데이터기반

9 Contents

대한민국 과학기술의 새로운 도약이 시작되다 | 국가슈퍼컴퓨터 6호기 '한강' 가동식 현장

대한민국 과학기술의 새로운 역사를 써 내려갈 국가 슈퍼컴퓨터 6호기 '한강'이 마침내 그 웅장한 가동을 시작했습니다. 한국과학기술정보연구원(KISTI)은 지난 60여 년간 우리나라 과학 발전의 든든한 토대 역할을 수행하며 연구자들의 끊임없는 도전을 뒷받침해 왔습니다. 이번 국가 슈퍼컴퓨터 6호기 '한강'의 도입은 그동안 축적된 정보와 데이터 역량을 한데 모아 더 큰 도약을 이루기 위한 전략적인 결정입니다. '한강'은 그 이름처럼 혁신의 새로운 흐름을 만들어내며 국가적 과학기술 난제 해결의 핵심적인 기반이 될 것입니다. 국가 슈퍼컴퓨터 6호기 '한강'은 무려 600 페타플롭스급에 달하는 세계적인 연산 성능을 자랑합니다. 이는 기존의 슈퍼컴퓨팅 기술에 최신 인공지능(AI) 역량을 결합하여 과학기술 연구의 지평을 획기적으로 넓힐 수 있는 수치입니다. 연구자들은 이제 자신이 필요로 하는 시점에 대규모 고성능 컴퓨팅 자원을 자유롭게 활용할 수 있게 되었습니다. 세계적 수준의 인프라와 방대한 데이터가 하나로 연결됨에 따라, 대한민국의 미래를 설계하고 과학적 꿈을 현실로 바꾸는 속도는 이전보다 훨씬 빨라질 것으로 기대됩니다. 1988년 1호기 도입 이후 국가 슈퍼컴퓨터는 산업 혁신과 과학 발전을 이끄는 핵심 인프라로 자리매김해 왔습니다. 한강이 굽이굽이 흘러 도시를 일으켰듯, 국가 슈퍼컴퓨터 6호기 '한강' 역시 연구 현장 구석구석에 혁신의 싹을 틔울 것입니다. 특히 본격적인 인공지능(AI) 시대에 발맞춰 과학적 발견을 가속화하고 연구의 한계를 넘어서는 중추적인 역할을 수행할 예정입니다. 이 거대한 흐름을 통해 대한민국은 글로벌 과학기술 강국으로 당당히 우뚝 설 것이며, 우리 과학의 위상은 한 단계 더 높아질 전망입니다.

대한민국 과학기술의 새로운 도약이 시작되다 | 국가슈퍼컴퓨터 6호기 '한강' 가동식 현장
한국과학기술정보연구원🧫🧬과학문화 즐기기🔬🧪
  • 융합
  • 공학·기술

기후위기 대응을 캐리할 0000지도❓ㅣ AI 그린이 곰곰이가 묻는다💬

탄소중립을 향한 여정에서 국가 간의 기술 공유와 협력은 이제 선택이 아닌 필수적인 생존 전략입니다. 기후 위기는 국경을 가리지 않는 초국가적 문제로, 지구 온난화와 공급망 교란 등은 어느 한 국가의 역량만으로는 결코 해결할 수 없기 때문입니다. 특히 우리나라는 미국이나 유럽 등 과학기술 선진국과 비교했을 때 기술 수준이 약 80.1% 정도에 머물러 있는 추격 그룹에 속해 있습니다. 따라서 독자적인 기술 개발에만 매몰되기보다는 세계적인 흐름에 발맞춰 공동의 기술적 해법을 모색하는 개방적인 태도가 무엇보다 중요합니다. 그동안 우리나라의 국제 협력 R&D는 연구자 개인의 네트워크에 의존하는 소규모 과제 중심으로 운영되어 온 한계가 있었습니다. 이러한 상향식(Bottom-up) 접근은 국가 전체의 전략적 방향성과 일치하지 않아 시너지 효과를 내기 어려웠으며, 기초 연구 성과가 실제 기업의 상용화 단계로 이어지는 지원 체계 역시 부족했습니다. 또한 국가마다 서로 다른 회계연도나 평가 방식과 같은 제도적 장벽은 유망한 해외 기관과의 실질적인 교류를 가로막는 걸림돌이 되어 왔습니다. 이러한 파편화된 구조는 우수한 기술이 시장에 안착할 기회를 놓치게 만드는 주요 원인이 되었습니다. 정부는 이러한 문제를 타개하기 위해 국제 협력 R&D의 '대형화' 전략을 본격적으로 추진하고 있습니다. 향후 3년간 약 5.4조 원 이상의 예산을 글로벌 R&D에 집중적으로 투자하여, 전체 R&D 예산 중 국제 협력이 차지하는 비중을 중장기적으로 7% 수준까지 확대할 계획입니다. 단순히 예산 규모를 키우는 것을 넘어, '글로벌 브레인 네트워크' 프로젝트를 신설하여 핵심 전략 기술과 공급망 분야에서 인적 교류를 강화하고자 합니다. 이는 국내 우수 인재들이 세계적인 연구 환경에서 경험을 쌓고 글로벌 네트워크를 선점할 수 있는 토대가 될 것입니다. 효율적인 투자를 뒷받침하기 위해 도입된 '전략적 선별'은 우리나라에 실질적인 이득이 되는 최적의 파트너를 찾는 과정입니다. 국가녹색기술연구소가 구축한 '글로벌 탄소중립 R&D 전략 지도'는 이러한 선택의 나침반 역할을 수행합니다. 이 지도는 논문과 특허 데이터 분석을 통한 기술 수준 파악은 물론, 지정학적 관점에서의 경제적 가치와 안보 측면을 종합적으로 평가합니다. 이를 통해 신기술 확보형부터 시장 주도형까지 네 가지 협력 유형을 구분함으로써, 협력 대상국별로 국익을 극대화할 수 있는 맞춤형 협력 수단을 제시할 수 있게 되었습니다. 이러한 전략 지도의 핵심 경쟁력은 객관적인 데이터와 전문가들의 통찰력이 결합되었다는 점에 있습니다. 공신력 있는 국제 통계 지표와 분석적 계층화 기법(AHP)을 활용하여 주관적인 의견을 배제하고 철저히 데이터에 기반한 결론을 도출했습니다. 시각화된 정보 플랫폼은 정책 결정자와 연구자들이 복잡한 글로벌 정세를 한눈에 이해하고 정교한 정책적 판단을 내릴 수 있도록 지원합니다. 앞으로 고도화될 이러한 시스템은 우리나라가 탄소중립 사회로의 전환을 선도하며, 글로벌 기술 패권 경쟁 속에서 기술 주권을 확보하는 데 핵심적인 기여를 할 것으로 기대됩니다.

기후위기 대응을 캐리할 0000지도❓ㅣ AI 그린이 곰곰이가 묻는다💬
국가녹색기술연구소AI 그린이 곰곰이가 묻는다💬
  • 지구환경과학
  • 융합
  • 공학·기술

[2025-2차] NIGT 그리노베이트 정책포럼 ㅣ 데이터 기반 과학기술 인재 정책 현황 및 기후 분야로의 시사점(이원홍 KISTEP 센터장)

과학기술 현장의 목소리를 들어보면 하루가 멀다 하고 인재 부족과 유출에 대한 우려가 쏟아지고 있습니다. 특히 우리나라는 학령인구의 급격한 감소로 인한 인구 절벽이라는 피할 수 없는 현실에 직면해 있습니다. 현재의 인구 통계를 고려할 때 2025년부터 2030년 사이는 인재 정책의 패러다임을 전환할 수 있는 사실상의 마지막 '골든타임'으로 여겨집니다. 이제는 과거의 관행에서 벗어나 국가의 미래를 짊어질 과학기술 인력 확보를 위해 국가적인 역량을 총동원하여 정교한 대응책을 마련해야 하는 중차대한 시점입니다. 그동안 정부는 반도체나 이차전지 등 전략 기술 분야별로 수십만 명의 인력을 양성하겠다는 야심 찬 목표를 제시해 왔습니다. 하지만 연간 이공계 졸업생 총수가 한정된 상황에서 이러한 분야별 수치 목표는 현실과 괴리된 측면이 많으며, 부처별로 분절된 정책 추진은 효율성을 저해하는 원인이 되기도 합니다. 이제는 양적 팽창에만 치중했던 과거의 접근 방식에서 탈피해야 합니다. 숫자 위주의 목표 설정 대신 실제 인재의 흐름을 파악하려는 과학적인 노력을 통해 정책의 실효성을 근본적으로 재점검해야 할 때입니다. 데이터 기반 인재 정책의 고도화를 위해 정부는 범부처 통합 연구지원 시스템인 아이리스(IRIS)와 고용보험 데이터베이스를 결합하는 획기적인 시도를 시작했습니다. 이를 통해 약 50만 명에 달하는 연구 인력의 흐름을 추적할 수 있는 기반이 마련되었습니다. 기존에는 석·박사 인력이 연구 현장을 떠난 뒤 어디로 진출하는지 알기 어려운 상태였으나, 이제는 이들의 산업군 진입 현황, 연봉 수준, 고용 유지율 등을 정밀하게 분석할 수 있습니다. 이러한 데이터는 인력 양성 사업의 성과를 단순 취업률 이상의 가치로 측정하게 해줍니다. 산업계의 실질적인 수요를 파악하는 방식에도 혁신이 필요합니다. 단순히 기업들에게 필요한 인원수를 묻는 설문 조사 방식은 응답의 객관성을 담보하기 어렵고 수요가 부풀려질 가능성이 큽니다. 이에 대한 대안으로 최근에는 온라인 채용 공고를 실시간으로 수집하고 분석하여 현장에서 실제로 요구하는 구체적인 직무 역량과 기술 요건을 파악하는 방식이 주목받고 있습니다. 채용 공고에 담긴 텍스트 정보를 정성적으로 분석하면 대기업과 중소기업 간의 직무 수요 차이까지 세밀하게 읽어낼 수 있어, 구직자와 기업 간의 미스매치를 해결하는 데 결정적인 도움을 줍니다. 기후 기술 분야의 인력 정책 역시 특정 기술 영역에만 갇히지 않는 유연하고 통합적인 시각이 요구됩니다. 기후 기술은 경제, 법학, 인공지능 등 다양한 학문 분야가 융합되어야 성과를 낼 수 있는 영역이므로, 타 분야와의 활발한 인력 교류를 전제로 정책을 설계해야 합니다. 거시적인 관점에서 인력 지도를 조망하는 동시에 미시적으로는 개별 연구자의 필요를 살피는 세심한 접근이 병행되어야 합니다. 결국 사업 명칭 중심이 아닌 사람 중심의 지원 체계로 전환하여 연구자들이 스스로의 미래를 설계할 수 있는 환경을 조성하는 것이 정책이 나아가야 할 궁극적인 목적지입니다.

[2025-2차] NIGT 그리노베이트 정책포럼 ㅣ 데이터 기반 과학기술 인재 정책 현황 및 기후 분야로의 시사점(이원홍 KISTEP 센터장)
국가녹색기술연구소NIGT FORUM
  • 지구환경과학
  • 융합
  • 공학·기술

Data-Driven Smart Railway Safety Management 데이터 기반의 스마트 철도안전 관리 [철도연 창립 제27주년 국제세미나]

국내 철도는 높은 여객 밀도와 세계 최고 수준의 운행 밀도를 자랑하며, 2004년 철도안전법 제정 이후 주요 사고 발생 건수는 지속적으로 감소해 왔습니다. 하지만 여전히 사고로 인한 사회적, 경제적 손실이 적지 않으며, 연간 유지관리 비용은 5조 원을 상회하는 등 국가 재정에 큰 부담이 되고 있습니다. 최근 발생한 열차 지연과 탈선 사고는 철도 안전이 국민의 일상과 경제에 미치는 영향력을 다시금 확인시켜 주었으며, 보다 효율적인 자원 분배와 근본적인 안전 강화를 위한 체계적인 변화가 필요한 시점입니다. 철도 시설과 차량의 노후화가 가속화되고 이상기후로 인한 위험 요인이 증가하면서 기존의 인력 중심 안전관리 방식은 한계에 직면했습니다. 이에 대응하여 4차 산업 기술을 활용한 ‘스마트 철도안전관리체계’ 구축이 추진되고 있습니다. 이 시스템은 전국의 철도 시설과 차량 상태를 실시간으로 모니터링하고, 수집된 데이터를 분석하여 사고의 전조 증상을 사전에 감지하는 것을 목표로 합니다. 이는 인적 오류를 최소화하고 디지털 기술을 통해 안전의 정밀도를 높이는 중요한 전환점이 될 것입니다. 디지털 전환의 핵심은 방대한 데이터와 실제 안전관리 활동을 유기적으로 연결하는 ‘세이프티 체인(Safety Chain)’ 구축에 있습니다. 기존의 안전관리는 주로 대형 사고 위주의 통계에 의존했으나, 이제는 외부로 드러나지 않았던 미세한 위험 징후인 ‘아차 사고’까지 데이터화하여 분석합니다. 사물인터넷(IoT) 센서로 포착된 현장의 신호 오작동이나 미세한 균열 정보는 인공지능(AI) 분석을 거쳐 최적의 의사결정 정보로 변환되며, 이를 통해 사고가 발생하기 전 선제적으로 대응하는 지능형 체계를 완성하게 됩니다. 해외 주요국들도 이미 철도 안전의 디지털화를 적극적으로 추진하며 가시적인 성과를 거두고 있습니다. 유럽철도국(ERA)은 통합 안전 데이터 분석을 통해 실시간 위험도 관리에 집중하고 있으며, 프랑스 국영철도(SNCF)는 빅데이터 기반의 분석 모형을 구축하여 중대 사고를 약 30% 저감하는 효과를 거두었습니다. 영국과 중국 역시 사고 전조를 수집하는 국가적 통합 시스템을 운영하며, 안전 위험 요인에 대한 정량적인 모니터링과 핵심 성과 지표 연계를 통해 안전관리의 효율성을 극대화하고 있는 추세입니다. 우리나라는 오송 시험선을 시작으로 현장 시설과 차량에 대한 실증을 거쳐 국가 통합 테스트베드를 구축하는 단계별 사업을 진행하고 있습니다. 디지털 트윈 기술을 활용한 의사결정 플랫폼은 각 운영기관의 데이터를 하나로 모아 국가 차원의 철도 안전 감독 기능을 획기적으로 강화할 것입니다. 이러한 기술적 진보는 단순히 사고를 줄이는 것을 넘어, 사회적 피해를 경감하고 국민에게 더욱 편리하고 신뢰받는 철도 서비스를 제공하는 미래 지향적인 안전 생태계를 조성할 것으로 기대됩니다.

Data-Driven Smart Railway Safety Management 데이터 기반의 스마트 철도안전 관리 [철도연 창립 제27주년 국제세미나]
한국철도기술연구원창립27주년 국제세미나
  • 융합
  • 공학·기술

[코로나TALK-16] 잘못된 뉴스, 인포데믹은 어떻게 확대재생산되는가?_윤신영 기자 | 16강

코로나19 사태 초기부터 과학 기자의 시선으로 현장을 지켜보며 느낀 점은 정보의 전파 양상이 매우 복잡하다는 것입니다. 영남대 박한우 교수의 네트워크 분석에 따르면, 트위터상에서 '신천지'나 '대구' 같은 키워드는 폐쇄적인 집단 내에서 반복되는 경향을 보인 반면, 과학 뉴스는 대중적으로 널리 퍼지는 강력한 정보원이었습니다. 이는 과학적 사실이 대중의 대화에서 일차적인 소스가 된다는 점을 시사하며, 동시에 잘못된 정보가 섞일 경우 인포데믹의 위험성이 얼마나 커질 수 있는지를 보여줍니다. 언론이 과학 데이터를 다루는 방식에서 가장 큰 문제는 자극적인 해석입니다. 최근 항체 유지 기간에 관한 연구에서 4개월간 항체가 유지된다는 긍정적인 결과가 나왔음에도, 일부 매체는 '4개월밖에 안 된다'는 식으로 공포를 조장했습니다. 이는 재감염 이슈와 무리하게 연결하려는 시도에서 비롯된 왜곡입니다. 논문의 본질보다는 대중의 불안감을 자극하여 클릭을 유도하려는 상업적 목적이 과학적 사실을 가리는 안타까운 사례라고 할 수 있습니다. 바이러스 변이에 대한 보도 역시 비슷한 양상을 띱니다. 과학적으로는 아직 전파력을 획기적으로 높이는 치명적인 변이가 확인되지 않았음에도, '감염성 10배'와 같은 근거 없는 수치가 헤드라인을 장식하곤 합니다. 이러한 자극적인 뉴스는 네트워크를 타고 빠르게 확산되며 대중에게 불필요한 공포를 심어줍니다. 뉴스 생산자가 클릭 수라는 이득을 쫓는 구조적 악순환 속에서, 정확한 과학적 근거는 뒷전으로 밀려나고 인포데믹의 메커니즘이 강화되는 결과를 초래합니다. 공포뿐만 아니라 근거 없는 희망을 심어주는 보도도 경계해야 합니다. 국내 치료제 개발 소식 중 '하루 만에 바이러스 사멸'이라는 자극적인 제목이 큰 인기를 끌었지만, 실제로는 구체적인 데이터가 부족한 한 문장짜리 보도자료에 기반한 경우가 많았습니다. 과학 기자로서 데이터를 요청해 확인해보면 보도된 내용만큼의 확실한 근거를 찾기 어려운 사례가 빈번합니다. 정확한 검증 없이 희망적인 메시지만을 대량 양산하는 것은 결국 언론에 대한 신뢰를 떨어뜨리는 행위입니다. 신종 감염병의 특성상 초기에는 전문가들조차 정보가 부족하여 혼란을 겪었습니다. 하이드록시클로로퀸 사례처럼 유명 인사의 발언과 불완전한 논문이 결합하여 잘못된 복용 사고로 이어진 것이 대표적입니다. 당시에는 그것이 최선의 지식이었을지라도, 경쟁적인 보도 속에서 검증되지 않은 정보가 확산되었습니다. 이후 많은 논문이 철회되는 과정을 거치며 기자들과 과학자들은 더 정교한 보도의 필요성을 절감하게 되었습니다. 지식의 한계를 인정하고 신중하게 접근하는 태도가 무엇보다 중요합니다. 해외 사례 중 뉴욕타임스의 '백신 트래커'는 훌륭한 과학 커뮤니케이션의 모델을 보여줍니다. 단순히 일회성 기사를 쏟아내는 것이 아니라, 방대한 데이터를 체계적으로 취합하여 대중이 언제든 신뢰할 수 있는 정보원으로 활용하게 했습니다. 또한 복잡한 바이러스의 원리를 평이한 언어와 정교한 인포그래픽으로 설명하여 대중의 이해를 도왔습니다. 우리 언론도 단독 경쟁에서 벗어나 데이터를 가공하고 맥락을 풍성하게 전달하는 정보의 허브 역할을 수행해야 할 시점입니다. 코로나19는 여전히 미지의 영역이 많으며, 우리는 매일 새로운 반전의 상황을 맞이하고 있습니다. 이러한 불확실성 속에서 과학적 대전환을 넘어 도시 계획, 윤리, 문화 등 다양한 분야의 전문가들이 모여 대안을 제시하는 노력이 필요합니다. 단순히 현상을 보고하는 수준을 넘어, 합리적인 데이터와 증거를 기반으로 소통하는 플랫폼이 구축되어야 합니다. 연구자와 전달자가 함께 데이터 기반의 소통을 이어갈 때, 우리는 비로소 감염병이라는 거대한 재난에 현명하게 대응할 수 있을 것입니다.

[코로나TALK-16] 잘못된 뉴스, 인포데믹은 어떻게 확대재생산되는가?_윤신영 기자

윤신영

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[코로나 인터뷰] 장덕진_포스트 코로나 시대를 선도할 '과학기반 복지국가'

포스트 코로나 시대에는 '큰 정부'의 귀환이 전 세계적인 흐름으로 자리 잡고 있습니다. 미국은 수천 조 원 규모의 예산을 투입하고, 영국은 국민 급여의 상당 부분을 보전하는 등 정부의 역할이 비약적으로 확대되었습니다. 이러한 변화는 단순한 예산 증액을 넘어, 과거 제조업 기반의 복지국가 모델에서 벗어나 과학 기반 복지국가로의 이행을 예고합니다. 이는 정부의 조직이나 예산 규모 자체가 비대해지는 것보다, 효율적인 시스템을 통해 정부의 기능과 역할이 실질적으로 강화되는 새로운 형태의 거버넌스를 의미합니다. 한국은 서구 사회와 달리 제조업이 쇠퇴하는 탈산업화 시기에 복지국가 체제를 구축해야 하는 구조적 어려움을 겪어왔습니다. 하지만 이번 팬데믹 대응 과정에서 과학 기반 복지국가의 가능성을 세계에 입증하며 새로운 기회를 맞이했습니다. 과학 기반 복지국가 모델은 과거의 경제 성장 경로와는 독립적인 새로운 출발선이기 때문에, 한국이 포스트 코로나 시대의 복지 모델을 선도할 가능성이 큽니다. 이는 단순히 위기 극복을 넘어, 기술과 복지가 결합한 혁신적인 국가 운영 체계를 설계하고 이를 통해 글로벌 표준을 제시할 수 있는 중요한 전환점이 될 것입니다. 사회적 위험은 집권 세력에게 항상 악재로 작용하지는 않습니다. 과거 광우병 사태나 메르스 사태 당시에는 정부의 시장 중심적 태도나 컨트롤 타워 부재가 국민의 불안을 키워 정치적 타격으로 이어졌습니다. 반면 코로나19는 적극적으로 시장에 개입하고 국민을 보호하려는 정부의 성향이 국민적 요구와 맞물려 오히려 신뢰를 얻는 계기가 되었습니다. 위험의 종류와 정부의 대응 성격에 따라 국민의 평가가 달라질 수 있음을 보여주며, 이는 향후 위험 사회에서의 국가 역할을 재정의하고 정치적 지형을 변화시키는 중요한 사례가 되었습니다. 기본소득 논의 역시 코로나19를 기점으로 중대한 변곡점을 맞이했습니다. 과거에는 학문적 검증이 부족하다는 이유로 도입에 신중한 입장이 지배적이었으나, 긴급재난지원금이라는 형태로 일종의 실전 테스트가 이루어졌기 때문입니다. 다만 이것이 지속 가능한 정책으로 정착할지는 국가별 여론과 가치관에 따라 달라질 것입니다. 한국의 경우 재난 상황에서는 긍정적인 반응이 나타났지만, 일상적인 상태에서는 여전히 부정적인 시각이 존재합니다. 따라서 기본소득이 보편적 제도로 자리 잡기 위해서는 사회적 합의와 더불어 정책적 효용성에 대한 심도 있는 논의가 지속되어야 합니다. 미래 사회에서 데이터는 지식의 허브로서 의학, 방역뿐만 아니라 인문·사회과학 전반의 지식을 생산하는 핵심 자원이 될 것입니다. 특히 사회학 분야에서는 코로나19 이후 한국 사회의 제도 신뢰도가 상승하는 등 흥미로운 변화가 관찰되고 있습니다. 또한 물리학과 사회학이 결합한 네트워크 과학을 통해 감염병의 전파 경로를 분석하고, 백신이나 치료제의 우선순위를 결정하는 융합 연구도 가능해졌습니다. 이처럼 데이터를 기반으로 한 다학제적 접근은 교육 방식의 변화를 선도하고, 복잡해지는 사회 문제를 해결하는 과학적 토대를 마련해 줄 것입니다.

[코로나 인터뷰] 장덕진_포스트 코로나 시대를 선도할 '과학기반 복지국가'

장덕진

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[코로나 인터뷰] 이현숙_ 전대미문의 코로나19, 분야를 불문하고 다함께 연구해야

현재 우리가 마주한 팬데믹은 인류 역사상 그 누구도 생애 동안 겪어보지 못한 거대한 위기입니다. 미국의 질병통제예방센터조차 직접적인 경험이 부족할 정도로 이 재난은 미지의 영역에 속해 있습니다. 이러한 상황에서 개별적인 연구자의 힘만으로는 한계가 명확하기에, 각 분야의 전문가들이 한데 모여 지혜를 나누는 것이 무엇보다 중요합니다. 국가적 경계를 넘어 인류 전체가 직면한 공동의 문제를 해결하기 위해, 학문적 전문성을 결합하고 융합 연구를 진행해야 할 시점입니다. 백신이나 치료제가 부재한 상황에서 사회적 의사결정을 내리는 일은 매우 복잡하고 어렵습니다. 비행 편수를 조절하거나 학교 문을 여는 시점을 결정하는 등 일상의 지속성을 확보하기 위한 모든 선택은 철저하게 데이터에 근거해야 합니다. 과학자로서 관찰한 초기 대응 과정에서는 과학적 합리성이 결여된 모습이 나타나기도 했습니다. 따라서 우리는 현재의 데이터를 면밀히 분석하고 통합하여, 감정에 치우치지 않는 객관적인 판단 기준을 마련함으로써 미래의 불확실성에 대비해야 합니다. 이번 사태는 인위적인 결합이 아닌, 자연스러운 융합 연구의 계기를 마련해 주었습니다. 바이러스의 특성을 규명하는 생명과학적 탐구부터 개발된 백신을 공공재로 다룰 것인지에 대한 사회과학적 논의까지, 모든 영역이 긴밀하게 연동되어 있기 때문입니다. 연구자들이 각자의 전문성을 바탕으로 십시일반 힘을 보태는 과정에서 기존의 경계는 허물어집니다. 이러한 협업은 단순히 연구 성과를 내는 것을 넘어, 우리 사회가 직면한 복합적인 난제들을 해결하는 새로운 융합 연구의 모델이 될 것입니다. 서울대학교를 기반으로 시작된 이번 연구팀은 특정 기관에 국한되지 않는 개방형 플랫폼을 지향합니다. 완성된 결과물을 일방적으로 발표하기보다는, 현재 알고 있는 전문 지식을 실시간으로 공유하고 나누는 마당을 만드는 것이 일차적인 목표입니다. 특히 시민들의 궁금증과 아이디어를 적극적으로 수용하여 연구의 방향성을 설정하고자 합니다. 대중과의 소통 채널을 넓힘으로써 연구자는 사회가 필요로 하는 질문을 발견하고, 시민은 과학적 근거에 기반한 지식을 얻는 선순환 구조를 구축할 것입니다. 대학은 모든 분야의 전문가가 모여 있는 지식의 보고로서, 전 지구적 재난 앞에서 막중한 책임을 가집니다. 이번 기회를 통해 대학은 단순히 학술적 성취에 머물지 않고, 인류의 안녕을 위한 공공 연구가 무엇인지 깊이 성찰하게 되었습니다. 전문가들의 분석 능력과 정보를 세상과 공유하여 사회 구성원들이 올바른 판단을 내릴 수 있도록 지원하는 것이 우리의 핵심적인 역할입니다. 앞으로도 이러한 공공 연구를 활성화하여 재난에 강한 사회를 만드는 데 기여하고, 인류가 나아갈 올바른 방향을 제시하고자 합니다.

[코로나 인터뷰] 이현숙_ 전대미문의 코로나19, 분야를 불문하고 다함께 연구해야

이현숙

카오스재단코로나19 과학토크
  • 생명과학

데이터 기반 코로나19 연구팀

17세기 영국에서는 감염병으로 누군가 목숨을 잃을 때마다 마을 교회의 조종을 울려 그 죽음을 알렸습니다. 당시 시인이자 목사였던 존 던은 이러한 광경을 보며 인간 존재의 본질을 깊이 통찰했습니다. 그는 인간을 결코 홀로 존재하는 섬이 아닌, 거대한 대륙의 일부분이자 인류라는 전체의 조각으로 정의했습니다. 타인의 죽음이 단순히 남의 일이 아니라 우리 모두가 긴밀하게 연결되어 있다는 사실을 강조한 그의 철학은, 고립된 개인이 아닌 공동체의 소중함을 일깨워 주는 중요한 메시지를 던집니다. 미국의 대문호 헤밍웨이는 존 던의 시구에서 영감을 얻어 전쟁의 참혹함을 고발하는 소설을 집필했습니다. 그에게 전쟁은 인류 전체를 향해 울리는 비극적인 조종과도 같았습니다. 그로부터 세월이 흘러 오늘날 우리는 코로나19라는 거대한 팬데믹을 마주하고 있습니다. 이는 스페인 독감 이후 100년 만에 전 세계에 울려 퍼진 또 다른 경고의 신호입니다. 감염병의 확산은 우리가 서로 분리된 존재가 아님을 다시금 깨닫게 하며, 현대 사회에서 새로운 형태의 각성과 연대가 필요함을 강력하게 시사하고 있습니다. 포스트 코로나 시대를 맞이하여 우리는 데이터와 과학적 분석에 기반한 정확한 정보의 중요성을 절감하고 있습니다. 감염병은 단순히 신체적인 질병을 넘어 우리 사회의 연결망을 위협하기에, 이를 극복하기 위해서는 의학과 보건뿐만 아니라 수학, 철학, 사회학 등 다양한 분야의 지혜를 모아야 합니다. 다학제적 연구를 통해 도출된 정확한 지식은 불확실한 미래를 헤쳐 나갈 이정표가 될 것입니다. 과학적 통찰을 바탕으로 한 협력은 우리가 다시금 건강한 공동체로 나아가는 데 있어 가장 강력한 무기가 될 것입니다.

데이터 기반 코로나19 연구팀
카오스재단코로나19 과학토크
  • 생명과학

[술술과학] 일반인이 알아야 할 AI 상식 : AI의 역사 | 카오스 첨단기술 시리즈(7)

4차 산업혁명 시대의 핵심은 빅데이터와 인공지능의 결합입니다. 과거의 산업혁명이 증기기관이나 전기를 동력으로 삼았다면, 현대는 방대한 데이터를 기반으로 인공지능이 새로운 가치를 창출하는 초연결 사회입니다. 인공지능은 본래 인간의 신체 부위를 대신하던 기계가 인간의 뇌마저 대신하게 되었다는 의미를 담고 있습니다. 지능이란 다양한 환경에서 복잡한 문제를 해결하는 능력으로 정의되는데, 인공지능은 이러한 자연 지능의 본질을 규명하여 인공적으로 제어하고 특정 문제를 해결하는 기술을 말합니다. 인공지능의 역사는 1950년대 앨런 튜링의 제안과 1956년 다트머스 회의에서 시작되었습니다. 초기 과학자들은 컴퓨터가 곧 인간 수준의 지능을 갖출 것이라 낙관했지만, 곧 '모라벡의 역설'과 '상식의 저주'라는 난관에 부딪혔습니다. 인간에게 쉬운 걷기나 보기 같은 행동이 기계에게는 매우 어렵고, 당연한 상식조차 일일이 가르쳐야 한다는 사실이 밝혀진 것입니다. 이러한 한계로 인해 투자가 급감하며 인공지능 연구는 첫 번째 'AI의 겨울'을 맞이하게 되었습니다. 인공지능의 두 번째 도약은 '전문가 시스템'과 함께 찾아왔습니다. 이는 기계에 특정 분야의 방대한 지식을 입력하여 전문가처럼 문제를 해결하게 만드는 방식이었습니다. 하지만 입력된 지식 이외의 상황에는 대처하지 못하는 한계가 명확했습니다. 특히 '프레임 문제'가 대두되었는데, 이는 기계가 주어진 상황에서 목적과 관계있는 정보와 없는 정보를 구분하지 못해 무한한 사고에 빠지는 현상을 말합니다. 결국 지식을 직접 주입하는 방식의 한계가 드러나며 인공지능은 다시 한번 두 번째 'AI의 겨울'을 겪게 됩니다. 1990년대 이후 인공지능은 지식을 주입하는 방식에서 데이터로부터 지식을 찾아내는 '머신러닝'으로 패러다임을 전환했습니다. 인터넷의 발달로 대량의 데이터를 활용할 수 있게 되면서, 확률과 통계를 기반으로 한 학습이 가능해진 것입니다. 이 과정에서 인간의 뇌 구조를 모방한 '인공 신경망' 기술이 주목받았습니다. 그러나 머신러닝 역시 데이터의 특징을 인간이 직접 설계해서 입력해야 한다는 '특징 설계'의 문제에 직면했습니다. 인간은 무의식적으로 사물을 구별하지만, 그 원리를 기계에게 설명하기는 매우 어려웠기 때문입니다. 이러한 난제를 해결한 것이 바로 '딥러닝'입니다. 딥러닝은 컴퓨터가 데이터로부터 스스로 특징을 찾아 학습하는 자율 학습의 형태를 띱니다. 2010년대 들어 GPU의 발전과 빅데이터의 등장은 딥러닝의 폭발적인 성장을 이끌었고, 이미지 인식 분야 등에서 마침내 인간의 능력을 넘어서는 성과를 거두었습니다. 인공지능의 역사는 탐색에서 지식으로, 그리고 스스로 학습하는 단계로 진화해 왔습니다. 현재의 인공지능은 머신러닝의 한 분야인 딥러닝을 통해 과거의 한계를 극복하며 우리 삶의 모든 영역으로 확장되고 있습니다.

[술술과학] 일반인이 알아야 할 AI 상식 : AI의 역사 | 카오스 첨단기술 시리즈(7)
카오스재단술술과학
  • 물리학
  • 수학