BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 LLM(대규모 언어 모델)의 자연어 처리에서 핵심 기술인 토큰, 임베딩 및 모델 파인튜닝의 이해를 위한 개념과 임베딩 모델의 동작 메커니즘을 살펴본다. 여기서 토큰은 문장을 구성하는 단어로 가정하면 이해하기 쉽다. 토큰과 임베딩은 입력 시퀀스에 대한 출력을 학습, 예측할 때 훈련의 전제가 되는 LLM의 기본조건이다. 이에 대해 좀 더 깊게 이해해 보자.    ■ 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 블로그 | http://daddynkidsmakers.blogspot.com  홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast    최근 대규모 언어 모델(LLM : Large Language Model)과 검색 증강 생성(RAG : Retrieval-Augmented Generation) 기술을 이용해 다양한 전문가 서비스 에이전트를 개발하는 사례가 많아지고 있다. 특히, 전문가처럼 행동하며 문제를 해결하거나 의사결정을 지원하는 멀티 에이전트 기술은 이미 선진국을 중심으로 금융, 제조, 건설 등 엔지니링 분야에 개발되고 있다.    도메인 의존 정보와 토큰  의학과 같은 특별한 분야에서는 환각 현상 등으로 인해 챗GPT(ChatGPT)와 같은 범용 LLM이 제대로 정보를 생성하지 못하는 경우가 많다. 이런 문제를 해결하기 위해 전문 분야의 지식을 기존 LLM 모델을 이용해 재학습하는 방법이 생겨났는데, 파인튜닝은 그 중 한 가지 방법이다.  파인튜닝은 빅테크 업체가 공개한 LLM 모델을 특정 도메인 지식을 잘 표현할 수 있도록 재학습하는 방법 중 하나이다. LLM의 신경망 전체를 재학습하기 위해서는 매우 비싼 GPU 사용 비용이 필요하다. 이는 일반적인 기업에서 수행할 수 없는 수준이다. 이런 이유로, 파인튜닝은 메타에서 공개한 라마(LLaMA)와 같은 파운데이션 LLM 모델의 신경망에 별도의 작은 신경망을 추가해, 이를 별도로 준비된 데이터로 학습하는 방식을 사용한다.  LLM을 파인튜닝하기 전에 어떤 토큰이 사용되었는지, 임베딩 모델이 무엇인지 확인해야 한다. 파인튜닝 시 용어가 LLM에 사전 학습되어 있지 않다면, 용어 간 관계를 통계적으로 추론하는 학습 절차가 매우 비효율적으로 계산된다. 일반적으로 모델을 파인 튜닝하려면 LLM 토큰 확인 및 개발, 임베딩 모델의 적절한 사용이 필요하다.  <그림 1>은 토큰이 수치화된 결과를 보여준다. 참고로, 토큰이 숫자로 표현되지 못하는 문제를 OOV(Out-Of-Vocabulary)라 한다.    그림 1. 숫자 토큰화 결과   임베딩은 학습 모델이 입력되는 문장의 토큰 패턴을 통계적으로 계산하기 전, 토큰을 수치화시키는 함수이다. 이 함수를 임베딩 모델이라 한다. 임베딩 모델은 토큰을 수치화하여 모델 학습에 사용하는데 필요한 입력값을 출력한다. 이런 이유로, 토큰 사전과 임베딩 모델이 다르면 제대로 된 모델 학습, 예측, 패턴 계산 결과를 얻기 어렵다. 임베딩 모델도 별도의 신경망 모델이며 다양한 방식으로 학습될 수 있다. 이번 호에서는 구글에서 공개한 BERT(Bidirectional Encoder Representations from Transformers) 임베딩 모델을 사용한다.  이와 관련된 실험을 하기 위해, 개발 환경을 설치하고 파이썬 코드를 준비해 본다.    개발 환경 준비 미리 컴퓨터에 파이썬, 아나콘다 등 필수적인 라이브러리가 설치되어 있다는 조건에서, 실습을 위해 명령창에서 다음을 실행해 설치한다. pip install transformers torch   참고로, 다음은 파인튜닝에 사용하는 오픈소스 라이브러리를 보여준다. Torch : 텐서 계산 및 딥 러닝을 위한 핵심 라이브러리이다. PEFT : 낮은 순위의 적응 기술을 사용하여 대규모 언어 모델을 효율적으로 미세 조정할 수 있다. 특히 리소스가 제한된 장치에서 학습 가능한 매개 변수의 수를 줄여 모델을 압축하고 더 빠르게 미세 조정할 수 있다. bitsandbytes : 신경망에 대한 양자화 및 이진화 기술을 제공하여 모델 압축을 지원한다. 모델 압축에 도움이 되므로 메모리와 계산 능력이 제한된 에지 장치에 모델을 보다 실현 가능하게 만들 수 있다. Transformers : 대규모 언어 모델 작업을 간소화하여 사전 학습된 모델 및 학습 파이프라인을 제공한다. trl : 대규모 언어 모델의 경우 효율적인 모델 학습 및 최적화에 중점을 둔다. accelerate : 다양한 하드웨어 플랫폼에서 학습 및 추론을 가속화한다. dataset : 기계 학습 작업을 위한 데이터 세트 로드 및 준비를 간소화한다. pipeline : 사용자 지정 학습 없이 일반적인 NLP 작업에 대해 사전 학습된 모델의 사용을 간소화한다. PyArrow : 효율적인 데이터 로드 및 처리를 위해 사용될 수 있다. LoraConfig : LoRA 기반 미세 조정을 위한 구성 매개변수를 보유한다. SFTTrainer : 모델 학습, 최적화 및 평가를 처리한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

‘생성형 인공지능과 제조/건축 시각화 기술과 트렌드’를 주제로 한 ‘코리아 그래픽스 2024’가 지난 9월 27일 진행됐다. 5년만에 오프라인 행사로 치러진 이번 코리아 그래픽스에서는 산업 분야의 시각화 기술 동향 및 최근 주목을 받고 있는 생성형 AI(generative AI)의 접목에 관한 내용이 다양하게 소개됐다. ■ 정수진 편집장   코리아그래픽스 추진위원회 위원장인 서울미디어대학원대학교 유훈식 교수는 개회사에서 “지난 몇 년간 코로나19를 비롯해 여러 가지 어려움이 있었지만, 기술 측면에서는 인공지능(AI)과 메타버스(metaverse), 확장현실(XR) 등이 눈부시게 발전했다. 이런 기술의 발전은 우리에게 새로운 기회를 만들어주고 있다”면서, “이러한 기회는 새로운 산업과 새로운 혁신으로 한 걸음 나아갈 수 있는 길을 열어줄 것이다. 이번 코리아 그래픽스를 통해 산업 분야의 시각화, 생성형 AI, 3D 프린팅 활용과 관련한 인사이트를 얻고, 산업 발전에 도움이 되기를 바란다”고 전했다.    공간 컴퓨팅과 AI의 융합이 가져올 변화 행사의 시작은 국회미래연구원 이승환 연구위원의 ‘공간 컴퓨팅 혁명이 가져올 변화 : 디지털 공간과 AI의 만남’을 주제로 한 기조 연설이었다. 이승환 연구위원은 “지난 30년간 컴퓨팅 패러다임이 변화하면서 그래픽스 분야에서도 몇 번의 변곡점이 있었다”고 짚으면서, 최근의 변곡점은 ‘공간 컴퓨팅’이라고 전했다. 최근 애플의 비전 프로나 메타의 퀘스트같은 HMD(헤드 마운트 디스플레이)가 주목을 받았는데, 올해는 이전과 다른 운영체제(OS)가 등장해 공간 컴퓨팅 생태계 및 수익모델의 변화를 이끌 것으로 전망된다.    ▲ 공간 컴퓨팅 혁명에 대해 소개한 국회미래연구원 이승환 연구위원    공간 컴퓨팅의 패러다임을 바꿀 것으로 보이는 또 한 가지 기술이 바로 인공지능이다. 수많은 데이터로 새로운 인사이트를 제공하는 AI의 인텔리전스가 공간 컴퓨팅과 융합해 새로운 콘텐츠와 생태계를 만들 수 있다는 것이 이승환 연구위원의 전망이다. 이승환 연구위원은 “AI와 공간 컴퓨팅이 결합된 ‘공간 지능(spatial intelligence)’은 현실 기반의 문제를 가상화와 연결해 해결할 수 있는 수단으로 자리잡을 것으로 보인다”면서, “가상환경과 결합해 내가 원하는 문제를 해결하고 의사결정을 돕는 방향으로 컴퓨터를 학습시킨다면, 컴퓨터 그래픽스를 만들어 온 전통적인 방식이 변화할 것”이라고 짚었다.    생성형 AI와 제조/건축 디자인의 혁신 서울미디어대학원대학교(SMIT)의 유훈식 교수는 ‘생성 AI와 제조/건축 디자인의 현재와 미래’를 주제로 기조연설을 진행했다. 생성형 AI가 빠르게 발전하면서, 이미지와 영상 등 영역에서도 변화가 일어나고 있다. 이미지를 생성하는 AI 서비스인 ‘미드저니’는 2022년 2월 첫 버전이 등장한 이후 빠르게 발전하면서 만들어내는 그림의 수준이 크게 높아져, 현재는 사진과 구분이 어려울 정도로 고품질의 이미지를 생성할 수 있다. 영상 생성을 위한 AI도 언어 모델의 학습 방법을 적용하면서 품질이 크게 높아졌다. 오픈AI가 올해 발표한 ‘소라’의 경우에는 사물의 움직임과 대상을 인식할 수 있는 수준이다.    ▲ 생성형 AI와 디자인의 변화를 짚은 SMIT 유훈식 교수   생성형 AI는 비주얼을 만드는 비용과 시간을 줄일 수 있어 새로운 창작의 영역을 열고 있으며, 이에 따라 기업에서도 생성형 AI를 활용할 수 있는 아티스트와 디자이너를 찾고 있다. 생성형 AI로 원하는 결과물을 만들기 위해서는 수많은 시도가 필요한데, 이를 줄이려면 정교하게 사용할 수 있는 프롬프트 엔지니어링 기술이 요구된다. 유훈식 교수는 “생성형 AI의 발전은 제조와 건축 디자인 프로세스에 큰 변화를 가져오고 있으며, 디자인에 접근하는 방식이 근본적으로 변화하고 있다. AI 프롬프트만으로 영상을 제작할 수 있는 시대가 되었으며, 디자이너들은 프롬프트 엔지니어링의 관점에서 접근할 필요성이 커지고 있다. 이러한 변화는 디자인 생태계에 더 큰 혁신을 불러일으킬 것”이라고 전했다.    사용자 중심 AI 시대를 위한 기술의 진화 세 번째 기조연설로는 인텔코리아 이주석 부사장이 ‘멀티모달이 열어가는 세상과 AI PC’에 대해 소개했다. 이주석 부사장은 “AI 기술이 ‘캐즘(chasm : 얼리 어댑터와 대중 소비자 사이의 정체기)’에 빠진 것처럼 보였지만, 생성형 AI로 새로운 시대를 맞고 있다. 지난 10년이 개발자 중심의 AI 시대였다면 향후 10년은 사용자 중심의 AI 시대가 열릴 것”이라면서, “생성형 AI는 다양한 애플리케이션에서 활용되고 있으며, 특히 텍스트∙이미지∙음성 등을 합성해 활용하는 멀티모달 융합을 통해 더욱 풍부한 사용자 경험을 제공할 수 있다”고 짚었다.    ▲ 사용자 중심 AI로의 변화를 소개한 인텔코리아 이주석 부사장   챗GPT(ChatGPT) 등장은 AI 모델 개발이 빅테크 기업의 전유물이 아니라는 점을 확인하는 계기가 됐다. 최근에는 채팅, 문서, 이미지, 디자인, 동영상/음성 등 다양한 AI 애플리케이션이 빠르게 늘고 있으며, 파이썬(Python)을 사용할 수 있는 환경이라면 챗GPT로 코드를 생성해 원하는 앱을 만들 수도 있게 됐다. 이런 변화가 사용자 중심, 애플리케이션 중심의 시장을 열고 있다는 것이 이주석 부사장의 설명이다. 또한 그는 “아직 생성형 AI의 활용에는 수많은 시도와 도메인 지식이 요구되기도 한다. 인텔은 NPU(신경망 처리장치)를 탑재한 들어간 프로세서 제품을 클라이언트 에지, AI PC의 시대를 열 수 있도록 지원하겠다”고 전했다.    이번 ‘코리아 그래픽스 2024’에서는 3편의 기조연설을 포함해 총 11편의 발표 세션이 진행되었으며, 제조/건축 디자인과 시각화, 디지털 트윈, 3D 프린팅 등 다양한 내용이 소개됐다. 특히 최근 시각화 분야에서도 주목을 받고 있는 생성형 AI에 관한 발표도 이뤄지면서, 최근 관련 산업계와 학계의 활동과 향후 전망까지 짚어볼 수 있는 기회가 되었다. 이와 함께 업계와 학계 관계자들이 비전을 공유한 VIP 간담회 및 최신 기술을 체험할 수 있는 부스 전시도 함께 진행됐다.    ■ 이어서 보기 : [포커스] 코리아 그래픽스 2024 발표 내용 정리   ▲ VIP 간담회    ▲ 3D 시각화 소프트웨어를 소개한 플러스플라스틱 부스    ▲ 최신 워크스테이션 CPU를 소개한 인텔 부스    ▲ AI 영상 분석 기술을 소개한 씨이랩 부스    ▲ 3D 렌더링 및 VR 시각화 설루션을 소개한 인코스 부스      ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   거의 1년 동안 생각해 봤던 엔지니어링 프레임워크를 완성했다. 그 이름은 ‘스마트 혁신 엔지니어링(smart innovation engineering)’이다. 스마트 혁신 엔지니어링은 간단하게 말해서 디지털 엔지니어링과 챗GPT(ChatGPT)와 혁신경영(innovation management)의 결합이라고 할 수 있다. 최근에 혁신 경영 ISO 56001이 완성됐다. 2024년 5월호 칼럼에 소개한 ‘디지털 엔지니어링 프레임워크’도 1년 동안 만들어 봤다. 이것을 연결하고 부족한 부분을 채워 줄 수 있는 것이 인공지능인 챗GPT이다. 챗GPT는 언어 모듈이기 때문에, 제품 개발이나 엔지니어링에 있어서 문서 작성이나 아이디어 등 다양하게 사용할 수 있다.  스마트 혁신 엔지니어링은 AI, 데이터 분석, 자동화, 디지털 기술을 통합하여 혁신을 관리하고, 효율성을 극대화하며, 제품 및 서비스 개발을 최적화하는 접근 방식을 의미한다. 이 개념은 다음과 같은 핵심 요소로 정리할 수 있다.    그림 1. 디지털 엔지니어링 프레임워크    <그림 1>을 사용하면 가운데 엔티티(entity)가 있다. 엔티티는 구체적인 제품(product)일 수도 있고 특정한 서비스(service)일 수도 있다. 예를 들어서, 자동차나 항공기가 올 수도 있고 어떤 디지털 제품이 올 수도 있다. 그리고 그 엔티티는 디지털 제품 개발 모델에서 어떤 특정 가치(value)를 지정할 수 있다. 예를 들어서 요구사항(requirement), 필요성(needs), 검증(verification), 특정 기술(technology)도 사용할 수 있다. 이런 것은 특정 가치를 나타낼 수 있다. 오늘은 그 특정 가치 중에서 혁신을 집어넣을 수 있다. 이것은 제품 개발에서 혁신(innovation)이라는 가치를 입력하는 것이다. 특히 최근에 표준화된 혁신 경영의 프로세스를 입력해 봤다. 이 가치는 추후에 다양한 관심 가치로 입력할 수 있다.    그림 2. 스마트 혁신 엔지니어링   <그림 3>은 ISO 56002 기반 혁신 관리 시스템의 프로세스 모델에 대한 것이다. 조직의 상황(조항 4)은 혁신 방향을 설정하는 데에 중요한 외부 및 내부 요인, 문화, 환경, 협업 등을 포함하며, 리더십(조항 5)은 혁신에 대한 헌신, 비전, 전략 및 정책을 통해 혁신 시스템의 방향을 제시한다. 기획(조항 6)은 혁신 목표 설정 및 위험 관리, 자원 할당 등 필요한 조치를 결정하는 단계이다. 지원(조항 7)은 혁신을 가능하게 하는 자원, 역량, 인프라 등을 포함하며, 운영(조항 8)은 기회 식별, 개념 창출, 개념 검증, 솔루션 개발 및 배포와 같은 활동으로 나뉜다. 성과 평가(조항 9)는 혁신 프로 세스의 효율성을 모니터링하고, 개선(조항 10)은 성과 평가 후 시스템을 지속적으로 발전시키는 단계이다. 이 모델은 PDCA(Plan - Do - Check - Act) 사이클에 따라 운영되며, 기회와 혁신 가 치를 중점으로 두고 조직의 전략과 결합되어 지속 가능한 혁신을 보장한다.    그림 3. ISO 56002 기반 혁신 관리 시스템의 프로세스 모델(출처 : ISO 56002)   챗GPT에게 이 프로세스를 스마트폰에 적용하는 예시로 질문했는데, 다음과 같은 답변을 도출했다.  “ISO 56002 혁신 관리 시스템을 기반으로 스마트폰 신제품 개발 과정에 적용할 수 있는 예시는 다음과 같습니다. 조직은 먼저 시장과 내부 환경을 분석해 고객이 선호하는 기능과 조직의 역량을 파악합니다.(조항 4) 리더십은 ‘고객 중심의 스마트폰 혁신’이라는 비전을 설정하고, 개발 목표와 협업 정책을 수립합니다.(조항 5) 기획 단계에서는 12개월 내 출시와 시장 점유율 목표를 설정하며, 위험 요소를 사전에 분석합니다.(조항 6) 지원 단계에서는 R&D 팀에 필요한 자원과 교육을 제공하여 역량을 강화합니다.(조항 7) 운영 단계에서는 고객 피드백을 바탕으로 새로운 스마트폰 기능을 기획하고, 개념을 검증한 후 제품을 설계하여 양산 준비를 마칩니다.(조항 8) 출시 후 성과를 평가하여 판매량, 고객 만족도 등을 분석하고(조항 9), 이를 토대로 차기 제품 개선 방안을 마련하여 지속적인 혁신을 추진합니다.(조항 10) ISO 56002는 이렇게 신제품 개발의 전 과정에서 체계적인 관리와 지속적인 개선을 통해 혁신을 달성하도록 지원합니다.” 스마트 혁신 엔지니어링은 AI, 데이터 분석, 자동화, 디지털 기술을 통합하여 혁신을 관리하고, 효율성을 극대화하며, 제품 및 서비스 개발을 최적화하는 접근 방식을 의미한다. 이 개념은 다음과 같은 핵심 요소로 정리할 수 있다.    데이터 기반 의사결정  스마트 혁신 엔지니어링은 데이터를 중심으로 한 의사결정을 강조한다. 대량의 데이터를 실시간으로 분석하고 이를 통해 조직의 의사결정을 최적화하여, 더 정확하고 신속한 대응이 가능하도록 한다. 이는 리스크를 줄이고 기회를 포착하는데 도움을 준다.    AI와 자동화 활용  AI는 반복적인 작업을 자동화하거나 복잡한 문제에 대한 솔루션을 빠르게 제시함으로써 자원을 효율적으로 활용하게 한다. 이를 통해 조직은 고부가가치 작업에 집중할 수 있고, 전체적인 생산 성과 효율성을 향상시킬 수 있다.    지속적인 혁신과 개선  스마트 혁신 엔지니어링은 디지털 환경에서 지속적인 개선을 촉진한다. AI와 데이터를 활용해 실시간으로 성과를 모니터링하고, 이를 통해 지속적으로 제품과 서비스를 발전시킨다. 품질 개선, 유지 보수 예측, 성능 최적화 등을 자동화하여 경쟁력을 유지할 수 있다.    협업과 지식 공유  이 접근 방식은 팀 간의 원활한 협업을 강화하고, 지식을 빠르게 공유할 수 있도록 도와준다. AI 기반 도구들은 의사소통을 촉진하고, 프로젝트 관리와 문제 해결에 필요한 정보를 실시간으로 제공 한다. 이러한 협업은 혁신적인 아이디어의 실행을 가속화하는데 기여한다.    리스크 관리와 예방  스마트 혁신 엔지니어링은 AI를 통해 잠재적인 리스크를 사전에 예측하고 대비책을 마련할 수 있도록 돕는다. 프로젝트 중 발생할 수 있는 기술적 문제나 일정 지연 등의 리스크를 신속하게 파악하고, 이를 통해 프로젝트 성공 가능성을 높인다.    고객 중심 혁신  고객의 요구와 피드백을 실시간으로 반영하여 제품과 서비스를 개선한다. 이를 통해 고객 만족도를 높이고, 시장에서의 경쟁 우위를 확보할 수 있다. AI와 데이터를 통해 고객의 니즈를 빠르게 파악 하고, 제품 개선 방향을 설정할 수 있다.  결론적으로 엔티티에 이노베이션 같은 가치를 ISO 56002 표준에 입력했을 때, 그리고 이것을 스마트폰을 개발을 하는 혁신 프로세스로 관리할 때 사용할 수 있다. 특히 챗GPT를 이용하면 다 양한 효과를 포괄적으로 얻을 수 있다. 여기서 이노베이션뿐만 아니라 특정 기술이나 어떤 패러다임을 적용할 수도 있다. 다음에는 혁신 대신 모듈러 설계 패러다임을 적용해 볼 예정이다.    ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다.  보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

엔비디아가 고급 훈련, 시뮬레이션, 추론 등 세 가지 컴퓨터 시스템을 통해 차세대 AI 기술로 불리는 ‘물리적 AI’ 구축을 지원하며, 이를 통해 로보틱스 생태계 강화에 나선다고 밝혔다. 챗GPT(ChatGPT)로 시작된 생성형 AI는 콘텐츠 제작, 고객 서비스, 소프트웨어 개발, 지식 근로자를 위한 비즈니스 운영 등 디지털 업무를 혁신하는 데에 도움을 주고 있다. 그러나 휴머노이드, 공장, 기타 산업 시스템 내 장치 등에서 인공지능을 구현하는 물리적 AI는 아직 획기적인 전환점을 경험하지 못했으며 교통, 모빌리티, 제조, 물류, 로보틱스와 같은 산업이 제약을 받아왔다는 것이 엔비디아의 시각이다. 엔비디아는 고급 훈련, 시뮬레이션, 추론을 결합한 3가지 컴퓨터 시스템을 통해 이러한 상황에 변화를 가져올 수 있을 것으로 보고 있다.  대규모 언어 모델(LLM)은 문자나 단어와 같은 모드에서 다음 토큰을 예측할 수 있는 1차원적인 모델이다. 이미지와 비디오 생성 모델은 다음 픽셀을 예측할 수 있는 2차원 모델이다. 하지만 이러한 모델들은 3차원 세계를 이해하거나 해석할 수 없다.  엔비디아는 물리적 AI 모델이 생성형 AI를 통해 물리적 세계를 인식하고, 이해하고, 상호 작용하고, 탐색할 수 있다고 밝혔다. 가속 컴퓨팅을 기반으로 한 멀티모달 물리적 AI의 혁신과 대규모 물리 기반 시뮬레이션을 통해 로봇을 활용한 물리적 AI의 가치를 실현할 수 있게 됐다는 것이다. 로봇은 지각, 추론, 계획, 행동, 학습을 할 수 있는 시스템으로, 자율 주행 로봇(AMR), 조작기 팔 또는 휴머노이드 외에도 다양한 유형의 로봇이 존재한다. 가까운 미래에는 수술실부터 데이터 센터, 창고, 공장, 교통 관제 시스템이나 스마트 시티에 이르기까지 움직이는 모든 것, 또는 움직이는 사물을 모니터링하는 모든 것이 자율 로봇 시스템이 될 것으로 보이는데, 이러한 시스템은 주변 환경을 감지하고 이에 대응할 수 있는 능력을 갖추게 된다.     엔비디아는 특히 인간을 위해 설계된 환경에서 효율적으로 작동할 수 있는 휴머노이드 로봇에 주목하고 있다. 휴머노이드 로봇을 개발하려면 물리적 AI와 로봇 훈련, 시뮬레이션, 런타임을 처리하는 세 가지의 가속화된 컴퓨터 시스템이 필요하다. 엔비디아는 개발자가 물리적 AI를 제작할 수 있도록 3가지 컴퓨터 시스템과 가속화된 개발 플랫폼을 구축했다고 전했다. 먼저, 개발자는 엔비디아 DGX 플랫폼에서 엔비디아 네모(NeMo)를 사용해 파운데이션 모델과 생성형 AI 모델을 훈련하고 미세 조정할 수 있다. 또한 자연어를 이해하고 인간의 행동을 관찰해 움직임을 모방할 수 있는 휴머노이드 로봇을 위한 범용 파운데이션 모델을 개발하는 이니셔티브인 엔비디아 프로젝트 GR00T(Project GR00T)를 활용할 수도 있다. 둘째, 엔비디아 OVX 서버에서 실행되는 엔비디아 옴니버스(Omniverse)는 물리적 AI를 테스트하고 최적화하기 위한 개발 플랫폼과 시뮬레이션 환경을 제공한다. 이는 엔비디아 아이작 심(Isaac Sim)과 같은 애플리케이션 프로그래밍 인터페이스와 프레임워크를 통해 활용된다. 개발자들은 아이작 심을 사용해 로봇 모델을 시뮬레이션하고 검증하거나, 물리 기반 합성 데이터를 대량 생성해 로봇 모델 훈련을 진행할 수 있다. 또한 연구원과 개발자는 로봇 강화 학습과 모방 학습을 지원하는 오픈 소스 로봇 학습 프레임워크인 엔비디아 아이작 랩(Isaac Lab)을 사용해 로봇 정책 훈련과 개선을 가속화할 수 있다. 마지막으로 훈련된 AI 모델이 실행 컴퓨터에 배포된다. 엔비디아 젯슨 토르(Jetson Thor) 로봇 컴퓨터는 콤팩트한 온보드 컴퓨팅 요구 사항을 위해 특별히 설계됐다. 제어 정책, 비전, 언어 모델로 구성된 모델 집합이 로봇 두뇌를 구성하고, 에너지 효율적인 온보드 엣지 컴퓨팅 시스템에 배포된다. 로봇 제조업체와 파운데이션 모델 개발자는 워크플로우와 도전 과제에 따라 필요한 만큼의 가속 컴퓨팅 플랫폼과 시스템을 사용할 수 있다.

디지털 지식전문가 조형식의 지식마당   올해는 내가 컴퓨터를 시작한 지 50년이 되어 가는 해이다. 처음 접한 컴퓨터는 대학교에 설치된 IBM의 메인프레임이었다. 또한 2008년 3월에 시작한 이 칼럼이 200번째를 맞기도 했다.  인생이란 짧고 빠르게 지나간다. 매일 반복되는 일상도 생존에 필요하지만, 어떤 목표나 마일스톤이 없다면 인생의 후반은 허무하게도 느껴진다. 우리의 뇌는 일상을 기억하지 않는다. 남의 지식을 설명하는데 대부분의 인생을 소비한다. 책을 쓰거나 자신의 생각을 정리할 때에는 나의 것이 별로 없다는 것을 깨닫는다. 새로운 인공지능 시대에 나의 인생 마일스톤과 목표를 다시 정립해 본다.   10년 전인 2014년에 ‘인간의 여섯 가지 조건’에 대해서 쓴 적이 있다. 이제 디지털 시대를 맞아 인간의 여섯 가지 조건을 다시 작성해 봤다.   그림 1. 인간의 여섯 가지 조건   첫 번째 조건은 삶의 의미를 찾고, 의미 있는 삶을 추구하는 것이다. 자신의 정체성을 가지고 어떠한 고난에도 쉽게 무너지지 않는다. 인생을 살아오면서 인간이 얼마나 나약한 존재이고, 우리의 인생이 얼마나 깨지기 쉬운 것인지를 깨닫는다. 빅토르 프랑클 박사의 ‘삶은 의미를 찾아서 (Man’s Search for Meaning)’ 라는 책을 읽으먼서 많은 것을 얻었던 것 같다. 특히 디지털 시대의 지나치게 많은 디지털 정보 속에서 인간의 막연한 불안감과 타인과 비교하면서 오는 공허감에는 자신만의 삶의 의미를 찾는 것이 가장 중요하다.  두 번째 조건은 논리적 문제 해결 능력을 갖는 것이다. 자신을 지식으로 장식하지 말고, 논리학과 수학을 공부하고 과학적인 사실에 근거한 논리적 분석으로 문제를 해결해서 생존력을 가진다. 사실 인간은 이성적이기 보다는 감정적이다. 특히 인공지능 시대에서 논리적인 조건은 핵심 경쟁력일 수 있다. 대니얼 카너먼의 저서인 ‘생각에 관한(Thinking, Fast and Slow)’을 반드시 읽어 볼 필요가 있다. 세 번째 조건은 예술에 대한 심미안을 갖는 것이다. 항상 자신의 주변에 유형적, 무형적 아름다움을 볼 수 있는 안목을 가진다. 예술은 지식이 아니라 느낌이므로 직접 참여해야 한다. 예술은 인간이 누릴 수 있는 가장 높은 보상일 수 있다. 예술의 현실 세계의 경험은 디지털 복제와 인공지능 시대에 자신만의 창조성을 유지할 수 있다.   네 번째 조건은 작문(글쓰기)과 외국어 번역 능력을 갖는 것이다. 글을 쓰는 것은 우리의 생각을 완성하는 것이고, 외국어를 공부하는 것은 나의 사고의 방에 창문을 만드는 것이다. 글쓰기는 내가 나 자신을 만나고 그것은 짧은 우리 인생에 나의 흔적을 영원히 남기는 작업이다. 지난 일 년간 이외수 작가의 ‘글쓰기의 공중부양’이란 책을 지속적으로 읽으면서 글과 단어, 단어 채집, 속성 찾기, 본성 찾기 등을 실행하고 있다. 특히 챗GPT(ChatGPT)의 시대에 자신만의 문학적 작문 능력은 반드시 필요하다.  다섯 번째 조건은 건강, 일, 운동, 공부, 음식, 기록 등에 좋은 습관을 갖는 것이다. 일상의 좋은 습관은 좋은 인생을 만든다. 사회적으로 성공한 인생보다는 좋은 인생을 살고 싶다. 이런 좋은 습관은 디지털 현실이 아닌 물리적 현실의 실행이다. 아무리 디지털 기술이 발전해도 우리의 물리적의 현실은 가장 중요한 인생이다. 마지막으로 여섯 번째 조건은 삶의 균형 감각을 갖는 것이다. 삶의 균형 감각을 갖는다는 것은 어떠한 정신적, 물리적, 생리적 중독으로부터 자유롭다는 것이다. 인간은 육체적으로 나약한 존재이다. 지속적으로 이런 것에 대해서 의존과 중독의 유혹이 온다. 그래서 가장 중요한 것은 삶의 균형 감각이다. 그것은 자신의 정체성과 독서와 배움 그리고 사색으로 가능하다. 삶의 균형 감각이 행복을 준다. 어떤 사회적 성공이나 부, 지위나 스펙이 가져다주지 않는다. 인생은 무엇을 얻으면 반드시 다른 무엇을 지불해야 한 것이므로 이런 균형이 필요하다. 특히 디지털과 현실에 대한 삶의 균형이 새로운 도전이 되고 있다. 최근에 디지털 엔지니어링과 디지털 트윈 등을 정리하면서, 디지털 지식에 대해서 많은 독서와 정리를 하였다. 그러나 ‘1일 1개 버리기’라는 책을 우연히 읽으면서 내가 가장 필요한 것은 더 많은 지식이나 자료 수집이 아니라 버리는 것이 아닐까 생각해 봤다. 저자는 “소유하고 있는 것을 내려놓아야 소중한 것을 얻을 수 있다”고 한다. 우리가 어떤 것을 못 버리는 이유는 세 가지이다. 그것은 과거의 추억을 포함하고 있거나, 그것이 미래에 사용될 지도 모른다는 생각, 그리고 현재에 버릴 용기가 없다는 것이다.  현대인에게 너무 많은 물건과 만남, 관계, 정보로 인하여 정말 무엇이 소중한지 모르게 되었다. 시작은 하루에 아주 작은 것을 매일 버리지만, 궁극적으로는 너무 많은 사회적 관계와 정보에서 오는 정신적 불안감, 열등감, 공허감 등 마음의 짐을 버리는 것이다. 정말 오랫동안 매일 사용하던 페이스북을 끊어버렸다. 2주간은 너무 궁금했지만 이제는 나의 스마트폰과 PC에서 앱을 완전히 지웠다.  올해의 나의 마일스톤은 디지털 디톡스에서 시작해서 디지털 안식년을 가지는 것이고, 최종적으로는 디지털 중독에서 삶의 균형 감각을 찾는 것이다. 시작은 쉽지 않다. 중독에서 벗어나는 것은 인간의 뇌의 약점인 편행에서 벗어나는 것이다. 지난 두 달 동안 매일 버리면서 정말로 무엇이 소중한지를 깨닫고 있다. 그리고 디지털과 현실 세계의 균형 감각이 무엇보다도 삶의 의미에서 중요하다는 것을 실천하고 있다.    ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

현장에서 얻은 것 No.18   “미래의 성공은 데이터와 그 데이터를 활용하는 능력에 달려 있다.”  - 챗GPT   PLM에 AI 도입 본격화 지난 2022년 11월 챗GPT(ChatGPT)가 시장에 출시되고 난 후, 지멘스 인더스트리 소프트웨어는 2023년 4월 하노버 메세에서 마이크로소프트와 함께 생성형 AI 기반의 소프트웨어 개발, 문제 보고, 시각적 품질 검사를 통해 공장 자동화 AI 활용을 시장에 내놓았다. 그리고 생성형 설계(Generative Design)에 AI를 접목하는 것은 이미 상당히 현실화되었다. SAP는 2024년 6월 자사 AI 솔루션인 쥴(Joule)을 통해 클라우드 포트폴리오 전반에 비즈니스 AI를 도입한다고 발표했다. 그리고 2024년 7월 다쏘시스템은 미스트랄 AI(Mistral AI)를 AI 파트너로 선정하여 PLM에 본격적인 AI 도입을 진행 중이다.(표 1)   표 1. PLM에 AI 도입 본격화, 요약 정리(Gemini)    그리고 엔지니어링 분야에서 AI를 어떻게 활용할 수 있을지 기대되는 영역에 대해서 정리해 보았다.(표 2)   표 2. 엔지니어링 분야에서 AI 활용, 요약 정리(Gemini)    “기술이 발전할수록 인간의 창의성이 더 중요한 자산이 된다.” - 챗GPT   글로벌 PLM,ERP 기업의 AI 도입 전략 다쏘시스템은 미스트랄 AI와의 협업을 통해 3D익스피리언스(3DEXPERIENCE) 플랫폼에 생성형 AI를 도입하여, 자연어 명령만으로도 3D 모델을 생성하거나 설계를 수정할 수 있는 방안을 모색하고 있다. 버추얼 트윈 기술과 연계하여 실제 제품과 동일한 가상 모델을 구축하고, 이를 통해 제품 개발 전 과정을 시뮬레이션 하는데 AI가 큰 도움을 주리라 예상된다. 지멘스는 마이크로소프트와의 협업을 통해 애저 AI(Azure AI)를 활용하여 엑셀러레이터(Xcelerator) 포트폴리오의 예측 유지보수 기능을 고도화하고, 품질 관리 시스템을 강화한다. 오픈AI(OpenAI)의 GPT 모델을 활용하여 자연어 처리 기반의 사용자 인터페이스를 구현하고, 사용자 편의성을 높인다. 디지털 트윈 기반의 운영 효율성을 향상시키고, 지속 가능한 생산 시스템 구축을 목표로 한다. SAP는 쥴(Joule)을 통해 제품 전체에 AI를 확장하여 엔터프라이즈 레벨의 AI 플랫폼을 구축하려고 한다. 머신러닝, 딥러닝 등을 활용하여 비즈니스 프로세스를 자동화하고, 예측 분석을 통해 의사 결정을 지원하며, S/4HANA와의 긴밀한 통합을 통해 기업의 모든 데이터를 활용하여 더욱 정확한 예측과 분석을 가능하게 한다. PTC는 크레오(Creo)에 제너레이티브 디자인 기능을 추가하여 엔지니어들이 디자인 초기 단계에서 다양한 설계 옵션을 빠르게 생성하고 평가할 수 있도록 지원한다. AR(증강현실) 기술과 결합하여 엔지니어가 실제 제품을 보듯이 설계를 검토하고 수정할 수 있도록 지원하며, 다양한 파트너와 협력하여 사물인터넷(IoT) 데이터를 활용한 예측 유지보수, 품질 관리 등의 기능을 제공한다. 주요 차이점 및 시사점을 살펴보면, 각 기업은 자사의 강점과 비즈니스 목표에 맞는 AI 파트너를 선택하여 협력하고 있다. 주요 기술은 생성형 AI, 디지털 트윈, AR, 머신러닝 등 다양한 AI 기술을 활용하여 차별화된 기능을 제공하며, 차별화 포인트는 각 기업은 자사의 플랫폼과 강점을 기반으로 차별화된 가치를 제공한다. 다쏘시스템은 버추얼 트윈, 지멘스는 디지털 트윈, SAP는 ERP와의 통합, PTC는 제너레이티브 디자인과 AR에 중점을 두고 있다. 기대 효과로는 모든 기업의 공통적인 목표는 AI를 활용하여 제품 개발 기간을 단축하고, 품질을 향상시키며, 새로운 비즈니스 모델을 창출하는 것이다. 요약하면, 주요 PLM 기업들은 AI를 활용하여 제품 개발 과정을 혁신하고, 제조업의 디지털 전환을 가속화하고 있다. 각 기업은 자사의 강점과 시장 환경에 맞는 AI 전략을 추진하며, 경쟁적으로 AI 기술을 발전시켜 나갈 것으로 예상된다. 이러한 변화는 제조업의 미래를 변화시키고, 더욱 스마트하고 효율적인 생산 시스템 구축에 기여할 것이다. “AI는 단순한 기술이 아니라, 우리가 세상을 바라보는 방식을 바꾸는 도구다.” - 챗GPT   미래를 설계하는 AI : 다쏘시스템의 PLM 혁신 전략 다쏘시스템의 AI 전략은 산업계 전반에서 디지털 전환을 가속화하고, 혁신적인 제품 및 서비스 개발을 가능하게 하는 중요한 전환점에 있다. PLM(제품 수명주기 관리) 솔루션과 인공지능(AI)의 접목은 기업이 제품 개발, 제조, 공급망 관리, 그리고 고객 경험 등을 새로운 차원으로 끌어올릴 수 있는 잠재력을 지니고 있다. 2024년 7월 ‘다쏘시스템-미스트랄AI와 파트너십 체결… 3D익스피리언스에 LLM 제공해 고성능 생성형 AI 경험 제공’이라는 소식이 알려졌다. 미스트랄 AI는 프랑스의 언어 모델 개발 및 관련 서비스 제공 기업이다. 양적은 물론 질적인 면에서도 유럽권을 선도하고 있는 인공지능 업체이며, 아파치 라이선스 기반의 오픈소스 정책을 통한 확장 정책을 펼치고 있다. 활성 매개변수를 통한 높은 효율성을 위주로 홍보하고 있다. 2023년 4월, 구글 딥마인드와 메타의 파리 연구소에서 근무하던 임직원들이 설립했다. 2023년 6월, 에릭 슈밋 등의 투자자들로부터 2억 4000만 유로의 기업 가치를 평가받으며 1억 500만 유로 투자를 조달했다는 소식이 알려졌다. 다쏘시스템과 미스트랄 AI 두 회사가 어떤 전략을 시장에 내어 놓을지 알아보고자, 전략과 주요 내용을 홈페이지 등에서 찾아서 기업 성장 맵으로 만들어 보았다.    그림 1. 기업 성장 맵 ‘다쏘시스템의 AI 협업 전략’(Map by 류용효) (클릭하면 큰 그림으로 볼 수 있습니다.)   다쏘시스템과 미스트랄 AI의 협업 전략 : LLM 기반의 혁신 미스트랄 AI는 LLM(대규모 언어 모델) 기술을 중심으로 하는 AI 솔루션을 제공하며, 다쏘시스템의 3D익스피리언스 플랫폼과 결합하여 PLM 솔루션의 기능을 대폭 강화할 계획이다. 이 협업을 통해 다쏘시스템은 PLM 솔루션 내에서 AI를 활용한 예측 분석, 데이터 통합, 그리고 사용자 정의 경험을 가능하게 하여, 제조 및 설계 프로세스 전반에 걸친 혁신을 도모하고 있다. 미스트랄 AI의 LLM은 대규모 언어 모델링 기술을 기반으로 하여, 자연어 처리 및 생성에 뛰어난 성능을 발휘한다. 이를 통해 다쏘시스템의 고객들은 제품 설계와 개발 단계에서 더욱 직관적이고 효율적인 방법으로 데이터를 관리하고 활용할 수 있게 된다. 예를 들어, AI는 방대한 설계 데이터를 분석하여 최적의 설계 방안을 제시하거나, 공급망의 위험 요소를 사전에 식별하여 대응 방안을 마련하는 데 도움을 줄 수 있다. 다쏘시스템은 자체 클라우드 서비스인 아웃스케일(OUTSCALE)을 통해 AI 솔루션을 안전하게 운영할 수 있는 인프라를 제공하고 있다. 특히 아웃스케일은 미스트랄 AI와의 결합을 통해 데이터 보안과 시스템 성능을 극대화하는 역할을 하게 된다. 이로 인해 다쏘시스템은 고객들에게 고도의 데이터 보호와 동시에 신속한 처리 능력을 보장할 수 있게 되었다. 예를 들어, 아웃스케일의 보안 클라우드 환경에서 AI 모델을 훈련시키고 배포할 수 있는 능력은 민감한 데이터를 다루는 산업군에서 특히 중요하다. 이는 생명 과학, 헬스케어, 금융 등과 같은 분야에서 AI의 활용을 촉진하는데 중요한 요소로 작용할 것이다. 아웃스케일의 성능 최적화와 더불어, 다쏘시스템의 고객들은 다양한 AI 응용 프로그램을 유연하게 운영하고 관리할 수 있게 된다.    AI와 PLM의 결합 : 미래 산업의 핵심 기술로 자리매김 AI와 PLM의 결합은 미래 산업의 디지털 전환을 이끄는 핵심 기술로 자리매김할 것이다. 다쏘시스템의 전략은 이 두 기술의 강점을 최대한 활용하여, 산업 전반에 걸쳐 혁신을 가속화하는 것이다. 예를 들어, AI는 제품의 수명주기 전반에서 발생하는 데이터를 실시간으로 분석하고, 이를 통해 제품 개발과 생산 효율성을 극대화하는데 기여할 수 있다. 이와 같은 데이터 중심의 접근 방식은 특히 복잡한 공급망 관리, 고객 맞춤형 제품 개발, 그리고 지속 가능성 목표 달성에 있어 중요한 역할을 한다. AI는 다양한 데이터를 통합하고 분석하여, 기업이 보다 신속하고 정확한 의사 결정을 내릴 수 있도록 지원한다. 또한, AI는 다양한 시나리오 분석을 통해 기업이 미래의 변화에 대비할 수 있는 능력을 향상시킨다.   상업적 적용과 라이선스 문제 : 새로운 비즈니스 모델의 필요성 다쏘시스템의 AI 전략은 상업적 적용 및 라이선스 문제에 있어서도 중요한 변화를 예고하고 있다. 특히, 미스트랄 AI의 기술을 상업적으로 활용하기 위해서는 적절한 라이선스 계약이 필요하다는 점에서, 새로운 비즈니스 모델의 도입이 필요할 것으로 보인다. 이는 AI 기술의 상용화와 관련된 법적, 윤리적 문제를 해결하기 위한 중요한 단계로, 다쏘시스템이 미래의 비즈니스 환경에서 경쟁력을 유지하는 데에 있어 필수 요소이다. 예를 들어, AI 기술을 활용한 제품 개발이 증가함에 따라, 기업들은 AI 기술에 대한 라이선스 비용과 사용 조건을 명확히 이해하고, 이를 기반으로 한 비즈니스 전략을 수립할 필요가 있다. 다쏘시스템은 이러한 변화에 발맞추어 고객들에게 명확하고 투명한 라이선스 정책을 제공함으로써, AI 기술의 도입과 확산을 지원하고 있다.   디지털 혁신의 촉매제로서의 AI 다쏘시스템의 AI 전략은 단순한 기술 도입을 넘어, 디지털 혁신의 촉매제로서 작용하고 있다. PLM 솔루션과 AI의 결합은 제조업 및 설계 산업 전반에 걸쳐 새로운 가능성을 열어주고 있으며, 기업들이 경쟁력을 강화하고 시장에서의 입지를 공고히 하는데 중요한 역할을 할 것이다. 다쏘시스템은 이러한 전략을 통해 고객들에게 더욱 강력한 도구와 솔루션을 제공함으로써, 미래 산업의 디지털 전환을 선도하고자 한다. “변화에 대한 저항이 아닌, 변화에 대한 준비가 기업을 성공으로 이끈다.” - 챗GPT   마무리하면서 이 글을 쓰면서 또 한 번 씁쓸하지는 마음이 있다. 생성형 AI가 나왔을 때, 한국에서는 지구 어느 나라보다도 뜨겁게 이슈가 되었다. 하지만, 2년의 시간이 흘러 우리는 여전히 어디로 가야 할 지 모르는 미궁 상태로 보인다. 기업이든 솔루션 회사든 결단이 필요하고, 새로운 시장을 개척하는 용기가 필요해 보인다. 정부 지원이나 작은 스케일로 접근하는 우리나라의 접근 방식이 글로벌 시대의 변화에 맞는가 하는 의문은 계속 생긴다. 생성형 AI 역시 외국 기업에서 또 다시 큰 비중을 차지해 나가며, 만들어지는 솔루션을 또 다시 우리나라 기업에서는 도입해야만 할 것 같아 보인다. 뭐가 문제일까? 세계 속에서 주목할 만한 우리의 소프트웨어는 게임 외에는 없을까? 여전히 따라가야만 할까? 하지만 우리나라 기업의 저력은 디테일함에서 온다고 믿는다. 떄론 무모한 질문 때문에 한국을 ‘도깨비 나라’라고 부르던 외국인도 있었지만, 지금은 사정이 달라질 것 같다. 지금은 질문을 많이 그리고 디테일하고 창의적인 방향으로 하는 시대임에는 분명하다. 변화의 준비, 그리고 무모함이 우리를 또 한 번 크게 변화시키지 않을까 생각해 본다.   ■ 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.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 9월 9일, CNG TV는 '생성AI를 활용한 따스한 콘텐츠 접근과 무모한 도전'이라는 주제로 ZOOM 방송을 진행했다. 이번 방송은 생성형 AI를 활용한 제너레이티브 디자인 트렌드에 대한 소개와 함께, AI로 창조되는 감성적 콘텐츠의 새로운 시도를 조명했다. 이를 통해 많은 크리에이터들이 영감을 얻을 수 있는 기회를 제공했다. 방송의 자세한 내용은 다시보기로 확인할 수 있다. ■ 박경수 기자   AI, 도전의 새로운 길을 열다 이번 방송의 사회자는 캐드앤그래픽스 지식방송 CNG TV 전문위원이자, 홍익대학교 공학교육혁신센터의 홍익 메이커스페이스를 총괄하고 있는 최성권 교수가 맡았다. 방송에서는 최석영 대표가 이끄는 감성놀이터의 다양한 프로젝트가 소개되었으며, 생성형 AI를 활용해 LACF(라이트 아트 시티 페스티벌)과 국제 고양이 AI 필름 페스티벌 같은 이벤트를 통해 따뜻하고 지속 가능한 콘텐츠 창작 사례가 공유되었다. 최석영 대표는 AI를 활용한 콘텐츠가 어떻게 도시와 마을을 따스하게 변화시킬 수 있는지에 대해 강조했다. 그는 "생성형 AI는 무모한 도전을 통해 창의적인 결과를 발견하는 계기가 된다"고 언급하며, 이러한 도전이 콘텐츠의 가능성을 확장시킬 수 있다고 강조했다. 감성놀이터의 다양한 프로젝트는 AI와 XR(확장현실)을 결합하여 새로운 콘텐츠의 경계를 탐험 중이다. 최 대표는 "생성형 AI가 인디 스튜디오에 무한한 가능성을 열어주고 있다"며, 최근 AI와 XR을 결합한 프로젝트를 통해 새로운 경험을 쌓아가고 있다고 밝혔다. 특히 국제 고양이 AI 필름 페스티벌과 같은 행사에 참여하면서, 이러한 기술이 크리에이터에게 얼마나 강력한 도구가 될 수 있는지 실감하고 있다고 말했다.   ▲ 감성놀이터 최석영 대표   생성형 AI, 인디 스튜디오에 새로운 기회 제공 최 대표는 또 미디어 파사드에 생성형 AI를 결합하는 과정에서 달리 2(Dall-E 2)와 같은 AI 툴을 활용했다고 설명했다. 그는 AI를 통해 새로운 콘텐츠를 창출하고, 이를 확장해 가면서 미디어 파사드 프로젝트로 활용하는 방법을 찾게 됐다고 설명했다. 생성형 AI의 진화는 끝이 없으며, 최근에는 챗GPT 4o(ChatGPT 4o) 버전의 등장으로 대화형 AI의 활용이 더욱 편리해졌다. 최 대표는 생성형 AI를 효과적으로 활용하려면 해당 분야에 대한 기본적인 이해가 필요하다고 강조했다. 전문성이 없으면 AI가 만들어낸 결과물을 제대로 평가하거나 활용하기 어렵기 때문이다. 하지만 그는 코딩 등 프로그래밍 지식 없이도 AI를 통해 새로운 영역에 진입할 수 있는 가능성이 열렸다고 말했다. 한편 최 대표는 생성형 AI의 변주 가능성이 무한하다며, 중요한 것은 무모하더라도 도전하는 자세라고 강조했다. 이번 방송을 통해 생성형 AI는 앞으로도 다양한 방식으로 발전해 나갈 것이란 점이 더 명확해졌다. 이제 크리에이터는 새로운 가능성의 창을 발견하기 위해 AI와 무한 동거를 시작해야 할 때다.   ▲ 감성놀이터에서 진행 중인 국제 고양이 AI 필름 페스티벌 이미지     ■ 기사 내용은 PDF로도 제공됩니다.

정종기 지음 / 27,000원 / 형설eLife 지금은 챗지피티(ChatGPT)가 앞당긴 인공지능 대중화 시대이다. 전세계는 ChatGPT를 위시한 생성형 AI의 혁신적인 진화에 관심이 집중되고 있고, 산업 및 사회적으로 큰 파급력을 보이며 급속하게 성장하고 있다. 생성형 AI는 사용자의 요구에 맞춰 요약, 답변, 그림, 동영상, SW 코드 생성도 순식간에 만들어 준다. 이러한 생성형 AI가 확산되면서 사람들의 일하는 방식은 근본적인 변화를 맞이하고 있다. 향후 기업의 경쟁력은 생성형 AI 도입에 따른 일하는 방식의 변화를 어떻게 활용하는가에 따라 크게 좌우될 수 있는 것이다. 생성형 AI는 전 산업 및 기업의 비즈니스 전반에 걸쳐 다양하게 활용될 수 있다. 특히 가치사슬 관점에서 살펴보면 기획, R&D, 구매, 생산, 유통, 판매 및 마케팅 등 주요한 업무 영역에서 활용을 통해 효율을 크게 높일 수 있기 때문에 기업들이 앞다퉈 도입을 서두르고 있다. 산업별로 생성형 AI 활용 확산 먼저 제조 분야에서는 생성형 AI를 활용하여 자동화된 제품 디자인 및 품질 향상을 실현할 수 있다. 생성형 AI 모델은 과거 제품 데이터를 분석하여 새로운 제품 디자인을 생성하고, 제조 과정에서 발생하는 결함을 감지하여 예방할 수 있다. 또한 생성형 AI를 활용한 제조공정 효율화, 품질관리, 텍스트 비정형 데이터 분석 기반 이상 검출 및 고장 예측과 수명 예측 서비스 영역도 활용 영역으로 확대되고 있다. 생성형 AI는 의료 분야에서 많은 활용 사례를 가지고 있다. 예를 들어, 생성형 AI를 사용하여 의료 이미지(예: X-ray, MRI)를 분석하고 질병이나 이상을 감지하는 데 활용할 수 있다. 또한, 환자 데이터를 분석하여 개인 맞춤형 치료 계획을 생성하는 데에도 사용될 수 있다. 신물질의 개발, 신약 개발 등에서 생성형 AI가 활용되고 있다. 과거 R&D 분야는 끊임없는 연구와 시행 착오의 반복이었다. 예를 들어 제품 설계를 위해서는 시제품을 소량 제작해 문제점을 살펴보고 오랜 시간을 들여 반복 작업을 수행해야만 했다. 그러나 생성형 AI 기술을 활용하여 연구원들이 중량, 비용, 소재 등 원하는 조건을 입력하면 생성형 AI가 수많은 디자인 시안을 짧은 시간에 생성해 준다. 연구자들은 다양한 가능성을 살펴보고 브레인스토밍을 거쳐 세부 검토 후 원하는 결과에 근접한 시안을 선택하면 된다. 즉, 연구원들의 역할이 설계 디자이너에서 검토자로 대폭 바뀌게 되는 것이다. R&D영역에서 생성형 AI는 단시간 내에 다양한 프로토타입과 옵션을 생성해 개발자의 노력, 시간, 비용을 절감시켜주고 있다. 금융 기관은 생성형 AI를 사용하여 금융 데이터를 분석하고 예측 모델을 구축할 수 있다. 이를 통해 고객 맞춤형 서비스, 주식 시장 예측, 신용 위험 평가, 보험 요율 책정 등의 작업을 자동화하고 정확성을 향상시킬 수 있다. 문화예술 분야에서는 창작을 돕는 데 사용될 수 있다. 예를 들어, 생성형 AI를 사용하여 새로운 음악 작곡, 그림 및 그래픽 디자인, 시나리오 작성 등을 자동화하고 창의적인 작품을 생성할 수 있다. 가상 캐릭터 및 게임도 생성형 AI를 사용하여 가상 캐릭터를 개발하고 게임에 즉시 적용할 수 있다. 이를 통해 게임 내 캐릭터의 외모, 행동, 대화 등을 자동으로 생성하고 다양한 상황에 대응할 수 있는 인공지능 기반 캐릭터를 구현할 수 있다. 마케팅 영역에서는 효율을 극대화시키고 있다. 온라인 오픈마켓 사업자들의 주 업무는 제품 홍보글 작성, 블로그 포스팅, 마케팅 이메일 발송 등이다. 이 모든 것을 생성형 AI가 쉽게 만들어 준다. 실제로 한국의 한 마케팅회사는 생성형 AI를 활용해 과거 5시간 이상 소요되었던 1,000자의 광고 문구와 새 웹사이트에 들어갈 카피 문구를 10분의 1에 불과한 30분으로 단축할 수 있었다. 교육관련 분야는 많은 부분에서 활용될 수 있다. 먼저 개인화 학습 영역에서 생성형 AI를 활용하여 학생들에게 맞춤형 학습 경험을 제공할 수 있다. 학생의 학습 데이터를 분석하여 개인의 학습 스타일, 강점, 약점을 파악하고 그에 따라 적합한 학습 자료를 생성하거나 맞춤형 문제를 제공할 수 있다. 생성형 AI는 다양한 산업, 문화 및 교육 분야에서 혁신적인 방식으로 활용될 수 있다. 이는 효율성 향상, 창의성 개발, 맞춤화된 경험 제공 등의 많은 장점을 가져다줄 수 있다. 생성형 AI의 사회적 영향력은 점점 더 커지고 있고 그에 따른 우려 사항도 많아지고 있다. 생성형 AI를 업무 효율화와 생산성 증대, 새로운 가치 창출을 위해 기존 업무에 활용해 보려는 기업들의 관심도 높아지고 있다. 다만, 생성형 AI도 장‧단점을 함께 가진 신기술인 만큼 기업 내부에 적용하는데 있어 경영진들의 다각적인 고민이 필요하다. 생성형 AI는 질문(프롬프트)을 통해 답변을 생성한다. 내가 원하는 답변을 얻기 위해서는 사전에 답변에 필요한 상세한 설명을 먼저 제시하고 질문을 해야 하기 때문에 이때 기업의 정보 유출 문제가 생긴다. 그래서 데이터의 보안 문제에 따라 외부 상용 AI 서비스를 활용할 것인지 아니면 자체적으로 내부 개발할 것인지에 대해서도 고민이 필요하다. 생성형 AI 도입에 따라 기업의 각 비즈니스 부문별 다양한 변화가 예상된다. 생성형 AI의 도입은 일하는 방식의 큰 변화를 가져올 수 있으므로 내부 직원들이 혼란스러워할 수 있다. 그렇기 때문에 활용 가치가 큰 부서부터 단계별로 도입하는 것이 바람직하다. 또한 직원들이 생성형 AI와 같은 신기술 도입에 대한 거부감을 줄이는 조직 문화적 활동도 추진해야 한다. 새로운 업무 방식이 자신의 기존 노하우와 일자리를 위협한다는 불안 심리와 새로운 업무 방식을 익히는 일이 번거롭게 생각할 수 있기 때문이다. 그러나 머지 않아 많은 기업들이 생성형 AI를 단계별로 도입하여 AI 기반 업무 활용 및 자동화를 통해 업무 속도와 효율성을 높이고, 더욱 복잡하고 고도화된 업무에 집중할 수 있게 되면서 전반적인 업무 생산성이 높아질 것으로 기대된다. 생성형 AI의 가능성과 미래 진화 방향 생성형 AI를 통해서 누구나 관련된 정보를 쉽게 얻을 수 있기 때문에 전문적인 지식을 가지고 있지 않아도 전문적인 글을 만들어 낼 수 있고, 더 나아가 이를 통해서 내가 하고 있는 관련된 일에 상상 이상의 도움을 받을 수 있기 때문에 앞으로 많은 성장 가능성을 가지고 있다. 모든 사람, 모든 분야, 모든 산업에 대한 파급력은 어마어마할 것으로 예상된다. 또한 ‘ChatGPT를 잘 활용하는 사람이 활용하지 않는 사람을 대체(代替)’ 할 가능성도 점점 높아질 것으로 예상된다. 인간을 능가한 인공지능, 인간을 위한 대응이 즉시 필요 새로운 인공지능(AI) 모델 GPT-4o(Omni) 출시와 함께 전세계가 다시 오픈AI에 집중하고 있다. 이 모델은 사람처럼 보고 듣고 말하며 사용자와 실시간 대화를 할 수 있다. 10여 년 전 개봉한 공상과학(SF) 영화 ‘허(Her)’에서 묘사한 ‘인격형 AI’가 현실이 되었다. 이제 정말 인공지능과 친구처럼 대화할 수 있는 시대가 시작된 것이다. 사용자와 실시간으로 대화하는 것은 기본이고, 사용자의 말투와 억양을 분석해 현재의 기분을 파악하고, 이미지를 실시간으로 분석해 수학 문제의 답을 맞힐 수 있다. 인간이 주로 사용하는 텍스트, 시각, 청각 데이터를 종합적으로 분석하고 사람과 같이 영상을 보면서 실시간성으로 대화를 할 수 있다. 이 책에서는 생성형 AI가 실제 적용된 다양한 사례를 통해 AI를 잘 사용할 수 있도록 함으로써 부를 창출하고 경쟁력을 갖출 수 있는 방안을 제시해줄 것이다. 

챗GPT 업무활용 가이드북   제작일 : 2024년 6월 제작처 : 한국방송통신전파진흥원    2024 ChatGPT 업무활용 가이드북 이 가이드북은 한국방송통신전파진흥원(KCA) 직원들이 ChatGPT를 비롯한 생성형 AI를 효율적으로 업무에 활용할 수 있도록 돕기 위해 제작된 것입니다. 일상적인 사용 예시는 생략하고, KCA의 업무를 중심으로 ChatGPT의 사용법과 활용 사례를 상세히 설명하고 있습니다. 이 보고서는 ChatGPT와 같은 생성형 AI를 활용해 공공기관과 기업이 업무 효율성을 높일 수 있는 구체적인 방법을 제시합니다. 특히, 업무 프로세스를 자동화하고, 문서 작성과 데이터 분석, 행사 준비 등 다양한 업무에 사용하는 사례를 자세히 소개함으로써 ChatGPT를 적용하여 시간과 자원을 절감하는 데 큰 도움을 줄 수 있습니다.    목차 ChatGPT란 무엇인가 ChatGPT 개요 ChatGPT 시작하기 ChatGPT 100배 활용하기 ChatGPT 활용 시 유의사항 ChatGPT 업무활용 사례 일반 업무 이메일 작성 행사·회의 준비 설문조사 아이디어 얻기 자료 수집 및 분석 문서 작성 PowerPoint 제작 부록 기타 유용한 생성형 AI   활용 방법   공공기관 근무자: 효율성 극대화: 이메일 작성, 설문조사, 회의록 작성 등 반복적인 업무를 ChatGPT를 통해 자동화함으로써 업무 효율을 극대화할 수 있습니다. 정책 및 문서 작성 지원: 정책 문서나 보고서를 작성할 때, ChatGPT의 데이터를 활용해 초안을 빠르게 작성하고, 필요한 부분을 수정하여 최종 문서를 작성할 수 있습니다. 행사 및 회의 준비: 행사나 회의 준비 시, 프로그램 구성부터 시나리오 작성, 후속 조치에 이르기까지 전체 과정을 ChatGPT의 도움을 받아 효율적으로 진행할 수 있습니다. 디자이너: 창의적인 아이디어 도출: ChatGPT를 활용하여 새로운 디자인 아이디어, 슬로건, 카피라이팅 등을 신속하게 생성할 수 있습니다. 이를 통해 창의적 작업의 초기 단계에서 다양한 아이디어를 탐색할 수 있습니다. 데이터 분석 및 자료 수집: 디자이너가 필요한 시장 조사나 트렌드 분석 자료를 ChatGPT를 통해 손쉽게 수집하고 분석할 수 있습니다. 프레젠테이션 자료 작성: PowerPoint 제작 시, 자료의 구성 및 디자인을 빠르고 효과적으로 준비할 수 있습니다. 이 가이드북은 ChatGPT를 중심으로 다양한 생성형 AI의 활용 가능성을 소개하며, 공공기관과 기업이 업무의 효율성을 높이고 창의적 아이디어를 도출하는 데 유용한 도구로 활용될 수 있는 방법을 제시합니다. 이를 통해 조직 내에서의 AI 활용이 보다 체계적이고 전략적으로 이루어질 수 있습니다.  

디자인 방식을 바꾸는  게임 체인저, 생성형 AI와 발전방향   생성형 AI와 그래픽에 대한 관심이 높아지고 있는 가운데, 서울미디어대학원대학교(SMIT) 유훈식 교수는 인공지능디자인협회 설립, AI 디자이너 커뮤니티 오픈채팅방 운영, 유튜브 등 다양한 활동으로 주목받고 있다. 한편, 9월 27일 진행되는 ‘코리아 그래픽스 2024’에서 추진 위원장을 맡은 유훈식 교수는 기조연설을 통해 관련 업계의 트렌드를 소개할 예정이다.   ■ 진행 : 최경화 국장 / 정리 : 박경수 기자     본인에 대한 소개를 부탁드린다 주로 AI에 대한 UI 디자인, 자율주행 자동차나 로봇 이런 것에 대한 인터페이스가 어떻게 설계되어야 하는지 등에 대한 연구들을 많이 진행했다. 특히 최근 3년 정도는 생성형 AI가 촉발되는 시점부터 주요 기술들을 눈여겨보다가 AI가 디자인 쪽에 미치는 영향이 굉장히 클 것으로 생각해 연구의 방향을 바꾸었다. 교육 관련해서도 방향을 좀 바꿔서, 지금은 AI를 활용한 디자인에 관심을 갖고 진행하고 있다. 그동안 디자이너가 많이 해왔던 것들이 디자인 싱킹으로 변화를 주었다면 이제는 AI의 접목을 통해서 어떻게 활용할 것인가, 또 창의적인 디자인에는 그동안 해왔던 UX/UI 디자인과 AI를 활용한 디자인을 어떻게 교육 등에 활용할 수 있을지 고민하고 있다.   최근 하고 있는 활동은 어떤 것이 있는지 작년에 인공지능디자인협회를 다른 분들과 같이 만들었다. 이 협회에서는 커뮤니티를 통해 같이 모여서 서로 토의하고 논의할 수 있는 장을 만들기 위한 노력을 기울이고 있다. 특히 생성형 AI에 대한 관심이 높다 보니 오픈 채팅방과 세미나 형태로 모이고 있다. 많은 분들이 관심을 가지고 소통하면서 장들을 만들어 가고 있어서 그 점이 좋다고 생각한다. 또한 인공지능디자인협회에서는 AI 디자인 세미나를 개최해서 AI 디자인 쪽 관련된 전문가분들과 사례를 공유하고 있다.   생성형 AI가 컴퓨터 그래픽 시장에서도 많은 영향을 미치고 있다. 실제 어떤 영향을 미치고 있으며 예상되는 변화는 무엇인지 그래픽 시장은 거의 모든 분야에 영향을 미치고 있다. AI 도입으로 작업 방식과 결과물 모두에 영향을 주고 있다고 생각한다. 기존의 그래픽 작업에서는 영상을 편집하거나 3D 관련된 도구들을 활용했다. 최근에는 이런 것들의 앞단에 생성형 AI가 배치되면서 대규모 언어 모델(LLM)인 챗GPT(ChatGPT)나 클로드(Claude) 등을 사용해 디자인 기획을 하고, 미드저니(Midjourney)나 스테이블 디퓨전(Stable Diffusion) 같은 AI 툴을 이용해 이미지와 영상을 새롭게 생성하는 방식으로 바뀌고 있다. 기본적으로 이런 AI가 활용되면서 콘텐츠를 만드는 시각화 작업의 형태가 완전히 바뀌었다고 생각한다.    제조/건축 산업에서 생성형 AI는 어느 정도 적용되고 있다고 보는지 건축이나 제조, UI 디자인 등의 분야에서 실무자가 사용하는 최종 도구의 경우 AI와는 아직 간극이 있다. 따라서 생성형 AI는 개인적으로 학습하거나, 관련 툴을 돌려서 쓰거나, 이미지를 새롭게 변환시키는 등의 형태로 활용되고 있다.  그동안 만들어 왔던 결과물의 아웃풋 스타일이나 감각이 있는데, 이러한 것들에 AI가 많이 개입되면서 지금은 AI로 만든 디자인 결과물이 많아졌다. 하지만 아직 AI에도 한계는 있다고 생각한다. 그러나 이런 것들도 AI가 학습이 늘어남에 따라 특화된 이미지들을 더 많이 생산할 수 있게 되면 나중에는 더 멋진 결과물을 만들 수 있을 것 같다. 해외의 경우, 자하 하디드 건축사무소 같은 곳에서도 AI를 적극적으로 활용하고 있다.    생성형 AI 시대가 되다 보니 크리에이터가 편해졌다는 견해도 있는데 창작자에게 무척 좋은 시대가 됐다고 생각한다. 특히 일반인이 뭔가를 창작하기에 너무나 좋은 시대가 됐다. 반면에 디자이너에게는 어려운 시대인 것 같다. 누구나 쉽게 퀄리티 있는 결과물을 만들 수 있게 되다 보니, 디자이너도 생성형 AI의 활용 능력을 갖춰야먄 더 전문성을 가질 수 있다고 생각한다. 생성형 AI를 활용할 수 있어야 기존의 디자이너도 훨씬 더 높은 생산성과 효율을 낼 수 있을 것이다. 이제는 진짜 전문적인 능력을 갖춰야 생존할 수 있는 시대라고 생각한다.    생성형 AI의 향후 발전 방향에 대해서는 어떻게 전망하는지 AI를 이용해 콘텐츠를 잘 만든다고 해도 다른 사람들이 정말로 필요로 하는 것인지가 중요한 문제다. 크리에이터는 실제 콘텐츠를 잘 제작하고 창작할 수 있어야 한다. 따라서 크리에이터는 프롬프트를 잘 쓰는 것 외에도 디자인 툴을 잘 다룰 수 있어야 한다. 즉, 두 가지 모두 잘 할 수 있어야 한다. 중요한 건 AI 활용 기술이 있어야 한다는 점이다.    생성형 AI 시대를 살아갈 크리에이터에게 조언을 부탁드린다 프롬프트 엔지니어링을 통해 내가 원하는 어떤 이미지를 창작한다든지, 내가 원하는 영상을 만든다든지, 내가 원하는 시나리오를 AI로 만들 수 있는 시대가 됐다. AI를 잘 세팅할 수 있어야 하고, 잘 다룰 수도 있어야 한다. 또한 AI에 대한 이해와 함께 기술적인 능력도 필요하다고 생각한다. 중요한 건 결국 인간에 대한 이해로 접근해야 한다는 점에서 밸런스가 필요하다고 생각한다.  기술만 가진 분들은 생성형 AI 교육을 한다고 해도 괜찮은 콘텐츠를 만들 가능성이 낮다. 정말 필요한 결과물을 잘 만들려면 인문학적인 감성을 가진 분들이 조금 더 AI에 대해 깊게 공부한다면 사람들에게 필요한 것들을 만들어낼 수 있을 것이라고 본다.      ■ 기사 내용은 PDF로도 제공됩니다.