BBS

전체 229건 | 페이지 9 / 33
기본정렬 : 작성일 | 수정일

민간 우주 관광객의 ‘특급 과외 선생님’으로 변신한 NASA 출신 우주비행사

십 년 동안 우주정거장은 주로 전문 우주비행사들이 근무하며 소수의 국가가 운영해왔다. 그러나 액시엄 스페이스(Axiom Space)와 시에라 스페이스(Sierra Space) 같은 기업들이 관광객을 수용하고, 국가와 민간 기업에 필요한 연구 시설을 제공하는 상업용 우주정거장 발사를 추진하면서 이러한 구도는 향후 몇 년 안에 크게 달라질 전망이다. 그중 가장 먼저 등장할 가능성이 높은 상업용 우주정거장은 미국의 우주 스타트업 배스트(Vast)가 2026년 5월 발사를 목표로 개발 중인 ‘헤이븐-1(Haven-1)’이다. 계획대로 진행될 경우 첫 유료 방문객은 발사 약 한 달 후 정거장에 도착하게 된다. 미국 항공우주국(NASA) 출신 우주비행사 드류 퓨스텔(Drew Feustel)은 이들이 역사적인 첫 임무를 앞두고 필요한 훈련을 받고, 정거장 생활에 신속히 적응할 수 있도록 지원할 예정이다. 퓨스텔은 국제우주정거장(ISS)과 허블우주망원경 임무를 포함해 총 세 차례 우주비행을 수행했으며, 누적 체류 기간은 226일에 달한다. 현재 퓨스텔은 배스트의 수석 우주비행사로 활동하고 있다. 그는 새 정거장의 내부 설계에 자문했을 뿐 아니라 고객들이 우주에서 생활하며 업무를 수행할 수 있도록 수개월에 걸친 준비 프로그램도 마련했다. 승무원은 스페이스X의 드래곤(Dragon) 우주선을 타고 헤이븐-1로 이동하며, 한 번에 최대 4명이 10일간 체류할 수 있다. 드래곤은 정거장에 도킹한 뒤 체류 기간 내내 연결된 상태로 유지된다. 배스트는 아직 첫 임무에 탑승할 인원과 티켓 가격을 공개하지 않았다. 다만 경쟁 업체들은 유사한 우주 여행 상품 가격을 수천만 달러 수준으로 책정해 왔다. 스페이스X의 드래곤 우주선과 도킹한 헤이븐-1 우주정거장 모습. VAST 헤이븐-1은 임시 시설로 설계됐다. 이후 상설 운영을 목표로 한 더 큰 규모의 헤이븐-2로 확장할 계획이다. 배스트는 2028년부터 헤이븐-2의 모듈을 발사하기 시작해 2030년에는 승무원을 상주시킬 수 있을 것으로 보고 있다. 이는 NASA가 약 30년 가까이 운영해 온 국제우주정거장을 단계적으로 해체하기 시작하는 시점과 맞물린다. NASA와 협력 기관들은 국제우주정거장을 새로운 국가 주도의 우주정거장으로 대체하기보다는 배스트, 액시엄 스페이스, 시에라 스페이스 등이 구축하는 상업용 우주정거장을 연구 거점으로 활용할 계획이다. 필자는 최근 포르투갈 리스본에서 열린 기술 콘퍼런스 ‘웹 서밋(Web Summit)’에서 배스트의 비전과 자신의 역할을 소개하던 퓨스텔을 만나 이야기를 나눴다. (아래 답변은 편집 및 축약된 버전이다.) 새로운 상업용 우주정거장 시대가 열렸을 때 기대하는 바는 무엇인가. 궁극적으로는 더 많은 사람들이 우주에 접근할 수 있게 되는 것이다. 지난 25년 동안 우주정거장 임무는 미국이 주도해 국제우주정거장에 사람을 보내고, NASA가 다른 국가들과 협력해 운영하는 방식으로 진행됐다. 하지만 ISS 프로그램에 참여하는 핵심 파트너는 16~17개국 정도로 제한돼 있다. NASA의 구상에 따라 배스트는 미국 정부뿐 아니라 전 세계 주권 국가들이 저궤도(LEO) 플랫폼에 더 쉽게 접근할 수 있도록 지원할 예정이다. 유인 우주비행 프로그램을 구축하려는 조직이나 국가들도 같은 방식으로 도울 수 있다. 처음에는 헤이븐-1과 헤이븐-2의 설계 자문 역할로 합류했지만 지금은 배스트의 수석 우주비행사로 활동하고 있다. 어떤 부분에 의견을 보탰나. 내가 참여한 결과가 실제 설계에 반영된 부분도 있다. 예컨대 우주비행사들이 더 편안하게 잠들 수 있도록 돕는 ‘수면 코어’와 ‘수면 시스템’이 대표적이다. 공기 주머니(air bladder)를 활용해 몸을 여러 지점에서 고르게 받쳐 압력을 분산시키는 구조를 설계했는데, 침대에 누웠을 때 중력 때문에 몸이 눌리는 느낌을 우주에서도 비슷하게 재현하려는 취지다. 일반 이불보다 의도적으로 무게를 더한 ‘가중 담요’처럼 몸에 압력을 줘서 심리적 안정이나 편안함을 느끼게 하는 방식인가? 비슷하다고 볼 수 있다. 다만 우주에서는 벽 쪽에 몸을 고정해야 하므로 공기 주머니 같은 장치가 부풀어 오르면서 몸을 벽 쪽으로 밀착시키는 구조가 필요하다. 이런 수면 시스템은 내가 직접 관여한 설계 가운데 하나로, 결과물이 비교적 분명하게 드러나는 부분이기도 하다. 하지만 내 역할은 여기서 그치지 않는다. 승무원용 디스플레이와 인터페이스를 비롯해 알림과 시스템 정보가 어떤 방식으로 전달돼야 하는지, 창문 크기를 어느 정도로 설계해야 하는지까지 회사와 함께 전반에 걸쳐 논의한다. 창문 크기는 클수록 좋을 것 같은데 우주비행사 관점에서 고려할 요소는 무엇인가. 결론부터 말하면 클수록 좋다. 창문은 사진 촬영과 직결되기 때문에 양질의 사진을 얻으려면 창문의 품질과 방향이 중요하다. 늘 우주 쪽만 향해 있어 지구를 볼 수 없는 창은 좋은 설계라고 보기 어렵다. VAST 배스트에서 총괄하고 있는 우주비행사 훈련 프로그램은 어떤 구성인가. 민간인 탑승객처럼 경험이 전혀 없는 사람들도 있을 텐데. 우주정거장에서 2주 동안 머무는 표준 임무를 기준으로 하면 필요한 훈련 과정은 약 11개월로 길게 설계돼 있다. 훈련 주간 사이에 있는 공백 기간을 제외하면 실제 훈련량은 대략 3~4개월 정도다. 전체 훈련의 절반가량은 스페이스X의 드래곤 우주선을 다루는 법을 익히는 데 집중한다. 우리에게 드래곤은 이동 수단이고, 탑승 과정에서 가장 위험한 순간은 발사와 착륙이기 때문이다. 따라서 탑승자들이 드래곤 내부에서 어떤 절차를 따라야 하는지 충분히 이해하도록 하는 것이 핵심이다. 이 과정은 스페이스X가 설계한 영역이라, 그쪽에도 자체 훈련 계획이 마련돼 있다. 우리는 스페이스X 훈련 일정에 맞춰 배스트의 교육을 덧붙이는 방식으로 프로그램을 운영한다. 예컨대 승무원들이 캘리포니아에서 스페이스X 훈련을 받는 주간이면, 같은 기간 우리 시설로도 오게 해 헤이븐-1 내부에서 생활하고 작업하는 데 필요한 절차를 익히도록 한다. 교육의 상당 부분은 비상 대응에 초점이 맞춰져 있다. 문제가 생겼을 때 승무원들이 스스로 안전을 확보하고, 필요하면 다시 드래곤으로 돌아가 정거장을 이탈하는 절차까지 수행할 수 있어야 하기 때문이다. 우리는 그런 상황에 대비해 필요한 단계들을 반복적으로 숙지하도록 훈련한다. 또 하나 중요한 축은 일상생활 훈련이다. 우주에서 무엇을 먹고, 어떻게 잠을 자는지, 화장실은 어떻게 사용하는지 같은 기본적인 생활 방식부터 익혀야 한다. 사진을 찍은 뒤 파일을 내려받는 방법, 연구용 과학 장비를 다루는 방식도 교육 내용에 포함된다. 정거장 내부의 ‘페이로드 랙(payload rack)’, 즉 우주정거장 안에 있는 큰 캐비닛 형태의 모듈에 설치된 각종 실험 장비에서 전송되는 실시간 데이터와 상태 정보를 지속적으로 모니터링하면서 실험을 진행해야 하기 때문이다. 이런 일상 절차는 우주에 오르기 전부터 여러 차례 반복해 연습한다. 현지에 도착한 뒤에도 시행착오를 겪지 않도록 필요한 과정을 미리 몸에 익혀두기 위해서다. 그래야 우주에서 적응하는 데 시간을 빼앗기지 않고 곧바로 해야 할 일을 수행할 수 있다.   VAST 배스트의 푸드 시스템 팀은 임무에 대비해 딸기 등 쉽게 상하는 식품을 동결건조 방식으로 가공한다. 무중력 환경에서 커피를 만들기 위해 특수 장비를 활용하는 모습. 사람들이 이런 동작들을 직접 해볼 수 있는 시설이 있나. 아니면 가상 시뮬레이션 같은 방식이 마련돼 있나. 실제 우주에서 생활하게 될 공간과 동일한 형태의 훈련용 모형을 마련했다. 다만 무중력 환경은 아니라서 그와 비슷한 체험을 하려면 일명 ‘제로지(Zero-G) 비행기’를 타야 한다. 이 비행기는 포물선 비행으로 고도를 올렸다가 지구 방향으로 급강하하는 방식으로 잠깐씩 무중력 상태를 만들어낸다. 멀미로 토하는 사람이 많아 ‘구토 혜성(vomit comet)’이라는 별명도 붙었다. 그 외에는 미세 중력 환경을 제대로 훈련할 방법이 사실상 없다. 결국 영상을 보며 설명을 충분히 듣고, 실제로 어떤 감각이 찾아올지에 대해 심리적으로 대비하는 수밖에 없다. 물속에서 훈련하는 방식도 있지만, 이는 우주 유영과 관련된 고난도 훈련에 가깝다. 사람들은 정거장에서 주로 어떻게 시간을 보내게 될까. 지금까지의 사례를 보면 빡빡한 일정을 소화하느라 매우 바쁜 나날을 보내게 될 것이다. 크게 보면 우주에서 하게 되는 일은 세 가지다. 자기 몸을 돌보는 일, 실험을 수행하는 일, 그리고 창밖을 바라보는 일이다. 여기에 학교나 병원, 기업 등 지구와 소통하는 대외 활동도 포함된다. 상업용 우주정거장 시대가 열리면 지금보다 훨씬 더 많은 일반인이 우주에서 지구를 내려다보는 경험을 하게 될 것이다. 물론 초기에는 티켓 가격 때문에 주로 부유층이 대상이 되겠지만, 그런 장면을 마주한 사람들은 어떤 반응을 보일까. 우주에는 도달하지만 지구 궤도를 돌지는 않고 다시 귀환하는 ‘준궤도 비행’에 대한 반응을 떠올려볼 수 있다. 제프 베이조스 아마존 창업자의 우주 기업 블루 오리진(Blue Origin)과 영국의 민간 우주 관광 기업 버진 갤럭틱(Virgin Galactic)은 이런 준궤도 비행 상품을 제공하는데, 실제로는 3~4분 정도 몸이 뜬 상태로 지구를 내려다보는 경험에 가깝다. 고도 역시 궤도 비행을 하는 전문 우주비행사들이 지구를 선회할 때 도달하는 높이의 약 20~30% 수준이다. 2025년 모하비 사막에서 테스트를 마무리하는 배스트의 헤이븐-1 우주정거장. VAST   준궤도 비행에 참가한 사람들은 놀라울 만큼 강렬한 경외감과 경이로움을 경험한다. 우주비행사들이 우주에서 지구를 바라볼 때 느끼는 감정과 크게 다르지 않다. 더 많은 사람이 이런 풍경을 직접 마주할 수 있다면 지구에서 살아가는 태도도 조금은 달라질 수 있지 않겠느냐는 기대도 뒤따른다. 바로 그런 이유에서 더 많은 사람들에게 우주 접근성을 열어주고, ‘행성에 거주한다’의 의미를 몸으로 체감하게 하려는 것이다. 지구는 우리 생명을 유지하는 시스템을 갖춘 하나의 우주선과도 같으며, 그 사실을 자각하는 것 자체가 중요한 경험이 될 수 있다. 이런 우주정거장이 인류를 ‘여러 행성에서 지속적으로 생존·번영하는 종’으로 이끄는 발판이 될 수 있다는 기대도 있다. 이런 목표에 동의하나. 동의한다면 그 이유는 무엇인가.  동의한다. 인간은 지구 밖에서도 살아갈 수 있어야 한다고 믿는다. 우리는 이미 그럴 능력을 갖췄고, 지금은 실제로 그 가능성을 열어가고 있다. 그렇다면 우주를 더 탐사하고 더 멀리 나아가 다른 환경에서 살아가는 방법을 배우지 않을 이유가 없다. 물론 지구의 자원을 고갈시키고 다른 행성으로 옮겨가 똑같은 일을 반복하자는 뜻은 아니다. 다만 우리가 ‘고향’이라 부르는 지구가 짊어진 부담을 조금이라도 덜어낼 여지는 있을 것이다. 지구 밖에서 살아갈 이유는 충분히 많다고 본다. 지구에 문제가 생겼을 때를 위한 대책은 사실상 없다. 공룡이 우주에서 비롯된 재난으로 멸종한 것처럼, 우리 주변의 우주 환경에는 예측하기 어려운 위험이 존재한다. 그런 리스크를 염두에 두고 인류의 역량을 확장해 다양한 대비책을 마련해야 한다.

2026.01.21  0  75 

MIT 테크놀로지 리뷰가 선정한 '2026년 10대 미래 기술'

안녕하세요? MIT 테크놀로지 리뷰 뉴스레터 구독자 여러분   올해도 힘차게 출발해 볼까요?   지금부터 약 19년 전인 2007년 1월 9일, 검은색 터틀넥을 입은 중년 남자 '스티브 잡스'는 맥월드 컨퍼런스 무대에 오릅니다. 그리고 그는 아이폰이라는 휴대폰을 보여줍니다.   "여러분, 이것은 아이폰이라 불립니다. 오늘 애플은 휴대폰을 다시 정의합니다."   그가 들고 나온 것은 단순한 휴대폰이 아니었습니다. 1983년 모토로라가 첫 번째 상용 휴대폰을 발표한 후, 근본적인 변화 없이 24년간 이어져 왔던 휴대폰을 새롭게 재정의했기 때문입니다.   아이폰의 역사가 된 앱과 콘텐츠를 잠깐 잊고, 가장 큰 혁신은 바로 '터치 인터페이스' 기술이었습니다. 화면을 터치하면 바로 느껴지는 그 감동은 완전 새로운 세계를 열었습니다. 기술은 기술 그 자체로 아름다운 것이 아니라, 기술이 시장에서 놀라운 고객 경험을 줄 때 그 빛을 발하는데, 이 기술이 이후 인류의 생활 방식을 바꿔 나갔습니다.   놀랍게도 아이폰과 같이 하나의 기술이 인류의 삶에 커다란 영향을 준 사례는 손에 꼽을만큼 드믑니다. 그런데 지금, 우리는 새로운 기술이 인류의 생활 방식을 바꾸는 놀랍고 새로운 전환점에 다시 한번 서 있습니다.   바로 AI 때문입니다. 대중에게는 동떨어진 실험적인 기술 혹은 복잡한 알고리즘의 ‘도구’였던 AI가, 이제 너무나 편하고 쉽게 접할 수 있는 ‘똑똑한 친구’로 탈바꿈하는 전환점에 서 있기 때문입니다.   매년 MIT 테크놀로지 리뷰는 1월에 그해의 10대 미래 기술을 발표합니다. 그리고 오늘이 그 기술을 또 공개하는 날입니다. AI에 대한 내용이 많을 수밖에 없는 시대적 모습을 보고 있습니다.   우리나라도 기술 강국의 꿈을 갖고 있습니다. 놀라운 혁신의 흐름에 독자 여러분도 각 분야에서 기여를 하고 계실 거라 생각합니다.   MIT 테크놀로지 리뷰와 함께 올해도 새로운 기술을 같이 찾아보시지 않겠습니까? 올해 MIT 테크놀로지 리뷰가 선정한 '2026년 10대 미래 기술'에서 가장 두드러지는 흐름은 단연 AI의 확장입니다. 초거대 AI 데이터센터(Hyperscale AI data centers)는 이제 기술 인프라를 넘어 전력, 공간, 국가 경쟁력의 문제로 떠올랐습니다. AI 동반자 에이전트(AI companions)와 생성형 코딩 기술(Generative coding)은 AI가 더 이상 ‘도구’가 아니라, 사람의 일과 판단, 관계에 깊이 관여하는 시스템으로 진화하고 있음을 상징합니다. AI 자체의 변화도 빠르게 진행 중입니다. AI 내부 작동 해부 기술(Mechanistic interpretability)은 “왜 이런 답이 나왔는가”라는 질문을 철학적 논쟁이 아닌 공학적 과제로 만듭니다. 에너지 분야에서는 나트륨 이온 배터리(Sodium–ion batteries)와 차세대 소형·안전 원자로 기술(Next–gen nuclear)이 선정됐습니다. 이는 급증하는 전력 수요를 기존 방식으로는 감당할 수 없다는 현실적 인식에서 출발합니다. 생명과학 분야에서는 맞춤형 염기 교정 유전자 치료 기술(Base–edited babies), 배아 유전 점수화 기술(Embryo scoring), 유전자 복원 기술(Gene Resurrection) 등  개인화된 치료, 그리고 더 근본적인 생명의 시작과 진화에 대한 기술이 선정됐습니다. 마지막으로, 상업용 우주정거장(Commercial space stations)은 기술의 무대가 지구에만 머물지 않음을 보여줍니다.

2026.01.13  0  138 

2026년 주목해야 할 5대 AI 트렌드

화가 일상인 업계에서 미래를 예측하는 일은 자칫 무모해 보일 수 있다. 요즘 AI 버블론이 자주 언급되지만 과연 누가 이를 확신할 수 있을까? 이러한 우려에도 불구하고 우리는 지난 몇 년간 앞으로의 흐름을 예측해 왔고, 올해도 어김없이 이 어려운 과제에 도전한다. 지난번 예측은 얼마나 적중했을까? 우리는 2025년에 주목해야 할 AI 트렌드 다섯 가지를 제시했다. 여기에는 우리가 ‘생성형 가상 놀이터’이라고 표현한 ‘월드 모델’(실제로 구글 딥마인드의 지니 3(Genie 3)부터 월드 랩스(World Labs)의 마블(Marble)까지, 현실감 있는 가상 환경을 즉석에서 생성하는 기술은 점점 더 정교해지고 있다), 추론 모델(추가 설명이 필요할까? 이 모델은 업계 최고 수준의 문제 해결을 위한 새로운 패러다임으로 빠르게 자리 잡았다), 그리고 과학 분야에서 AI의 급격한 부상(오픈AI는 구글 딥마인드에 이어 과학 연구에만 집중하는 전담팀을 꾸렸다)이 포함됐다. 또한 우리는 AI 기업이 국가 안보 분야로 진출(오픈AI는 자사 기술의 전쟁 활용에 대한 기존 입장을 번복하고, 방산 기술 스타트업 안두릴과 AI 모델을 전장 드론을 격추하는 데 활용하는 내용의 계약을 체결했다)할 것이며, 엔비디아의 아성에 도전할 경쟁업체가 등장(이는 부분적으로는 맞았다. 중국이 첨단 AI 칩 개발에 총력을 기울이고 있지만, 적어도 현재로서는 엔비디아의 지배력이 여전히 굳건해 보인다)할 것으로 내다봤다. 2026년에는 어떤 일들이 우리를 기다리고 있을까? 앞으로 12개월 동안 주목해야 할 AI 분야의 주요 변화는 다음과 같다. 실리콘 밸리의 중국 LLM 의존도 증가 2025년은 중국 오픈소스 모델의 존재감이 본격적으로 부각된 해였다. 지난해 1월 딥시크는 오픈소스 추론 모델 R1을 공개하며 제한된 자원을 가진 비교적 작은 중국 기업도 세계 최고 수준의 성과를 낼 수 있음을 보여 전 세계적으로 큰 반향을 일으켰다. 연말 무렵에는 ‘딥시크 모멘트(DeepSeek moment)’라는 표현이 AI 창업가, 업계 관계자 및 개발자들 사이에서 자주 회자되며 일종의 이상적인 기준으로 자리 잡았다.   딥시크의 등장은 오픈AI나 앤트로픽, 구글 같은 거대 기업을 거치지 않고도 최상급 AI 성능을 경험할 수 있다는 사실을 많은 이들에게 처음으로 일깨워준 계기가 됐다. R1과 같은 오픈 웨이트 모델(open-weight model)은 누구나 모델을 다운로드한 후 자체 하드웨어에서 실행할 수 있다. 또한 증류(distillation)나 가지치기(pruning) 같은 모델 경량화 기법을 통해 모델을 맞춤형으로 조정할 수 있다는 장점도 있다. 이는 핵심 기능을 여전히 비공개로 유지하고 있고 접근 비용도 높은 미국 주요 기업의 ‘폐쇄형(closed)’ 모델과 뚜렷한 대조를 이룬다. 증류는 크고 똑똑한 모델의 지식을, 더 작고 가벼운 모델에 ‘전수’하는 방법을, 가지치기는 모델 안에서 중요하지 않은 부분을 ‘잘라내는’ 방법을 말한다. 이러한 흐름 속에서 중국 모델은 매력적인 선택지로 부상했다. CNBC와 블룸버그의 보도에 따르면 중국 AI 모델의 장점을 인식하고 이를 적극적으로 도입하는 미국 스타트업들이 늘고 있다. 중국 최대 전자상거래 플랫폼 타오바오를 운영하는 알리바바가 개발한 큐원(Qwen) 시리즈는 대표적인 사례다. 특히 큐원2.5-1.5B-인스트럭트(Qwen2.5-1.5B-Instruct) 모델은 다운로드 수만 885만 건에 달해 가장 널리 사용되는 사전 학습 대형언어모델(LLM) 중 하나로 꼽힌다. 큐원 시리즈는 다양한 모델 크기를 아우를 뿐 아니라 수학, 코딩, 시각 정보 처리 및 지시 이행에 특화된 버전까지 갖추고 있어, 폭넓은 구성을 바탕으로 오픈소스 분야에서 강력한 영향력을 발휘하고 있다. 한때 오픈소스 전환에 신중한 모습을 보였던 다른 중국 AI 기업들도 이제는 딥시크의 전략을 따르고 있다. 즈푸(Zhipu)의 GLM과 문샷(Moonshot)의 키미(Kimi)가 대표적이다. 이런 경쟁은 미국 기업에도 영향을 미쳐 최소한 부분적으로 개방을 확대하는 움직임으로 이어졌다. 8월에는 오픈AI가 처음으로 오픈소스 모델을 공개했고, 11월에는 시애틀에 기반을 둔 비영리 연구기관 앨런 인공지능 연구소(Allen Institute for AI)가 최신 오픈소스 모델 올모 3(Olmo 3)를 발표했다. 미중 갈등이 고조되는 상황에서도 중국 AI 기업들이 거의 일제히 오픈소스를 선택한 행보는 글로벌 AI 커뮤니티에서 긍정적인 평가를 받았으며 장기적인 신뢰 측면에서도 이점을 제공했다. 2026년에는 암암리에 더 많은 실리콘밸리 애플리케이션이 중국 오픈 모델을 기반으로 출시될 것으로 보이며, 중국과 서구의 최첨단 모델 사이의 출시 시차도 수개월에서 수주, 경우에 따라서는 그 이하로 짧아질 것으로 보인다. —Caiwei Chen AI 규제를 둘러싼 미국 내 힘겨루기 심화 AI 규제를 둘러싼 싸움은 정면충돌 국면에 접어들고 있다. 12월 11일 도널드 트럼프 대통령은 주 정부의 AI 규제 법안을 무력화하는 내용의 행정명령에 서명했다. 이는 빠르게 성장하는 AI 산업을 각 주가 규제하지 못하도록 사실상 손발을 묶으려는 조치다. 2026년에는 이러한 정치적 대립이 한층 더 격화될 것으로 보인다. 백악관과 주 정부들은 급성장하는 기술에 대한 규제 권한을 두고 충돌하고, AI 기업들은 주마다 다른 규제가 혁신을 저해하고 중국과의 AI 경쟁에서 미국에 불리하게 작용한다는 논리를 앞세워 규제를 무력화하기 위한 치열한 로비전에 나설 것이다. 이번 행정명령으로 인해 주 정부들은 규제 완화 기조에 맞서다 소송에 휘말리거나 연방 지원금을 삭감당할 수 있다는 불안감을 느낄 수 있다. 최근 미국 최초로 기업에 AI 모델의 안전성 테스트 공개를 의무화하는 내용의 첨단 AI 기술 관련 법을 제정한 캘리포니아 같은 민주당 성향의 주요 주들은 주법(州法)을 무효화할 수 있는 권한은 의회에만 있다며 법정 대응에 나설 것이다. 반면 연방 자금에 대한 의존도가 높거나 트럼프 행정부의 정치적 보복을 우려하는 주들은 대응을 포기할 가능성도 있다. 그럼에도 행정명령이 허용하는 범위 안에서는 논란이 큰 사안을 중심으로 주 차원의 입법 시도가 계속될 것으로 보인다. 챗봇이 청소년 자살을 부추긴다는 의혹과 데이터 센터의 에너지 소비 급증 문제가 겹치면서 주 정부에 규제 장치 마련을 촉구하는 대중의 압력이 더욱 거세질 것이다. 트럼프는 주법 대신 의회와 협력해 연방 차원의 AI 법을 마련하겠다고 공언하고 있다. 그러나 그 실현 가능성은 높지 않아 보인다. 미 의회는 2025년에 주 정부의 AI 입법을 제한하는 법안을 통과시키는 데 두 차례나 실패했으며, 올해 자체적인 법안을 내놓을 가능성도 기대하기 어렵다. 오픈AI와 메타 같은 AI 기업들은 자신들의 입장을 지지하는 정치인을 후원하고 반대 세력을 견제하기 위해 막강한 슈퍼 PAC(super PAC: 특별정치활동위원회)을 계속 동원할 것이다. 이에 맞서 AI 규제를 지지하는 슈퍼 PAC들 역시 자금력을 키워 대응에 나설 것으로 기대된다. 올해 치러질 중간선거에서 이들 사이에서 펼쳐질 치열한 대결을 눈여겨보자. AI가 발전할수록 그 방향을 통제하려는 다툼도 더 거세진다. 2026년 역시 끝이 보이지 않는 규제 힘겨루기의 해가 될 전망이다. —Michelle Kim 챗봇으로 인한 쇼핑 방식의 변화 24시간 언제든 이용할 수 있는 개인 쇼핑 도우미가 있는 세상을 상상해 보자. 이 전문가는 까다로운 친구나 친지에게 어울리는 선물을 즉시 추천해 주고, 인터넷을 뒤져 한정된 예산 안에서 가장 좋은 책장 목록을 만들어준다. 더 나아가 주방 가전의 장단점을 분석하고, 겉보기에는 별 차이가 없어 보이는 경쟁 제품과 비교해 최적의 선택지를 찾아준다. 제안에 만족하면 구매와 배송 요청까지 대신 처리해 준다. 이처럼 모든 정보를 꿰뚫고 있는 쇼핑 도우미는 사람이 아니라 챗봇이다. 그리고 이는 더 이상 먼 미래의 이야기가 아니다. 세일즈포스는 앞서 2025년 연말 쇼핑 시즌에만 AI가 온라인 구매 2,630억 달러(약 380조 원)를 창출할 것으로 예상된다고 밝힌 바 있다. 이는 전체 주문의 약 21%에 해당한다. 전문가들은 AI 기반 쇼핑이 향후 몇 년 안에 훨씬 더 거대한 사업으로 성장할 것으로 보고 있다. 컨설팅 기업 맥킨지의 연구에 따르면 2030년경에는 에이전틱 상거래를 통해 매년 3조 달러(약 4,300조 원)에서 5조 달러(약 7,200조 원) 규모의 거래가 이뤄질 것으로 전망된다. 이러한 전망에 맞춰 AI 기업들은 자사 플랫폼 내에서 구매 과정을 최대한 매끄럽게 구현하기 위해 이미 대규모 투자를 단행하고 있다. 구글의 제미나이 앱에서는 이제 제품과 판매자 정보가 포함된 강력한 쇼핑 그래프(Shopping Graph) 데이터 세트를 활용할 수 있으며, 에이전틱 기술을 활용해 사용자 대신 매장에 전화를 걸어주는 기능도 제공된다. 한편 오픈AI는 지난해 11월 구매 가이드를 신속하게 정리해 주는 챗GPT 쇼핑 기능을 발표했고, 월마트, 타깃, 엣시와 같은 쇼핑몰들과 제휴해 챗봇 대화 중 바로 제품을 구매할 수 있도록 했다. 소비자들이 AI와 대화하는 시간이 계속 증가함에 따라 올해에도 이러한 쇼핑 제휴는 더 늘어날 것으로 보인다. 반면 검색 엔진과 소셜미디어에서 유입되는 웹 트래픽은 계속 줄어들 것이다. —Rhiannon Williams 과학 연구에서 LLM의 역할 확대 처음부터 한 가지 단서를 달고 시작하겠다. LLM이 엉뚱하거나 부정확한 결과를 내놓는 경우가 많다는 사실은 잘 알려져 있다. 원숭이가 타자기를 두드리다 우연히 햄릿을 써내는 수준의 행운이 따르지 않는 한, LLM이 스스로 무언가를 발견해 낼 가능성은 낮다. 그럼에도 LLM이 인간 지식의 경계를 확장하는 데 기여할 가능성은 부정할 수 없다. 그 가능성은 지난해 5월 구글 딥마인드가 공개한 알파이볼브(AlphaEvolve)를 통해 엿볼 수 있었다. 알파이볼브는 구글의 제미나이 LLM을 활용해 아직 해결되지 않은 난제를 풀기 위한 새로운 알고리즘을 제시하는 시스템이다. 이 접근법의 핵심은 제미나이를 진화 알고리즘과 결합해, 제미나이 LLM이 제안한 해법을 검증하고 가장 우수한 해법만 선별한 뒤 이를 다시 LLM에 입력해 성능을 추가로 끌어올린 데 있었다. 구글 딥마인드는 알파이볼브를 활용해 데이터 센터와 구글의 TPU 칩의 전력 소비를 보다 효율적으로 관리하는 방법을 찾아냈다. 이는 의미 있는 발견이지만, 아직은 세상을 바꿀 만한 성과라고 보기 어렵다. 구글 딥마인드 연구진은 이 접근법이 어디까지 확장될 수 있을지 계속 시험하고 있다. 이러한 흐름을 따르는 연구자들도 빠르게 늘고 있다. 알파이볼브가 공개된 지 일주일 후, 싱가포르의 AI 엔지니어 아산카야 샤르마(Asankhaya Sharma)는 구글 딥마인드 모델의 오픈소스 버전인 오픈이볼브(OpenEvolve)를 공개했다. 이어서 9월에는 일본 기업 사카나 AI(Sakana AI)가 싱카이볼브(SinkaEvolve)라는 소프트웨어를 출시했으며, 11월에는 미국과 중국 연구진이 알파리서치(AlphaResearch)를 발표하며 이미 인간을 능가하는 수준이었던 알파이볼브의 수학 해법 중 하나를 추가로 개선했다고 주장했다. 한편 연구자들은 다른 접근법도 모색하고 있다. 가령 콜로라도 대학교 덴버 캠퍼스의 연구진은 이른바 추론 모델의 작동 방식을 조정해 LLM이 더욱 창의적인 해법을 내놓도록 하는 방안을 실험 중이다. 이들은 인간의 창의적 사고에 대한 인지과학 연구를 바탕으로 추론 모델이 기존의 무난한 해법을 넘어 보다 획기적인 해결책을 제시하도록 유도하고 있다. 수백 개의 기업이 AI를 활용해 수학 난제를 풀고, 컴퓨터 성능을 높이며, 새로운 약물과 소재를 개발하기 위해 막대한 자금을 투자하고 있다. 알파이볼브가 LLM의 잠재력을 구체적으로 보여준 만큼 이 분야의 연구 활동은 빠르게 가속화될 것으로 보인다.     —Will Douglas Heaven 거세지는 법정 공방 한동안 AI 기업을 상대로 한 소송은 비교적 예측 가능한 흐름을 보였다. 작가나 음악가 같은 저작권자가 자신의 작품을 학습에 활용한 AI 기업을 상대로 소송을 제기했고, 법원은 대체로 거대 테크 기업의 손을 들어줬다. 하지만 앞으로 전개될 AI 관련 법적 분쟁은 훨씬 복잡하고 혼란스러워질 전망이다. 분쟁의 초점은 아직 명확한 해답이 없는 까다로운 쟁점들로 옮겨가고 있다. 예컨대 챗봇이 청소년의 자살 계획을 돕는 등 특정 행동을 부추겼을 경우 AI 기업에 그 책임을 물을 수 있을까? 챗봇이 특정 인물에 대해 명백한 허위 정보를 퍼뜨렸다면 그 개발자를 명예훼손으로 고소할 수 있을까? 또 기업들이 이러한 소송에서 잇따라 패소한다면 보험사들이 AI 기업을 요주의 고객으로 간주해 외면하게 될까? 2026년에는 이러한 질문들에 대한 답의 윤곽이 서서히 드러나기 시작할 것이다. 일부 주목할 만한 사건들이 실제 재판에 넘겨질 예정이기 때문이다(11월에는 자살로 숨진 청소년의 가족이 오픈AI를 상대로 제기한 사건이 법정에서 다뤄질 예정이다). 여기에 더해 지난해 12월에 발표된 트럼프 대통령의 행정명령으로 법적 환경은 더욱 복잡해질 것으로 보인다. AI 규제를 둘러싼 갈등의 배경과 향후 전개 양상에 대해서는 앞서 미셸이 다룬 내용을 참고하기 바란다. 어떤 결과가 나오든, 사방에서 쏟아지는 각종 소송을 피하기는 어려울 것이다(그 과정에서 일부 판사들이 넘쳐나는 사건을 처리하기 위해 AI의 도움을 받는 사례까지 등장할 수 있다).—James O’Donnell

2026.01.12  0  156 

“단국 AI‧X(인공지능융합) 캠퍼스로 국가 미래 성장동력 키운다” 언론 주목해

국내 주요 언론사가 우리 대학의 AI‧X(인공지능융합, AI Transformation) 캠퍼스 구축을 중심으로 한 미래형 캠퍼스 대전환 성과를 잇달아 조명했다. 언론은 우리 대학이 AI를 교육과 연구는 물론 행정 전반까지 확장해 전교생 AI 교육 체계를 구축하고, AI·반도체·모빌리티·바이오헬스 등 국가 전략 산업과 연계한 융합 교육·연구를 강화하고 있다고 전했다. 특히 전공의 경계를 넘어 모든 학생이 AI 역량을 갖출 수 있도록 교육 패러다임을 전환한 점에 주목했다. 또한 인공지능학과와 AI융합연구원 신설, 가상현실(VR)·확장현실(XR) 기반 실감형 교육, AI 기반 에듀테크 플랫폼 구축, 연구 성과의 교원 창업 및 산업화까지 이어지는 선순환 구조를 통해 AI‧X 캠퍼스 구축에 속도를 내고 있다고 전했다. 이와 함께 세계대학평가 대응을 위해 ‘대학평가전략위원회’와 ‘단국 SDGs 위원회’를 설치하고, 중장기 평가 전략과 실행 체계를 구축한 점도 집중 조명했다. 그 결과 ▲2026 QS 세계대학평가 3년 연속 순위 상승 ▲2026 QS 아시아대학평가 전년 대비 67계단 상승(200위권 첫 진입) ▲2026 QS 지속가능성평가 전년 대비 165계단 상승 등 괄목할 만한 성과를 거뒀다고 조명했다.  국내 주요 언론사가 우리 대학의  AI‧X(인공지능융합, AI Transformation) 캠퍼스로의 도약을 집중 조명했다. [※홍보팀 자료사진]  전공 불문 ‘전교생 AI 교육’… 미래형 AI·X 캠퍼스로 대전환 판교테크노밸리 등과 산학협력, 반도체 클린룸 가상공간 구현도 AI학과·AI융합연구원 신설하고, 단과대 19개 필수교양과정 개발 2년째 교외연구비 1000억 수주, 2030년까지 AI인재 등 3.2만명 지난 2007년 경기 용인시 죽전캠퍼스로 이전한 단국대가 이전 18주년을 맞아 인공지능융합(AI Transformation)을 중심으로 한 미래형 캠퍼스로의 대전환을 본격화하고 있다. AI를 교육과 연구뿐 아니라 행정까지 확장 적용해 전교생 AI 교육 체계를 구축하고, 반도체·모빌리티·바이오헬스 등 국가 전략 산업과 연계한 융합 교육·연구를 강화했다. 인공지능학과와 AI융합연구원 신설, 실감형 반도체 교육, AI 기반 에듀테크 플랫폼 구축, 연구 성과의 창업·산업화까지 진행하며 ‘AI 전환(AX)을 선도하는 캠퍼스’로 도약하고 있다. 국내 대학 최고 수준의 반도체 실습 인프라인 「DKU 클린룸 센터」에서 실습을 하고 있는 학생  ◆첨단산업벨트 연계 교육=단국대 죽전캠퍼스는 수도권 남부 반도체·정보통신기술(ICT) 산업 벨트의 중심이라는 지리적 이점을 바탕으로 AI, 반도체, 모빌리티, 바이오헬스 등 국가 첨단 전략 분야에서 교육과 연구, 산업 현장을 유기적으로 연결하는 개방형 혁신 생태계를 구축하고 있다. 판교테크노밸리와 반도체 국가첨단전략산업 특화단지 등 대한민국 첨단산업의 핵심 거점과 인접한 입지를 교육 경쟁력으로 전환해, 지역과 국가 발전을 동시에 견인하는 전략을 세운 것이다. 단국대는 국내 대학 최고 수준의 반도체 실습 인프라인 「DKU 클린룸 센터」도 구축했다. 또한 융합반도체공학과 교육을 위해 디스플레이·반도체 등을 생산하는 팹(FAB)에서 주로 사용되는 건물 내부의 환경 형태인 클린룸(clean room) 환경을 가상공간으로도 구현했다. 이곳에서 학생들은 교재 대신 가상·확장현실(VR·XR) 장비를 착용하고 반도체 제조 공정을 학습할 수 있다. 웨이퍼 공정의 흐름을 따라가며 온도·압력·진공 조건 변화에 따른 공정 이상 상황을 직접 체험하고 대응 시나리오 교육을 받을 수 있다. 고가의 장비와 높은 안전 관리가 요구되는 반도체 실습 환경을 디지털 기술로 구현해 학생들은 반복 학습과 실험을 통해 산업 현장에서 요구되는 장비 이해도와 문제 해결 역량을 자연스럽게 키울 수 있다. 위험 부담 없이 실제 산업 현장을 그대로 옮겨온 듯한 몰입형 수업으로 ‘체험 중심·문제 해결 중심 교육’을 진행한다. 일본 리츠메이칸대학과 함께 한·일 대학생들이 AI 로봇개 ‘소라(SORA)’ 체험 실습하고 있는 모습   ◆AI학과 신설=단국대는 교육부의 2026학년도 첨단 분야 정원 증원 계획에 발맞춰 인공지능학과를 신설하고 42명의 신입생을 선발한다. 대학원에는 인공지능융합학과와 인공지능학과를 설치해 학·석·박사로 이어지는 통합 AI 교육체계를 구축했다. 이와 함께 신설한 AI융합연구원은 AI 코어 연구와 AI 전환 연구를 총괄하는 컨트롤타워로, 모바일, 자율주행·드론, AI보안, 환경·에너지 AI, 인간중심 AI, 메타버스 AI, AI로봇, 초지능융합(MIND-X) 등 11개 전문센터를 중심으로 미래 산업을 선도할 연구 역량을 집적하고 있다. 기존 강점 분야인 반도체·모빌리티·바이오헬스를 AI 기반 융합 전략으로 확장해 산업 수요에 즉각 대응하는 연구·교육 체계를 구축했다. 단국대는 전교생 대상 AI 교육을 통해 전공 제한 없이 AI 역량을 키울 수 있도록 돕는다. ‘대학 SW·AI 입문’ 과목을 비롯해 단과대학 특성을 반영한 전공 연계 AI 교육을 확대하고, 각 단과대학에 AI-PD 교수를 배치해 19개 필수 교양 과정을 개발했다. 연간 3000명 이상이 100여 개의 SW·AI 강좌를 이수하고 있으며, 비전공자를 위한 맞춤형 AI 학위과정 ‘재능사다리 4단계’, 리빙랩 기반 실무 교육, 산업체 연계 아카데미를 통해 실무 적응력을 높이고 있다. 국내 대학 최초로 독자 개발한 AI 교육지원 서비스 ‘에듀아이(EduAI)’, 학생용 교육지원 비서 ‘단아이(Dan.i)’, 교수용 교육지식분석시스템 ‘데스크(D-ESK)’ 등 AI 에듀테크 플랫폼도 AI·X캠퍼스 전략을 뒷받침하는 핵심 인프라로 자리 잡았다.  3D프린팅 분야 글로벌 1위 기업 스트라타시스와 협력해 설립한 첨단제조융합연구센터에서 실습하고 있는 학생  ◆눈에 띄는 연구·창업 성과=연구 성과의 산업화와 창업 성과도 두드러진다. 단국대는 최근 2년 연속 교외 연구비 수주액 1000억 원을 달성하며 연구 중심 대학으로서의 경쟁력을 입증했다. 연구 성과는 기술지주회사와 전주기 창업 지원 체계를 통해 산업과 시장으로 확장되고 있다. 대표 사례가 산학협력단 기술지주회사 자회사로 출발한 알지노믹스다. 알지노믹스는 연구실 창업 이후 8년 만에 ‘국내 1호 초격차 기술특례상장’으로 18일 코스닥에 상장했다. RNA 편집 기반 유전자치료제 기술은 글로벌 제약사와 1조9000억 원 규모의 기술이전으로 이어지며, 바이오헬스 분야 국가 전략기술 확보와 글로벌 시장 선점을 동시에 이뤄냈다는 평가를 받는다. 대학의 연구가 산업화와 글로벌 진출 단계까지 이어지는 ‘대학 연구·개발(R&D) 선순환 생태계’가 작동하고 있음을 보여주는 상징적 사례다. 단국대는 이러한 성과를 바탕으로 경기도 RISE(지역혁신중심 대학지원체계) 사업에도 선정돼 지·산·학·연을 아우르는 지역 혁신 모델 구축에 나서고 있다. 죽전캠퍼스는 2030년까지 AI·빅데이터, 반도체, 첨단모빌리티, 디지털 전환 등 미래 성장 산업 분야에서 3만2000여 명의 인재를 양성할 계획이다. 이를 위해 삼성전자, SK하이닉스, 도쿄일렉트론코리아, ST마이크로일렉트로닉스 등 국내외 기업들과 협력해 국내 대학 최고 수준의 반도체 실습 인프라인 ‘DKU 클린룸 센터’도 구축했다. 안순철 단국대 총장은 “단국대 AI·X 캠퍼스는 AI를 중심으로 교육과 연구, 산학협력 체계를 근본적으로 혁신하는 미래 대학 전략”이라며 “국가 전략 산업과 연계한 첨단 학문 육성과 연구 성과의 산업화, 전교생 대상 AI 교육을 통해 미래 인재를 키우는 지속 가능한 생태계를 구축해 나가겠다”고 밝혔다. [문화일보 기사바로가기]  https://www.munhwa.com/article/11555005?ref=naver [조선일보 기사바로가기]  https://www.chosun.com/special/special_section/2025/12/19/WERCYF44LBBABKBIQOGNA23I3M/  DKU WEBZINE danpr@dankook.ac.kr 출처 : DKU WEBZINE(https://webzine.dankook.ac.kr)

2026.01.12  0  354 

메타넷 그룹 채용연계형 교육 신입사원 양성 과정 교육생 모집

<신청 바로가기!> 관련하여 관심있는 분들의 신청을 받고 있으니 많은 관심 부탁드립니다.  감사합니다.  

2026.01.08  0  76 

[인터뷰] LG AI연구원 이홍락 원장 “다음은 사이언티스트 AI, 가설-실험-검증 시대 온다”

2025년 AI 분야의 핵심 화두 중 하나는 AI가 단순한 생성 도구를 넘어 에이전트로 기능하기 시작했다는 점이다. 최근 공개된 오픈AI의 ‘오퍼레이터(Operator)’와 구글의 ‘제미나이 2.0(Gemini 2.0)’은 이 흐름을 분명히 보여준다. 두 기술 모두 AI가 사용자의 지시를 받아 실제 작업을 수행하도록 설계됐으며, 이를 계기로 오픈AI와 구글은 에이전트 시장의 주도권을 두고 본격적인 경쟁 국면에 들어섰다. 이 변화는 컨슈머 서비스에 그치지 않고 기업 환경으로 빠르게 확산되고 있다. AI는 보조 도구를 넘어 업무 흐름의 일부로 편입되고 있으며, 이에 따라 기업들은 단순한 도입을 넘어 조직과 업무 구조 전반을 다시 설계해야 하는 상황에 놓였다. AI 트랜스포메이션 시대가 도래한 것이다. 글로벌 AI 경쟁이 이처럼 실행과 구조의 문제로 진화하는 가운데, 우리는 국내에서 AI 연구와 산업 적용을 동시에 추진해온 대표적인 연구 조직을 찾아 향후 AI의 방향과 한국의 선택지를 들어봤다. LG AI Research(이하 LG AI연구원)는 이러한 산업 현장의 요구 변화를 가장 가까이에서 축적해온 조직이다. 2020년 12월 7일 설립된 LG AI연구원은 출범 이후 제조·화학·바이오 등 LG그룹의 핵심 사업 영역에 AI를 실제 공정과 업무 흐름에 적용해 왔다. 설립 초기 연구원을 이끌었던 배경훈 초대 원장은 현재 과학기술정보통신부 장관을 맡고 있다. 설립 5주년이 지난 지금, LG AI연구원은 산업 현장에서 작동하는 AI를 통해 범용 AI와 산업 AI의 설계 기준이 갈라지는 지점을 구체적으로 보여주고 있다. 현재 약 300명 규모의 LG AI연구원을 이끌고 있는 이홍락 원장(공동 원장)은 파운데이션 모델과 에이전트 기술을 제조 현장의 실제 업무 흐름에 적용하는 작업을 총괄하고 있다. 그는 딥러닝이 아직 학계의 주류가 아니던 시절, 스탠퍼드대에서 앤드류 응(Andrew Ng) 교수 아래에서 연구를 시작했고, 이후 구글의 인공지능 연구 조직 구글 브레인에서 ‘트랜스포머’ 논문이 탄생하는 과정을 내부에서 지켜봤다. 연구실에 머물던 기술이 실제 산업 시스템으로 옮겨가는 전환점을 모두 거친 연구자이기도 하다. MIT 테크놀로지 리뷰 편집팀은 글로벌 AI 흐름과 에이전트 전환이 현실의 업무 구조를 어떻게 바꾸고 있는지, 그리고 제조·산업 현장을 기반으로 한 한국 AI의 경쟁력을 확인하기 위해 이홍락 원장을 만났다. Q. 스탠퍼드에서 박사 과정을 밟으셨던 2000년대 후반은 지금 돌아보면 딥러닝의 여명기였습니다. 2006년부터 2010년까지 앤드루 응 교수님 밑에서 박사를 했습니다. 당시 딥러닝은 찬밥 신세였어요. 학계의 주류는 아니었죠. 하지만 동시에 무언가 새로운 것이 막 움트기 시작하는 시기이기도 했습니다. 제 연구 주제는 표현 학습(Representation Learning)이었습니다. 데이터로부터 유용한 정보를 자동으로 추출해내는 것이죠. 사람 얼굴을 학습시키면 모델이 스스로 눈, 코, 입이라는 구성 요소를 발견해냅니다. 음성 데이터에서도 마찬가지로 음성 인식에 도움이 되는 패턴을 자동으로 찾아냅니다. 지금 생각해보면, 이 자동화된 특징 학습 능력이 결국 딥러닝의 핵심 역량이 되었고, 지금까지 이어지는 큰 기술 발전의 토대가 된 셈입니다. Q. 2016년부터 2020년까지는 구글 브레인에 계셨습니다. 당시는 딥러닝이 이미 폭발하던 시기였죠. 당시 상황은 어땠습니까. 구글 브레인은 당시만 해도 정말 작은 조직이었습니다. 초창기 멤버로 들어가서 여러 흥미로운 연구들을 목격했죠. 가장 아쉬운 것 중 하나는 ‘트랜스포머’ 논문에 참여하지 못한 겁니다. 논문의 제1저자로 유명한 아시시 바스와니(Ashish Vaswani) 박사가 제 바로 뒷자리에 앉아 있었거든요. 2016년 가을에 합류했는데, 그가 칠판에 뭔가를 그리면서 “이런 연구를 하고 있는데 한번 같이 해보자”고 제안했어요. 하지만 당시 제가 하던 다른 연구들도 있었고, 여러 프로젝트에 관여하다 보니 미처 거기에 참여를 못했습니다. 그 연구는 이듬해 라는 제목으로 세상에 나왔고, AI 역사를 바꿨죠. Q. 2020년 미국 미시간대 정교수 자리를 그만두고 한국행을 결정하셨는데, 쉽지 않은 선택이었을 것 같습니다. 당시 한국의 AI 인지도나 역량이 그렇게 높지 않았습니다. 우수한 인재들은 의대로 몰리고, AI 인재들은 해외로 빠져나가는 상황이었죠. 하지만 한국의 인재 풀은 굉장히 뛰어납니다. 학생들의 연구 수준이나 기초 역량은 충분히 세계적이에요. 세계적으로 인정받는 연구 중심 조직을 만들어보고 싶었습니다. 단기 성과에 집중하기보다는 장기적인 안목으로 AI를 핵심 동력으로 키워가고, 세계적으로 인정받는 연구개발(R&D)과 함께 다양한 산업 영역으로 실제 확장·응용될 수 있는 환경이 조성될 수 있다고 봤습니다. Q. 이젠 약 300명 규모의 LG AI연구원을 이끌고 계십니다. 연구원은 어떤 일을 하나요. 우리는 단순히 ‘AI 팀’이 아닙니다. 엑사원(EXAONE)이라는 파운데이션 모델을 직접 개발하고, 그 모델을 실제 산업 문제에 적용하는 전체 파이프라인까지 수행합니다. 연구와 사업화, 이 두 가지를 동시에 해야 합니다. 글로벌한 연구를 하면서 동시에 LG 계열사들의 실질적 성과로 이어지도록 하는 것. 이 균형이 우리의 미션입니다. 엑사원은 오픈소스로 공개돼 있습니다. 중요한 건, 범용 모델과 특화 모델 사이의 균형입니다. 현재 엑사원은 사내 여러 계열사에서 사용되고 있습니다. 고객센터에서는 상담원이 고객과 통화할 때 AI가 실시간으로 응대하고, 제조 현장에서는 비전 검사에 사용됩니다. 카메라 모듈이 양품인지 불량인지 판별하고, 한 번 검사한 결과의 확실성을 평가해서 사람 개입이 필요한지 AI가 다시 결정합니다. 화학 플랜트에서는 멀티 에이전트 시스템으로 작동합니다. 여러 AI 에이전트들이 자동으로 재료 수급량을 결정하고, 공정 진행 정도를 조절하고, 결과물을 다음 단계로 옮기는 모든 과정을 수행합니다. 신약개발을 위해 ‘엑사원 디스커버리 플랫폼’을 만들었고 배터리 소재 개발에서 장기 예측도 진행하고 있습니다. AI 알고리즘을 활용해 투자 전략을 수립하는 상장지수펀드(ETF) 상품도 개발·운영 중입니다. 최근에는 런던증권거래소그룹(LSEG)과 협업해서 미국 S&P500 전 종목에 대해 매일 AI 기반 애널리스트 리포트를 생성하는 솔루션을 만들었습니다. 이홍락 LG AI연구원 원장 AI 시장의 현재 Q. 구글과 오픈AI의 경쟁, 장기전에서는 어느 쪽이 유리하다고 보십니까. 장기적으로는 구글이 유리하다고 봅니다. 오픈AI는 지금 모멘텀이 있고 챗GPT로 대중적 인지도를 선점했습니다. 하지만 구글은 캐시카우가 있습니다. 검색이라는 안정적인 수익원이 있기 때문에 지속적으로 AI에 투자할 수 있는 구조죠. 오픈AI는 계속 투자를 유치해야 하고, 수익 모델을 증명해야 하는 압박이 있습니다. 마라톤에서는 체력이 중요하니까요. Q. AI 거품론은 실체인가요, 착시인가요. 거품이 있다고 봅니다. 하지만 전체 흐름은 점점 더 빠르고 기하급수적으로 늘어나는, 지수함수적 성장 패턴을 보이고 있어요. 인터넷 버블 때를 생각해보세요. 분명 거품이 있었지만, 인터넷 자체는 세상을 바꿨습니다. 많은 닷컴 기업들이 무너졌지만, 살아남은 기업들이 지금의 빅테크가 되었죠. AI도 마찬가지입니다. 지금 과열된 부분이 있고, 실제 가치를 만들어내지 못하는 기업들은 도태될 겁니다. 하지만 기술 자체의 발전은 멈추지 않습니다. 오히려 가속화되고 있죠. 컴퓨팅 총량으로 보면 2015년 이전에는 1년에 2배씩 늘었는데 지금은 3~4개월마다 2배씩 증가하고 있습니다. 이게 AI 발전의 실체를 보여주는 지표입니다. AI 에이전트에서 ‘AI 사이언티스트’로 Q. 에이전트 AI는 생성형 AI를 어떻게 넘어설까요. 에이전트 AI는 차원이 다릅니다. 생성형 AI는 “이걸 만들어줘”라는 요청에 답을 만들어냅니다. 하지만 에이전트 AI는 워크플로 전체를 수행합니다. “어떤 데이터가 필요한가” “어디서 가져올 것인가” “어떤 분석이 필요한가” 이런 과정을 스스로 계획하고 실행하죠. 더 중요한 건 자기 평가와 반복 개선 능력입니다. AI가 결과물을 내놓으면, 그것에 대해 스스로 평가하고 어떻게 개선할지 판단합니다. 코딩을 예로 들면, 처음 짠 코드를 실제로 돌려보고 에러가 나면 계속 고쳐가면서 원하는 결과가 나올 때까지 반복합니다. 사람이 일하는 방식과 비슷하죠. 실제로 1년 전만 해도 에이전트의 성공률이 10번 중 3번 정도였는데, 지금은 10번 중 8번은 성공합니다. 이 속도로 개선되고 있습니다. Q. AI 에이전트 다음, 또 다음은 무엇이 될 거라고 보십니까. 아마도 사이언티스트 AI가 될 겁니다. 과학에서 복잡한 R&D 문제를 푸는 AI죠. AI가 스스로 가설을 세우고, 그 가설을 검증하기 위한 실험을 디자인하고, 실제로 실험을 수행합니다. 결과를 가지고 가설을 검증하거나, 필요하면 가설을 바꾸고 피보팅하면서 계속 반복하는 겁니다. 이런 과정을 통해 새로운 신물질을 발견할 수도 있고, 신약의 새로운 성분을 만들 수도 있습니다. 앞으로는 자율주행 실험실을 통해 가설 설정부터 실험 디자인, 실제 실험 수행, 결과 분석, 가설 검증, 다시 가설 수정까지의 전체 풀 사이클을 자동화하는 게 목표입니다. 그다음은 피지컬 AI고요. Q. AGI(범용인공지능)는 언제쯤 가능할 거라고 예상하시나요. AGI라는 개념이 매우 모호합니다. 사람이 하는 모든 걸 다 잘하는 게 AGI다, 이렇게 정의하면 아직 모자란 부분이 많습니다. 특히 피지컬한 쪽으로 가면 갈수록 부족합니다. 롱텀 메모리도 마찬가지고요. 하지만 특정 영역만 보면 완전히 다른 이야기입니다. 코딩을 잘한다는 관점에서 보면, 이건 웬만한 사람보다 AI가 잘합니다. 과학의 어떤 영역에서도 마찬가지죠. 대학 수준의 수업에서 AI가 A를 받을 수 있느냐? 충분히 가능합니다. 이게 AGI의 모호함입니다. 어떤 기준으로 보느냐에 따라 “이미 도달했다” 또는 “아직 멀었다” 둘 다 말할 수 있는 상황이죠. 그래서 AGI 논쟁은 사실 기준이 없어서 답이 없는 겁니다. Working AI Transforming Industries | Illustration by Nano Banana 한국의 선택과 포지셔닝 Q. 제조업 AI가 빅테크의 범용 모델과 근본적으로 다른 지점은 어디입니까. 한국은 세계 최고 수준의 제조업을 가지고 있습니다. 반도체, 배터리, 디스플레이, 화학 같은 분야에서 한국은 이미 글로벌 리더예요. 빅테크는 컨슈머 AI로 수십억 사용자를 확보했지만, 정작 세상의 물리적 인프라는 여전히 사람이 운영합니다. 공장, 발전소, 화학 플랜트, 물류 시스템, 이런 것들이 AI로 최적화되면 경제 전체의 효율이 달라집니다. 빅테크는 범용 모델에 엄청난 자원을 쏟아붓습니다. 하지만 공장 바닥의 구체적인 문제, 제조 공정의 미세한 최적화, 이런 건 범용 모델만으로는 안 됩니다. 도메인 지식과 AI의 결합이 필요하죠. 화학 플랜트를 운영한다고 하면, 재료 수급, 공정 조절, 결과물 관리를 모두 실시간으로 최적화해야 합니다. 이는 챗봇을 만드는 문제와는 본질적으로 다릅니다. 30년 경력 엔지니어의 노하우를 AI와 결합해야 하는 일입니다. 이런 문제들이 한국 제조업에는 수없이 많습니다. 빅테크는 이런 문제에 관심이 없어요. 시장이 작으니까. 하지만 한국 입장에서는 이게 핵심 경쟁력입니다. Q. 한국의 파운데이션 모델 역량이 글로벌에서 어느 정도 위치에 있다고 보시나요. 한국은 파운데이션 모델을 잘 만드는 국가 중 세계 3위 정도 됩니다. 미국과 중국을 제외하면 한국, 캐나다, 프랑스 정도밖에 안 됩니다. 우리가 자체 파운데이션 모델을 잘 만드는 역량이 있는 건 사실입니다. 특히 오픈 모델이 앞으로 점점 중요해질 것으로 봅니다. 여러 지정학적 이유로 중국 모델 쓰기를 꺼려하는 한국 회사들이 많습니다. 미국에 수출할 때 중국산 AI로 뭘 만들었다고 하면 여러 제약이 있을 수도 있거든요. 그래서 한국의 좋은 오픈 모델을 가지고 내부 AI 시스템을 만들려는 니즈가 굉장히 많습니다. Q. 한국 기업들의 AI 전환에서 데이터의 역할이 중요하다고 말씀하셨는데 설명 부탁드립니다. 데이터 생태계를 어떻게 만드느냐가 전부입니다. 많은 기업들이 AI 도입을 고민하지만, 정작 데이터 관리 체계가 없습니다. 데이터가 여기저기 흩어져 있고, 표준화되지 않았고, 품질도 들쭉날쭉합니다. 이런 상태에서 아무리 좋은 모델을 가져와도 소용없습니다. 먼저 데이터를 모으고, 정제하고, 표준화하고, 레이블링해야 합니다. 이게 전체 프로젝트의 70~80%를 차지합니다. 실제 모델 개발은 나머지 20~30%에 불과하죠. 많은 기업들이 이 순서를 거꾸로 생각하고 있습니다. 다음 세대를 위하여 Q. 한국 AI의 강점과 약점, 하나씩만 말씀해주십시오. 강점은 인프라입니다. 인터넷, 전력이 잘 갖춰져 있고, GPU도 최근 정부와 민간 투자로 빠르게 채워지고 있습니다. 또 국민들의 AI 수용성이 높다는 것도 큰 강점입니다. 약점은 인재 유출입니다. 최근 이슈가 되고 있는 AI 인재를 우리가 잘 유지하는 부분이 부족합니다. 길게 보면 AI 인재 파이프라인을 중장기적으로 잘 공급하고, AI 인력들이 외국으로 빠져나가는 현상을 어떻게 막을 것인가, 이런 부분은 정부, 민간, 학계가 함께 고민해야 할 과제입니다. Q. 젊은이들이 AI 시대를 살아가기 위해, 지금 무엇을 해야 합니까. AI를 최대한 잘 활용할 수 있는 능력이 필요합니다. AI의 트렌드를 가장 빠르게 배우고, 새로운 기술이나 툴들을 최대한 빠르게 흡수할 수 있어야 합니다. 항상 1년 전에 가장 좋았던 기술이나 툴들이 1년 지나면 또 바뀌어 있거든요. “AI가 똑똑한가, 내가 똑똑한가 보자” 이런 식으로 AI와 대결하는 자세보다는, AI를 파트너로 잘 활용해서 생산성을 1.5배, 2배, 3배로 늘릴 수 있어야 합니다. AI가 준 답을 그대로 받아쓰기 하는 건 사람의 기여도가 없는 거잖아요. AI의 부족한 영역이나 미처 생각하지 못하는 부분을 짚어낼 수 있는 비판적 사고 능력과 최대한 문제를 깊게 파고들어가는 능력이 필요합니다. 앞으로는 문제 해결 능력이 점점 중요해집니다. 내가 학교에서 공부한 전공 영역과 실제로 필요한 영역이 꼭 일치하지는 않을 수도 있거든요. 그런 부분에 대해 열려 있는 자세로, AI 전문가이면서도 100% 전문 영역이 아니더라도 최대한 효율적으로 일을 해나가서 결국 문제를 풀겠다는 자세가 도움이 될 겁니다. 이홍락 원장은 인공지능과 머신러닝 분야의 연구자로, 스탠퍼드대에서 딥러닝 분야의 선구자인 앤드류 응 교수 아래에서 박사 학위를 받았다. 이후 구글에서 머신러닝 연구를 수행했으며, 미시간대 전기전자공학과 교수로 재직하며 머신러닝과 컴퓨터 비전 분야의 연구와 교육을 병행했다. 2020년 한국으로 돌아와 LG AI연구원 설립을 이끌었으며, 현재 LG그룹의 AI 연구를 총괄하고 있다.

2026.01.08  0  137 

[CES 특호 4] 구글 두뇌 탑재한 현대차 로봇...'피지컬 AI' 빅뱅 연다

오늘의 3줄 요약 1. 현대차의 몸 + 구글의 뇌...로봇 아틀라스 2028년 3만대 공장 투입. 2. 엔비디아의 두뇌와 LG이노텍의 눈... 핸들 없는 택시 '죽스'가 현실로 3. "AI로 인공태양 켠다"... CES 첫 등장한 '핵융합', 꿈의 에너지 성큼 현대차그룹이 5일(현지시간) 미국 라스베이거스 CES 2026 현장에서 공개한 휴머노이드 로봇 아틀라스. [연합뉴스]   구글 두뇌 장착하고 공장 출근하는 '아틀라스'   현대자동차그룹이 그리는 로봇의 미래 퍼즐이 완성되었습니다. 핵심은 글로벌 빅테크와의 '동맹'입니다. 현대차는 이날 CES 미디어데이에서 "현대차(제조 역량) + 보스턴다이내믹스(하드웨어) + 구글 딥마인드(AI 두뇌)"로 이어지는 3자 동맹을 공식화했습니다.   극한을 견디는 '아틀라스' 보스턴다이내믹스가 공개한 차세대 휴머노이드 '아틀라스'는 스펙부터 압도적입니다. 전신 관절을 이용해 사람처럼, 때로는 사람보다 더 유연하게 움직입니다. 최대 50kg의 중량을 들어 올릴 수 있고, 사람 손이 닿지 않는 2.3m 높이까지 작업이 가능합니다.   산업 현장은 거칩니다. 아틀라스는 영하 20도에서 영상 40도까지 극한의 환경에서도 성능을 유지하며, 방수 설계까지 적용됐습니다. 가장 중요한 '뇌'는 구글 딥마인드의 AI 파운데이션 모델을 탑재했습니다. 이를 통해 로봇은 새로운 작업을 시키면 하루 이내에 학습도 완료할 수 있죠.   현대차는 2028년까지 연간 3만 대의 아틀라스를 양산하겠다는 공격적인 목표를 내걸었습니다. 초기에는 미국 조지아주 현대차 공장(HMGMA)에 투입돼 부품 분류와 서열 작업을 맡습니다. 2030년부터는 부품 조립 등 고난도 공정으로 역할을 넓힙니다. 아틀라스는 고중량·고위험·반복 작업을 도맡아 작업자의 안전을 지키고 생산 효율을 극대화할 예정입니다.   흥미로운 것은 구독 모델입니다. 단순히 로봇 판매를 넘어 'RaaS(Robot as a Service)', 즉 구독 서비스도 검토 중입니다. 공장에 로봇을 대량 투입해 데이터를 쌓고, 안전성과 신뢰성을 검증한 뒤 다른 기업에 빌려주는 방식이죠. 이를 위해 미국에 '로봇 애플리케이션 개발 센터(RMAC)'도 설립해 로봇의 행동을 정형화하고 훈련할 계획입니다. 바야흐로 '로봇 노동자'의 시대가 열린 것입니다. 젠슨 황 엔비디아 CEO가 5일(현지시간) 라스베이거스에서 개최된 CES2026에서 베라 루빈을 소개하고 있다. [사진=원호섭 특파원] 이날 젠슨 황 엔비디아 CEO는 피지컬AI를 강조하며 엔비디아가 AI 설계, 훈련, 추론 등을 모두 책임지는 ‘풀 스택 기업’이 될 것이라고 자신했다. [사진=원호섭 특파원]   엔비디아가 뇌를 깨우고 LG이노텍이 눈을 뜨다   로봇에 이어 자동차도 스스로 생각하기 시작했습니다. 자율주행의 핵심인 '두뇌'와 '눈' 기술이 동시에 공개됐습니다.   젠슨 황 엔비디아 CEO는 기조연설에서 "피지컬 AI에도 챗GPT 모먼트가 왔다"고 선언했습니다. 그는 엔비디아가 단순한 칩 회사가 아니라, 칩부터 인프라, 모델, 애플리케이션까지 AI 전체 스택을 재창조하는 회사라고 정의했는데요. 가장 놀라운 소식은 메르세데스-벤츠와의 협업입니다. 엔비디아의 AI 시스템이 탑재된 벤츠 자율주행차가 올해 1분기 미국 도로를 달리기 시작합니다. 2분기엔 유럽, 하반기엔 아시아 지역에 예고됐죠.   여기엔 센서 입력부터 핸들 조향까지 한 번에 학습한 엔드투엔드 AI '알파마요(Alpamayo)'가 적용됩니다. 젠슨 황은 "AI가 판단하기 어려우면 전통적인 ADAS로 자동 전환되는 이중 안전 구조"라며 안전성을 자신했습니다. 함께 공개된 차세대 AI 아키텍처 '베라 루빈(Vera Rubin)'은 성능의 한계를 또 한 번 깼습니다. 기존 블랙웰 대비 추론 성능은 5배, 훈련 성능은 3.5배나 향상됐습니다.   엔비디아가 뇌를 맡았다면, LG이노텍은 자율주행차의 '초광각 눈'을 완성했습니다. LG이노텍은 카메라, 라이다(LiDAR), 레이더를 하나로 합친 융복합 센싱 솔루션을 선보였습니다. 특히 미국 아에바(Aeva)와 협력해 만든 고성능 라이다는 최대 200m 밖의 물체까지 감지해 카메라의 한계를 보완합니다.   현장에서 가장 눈길을 끈 건 ‘액티브 클리닝 카메라'였습니다. 자율주행차 렌즈에 흙탕물이 튀거나 성에가 끼면 치명적이죠? 이 카메라는 1초 만에 이물질을 털어냅니다. 또한, 외부에서 보이지 않게 계기판 뒤에 숨긴 ‘언더 디스플레이 카메라’로 탑승자의 표정을 읽고 아동 방치 여부를 감지하는 기술도 공개했습니다. 5일 라스베이거스에서 탑승한 죽스 로보택시의 모습. [이덕주 기자]   라스베이거스에서 '죽스'를 타봤습니다   기술 설명만으로는 감이 안 오시죠? 그래서 저희가 직접 타봤습니다. 아마존이 만든 완전 자율주행 로보택시 ‘죽스(Zoox)’입니다. 현재 라스베이거스에서 시범 운행 중입니다.   첫인상은 다소 충격적이었습니다. 우리가 알던 자동차가 아니었거든요. 운전석도, 핸들도, 차량의 앞뒤 구분도 없습니다. 그냥 바퀴가 달린 네모난 박스(?)에 가깝습니다. 전용 앱으로 호출하니 45분만에 도착했습니다(대기 수요가 엄청나게 많습니다). 문이 열리면 4명이 마주보고 앉는 구조입니다. 꼭 마차를 탄 것 같은 생각이 들었습니다. 구글 웨이모(3명) 보다 한 명 더 탈수 있다는게 강점입니다.   죽스는 라스베이거스의 복잡한 도심 도로를 누볐습니다. 우회전은 물론 좌회전까지 능숙하게 해냈습니다. 차가 막히거나 보행자가 있다면 철저하게 양보하며 서행하기도 했고요. 택시라기보단 운전기사가 없는 공항 셔틀 버스를 탄 것 같은 느낌이었습니다. 안전에도 신경을 쓴 모습이 보였는데, 안전벨트를 매지 않으면 절대 출발하지 않고, 중간에 안전벨트를 풀면 경고음이 울립니다. 아쉬운 점은 실내 엔터테인먼트가 음악 재생 뿐이라는 점이었습니다.   아직은 정해진 구역만 다니는 수준이지만, 핸들이 없는 차가 도심을 누빈다는 사실만으로도 짧고 제한적이나마 '미래'를 체험하기엔 충분했습니다. 미국에선 이제 항공사를 고르듯 내가 탈 로보택시 브랜드를 고르는 시대가 온 것입니다. 

2026.01.08  0  79 

1 2 3 4 5 6 7 8 9 10