매스웍스(MathWorks)는 국내 대학생들이 인공지능(AI) 실무 역량을 강화하고, 다양한 산업 분야에서의 AI 기술 활용 가능성을 확대할 수 있도록 ‘제5회 매트랩(MATLAB) 대학생 AI 경진대회’를 개최한다고 밝혔다. 국내 대학교에 재학 중인 대학생 및 대학원생이라면 누구나 개인 또는 팀으로 참가할 수 있다. 오는 5월 30일까지 참가 신청을 받으며, 예선에서는 프로젝트 주제 설명과 매트랩을 활용한 솔루션 구현 계획을 제출해야 한다. 최종 우승자는 9월에 발표될 예정이다. 이번 대회 참가자들에게는 AI 기반 시스템을 구현할 수 있도록 매트랩과 시뮬링크(Simulink)를 포함한 다양한 매스웍스 제품들을 자유롭게 사용할 수 있다. 또한 매스웍스는 예선 통과자를 대상으로 매스웍스 엔지니어가 직접 진행하는 온라인 교육을 개최할 예정이다. 온라인 교육에서는 ‘딥러닝 온램프(Deep Learning Onramp)’와 같은 자기 주도형 온라인 교육과정을 활용해 학생들이 매트랩의 다양한 기능을 보다 쉽게 탐색하고, 실제 프로젝트의 완성도를 높일 수 있는 실용적인 방법을 제공받는 기회가 마련될 예정이다. 올해로 5회째를 맞이한 본 대회는 대학생들이 매트랩과 시뮬링크를 활용해 실생활의 다양한 문제를 창의적으로 해결하고, AI 기술을 실질적으로 적용할 기회를 제공하기 위해 마련됐다. 2021년 첫 개최 이후, 매해 참가자 수, 참가 주제, 매스웍스 툴의 활용도 면에서 꾸준한 성장세를 보이고 있으며, 특히 작년 대회에서는 1인 가구, 고령화, 교통, 환경 등 사회적 변화에 대응하는 시의성 높은 프로젝트들이 실질적인 응용 가능성과 기술적 우수성을 선보였다.  최종 결선에 진출한 세 팀에게는 각각 1등 200만 원, 2등 100만 원, 3등 50만 원의 우승 상금이 수여된다. 심사는 매스웍스의 AI 전문가들이 진행하며 AI 모델 구축의 타당성 및 혁신성 등을 종합적으로 검토할 예정이다. 특히 올해에는 매트랩을 비롯한 매스웍스 툴 활용 능력을 중점적으로 심사해 참가자들의 기술 역량과 문제 해결 능력을 다각도로 분석할 계획이다.  김경록 매스웍스코리아 교육 기관 세일즈 매니저는 “매트랩과 시뮬링크는 AI와 엔지니어링을 통합하는 강력한 플랫폼으로, 매스웍스코리아는 학계 및 산업계와 긴밀히 협력하여 기술 확산과 인재 양성에 힘쓰고 있다”며 “이번 경진대회 참가자들은 매스웍스가 제공하는 다양한 툴과 교육 콘텐츠를 활용해 실제 산업에 적용 가능한 AI 프로젝트를 직접 구현해볼 수 있다. 이를 통해 참가자들은 실무 역량을 키우고 미래 AI 전문가로 성장하는 발판을 마련할 수 있을 것"이라고 말했다.   제5회 매트랩 대학생 AI 경진대회에 대한 자세한 사항 및 참가 신청은 매스웍스코리아 홈페이지에서 확인할 수 있다.

트렌드에서 얻은 것 No. 22    AI 시대, 우리는 어떤 미래를 만들어갈 것인가?” – 젠슨 황   AI의 거대한 파도, 엔비디아가 만드는 미래 엔비디아는 2024년과 2025년 GTC(GPU Technology Conference)에서 AI 기술을 통해 산업 전반에 걸친 변화를 이끌어가고 있다. 젠슨 황은 기조연설에서 기술 혁신이 사회적, 경제적 구조를 재편하는 ‘변화의 파도’라고 강조하며, 엔비디아가 그 중심에서 미래를 설계하고 있음을 확신시켰다.  엔비디아는 두 해 동안 AI 혁신을 가속화하며 다양한 제품과 플랫폼을 선보였다. 2024년에는 GB200 AI 플랫폼과 블랙웰(Blackwell) DGX B200 GPU를 통해 성능 향상에 초점을 맞췄다면, 2025년에는 블랙웰 울트라(Blackwell Ultra) 기반의 NVL72 등 차세대 하드웨어와 지속 가능성을 강조하며 더 큰 비전을 제시했다.   표 1. 2024년과 2025년 엔비디아의 주요 발표 비교   인공지능 혁명의 변곡점에서 인류는 늘 기술의 발전과 함께 새로운 시대를 맞이해 왔다. 산업혁명이 증기기관과 전기를 통해 생산 방식을 혁신했던 것처럼, 디지털 혁명은 인터넷과 스마트폰을 통해 세상을 연결했다. 그리고 지금, 우리는 또 하나의 거대한 변곡점에 서 있다. 바로 AI 혁명이다. 2025년 3월, 엔비디아의 GTC에서 젠슨 황 CEO는 기조연설을 통해 AI가 변화의 중요한 시점에 도달했음을 선언했다. 그는 AI가 단순한 도구를 넘어 ‘스스로 사고하고 결정하는 존재’로 발전하고 있으며, 이 거대한 변화가 기업, 산업, 그리고 인간의 삶 전반에 걸쳐 영향을 미칠 것이라고 강조했다. 이번 GTC 2025에서 가장 주목받은 키워드는 에이전틱 AI(agentic AI)와 추론 AI(reasoning AI)였다. 기존의 AI가 데이터를 분석하고 패턴을 찾는 데 주력했다면, 이제 AI는 자율적으로 목표를 설정하고 스스로 문제를 해결하는 방향으로 나아가고 있다. 이러한 변화는 단순한 업그레이드가 아니라, AI 산업 전반의 패러다임을 뒤흔드는 파도와 같다. 이러한 흐름 속에서 엔비디아는 블랙웰 GPU라는 차세대 칩을 공개하며, 인공지능 모델의 효율성을 비약적으로 향상시키는 새로운 하드웨어 시대를 열었다. 또한 옴니버스 클라우드 API(Omniverse Cloud API), AI 팩토리(AI Factories) 등의 개념을 통해 AI가 단순한 연구 도구가 아니라, 실제 산업을 자동화하고 혁신하는 핵심 인프라로 자리 잡아가고 있음을 보여주었다. 그렇다면 우리는 이러한 변화의 바람 속에서 어떤 선택을 해야 할까? AI 혁명의 파도를 넘는 기업과 뒤처지는 기업의 차이는 무엇일까? 엔비디아의 발표를 중심으로 AI 산업이 어디로 흘러가고 있는지, 그리고 그 변화 속에서 우리는 무엇을 준비해야 하는지를 하나씩 짚어보자. “AI가 단순한 연구 프로젝트에서 벗어나, 본격적인 산업 혁신의 중심으로 자리 잡는 것” – 젠슨 황   블랙웰, AI의 새로운 엔진 기술 혁신의 역사는 더 빠르고 더 강력하며 더 효율적인 도구를 만들려는 인간의 끝 없는 도전과 함께 발전해 왔다. AI 산업도 예외가 아니다. 과거에는 단순한 이미지 분석과 음성 인식이 AI의 주요 활용 분야였다면, 이제는 스스로 학습하고 결정을 내리며 복잡한 문제를 해결하는 AI가 요구되고 있다. 하지만 이런 고도화된 AI 모델을 운용하려면 엄청난 연산 능력이 필요하며, 이를 뒷받침할 강력한 하드웨어가 필수이다. GTC 2025에서 젠슨 황이 가장 먼저 소개한 것은 블랙웰 GPU였다. 그는 “AI의 미래를 가속하는 가장 강력한 엔진”이라며, 블랙웰이 기존 호퍼(Hopper) 아키텍처를 넘어선 새로운 시대의 핵심 기술이라고 강조했다. 그렇다면 블랙웰 GPU는 무엇이 다를까? 블랙웰 GPU는 기존 호퍼 아키텍처 대비 연산 성능이 2배 이상 향상되었으며, 특히 대규모 AI 모델을 실행할 때의 전력 효율이 4배 증가했다. 이는 곧 더 적은 에너지로 더 강력한 AI 모델을 훈련하고 실행할 수 있다는 의미다. 젠슨 황은 연설에서 “블랙웰은 단순한 속도 개선이 아니라, AI 연구자들이 더 크고 복잡한 모델을 현실적으로 활용할 수 있도록 지원하는 플랫폼”이라고 설명했다. 이제 AI 연구자는 엄청난 비용을 감수하지 않고도 보다 정교한 생성형 AI, 실시간 데이터 처리, 고도화된 시뮬레이션 등을 구현할 수 있게 되었다. 엔비디아는 블랙웰 GPU와 함께 옴니버스 클라우드 API를 발표했다. 이는 단순한 클라우드 컴퓨팅 설루션이 아니라, AI 모델 개발 및 실행을 위한 강력한 협업 플랫폼이다. 옴니버스 클라우드 API는 데이터센터, AI 연구소, 기업의 IT 인프라를 하나의 거대한 AI 네트워크로 연결하여, 개발자들이 실시간으로 협업하고 AI 모델을 학습할 수 있도록 지원한다. 이는 특히 자율주행, 산업 자동화, 로보틱스 같은 분야에서 AI의 혁신 속도를 극적으로 끌어올릴 것으로 기대된다. 젠슨 황은 “AI 개발은 더 이상 한 기업이나 연구소만의 일이 아니다. 옴니버스 클라우드 API를 통해 전 세계의 AI 개발자가 하나로 연결될 것”이라며, AI 연구의 새로운 생태계를 제시했다. 또 한 가지 주목할 점은 AI 팩토리(인공지능 공장) 개념이다. 젠슨 황은 AI를 ‘새로운 산업 혁명의 동력’으로 표현하며, AI 팩토리가 데이터를 가공하고 AI 모델을 대량으로 생산하는 핵심 인프라가 될 것이라고 설명했다. 이 개념을 이해하려면 기존 제조업과 비교해보면 쉽다. 과거에는 자동차나 전자제품을 생산하는 공장이 경제의 중심이었지만, 미래에는 AI를 학습하고, 최적화하고, 배포하는 ‘AI 공장’이 가장 중요한 인프라가 될 것이다. 젠슨 황은 AI 팩토리가 AI 기반 자율주행, 로봇, 데이터 분석, 금융 모델링 등 다양한 산업에서 필수 역할을 하게 될 것이라고 강조했다. 블랙웰 GPU, 옴니버스 클라우드 API, AI 팩토리는 단순한 기술 발전이 아니다. 이들은 AI가 단순한 연구 프로젝트에서 벗어나 본격적인 산업 혁신의 중심으로 자리 잡는 것을 의미한다. 과거에도 GPU의 성능 향상이 AI 산업에 변화를 가져온 적이 있다. 2012년 알렉스넷(AlexNet)이 GPU 가속을 이용해 딥러닝의 가능성을 처음 보여줬고, 2017년 트랜스포머(transformer) 모델이 등장하며 자연어 처리 AI가 급격히 발전했다. 그리고 2025년에는 블랙웰이 AI의 자율성과 창의성을 한 단계 끌어올리는 전환점이 될 것이다. 젠슨 황이 기조연설에서 블랙웰을 소개하며 한 말이 특히 인상적이었다. “AI는 이제 단순한 도구가 아니라 스스로 사고하고 결정하는 존재로 나아가고 있다.” 이 말은 곧, 우리가 맞이할 AI의 미래가 이전과는 전혀 다른 차원이라는 것을 시사한다. 그리고 그 변화를 가속하는 엔진이 바로 블랙웰이다. “이제 AI는 단순한 계산기가 아니라, 실제로 ‘생각하고 판단하는 존재’가 되어야 한다.” – 젠슨 황   엔비디아가 던진 화두, 에이전틱 AI와 추론 AI AI 기술의 발전은 단순히 연산 능력을 향상시키는 것에 그치지 않는다. 더 중요한 것은 AI의 ‘사고 방식’이 바뀌고 있다는 점이다. 지금까지의 AI는 데이터를 학습하고 패턴을 인식하는 역할을 해왔다. 하지만 이제 AI는 스스로 목표를 설정하고, 상황에 맞게 판단하며, 능동적으로 문제를 해결하는 방향으로 진화하고 있다. GTC 2025에서 젠슨 황이 강조한 에이전틱 AI와 추론 AI는 바로 이러한 변화의 핵심 개념이다. 그는 이 두 가지 개념이 AI를 단순한 도구에서 ‘자율적 지능’으로 변화시키는 결정적 요소라고 설명했다. 그렇다면 에이전틱 AI와 추론 AI는 무엇이며, 어떤 변화를 가져올까? 에이전틱 AI의 핵심은 AI가 인간의 지시 없이도 능동적으로 목표를 설정하고, 실행할 수 있도록 만드는 것이다. 기존의 AI는 주어진 데이터와 명령에 따라 최적의 결과를 도출하는 ‘수동적’ 존재였다. 하지만 에이전틱 AI는 스스로 목표를 설정하고, 문제를 해결하는 ‘능동적’ 존재로 변하고 있다. 젠슨 황은 에이전틱 AI를 활용하면 인간이 직접 개입하지 않아도 AI가 알아서 문제를 해결하는 시대가 열린다고 강조했다. 추론 AI는 한 단계 더 나아가, AI가 단순한 패턴 인식을 넘어 논리적 사고를 수행할 수 있도록 만드는 기술이다. 기존 AI 모델은 데이터를 학습하고 특정 패턴을 기반으로 예측을 수행했지만, 그 과정에서 왜 이런 결론이 나왔는지 설명하지 못하는 경우가 많았다. 그러나 추론 AI는 AI가 논리적인 판단을 수행하고, 의사결정의 과정을 설명할 수 있도록 하는 것을 목표로 한다. 젠슨 황은 “이제 AI는 단순한 계산기가 아니라, 실제로 ‘생각하고 판단하는 존재’가 되어야 한다”며, 추론 AI가 향후 AI 발전의 핵심이 될 것이라고 강조했다. 젠슨 황이 강조한 에이전틱 AI와 추론 AI는 개별적인 개념이 아니라, 서로 결합될 때 가장 강력한 시너지를 발휘한다. 에이전틱 AI는 AI가 스스로 목표를 설정하고, 문제를 해결할 수 있도록 한다. 추론 AI는 AI가 단순한 계산이 아니라, 논리적 사고를 통해 최적의 결정을 내릴 수 있도록 한다. 이 두 가지가 결합되면, AI는 단순한 보조 도구를 넘어서 ‘진정한 지능(Artificial General Intelligence : AGI)’에 가까워질 것이다. 이러한 AI의 발전은 산업 전반에 걸쳐 거대한 변화의 파도를 일으킬 것이며, 기업들은 단순한 AI 도입을 넘어서 AI를 기업 전략의 중심으로 삼아야 하는 시점에 이르렀다. “AI 팩토리를 구축하여 AI 자체를 ‘생산하는 능력’을 가져야 한다.” – 젠슨 황   AI 팩토리, AI 혁명을 생산하는 공장 이제 AI는 단순한 소프트웨어가 아니라 하나의 ‘산업’으로 성장하고 있다. GTC 2025에서 젠슨 황이 강조한 개념 중 하나가 바로 AI 팩토리(인공지능 공장)이다. 그는 AI 팩토리를 가리켜 ‘미래 산업의 심장’이라고 표현했다. 그렇다면 AI 팩토리란 무엇이며, 왜 중요할까? 이 개념이 가져올 변화는 무엇일까? 기존의 데이터센터는 단순한 컴퓨팅 인프라였다. 하지만 AI 팩토리는 데이터를 학습하고, AI 모델을 훈련하며, 새로운 AI 설루션을 ‘생산’하는 역할을 한다. 즉, AI가 AI를 만들어내는 공장이다. 젠슨 황은 AI 팩토리를 자동차 산업에 비유하며 설명했다. “과거에는 사람이 손으로 자동차를 조립했지만, 지금은 로봇이 자동차를 생산한다. AI도 마찬가지다. 미래에는 사람이 AI를 개발하는 것이 아니라, AI 팩토리에서 AI가 스스로 AI를 만들어내게 될 것이다.” 즉, AI 팩토리는 단순한 데이터 센터가 아니라 AI 혁명을 대량 생산하는 공장이 된다. 젠슨 황은 GTC 2025에서 "AI 팩토리를 구동하는 핵심 연산 장치는 블랙웰 GPU가 될 것"이라고 강조했다. AI 팩토리에서 생산되는 것은 반도체나 기계가 아니라 AI 자체다. 이 공장에서 에이전틱 AI, 추론 AI, 자율주행 AI, 생성형 AI 등이 대량으로 생산된다. 즉, AI 팩토리는 단순한 데이터 센터를 넘어 새로운 AI 산업의 허브가 된다. AI 팩토리가 등장하면 기업과 산업이 근본적으로 변화한다. 특히, 데이터를 기반으로 하는 모든 산업이 AI 팩토리를 도입할 가능56 · 성이 높다. 결국 AI 팩토리는 단순한 연구소가 아니라, 실제 AI 모델을 ‘대량 생산’하여 산업에 공급하는 핵심 인프라가 된다. 젠슨 황은 AI 팩토리의 등장이 단순한 기술 발전이 아니라 경제 패러다임의 변화라고 강조했다. 이제 기업은 단순히 AI를 도입하는 것을 넘어, AI 팩토리를 구축하여 AI 자체를 ‘생산하는 능력’을 가져야 한다. “AI를 도입하지 않는 기업은 도태될 것이다.” – 젠슨 황   AI의 도입, AI가 기업을 재설계한다 AI 혁명은 더 이상 선택이 아니다. GTC 2025에서 젠슨 황이 강조한 메시지는 명확했다. "AI를 도입하지 않는 기업은 도태될 것이다." 이제 AI는 기업 운영의 한 요소가 아니라 기업의 핵심 전략, 구조, 성장 엔진 자체로 변화하고 있다. 기업은 어떻게 AI를 도입하고 있으며, AI 도입이 비즈니스에 미치는 영향은 무엇일까? 과거 AI 도입은 단순한 자동화 도구 활용이었다. 그러나 이제 AI 도입(AI adoption)은 기업의 핵심 역량을 AI 중심으로 전환하는 과정이다. AI 도입은 이제 단순한 기술의 도입이 아니라, 기업의 전략과 문화 자체를 AI 중심으로 변화시키는 과정이다. AI 도입이 빠르게 진행될 수록, 기업들은 직접 AI를 개발하는 것이 아니라 필요한 AI 서비스를 구독하는 방식으로 활용하는 시대가 열리고 있다. AI 도입이 가속화되면서 기업들은 완전히 새로운 방식으로 운영되고 있다. 특히, 의사결정 구조, 업무 방식, 조직 문화가 AI 중심으로 변화하고 있다. 이제 AI는 단순한 도구가 아니다. AI 도입이 진행될 수록, 기업의 핵심 전략과 비즈니스 모델 자체가 AI 중심으로 변화하고 있다. 결국, AI 도입을 성공적으로 수행하는 기업만이 미래 시장에서 생존하고 성장할 수 있을 것이다.    표 2. 기존 기업 vs. AI 중심 기업의 차이점   AI는 혼자 발전할 수 없다. 모두가 함께 연결되어야 한다.” – 젠슨 황   네트워킹, AI 시대의 연결과 협업 AI가 기업의 핵심 전략이 되고 산업 전체가 AI 기반으로 재편되는 과정에서, 네트워킹(networking)의 중요성이 더욱 강조되고 있다. 과거 기업은 독립적으로 성장하는 전략을 취했지만, 이제 AI 시대에서는 기업 간 협력, 데이터 공유, AI 연구 협업이 필수이다. GTC 2025에서 젠슨 황은 이렇게 말했다. “AI는 혼자 발전할 수 없다. 모두가 함께 연결되어야 한다.” 그렇다면 AI 시대의 네트워킹은 어떻게 이루어지고 있으며, 어떤 기업이 AI 협업을 통해 새로운 가치를 창출하고 있을까? AI 네트워킹의 의미는 ‘AI는 연결을 필요로 한다’로 해석된다. AI 혁명이 가속화될 수록 기업들은 서로 연결될 필요가 있다.  즉, AI 네트워킹이란 기업들이 AI를 더 빠르고, 더 효율적으로, 더 윤리적으로 활용하기 위해 서로 협력하는 과정을 의미한다. AI 네트워킹을 실현하는 방식은 다양하지만, 현재 가장 중요한 세 가지 협력 모델을 살펴보자. AI 팜(AI farms)을 통해 개별 기업이 AI 인프라를 구축하는 부담을 줄이고, 더 빠르게 AI를 도입할 수 있다. AI 얼라이언스(AI alliance)를 통해 기업들은 경쟁이 아닌 협력을 기반으로 AI 혁신을 가속화하고 있다. 즉, AI 데이터 공유는 이제 개인정보 보호를 유지하면서도 기업들이 협력할 수 있는 새로운 방식으로 발전하고 있다. AI 네트워킹이 활성화됨에 따라, 기업들은 완전히 새로운 방식으로 연결되고 협력하고 있다. AI 시대에는 한 산업 내에서 경쟁하는 것이 아니라, 다양한 산업과 연결되는 것이 핵심 전략이 된다. 결과적으로, AI 네트워킹을 활용하는 기업들은 새로운 기회를 창출하고, 더 빠르게 AI 중심으로 전환하고 있다. “AI 혁명은 이제 되돌릴 수 없는 변곡점에 도달했다. 우리는 AI와 함께 새로운 미래를 설계해야 한다.” – 젠슨 황   AI 시대의 미래, 우리는 어디로 가는가 AI 혁명은 이제 단순한 기술 발전을 넘어 산업, 사회, 인간의 삶 자체를 근본적으로 변화시키고 있다. GTC 2025에서 젠슨 황은 말했다. “AI 혁명은 이제 되돌릴 수 없는 변곡점에 도달했다. 우리는 AI와 함께 새로운 미래를 설계해야 한다. ”그렇다면 AI의 미래는 어디로 향하고 있으며, 우리는 AI와 함께 어떤 세상을 만들어가야 할까? 에이전틱 AI와 추론 AI의 발전이다. 즉, AI가 단순한 ‘도구’가 아니라, 인간과 협력하는 ‘실제적인 파트너’가 되는 시대가 다가오고 있다. 기존의 AI는 패턴을 학습하는 방식이었다. 그러나 추론 AI는 스스로 논리적으로 사고하고 추론하는 능력을 갖춘다. 즉, AI가 더 이상 단순한 자동화 도구가 아니라, 지능적인 사고를 할 수 있는 존재로 변화하고 있다. AI가 점점 더 지능적으로 발전하면서, 우리는 ‘AI와의 관계를 어떻게 설정할 것인가’라는 근본적인 질문을 마주하게 되었다. 이제 AI는 단순한 도구를 넘어, 인간과 협력하여 새로운 가치를 창출하는 존재로 변화하고 있다. AI가 고도화될 수록 우리는 AI의 윤리적 문제와 사회적 책임에 대한 고민을 깊게 해야 한다. 결과적으로, 각국이 AI 규제와 발전 전략을 다르게 설정하면서 AI 패권 경쟁이 더욱 치열해지고 있다. AI는 단순한 기술이 아니라, 인류가 새로운 방식으로 사고하고 일하고 살아가는 방식을 바꾸는 거대한 전환점이 되고 있다. “AI는 이제 단순한 도구가 아니라, 스스로 사고하고 결정하는 존재로 나아가고 있다.” – 젠슨 황   변화의 바람을 넘어, AI와 함께 새로운 항해를 시작하다 AI 혁명은 거대한 바람이 아니라, 이제는 우리가 타고 항해해야 할 파도다. 과거에는 변화가 두려운 것이었다. 그러나, AI와 함께라면 우리는 변화 속에서도 새로운 기회를 창출할 수 있다. 엔비디아 GTC 2025에서 젠슨 황이 던진 질문을 기억하자. “AI 시대, 우리는 어떤 미래를 만들어갈 것인가?” 이제 우리는 AI와 함께 새로운 항해를 시작할 준비를 해야 한다.   그림 1. 엔비디아 기업 성장 맵(GTC 2024, 2025, Map by 류용효) (클릭하면 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.

디지털 지식전문가 조형식의 지식마당   지난 2월호 칼럼에서 필자는 현재 인공지능의 약점으로 현실의 물리적 특성에 대한 이해도가 떨어진다고 짚었다. 그래서 물리적 AI(physical AI)가 필요하다고 이야기한 적이 있다. 물리적 AI란 현실의 물리적 현상을 이해하는 인공지능을 의미한다. 최근의 발전된 대규모 언어 모델(LLM)과 지속적으로 발전하고 있는 인공지능 멀티모달이 우리를 놀라게 하고 있다. 그러나 인공지능 기술(AI technology)과 디지털 트윈 기술(digital twin technology)이 넘어야 할 큰 산이 있다. 인간들은 현실의 물리적 현상에 대해서 경험치가 풍부하다. 하지만 이 두 기술은 현실 세계에 대한 물리적 경험치가 많이 부족하다. 그래서 어떤 대답이나 결정이 현실 세계와 동떨어져서 사람들을 실망시키거나 놀라게 한다. 그래서 사전학습(pretraining)을 하기도 한다. 그러므로 물리적 AI와 물리적 디지털 트윈(physical digital twin)의 기술 결합이 필요하다. 최근에는 인공지능 분야에서 세계 기반 모델(world foundation model)에 관한 연구가 주목 받고 있다. 세계 기반 모델은 대규모 멀티모달 AI 모델로, 텍스트, 이미지, 음성, 영상, 코드 및 시뮬레이션 데이터를 학습한 모델로, 현실의 물리적인 특성은 물론 사회적과 경험적, 문화적 특성을 이해할 수 있는 인공지능 모델이라고 할 수 있다. 이 기반 모델(foundation model)은 인공지능 분야에서 최근 관심을 받고 있는 개념으로, 다양한 물리적 환경과 현실 세계의 데이터를 기반으로 학습하여 세계를 이해하고 예측하는 대규모 AI 모델을 의미한다. 이 모델은 현실 세계의 물리 법칙, 사회적 상호작용, 환경적 요소 등을 통합적으로 이해하고 시뮬레이션할 수 있도록 설계된다. 물리적 디지털 트윈은 디지털 트윈을 세계 기반 모델로 학습시킨 디지털 트윈이라고 할 수 있다. 현재 디지털 디지털 트윈의 의사결정이 빅데이터나 기계 학습 수준이라면 이것은 딥러닝이라고 할 수 있다. 딥러닝은 전이학습(transfer learning)이나 추론(reasoning)이 가능하다. 현재의 디지털 트윈 개발 환경은 몇 년 전의 챗GPT같은 인공지능 기반 모델이 나오기 전과 비슷하다. 산업 분야 별로 표준화도 없고, 각각의 필요에 따라서 매번 개발해야 하고, 다시 재사용하는 부분도 상대적으로 적어서 개발 비용이 사용자의 기대감에 비해서 매우 비싸고, 저렴한 것은 범용성이 거의 없는 편이다. 그리고 디지털 트윈 내부의 의사결정 법칙을 만들거나 인공지능에 필요한 빅 데이터와 학습 데이터 비용이 많이 필요하다.   그림 1. 물리적 인공지능과 물리적 디지털 트윈의 결합(출처 : 챗GPT로 생성)   제품 개발과 생산과 유지보수 분야에서 디지털 트윈과 AI의 결합은 많은 장점이 있다. 디지털 트윈과 AI를 결합하면 각 기술의 장점을 극대화할 수 있다. 향상된 예측 및 분석 : AI는 디지털 트윈이 수집한 데이터를 분석하여 더 정확한 예측을 제공할 수 있다. 예를 들어, AI는 장비의 장애를 예측하거나, 성능 저하를 조기에 감지하는 데 사용될 수 있다. 자동화된 의사결정 : AI는 디지털 트윈 데이터를 기반으로 더 효율적이고 자동화된 의사결정을 가능하게 한다. 이를 통해 프로세스를 최적화하고 운영 효율성을 향상시킬 수 있다. 연속적인 학습 및 개선 : 디지털 트윈은 지속적으로 데이터를 수집하고, AI는 이 데이터로부터 지속적으로 학습하며, 시스템의 성능을 개선한다. 사용자 맞춤형 경험 : AI는 디지털 트윈을 통해 수집된 사용자 데이터를 분석하여 맞춤형 사용자 경험을 제공할 수 있다. 만약에 이것이 가능하다면 제품 개발에 필요한 수많은 도면과 CAD 파일과 CAE 작업이 혁신적으로 줄 수 있을 것이다. 물리적 디지털 트윈과 물리적 AI의 추론과 시뮬레이션으로 대체할 수 있다. 그리고 다양한 시나리오가 적용된 결과물은 동영상으로 생성해서 볼 수 있다. 물리적 인공지능과 물리적 디지털 트윈의 기술 통합은 제조 산업 분야에 엄청난 게임 체인저가 될 수 있다. 요즘 각광을 받고 있는 딥시크(DeepSeek)처럼 일반 PC에서 사용할 수 있는 오픈소스의 AI에 물리적인 특성을 이해하는 디지털 멀티모달 AI 모델과 디지털 트윈이 중소기업과 개인 엔지니어가 사용할 수 있는 수준이 된다면, 진정한 인공지능 중심의 5차 산업혁명이 올 수 있다. 이것은 모든 엔지니어에게 새로운 경험이 될 수 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.

매스웍스가 인텔의 자회사인 알테라(Altera)와 함께 알테라 FPGA(프로그래머블 반도체)의 무선 개발 가속화를 위한 협력 계획을 발표했다. 이를 통해 무선 시스템 엔지니어는 AI 기반 오토인코더를 사용해 채널 상태 정보(CSI) 데이터를 압축하고, 프론트홀 트래픽과 대역폭 요구사항을 크게 줄일 수 있게 된다. 또한 5G 및 6G 무선 통신 시스템을 다루는 엔지니어는 사용자 데이터 무결성을 보장하고, 무선 통신 시스템의 신뢰성과 성능 표준을 유지하는 동시에 비용을 절감할 수 있을 것으로 예상된다. 매스웍스는 알테라 FPGA에 특화된 AI 및 무선 개발을 강화하는 포괄적인 툴 제품군을 제공한다. ‘딥러닝 HDL 툴박스(Deep Learning HDL Toolbox)’는 FPGA 하드웨어에서 딥러닝 신경망을 구현하고자 하는 엔지니어의 요구사항을 충족한다. 딥러닝 HDL 툴박스는 ‘HDL 코더(HDL Coder)’의 기능을 활용함으로써, 사용자는 효율적인 고성능 딥러닝 프로세서 IP 코어를 커스터마이즈하고 구축 및 배포할 수 있다. 이는 표준 네트워크와 레이어를 지원함으로써 무선 애플리케이션의 성능과 유연성을 높인다. FPGA AI 스위트는 오픈비노(OpenVINO) 툴킷을 통해 널리 사용되는 산업 프레임워크의 사전 훈련된 AI 모델을 활용하여 알테라 FPGA에서 버튼 하나로 맞춤형 AI 추론 가속기 IP를 생성할 수 있도록 지원한다. 또한 FPGA AI 스위트는 FPGA 개발자가 쿼터스(Quartus) 프라임 소프트웨어 FPGA 플로를 사용해 AI 추론 가속기 IP를 FPGA 설계에 원활하게 통합할 수 있게 한다. 개발자들은 딥러닝 툴박스와 오픈비노 툴킷을 결합해 알테라 FPGA에서 AI 추론을 최적화할 수 있는 과정을 간소화할 수 있다.     알테라의 마이크 피튼(Mike Fitton) 버티컬 시장 담당 부사장 겸 총괄 매니저는 “매스웍스와 알테라의 협력을 통해 기업은 5G RAN(무선 접속 네트워크)에서 ADAS(첨단 운전자 보조 시스템)에 이르기까지 다양한 5G 및 6G 무선 통신 애플리케이션에 AI의 강력한 힘을 활용할 수 있게 됐다”면서, “개발자는 알테라의 FPGA AI 스위트(suite)와 매스웍스 소프트웨어를 활용해 알고리즘 설계부터 하드웨어 구현에 이르는 워크플로를 간소화하고, AI 기반 무선 시스템이 현대 애플리케이션의 엄격한 요구사항을 충족하도록 보장할 수 있게 됐다”고 말했다. 매스웍스의 후만 자린코우브(Houman Zarrinkoub) 수석 제품 매니저는 “AI 기반 압축은 통신 산업에 있어 매우 강력한 기술”이라며, “매스웍스 소프트웨어는 AI 및 무선 개발을 위한 강력한 기반을 제공한다. 무선 엔지니어는 매스웍스 툴과 알테라의 FPGA 기술을 통합해 고성능 AI 애플리케이션과 첨단 5G 및 6G 무선 시스템을 효율적으로 개발할 수 있다”고 말했다.

매스웍스코리아는 지난 2025년 1월 31일 종료된 ‘매트랩 AI 모델 챌린지’ 수상자를 발표했다. 이번 챌린지 참가자들은 매트랩(MATLAB) 및 시뮬링크(Simulink)를 활용해 실생활이나 산업 프로세스를 혁신적으로 개선할 아이디어를 모델링했다. 매스웍스의 엔지니어팀으로 구성된 대회 심사위원들은 매트랩 사용자 커뮤니티인 ‘파일 익스체인지(File Exchange)’를 통해 코드를 공유한 참가자들의 출품작을 평가했다. 이번 챌린지의 수상은 매스웍스상, 인기상, 평점상, 다작상, 등 4개 부문으로 진행됐다. 수상작은 주제 관련성, 기술적 우수성, 매트랩 및 기타 매스웍스 도구 활용도, 다운로드 수, 별점 평가, 제출 모델 수 등의 기준으로 선정됐다.     매스웍스상은 경북대학교의 미타 누르하야티(Mita Nurhayati)가 수상했다. 미타 누르하야티의 ‘설명 가능한 SHAP 기반 신경망 회귀 모델(Explainable Neural Network Regression Model with SHAP)’ 프로젝트는 SHAP 알고리즘을 직접 구현해 결과를 시각화한 점이 높은 평가를 받았다. 특히 설명 가능한 AI(XAI)와 관련한 실질적 사용 사례를 제시했다는 점과 매트랩 스크립트를 활용한 구현 방식은 연구자들에게 실용적인 참고자료가 될 것으로 기대된다. 인기상은 삼성전자 김근식의 ‘USB 카메라 기반 실시간 딥러닝 감정 인식 시스템’ 프로젝트가 차지했다. 이 프로젝트는 매트랩 환경에서 딥러닝 개발 워크플로를 소개하고, 실시간 데이터 처리가 가능하도록 구현했다. 또한 상세한 문서화와 단계별 사용방법 제시, GIF를 통한 데모 시연 등 사용자 친화적인 구성이 돋보였다. 평점상은 국립과학수사연구원 최영수의 ‘차량 추적 및 바퀴 감지를 위한 딥러닝 시스템’ 프로젝트가 수상했다. 이 프로젝트는 SiamFC라는 최신 AI 모델을 활용해 객체를 추적하여 차량의 속도를 예측했다. 다작상은 참신한 주제의 프로젝트들을 다수 제출한 한국생명공학연구원 팀(조수복, 김종환, 전종범, 이동윤)이 수상했다. 특히 공개 유전체 데이터인 1000G(1000Genomes Project)의 방대한 데이터를 활용하고, 깃 라지 파일 스토리지(Git-lfs)를 통한 데이터셋 접근성을 제공한 점이 높이 평가되었다. 매스웍스코리아의 이종민 대표는 “매트랩 커뮤니티를 통해 전 세계의 많은 엔지니어가 혁신적인 코드를 공유하며 AI 시스템 개발 효율을 높이고 있다”면서, “이번 챌린지를 통해 더 많은 개발자들이 매트랩 및 시뮬링크로 개발된 무료 오픈소스 코드를 활용해 혁신적인 아이디어를 실현하고 성장할 수 있길 기대한다”고 말했다.

한국오라클이 게임프로, 럭스바이옴, 레이티스트케이, 맥케이, 위솝 등 국내 스타트업 5개사에 오라클 클라우드 인프라스트럭처(OCI)를 제공했다고 밝혔다. 5개사는 OCI 컴퓨트, 스토리지 서비스, 네트워킹 및 커넥티비티 서비스 등을 통해 서비스형 소프트웨어(SaaS) 기반 스마트 설루션을 한층 더 고도화하며, 글로벌 시장에서 경쟁력을 강화할 수 있는 기반을 마련했다. 이번에 OCI를 도입한 5개사는 SaaS 개발사로, 클라우드를 기반으로 게임, 유통, 광고, 바이오 등 다양한 산업 분야에서 AI와 머신러닝 기술을 활용한 서비스 개발에 성공했다. 또한 중소벤처기업부, 창업진흥원(KISED) 및 서울과학기술대학교와 함께 진행한 글로벌 기업 협업 프로그램 ‘미라클’을 통해 선정되어, 정부와 글로벌 기업의 협력을 통해 성장을 지원받고 글로벌 시장의 진출 기회를 모색할 수 있게 됐다.     데이터 기반 e스포츠 코칭 플랫폼 ‘게임 PT’를 운영하는 게임프로는 OCI를 통해 사용자 데이터를 정밀하게 수치화하고 분석하여 맞춤형 훈련 프로그램을 혁신하는 데 성공했다. 특히 OCI의 데이터 분석 기능을 통해 작업 효율성을 높였으며, 데이터 전처리(preprocessing) 과정에서 노이즈 데이터 검토 및 불균형 데이터 처리를 위한 업/다운 샘플링 공수를 크게 줄였다. 회사는 이를 통해 기존 서비스들이 단순히 인게임(in-game) 정보에 기반한 개선점을 제안하는 데 그쳤던 한계를 넘어, 승패 상관분석 및 딥러닝 기반 추천 시스템을 활용해 정량적 맞춤형 훈련 프로그램을 개발했다. 마이크로바이옴 신약 개발 전문 스타트업인 럭스바이옴은 유전체 분석을 통해 임상 적용이 가능한 마이크로바이옴(인체 내 미생물 생태계) 소재를 신속히 발굴할 수 있는 플랫폼을 보유하고 있다. 대용량 유전체 데이터와 대사체 연계를 통한 신약 후보물질 발굴 플랫폼 운영 과정에서 기존 분석 방식은 많은 시간이 소요됐으나, OCI를 도입한 후 고성능 인프라와 AI/ML 자동화 기술을 통해 데이터 처리 속도를 10배 이상 높였다. 또한, 클라우드 기반의 확장성을 기반으로 대용량 데이터를 실시간으로 처리할 수 있는 환경을 구축하며 임상성공성이 높은 신약 후보물질의 발굴 효율성을 높였다. 해외 상품 소싱 및 관리 플랫폼 ‘키냅스’를 운영하는 레이티스트케이는 OCI 전환을 통해 현대적이고 확장 가능한 시스템 아키텍처를 구축했다. 키냅스의 상품 콘텐츠 자동화 설루션은 셀러들의 상품 등록 시간을 줄이고, AI 기반의 표준화된 상품 데이터 관리 기능을 제공한다. 특히 OCI 상의 생성형 AI 및 RAG 기술을 통해 상품 설명 생성과 키워드 추출 등 차별화된 AI 서비스를 구현했으며, 쿠버네티스 환경용 오라클 컨테이너 엔진(Oracle Container Engine for Kubernetes, OKE)  도입으로 기존 레거시 시스템을 현대화하고 클라우드 비용을 60% 절감했다. AI/빅데이터 전문 강소기업 맥케이는 생성형 AI 기술을 기반으로 맥락과 연속성을 부여한 이미지 생성 AI ‘MOAI’ 등의 설루션을 선보여 주목을 받고 있다. 맥케이는 생성형 AI 기반 서비스 운영에 필요한 고성능 GPU 및 스토리지를 확보하기 위해 OCI를 도입했으며, 합리적인 가격 옵션을 활용해 비용을 절감했다. 또한 생성형 AI 기반의 PPL(간접광고) 설루션인 reloAD 개발 및 MOAI 설루션의 고도화에 성공했다. 회사는 이를 통해 웹툰, 광고 대행사 등 다양한 분야와 성공적인 협업을 이뤄냈다고 평가했다. HR 설루션 플랫폼 기업 위솝은 소상공인 특화 HR 설루션 ‘샵솔’과 프랜차이즈 가맹점 운영관리 설루션 ‘프랜솔’을 운영 중이다. 프랜차이즈 고객사 확보 시 다수 가맹점의 직원 대량 유입으로 트래픽이 급증하는 구조에서, 고성능이면서도 비용 효율적인 클라우드 인프라가 필요했다. OCI로의 마이그레이션을 통해 클라우드 비용을 40% 절감하고 앱 성능을 개선하여 고객 만족도를 높였다. 한국오라클의 유중열 클라우드 사업부 부사장은 “이번 미라클 프로그램에 참여한 스타트업들의 OCI 도입 성공 사례는 오라클이 단순한 기술 제공을 넘어, AI와 데이터 중심의 혁신을 촉진하고 국내 유망 스타트업의 기술 경쟁력을 한 단계 끌어올리는 데 중요한 역할을 하고 있음을 보여준다”면서, “오라클은 안정적인 고성능 클라우드 인프라와 차별화된 기술력을 통해 앞으로도 유망한 AI 스타트업의 핵심 파트너로서 혁신 생태계를 확장해 나갈 것”이라고 말했다.

밍지 지음 / 2만 2000원 / 제이펍   소라(Sora)의 베타테스터로 참여했던 AI 전문가 밍지가 AI 영상 제작의 혁신적인 도구인 Sora에 대해 소개한 책이 새로 나왔다. Sora는 2024년 12월에 정식 출시됐는데, 강력한 딥러닝 알고리즘과 고급 모델 아키텍처를 기반으로 우리의 상상을 초월하는 고품질 동영상을 손쉽게 만들어낸다는 점이 특징이다. 이 책은 Sora의 강력한 기술력과 활용 방법을 심층 분석하여 텍스트-비디오, 이미지-비디오, 동영상 확장 등 다양한 기능을 통해 누구나 손쉽게 고품질 영상을 제작할 수 있도록 돕는다. 효율적인 프롬프트 작성법부터 전문적인 프롬프트 라이브러리 구축, 그리고 Sora를 활용한 비즈니스 모델과 수익 창출 전략까지 Sora가 선사하는 AI 영상 세계의 모든 것을 다루고 있다.

인공지능 기반의 CAD 프로그램 개발 기업인 캐디안은 2024년 우수 벤처기업 정부포상에서 중소벤처기업부 장관상을 수상했다고 밝혔다. 벤처창업진흥 유공 포상은 벤처 산업 발전과 혁신 성장에 기여한 유공자에게 주어지는 상으로, 기술 및 경영 혁신 능력이 뛰어나고 대외 경쟁력이 우수하며 사회적 공헌도가 높은 벤처기업을 대상으로 수여된다. 지난 1990년 설립하여 만 34년차의 벤처기업인 캐디안은 CAD 기술력과 경영혁신 능력을 바탐으로 기술혁신기업(이노비즈)과 경영혁신기업(메인비즈)으로도 선정되었다. 이번에 수상하게 된 캐디안(CADian)은 오토캐드의 DWG 파일과 호환되는 설계 저작도구이다.     특히 캐디안이 최근 선보인 캐디안 AI-CE(CADian AI-CE) 설루션은 디지털 이미지 내 특정 영역에 대한 분류 결과를 보여주는 객체 인식(Object Detection) 기술과 디지털 이미지를 여러 개의 픽셀 집합으로 분할을 통해 이미지의 표현을 해석하기 쉽게 단순화하여 분류 결과를 보여주는 의미적 분할(semantic segmentation) 기술에 의해 개발됐다. 이 제폼은 중대형 건설 및 인테리어 수주에 앞서 요구되는 입찰을 위한 견적용 적산과 공사 완료 시점에 필요한 정산용 적산 등을 신속하고 정확하고 추출할 수 있다는 점을 내세운다. 캐디안의 박승훈 대표는 “산업 전반에 공헌도가 높은 벤처 기업을 대상으로 수여하는 상을 수상하게 되어 기쁘다”면서, “최근에는 래스터 이미지 파일과 벡터 파일을 AI 딥러닝으로 인식하여 도면을 자동으로 재설계하면서 적산 자동화를 가능하게 하는 AI 기반의 차세대 CAD 설루션 캐디안 AI-CE를 출시했다. 이젠 우리나라가 글로벌 CAD 시장을 리드해 나갈 수 있도록 노력하겠다”고 밝혔다.

신은섭 지음 / 23,000원/ 위즈앤북 ∙ 실무에서 사용할 수 있는 다양한 프로젝트와 노하우로 딥러닝의 모델 구현! ∙ 파이토치를 활용한 신경망 이론, 딥러닝 개념, 이미지 분류, 이미지 데이터, 영상 처리, 시퀀스 데이터, 자연어 처리, 트랜스포머 등으로 딥러닝의 실무 모델 개발! 이 책은 초심자가 딥러닝을 쉽게 시작할 수 있도록 단순히 이론을 나열하는 것에 그치지 않고, 프로젝트를 통해 이론을 실제로 구현하고 실습할 수 있도록 구성했다. 다양한 프로젝트를 직접 진행하면서 여러분은 이론을 실전에 적용하는 경험을 하게 될 것이다. 이러한 실습 중심의 학습을 통해 딥러닝에 대한 이해도가 높아질 뿐만 아니라 딥러닝을 더 깊이 탐구할 수 있는 기초를 쌓게 될 것이다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 AI 업계에서 표준적으로 사용되고 있는 도구를 개발하는 W&B(Weights & Biases)를 소개하고, 이를 사용하는 방법을 소개한다. 그리고 건설, 제조와 같은 전통 엔지니어링 산업에서 생존을 위해 생각할 부분을 정리해 보고자 한다.   ■ 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 모든 산업 분야에서 딥러닝으로 시작된 인공지능(AI) 기술 트랜드가 거세게 몰아치고 있다. 특히, 올해는 생성형 AI가 업무에 실질적으로 사용되기 시작했다. 생성형 AI는 다양한 업무 분야를 자동화하고 있어, ‘Job Killer’라 불릴 만큼 오피스에 많은 영향을 주고 있다. 이와 같이 기술이 전통적인 시장과 일자리를 축소하기도 하지만, 이번 호에서 소개할 W&B는 골드러시에서 역마차를 만들어 운영했던 웰스파고의 전략을 잘 실행한 스타트업이다.     W&B 기술 소개 딥러닝 모델을 개발하다 보면 수많은 종류의 데이터셋, 하이퍼모델 파라미터 튜닝 등으로 인해 관리해야 할 자료가 매우 복잡해진다는 것을 알게 된다. W&B는 이름 그대로 완벽한 모델 학습을 위해 필요한 딥러닝 모델의 가중치(weights)와 편향(biases)을 모니터링 및 관리할 수 있는 로그 도구이다. 즉, 딥러닝 모델 개발자를 위한 프로세스 로그 및 가시화 플랫폼을 제공한다.    그림 1. W&B(AI Summer)   매우 직관적인 이름을 가진 이 스타트업은 텐서보드(Tensorboard)와 비슷하지만, 적은 코드로 모델 개발에 많은 통찰력을 준다. W&B의 WandB 라이브러리를 사용하면 딥러닝 모델 학습 시 지저분하게 붙어 나가는 로그 처리를 간단한 함수 몇 개로 처리할 수 있고, 통합된 대시보드 형태로 다양한 모델 학습 품질 지표를 확인 및 비교할 수 있다. 이외에도 학습 모델 하이퍼 파라미터 관리와 튜닝 및 비교 보고서 생성 기능을 제공한다. 로그는 숫자, 텍스트, 이미지 등 다양한 포맷을 지원한다.    그림 2. W&B 딥러닝 모델 개발 프로세스 가시화 대시보드   이번 호에서는 딥러닝 모델 학습 로그 및 가시화 영역에 집중해 살펴본다. 글의 마무리에서는 W&B의 개발 배경도 간단히 알아본다.     사용법 다음 링크에 방문해 회원 가입한다.  wandb.ai website : https://wandb.ai 회원 가입한 후 <그림 3~4>와 같이 홈 메뉴에서 키 토큰 값을 얻어 복사한다. 이 키는 wandb API를 사용할 때 필요하다.   그림 3    그림 4   명령행 터미널에서 다음 명령을 실행해 wandb 파이썬 라이브러리를 설치한다.  pip install wandb     ■ 자세한 기사 내용은 PDF로 제공됩니다.