합성 영상을 얻게 됩니다. 이러한 적대적 학습 과정이 딥페이크 영상의 완성도를 비약적으로 높이는 비결이라고 할 수 있습니다. 생성적 AI 기술은 부정적인 측면만 있는 것은 아닙니다. 사진에서 불필요한 부분을 지우고 주변 배경으로 자연스럽게 채우거나, 고인이 된 가수를 무대 위에 다시 세우는 등 문화 콘텐츠와 실생활 곳곳에서 혁신을 일으키고 있습니다. 기술의 가능성은 무궁무진하며, 우리가 기술의 원리를 정확히 이해할 때 비로소 위험을 통제하고 혜택을 누릴 수 있습니다. 따라서 '생성적 적대 신경망(GAN)'과 같은 핵심 기술 용어를 인지하고 변화하는 인공지능 시대를 준비하는 자세가 필요합니다. 과학의 발전은 양날의 검과 같기에 이를 다루는 우리의 태도가 더욱 중요해지는 시점입니다.

[해SSUL이 있는 과학뉴스] 딥페이크 기술이 도대체 뭐길래?
국립과천과학관요즘과학👏
  • 융합

[그림으로 보는 과학뉴스] DALL-E (part1)

최근 인공지능 기술은 단순한 데이터 처리를 넘어 창의성의 영역인 예술 분야까지 그 보폭을 넓히고 있습니다. 과거의 AI가 기존 데이터를 검색하여 보여주는 수준에 머물렀다면, 이제는 인간의 상상력을 실체화하는 단계에 이르렀습니다. 특히 '아보카도 안락의자'나 '스파게티로 만든 기사'와 같이 세상에 존재하지 않던 독창적인 이미지를 텍스트 입력만으로 생성해내는 모습은 놀라움을 자아냅니다. 이러한 변화는 인공지능이 단순한 도구를 넘어 새로운 창작의 주체로 거듭나고 있음을 시사하며, 디자인과 예술 산업 전반에 걸쳐 거대한 패러다임의 전환을 예고하고 있습니다. 이러한 혁신의 중심에는 '달리(DALL-E)'라는 이름의 인공지능 프로그램이 있습니다. 초현실주의 화가 살바도르 달리와 애니메이션 캐릭터 월-E의 이름을 합성하여 명명된 이 기술은 오픈AI가 개발한 거대 언어 모델인 GPT-3를 기반으로 합니다. 달리는 수많은 파라미터를 활용하여 언어와 이미지 사이의 복잡한 관계를 학습했습니다. 특히 실험실의 정제된 데이터가 아닌, 인터넷이라는 광활한 정보의 바다에서 실제 사람들이 사용하는 자연어를 스스로 학습했다는 점이 핵심입니다. 이를 통해 달리는 단순한 모방을 넘어 문맥을 이해하고 새로운 시각적 결과물을 도출하는 능력을 갖추게 되었습니다. 달리의 작동 원리는 인간이 언어를 사용할 때 머릿속에 이미지를 떠올리는 과정과 매우 유사합니다. 우리가 '점심에 스파게티를 먹자'고 말할 때 뇌가 자동으로 음식의 형상을 연상하듯, 인공지능 역시 텍스트를 입력받으면 그에 대응하는 시각적 결과물을 구현해냅니다. 이는 컴퓨터에게 이미지와 텍스트를 정교하게 대조하는 훈련을 시킨 결과입니다. 덕분에 인공지능은 하나의 키워드에 대해서도 수많은 사람이 각기 다른 생각을 하듯 다채로운 스타일을 동시에 제시할 수 있으며, 이는 기존의 검색 방식과는 차원이 다른 창조적 진화라고 할 수 있습니다. 달리의 창의성을 뒷받침하는 또 다른 핵심 기술은 '클립(CLIP)'이라는 알고리즘입니다. 클립은 언어와 이미지를 대조하여 사전 학습을 수행하는 역할을 담당하며, 주로 인터넷상의 이미지와 그에 달린 캡션들을 분석하며 공부합니다. 전문가들이 정제한 데이터가 아니라 일반 사용자들이 사진에 남긴 주석과 설명을 학습했기에, 클립은 현실 세계의 복잡한 맥락을 더욱 정확하게 파악할 수 있습니다. 과거에는 개와 고양이를 구분하는 것조차 어려운 과제였으나, 이제는 특정 인물이 특정 행동을 하는 구체적인 상황까지 완벽하게 이해하고 찾아낼 수 있는 수준으로 진화했습니다. 인공지능이 자연어 속에 담긴 이미지의 표상을 완벽히 이해하게 되면서, 창작의 경계는 더욱 허물어지고 있습니다. 이제 AI는 단순한 검색 엔진의 역할을 넘어 인간의 추상적인 아이디어를 구체적인 시각 매체로 변환해주는 강력한 파트너가 되었습니다. 이러한 기술적 진보는 디자이너들에게 새로운 영감을 제공하는 동시에, 창작의 정의에 대한 근본적인 질문을 던지기도 합니다. 텍스트와 이미지의 결합을 통해 탄생한 새로운 형태의 지능은 앞으로 자율주행 조향 기술 등 다양한 산업 분야로 확장될 잠재력을 지니고 있으며, 우리 삶의 방식을 더욱 풍요롭게 변화시킬 것입니다.

[그림으로 보는 과학뉴스] DALL-E (part1)
국립과천과학관요즘과학👏
  • 뇌인지과학
  • 융합