SW중심대학사업단

본 메일은 K-Startup에서 정보메일 수신동의를 한 회원들을 대상으로 발송되었습니다. 메일수신을 원치 않으시면 를 클릭하세요.

Today's index 컴공과가 만든 마이크로소프트 양자컴퓨팅 30년 연구한 MS AI가 WIMP를 대체한다? 모닝브리핑 ※ 볼딕 단어나 밑줄 단어에는, URL이 포함돼 있습니다. 클릭하면 세부 내용이 연결됩니다. 빌게이츠와 그의 자서전 '소스코드' <게이츠노트> 컴공과가 만든 마이크로소프트 인문대 철학과가 만든 애플 마이크로소프트의 창업자이면서 지금도 회사에 큰 영향력을 발휘하고 있는 빌 게이츠. 그는 최근 ‘소스 코드’라는 이름으로 3부작 자서전의 첫번째 책을 냈는데요. 여기에는 초기 컴퓨터의 탄생에 대한 재미있는 이야기들이 나옵니다. 빌 게이츠와 애플 창업자 스티브 잡스는 1980년대에도 항상 비교 대상이었습니다. 그들이 1년 차이를 두고 회사를 창업했고, 이 두 회사가 PC의 시대를 열었으니까요. 게이츠와 잡스 모두 젊은 나이에 창업해 갑부가 되었다는 공통점도 있었습니다. 빌 게이츠는 이 책을 통해서 스티브 잡스가 ‘메시아’같은 말로 사람들을 홀리는 힘이 있는 사람이라고 평했습니다. 스티브 잡스의 현실왜곡장(Reality Distortion Field)'인데요. 하지만 자신에게는 그의 마법이 통하지 않았다고 하죠. 개발자로 출발한 빌 게이츠가 보기에 철학을 전공한 스티브 잡스는 프로그래밍은 전혀 모르는 일반인에 다름없었기 때문입니다. 윈도우 PC와 애플의 경쟁에서 PC가 압승했고, 스티브 잡스의 전성기는 빌 게이츠가 마이크로소프트를 떠난 다음에 왔다는 점에서 게이츠는 잡스르 항상 한 수 아래로 보고 있었던 것 같습니다. 재미있는 점은 스티브 잡스가 애플로 복귀해 회사를 부활시키는 데에는 마이크로소포트가 중요한 역할을 했다는 것이에요. 애플을 창업했지만 1985년 회사에서 쫓겨놨던 잡스는 애플이 파산 위기에 몰리면서 1997년 애플에 CEO로 복귀합니다. 이때 마이크로소프트가 1억5000만달러(약 2200억원)를 애플에 깜짝 투자하게 됩니다. 마이크로소프트가 보유했던 애플 지분은 자그마치 5%나 됩니다. 만약 이걸 지금도 갖고 있었다면...? 경쟁관계였던 마이크로소프트가 애플에 투자하고, 스티브 잡스와 빌 게이츠가 손을 잡았다는 점에서 당시에 이 투자는 큰 화제가 됐습니다. 김영섭 KT 대표와 만난 사티아 나델라 마이크로소프트 CEO 마이크로소프트 사실은 마이다스의 손 마이크로소프트는 생각보다 전략적 투자를 잘 하는 회사에요. 중요한 시점에 중요한 회사에 투자를 합니다. 마이크로소프트는 2007년 10월에는 당시 미친 속도로 성장하던 스타트업 페이스북(메타)에 2억4000만달러를 투자해요. 이는 당시 페이스북 약 1.6%에 해당하는 지분. 마이크로소프트는 한국 기업들에 투자한 적도 있습니다. 1999년 삼보컴퓨터가 세운 초고속 인터넷 회사 두루넷에, 2001년에는 KT에 투자한 적이 있죠. 마이크로소프트는 굵직한 인수합병(M&A) 기록도 많아요. 2011년 스카이프, 2014년 모장(마인크래프트), 2016년 링크드인, 2018년 깃헙이 마이크로소프트의 중요한 딜이었어요. 다만 최근 마이크로소프트의 게임분야 투자는 아직 성공이라고 판단하기 이른 것들이 많은데요. 2020년 인수한 제니맥스, 2022년 인수한 액티비전 블리자드와 같은 대형 인수합병에도 불구하고, 게임사업부문이 요즘 워낙 성과가 좋지 않기 때문. 그런 점에서 2019년 오픈AI 투자는 정말 중요한 투자였어요. 마이크로소프트의 투자가 없었다면 오픈AI의 챗GPT는 나오지 못했을 것이고, 거대언어모델(LLM)은 지금처럼 빛을 보지 못했을 테니까요. 마이크로소프트는 이 투자 덕에 LLM의 가능성을 일찍부터 알 수 있었고, 2022년부터 오픈AI와 협업을 통해서, 2023년에는 놀라운 속도로 AI제품을 내놓고 경쟁사인 구글의 간담을 서늘하게 만들었습니다. 무스타파 술레이만 마이크로소프트 AI CEO <사진=마이크로소프트> 예정된 오픈AI와의 결별 하지만 최근 마이크로소프트의 AI전략은 달라지는 모습을 보여주고 있어요. 오픈AI 의존도를 줄이고 자체 개발한 AI를 강화하는 모습이죠. 첫번쨰 신호는 2024년 3월에 나왔습니다. 데미스 하사비스와 딥마인드를 공동 창업한 무스타파 술레이만을 마이크로소프트 AI CEO로 영입했기 때문이죠. 술레이만은 2010년 딥마인드를 창업한 후, 2014년부터 2019년까지 런던을 중심으로 구글에서 중요한 역할을 했죠. 2022년 3월에 그레이락 파트너스의 레이드 호프먼과 ‘인플렉션AI’를 설립했습니다. 마이크로소프트는 2024년 이 회사의 직원들을 고용하는 형태로 술레이만을 AI 총괄 CEO로 영입. 무스타파 술레이만의 역할은 마이크로소프트의 소비자 대상 AI 총괄. 코파일럿 앱과 엣지 브라우저, 빙 검색엔진 등을 담당하고 있습니다. 챗GPT, 크롬, 구글 검색과 경쟁하는 서비스를 담당하는 것이 그의 역할이죠. 동시에 술레이만은 마이크로소프트 자체 언어모델(LLM)을 만드는 일도 맡고 있어요. 마이크로소프트의 생산성 소프트웨어인 365와 기타 여러 서비스에서는 오픈AI의 LLM인 GPT가 기본 LLM으로 사용되고 있는데요. 마이크로소프트가 만드는 자체 AI는 이를 대체할 수 있는 AI에요. 술레이만이 영입된 이후 마이크로소프트는 자체 AI인 MAI를 만들고 있고, 최근에는 오픈AI의 o1 시리즈와 같은 ‘사고(reasoning)’능력까지 갖췄다고 하죠. 오픈AI를 대하는 사티아 나델라 CEO의 표현도 많이 달라졌는데요. 그는 LLM은 이제 커머디티화(commoditize) 되었다고 말할 뿐 아니라, 오픈AI도 더 이상 LLM을 만드는 회사가 아니라 제품을 만드는 회사이며, 우연히 최고 성능의 LLM을 갖게된 회사라고 설명하고 있어요. 마이크로소프트도 역시 제품을 만든다는 회사라는 점에서 두 회사의 경쟁은 불가피해 보여요. 오픈AI의 영리법인 전환이 이뤄지고, 오픈AI의 자체 데이터센터 구축이 완료가 되면 두 회사는 협력을 유지하면서도 점차 각자의 길을 가게될 것으로 보입니다. 페르미가 세계에서 가장 똑똑한 사람으로 지목한 천재 물리학자 에토레 마요라나 위상 초전도 큐빗에 꽂혀 30년간 양자컴 연구 마이크로소프트가 최근에 새로운 양자칩을 내놓은 것 기억하시나요? 미라클레터에서도 이를 자세히 다뤘습니다. 마요라나라는 이 칩은 위상초전도체(topological superconductivity)라는 방식으로 만들어졌어요. 1906년에 태어나 1938년 갑자기 실종된 이탈리아 물리학자 에토레 마요라나가 예측한 ‘마요라나 입자’를 원리로 만들어졌습니다. 마이크로소프트에 따르면 기존에 나왔던 초전도체방식, 이온트랩방식, 광자큐비트 방식 등과는 다른 방식으로 큐비트를 구현하고 있어요. 마요라나는 그런데 하늘에서 갑자기 뚝 떨어진 것이 아닙니다. 마이크로소프트는 1997년부터 지금까지 약 30년간 양자컴퓨팅을 연구해왔어요. 빌 게이츠가 CEO에서 물러난 것이 2000년이니까 마이크로소프트는 3대 CEO에 걸쳐서 양자컴퓨터에 투자해온 것이죠. 이런 점에서 IBM 다음으로 양자컴퓨터를 오래 연구한 곳이 마이크로소프트라고 봐도 됩니다. UC샌디에고의 교수이면서 필즈 메달까지 수상한 마이클 프리드먼은 1997년 마이크로소프트에 합류해 양자 위상학과 물리학을 연구하기 시작했는데요. 2004년 마이크로소프트의 최고 리서치 책임자(CRO) 겸 최고 전략 책임자(CSO)를 지낸 크레이그 먼디에게 '위상학적 큐빗'이라는 것이 가능하다는 얘기를 해요. 마이크로소프트는 많은 물리학 연구자들이 있는 캘리포니아주 UC산타바바라 대학에 양자컴퓨터 연구소인 ‘스테이션Q’를 만듭니다. 산타바바라에는 구글의 양자컴 연구소도 있기 때문에 산타바바라는 지금 미국 내 양자연구의 중심지 중 하나라고 할 수 있습니다. 마이크로소프트는 그 사이 연구결과를 간간히 발표했는데요. 이번에 공개된 마요라나는 20년 이상 연구결과의 성과. 어떻게보면 마이크로소프트 50주년을 앞두고 공개했다는 느낌이 있을 정도로 마이크로소프트가 오래 공을 들이고 준비해온 것이 마요라나입니다. 마요라나 양자칩에 대해서 설명하는 사티아 나델라 마소 CEO 양자컴은 고전컴퓨터와 공존한다 마이크로소프트는 이 양자칩에 대해서 어떻게 평가하고 있을까요? 사티아 나델라 CEO는 마요라나 칩이 등장한 것이 양자컴퓨팅의 ‘트랜지스터’ 모먼트라고 설명하고 있어요. 트랜지스터의 등장이 진공관 시대를 끝내고 컴퓨터의 시대를 본격적으로 열었음을 비유한 것이죠. (자세한 역사는 지난번 레터 ‘양자컴퓨터는 사실 반도체입니다’ 에서 자세히 다뤘습니다) 향후 양자컴퓨팅의 큐비트 숫자를 백만개까지 늘리는 것이 칩을 통해서 가능하다는 것이 마이크로소프트의 주장. 사티아 나델라 CEO에 따르면 마이크로소프트는 양자컴퓨팅이 세상의 모든 문제를 해결할 것이라고 보지 않아요. 양자컴퓨터가 처리할 데이터가 많지 않은 단순 연산에서 엄청난 강점을 가지고 있는 만큼, 데이터센터에서 CPU/GPU와 함께 QPU가 역할을 할 것으로 마소는 예상하고 있습니다. 무엇보다 양자컴퓨터의 기술이 발달할 수록 양자컴퓨터의 성능을 높이는 것을 돕게 될 것을 기대하고 있습니다. 마이크로소프트는 양자컴퓨터를 거대한 데이터센터의 일부로, 클라우드 컴퓨팅의 일부로 보고 있습니다. 그러므로 이를 일찍부터 준비해야하는 것이죠. 이는 지금의 마이크로소프트가 ‘클라우드 인프라’기업이기 때문이에요. 마이크로소프트는 전세계에세 데이터센터 인프라를 구축하고 이를 통해 다양한 ‘마이크로소프트 365’ ‘AI 코파일럿’ ‘비디오게임’ ‘애저 클라우드’같은 서비스를 제공하는 회사라고 볼 수 있습니다. 팔로알토의 제록스 PARC의 모습 마이크로소프트가 연 WIMP의 시대 지금의 마이크로소프트는 클라우드 인프라 기업이지만, 과거 마이크로소프트는 PC에 들어가는 ‘윈도우 OS’가 중심에 있는 기업이었어요. 윈도우는 GUI(그래픽유저인터페이스)라고도 불리는 사람과 컴퓨터 사이의 인터페이스를 대중화시킨 소프트웨어인데요. GUI는 과거에는 WIMP(윈도우, 아이콘, 메뉴, 포인터)라고도 불렸습니다. 지금의 스마트폰 인터페이스도 이 GUI의 연장선상에 있다고 할 수 있습니다. 마이크로소프트가 1985년 GUI를 윈도우에 도입하기 전, 애플의 창업자 스티브 잡스가 먼저 GUI를 컴퓨터에 도입했어요. 스티브 잡스는 1979년 제록스의 팔로알토리서치센터(PARC)에서 GUI를 처음 접했고, 여기서 영감을 받아 1984년 매킨토시에 도입합니다. 이는 혁명적이었지만 매킨토시라는 한계에 갇혀있었습니다. 결국 GUI의 시대를 연 것은 PC에 윈도우 OS가 설치되면서 부터 였습니다. 저는 최근 팔로앝로에 있는 PARC에 직접 가볼 기회가 있었는데요. 2023년까지 이 건물을 소유하고 있던 제록스가 민간 연구소 SRI에 이를 기부했고, SRI는 여기서 PARC 포럼이라는 정기적인 이벤트를 열고 있어요. 이날은 PARC에서 일하기도 했던 에릭 슈미트구글 전 CEO를 초청해서 그와의 대담을 가졌습니다. 에릭 슈미트는 1996년 창업된 구글의 CEO로 2001년 합류한 후 10년간 회사를 이끌었어요. 그 과정에서 전문 경영인이지만 엄청난 부자가 됐죠. 지금도 구글의 주식을 많이 들고 있는 것으로 알려져 있지만, 구글과 이제는 전혀 관계가 없다고 봐도 됩니다. 에릭 슈미트는 크레이그 먼디, 헨리 키신저와 함께 '제네시스'라는 책을 쓰기도 했어요 <92NY> AI에이전트가 새로운 UI가 된다 슈미트는 구글을 떠난 이후 개인투자자로 스타트업에 많이 투자를 했는데, 최근에는 로켓 스타트업 렐러티비티 스페이스의 CEO로 경영에 깜짝 복귀를 해요. 이 회사는 일론 머스크의 스페이스X, 제프 베이조스의 블루 오리진에 도전하는 스타트업인데 최근 발사 실패와 격해진 경쟁으로 어려움에 빠져있었다고 합니다. 슈미트로부터 큰 규모의 투자를 받고, CEO의 자리를 그에게 넘긴 것으로 보입니다. PARC포럼에서 열린 슈미트 CEO와의 대담에는 새로운 내용은 없었지만 실리콘밸리의 인사이더가 AI를 어떻게 보는지에 대해서 이해할 수 있는 기회였습니다. 슈미트 CEO는 AI의 등장이 PARC에서 탄생한 GUI를 대체할 수 있을지도 모른다고 설명했어요. 음성을 중심으로 이뤄지는 개인 맞춤형 인터페이스가 등장하는데 AI에이전트가 인간과 컴퓨터의 중간에서 인터페이스 역할을 해준다는 것이죠. 개인적으로는 메타가 만들고 있는 것과 같은 스마트안경이 음성 인터페이스의 공백을 채워줄 것이라고 생각하고 있습니다. '내가 보는 것을 AI도 함께 본다'는 것만으로 인터페이스의 수준이 한단계 올라가기 때문입니다. 개인 차원에서는 스마트폰에 탑재되고, 스마트홈 기기들과 공유되는 'AI 컴패니언'이 중요한 인터페이스가 된다면, 우리가 일하는 일터에서는 'AI에이전트'들이 등장하게 될 것이라고 슈미트 CEO는 예상했어요. 직장에서 나 대신 자료조사를 해주는 에이전트, 나 대신 글을 써주는 에이전트, 회의록을 작성해주는 에이전트, 에이전트를 관리하는 에이전트가 등장하는 것인데요. 이 에이전트들은 기업에서 직원들의 ‘워크플로우’를 하나씩 대체할 것이에요. AI에이전트는 사람이 아니라 '워크플로우'를 대체하지만 결국에는 직장에 필요한 사람의 수를 줄이게될 겁니다. AI에이전트는 우리의 워크플로우를 대체하게될 겁니다. <서비스나우> 에이전트가 기업 내 워크플로우를 대체한다 기업의 워크플로우에 엄청나게 관심이 많은 기업. 바로 마이크로소프트입니다. 마이크로소프트는 오피스 제품군인 365를 비롯해 기업용 여러 서비스에 AI 에이전트인 코파일럿을 포함시켜서 판매하고 있어요. 하지만 기대와 달리 이 부분에서 엄청난 매출이 나오고 있지 않죠. 더군다나 경쟁사들은 생성형AI가 들어간 오피스 서비스를 저렴한 가격에 판매하면서 굳건한 마이크로소프트의 시장을 공략하고 있죠. 마이크로소프트는 누구보다 빠르게 엔터프라이즈AI시장에 뛰어들었지만 사람들의 일하는 방식이 바뀌지 않는 것이 문제인 것 같아요. 마이크로소프트는 ‘2024년 일의 새로운 미래’라는 보고서를 통해서 생성형AI가 일에 미치는 영향을 분석했는데요. 이 보고서에서도 지적되는 것은 '생성형AI 가 회사에서의 생산성을 높이는 것은 생성형AI에 맞춰 회사내 업무가 재구성되기 전까지는 미미할 수도 있다는 것'이에요. AI로 인해 사람들의 생산성을 높이고 전체 워크플로우를 변화시키려면, 회사마다 제각각인 워크플로우를 세밀하게 쪼개서 AI가 할 수 있는 것과 인간만이 할 수 있는 영역을 나눠서 적용해보는 것이 필요할 것 같아요. 워크플로우가 얼마나 디지털 전환이 이뤄져있는가, 그리고 데이터와 문서화가 얼마나 되어있느냐가 중요하다는 의미입니다.

AI 기술이 점점 지능적으로 고도화되면서 이제 ‘AI 에이전트’라는 용어가 친숙해지고 있다. 리 인간은 매 순간 무엇인가를 선택하며 살아간다. 철학자들은 이처럼 의도를 갖고 자율적으로 행동하는 능력이 인간을 더 단순한 생명체나 기계와 구별해준다고 주장해 왔다. 그런데 이제 이런 경계가 점점 흐려질 가능성이 커지고 있다. 우리의 생활 속으로 매일 깊숙이 침투해 들어오고 있는 인공지능 기술, 특히 AI 에이전트 때문이다. ‘에이전트’는 본래 계약이나 협상 등에 관한 업무를 대신하여 처리하고 그에 대한 수수료를 받는 법정 대리인을 말한다. 하지만 통상 특정 분야에서 전문적인 지식이나 기술을 갖추고 다른 사람이나 기업을 대신해 일을 처리하거나 대표하는 역할을 하는 사람을 모두 에이전트라고 부르는 경우가 많다. 이런 업무를 대신 수행하는 곳을 ‘에이전시’라고 한다. AI 업계에서 에이전트는 이렇게 우리가 보통 말하는 에이전트와는 의미가 다르다. AI 에이전트는 물리적 또는 가상 환경에서 자율적으로 목표를 달성하기 위해 행동하는 소프트웨어 시스템이다. 즉, AI 에이전트는 인간의 질문에 답하는 것 이상의 기능을 수행한다. 간단히 말해서 AI 에이전트는 질문이나 정보 검색과 같은 단순한 기능부터 주제에 대한 심층 연구나 검색 엔진에 최적화된 블로그 포스팅 작성과 같은 복잡한 기능을 처리한다. 이 모든 기능은 AI 에이전트가 사용자의 요구를 이해하고, 그에 적응하고, 심지어 예측할 수 있는 기능을 제공하는 첨단 언어 모델과의 상호 작용을 통해 이루어진다. 장난감에서 시작한 음성 인식 AI 에이전트의 핵심 기술 중 하나인 AI와의 상호작용을 위한 인터페이스 기술은 자연어를 바탕으로 하고 있다. 가상 에이전트의 초기 형태는 매우 기본적인 질문에 대답하도록 설계된 단순한 텍스트 기반 프로그램이었다. 이 초기 에이전트는 당연히 성능이 부족했기 때문에 많은 대화를 이어갈 수 없었지만, 획기적인 무언가의 시작을 알렸다. 기계가 언젠가는 우리를 이해하고 상호작용할 수 있을 것이라는 가능성을 보여줬기 때문이다. 최초의 가상 에이전트의 시작은 첫 음성 인식 장난감 라디오 렉스(Radio Rex)였다. 라디오 렉스는 지금으로부터 110년 가까이 전인 1916년에 특허를 받았다. 라디오 렉스는 이름을 불렀을 때 자기 집 밖으로 나오는 나무로 만든 강아지 장난감이었다. 하지만 이 장난감은 음성 인식보다는 소리를 인식하는 것에 가깝다. 다만 음성이 상호작용을 위한 인터페이스가 될 수 있다는 가능성을 보여줬다는 점에서 의미를 찾을 수 있다. 1960년대에 조셉 와이젠바움(Joseph Weizenbaum) MIT 교수가 간단한 패턴 매칭을 사용하여 대화를 시뮬레이션하는 챗봇인 엘리자(ELIZA)를 만들었다. 엘리자는 꽤 성능이 괜찮았기 때문에 와이젠바움의 비서조차도 그 프로그램과 단둘이 대화를 나누고 싶어 할 정도였다. 엘리자는 지난해 분실됐던 코드를 발견하면서 60년 만에 부활한다는 소식이 들려오고 있다. 최근 60년 만에 부활을 알린 최초의 챗봇 엘리자 (사진: Wikipedia) 이어 1970년대에는 카네기 멜론 대학에서 1,000여 개의 단어를 이해할 수 있는 하피(Harpy)가 개발되면서 큰 도약이 있었다. 1980년대에는 2만 개의 단어를 인식할 수 있는 IBM의 타자기 탱고라(Tangora)를 통해 음성 인식 기술이 더욱 발전했다. 하지만 이런 에이전트들은 지금의 AI 에이전트와 비교하면 초보적 수준에 불과하다. 역동적이고 지능적인 상호 작용 현대 세계로 접어들면서 AI 에이전트는 엄청난 발전을 보여줬다. ‘MIT 테크놀로지 리뷰’도 집중적으로 추적해 온 최근 몇 년 사이 등장한 AI 에이전트는 자연스러운 대화에 참여할 수 있고, 상황에 따라 응답을 조정할 수도 있으며, 우리가 요청하기 전에 우리가 필요로 하는 것을 예측할 수도 있다. 이러한 에이전트는 이제 고객 지원용으로 쓰이는 챗봇부터 우리의 선호도를 기억하고, 우리의 행동에서 학습하며, 24시간 연중 무휴로 이용 가능한 음성 비서까지 우리의 일상생활에 녹아들고 있다. 기본적인 텍스트 응답에서 역동적이고 지능적인 상호 작용으로의 전환은 AI 에이전트를 초기 시절의 모습과는 거의 알아볼 수 없을 정도로 변화시켰다. 오늘날의 가상 에이전트는 단순히 도움이 되는 수준을 넘어 능동적이고 개인화되어 있으며, 심지어는 우리를 이해하고 상호작용하는 방식이 인간과 비슷하다. 이러한 엄청난 발전에도 불구하고 지금의 AI 에이전트조차 AI 기술의 발달로 앞으로의 발전 가능성이 훨씬 더 크다는 것이 중론이다. 얼마나 발전할지는 아무도 정확히 예측하지 못할 정도다. 오픈AI, 마이크로소프트, 구글, 메타, 세일즈포스 등 거대 자본과 기술력으로 무장한 기업들뿐 아니라 수많은 스타트업이 더 똑똑한 AI 에이전트를 만들기 위해서 사운을 걸고 있다. 따라서 이들이 만든 에이전트가 TV와 스마트폰처럼 온 가정과 사무실, 그리고 공장의 PC에 깔리고, 2013년 영화 <그녀(Her)>에서 대필 작가로 일하고 있는 주인공 테오도르가 AI 운영체제인 사만다를 만나 사랑에 빠지듯 인간이 AI와 정서적으로 교감하게 될 날도 머지않았을 수 있다. 거대 자본과 AI 분야의 빠른 기술 진화 속도로 인해 AI 에이전트가 만드는 미래가 현실화될 가능성이 점점 커지고 있다. GETTY IMAGES AI 에이전트에 대한 몇 가지 사실 자율성과 적응성 AI 에이전트를 좀 더 기계적으로 정의하면, 단순한 명령 수행을 넘어 맥락을 이해하고, 최적의 솔루션을 찾아 실행하는 능동적인 AI를 의미한다. 이를 위해 AI 에이전트는 자율성(Autonomy)과 적응성(Adaptability)이라는 기존 AI 시스템과 차별화되는 특징을 갖는다. 이런 특징을 바탕으로 사용자의 요구를 분석하고, 실행 전략을 세우며, 상황 변화에 따라 유연하게 대처할 수 있는 능력을 갖춰야 한다. AI 에이전트의 구성 기술 AI 에이전트는 다양한 AI 기술의 발전에 힘입어 현실화되고 있다. AI 에이전트를 구현하기 위해서는 검색강화생성(RAG), 멀티에이전트 시스템(MAS), 멀티모달 AI, 온디바이스 AI 등의 기술이 필요하다. 특히, 멀티에이전트 시스템은 여러 개의 AI 에이전트가 협업하여 데이터를 수집하고 분석하며, 최적의 의사결정을 수행하도록 구성된다. 이는 향후 범용 인공지능(AGI) 실현을 위한 중요한 기반 기술로 평가받고 있으며, 궁극적으로 다양한 영역에서 특화된 AI 에이전트들이 협력하여 인간의 고차원적인 업무를 보조할 것으로 기대된다. 인간과 자연스러운 상호작용 추구 AI 에이전트가 더 직관적이고 유용한 형태로 발전하기 위해서는 텍스트뿐만 아니라 음성, 이미지 등 다양한 형태의 데이터를 처리하는 멀티모달 AI 기술이 필수적이다. 멀티모달 AI와 온디바이스 AI가 발전하면서, AI 에이전트는 점점 더 개인화되고 실생활에서 실용적으로 활용될 가능성이 커지고 있다. 또한 온디바이스 AI는 클라우드 의존도를 줄이고, 디바이스 자체에서 AI 연산을 수행함으로써 빠른 반응 속도와 강화된 보안성을 제공한다. 이는 스마트홈, 헬스케어, 자동차 등 다양한 분야에서 AI의 실시간 인터랙션을 가능하게 하며, 사용자 맞춤형 경험을 극대화하는 역할을 한다. AI 에이전트의 적용 분야 대형언어모델LLM의 발전으로 AI 에이전트는 더욱 정교한 의사결정을 수행할 수 있으며, 기업 생산성 향상, 고객 서비스 최적화, 금융 분석, 스마트홈 자동화 등 다양한 산업에서부터 가정에 이르는 전 산업에 걸쳐 영향력을 확대하고 있다. 스마트홈: AI가 가전과 연동되어 가족 구성원의 습관을 학습하고, 조명, 온도, 공기질 등을 자동 조절하는 공감형 AI로 발전 중이다. LG전자의 퓨론(FURON AI)가 대표적인 예이다. 금융: 무디스(Moody’s)는 AI 에이전트를 활용하여 리스크 분석, 투자 전략 수립, 금융 데이터 해석 자동화를 추진하고 있으며, 금융업계의 규제 환경을 준수하면서도 고도화된 금융 AI 시스템을 개발하고 있다. 코딩 & 개발: 커서AI(Cursor AI), 깃허브(GitHub), 코파일럿(Copilot)과 같은 AI 기반 개발 도구는 코드 자동 완성, 디버깅, 보안 점검을 통해 개발 생산성을 극대화하고 있다. 기업 업무 프로세스 자동화: 기업들은 AI 에이전트를 활용해 고객 상담, 마케팅 전략 수립, 데이터 분석 등의 업무를 자동화하며, 이를 통해 비용 절감과 생산성 향상을 동시에 달성하고 있다. AI 에이전트가 해결해야 할 과제 AI 에이전트의 발전이 가져올 변화를 긍정적으로 평가하면서도, 해결해야 할 과제 역시 산적해 있다. 데이터 편향성과 신뢰성: AI가 제공하는 정보가 편향되거나 부정확할 경우, 자동화된 프로세스에서 발생하는 오류로 인한 여파는 기존 AI 시스템보다 훨씬 클 수 있다. 규제 및 윤리적 문제: 금융, 의료, 법률 등 고도의 규제가 필요한 산업에서는 AI 에이전트의 투명성과 책임성이 보장되어야 한다. 연산 비용 문제: 고성능 AI 모델 운영에 필요한 막대한 연산 비용과 전력 소모를 해결하기 위한 최적화 기술이 요구된다.

마존웹서비스(AWS)가 2월 27일 1세대 양자컴퓨팅 칩인 오셀롯(Ocelot)을 발표했다. 오셀롯은 초기 단계의 연산 능력만 갖추고 있지만, AWS는 이 칩이 “개념 증명 시연을 위한 것”이라고 밝혔다. 이는 새로운 배터리 소재에 대한 빠르고 정확한 시뮬레이션과 같이 양자컴퓨팅 업계에서 기대하는 혁신적인 응용 분야를 실현시킬 수 있는 규모가 큰 양자컴퓨터를 개발하기 위해 거쳐야 하는 단계이다. 아마존의 클라우드 컴퓨팅 사업부인 AWS의 오스카 페인터(Oskar Painter) 양자 하드웨어 책임자는 “오셀롯은 우리의 양자컴퓨팅 아키텍처가 확장 가능하고 하드웨어 효율적이라는 것을 보여주는 첫 번째 프로토타입”이라고 설명했다. AWS는 양자컴퓨팅 개발의 핵심적인 기술 과제인 ‘오류 정정’을 더 간단하게 수행할 수 있는 접근 방식을 채택했다고 밝혔다. 오셀롯은 약 1cm 크기의 칩에 9개의 양자비트(quantum bit, 양자컴퓨터로 계산할 때의 기본 단위이며 줄여서 ‘큐비트(qubit)’라고 함)로 구성되어 있다. 다른 양자 하드웨어와 마찬가지로 오셀롯도 작동하려면 절대 영도(영하 273도)에 가까운 극저온으로 냉각시켜야 한다. 9개의 큐비트 중에서 5개는 업계에서 ‘고양이 큐비트(cat qubit)’라고 불리는 하드웨어 유형이며, 이 이름은 ‘슈뢰딩거의 고양이’에서 따왔다. 슈뢰딩거의 고양이는 상자 안에 있는 보이지 않는 고양이가 죽어 있는 동시에 살아있을 수 있다고 하는 20세기의 유명한 사고 실험을 말한다. 상자 안에서 죽어 있는 동시에 살아있다는 고양이의 상태는 양자의 ‘중첩(superposition)’ 상태를 가리키며, 이는 양자컴퓨팅의 핵심 개념이다. AWS의 ‘고양이 큐비트’는 탄탈럼(tantalum)이라는 금속으로 아주 작고 속이 비어 있으며 내부에 마이크로파가 포함되어 있는 구조를 만들어서 실리콘 칩에 부착한 형태이다. 고양이 큐비트 외에 나머지 4개의 큐비트는 초전도 물질로 만든 전기 회로인 ‘트랜스몬(transmon)’이라는 큐비트이다. 이러한 아키텍처에서 AWS는 고양이 큐비트를 사용하여 정보를 저장하고, 트랜스몬 큐비트로 고양이 큐비트에 있는 정보를 모니터링한다. 이는 연산 부분이 전부 트랜스몬 큐비트로 구성되어 있는 구글이나 IBM의 양자컴퓨터와는 차별되는 기술이다. 특히 AWS의 연구원들은 오셀롯을 사용하여 더 효율적인 형태의 양자 오류 정정 기능을 구현했다. 다른 컴퓨터와 마찬가지로 양자컴퓨터도 실수를 할 수 있다. 이러한 오류는 정정하지 않으면 누적되며, 그럴 경우 현재 수준의 양자컴퓨터는 유용한 응용에 필요한 긴 알고리즘을 정확하게 실행할 수 없게 된다. AWS의 페인터 책임자는 “유용한 양자컴퓨터를 만들 수 있는 유일한 방법은 양자 오류 정정을 실행하는 것”이라고 설명했다. 그러나 안타깝게도 양자 오류 정정에 필요한 알고리즘을 제대로 실행하려면 일반적으로 엄청난 하드웨어 자원이 요구된다. 지난해 구글은 오류가 정정된 양자 정보 1비트를 인코딩하기 위해 105개의 물리적 큐비트를 사용해야 했다. 페인터 책임자는 오셀롯이 그 10분의 1에 해당하는 큐비트로 양자 정보 1비트를 인코딩할 수 있다고 설명했다. 2월 26일 <네이처(Nature)>에 게재된 연구에 따르면 AWS의 연구팀은 오셀롯의 9개 큐비트로 오류 정정된 양자 정보 1비트를 인코딩했다. 페인터 책임자는 “이론적으로 이러한 하드웨어 설계를 적용하면 트랜스몬 큐비트로만 설계한 기계보다 양자컴퓨터의 규모를 확장하기가 더 쉬울 것”이라고 설명했다. 이번 연구에는 참여하지 않은 예일대학교의 슈루티 푸리(Shruti Puri) 물리학 연구원은 “고양이 큐비트와 트랜스몬 큐비트를 결합한 설계를 적용하면 오류 정정이 더 간단해지기 때문에 오류 정정에 필요한 큐비트 수가 줄어든다”고 말했다. (푸리 연구원은 양자컴퓨터를 개발하는 다른 회사에서 시간제로 일하고 있으나 MIT 테크놀로지 리뷰와는 학자로서 인터뷰를 나눴다.) 푸리 연구원은 “기본적으로 모든 양자 오류는 두 종류로 나눌 수 있다”며 “바로 비트 플립(bit flip)과 위상 플립(phase flip)”이라고 말했다. 양자컴퓨터는 정보를 1과 0, 그리고 이 두 가지의 확률, 즉 중첩으로 나타낸다. 비트 플립은 기존 컴퓨팅에서도 발생하는 현상이며, 컴퓨터가 0이어야 하는 것을 잘못하여 1로 인코딩하거나 그 반대로 1이어야 하는 것을 0으로 인코딩할 때 발생한다. 양자컴퓨팅에서 비트 플립은 컴퓨터가 0의 확률을 잘못하여 1의 확률로 인코딩하거나 1의 확률을 0의 확률로 인코딩할 때 발생한다. 위상 플립은 양자컴퓨팅에서만 발생하는 오류이며, 큐비트의 파동적 특성과 관련이 있다. AWS는 고양이 큐비트와 트랜스몬 큐비트를 함께 적용한 설계를 통해 모든 오류가 주로 위상 플립 형태로 발생하는 양자컴퓨터를 만들 수 있었다. 그 덕분에 구글보다 훨씬 간단한 오류 정정 알고리즘을 사용할 수 있었고, 오류 정정에 필요한 큐비트 수도 줄일 수 있었다. 푸리 연구원은 “한 가지 유형의 오류만 정정하면 되기 때문에 필요한 하드웨어 자원을 줄일 수 있었다”며 “다른 유형의 오류는 매우 드물게 발생한다”고 설명했다. AWS는 또한 오류 정정 중에 수행되는 C-NOT 게이트라는 연산을 신중하게 구현하여 필요한 하드웨어 자원을 절약할 수 있었다. AWS의 연구원들은 C-NOT 연산이 비트 플립 오류를 과도하게 발생시키지 않는다는 것을 입증했다. 즉 오류 정정을 수행한 후에도 양자컴퓨터에서는 여전히 위상 플립 오류가 주로 발생했기 때문에 더 간단하고 하드웨어 효율적인 오류 정정 코드를 계속해서 사용할 수 있었다. 페인터 책임자는 AWS가 2021년부터 오셀롯을 위한 설계 작업을 시작했다고 밝혔다. 개발 과정에서 AWS는 큐비트 설계, 재료, 제조 공정 등 모든 문제를 다뤄야 했다. 오류 정정을 실행할 수 있는 고성능 큐비트를 만들기 위해 연구원들은 고양이 큐비트를 설계하고, 그 재료인 탄탈럼을 원자 수준의 결함이 거의 없는 실리콘 칩에 부착하는 새로운 방법을 찾아야 했다. 푸리 연구원은 이제 AWS가 여러 개의 고양이 큐비트를 제작하여 단일 장치에서 제어할 수 있게 된 것이 중요한 진전이라고 생각한다. 푸리 연구원은 “새로운 종류의 큐비트를 확장하기 위한 모든 작업은 흥미롭다”고 밝혔다. 그렇다고 해도 아직 개발 단계에 이르기까지는 몇 년이 더 소요될 것이다. 푸리 연구원은 “다른 전문가들은 양자컴퓨터가 유용한 작업을 수행하려면 수백만 개까지는 아니더라도 최소 수천 개의 큐비트가 필요할 것이라고 예측해 왔다”며 “그런 관점에서 보면 이번 AWS의 작업은 ‘첫걸음’”이라고 말했다. 푸리 연구원은 “연구자들이 큐비트 수를 늘리면서 비트 플립으로 인한 오류의 비율을 더 줄여야 할 것”이라고 덧붙였다. 그래도 이번 발표는 아마존이 앞으로 나아갈 길을 보여준다. 페인터 책임자는 오셀롯에 대해서 “우리는 이 아키텍처의 가능성을 믿는다”고 밝혔다. 페인터 책임자에 따르면 이전에 AWS는 구글이나 IBM과 같은 기존의 트랜스몬 큐비트에 집중하고 고양이 큐비트 프로젝트를 ‘비밀 연구’처럼 취급했으나 이제는 고양이 큐비트를 우선시하기로 결정했다. 페인터 책임자는 “우리는 고양이 큐비트에 우리의 역량을 집중해야 한다는 확신을 갖게 되었다”며 “아직은 실험을 계속해야 하겠지만, 앞으로 우리는 이 방향으로 나아갈 것”이라고 밝혔다. (프랑스에 본사를 둔 양자컴퓨터 스타트업 ‘앨리스&밥(Alice & Bob)’도 고양이 큐비트로 만든 양자컴퓨터를 개발하고 있다.) 페인터 책임자는 오셀롯이 기본적으로 “양자 메모리의 데모”라고 말했다. 다음 단계는 칩에 더 많은 큐비트를 추가하고, 더 많은 정보를 인코딩하고, 실제 연산을 수행하는 것이다. 그러나 이러한 단계에 이르려면 모든 전선을 연결하는 방법부터 여러 개의 칩을 서로 연결하는 방법을 찾는 것까지 앞으로 해결해야 할 과제가 많다. 페인터 책임자는 이에 대해 “규모 확장은 어려운 일”이라고 강조했다.

Today's index 컴퓨팅과 양자컴퓨팅 용어 설명 반도체와 컴퓨팅의 역사 역사가 양자컴퓨팅에 주는 시사점 모닝브리핑 ※ 볼딕 단어나 밑줄 단어에는, URL이 포함돼 있습니다. 클릭하면 세부 내용이 연결됩니다. 물질의 전도도(Conductivity)를 뜻하는 '반도체'라는 단어가, 연산을 처리하고 메모리를 저장하는 전자부품을 지칭하는 의미로도 쓰입니다. <삼성전자뉴스룸> 프로세서, 실리콘, 반도체, 칩 다 다른데 같은 의미로 쓰인다 양자컴퓨터에 대한 이야기를 시작하기 전에 먼저 저희는 ‘용어’를 명확히 할 필요가 있어요. 컴퓨터(Computer)와 컴퓨팅(Computing)은 어떤 차이가 있을까요? 컴퓨터라고 하면 우리가 사용하는 데스크탑, 랩탑, 그리고 스마트폰까지 모두 ‘컴퓨터’라고 할 수 있죠. 이 컴퓨터가 하는 일이 바로 ‘컴퓨팅’. 연산이라고도 번역되는 컴퓨팅은 정보를 0과 1로 구성된 디지털(비트)로 바꿔서 이를 계산하는 과정. 우리가 소프트웨어라고 부르는 것과 인공지능도 이런 컴퓨터가 하는 연산의 결과물이에요. 컴퓨터 내에서 이 연산을 하는 장치를 우리는 ‘프로세서’ 혹은 ‘연산기’라고 부르는데요. 컴퓨터에 들어가는 CPU와 GPU에서 P가 바로 프로세서입니다. 이 프로세서는 도체와 부도체의 중간에 있는 반도체의 성질을 가진 소재로 만들어지는데요. 반도체의 성질을 이용해 이른바 논리연산(혹은 부울대수 Boole Algebra)이라는 것을 합니다. 이 논리연산이 바로 ‘컴퓨팅’의 본질. 반도체는 영어에서는 '실리콘'이라고도 많이 불리는데요. 프로세서 소재로 가장 많이 사용하는 반도체 소재가 바로 원소 규소(Si)이고 규소를 영어로 하면 실리콘이기 때문이에요. 우리는 컴퓨팅의 연산을 처리하는 프로세서(Processor), 그 소재인 규소(Silicon), 규소로 만들어진 프로세서가 가진 특성인 ‘반도체(Semiconductor)’를 같은 의미로 쓰는 경우가 많아요. 또한, 프로세서는 평면의 얇은 조각(chip)의 형태를 띄는데 이 ‘칩’도 같은 의미로 쓰입니다. ('칩'이라는 용어는 '마이크로칩'이라는 용어에서 먼저 나왔습니다). 영어에서는 그래도 프로세서, 실리콘, 반도체, 칩을 각각 다른 의미로 구분해서 쓰는 경우가 있는데, 한국어에서는 이를 ‘반도체’ 하나로 쓰는 경우가 많아서 혼란스러운 일이 더 많은 것 같아요. 정지훈 A2G 캐피털 파트너님의 양자역학 강의 고전컴퓨팅 <-> 양자컴퓨팅 자, 이제 컴퓨터에 관련된 용어를 정리해볼게요. 컴퓨터=컴퓨팅을 하는 기계 컴퓨팅=정보를 0과1로 바꿔서 논리연산을 하는 것 프로세서=컴퓨팅이 이뤄지는 전자부품 규소(실리콘)=프로세서로 가장 많이 쓰이는 소재 반도체=도체와 부도체의 중간에 있는 소재 칩=얇은 조각형태의 전자부품 하지만 실제 생활에서 ‘프로세서=실리콘=반도체=칩’이 같은 의미로 쓰이는 경우가 많아요. 이 개념을 양자컴퓨터로 가져오면 조금 복잡해집니다. 양자컴퓨터는 당연히 양자컴퓨팅을 하는 기계일텐데요. 위에 있는 기존의 컴퓨팅을 그래서 ‘고전컴퓨팅’이라고 부릅니다. 정보를 0과1의 비트로 연산하는 고전컴퓨팅과 달리, 양자컴퓨팅은 0과 1 모두가 될 수 있는 ‘큐비트’를 사용해서 연산하는 것을 말해요. 그렇다면 당연히 이 양자컴퓨팅이 이뤄지는 부품이 있겠죠? 우리는 이것을 QPU(퀀텀프로세싱유닛)라고 부릅니다. CPU나 GPU에 상대되는 개념이죠. 양자컴퓨팅은 10개의 열쇠구멍이 있는 상자에 10개의 열쇠를 동시에 집어넣고, 이중에 하나만 맞아도 상자가 열립니다. <출처> 양자컴퓨팅에는 QPU가 있다 하지만 QPU에 사용되는 소재는 규소가 아닙니다. 정확하게는 아직 지배적인 소재라고 할만한 것이 없어요. QPU는 실리콘 프로세서와 달리 반도체의 속성을 이용해 연산을 하지 않습니다. 오히려 QPU에서 중요한 속성은 ‘초전도체’인데요. 이것마저도 아직 지배적인 방식(quantum modality)가 없기 때문에 ‘초전도체’가 제일 중요하다고 할 수도 없습니다. 고전컴퓨팅에 대응해서 양자컴퓨팅 용어는 이렇게 정리해보겠습니다. 양자컴퓨터=양자컴퓨팅을 하는 기계 양자컴퓨팅=큐비트를 이용해 연산을 하는 것 양자프로세서=양자컴퓨팅이 이뤄지는 전자부품 초전도체=양자컴퓨팅을 위해 필요한 상태 양자칩=얇은 조각형태의 양자프로세서 자, 이제 용어가 명확하게 정리가 됐기 때문에 본격적으로 반도체와 컴퓨터의 역사로 이동해보겠습니다! 챗GPT가 직접 그려준 컴퓨터 프로세서와 반도체의 역사 <챗GPT> 진공관의 탄생에서 CMOS 등장까지 현대적인 컴퓨터와 반도체가 등장하기 전. 우리가 많이 들어본 진공관(vacuum tube)이 있었어요. 1907년에 세상에 등장한 진공관의 원래 목적은 연산이 아니라 전화기의 신호를 증폭하기 위한 것. 하지만 진공관을 회로처럼 이용해 계산기로 쓰는 아이디어가 나왔고, 진공관으로 만들어진 컴퓨터가 1946년 세상에 나온 ‘에니악(ENICA)’입니다. 진공관은 무게도 크고, 충격에도 약했기 때문에 진공관을 대체할 부품에 대한 수요는 엄청났습니다. 그래서 등장한 것이 1947년 AT&T 벨 연구소의 트랜지스터였습니다. 트랜지스터는 반도체의 성질을 이용해 진공관 처럼 논리연산이 가능한 부품이었죠. 훨씬 작고 효율적이었습니다. 하지만 최초의 트랜지스터는 게르마늄(Germanium)으로 만들어졌어요. 트랜지스터는 나중에는 실리콘 소재로 바뀌었고, 초기에는 BJT(바이폴라 접합) 방식이 주류를 이뤘어요. BJT방식 트랜지스터는 이후 직접회로(Integrated Circuit)에 도입되면서 큰 산업적 돌파구를 만들어냅니다. 1958년 세상에 등장한 직접회로는 평평한 실리콘 웨이퍼 위에 트랜지스터, 레지스터, 카파시터, 전선 등을 모두 그려 넣는 지금의 반도체 제조 방식을 열었어요. 이 직접 회로의 선구자 중 한명이 바로 페어차일드반도체와 인텔을 창업한 로버트 노이스에요. 그런데 BJT방식 트랜지스터가 계속 지배적인 지위를 유지한 것은 아니에요. 벨 연구소에서 일하던 강대원 박사와 모하메드 아탈라 박사가 1959년 아이디어를 내놓은 금속산화막반도체(MOS)방식의 트랜지스터가 대량생산과 전력효율 측면에서 BJT방식 보다 유리하다는 것이 입증이 됩니다. 그래서 BJT방식대신에 MOS트랜지스터가 나중에는 주류가 됩니다. 이 과정에서 기존의 반도체 기업들이 BJT방식을 고수하느라 빠르게 MOS방식의 트랜지스터를 만들어내지 못하는데요. 한 스타트업이 발빠르게 MOS방식 트랜지스터를 내놓습니다. 바로 1969년의 인텔이라는 회사입니다. 그 이후의 역사는 우리가 아는 바와 같습니다. MOS방식의 트랜지스터는 CMOS라고도 불리는데요. 이 트랜지스터는 이후 수십년간 가장 표준적인 트랜지스터가 됩니다. CMOS라는 하나의 표준적 방식이 정해지면서 이후부터는 이를 얼마나 직접회로에 세밀하게 그리느냐가 중요해졌습니다. 반도체 직접회로에 넣을 수 있는 트랜지스터 수가 2년마다 2배씩 증가한다는 이른바 ‘무어의 법칙’이 등장한 것도 이 즈음인 1965년이죠. 반도체에서 2진수 덧셈이 이뤄지는 과정 컴퓨터가 반도체고 반도체가 컴퓨터 이런 흐름에 따라 반도체와 컴퓨터의 역사를 정리해보면 이렇습니다. 1907년 진공관의 등장 1946년 진공관 기반 컴퓨터의 등장 1958년 트랜지스터의 등장 1962년 트랜지스터 컴퓨터(IBM 7090)의 등장 1969년 CMOS 트랜지스터의 부상 1971년 CMOS 적용된 인텔 4004 마이크로프로세서 등장 1977년 개인용 컴퓨터 애플2의 등장 이런 역사의 흐름을 보면 컴퓨터의 발전에 앞서 프로세서와 소재의 발전이 먼저 있어야한다는 것을 알 수 있어요. '진공관이라는 프로세서'가 만들 수 있는 컴퓨터와 '트랜지스터라는 프로세서가 만들 수 있는 컴퓨터'는 성능의 차이가 엄청났습니다. 하지만 트랜지스터가 등장하고 10년이나 이 시장을 지배했던 BJT 방식이 CMOS의 등장으로 그 주도권을 내줬던 것처럼 선구적인 기술이라고 생각했던 것이 언제든 다른 기술에 자리를 내어줄 수도 있어요. 1959년 나온 CMOS 트랜지스터의 아이디어가 산업적으로 자리잡는데는 데는 10년이 걸렸어요. 하지만 이 기술이 진짜 큰 가치를 만들어내고, 사람들의 삶을 전부 바꿔놓은 것은 1977년 개인용 컴퓨터의 등장 이후 입니다. 훌륭한 소재와 프로세서가 만들어졌다고 해도, 이를 통해서 만들어진 컴퓨터(=제품)가 소비자의 수요를 만나야만 세상이 본격적으로 변한다는 의미에요. UC버클리 인근 리게티컴퓨팅 본사에서 만난 수보드 쿨카르니 CEO. 컴퓨터와 반도체의 역사에서 양자컴퓨팅의 미래를 보다 저는 최근 대표적인 양자컴퓨팅 상장기업 중 하나인 리게티컴퓨팅의 수보드 쿨카르니 CEO를 인터뷰한 적이 있습니다. 기사로 쓴 내용은 주로 양자컴퓨팅 상용화 시기였는데, 인터뷰 중 그에게서 양자컴퓨팅과 반도체 산업의 유사성에 대한 얘기를 많이 들었습니다. 이중 몇가지를 재구성해봤습니다. 😺 : 반도체 산업과 양자컴퓨팅이 비슷한 점은 무엇인가요? 😀 : 제가 처음 IBM에 입사했을 때(1990년) CMOS 트랜지스터를 개발하는 일을 했습니다. 저는 재료공학자였기 때문에 공정쪽에서 일했습니다. 그 당시 제가 다뤘던 도전과제는 우리가 양자 컴퓨팅에서 다루고 있는 도전과제가 매우 유수합니다. 당시 가장 큰 도전 과제는 CMOS 칩의 오류율이었습니다. 그래서 우리는 외부 게이트를 통제하기 위해 열심히 노력했습니다. 그때부터 반도체 산업은 30년간 99%에서 99.9%의 수준으로 발전해 왔습니다. 양자 컴퓨팅의 도전 과제도 비슷하다고 생각합니다. 적어도 초전도체 방식 양자컴퓨팅에서는 그렇습니다. 다만 99%까지 도달하는데 30년이 걸리지 않기를 바랄뿐입니다. 저는 앞으로 양자컴퓨팅에서 5년 안에 99%에 도달할 것이라고 생각합니다. 😽 : 양자컴퓨팅은 반도체와 공정 측면에서 어떤 점이 다른가요? 😁 : 반도체에서 실리콘 산화물을 다루는 대신 우리는 알루미늄 산화물을 다룹니다. 하지만 CMOS에서 게이트 산화물을 제어하는 방법은, 현재 양자 컴퓨팅에서 알루미늄 산화물을 제어하는 데 필요한 방법과 매우 유사합니다. 두께, 결정 구조, 경계 결함 등을 정밀하게 제어하는 작업이 양자 컴퓨팅에서도 이뤄집니다. 반도체 산업은 그동안 트랜지스터를 엄청나게 작게, 더 빠르게 만들었습니다. 3차원구조도 도입했죠. 그 사이에 트랜지스터에 적용되는 물리학은 크게 달라지지 않았습니다. 양자 컴퓨팅은 반도체와는 다른 물리학이 적용됩니다. 하지만 양자 컴퓨팅에서도 결국 반도체와 비슷한 개발 곡선(정체되었다가 개발이 빨라지는 구간)이 나타날 것으로 기대합니다. 😺 : 리게티는 반도체 산업에서처럼 칩렛(여러가지 칩을 하나로 만드는 것)을 만들고 계시다고 들었는데요. 🤓 : 우리 회사가 달성한 84 큐비트는 하나의 단일칩(Monolithic Chip)에서 만든 것입니다. 그래서 올해의 목표는 칩렛 아키텍처를 보여주는 것입니다. 하지만 칩렛에서 큐비트를 달성하려면 매우 어렵습니다. 그럼에도 불구하고 칩렛 구조를 하려는 것은 CMOS에서 칩렛을 사용하는 것과 같은 이유입니다. (CMOS에서처럼) 단일 칩보다는 작은 칩렛의 표면에서 균일성과 성능을 제어하는 것이 훨씬 쉽기 때문입니다. 단일 칩에서는 온갖 종류의 간섭문제가 발생할 것이기 때문입니다. 향후 수천개, 수십만개의 큐비트로 확장하기 위한 논리적인 방법은 칩렛을 사용하는 것입니다. 마이크로소프트의 마요라나는 완전히 다른 방식과 소재로 만들어진 양자칩이에요. <마이크로소프트> 새로운 소재와 프로세서가 필요하다 이처럼 양자컴퓨터를 개발하는 사람들은 컴퓨터와 반도체에서의 역사적 경험이 양자컴퓨터에서도 반복될 것을 예상하고 있어요. 과거 역사에서 우리가 얻을 수 있는 시사점 네 가지를 말씀드릴게요. 첫번째, 고전 컴퓨팅과 다른 양자 컴퓨팅을 위해서는 새로운 소재와 프로세서의 등장이 필요합니다. IBM의 헤론 칩, 구글이 내놓은 윌로우 칩, 마이크로소프트의 마요라나, AWS의 오셀롯. 모두 양자컴퓨팅에 사용하는 새로운 프로세서라고 보면됩니다. 리게티, 아이온큐, 큐에라 같은 스타트업들도 모두 양자컴퓨팅을 하기 위한 프로세서를 내놓고 있습니다. 하지만 이 중에서 어느 방식이 CMOS처럼 스케일업에 유리한 방식인지는 결론이 나지 않고 있습니다. 양자컴퓨팅이 고전컴퓨팅의 성능을 능가하는 '양자우위'가 이뤄져야 이른바 양자컴퓨터의 상용화가 이뤄지는데요. 이를 위해서는 수십만에서 수백만까지 큐비트를 늘려야합니다. IBM이 399큐비트, 구글이 105큐비트를 달성한 것이 현재의 상황이기 때문에 앞으로 갈길은 아주 멀다고 할 수 있어요. 이런 스케일 확장을 달성하기 위한 프로세서를 만들기 위해 새로운 소재와 물질에 대한 연구가 계속되고 있습니다. 두번째, 기술의 발달로 달성한 큐비트의 수가 수십만개로 늘어난다고 해도 적당한 사용처가 없다면 양자컴퓨팅은 무용한 기술일 수 있어요. 개인용 컴퓨터(PC)의 등장 이전 컴퓨터는 정부나 기업이 주 사용자 였습니다. 하지만 PC가 등장하면서 컴퓨터의 연산능력으로 할 수 있는 많은 어플리케이션이 쏟아져 나올 수 있었어요. 비디오게임, 사무실의 생산성을 높이는 소프트웨어, 음악이나 영화를 감상하는 어플, 인터넷을 검색하는 어플 같은 것이죠. 스마트폰도 비슷한 과정을 거쳤습니다. 하지만 PC와 스마트폰 같은 새로운 하드웨어가 나오고 나서야 사람들은 '킬러 어플리케이션'을 상상해낼 수 있었어요. 양자컴퓨팅이 가능해졌어도 이를 활용한 킬러 어플이 등장하는데에는 시간이 걸릴 수도 있다는 뜻입니다. 엔비디아가 예상한 데이터센터내의 QPU 모습. <엔비디아> QPU는 CPU/GPU와 공존할 것 세번째, 양자컴퓨팅이 상용화된다고 해도 그것은 기존의 고전 컴퓨팅을 완전히 대체하지 않을 거에요. 이는 GPU의 비유로 설명할 수 있는데요. 최초에 등장한 컴퓨터 프로세서는 CPU라는 순차연산에 특화된 칩이었어요. 그러다 병렬연산에 특화된 칩인 GPU가 등장했죠. GPU는 CPU를 보조하는 역할을 했어요. 게임 속 그래픽 처리를 위해 GPU가 쓰였던 것 처럼요. 그런데 병렬연산이 매우 많이 필요한 딥러닝이라는 AI가 등장하면서 GPU가 CPU보다 중요해졌어요. 그렇다고 CPU가 사라졌나요? CPU는 GPU와 함께 작동하면서 여전히 중요한 역할을 하고 있습니다. 이런 방식의 컴퓨팅을 이기종컴퓨팅(heterogeneous computing)이라고 부르는데요. 양자프로세서(QPU)가 등장한다면 CPU/GPU와 함께 이기종컴퓨팅의 일부로 들어가게될 것이에요. CPU/GPU가 연산하는 것보다 QPU가 연산하는 것이 빠를 때 QPU를 사용하는 거죠. 네번째, CPU/GPU와 함께 작동하게될 QPU는 데이터센터에 탑재될 가능성이 제일 높아요. 그리고 클라우드컴퓨팅 형태로 사용자들에게 서비스될 것으로 보입니다. 우리가 사용하는 PC와 스마트폰에 CPU와 GPU가 탑재되어있지만, 사실 중요한 데이터 처리는 데이터센터에서 이뤄져서 클라우드를 통해서 저희에게 도달하는데요. 양자컴퓨팅도 마찬가지가 될 것 같아요. 모든 처리는 데이터센터내의 QPU에서 이뤄지고 우리는 결과물만 받게되는 거죠. 양자 프로세서가 아무리 발달한다해도 스마트폰같은 개인용 전자기기에 들어갈 가능성은 매우 낮겠죠? 하지만 일반 소비자들도 양자컴퓨팅의 혜택은 받을 수 있을 겁니다. 이런 점에서 지금 나오고 있는 양자컴퓨터들의 기술 발전이 컴퓨터 역사의 어느단계에 와 있는지를 알 수 있다면, 우리는 양자컴퓨터가 상용화되는데 필요한 시간을 예측해볼 수 있어요. 지금의 양자프로세서가 1907년에 등장한 진공관 정도 수준일까요? 그렇다면 상용화까지 70년이 남았습니다. 1958년 등장한 트랜지스터 수준일까요? 그렇다면 20년 정도 남았다고 볼 수 있죠. 1969년 CMOS 트랜지스터 급의 양자프로세서가 등장했을까요? 그렇다면 5-6년 후에는 상용화가 이뤄질 수도 있지 않을까요? 큐비트 스케일 확장이 가능한 프로세서가 등장했다면, 그때부터는 소재를 찾고, 프로세서를 연구할 필요가 없고, 큐비트 수를 늘리는 것에만 집중 하면 된다는 뜻이에요.

창업진흥원 혁신도약팀에서 안내드립니다 '25년 창업도약패키지 창업기업 모집공고가 시작되었습니다. 올해 '25년 창업도약패키지는 3개 유형(일반형, 대기업 협업형, 투자병행형)으로 진행됩니다. 특히 창업도약패키지(대기업협업형)은 사업화자금지원 이외에도, 9개 대기업에서 창업기업의 스케일업을 함께 지원해드리고 있습니다. 아래의 공고 내용과 오프라인 사업설명회 일정을 참고하시어 많은 신청과 관심 바랍니다. 감사합니다. < 창업도약패키지(대기업협업형) 창업기업 모집 개요 > ■ 신청대상 : 창업 후 3년 초과 7년 이내 창업기업 (업력이 3년을 초과하지 않은 경우 패스트트랙 요건 해당 시 신청 가능, 공고문 22쪽 참고) ■ 신청기간 : 2025.02.20(목) 11:00 ~ 2025.03.13(목) 16:00 까지 ■ 협업가능 대기업 : 총 9개 대기업 ■ 지원내용 : 창업사업화에 소요되는 사업화 자금(최대 2억원, 평균 1.3억원), 대기업과의 협업 프로그램, 창업프로그램 등 지원 ■ 선정규모 : 100개사 ■ 공고문 바로가기 : https://www.k-startup.go.kr/web/s/yj1QBDQA5 ※ 반드시 공고문에 첨부된 파일을 숙지하여 신청 ■ 신청방법 : K-startup 누리집(www.k-startup.go.kr)을 통해 온라인 신청 ■ 문의처 : 공고문 15페이지~16페이지 주관기관/대기업별 연락처 참고 < 오프라인 사업설명회 / 9개 대기업과 담당자와 창업진흥원을 현장에서 직접 만나볼 수 있는 기회!! > ■ 일시·장소 : ’25.2.27.(목) 13:00~17:00, 역삼GS타워 아모리스홀 ※ 서울특별시 강남구 논현로 508 GS강남타워, 대중교통 이용 요망, 해당건물 주차 불가 ■ 참가 사전등록 URL : https://iii.ad/fa1454

Today's index 오래된 AI, 인지능력 저하 동물 감정 이해하는 AI 피아노 연주 능력 향상시키는 로봇 모닝브리핑 ※ 볼딕 단어나 밑줄 단어에는, URL이 포함돼 있습니다. 클릭하면 세부 내용이 연결됩니다. 나이가 들어 인지능력이 저하된 AI를 표현해 달라고 요청해봤습니다. [그림=챗GPT] 오래된 AI 인지능력 저하 학술지 BMJ에 최근 실린 재미있는(?) 논문 하나 소개해 드릴게요. 이스라엘, 영국 연구진의 논문인데요. 이들은 챗GPT와 같은 대형언어모델(LLM)이 인간과 유사한 ‘인지장애’를 겪는지 아닌지를 확인하는 실험을 합니다. 이게 무슨 씻나락 까먹는 소리냐고요? 일단 논문을 볼게요! 연구진은 챗GPT 4, 챗GPT 4o와 함께 앤스로픽의 클로드 3.5와 소넷, 구글 제미나이 1.0과 1.5를 기반으로 실험합니다. 인간의 기억력, 주의력, 언어, 시공간 능력 등을 평가하는 ‘몬트리올 인지 평가’ 테스트를 시행합니다. 가장 높은 점수는 챗GPT 4o가 받습니다. 그다음이 챗GPT4와 클로드 3.5, 제미나이 1.5, 마지막으로 제미나이 1.0 순이었습니다. 논문에 따르면 제미나이 모델은 기억력 테스트에서 다소 문제를 보였다고 해요. 모든 모델은 ‘시공간 테스트’에서 저조한 성과를 보입니다. 기억력에서도 문제가 있었고요. 연구진은 “거의 모든 대형 언어 모델이 가벼운 인지 장애 수준을 보였다”라고 결론 내립니다. 특히 모델의 ‘연식’이 오래될수록 성능이 떨어진다는 결과가 나왔어요. AI 모델을 ‘사람’으로 봤을 때 인지능력을 평가하면 '인지 장애'로 판단할 수 있는 증상들이 나타났다는 얘기입니다. 여기까지 봤을 때 이상하다는 생각이 들었습니다. “당연한 거 아니야?” 네 맞습니다. 당연하죠. 연구진이 하고 싶은 말은 다음부터 등장합니다. 최근 LLM은 다양한 의료 시험에서 인간을 능가하는 성능을 보여줬습니다. 하지만 연구자들이 보고 싶었던 것은 AI의 취약점이었어요. 사람의 인지 능력을 평가하는 테스트를 AI에게 해보니 옛 모델의 경우 인지기능이 실제로 떨어지는 결과가 나온 거죠. 즉 의료 분야와 같은 곳에서 LLM을 활용하기 위한 시도가 많아지고 있지만 사람으로 따지면 ‘인지 기능이 저하된 사람’인데, 이들이 과연 신뢰할만한 진단을 내릴 수 있을 것인지에 대한 의문을 제기하고 있는 겁니다. 이는 과거 IBM의 AI, '왓슨'의 실패와도 관련이 있다는 생각이 들어요. IBM 왓슨은 과거 병원을 송두리째 바꿀 혁신적인 AI로 주목받았습니다. 하지만 훈련 데이터 부족을 비롯해 질병이 가진 복잡성에 제대로 대응하지 못하는 문제가 발견됐습니다. 예를 들어 대규모 과학 문헌을 공부한 뒤 이를 특정 환자에게 적용하는 데 어려움을 겪으면서 진단 도구로서 큰 역할을 하지 못하게 됩니다. 나라 별로 서로 다른 의료 시스템을 가지고 있는데, 여기에도 제대로 적응하지 못했다고 해요. 연구진은 “AI가 인간 의사를 대체할 수 있다는 가정은 성급하다”라고 결론 내려요. 따라서 LLM을 병원에서 의사 결정 도구로 활용하려는 시도에는 ‘신중함’이 필요하다고 지적합니다. 인간 전문가와의 보완적인 관계가 현재 상황에서는 더 적절하다는 거죠. 주요 생성형AI의 인지기능 검사 결과입니다. 챗GPT 4o가 현재 가장 높은 점수를 받고 있네요. [표=BMJ] 2021년 발표된 논문에서 재미난 사진을 한 장 발견했습니다. (A)는 중립, 느긋한 표정 (B)슬픔, 넓은 이마, 꼬리 쪽으로 기울어진 귀, 닫힌 입 (C)즐거움, 입술 접합부, 인간 미소 형태 (D) 놀람, 표정이 풍부한 큰 눈, 귀를 세움. 실제 이럴까요! [사진=애니말스 논문] 동물의 감정 이해 AI로 하면 정확 저는 아이들의 성화에 못 이겨 현재 ‘스마일게’를 키우고 있어요. 밥을 주고, 물을 갈아주며 보살피고 있는데요. 사과를 한번 줬더니 이후 게밥(사료)을 먹지 않아 키우는 게 이만저만 힘든 게 아닙니다. 그럴때마다 이런 생각이 들었어요. ‘내가 너희 말을 알아들을 수 있으면 얼마나 좋을까. 아니, AI가 그렇게 발전했다는 데 동물의 표정, 울음소리 이해 못하나?’라는 마음으로 뒤져보니 마침 ‘사이언스’에 관련 연구가 소개된 것을 확인할 수 있었습니다. 짧게 정리해 볼게요. 인간을 포함하는 포유류는 표정에 영향을 미치는 ‘공통 근육’을 가지고 있습니다. 예를 들어 우리는 얼굴 움직임의 38%를 ‘개’와 공유하고 있고, ‘34%’를 고양이와 공유하고 있다고 해요. ‘47%’는 영장류, 말과 공유하고 있다고 하는데요, 동물의 표정을 통해서 그들의 감정을 이해하는 일은 쉽지 않았다고 합니다. 변수가 워낙 많고 작은 움직임을 인간이 알아채기 쉽지 않으니까요. AI가 이를 해결하기 위해 등장합니다. 최근 연구를 살펴보면 고양이가 고통을 받고 있는지를 파악하는 데 있어서 AI를 활용했더니 77%의 정확도로 이를 맞췄다고 해요. 고양이의 코와 입이 통증에 더 민감하게 반응했고, 귀는 덜 중요한 것으로 나타났다고 합니다. 브라질에서 진행된 연구도 눈에 띕니다. 말이 수술하기 전과 후, 진통제를 넣기 전과 후의 얼굴 사진을 3000장 촬영한 뒤 AI에게 학습시켰습니다. 그 결과 AI는 통증이 있고 없음을 구별하는 데 있어서 정확도 88.3%를 보였다고 해요. 또한 AI는 수의사가 놓친 말의 통증 신호를 알아내는 데도 성공했다고 합니다. 반려동물로 가장 친숙한 ‘개’와 관련된 연구도 있습니다. AI를 기반으로 레트리버의 얼굴 사진을 분석했더니 ‘행복’과 ‘좌절’을 느꼈을 때의 표정을 89%의 정확도로 맞췄다고 해요. 과거 일본, 미국 등에서 개와 고양이의 기분을 알려주는 기계가 유행했던 적이 있는데(그런 기술이 얼마나 효과가 있을지는 모르겠지만요) AI가 일상화가 된 지금, 이러한 기술이 상용화되면 인간과 반려동물의 유대감은 더 돈독해질 것 같아요. 제가 키우고 있는 소라게는 표정이 없어서 이러한 장비가 나오려면 시간이 더 걸리겠지만요. 피아노 연주를 도와주는 웨어러블 로봇의 모습 [사진=사이언스 로보틱스] 피아노 연주능력 향상시키는 로봇 피아노를 치는 로봇은 많이 있습니다. 그런데 이번 연구는 상당히 신기했어요. 사이언스 로보틱스라는 저널의 표지논문에 위 사진이 올라와 있었는데요, 호기심이 생길 수밖에 없었습니다. 피아노를 못 치는 사람도 저 로봇을 착용하면 칠 수 있을까! 하는 생각으로요. 연구 내용을 살펴보니 이는 피아니스트를 위한 ‘손가락 슈트 로봇’ 정도로 보시면 될 것 같았어요. 연구진은 30명의 피아니스트를 대상으로 2주 동안 피아노를 연습하도록 했어요. 그리고 ‘실력’이 더 이상 늘지 않는 상황이 되었을 때, 연구진이 개발한 ‘외골격 로봇’을 착용한 뒤 연습하도록 했습니다. 빠른 연주나, 복잡한 연주를 할 때 손이 ‘꼬이는’ 경우가 있을 텐데요, 이러한 상황을 로봇이 제어해주는 거예요. 이를 착용하고 피아니스트들은 30분간 로봇의 도움을 받아 피아노 연주를 합니다. 그 뒤 피아노 연주를 했더니 단 30분만의 훈련으로도 기존 연습으로는 도달할 수 없었던 수준의 향상이 관찰됩니다. 연구진은 이를 심층적으로 확인하기 위해 뇌도 확인해요. 그 결과 대뇌 피질에서 손가락의 개별 움직임을 조절하는 신경 패턴에 변화가 생긴 것을 발견합니다. 즉 로봇의 도움이 손가락의 움직임을 담당하는 뇌에 영향을 줬고, 이것이 기존에는 할 수 없었던 빠르고 복잡한 연주를 가능케 했다는 것입니다. 이번 연구는 많은 것을 시사합니다. 피아니스트뿐 아니라 자기 능력을 극복하고 싶은 운동선수들이 로봇을 이용해서 이를 가능케 할 수 있음을 보여준 것이기 때문이에요. 즉 자신이 할 수 없었던 신체 활동을, 로봇의 도움을 받아서 반복하게 되면 뇌에 자극이 주어지고, 이는 곧 실제로도 가능해짐을 의미하니까요. 곤충 로봇도 눈에 띕니다. MIT 연구진이 무게 750mg에 불과한 공중로봇을 개발해 약 16분 가량 비행에 성공했어요. 이는 기존 기록인 10초를 크게 뛰어넘는 성과입니다. 날아다니는 초소형 로봇은 10여년 전부터 많은 개발이 이뤄졌습니다. 문제는 ‘배터리’에요. 이 작은 곤충을 오랜 기간 날려면 많은 배터리가 필요한데, 크기 자체가 작으니 배터리를 넣을 수도 없고요. 결국 많은 연구진은 곤충의 날갯짓을 모방하기 위해 노력합니다. 곤충은 적은 에너지로도 오랫동안 날 수 있거든요. 이번 논문도 마찬가지입니다. 곤충이 비행 메커니즘을 모방한 설계를 기반으로 4개의 독립적인 날개를 만들었고, 이를 통해 16분 동안 비행에 성공합니다. 또한 정밀 궤적 비행도 가능했다고 하는데요. 평균 속도는 초속 7.48m, 위치 오차는 불과 0.8cm에 불과했다고 합니다. 실제 이러한 로봇이 상용화된다면 영화에서나 봤던 스파이 로봇도 가능할 것 같아요. 다만 여전히 갈 길은 멉니다. 이번 로봇 역시 배터리 문제를 해결할 수 없었기에, 작은 전선을 연결, 전력을 공급해줘야만 했거든요. MIT가 개발한 초소형 곤충 로봇입니다. 위에는 MIT라는 글자 형태로 로봇이 날아다닌 모습을 연속 촬영한 거에요. 아래 그림은 사진임에도 불구하고 로봇 옆에 전원과 연결되는 빨간색 선을 표현했습니다. 현재 기술로는 저렇게 전기를 가져다 줄 전선 없이 곤충 로봇이 오랫동안 날 수 없습니다. [사진, 그림=사이언스 로보틱스] Briefing ※ 붉은 제목을 누르면 상세 내용으로 연결됩니다. "일론 머스크 물러가라" DOGE 항의 시위 확대 17일(현지 시각) 1만 명이 넘는 시위대가 뉴욕시에 모여 일론 머스크의 정부효율부(DOGE)에 반대하는 시위를 열었다고 합니다. 주말 사이에는 전국 테슬라 매장에서 소규모 시위도 벌어졌다고 하네요. 시위에 참여한 사람들은 DOGE가 수백만 명의 미국인 데이터에 접근하고, 정부 조직을 해체하려는 시도에 반대했다고 합니다. 한편 미국에서는 테슬라 중고차 매물이 1년 전보다 28% 증가했다는 보도도 나왔어요. CNN은 이에 대해 머스크에 대한 반감도 작용한 것으로 보인다고 분석했습니다. 트럼프 행정부, 연방 항공청 직원 해고 트럼프 행정부가 연방 공무원 감원 과정에서 연방 항공청 직원 수백 명을 해고했다고 합니다. 해고된 직원 중에는 항공기 인증 전문가, 기술 시스템 전문가, 엔지니어 등이 포함되어 있다고 해요. 직원들은 “이유 없이, 성과나 행동에 근거하지 않고 해고됐다”고 주장하고 있습니다. 그록3 출시 17일(현지 시각) xAI가 그록3를 출시했습니다. 머스크는 “xAI와 그록의 목표는 우주의 본질을 이해하는 것”이라고 말했는데요. 그록3에는 고급 추론 능력이 담겨 있으며 강화 학습을 통해 개선될 예정이라고 합니다. 데모에서 그록3는 물리 문제를 풀고 게임을 만드는 등의 활약을 보여줬습니다. 사용할 수 있는 AI가 점점 많아지는 느낌입니다.