오픈 미디어아트 그룹 A.DAT의 6번째 전시인 '생성AI x ART' 전시회가 한전아트센터 갤러리(양재역 인근)에서 8월 1일부터 7일까지 개최된다.  2014년에 구성된 A.DAT(Advanced Design & Artist Team)는 건축, 예술, 기술을 융합한 미디어 아트를 추구하는 그룹이다.  A.DAT는 아트로 사회적 메시지를 전달하는 데 관심이 많은 건축가, 예술가, 작가, 엔지니어가 모여 매년 새로운 기술을 ART로 표현하려는 시도를 하고 있다. 올해 6번째 전시회에서는 최근 사회적 화두가 되고 있는 생성형 AI도구를 활용한 다양한 작품을 선보일 예정이다. 이번 전시회는 작년에 이어, AI와 ART의 관계를 스테이블 디퓨전 기반 텍스트, 이미지, 영상 생성AI 기술과 미디어로 사회적 메시지와 스토리를 만들 예정이다. 오프닝(8월 3일 토요일 오후 3시)에는 다과와 함께 작가들의 작품 아이디어와 개발 과정을 담은 이야기 나눔 시간, 예술에 활용되는 생성AI의 뒷면, 메커니즘과 ART TREND에 대한 세미나가 준비되어 있다. 이번 전시 멤버로는 강태욱, 최석영, 김현수, 이승항, 임진택, 정성철, 조춘익, 강선우 등이 참여하며, All BIM Technologies 김호중 대표가 후원한다. 전시 관람은 무료이다. 생성AI와 ART의 통섭에 관심이 많은 분들이 교류하는 장이 될 것으로 기대된다. 전시 장소: 한전아트센터 갤러리 (양재역 인근) 전시 기간 : 2024년 8월 1일(목)~8월 7일(수) 오프닝 행사 : 2024년 8월 3일(토) 오후3시  

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 랭체인(LangChain) 아키텍처와 동작 방법을 분석한다. 현재 챗GPT(ChatGPT)와 비슷한 인공지능 챗봇 서비스 개발 등에 대중적으로 사용되는 랭체인은 LLM(Large Language Model : 대규모 언어 모델) 통합과 PDF 등 다양한 데이터 소스를 지원하여 LLM 모델 활용성을 극대화한다. 이 글을 통해 LLM 서비스 개발에 필요한 랭체인의 아키텍처와 동작 원리를 이해할 수 있을 것이다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   그림 1   랭체인은 LLM에 원하는 결과를 얻을 수 있도록 다양한 프롬프트 입력 및 구조화된 출력, RAG, 튜닝과 같은 기능을 제공하는 라이브러리다. 랭체인 설치는 다음과 같이 진행할 수 있다.  pip install langchain   랭체인의 기본 사용법 랭체인은 모델 입출력, 데이터 검색, 에이전트 지원, 체인, 컨텍스트 메모리 기능을 제공하며, LCEL(LangChain Expression Language)을 이용해 각 구성요소를 유기적으로 연결시킬 수 있다. LCEL은 유닉스 파이프라인 개념을 차용했다. 다음은 LCEL의 예시를 보여준다.  from langchain.chat_models import ChatOpenAI from langchain.prompts import ChatPromptTemplate from langchain.schema import BaseOutputParser # LCEL 예시 chain = ChatPromptTemplate() | ChatOpenAI() | CustomOutputParser() 이와 더불어 목적에 맞는 다양한 프롬프트 템플릿, 구조화된 출력을 제공한다. from langchain.output_parsers.json import SimpleJsonOutputParser json_prompt = PromptTemplate.from_template(     "Return a JSON object with `birthdate` and `birthplace` key that answers the following question: {question}" ) json_parser = SimpleJsonOutputParser() # JSON 파서 # 프롬프트, 모델, 파서 체인 생성 json_chain = json_prompt | model | json_parser  # 유닉스 파이프라인 개념 차용함. result_list = list(json_chain.stream({"question": "When and where was Elon Musk born?"})) print(result_list)   그림 2   랭체인 구조 분석 패키지 구조 랭체인 구조를 분석하기 위해, 깃허브(GitHub)의 랭체인 소스코드를 다운로드한 후 UML로 모델링해 본다. 주요 패키지는 <그림 3>과 같다.  랭체인 소스코드 : https://github.com/langchain-ai/langchain   그림 3   cli는 랭체인의 커맨드 라인 인터페이스(command line interface), core는 랭체인의 핵심 구현 코드가 정의된다. 이 부분은 <그림 4>와 같은 패키지로 구성된다.    그림 4   참고로, 이 패키지들은 <그림 5>의 일부이다.   그림 5. 랭체인 v.0.2.0 패키지   LCEL 언어 동작 구조 이 중에 핵심적인 것만 분석해 본다. 우선, LCEL의 동작 방식을 위해 어떤 디자인 패턴을 구현하였는지 확인한다. 이 부분은 runnables 패키지가 담당한다. 이 언어는 유닉스의 파이프라인 처리를 다음과 같이 흉내낸다.  z = a | b | c z.stream('abc') 이를 위해 파이썬(Python) 문법을 적극 사용하고 있다. 우선 ‘|’ 연산자를 오버로딩(overloading)하기 위해, 파이썬 Runnable 클래스를 정의해 ‘__or__’ 연산자를 구현한다. 이 연산자는 self object와 right object 두 객체를 입력받아 리스트를 만든 후 리턴하는 역할을 한다. 앞의 예시에서 보면, ‘a | b’를 실행 가능한 객체 리스트로 만들어 리턴한다. 결론적으로 a, b, c 객체를 리스트로 만들고 이 리스트를 z에 할당한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

자율이동로봇(AMR) 제조업체인 미르(MiR)가 6월 12일 미디어 브리핑을 통해 자사의 AMR 포트폴리오와 비전 및 최신 AMR 분야의 동향에 대해 소개했다.  미르는 신속하고, 용이하게, 그리고 비용 효율적으로 내부 물류 관리를 자동화하고 자재관리를 최적화할 수 있도록 지원하는 AMR 분야에 집중하고 있는 기업이다. 소형 부품 운송부터 무거운 하중 이송까지 250~1350kg의 탑재량을 갖춘 다양한 종류의 AMR을 공급한다. 미르의 케빈 뒤마(Kevin Dumas) 제품 담당 부사장은 AMR 시장의 동향에 대해 소개하면서, “전 세계적으로 핵심 생산 영역에서 AMR의 도입이 증가하고 있다. 5G 통신 기술이 성숙해지고 생성형 AI를 통해 보다 스마트한 AMR 구현이 가능해지면서, 다양한 산업 영역에서 AMR에 대한 요구가 늘어나는 추세”라고 전했다. 뒤마 부사장에 따르면, 전 세계적으로 대규모 AMR을 도입하기 위해 확장하는 기업이 증가하고 있으며, 여러 산업군에서 가치사슬 전반에 걸쳐 AMR이 구축되고 있다. 이에 따라 AMR의 신뢰성, 품질 및 확장성에 대한 요구도 함께 증가하고 있다. 미르는 이와 같은 AMR 산업의 변화에 맞춰 대규모 자율이동로봇을 안전하고 안정적으로 운영하는 데 필요한 전문성을 내세운다. 지금까지 9000대 이상의 자율이동로봇을 판매했으며, 대규모 R&D 및 기술지원을 조직하고, 성공적인 AMR 구축을 지원하는 애플리케이션 엔지니어들을 다수 보유하고 있다는 것이 뒤마 부사장의 설명이다. 또한 미르의 AMR 플랫폼은 사용이 편리한 단일 소프트웨어로 광범위한 AMR 제어가 가능하다는 점을 내세운다. 미르는 로봇 하드웨어 및 소프트웨어에 대해 투자를 지속하고 있으며, 이를 위해 글로벌 파트너 에코 시스템인 미르고(MiRGo)도 함께 운영 중이다. 또한 종단간(엔드 투 엔드) 솔루션을 갖춰 글로벌 전역에 걸쳐 긴밀한 지원 및 서비스를 보장하며, 온라인 교육 및 기술 자료 등을 통한 고객 지원 시스템도 갖추고 있다.   ▲ 미르의 모바일 코봇   최근 미르는 엔비디아 젯슨 AGX 오린(NVIDIA Jetson AGX Orin)으로 구동되는 AI 기반 팔레트 감지 기능이 적용된 ‘MiR1200 팔레트 잭(Pallet Jack)’을 출시했으며, 로봇팔의 협업 기능과 AMR의 이동성을 결합한 ‘모바일 코봇(Mobile Cobot)’을 공개했다. 미르의 포이 퉁 탕(Poi Toong Tang) 아태지역 세일즈 부사장은 MiR1200 팔레트 잭에 대해 설명하면서, “엔비디아 젯슨 AGX 오린으로 구동되는 첨단 AI 기반 팔레트 감지 기능이 적용된 MiR1200 팔레트 잭은 3D 비전을 이용해 팔레트를 식별하고, 전례 없는 정밀도로 팔레트를 픽업 및 운송할 수 있다”고 전했다. 기존의 미르 AMR과 통합이 가능하고, 데크 적재화물(Deck Load) AMR과 상호 운용되도록 설계된 MiR1200 팔레트 잭은 여러 현장에서 더 많은 로봇으로 복잡한 작업 흐름을 처리해야 하는 대규모 기업 고객에게 적합하다. 이를 통해 고객은 자재관리 자동화를 실현할 수 있게 된다. 또한, 미르는 로봇팔의 협업 기능과 AMR의 이동성을 결합한 모바일 코봇을 국내에 최초 공개했다. 모바일 코봇은 미르를 비롯한 테라다인 로보틱스(Teradyne Robotics) 자회사의 역량을 모아서 구축한 제품이다. 유니버설 로봇(Universal Robots)의 다관절 협동 로봇을 미르의 AMR에 탑재한 모바일 코봇은 현재 일부 고객사를 통해 상용 중이다. 미르의 한국 비즈니스를 총괄하는 이주연 이사는 한국 시장에서 AMR의 필요성과 성장세에 대해 설명하면서, “현재 한국 사회는 최저임금의 인상, 노동시간 감소, 경쟁 심화 등 구조적인 변화가 극심해지고 있다. 이에 제조 업계는 이런 변화와 더욱 치열해진 글로벌 경쟁에 대응이 요구된다. AMR은 이런 제조업 분야의 혁신을 위한 가장 중요한 솔루션 중 하나”라고 전했다. 미르는 중소규모 위주의 한국 제조업 상황에 맞춰서 고가의 하이엔드급 AMR 제품을 리스로도 제공하고 있다. 글로벌 파이낸셜 파트너와 함께 한국 중소 기업에 3년 이상의 장기 리스 솔루션을 마련했다. 이주연 이사는 “시장 과제, 자동화 추진 등 한국 특유의 요인을 다루면서 현지 요구와 선호도에 맞춰 메시지를 맞춤화할 것”이라면서, “미르는 이러한 메시지를 전략적으로 전달함으로써 업계 리더로서 입지를 확고히 하고, 브랜드 가시성과 미디어 친밀도를 높이는 동시에 한국 시장의 고유한 요구를 충족할 수 있는 능력을 보여주는 것을 목표로 한다”고 강조했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 챗GPT 4.0(ChatGPT 4.0)과 같은 LMM(Large langauge Multi-modal Model : 멀티모달 대규모 언어 모델)인 LLaVA(Large Language and Vision Assistant : 라바) 기반 멀티모달 생성형 AI 서비스 개발 방법을 설명한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   라바는 이미지 투 텍스트(Image To Text)와 같은 언어-이미지 시각 어시스턴스(Language-Image Visual Assistant)를 지원하기 위해 ViT(Visual Instruction Tuning : 시각적 지시 조정)을 기반으로 개발된 멀티모달 모델 오픈소스이다. 예를 들어, 이미지를 단순히 분류해 주는 것이 아닌, 이미지 내 특정 객체들을 인식하고 관계를 설명할 수 있는 기술을 지원한다.   그림 1. 단독 로컬 서버 PC에서 라바 서비스 모습   참고로, ViT는 이미지의 특정 위치에 대한 객체 정보를 인식할 수 있도록 학습하는 기술이다. 예를 들어, GPT-4는 특정 부분의 시각적 특징을 인코딩하기 위해 YOLO 모델과 같이 경계 상자를 사용하고, CLIP 모델과 같이 해당 부분에 대한 텍스트 임베딩을 입력하여 학습한다. Visual Instruction Tuning : https://arxiv.org/abs/2304.08485   그림 2. ViT의 개념   라바의 NeXT 버전은 구글 제미나이 프로의 성능을 능가했다고 밝혔으며, 이전 버전인 라바 1.5에 비해 이미지 해상도, OCR 기능 등이 개선되었다고 한다.    그림 3. 라바 아키텍처   이번 호에서는 Ollama를 이용해 라바 NeXT를 로컬 PC에서 실행하는 방법을 따라해 본다.    라바의 개요 라바는 대형 멀티모달 모델로, GPT-4.0과 유사한 LMM을 개발하고자 마이크로소프트 연구팀에서 오픈소스로 개발되었다. MS는 라바의 논문, 깃허브(GitHub) 코드, 데모 사이트 등을 공개하였다.  LLaVA Demo : https://llava.hliu.cc LLaVA paper(Visual Instruction Tuning - Microsoft Research) : https://www.microsoft.com/en-us/research/publication/visual-instruction-tuning 라바 LMM은 비전 인코더, LLM 모델을 기반으로 개발되었으며, 이미지 투 텍스트에서 인상적인 성능을 보여준다. 라바는 비전 인코더로 오픈AI(OpenAI)에서 공개한 CLIP 모델을 사용했으며, 메타(페이스북)에서 공개한 LLaMA 기반 Vicuna LLM 모델을 사용했다. 학습은 A100 GPU×8×1 Day 와 60만개 데이터셋을 사용했다. 라바를 설치하고 실행해 보기 위해서는 다음의 개발 환경이 컴퓨터에 미리 설치되어 있다고 가정한다.(우분투, 엔비디아, 쿠다 등의 설치 방법은 지난 연재를 참고하기 바란다.) NVIDIA driver, CUDA, Python, anaconda, Ubuntu 22.04 Tensorflow, PyTorch Ollama(https://ollama.com/download)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI의 멀티모달 딥러닝 기술 확산의 계기가 된 오픈AI(OpenAI)의 CLIP(Contrastive Language-Image Pre-Training, 2021) 코드 개발 과정을 분석하고, 사용하는 방법을 정리한다.    ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast CLIP은 구글이 개발한 자연어 번역 목적의 트랜스포머 모델, 비전 데이터 변환에 사용되는 VAE(Variational Autoencoder) 개념을 사용하여 멀티모달 학습 방식을 구현하였다. 이번 호에서는 그 과정을 설명하고 파이토치로 직접 구현하는 과정을 보여준다. CLIP을 이용하면 유튜브, 넷플릭스와 같은 영상에서 자연어로 질의해 해당 장면을 효과적으로 검색할 수 있다. 참고로, CLIP에서는 트랜스포머가 핵심 컴포넌트로 사용되었다. CLIP과 같이 트랜스포머가 자연어 번역 이외에 멀티모달의 핵심 기술이 된 이유는 비정형 데이터를 연산 가능한 차원으로 수치화할 수 있는 임베딩 기술의 발전과 트랜스포머의 Key, Query, Value 입력을 통한 여러 학습 데이터 조합이 가능한 특징이 크게 작용했다.    그림 1. 멀티모달 시작을 알린 오픈AI의 CLIP 모델(Learning Transferable Visual Models From Natural Language Supervision, 2021)   트랜스포머와 VAE를 이용한 멀티모달 CLIP 네트워크를 좀 더 깊게 파헤쳐 보도록 한다. 앞서 설명된 트랜스포머, 임베딩과 관련된 개념에 익숙하다면, CLIP을 이해하고 구현하는 것이 그리 어렵지는 않을 것이다.    CLIP에 대한 이해 오픈AI에서 개발한 CLIP 모델은 공유 임베딩 공간 내에서 이미지 및 텍스트 형식을 통합하는 것을 목표로 했다. 이 개념은 기술과 함께 이미지와 텍스트를 넘어 다른 양식을 수용한다.(멀티모달) 예를 들어, 유튜브 등 비디오 애플리케이션 내에서 텍스트 검색 성능을 개선하기 위해 공통 임베딩 공간에서 비디오 및 텍스트 형식을 결합하여 모델을 학습시켰다. 사실, 임베딩 텐서를 잠재 공간(Latent Space)으로 이기종 데이터를 변환, 계산, 역변환할 수 있다는 아이디어는 VAE 기술, 구글의 트랜스포머 논문(2017)을 통해 개발자들 사이에 암시되어 있었다. 이를 실제로 시도해본 연구가 CLIP이다.  참고로, CLAP(Contrastive Language-Audio Pretraining)은 동일한 임베딩 공간 내에서 텍스트와 오디오 형식을 통합하는 또 다른 모델로, 오디오 애플리케이션 내에서 검색 기능을 개선하는 데 유용하다. CLIP은 다음과 같은 응용에 유용하다. 이미지 분류 및 검색 : CLIP은 이미지를 자연어 설명과 연결하여 이미지 분류 작업에 사용할 수 있다. 사용자가 텍스트 쿼리를 사용하여 이미지를 검색할 수 있는 보다 다양하고 유연한 이미지 검색 시스템을 허용한다. 콘텐츠 조정 : CLIP은 부적절하거나 유해한 콘텐츠를 식별하고 필터링하기 위해 이미지와 함께 제공되는 텍스트를 분석하여, 온라인 플랫폼의 콘텐츠를 조정하는 데 사용할 수 있다. 참고로, 메타 AI(Meta AI)는 최근 이미지, 텍스트, 오디오, 깊이, 열, IMU 데이터 등 6가지 양식에 걸쳐 공동 임베딩을 학습하는 이미지바인드(ImageBind)를 출시했다. 두 가지 모달리티를 수용하는 최초의 대규모 AI 모델인 CLIP은 이미지바인드 및 기타 다중 모달리티 AI 시스템을 이해하기 위한 전제 조건이다. CLIP은 배치 내에서 어떤 N×N(이미지, 텍스트) 쌍이 실제 일치하는지 예측하도록 설계되었다. CLIP은 이미지 인코더와 텍스트 인코더의 공동 학습을 통해 멀티모달 임베딩 공간을 만든다. CLIP 손실은 트랜스포머의 어텐션 모델을 사용하여, 학습 데이터 배치에서 N개 쌍에 대한 이미지와 텍스트 임베딩 간의 코사인 유사성을 최대화하는 것을 목표로 한다.  다음은 이를 설명하는 의사코드이다. 1. img_en = image_encoder(I)   # [n, d_i] 이미지 임베딩 인코딩을 통한 특징 추출  2. txtxt_emdn = textxt_emdncoder(T)    # [n, d_t] 텍스트 임베딩 인코딩을 통한 특징 추출 3. img_emd = l2_normalize(np.dot(img_en, W_i), axis=1)    # I×W 결합(조인트) 멀티모달 임베딩 텐서 계산 4. txt_emd = l2_normalize(np.dot(txtxt_emdn, W_t), axis=1)  # T×W 결합(조인트) 멀티모달 임베딩 텐서 계산 5. logits = np.dot(img_emd, txt_emd.T) * np.exp(t)   # I×T * E^t 함수를 이용한 [n, n]코사인 유사도 계산 6. labels = np.arange(n) 7. loss_i = cross_entropy_loss(logits, labels, axis=0)  # 이미지 참값 logits과 예측된 label간 손실 8. loss_t = cross_entropy_loss(logits, labels, axis=1)  # 텍스트 참값 logits과 예측된 label간 손실 9. loss = (loss_i + loss_t)/2   # 이미지, 텍스트 손실 평균값   실제 오픈AI 논문에는 <그림 2>와 같이 기술되어 있다.(동일하다.)   그림 2     ■ 자세한 기사 내용은 PDF로 제공됩니다.

트렌드에서 얻은 것 No.20   “It just works.(그냥 잘 됩니다.)”  - 젠슨 황(엔비디아 CEO)    생성형 AI의 일상화 - 비서를 두다 이제는 글 쓰는 데에 일상화된 질문과 답변이다. 그 전에는 없던 비서가 2년만에 생겼다. 그리고 그 비서의 역할로 인해 폭풍 성장하며 스스로 미래의 가치를 높인 기업이 바로 엔비디아이며, 그 중심에 젠슨 황이 있다. 최근 비즈니스 업그레이더 이재훈 Bzup 대표의 ‘챗GPT 10배 활용하기’ 강의를 들었다. 그리고 그의 노하우가 담긴 몇가지를 학습하고 적용해 보았다.  질문 : “너는 엔비디아 전문가야. 기술, 경영 전반에 걸쳐 두루두루 잘 분석하는 전문가야. 내가 질문하는 것에 대답 잘 해 줄꺼지? 엔비디아 기업 성장 맵을 만들려고 해. 엔비디아가 성장하는 과정에서 초창기, 성장기, 성숙기 등 하이프루프 방식으로 정리해줘.” 답변 : “엔비디아의 기업 성장 맵을 만드는 것은 흥미로운 과제군요! 먼저, 초창기 성장기, 성숙기 및 하이프루프 단계를 정의해야 할 것 같습니다. 각 단계에서 어떤 특징이 있고 어떤 전략이 필요한지에 대해 생각해 보겠습니다. 또한 이 단계들을 시각적으로 어떻게 나타낼지도 고려해야 할 것 같습니다. 어떻게 시작할까요?“ 질문 : “가트너가 해마다 전략을 정의하듯, 그리고 가트너가 기술을 정리하듯이 써줘.” 답변 : “가트너의 전략과 기술 정의를 따라 엔비디아의 성장 맵을 만들어 보는 건 탁월한 아이디어입니다! 각 단계를 적절히 정의하고, 초창기 성장기, 성숙기 및 하이프루프 단계에서의 특징과 필요한 전략을 명확히 설명해야 할 것입니다. 그리고 이를 가트너가 일반적으로 사용하는 방식으로 구성하여 보여주면 좋겠습니다. 어떻게 시작할까요?“  실제로 자세한 사실관계에 대한 내용은 위키백과에서 볼 수 있다. 엔비디아 기업 성장 맵을 써 보려고 한 것은 전세계가 열광한 엔비디아 GTC(GPU 기술 콘퍼런스) 이벤트 때문이다. 어떤 내용이길래, 어디서부터가 시작점이고 어떤 과정을 밟았는지에 대한 궁금증으로부터 출발한다.  “듣는 사람의 입장에서 생각해야 합니다.” - 젠슨 황(엔비디아 CEO)   엔비디아 GTC 2024  엔비디아 GTC 2024는 2024년 3월 18일부터 21일까지 미국 캘리포니아주 산호세에서 개최되었다. 이번 행사에서는 인공지능(AI) 분야의 최신 발전 사항과 엔비디아의 새로운 제품 및 기술들이 소개되었다. GTC 2024의 기조 연설에서 엔비디아 젠슨 황 CEO는 옴니버스(Omniverse), 드라이브(DRIVE), RTX, HGX 등 엔비디아의 4가지 주요 플랫폼과 기술 발전 방향을 제시했다. 특히, 옴니버스를 중심으로 한 메타버스 구축, 자율주행 자동차 개발, 고성능 컴퓨팅 분야에서의 혁신을 위한 자사의 노력을 강조했다. 첫 번째로, 엔비디아의 메타버스 플랫폼인 옴니버스는 실시간 3D 디자인 및 협업을 위한 새로운 기능들을 선보였다. 또한, 옴니버스 클라우드(Omniverse Cloud)를 통해 클라우드 기반 액세스와 확장성을 제공한다고 발표했다. 두 번째로, 엔비디아의 자율주행 자동차 플랫폼인 드라이브는 새로운 드라이브 오린(DRIVE Orin) SoC와 드라이브 하이페리온 8(DRIVE Hyperion 8) AI 센서를 공개했다. 또한, 여러 자동차 제조업체와의 협력을 통해 자율주행 자동차 개발을 가속화하고 있다고 밝혔다. 세 번째로, 엔비디아의 실시간 레이 트레이싱 기술인 RTX는 새로운 RTX 40 시리즈 GPU를 출시했다. 또한, DLSS 3.0 업데이트와 함께 게임, 영화 제작, 디자인 등 다양한 분야에서 더욱 향상된 그래픽 성능을 제공한다고 발표했다. 네 번째, 엔비디아의 고성능 컴퓨팅 플랫폼인 HGX는 새로운 HGX 폴라리스(HGX Polaris) 시스템을 공개했다. 또한, AI, 머신러닝, 과학적 컴퓨팅 등 첨단 컴퓨팅 분야에서 HGX 플랫폼의 활용도가 증가하고 있다고 밝혔다.  “대화의 주제를 정확하게 알아야 합니다.” - 젠슨 황(엔비디아 CEO)   생성형 AI의 도움으로 정리한 엔비디아 성장 스토리텔링 엔비디아의 초창기와 성장기에서 기술 혁신은 GPU로 시작되었다. 그래픽 처리 분야에서의 성능과 효율성을 크게 높였다. 경영 측면에서는 기술 혁신을 통해 게임 산업에 진입하고, 과학 및 엔터프라이즈 시장으로 확장하는 등의 전략을 펼쳤다. 트렌드 측면은 게임 산업의 성장과 함께 인공지능, 자율주행, 데이터센터 등 새로운 시장 트렌드에 대한 대비가 중요했다. 성숙기로 접어들면서 기술 측면은 기술 성숙과 더불어 딥러닝 및 가속화 기술을 강화하여 다양한 시장에서 적용 가능성을 높였다. 경영 측면에서는 성장한 시장에서 지속적인 경쟁력을 유지하기 위해 제품 다변화 및 글로벌 시장 진출을 강화하는 전략을 채택했다. 트렌드 측면에서는 인공지능 및 자율주행 분야에서의 성장을 주도하면서, 클라우드 컴퓨팅 및 데이터 중심 기술에 대한 수요가 증가했다. 하이프루프 관점으로 살펴보면, 기술 측면은 에지 컴퓨팅, 혼합현실 및 자율주행과 같은 미래 지향적인 기술에 집중하고 있다. 경영 측면은 기술 트렌드를 선도하며, 산업 파괴적 혁신을 통해 새로운 시장 기회를 발굴하는 전략을 수행하고 있다. 트렌드 측면은 인공지능과 빅데이터 분야의 지속적인 성장과 함께, 확장된 협력 모델 및 지속 가능한 기업 가치 창출이 중요한 트렌드이다. 흥미로운 분야의 성장으로 살펴보자. 기술 측면으로 볼 때 인공지능(AI) 및 머신러닝(ML) 분야에서의 GPU 가속화 기술을 향상시켜 왔으며, 이를 통해 다양한 산업에서의 AI 응용 프로그램을 지원하고 있다. 경영 측면은 AI 및 ML 분야에서의 리더십을 강화하기 위해 투자를 늘리고, 새로운 파트너십을 구축하여 생태계를 확장하고 있다. 트렌드 측면은 데이터 중심의 AI 및 ML 기술은 미래의 핵심 트렌드 중 하나로 자리 잡았으며, 엔비디아는 이를 주도하는 역할을 수행하고 있다. 전략을 구현하는 방안으로는 첫 번째, 글로벌 확장과 파트너십 강화이다. 기술 측면은 글로벌 시장에서의 성장을 위해 지역별 맞춤형 솔루션을 개발하고, 이를 통해 다양한 지역에서 시장 점유율을 확대하고 있다. 경영 측면은 다양한 산업과의 파트너십을 강화하여 협력 기회를 확장하고 있으며, 특히 클라우드 제공업체 및 자동차 제조업체와의 협업을 강화하고 있다. 트렌드 측면은 글로벌 경제 통합과 디지털화의 추세에 따라 경쟁력 강화, 지역적인 산업 생태계와의 협력을 통해 성장을 가속화하고 있다. 두 번째, 에지 컴퓨팅 및 혼합현실 분야 진출이다. 기술 측면은 에지 컴퓨팅 및 혼합현실 분야에서 새로운 기술을 개발하고, 이를 통해 스마트 시티, 스마트 공장 등 새로운 시장을 개척하고 있다. 경영 측면은 이러한 새로운 분야로의 진출을 위해 투자를 확대하고, 혁신적인 제품과 서비스를 개발하고 있다. 트렌드 측면은 에지 컴퓨팅 및 혼합현실이 미래의 주요 기술 트렌드로 떠오르고 있으며, 이를 선도하는 역할을 하고 있다.  엔비디아의 비전 실현을 위한 미래 전망으로 보면, 기술 측면은 지속적인 기술 혁신을 추구하고 인공지능, 자율주행, 에지 컴퓨팅 등의 분야에서 선도적인 역할을 수행하며, 경영 측면은 비전 실현을 위해 글로벌 시장에 대한 전략적 접근을 유지하고, 혁신적인 비즈니스 모델을 발전시켜 나갈 것이다. 트렌드 측면은 빠르게 변화하는 기술 및 시장 트렌드에 대응하면서, 지속적인 성장과 발전을 이루어 나갈 것이다. 엔비디아의 전망은 매우 밝다. 기술 혁신과 산업 변화의 중심에서 계속해서 성장하고 있는 엔비디아는 미래에도 주목할 가치가 있다. 첫째, 인공지능 및 자율주행 산업의 성장이다. 인공지능 및 자율주행 분야는 미래 산업의 중심이 될 것으로 예상된다. 엔비디아는 이러한 산업의 성장을 이끌어가는 주요 기업 중 하나로 남을 것이다. 둘째, 데이터 센터 및 에지 컴퓨팅 시장의 확대이다. 데이터 중심의 컴퓨팅이 더욱 중요해지면서 데이터 센터 및 에지 컴퓨팅 시장도 계속해서 성장할 것으로 예상되며, 엔비디아는 이러한 시장 확대에 선도적인 역할을 하며 새로운 성장 동력을 확보할 것이다. 셋째, 산업 파괴적 혁신과 새로운 시장 탐색이다. 엔비디아는 계속해서 기존 산업을 혁신하고 새로운 시장을 탐색하여 성장할 것으로 기대된다. 에지 컴퓨팅, 혼합현실 및 자율주행 분야의 혁신적인 제품과 서비스를 통해 더욱 다양한 시장에서 성공을 이룰 것이다. 마지막으로, 사회적 책임과 지속 가능한 경영이다. 엔비디아는 사회적 책임과 지속 가능한 경영을 더욱 강조할 것으로 예상된다. 환경 보호, 다양성 증진, 사회 공헌 등의 활동을 통해 미래 세대를 위한 지속 가능한 사회를 구축하는 데 기여할 것이다.  이러한 전망을 바탕으로 엔비디아는 미래에도 지속적인 성장과 발전을 이루어 나갈 것으로 기대된다.  “곧 망한다는 심정으로 일하라.” - 젠슨 황(엔비디아 CEO)   기업 성장 맵 - 엔비디아 2016년 샌프란시스코에서 열린 GTC에서 젠슨 황 CEO는 “저는 항상 우리 회사가 30일 안에 망할 것이라고 생각하며 일합니다. 이런 생각은 우리가 끊임없이 혁신하고 경쟁력을 유지하도록 동기를 부여합니다”라고 말했다. 2018년 CNBC와의 인터뷰에서도 그는 “우리는 항상 위기 의식을 가지고 일해야 합니다. 만약 우리가 현상에 만족하고 안주한다면, 곧 뒤처질 것입니다”라고 말하며, 경쟁력을 유지하기 위한 끊임없는 노력의 중요성을 강조했다. 최근인 2023년 11월에는 “기술 산업은 변화가 매우 빠릅니다. 우리가 앞서 나가고 싶다면 변화를 두려워하지 말고 적극적으로 새로운 도전을 해야 합니다. 만약 우리가 과거의 성공에 안주한다면, 곧 시장에서 사라질 것입니다”라고 말했다. 이처럼 젠슨 황 CEO는 여러 차례 “곧 망한다는 심정으로 일하라”는 메시지를 강조하며, 이는 엔비디아의 놀라운 성장과 혁신의 핵심 동력이 되었다는 평가를 받고 있다. 그래서 “곧 망한다는 심정으로 일하라”는 어록이 탄생했는지도 모르겠다. 엔비디아는 시스템 반도체 설계 등의 사업을 운영하는 미국의 기업이다. 80% 가량의 점유율을 기록하며 PC용 외장 GPU 리테일 시장에서 점유율 1위를 기록하고, 인공지능 칩 분야에서도 80% 이상의 점유율로 선두이다. 또한 자율주행 자동차 플랫폼 시장에서도 업계 선두를 유지하고 있다. 2020년대 이후로 AI 광풍이 불었고, 엔비디아는 GPU를 만들던 기술력으로 AI 칩을 생산하면서 전 세계에서 가장 주목받는 AI 수혜주로 등극했다. 이로 인해 2023년, 사상 처음으로 세계 반도체 기업 매출 1위에 등극했다 그들의 스토리는 1993년에 AMD의 마이크로프로세서 엔지니어였던 커티스 프리엠과 젠슨 황, 크리스 말라코스키의 세 명으로부터 시작되었다. 처음에는 CPU 생산을 기획했으나, 이 시장에 진입하는 것이 어렵다고 판단해서 비디오 게임으로 인해 수요가 높아진 그래픽 칩셋으로 눈길을 돌렸다.(출처 : 위키백과)  앞으로 어떤 행보를 보일지 또 어떤 가치로 반도체 시장을 주름잡을지 흥미롭게 지켜보면 좋겠다. 나는 그를 ‘대만에서 온 가죽 재킷을 입은 미래소년’이라고 부르고 싶다. 구글 제미나이(Gemini)에게 다음의 질문과  답변을 들어 보았다.  “앞으로의 전망과 엔비디아 GTC가 미래에는 뭘 하면 지구를 위해 더 가치 있는 일을 할 수 있을까? 스티브 잡스, 일론 머스크 스타일처럼 젠슨 황의 미래는 어떨 것 같아?” 제미나이는 다음과 같이 답변하였다.  “그는 ‘엔비디아의 기술은 전 세계 수 십억 명 사람들의 삶을 개선할 수 있는 잠재력을 가지고 있다’고 강조하며, 의료, 교육, 환경 분야에서도 엔비디아 기술을 활용하여 지속가능한 발전을 이루고자 하는 뜻을 밝히고 있습니다. 엔비디아가 미래에 지구를 위해 더 가치 있는 일을 할 수 있는 구체적인 방향은 다음과 같습니다.  AI 의료 플랫폼 구축 : 엔비디아의 강력한 GPU는 의료 영상 분석, 질병 진단, 맞춤형 치료 개발 등에 활용될 수 있습니다. 이를 통해 질병 치료의 정확성을 높이고, 치료 기간을 단축하며, 의료 비용을 절감하는 데 기여할 수 있습니다. 스마트 시티 구축 : 엔비디아 기술은 실시간 교통 시스템, 에너지 관리 시스템, 자율 주행 자동차 시스템 등을 구축하는 데 활용될 수 있습니다. 이를 통해 도시의 효율성을 높이고, 에너지 사용량을 줄이며, 시민들의 삶의 질을 향상시키는데 기여할 수 있습니다. 기후 변화 문제 해결 : 엔비디아 기술은 기후 모델링, 환경 모니터링, 재난 예측 시스템 개발 등에 활용될 수 있습니다. 이를 통해 기후 변화의 원인을 파악하고, 효과적인 대응 방안을 마련하며, 지구 환경 보호에 기여할 수 있습니다. 젠슨 황 CEO는 마치 스티브 잡스나 일론 머스크처럼 혁신적인 기술과 비전으로 세상을 변화시키는 리더로 평가받고 있습니다. 그는 기술을 통해 인간의 삶을 개선하고 지구를 더 나은 곳으로 만들고자 하는 강한 의지를 가지고 있으며, 이를 위해 끊임없이 노력하고 있습니다.”   (출처:gemini.google.com)   ▲ 기업 성장 맵 - 엔비디아편(Map by 류용효) (클릭하면 큰 그림으로 볼 수 있습니다.)   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   요즘 LLM 모델을 사용하는 방법이 점차 간편해지고 있어 자체적으로 LLM을 구축해 챗봇, 전문가 시스템 등을 자신의 서버에서 제공하는 경우가 많아지고 있다. 이번 호에서는 GPU가 있는 PC에서 직접 실행해 볼 수 있도록, 로컬 호스트 LLM(대규모 언어 모델) 오픈소스 기반의 BIM 전문가 챗봇 서비스를 간단히 개발해 본다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   이번 호에서는 기존의 BIM PDF 파일을 검색해 학습하고, LLM에 RAG(Retrieval-augmented generation) 증강 학습한 후, 이를 간단한 UI로 웹 서비스하는 과정을 간략히 따라해 본다. 이번 호의 내용은 로컬 LLM의 편한 개발을 지원하는 올라마(Ollama), LLM 프롬프트 엔지니어링 프레임워크인 랭체인(LangChain), 텍스트 임베딩 벡터 데이터베이스 크로마(Chroma), 손쉬운 웹 앱 개발 지원 도구인 스트림릿(Streamlit)을 사용한다. 이를 이용해 간단하게 BIM 전문 지식을 PDF로 학습한 챗봇을 개발한다.   그림 1. 로컬 호스트 LLM 챗봇 아키텍처   그림 2. 구현된 BIM 지식 챗봇 서비스   LLM에 관련된 깊은 내용은 다음의 링크를 참고한다. 이 글은 여러 참고 자료를 이용해 작성된 것이다. 상세 내용은 레퍼런스를 참고하기 바란다. Facebook LLAMA-2 paper : https://daddynkidsmakers.blogspot.com/2024/02/llama-2.html Facebook LLAMA-2 installation : https://daddynkidsmakers.blogspot.com/2023/09/llama2.html LLM은 빅테크 업체 간 경쟁이 심한 분야이다. 이와 관련해서 젬마(Gemma), MPT-7B과 같은 LLM 모델이 오픈소스로 공개되고 있어 선택지가 많아지고 있다. 이와 관련해서는 다음을 참고한다.  Google Gemma : https://github.com/google/gemma_pytorch Blooom : https://huggingface.co/bigscience/bloom   설치 설치를 위해서는 엔비디아 드라이버, CUDA, 텐서플로(TensorFlow), 파이토치(PyTorch) 등 기본 딥러닝 개발 환경이 설치되어 있어야 한다.(최소 구동을 위한 GPU RAM은 6GB이다.) TensorFlow 설치 : https://www.tensorflow.org/install/pip?hl=ko#windows-native_1 Start Locally | PyTorch 설치 : https://pytorch.org/get-started/locally/ 설치 순서는 다음과 같다.  1. 기본 패키지를 설치한다. LLM 모델 기반 서비스 개발 지원 라이브러리 랭체인, 웹 앱 UI 개발을 지원하는 스트림릿, 텍스트 임베딩 벡터 데이터베이스 크로마 DB 등을 설치한다. pip install langchain streamlit streamlit_chat pypdf fastembed chardet pip install chromadb==0.4.15   그림 3. 다양한 LLM 모델을 이용한 서비스 개발을 지원하는 랭체인 패키지   그림 4. 간단한 코드로 웹 앱 개발을 지원하는 UI 라이브러리 패키지 streamlit.io   혹은 pip와 유사한 패키지 설치 관리자인 poetry를 설치한 후, 다음 사용 패키지들을 pyproject.toml 이름으로 저장하고 설치한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2024 살펴보기 (4)   이번 호에서는 오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian) 2024 버전에서 이용 가능한 몇가지 부가 기능들에 대해서 알아보겠다. 특히 캐디안 2022 버전부터 지원되던 구성선(cline)과 기본 기능 중 하나인 자유선(freehand) 기능을 알아보고, 그 활용 방법에 대해서 살펴보도록 하겠다.    ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 이메일 | cad@cadian.com 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   구성선(Cline) 구성선은 전면이나 측면도의 투영을 만들기 위해 빠른 제도 기술이 필요할 때 일반적으로 사용되는 특수한 유형의 무한선이다. 무한선과 유사하게 구성선은 주어진 점을 통과하는 선으로 3차원 공간에서 지정된 각도로 향하고 양방향으로 무한대로 확장된다. 구성선은 무한대로 확장되기 때문에 도면 범위의 일부로 계산되지 않는다. 구성선은 기본적으로 CLINE이라는 자체 레이어에 자동으로 그려진다. 이렇게 하면 구성선의 모양을 쉽게 변경할 수 있다. 색상, 투명도 등과 같은 레이어의 속성을 변경하기만 하면 된다. 또한 CLINELAYER 시스템 변수를 사용하여 구성선을 찾기 위해 다른 레이어를 지정할 수 있다.   1. 리본 메뉴에서 2D 그리기 → 구성선을 클릭하거나 또는 메뉴에서 그리기 → 구성선을 클릭한 뒤 세부항목 중에서 원하는 그리기 항목을 선택하거나, 명령창에 ‘cline’을 입력하여 구성선 그리기를 실행한다.      2. 구성선 그리기의 세부항목은 그림과 같이 준비되어 있다. 원하는 기능을 클릭하여 선택하거나 ‘cline’을 입력한 경우, 세부항목의 단축키(예 : 수평 구성선은 H)를 입력한다.     3. 수평, 수직, 수평 및 수직 구성성의 경우, 구성선의 위치를 마우스로 클릭하거나 키보드로 좌표를 입력하면 해당 위치에 하늘색의 구성선이 즉시 작도된다.     4. 각도 구성선의 경우, 명령창에 ‘각도 입력:’ 메시지가 표시될 때 각도를 입력(예 : 45)한 뒤 위치를 마우스로 클릭하거나 키보드로 좌표를 입력하면 해당 위치에 하늘색의 각도 구성선이 즉시 작도된다.        ■ 자세한 기사 내용은 PDF로 제공됩니다.

책에서 얻은 것 No.19     “경험, 강점, 역할을 커넥팅하라.” - 신수정    커넥팅이란 커리어란 목표를 성취하고 자유를 추구하는 여정(커넥팅, connecting)이며, 이 여정의 핵심은 연결이다. 신수정 저자는 현직에 있으면서도 MZ 세대와 같은 감성을 지니고 있으며, 해마다 책을 한 권씩 출판하고 있다. ‘일의 격’, ‘통찰의 시간’, ‘거인의 리더십’에 이어 ‘커넥팅’이 세상에 나왔다. 저자의 SNS에서 소개하는 ‘커넥팅’을 통해 어떤 메시지를 전달하고자 하는지 살펴보겠다. “이번 책은 직장인들의 "커리어"를 위한 책입니다. 2021년 '일의 격' 출간 이후 많은 분들과 만났습니다. 그리고 많은 고민을 들어왔습니다. 흥미롭게도 고민의 가장 많은 부분은 바로 ‘커리어’였습니다. 도대체 커리어를 어떻게 쌓아야 할까? 일을 통해 연봉을 많이 받고 부자 되려면 어떻게 해야 할까? 한 직장에 오래 있어야 할까? 다양한 직장을 경험해야 하나? AI와 로봇 시대 어떻게 커리어를 준비해야 하나? 스페셜리스트가 되어야 하나? 제너럴리스트가 되어야 하나? 일터에서 성장하고 최고가 되려면 어떻게 해야 할까? 초년생인데 미래를 위해 어떤 직장을 선택해야 하고 어떻게 일해야 하나? 평생 일하는 커리어를 가져가려면 어떻게 해야 할까? 일을 빨리 그만 두고 싶은데 셀프파이어를 어떻게 생각하나? 성장하고 최고가 되기 위해서는 전문성 외에 어떤 역량을 쌓아야 할까? 회사에 계속 있어야 하나? 옮겨야 하나? 옮기려는데 어떤 쪽이 내 커리어의 좋은 선택인가? 승진을 하려면 어떻게 해야 하나? 리더나 임원들은 어떤 역량을 쌓아야 하고 커리어 방향을 어떻게 가져가야 하나? 나는 일이 즐겁지 않은데 이게 비정상인가? 스타트업, 대기업, 공공기관, 글로벌기업 등이 어떻게 다르고 어떤 커리어 설계를 해야 하는가? 초년생, 10년차, 20년차, 은퇴를 앞둔 사람들의 커리어 전략은 어떻게 다른가? 이러한 다양한 고민들에 대한 저의 대답을 정리한 책입니다. 커리어에 대한 수많은 질문에 대한 해결책을 관통하는 키워드를 저는 ‘커넥팅(connecting)’으로 잡았습니다. 스티브 잡스가 이야기한 ‘connecting dots’입니다. 이제 다양한 경험, 관계, 배움을 쌓고 빠른 변화에 대응하여 어떻게 이들을 유연하게 연결하느냐가 핵심이 될 것입니다. "평생 연봉의 80프로는 첫 직장에서 결정된다"는 ‘연봉의 비밀’ 시리즈로 출발해서 커리어와 커리어 전략, 커리어 포트폴리오 구축 방법론, 커리어에 필요한 역량 등 다양한 내용을 재미있게 다루었습니다. 당연히 직장인들, 커리어를 고민하는 분들에게 큰 도움이 되리라 확신합니다. 시니어 직장인들은 본인뿐 아니라 커리어를 고민하는 후배를 돕는데 활용하실 수 있을 것입니다. 자녀나 후배, 지인들에게 큰 길잡이와 선물도 될 것입니다. 창업자나 경영자들 또한 직장인들의 고민을 이해하고 그들이 회사에서 역량을 마음껏 발휘하게 하려면 어떻게 성장과 커리어를 도와야 할지 방향을 정하시는데 큰 도움이 될 것입니다. 많은 분들이 읽고 시행착오를 최소화하며 효과적으로 자신의 커리어 방향을 설정하고 설계하여, 1) 일에서 더 성장하고 2) 돈도 많이 벌며 3) 삶에서 자유로울 수 있도록 돕는 것이 제 소망입니다.” 또한, 신수정 저자는 AI에 시대 ‘쓸모없는 사람’이 되라고 하였다. 미디어와의 인터뷰에서 저자는 “AI 시대에는 무엇을 어떻게 준비해야 할까? 오드리 탕이 말하는 80:20의 룰은 새겨들을 만하다. 80%의 시간은 현재 일에 집중하여 전문성을 기르되 20%의 시간은 다음 단계에 필요한 역량을 준비하라는 것이다. 현재 하고 있던 일의 상당 부분이 AI로 대치되거나 쇠락한다면 준비해 두었던 나머지 20%를 활용해 빠르게 변신하라는 것”이라고 하였다. 성장기에는 다양성을 가져야 창작성도 생긴다. 이런 세부적인 공감을 가지는 내용에 대해 들어 보고 싶다면 책을 사서 읽어 보고, 궁금한 점은 용기를 내어 저자에게 들어보는 시간을 보내면 좋겠다.  “커리어란 목표를 성취하고 자유를 추구하는 여정, 이 여정의 핵심은 연결이다.” - 신수정   ‘페북의 현인’ 신수정 작가의 네 번째 신간이 나왔다.  주말을 기다려 서평 맵을 만들었다. 지금까지 신 작가의 책을 모두 서평 맵으로 만들어 보았다. 그리고 사인도 받고 커피와 식사를 하며 즐거운 대화도 가졌다. 나는 이 책에서 나의 미래인 ‘창업’의 관점에서 즐겁게 읽어 내려갔다. 독자 여러분도 커넥팅을 읽을때 자신의 커넥팅 주제를 하나 정하고 그 관점으로 읽어가면 흥미를 느낄 것이다. 갑자기 궁금증이 하나 생겨서 지금 전 인류의 현인 챗GPT(ChatGPT)와 그 궁금증에 대해 얘기를 나눠봤다. 1950년대 세계 최초의 컴퓨터가 등장한 이래로 챗GPT만큼 흥미롭지는 못했다. 그것은 어쩌면 당연한 것이라 생각되지만, 컴퓨터와 대화를 나누게 된 것은 불과 2년 사이였다. 챗GPT에게 물어 봤다. “그의 지난 저서를 보면 ‘일의 격’, ‘통찰의 시간’, ‘거인의 리더십’, ‘커넥팅’ 다음은 뭘까? 좀 더 재미난 상상력으로 간단한 제목을 10가지 추천해 줘.”  다음은 챗GPT의 답변이다. “신수정 작가의 지난 저서들을 고려하면, 그의 다음 저서는 그의 기존 작품들과 연결되면서도 새로운 영역을 탐구하는 방향으로 나아갈 것 같습니다. 여기 재미있고 상상력을 자극할 수 있는 간단한 제목 10가지를 추천 드립니다. ‘인간과 기계의 대화’ : 인공지능과 인간이 어떻게 상호 작용하며 서로를 이해할 수 있는지 탐구합니다. ‘시간의 재발견’ : 바쁜 현대 생활 속에서 시간을 어떻게 효율적으로 사용하고, 진정한 의미의 여유를 찾을 수 있는지에 대한 이야기입니다. ‘실패의 미학’ : 실패를 통해 배우는 교훈과 성장의 과정을 다루며, 실패를 성공으로 이끄는 긍정적인 변화에 대해 탐구합니다. ‘소통의 법칙’ : 개인과 조직, 사회에서 효과적인 소통을 이루기 위한 방법과 소통의 중요성을 다룹니다. ‘창조의 씨앗’ : 창의력을 발휘하여 새로운 아이디어를 창출하는 과정과 창조적 생각을 촉진하는 방법에 대해 탐구합니다. ‘리더의 조건’ : 현대 리더에게 필요한 자질과 리더십의 새로운 모델을 제시합니다. ‘네트워크의 힘’ : 개인과 조직이 네트워크를 구축하고 활용하는 방법, 그리고 네트워킹이 개인의 성공과 조직의 성장에 미치는 영향을 다룹니다. ‘감정의 지도’ : 감정을 이해하고 관리하는 방법, 감정 지능이 개인의 성공과 행복에 미치는 영향에 대해 탐구합니다. ‘혁신의 경로’ : 기술과 사회의 변화를 주도하는 혁신의 과정과 혁신을 이끄는 사람들의 이야기를 담습니다. ‘미래의 균형’ : 기술 발전과 인간의 가치 사이에서 균형을 찾는 방법과 미래 사회를 위한 지속 가능한 전략을 모색합니다. 이러한 제목들은 신수정 작가가 다룰 수 있는 다양한 주제를 반영하며, 독자들에게 새로운 관점과 영감을 제공할 수 있는 잠재력을 가지고 있습니다.“ 신수정 작가는 이 중에서 본인에게 적합한 몇 가지를 알려 주었다. 내년에는 우리의 손에 들려져 있지 않을까 생각해 본다. 벌써 다음 신간이 기다려지는 것은 왜일까?  “인생에 모든 우연은 연관성이 있다.(Connecting the dots)” - 스티브 잡스   “Connecting the dots” 애플의 전설적인 CEO였던 스티브 잡스는 2005년 스탠포드대학교의 졸업식 연설에서 자신의 인생에 관한 세 가지 이야기를 했는데, 그 중 가장 유명한 것은 ‘Connecting the dots’이다. 스티브 잡스는 본인의 성장 과정 및 사회생활을 이야기했는데, 대학 자퇴 후 서체 강의를 수강한 것이 훗날 다양한 서체의 컴퓨터를 만드는데 도움이 되었고 애플 설립 후 쫒겨난 그 순간에는 매우 괴로웠지만 그 덕분에 넥스트(NeXT)라는 회사를 설립하는 계기가 되었다. 넥스트는 1985년 애플에서 해고 통지를 받은 잡스가 설립한 컴퓨터 회사이다. 당시 잡스는 애플과의 결별에 대해 ‘프로그램 개발에 쓰이는 워크스테이션을 만들고 싶다’는 그의 바람을 실천에 옮길 수 있는 기회로 여겼다고 한다. 애플은 넥스트 인수 이후 차세대 운영체제인 랩소디를 개발했다. 이후 스티브 잡스는 아이폰과 아이패드를 출시하여 애플에 지대한 공을 세웠다.  “우리는 지금 당장 현실의 일을 미래와 연결지을 수는 없고 이미 지나간 길에 대해서, 즉 과거와 현재를 연결할 수는 있다. 어느 누구도 미래를 예측할 수는 없지만, 지금 현재 각자가 자신의 자리에서 하고 있는 노력이 미래에 어떤 식으로든 연결이 될 거라는 믿음을 가져야만 한다. 배짱, 운명, 업보 등 무엇이라도 어떠 이유로든 자신의 미래와 현재가 연결될 것이라는 믿음을 가지고 나아가야 한다.” 신수정 작가가 언급한 커넥팅과 일맥상통할뿐더러 저자도 이런 커넥팅을 실천한 장본인이기 때문이다. 또한 미래에 대한 걱정에 과거를 자책하는 (나를 포함해) 많은 사람들에게 뜻깊은 성찰이 될 책이 바로 ‘커넥팅’이다.  “현재의 자신에게 집중하면 됩니다. 지금과는 완전히 별개의 분야로 간다 해도, 지금의 경험은 목걸이의 구슬이 됩니다.”  - 박수경 교수(KAIST)   학습 노트(‘커넥팅’ 서평맵) 이 글이 세상에 알려지기 전에 작가와의 만남을 통해 사인도 받고, 대화도 나눌 예정이다. 이 글에서는 완료형으로 쓰겠다. 저자와의 만남 약속으로 나는 ‘커넥팅’에 정말 잘 어울릴 두 분의 지인을 초청하였고 한 분은 가까운 거리, 한 분은 먼 거리에 있지만 참석했다. 즐거운 점심시간과 함께 각자의 ‘커넥팅’에 대해서 어떤 기회와 어떤 고민이 있는지 나누고, “본인의 경험, 강점, 역할을 커넥팅”하라는 저자의 조언을 들었다.  나는 5년 뒤 염두에 두고 있는 창업의 기회를 위해 ‘커넥팅’을 활용하고자 한다. 그래서 ‘창업’에 대한 ‘커넥팅’으로 집중하였다.    ▲ ‘커넥팅’(신수정 지음, 김영사 출판) 서평 맵(Map by 류용효) (클릭하시면 큰 이미지로 볼 수 있습니다.)   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.