트렌드에서 얻은 것 No. 23   “AI는 모든 산업에 새로운 가능성을 열어 준다. 중요한 것은 기술이 아니라, 그것을 어떻게 활용하느냐이다.” – 사티아 나델라(Satya Nadella), 마이크로소프트 CEO 마이크로소프트는 생성형 AI를 다양한 산업에 통합하며, 기술의 활용 방식에 중점을 두고 있고,  나델라의 말은 기술 도입보다 전략적 활용이 중요하다는 점을 강조한다.   생성형 AI와 함께 설계하고, 시뮬레이션하고, 개선하라 지금 이 이야기를 한국의 제조기업에 가서 한다면, 이상한 사람 취급을 받을 수 있다. 당장, 어떻게 할 수 있는지 이야기할 수 있느냐? 우리도 그렇게 하고 싶은데, 어떻게 할 수 있는지 제대로 나온 것도 없고, 사례가 있는지 등의 얘기가 자연스럽게 나온다. 맞는 말이다. 하지만, 지금은 레이스의 출발선에서 모두 같은 상황일 것이다. 다만, 전체를 제어하고 미래를 설계하는 혜안이 있는 사람이나 조직 유무에 따라 회사들의 달리기 속도는 분명 차이가 날 것이다.  우리는 그런 시대를 살아가고 또 지나가고 있다. 뉴스에서 다른 회사의 소식을 들으면서 탄식을 하고 있을 것인가, 아니면 고통스럽더라도 뭔가 해 보는 것이 낫지 않느냐의 갈림길에 있다. “그럼에도 불구하고, 우리는 설계할 수 있다.” 그렇다. ‘생성형 AI로 설계하고, 시뮬레이션하고, 개선하라’는 말은 지금의 제조 현장에선 거대한 간극처럼 느껴진다. 공장의 열기와 노하우 속에서 살아온 실무자에게는 뜬구름 잡는 이야기처럼 들릴 수 있다. “AI가 좋다는데, 어디까지 해봤나?”, “누가 이걸 설계에 실제로 썼대?” 이런 질문은 당연한 것이고, 오히려 현실을 잘 아는 사람일 수록 더 조심스러운 반응을 보인다. 그러나 지금, 우리는 모두 레이스의 출발선에 서 있다. 완성된 길도, 검증된 답도 아직 없다. 그러니 이 때 필요한 건 기술보다 먼저 혜안을 가진 사람, 구조를 설계할 수 있는 리더다. 단 한 줄의 프로토타입이라도 그려보려는 엔지니어, 익숙한 보고서보다 새로운 질문을 고민하는 팀장, 시행착오를 감수하고 방향을 잡으려는 임원이 지금 이 시대의 속도를 결정짓는다. 그리고 그 ‘혜안’은 거창한 청사진이 아닐 수도 있다. 단 하나의 설계 데이터를 기반으로 AI에게 첫 도면을 그리게 해보는 실험, 실시간 현장 일지에서 이상 징후를 요약하게 해 보는 시도, 현장의 사진 데이터로 품질 검사 자동화를 위한 검출 모델을 훈련해 보는 도전 등이 현 시점에서 예상해 볼 수 있는 가까운 미래 모습일 것 같다. “우리는 예상치 못한 상황을 목격하고, 예상된 상황을 보고하며, 결국 승리할 것입니다.” – 알렉스 카프, 팔란티어 CEO 카프는 AI를 활용한 제조업의 혁신이 불확실성을 극복하고 성공으로 이끄는 열쇠라고 보고 있으며, 이는 생성형 AI를 통한 제조업의 미래를 긍정적으로 전망한다.    그림 1. 실용형 AI 맵 ‘제조 미래를 바꾸다’(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   제조, AI를 다시 만나다 “설계는 끝났지만, 고객은 원하지 않는다.”  “시뮬레이션은 끝났지만, 현장은 여전히 오류를 반복한다.”  “보고서는 쌓이지만, 문제는 여전히 현재진행형이다.” 이 문장들은 지금도 수많은 제조 현장에서 반복되고 있다. 전통적인 제조 프로세스는 분업과 효율을 중심으로 설계되었지만, 급변하는 고객의 요구와 복잡해진 제품 환경은 기존 체계의 민첩성과 창의성에 한계를 드러낸다. 이제 제조기업은 하나의 질문 앞에 서 있다. “우리는 더 빠르고 똑똑한 공장을 가질 준비가 되었는가?” 생성형 AI는 단순한 자동화 기술이 아니다. 설계자의 의도를 읽고 CAD 모델을 생성하며, 수십 개의 시뮬레이션으로 프로세스 병목을 알려주고, 품질 이상을 예측할 뿐 아니라 원인을 유추해주는 ‘설계적 사고를 하는 AI’가 등장하고 있다. 이는 기술의 도입이 아니라 제조기업의 ‘운영 철학’ 자체가 전환되는 순간이다. 제조기업이 생성형 AI와 함께 앞으로 어떻게 설계하고, 시뮬레이션하고, 개선할 수 있을지를 구체적으로 조망한다. “AI는 인류가 만든 가장 중요한 기술이다. 우리는 그것을 책임감 있게 개발하고 활용해야 한다.” – 순다르 피차이(Sundar Pichai), 구글 CEO 구글은 AI 개발에 있어 윤리적 책임과 사회적 영향을 고려하고 있으며, 피차이의 말은 기술 발전과 함께 그에 따른 책임도 중요하다는 점을 상기시켜 준다.   디자인의 재정의 - AI는 창의적인 엔지니어인가? 전통적인 제조 설계 과정은 복잡한 조건 설정, 반복적인 수정, 협업 간의 커뮤니케이션 비용 등으로 인해 수많은 시간과 리소스를 요구해왔다. 하지만 이제, 생성형 AI는 텍스트 한 줄로 설계를 시작하게 한다. “3개의 모듈로 구성된 소형 드론 프레임을 설계해 줘. 탄소 섬유 기반으로 무게는 150g 이하로.” 이 한 문장으로 AI는 초기 설계안을 생성하고, 다양한 대안 모델을 제공하며, 사용자 요구조건에 따라 자동 최적화를 제안한다. AI는 도면을 '그리는 도구'가 아니라, '제안하고 비교하는 동료 엔지니어'로 진화하고 있다. 예를 들어, 오토데스크의 퓨전 360(Fusion 360), 엔톱(nTop), 다쏘시스템의 3D익스피리언스 웍스(3DEXPERIENCE Works)는 이미 생성형 디자인 기능을 내장하고 있다.  디자이너는 아이디어를 제공하고, AI는 그에 기반한 설계 패턴을 도출한다. 이는 ‘무에서 유를 만드는’ 것이 아니라, 수많은 설계 데이터를 학습한 AI가 새로운 패턴과 조합을 도출해내는 방식이다. 결과적으로 설계자는 더 이상 반복적인 CAD 작업자가 아니다. 이제 디자이너는 ‘기획자’이자 ‘비평가’, 그리고 ‘AI와 협력하는 설계 전략가’가 된다. 또한, 이러한 생성형 설계는 대량 맞춤형 생산(mass customization)과의 결합으로 그 진가를 발휘한다. 기존에는 옵션이 제한된 범용 제품만이 경제성이 있었지만, 생성형 AI는 고객의 요구사항을 빠르게 읽고 즉시 설계에 반영할 수 있다. 이는 ‘고객이 참여하는 설계’, 즉 코디자인(co-design) 시대의 도래를 가능하게 한다. 기업은 더 빠르게 시장에 대응하고, 고객은 더 높은 만족도를 경험한다. 이처럼 생성형 AI는 설계를 단순히 ‘빠르게’ 만드는 기술이 아니라, 설계의 개념 자체를 ‘재정의’하는 도구이자 기업의 창의성과 기민함을 확장하는 전략 자산이 되고 있다. “퍼플렉시티(Perplexity)는 단순한 답변 엔진에서 행동 엔진으로 전환하고 있다. 이제는 단순히 질문에 답하는 것을 넘어, 사용자에게 행동을 제안하고 실행하는 단계로 나아가고 있다.” – 아라빈드 스리니바스(Aravind Srinivas), 퍼플렉시티 AI CEO 아라빈드의 말은 AI 기술이 단순한 정보 제공을 넘어, 사용자와의 상호작용을 통해 실제 행동을 유도하고 실행하는 방향으로 발전하고 있음을 의미한다.   시뮬레이션의 혁신 - 빠른 판단과 적은 비용 과거의 시뮬레이션은 전문 소프트웨어와 고성능 컴퓨팅 자원, 그리고 숙련된 엔지니어의 직관과 경험에 크게 의존해 왔다. CAE는 분명 설계 검증과 최적화의 핵심이었지만, 조건 설정 → 모델링 → 결과 해석 → 반복이라는 고비용 순환은 여전히 제품 개발의 병목으로 작용해왔다. 그러나 생성형 AI는 이 병목을 타파하는 새로운 접근을 제시한다. 자연어로 “강풍 조건에서 뒤틀림이 가장 적은 하우징 구조를 찾아줘”라고 지시하면, AI는 자동으로 물리 조건을 추론하고, 유사 데이터 기반의 시뮬레이션 템플릿을 구성하며, 수십 개의 대안 시나리오를 병렬 생성해 ‘예측 – 설명 – 추천’이라는 삼중 루프를 빠르게 수행한다. 이러한 기술은 시뮬레이션의 대중화(simulation democratization)를 이끈다. 기술 전공자가 아니어도, 제품 매니저나 품질 담당자가 AI의 도움으로 설계안의 응력 분포나 유동 조건에 대해 인사이트를 얻을 수 있다. 이는 실무자가 더 빠르게 결정을 내릴 수 있도록 돕고, 의사결정의 지연 대신, 다중 시나리오 기반의 ‘실험적 사고’를 가능하게 만든다. 대표적인 사례로는 알테어의 AI 기반 인스파이어 플랫폼(AI-driven Inspire Platform), 앤시스의 AI 기반 시뮬레이션 자동화, 그리고 다쏘시스템의 솔리드웍스 생성형 시뮬레이션(Generative Simulation for SOLIDWORKS)이 있다. 이들은 기존 FEM/CFD 분석의 시간과 비용을 줄이는 동시에, 경험 기반 의사결정에서 데이터 기반 최적화로의 전환을 이끌고 있다. 궁극적으로 생성형 AI는 단순히 ‘더 빠른 계산’을 넘어서, “어떤 시나리오를 먼저 고려해야 하는가?”, “이 조건에서 실패할 가능성은 무엇인가?”라는 전략적 질문에 답하는 보조 엔진이 되어 준다. 이는 시뮬레이션을 단지 제품 검증의 도구가 아니라, 경영 의사결정과 R&D 전략 수립의 인공지능 파트너로 진화시키는 변화의 시작점이다.  “AI는 우리가 상상하는 것보다 훨씬 더 빠르게 발전하고 있다. 자율주행차는 그저 시작일 뿐이다.” – 일론 머스크(Elon Musk), 테슬라 CEO 테슬라는 자율주행 기술 개발에 AGI 수준의 AI를 활용하고 있으며, 이는 단순한 기능 향상을 넘어 차량 설계와 운행 방식 전반을 재정의하는 접근이다.   업무 분석과 프로세스 개선 - 데이터는 말하고 AI는 듣는다 제조 현장의 데이터는 언제나 풍부했다. 작업자 일지, 설비 로그, 유지보수 메모, 품질검사 리포트, 현장 사진과 동영상, 고객 클레임 이메일… 하지만 이들 대부분은 정형화되지 않은 ‘텍스트’와 ‘문서’ 형태로 존재하며, 기존 시스템은 이를 ‘기록’하는 데에만 집중했고, 의미를 해석하고 연결하는 능력은 인간의 몫이었다. 이제 생성형 AI는 이 방대한 비정형 데이터의 숲에서 맥락을 이해하는 나무를 찾는다. 작업자가 남긴 “라인 3에서 어제도 제품 정렬이 안 맞았고, 자동 이젝터가 두 번 멈췄다”는 기록은, AI에겐 단순한 텍스트가 아니라 ‘패턴’과 ‘이상’의 시그널이다. LLM은 이런 문장을 분석해 작업 단계별 이벤트를 분해하고, 관련된 설비 로그와 품질 데이터를 연결하여 문제 지점을 도출한다. 이제 업무는 ‘기록하고 보고하는 일’이 아니라, ‘데이터가 스스로 분석하고 말하는 환경’으로 바뀌고 있다. 대표적인 활용 사례는 다음과 같다. 업무 요약 자동화 : 업무 일지를 요약해 경영진에게 핵심 이슈를 전달 프로세스 병목 식별 : 여러 부서의 텍스트 기반 보고서에서 공통 키워드와 불만 분석 문서 자동 생성 : SOP(표준작업지침서), 회의록, 개선안 보고서 등의 자동 초안 작성 협업 인텔리전스 : 여러 팀 간의 커뮤니케이션 데이터를 분석해 협업 지연 포인트 도출 실제로 지멘스는 AI 기반 자연어 처리 기술(Natural Language Processing : NLP)을 통해 디지털 작업지시서와 실시간 현장 대응 리포트를 자동 생성하는 기능을 도입했고, 보쉬는 AI를 통해 품질 클레임 문서에서 반복 출현하는 원인 유형을 추출하여 품질 개선의 단초로 활용하고 있다. 핵심은 이것이다. 현장의 수많은 대화와 기록이 AI에게 ‘말을 거는 데이터’가 되었고, AI는 그 말을 듣고, 요약하고, 통찰을 제시하며, 업무 개선을 스스로 제안하는 존재가 되었다는 점이다. 이제 우리는 묻지 않을 수 없다. 우리는 AI에게 말 걸 준비가 되어 있는가? 그리고 그 대답을 조직이 들을 준비는 되었는가? “가장 큰 위험은 아무런 위험도 감수하지 않는 것이다. 모든 것이 급변하는 시대에서 위험을 회피하는 전략은 반드시 실패로 이어진다.” — 마크 저커버그, 메타 CEO 저커버그는 변화와 혁신의 시대에 기존의 방식을 고수하며 위험을 회피하려는 태도가 오히려 더 큰 실패를 초래할 수 있음을 경고한다.   품질 관리의 진화 - AI는 예지적 감각을 가질 수 있는가 품질 관리는 제조업의 마지막 방어선이자, 가장 정교한 신경망이다. 그러나 지금까지의 품질 관리는 주로 사후 대응(postdefect 대응)에 집중되어 있었다. 불량이 발생한 후 원인을 찾고, 재발 방지책을 수립하고, 문서를 정리하는 ‘후행적 품질 관리’가 일반적이었다. 이제 생성형 AI는 이 전통적 프레임을 근본부터 흔들고 있다. AI는 ‘불량을 감지’하는 것이 아니라, ‘불량을 설명하고 예측’하려 한다. 예를 들어, 제품 표면의 이미지를 기반으로 한 비전 검사 시스템은 단순히 OK/NG를 판단하는 데서 그치지 않고, “이 영역의 텍스처 패턴은 온도 편차에 의한 수축 변형일 가능성이 높습니다”라고 말할 수 있는 설명형 모델로 진화하고 있다. 나아가, 생성형 AI는 텍스트, 이미지, 센서 데이터를 통합적으로 분석해 복합적인 이상 징후를 감지하고, 불량의 '가능성'과 '잠재 원인'을 추론해낸다. 예를 들어 다음과 같은 조합이 가능해진다. 작업자 일지 : “이틀 전부터 용접기압이 다소 약한 것 같다.” 센서 로그 : 오전 9~11시에 기압 편차 발생 불량 이미지 : 비드 형성 불균형 AI는 이를 연결해 “용접 조건의 경미한 변화가 반복 불량의 근본 원인일 수 있다”고 보고한다. 이는 단순한 예측모델이 아니다. ‘설명 가능한 품질 관리(Explainable Quality)’, 즉 AI가 품질 이슈에 대해 왜 그런 판단을 했는지를 근거와 함께 제시함으로써, 품질팀은 더 이상 직감이나 경험에만 의존하지 않고 데이터 기반의 합리적 개선 프로세스를 수립할 수 있다. 이미 보쉬, 토요타, GE 항공 등은 ▲AI 기반 비전 검사 시스템에서 ‘불량 예측 + 원인 설명’을 제공하는 모델을 구축 중이고 ▲ISO 9001과 연동되는 AI 품질 리포트 자동화 시스템을 테스트하고 있다. 이는 곧 ‘AI가 품질 시스템의 일원으로 공식 포함되는 시대’가 오고 있음을 뜻한다. 품질의 정의는 바뀌고 있다. 과거의 품질은 발견과 수정의 문제였지만, 앞으로의 품질은 예지와 설득의 문제다. AI는 이제 불량을 찾아내는 것이 아니라, 불량이 만들어지지 않도록 ‘생산 과정 그 자체를 개선하자’고 제안하는 동료가 되어가고 있다. “AI는 전기를 발견한 것과 같은 혁신이다. 모든 산업에 스며들 것이며, 그 영향을 무시할 수 없다.” – 앤드류 응(Andrew Ng), AI 전문가 앤드류 응은 AI의 보편성과 산업 전반에 미치는 영향을 강조하고 있다. 그의 말은 제조업에서도 AI의 통합이 필수임을 시사한다.   경고와 제언 - 생성형 AI는 도입이 아니라 전환이다 많은 제조기업이 생성형 AI에 주목하고 있다. 설계 자동화, 시뮬레이션 최적화, 업무 요약, 품질 예측… 도입 사례는 늘고 있지만, 도입이 곧 성공을 의미하진 않는다. 생성형 AI는 단순한 툴이 아니라, 운영 철학의 변화를 요구한다. 기존의 프로세스는 ‘정해진 절차와 역할’ 속에서 최적화를 추구해왔지만, 생성형 AI는 ‘질문을 던지고 시나리오를 비교하며 판단을 내리는 유연한 사고방식’을 요구한다. 즉, 기술만 바꾸는 것이 아니라 조직의 사고 체계와 역할 구조 자체를 재설계해야 하는 것이다. 예를 들어 <표 1>과 같은 전환이 필요하다.   표 1   하지만 문제는 기술이 아니다. 가장 큰 장벽은 조직이 AI를 받아들일 준비가 되어 있느냐는 것이다. 임원은 AI를 단순히 ‘자동화 툴’로 간주하는 경향이 많고, 현장은 여전히 ‘내 일을 뺏는 존재’로 AI를 경계한다. 이 간극을 메우지 않으면, AI는 시연 단계에서 멈추고, 조직은 변화의 본질을 놓친다. 따라서 다음과 같은 전환 전략이 필요하다. 파일럿이 아닌 전환 설계 특정 부서에서 테스트하는 것이 아니라, 조직 전체의 프로세스 전환 시나리오를 기획해야 한다. ‘도입 교육’이 아닌 ‘공감 설계’ 기술 사용법이 아니라, 왜 이 기술이 필요한지에 대한 비즈니스 관점에서의 스토리텔링이 필요하다. AI Co-Worker 관점 전환 AI는 도구가 아니라, 함께 판단하고 실험하는 동료로 봐야 한다. 이를 위해 직무 정의서(JD)도 다시 써야 한다. 성과 기준의 재정립 AI 도입 이후에는 ‘정확도’보다 ‘학습 속도’와 ‘적응력’이 핵심 성과 지표가 된다. 결국, 생성형 AI는 ‘도입해야 할 기술’이 아니라 ‘다르게 일하고, 다르게 생각하고, 다르게 운영하는 기업’으로 전환하기 위한 촉매제다. 이제 경영진에게 남은 질문은 단 하나다. “우리는 기술을 도입할 준비가 되었는가?”가 아니라, “우리는 조직을 전환할 용기를 가졌는가?”이다. “지금은 스타트업의 시대… 세상은 여전히 변화의 가능성에 잠들어 있다.” – 샘 올트먼, 오픈에이아이 CEO 올트먼은 기술 혁신의 시기에 기존 기업들이 변화에 둔감해질 수 있음을 경고하며, 새로운 도전과 변화를 추구하는 조직만이 미래를 선도할 수 있다는 메시지를 담고 있다.   맺음말 : 생성형 AI 시대의 제조 기업, 당신은 어떤 그림을 그리고 있는가 미래의 공장은 단지 더 정교하고, 더 빠르며, 더 자동화된 곳이 아니다. 그곳은 데이터를 읽고, 상황을 이해하고, 사람과 함께 결정하는 공장이다. 문제를 발견하기 전에 감지하고, 작업자를 지원하며, 스스로 최적의 방식을 제안하는 공장이다. 그리고 그 공장의 핵심 파트너는 인간의 상상력을 확장하는 생성형 AI다. 이제 중요한 질문은 이것이다. “우리는 어떤 그림을 그리고 있는가?” 기술은 빠르게 진화한다. 생성형 AI는 설계와 시뮬레이션, 업무 분석과 품질 관리까지 제조의 전 과정을 유기적으로 연결하며 ‘스마트’를 넘어 ‘지능적’으로 만들고 있다. 하지만 진정한 경쟁력은 기술의 채택이 아닌, 기술과 함께 일하는 방식의 변화에서 비롯된다. 아직 많은 제조기업은 ‘가능성 탐색’ 단계에 머물러 있다. 하지만 머뭇거릴 시간이 없다. AI는 이미 조직 구조, 업무 정의, 리더십의 방식까지 영향을 미치기 시작했다. 이제는 기술을 배우는 것이 아니라, 기술과 함께 일할 조직을 설계해야 할 때다. 생성형 AI 시대의 제조 기업은 세 가지 질문에 답할 수 있어야 한다. 우리는 상상할 수 있는가? 생성형 AI는 ‘주어진 문제를 해결’하는 것이 아니라 ‘가능성을 확장’한다. 제조기업의 조직은 아직도 문제만 찾고 있는가, 아니면 새로운 기회를 그리고 있는가? 우리는 받아들일 수 있는가? AI는 사람의 영역을 침범하지 않는다. 다만 그 옆에 선다. 우리는 전환할 수 있는가? 우리는 그것을 파트너로 받아들일 준비가 되어 있는가? AI 도입은 기술의 문제가 아니라, 사고방식과 리더십의 전환이다. 과연 지금의 조직은 그 전환을 감당할 수 있는가? 미래의 공장은 말하고 있다. “나는 설계하고, 시뮬레이션하고, 개선할 준비가 되어 있다. 너는 나와 함께 걸을 준비가 되어 있는가?”   ■ 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.

  이석현 지음 / 22000원 / 제이펍 이 책은 어린이나 학생들이 챗GPT를 활용해 글쓰기 실력을 키울 수 있도록 구성되어 있다. 논설문, 설명문, 생활문, 독서감상문, 동시 등 다양한 글쓰기 유형에 따라 정리된 프롬프트가 제공되므로 이 책에서 제공하는 프롬프트 번호를 이용해 웹페이지 또는 QR코드를 통해 입력해서 다양한 글쓰기를 해볼 수 있다. ​또한 프롬프트에 대한 예시와 답변 힌트를 제시해 줌으로써 아이들도 좀 더 쉽게 글쓰기를 연습할 수 있도록 도와준다. 이제 챗GPT는 단순히 AI 기술로서가 아닌, 생각과 표현 능력을 키우는 수단으로서 글쓰기에서 중요한 역할을 차지하고 있다. 이 책은 아이들이 주도적으로 생각을 정리하고 표현하는 힘을 키우도록 돕고 있다. 파트 1에서는 챗GPT로 글쓰기 훈련을 시작하는 방법에 대해 안내한다. 파트 2에서는 다양한 글쓰기 주제별 훈련으로 설명문, 생활문, 논설문 등을 예제와 함께 제공한다. 파트 3에서는 자기소개서, 일기, 감상문 등 실생활에 많이 쓰는 글쓰기를 훈련할 수 있고, 파트 4에서는 동시나 창작 글을 기반으로 상상력과 창의력 확장 훈련도 가능하다. 특히 이 책은 글쓰기가 더 이상 어렵고 지루한 활동이 아니라, 챗GPT를 활용해 즐겁게 실천할 수 있다는 점을 보여주는 디지털 글쓰기 훈련서이다. 이 책에 담긴 36가지 글쓰기 훈련 프롬프트를 활용하면 챗GPT와 함께 단어를 확장하고, 문장을 다듬고, 자연스럽게 하나의 긴 글로 완성해 나갈 수 있을 것이다. 글은 감각이 아닌 ‘기술’이고, 그 기술은 ‘훈련’을 통해 다듬어진다는 저자의 철학이 책 전체에 녹아 있다.

테라다인 로보틱스와 자회사인 유니버설 로봇이 엔비디아 GTC 2025에서 AI 기반 로봇 설루션 제품군을 공개한다고 밝혔다. 이는 2024년에 발표한 UR AI 엑셀러레이터의 첫 공개 시연으로, 상업적으로 실행 가능한 애플리케이션을 포함한다.   엔비디아와 유니버설 로봇이 공동 개발한 UR AI 엑셀러레이터는 협동로봇에서 고급 AI 애플리케이션을 구현할 수 있도록 지원하는 하드웨어 및 소프트웨어 툴킷으로, 개발자가 AI 제품 출시 기간을 단축할 수 있는 확장 가능한 플랫폼을 제공하는 기술이다.   UR AI 엑셀러레이터는 협동로봇에 머신 러닝 및 컴퓨터 비전 기능을 통합하여, 보다 지능적인 작업 수행을 돕는다. AI 엑셀러레이터의 AI 기반 물체 인식과 적응형 작업 수행을 통해 실시간으로 사물을 인식하고 최적의 작업 경로를 결정할 수 있으며, 사용자는 비정형 작업 환경에서도 유연하게 대응할 수 있는 자율 조정 기능을 사용할 수 있다. 고성능 GPU를 활용해 복잡한 데이터 분석을 빠르게 처리하여 정밀한 작업을 수행하는 것도 가능하다.     이번 GTC 2025에서 공개하는 UR AI 액셀러레이터는 테라다인 로보틱스의 자회사인 유니버설 로봇이 엔비디아와 협력하여 설계한 툴킷으로, 유니버설 로봇의 차세대 소프트웨어 플랫폼인 폴리스코프 X(PolyScope X)에 AI 엑셀러레이터를 제공함으로써 AI 기반 애플리케이션을 개발할 수 있도록 지원한다. UR AI 엑셀러레이터는 엔비디아 젯슨 AGX 오린 시스템 온 모듈에서 실행되는 엔비디아 아이작 가속 라이브러리와 AI 모델에 의해 구동된다. 테라다인 로보틱스의 제임스 데이비슨(James Davidson) 최고 AI 책임자는 “물리적 AI는 로봇이 현실 세계를 인식하고 대응할 수 있는 능력을 갖추게 함으로써 지금까지는 범위를 벗어났던 복잡한 사용 사례에서 종종 요구되는 다목적성과 문제 해결 능력을 제공할 수 있다”면서, “AI로 강화된 로봇은 단순히 사전 프로그래밍된 명령을 실행하는 데 그치지 않고, 감각 입력을 기반으로 학습하고 적응하는 것은 물론 정보에 기반한 결정을 내릴 수 있는 능력을 갖추게 된다”고 말했다.   그는 이어 “로봇이 끊임없이 변화하는 레이아웃과 장애물이 있는 물류창고를 탐색하는 물류 작업을 하는 경우, 예측이 어려운 변화무쌍한 환경 속에서 로봇이 조립 작업을 지원하는 건설 현장에 우리의 AI 설루션이 도움이 될 것”이라면서, “UR AI 액셀러레이터는 협동로봇이 주변 환경을 더 잘 이해하고 최적의 경로를 계획하며, 이전에는 관리할 수 없었던 공간에서 안전하고 효율적으로 작업을 실행할 수 있도록 도와준다”고 덧붙였다.   테라다인 로보틱스 그룹의 우지왈 쿠마르(Ujjwal Kumar) 대표는 “새로운 물리적 AI 애플리케이션을 엔비디아 GTC 2025 참가자들에게 공유할 수 있게 되어 기쁘다. 우리의 UR AI 엑셀러레이터는 개발자에게 확장 가능한 플랫폼을 제공해 애플리케이션을 구축하는 것은 물론, 위험 요소를 제거하고 출시 시간을 단축할 수 있도록 지원한다”면서, “UR AI 액셀러레이터로 구동되는 새로운 파트너 애플리케이션은 유니버설 로봇이 이전에는 해결할 수 없었던 협동로봇 분야의 과제를 해결하면서 물리적 AI를 위한 선호 플랫폼이 되고 있음을 명확하게 보여준다”고 말했다.  디푸 탈라(Deepu Talla) 엔비디아 로보틱스 및 에지 컴퓨팅 사업 부사장은 “엔비디아의 아이작 로봇 플랫폼을 통한 생성형 AI 및 시뮬레이션의 발전으로 인해 로봇 공학 및 물리적 AI 배포가 가속화되고 있다”며 “테라다인 로보틱스와의 협력을 통해 그들의 광범위한 개발자 및 파트너 네트워크에 우리의 최신 기술과 이점을 제공할 수 있게 됐다”고 말했다.

시점 – 사물이나 현상을 바라보는 눈 (3)   지난 호에서는 우리가 암흑세계와 같은 바깥세상에 대한 정보를 어떠한 방식으로 얻고 어떻게 이해의 폭을 넓혀가고 그렇게 얻은 정보를 어떻게 활용하는지를 ‘암중모색’이라는 단어를 통해서 살펴보았다. 이번 호에서는 ‘관찰의 시점과 관점’에 관해서 살펴보고자 한다. 사물을 바라볼 때 바라보는 위치, 방향, 각도에 따라서 사물 자체에 변함은 없지만 우리 눈에 비치는 사물의 모습은 달라진다. 시점(視點)과 시각(視角)의 차이에서 오는 현상이다. 같은 사물이나 현상을 보면서 보는 이의 입장에 따라서 해석이 달라지는 일도 많다. 보는 이의 생각이 의미를 부여하게 되고 그 의미의 해석에 따라서 옳고 그름, 좋고 나쁨, 유리 또는 불리로 구별하면서 생기는 것이다. 보는 이의 관점(觀點)의 차이에서 비롯되는 것이다. 구체적인 사례를 통해서 살펴보자.    ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com    그림 1. 광화문 앞 세종대왕 동상을 다양한 위치와 각도에서 촬영한 이미지 모음(촬영자의 시각과 의도가 담겨있다.)    광화문 앞 세종대왕 동상 광화문 앞 광장에는 충무공 이순신 장군의 동상에 뒤이어 조선시대 과학기술을 보여주는 밤하늘을 관측하는 혼천의, 강우량을 측정하는 측우기, 그림자를 통해서 시간을 알 수 있는 해시계인 앙부일구가 전시되어 있다. 그 뒤를 이어 높이 6.2m, 폭 5m 크기의 세종대왕 대형 동상이 지상으로부터 3m의 기단 위에 조성되어 있다.(그림 1) 그 뒤로 광화문, 경복궁, 북악산이 일렬로 늘어서 있다. 같은 세종대왕 동상이지만 보는 이의 위치, 거리, 방향, 각도에 따라서 다양한 모습으로 비친다. 사진을 촬영하면서도 동상만을 촬영하기도 하고, 주변 경관까지 함께 촬영하기도 하며, 주변의 사람을 피해서 촬영하기도 한다. 사진을 촬영하는 사람의 의도와 시시각각으로 변화하는 관람객의 동선과 상황에 맞춰 자신만의 추억을 담게 된다. 같은 동상을 보고 있는 듯하지만 모두 관심을 두는 대상이 같다는 보장은 없다. 동상은 불투명하므로 자신의 위치에서 보이는 겉모습만을 보게 된다. 만약 동상이 투명하다면 동상의 존재 자체를 인식할 수 없을 것이다. 이순신 장군 동상 뒤에 있는 세종대왕 동상의 시각에서 바라본 광화문 광장은 어떤 모습일까? 뒤편의 광화문, 경복궁, 북악산의 모습은 보이지 않고 앞에 서 있는 이순신 장군 동상의 뒷모습과 세종대로 양옆의 건물이 보일 것이다.(그림 2) 같은 위치에 있더라도 바라보는 방향과 각도, 즉 ‘시점’ 또는 ‘시각’에 따라서 보이는 것도 달라진다. 같은 것을 보더라도 그에 대한 의미는 각자의 ‘관점’에 따라서 다르게 해석하기 마련이다.    그림 2. 광화문 앞 이순신 장군 동상의 앞모습과 (세종대왕 동상의 시선에서 바라본) 뒷모습    시점에 따른 대상의 외관 변화 풍경이나 인물을 화폭에 담으려면, 시각에 따라서 대상이 어떻게 변형되어 보이는지를 이해하고 작업을 시작해야 실물과 비슷한 느낌의 위화감 없는 그림을 완성할 수 있다. 이것은 새로운 건물을 짓기 전인 설계 단계에서 건물이 완성된 후의 외관과 주변의 환경을 보여주기 위한 조감도를 그리는 데에도 필요하다. 미술과 건축 분야에서는 기초 단계에서부터 이런 훈련 과정을 거치게 된다.  <그림 3>에 한 변의 길이가 a인 정육면체를 모서리의 약간 오른쪽에서 보았을 때, 보는 이의 눈높이에 따라서 어떻게 달라지는지를 두 개의 소실점(VP : vanishing point)을 사용하여 투영한 것을 정리하였다. 새가 보는 듯한 조감도부터 서서 보았을 때, 앉아서 보았을 때, 지면에서 보았을 때, 지하에서 바라보았을 때를 가정하여 그린 도면이다.    그림 3. 같은 사물을 바라보는 위치에 따른 외관 변화    같은 원리를 외형이 복잡한 세종대왕의 동상에 적용한다면, 시점에 따른 관찰 대상의 외관 변화를 정확하게 표현하기는 쉽지 않다. 외형의 돌출 부위나 굴곡에 따라서 가려져서 시야에서 사라지는 부분도 있기 때문이다. 보이는 것을 보이는 대로 그리는 것도 쉽지 않은 일이지만, 본 적도 없고 아직 만들어지지도 않은 것을 머릿속으로 시뮬레이션해서 마치 실물을 보고 그린 것처럼 위화감 없이 그려낸다는 것은 대단한 능력이다. 바라보는 사물과의 거리와 각도, 광선에 따라서 우리 눈에 어떻게 비치는지, 우리가 사물을 어떻게 인식하는지를 잘 이해해야만 감각적으로 자연스럽게 표현할 수 있기 때문이다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   챗GPT(ChatGPT)의 광풍으로 시작된 생성형 AI(generative AI)의 열풍이 벌써 3년이 지나가고, 최근에는 중국의 인공지능 제품인 딥시크(DeepSeek)의 돌풍으로 잠시나마 미국 엔비디아의 주식이 폭락하는 사태가 있었다. 딥시크의 희망은 엄청난 투자 없이도 인공지능 사업이 가능한 것처럼 보였다. 한편, 최근 일론 머스크는 그록 3(Grok 3)라는 설명 가능 인공지능 XAI(explainable AI)를 발표했다. 그록 3는 엔비디아 GPU 칩을 20 만 개 사용해서 훈련을 했다고 한다. 엔비디아 H100 15만개 + H200 5만개라고 발표했는데, 아직은 엄청난 투자가 필요한 부분임을 알 수 있었다.   그림 1.  챗봇 전성시대   여러가지 호불호 사건에도 불구하고, 이제 인공지능 챗봇의 시대는 거역할 수 없는 대세가 되고 있다. 필자 역시 대부분의 시간을 인공지능을 공부하는 데 사용하고 있다. 지난 2년 동안은 오픈AI의 챗GPT와 구글의 제미나이(Gemini)를 사용하고 최근에는 딥시크, 며칠 전부터는 그록 3를 모두 사용하고 있다. 그리고 장기적으로는 개인 인공지능(personal AI) 환경에도 관심이 많다. 최근에 더 많은 지식과 복잡한 대답을 손 쉽게 얻을 수 있었지만, 이런 의문점이 생겼다. 이러한 인공지능 시대에 ‘우리의 지식의 정의와 관점이 어떻게 되어야 할 것인가?’라는 생각이다. 수백 년 전 16세기 프랑스의 철학자인 몽테뉴(Michel de Montaigne)는 이런 인간 지식의 한계에 대해서 “나는 무엇을 아는가?”라고 짚었다. 이는 몽테뉴의 ‘수상록’에 담긴 철학적 질문이자, 회의주의적 태도를 상징하는 문구이다. 몽테뉴는 이 질문을 통해 인간 지식의 한계와 불확실성(uncertainty)을 강조하며, 겸손하고 열린 마음으로 세상을 바라볼 것을 권했다. 최근 인공지능의 발전과 결과는 이런 질문을 너무 간단한 것으로 느껴게 한다. ‘나는 무엇을 아는가?’라는 물음의 의미에 대해 몽테뉴는 인간이 자신의 감각, 이성, 경험에 의존하여 지식을 얻지만, 이러한 것조차 불완전하고 주관적일 수 있다고 보았다. 그는 인간의 인식이 상황에 따라 달라지고 오류를 범하기 쉽다는 점을 지적하며, 절대적인 진리나 확실한 지식은 존재하지 않을 수 있다는 회의적인 입장을 표명했다.   그림 2. Que sais-je?(나는 무엇을 아는가?) – 몽테뉴   과연 이런의 인간의 지식을 학습한 현재의 AI는 괜찮을 것일까 하는 회의가 생긴다. ‘나는 무엇을 아는가?’라는 질문은 이러한 몽테뉴의 회의주의적 인식을 담고 있다. 그는 이 질문을 통해 인간 지식의 한계를 인정하고, 자신의 무지를 자각하는 것이 진정한 지혜의 시작이라고 보았다. 인공지능(AI)의 발전은 지식의 개념과 분류에 대한 새로운 논의를 불러일으키고 있다. 2025년 현재, 우리는 AI가 단순한 데이터 처리를 넘어 인간의 인지 능력을 모방하고 창의적인 결과물을 생성하는 시대에 살고 있다. 이러한 시대적 배경 속에서 지식은 다음과 같이 재정의되고 분류될 수 있다. 첫 번째, 인공지능 시대에 지식의 새로운 기준이 필요하다. 이전의 지식과는 다른 차원의 기준과 사용법과 습득 전략이 필요하다고 생각한다. 인공지능은 방대한 데이터를 처리하고 분석하여 인간의 능력을 뛰어넘는 지식을 생산한다. 이러한 인공지능의 등장은 기존의 지식 체계에 대한 근본적인 질문을 던진다. 우리는 인공지능이 제공하는 정보를 어떻게 받아들여야 할까? 인공지능이 제시하는 지식이 절대적인 진리일까? 인공지능 시대에 지식의 의미와 기준을 다시 생각하게 한다. 두 번째, 인간 지능의 가치가 무엇일까? 인공지능이 발전할 수록 인간 지능의 가치는 더욱 중요해진다고 생각하지만, 설명이 아직 빈약하다. 인공지능은 데이터 분석과 계산에 뛰어나지만 창의적인 사고, 비판적 판단, 윤리적 책임과 같은 인간 고유의 능력은 따라올 수 없다고 한다. 우리는 그렇게 믿고 싶어 한다. 몽테뉴의 사상은 인간 지능의 한계를 인정하면서도 동시에 그 중요성을 강조했다. 인공지능 시대에 우리는 인간 지능의 가치를 다시 한번 되새기고, 이를 발전시키기 위해 노력해야 한다. 세 번째, 인공지능 시대에는 겸손과 성찰의 자세가 더욱 중요하다고 한다. 우리는 인공지능이 제공하는 정보를 맹목적으로 받아들이기보다는 비판적으로 검토하고, 자신의 지식과 판단에 대해 끊임 없이 질문해야 한다. 몽테뉴는 자신의 무지를 자각하고 겸손한 태도를 갖는 것이 진정한 지혜의 시작이라고 말했다. 인공지능 시대에 우리는 몽테뉴의 가르침을 되새기며, 겸손하고 성찰하는 자세를 유지해야 한다. 인공지능이 인간처럼 철학 책을 읽고 겸손과 성찰을 할 수 있을까 하는 생각도 든다. 아직은 가능하지 않은 것 같다. 네 번째, 인간과 인공지능의 공존이다. 어쩔 수 없이 인공지능 시대는 인간과 인공지능이 공존하는 시대이다. 우리는 인공지능을 활용하여 삶의 질을 높이고 새로운 지식을 창출할 수 있다. 하지만, 동시에 인공지능의 위험성을 경계하고 인간의 존엄성을 지키기 위해 노력해야 한다. 몽테뉴의 생각은 인공지능 시대를 사는 현대인에게 인간의 한계와 가능성을 동시에 보여주었다. 인공지능 시대에 우리는 몽테뉴의 정신을 바탕으로 인간과 인공지능의 조화로운 공존을 추구해야 한다. 결론적으로 몽테뉴의 생각은 인공지능 시대에 인간 지식의 의미와 가치, 겸손과 성찰의 자세, 인간과 인공지능의 공존에 대한 중요한 질문을 던진다. 몽테뉴은 질문이 시작에 불과하며, 우리는 이런 인공지능 시대에 필요한 지혜를 찾아야 한다. 그렇지 않으면 우리의 문명이 이번 세기에서 인간 지식의 위기를 맞을 수 있다. “Que sais-je?(나는 무엇을 아는가?)”– 몽테뉴   ■ 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.

시점 - 사물이나 현상을 바라보는 눈 (2)   지난 호에서는 ‘시점 - 사물이나 현상을 바라보는 눈’이라는 제목의 연재 첫 번째 주제로 모든 행동의 원동력이 되기도 하는 ‘호기심’에 관해서 소개하였다. 우리가 세상을 어떻게 바라보고 어떻게 이해하는지에 관해서 생각해 보았다. 이번 호에서는 우리가 바깥세상에 대한 정보를 어떠한 방식으로 얻고 어떻게 이해의 폭을 넓혀가고 그렇게 얻은 정보를 어떻게 활용하는지를 ‘암중모색’이라는 단어를 통해서 살펴보도록 한다. 이러한 행동은 한시도 쉴 새 없이 일어나는 일이지만 순간적으로 일어나는 일이기도 하고, 너무나 익숙한 나머지 의문을 품는 일이 드물다. 매우 당연한 현상으로 받아들이는 것이 자연스러울 수도 있지만 한 번쯤은 유체 이탈해서 자연과 반응하는 자기 모습을 관찰하는 것도 ‘시점 - 사물이나 현상을 바라보는 눈’을 이해하는 데 도움이 될 듯하다.    ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com   그림 1. 바깥세상의 정보는 마치 어둠 속에서 암중모색하듯 감각기관을 통해서 얻은 정보를 바탕으로 대상을 알아가는 과정과 같다.    암중모색 앞이 전혀 보이지 않는 칠흑 같아 어두운 전혀 가본 적도 없는 미지의 공간에 들어가게 된다면 어떤 일이 일어날까? 우선 두려움이 엄습해 올 것이다. 자신이 어디에 있는지, 앞으로 무슨 일이 일어날지 알지 못하기 때문에 마음이 몹시 불안해질 것이다. 시간이 조금 지나면서 신체에 위험이 없다고 판단되면 자기가 있는 곳에 관한 정보를 얻고 싶은 ‘호기심’이 생길 것이다. 그러나 앞이 전혀 보이지 않으므로 눈이 있어도 무용지물이다. 그 상황에서 벗어나려고 해도 주변의 상태를 알지 못하면 대책을 세울 수도 없다. 어둠 속에서 시각을 제외한 여러 가지 감각기관을 사용하여 상황 파악에 도움이 될만한 정보를 수집하여 그동안의 경험으로 축적해 온 자신만의 데이터베이스를 활용하여 어떤 결론을 얻게 될 것이다. 그야말로 ‘암중모색(暗中摸索)’ 상태가 된다.(그림 1)  우리가 바깥세상의 정보를 수집하는 안테나의 역할을 하는 다섯 가지 감각을 오감이라고 부른다.(그림 2) 시각, 청각, 후각, 미각, 촉각을 통하여 정보를 수집하여 데이터베이스화하여 의식작용을 거쳐서 각종 판단을 하게 되는데, 시각이 약하면 약한 대로 없으면 없는 대로 자신만의 데이터베이스를 만들어 활용하게 되는 것이다. ‘암중모색’이라고 하면 단어의 의미에 집착하게 되어 시각에만 국한되는 느낌을 지울 수 없지만, 모든 미지의 세계를 탐색하는 과정이 이와 같다. 우리 주변에는 앞을 전혀 보지 못하는 시각 장애인도 있고 전혀 듣지 못하는 청각 장애인도 있다. 몇 년 전에 전 세계적으로 유행했던 코로나바이러스 감염 후유증으로 후각 또는 미각을 잃었던 환자분들도 계셨다. 환경의 정보를 받아들이는 여러 종류의 안테나(감각 기능) 중에서 일부가 고장 나거나 성능이 약화하였던 것이라고 할 수 있다.   그림 2. 바깥세상의 정보를 얻는 안테나 역할을 하는 다섯 가지 감각(오감)과 의식의 관계   이 세상은 나의 사정과 무관하게 아무 일도 없던 것처럼 돌아간다. 우리가 얻을 수 있는 정보의 질과 양이 다를 뿐이며, 개인적으로 축적해 온 데이터베이스의 내용과 활용 방법과 효율이 다를 뿐이다. 때로는 초음파, 엑스선, 적외선, 자외선 등을 이용하여 다양한 정보를 우리가 인지할 수 있는 시각 정보로 변환하여 활용할 수 있는 기기를 ‘암중모색’ 프로젝트의 보조수단으로 활용한다.   둥근 지구를 본 사람들 오늘날 ‘지구가 둥글다’라는 것은 초등학생도 아는 상식 중의 상식이다. 옛날에는 어땠을까? 해가 동쪽에서 뜨고 서쪽으로 지면 보이지 않으므로, 대부분의 사람은 땅은 평평하고 땅의 가장자리로 가면 낭떠러지가 있을 것이라고 믿었다. 그것이 그 당시의 상식이었다. 우리와 같은 오감으로 ‘암중모색’하여 내린 당시의 결론이다. 고대 그리스의 철학자 탈레스(Thales)는 지중해를 항해하면서 관찰한 땅의 모양을 근거로 땅은 원형 방패처럼 가운데가 부풀어 오른 원반형이라고 주장하였다. 그리고 이를 근거로 피타고라스(Pythagoras)는 지구가 둥글며, 완전한 구형이라고 주장했다. 그러나 중세 유럽에서는 종교적인 이유로 지구가 둥글다는 것을 부정하고 지구가 평평하다고 생각했다고 잘못 알려져 있다. 중세에도 관련 분야의 지식에 접근이 가능한 학자는 고대의 연구를 받아들여 지구가 둥글다고 생각했다. 이 시대에는 지동설과 천동설이 논쟁의 중심이었다. 기원전 4세기경 그리스의 알렉산드로스 대왕(Alexander the Great)이 활약하던 헬레니즘(Helenism) 시대에 이미 완성된 천동설은 지구가 둥글다는 지구 구형설을 전제로 성립된 것이었다. 그러나 그들은 여러 가지 현상을 통해서 지구가 둥글 것이라는 ‘암중모색’의 결과를 도출했을 뿐이다. 아무도 실제의 지구 전체의 모습을 보지 못했다.   그림 3. 지구의 전체 모양과 크기는 어떻게 확인할 수 있었을까?    적도 지름 1만 7756km의 지구의 전체 모습은 고궤도 인공위성의 비행 고도인 3만6000km 이상, 지구 적도 지름의 2배 이상 떨어진 거리에서 관측해야 가능하다.(그림 3) 따라서 지금까지 육안으로 지구가 둥글다는 것을 확인한 사람은 거의 없다. 지상으로부터 고도 400km의 궤도를 비행하는 국제우주정거장(ISS)에서조차 지구 전체의 모습을 한눈에 관찰할 수 없다. 국제우주정거장은 지구를 약 90분 만에 한 바퀴 돌 수 있는 속도로 이동하면서 다양한 실험, 연구, 지구 및 천체 관측을 수행하고 있다. 지구와 달의 평균 거리가 38만 4400km이므로 지구 전체의 모습을 볼 수 있는 고도인 3만 6000km는 지구와 달의 거리의 약 1/10에 해당한다. 기원 전 4세기의 ‘암중모색’의 결과가 현대 과학기술로 확인된 셈이다. 지구의 직경은 어떻게 측정했을까? 측정된 값은 얼마나 정확할까? 어디를 기준으로 측정했을까? 바닷물은 왜 지구의 표면에서 지구 중심을 향해서 낮은 곳을 채우며 구면을 형성하고 있을까? 해수면의 높이는 지구 어디에서나 같을까? 지금도 지구에 대해서 아는 것보다 모르는 것이 더 많다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

시점 - 사물이나 현상을 바라보는 눈 (1)   이번 호부터는 우리가 세상을 어떻게 바라보고 어떻게 이해하는지에 관해서 생각해 보고자 한다. 어느 날 세상에 던져진 하나의 생명체로 태어나 살아가는 과정을 통해서, 세상을 관찰하고 세상을 대상으로 실험하면서 세상을 이해해 가는 과정을 제삼자의 관점에서 살펴보고자 한다. 모든 행동은 생명 유지를 위한 욕구로부터 시작되지만, 그 욕구를 어느 정도 만족하면 세상에 대한 호기심이 새로운 형태의 행동으로 나타나게 된다. 호기심으로부터 시작된 행동, 그 행동으로부터 전개되는 다양한 행위를 통한 학습 과정과 학습된 내용을 응용하는 과정을 1년간의 연재를 통해서 다양한 각도에서 살펴보도록 한다. 일상에서 무의식적으로 일어나는 일이지만 한 번쯤은 그러한 무의식적 행동을 제삼자의 관점에서 관찰하는 것도 의미가 있을 듯하여 이번 연재를 기획하게 되었다. 그 첫 번째 이야기는 ‘호기심’에 관한 이야기이다. 가벼운 마음으로 읽어주시길 바란다.   ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com   그림 1. 호기심은 여러 가지 감각기관으로부터의 신호를 바탕으로 자신의 바깥 세계를 이해하기 위한 원동력이자 수단이다.   호기심 새롭고 신기한 것을 좋아하거나 모르는 것을 알고 싶어 하는 마음이 ‘호기심’이다. 모든 생명체는 세상에 태어나면서 바깥세상에 대한 정보를 탐색하고 적응해 가면서 생명 활동을 이어간다. 미생물, 식물, 동물, 인간에 이르기까지 공통적으로 적용되는 것이다. 모든 생명체에 해당하는 원초적인 욕망이다. 갓난아기, 어린이, 강아지, 새끼 고양이, 갓 부화한 애벌레까지도 주변 환경의 정보를 감지하고 그 정보를 바탕으로 위험한지, 안전한지, 이로운지, 해로운지를 순간적으로 파악할 수 있도록 경험이라는 데이터베이스를 축적해가면서 생명 활동을 이어간다.(그림 1) 호기심은 상상력을 풍부하게 하기도 하며, 새로운 목표를 정하고 그 목표를 향하여 도전하게 하는 원동력이 되기도 한다. <그림 2>는 실제로 일어날 수는 없지만 갖가지 상상의 조합으로 만들어진 이미지이다. 대기권 밖을 비행하는 우주선에서나 볼 수 있는 둥근 모양의 푸른색 지구와 크기의 비율로도 전혀 사리에 맞지 않는 반쯤 가려진 붉은 색 화성, 고양이 모양을 한 별자리까지 상상력을 자극한다, 나무 담장 위를 기어가는 거대한 애벌레까지…. 현실과 동떨어진 합성된 이미지이지만 자신의 경험과 지식을 바탕으로 이 모순된 이미지에서 각자의 방식대로 작자의 의도를 파악하려고 노력하는 자신을 발견하게 된다. 심지어는 자신만의 이미지를 합성해 보고 싶은 충동을 느낄 만큼 중독성까지 있다. 인간은 지적 호기심이 충만한 생명체이기 때문이다. 호기심은 가슴을 설레게 하며, 현상에 대한 이해와 상상력을 유발하기도 하고, 미지의 세계에 대한 도전의 동기를 부여하기도 한다.   그림 2. 호기심은 가슴을 설레게 하며 현상에 대한 이해와 상상력을 유발하고 도전의 동기를 부여한다.   상상을 현실로 만든 사례 필자를 비롯한 지구상의 모든 생명체는 지구에 살면서도 지구가 둥글다는 것을 육안으로 확인하지 못한다. 대기권 아래에서 평생을 살면서도 대기의 존재를 느끼는 일도 거의 없고, 중력의 영향으로 지구 중심으로 당겨져 지표면에 붙어 살면서도 중력을 체감하는 일이 거의 없다. 대기나 중력의 존재는 학습을 통해서 머릿속으로 개념을 이해할 뿐이다. 생명이 위협을 받을 때에서야 비로소 대기의 필요성과 중력의 위력을 체험하게 된다. 그러나 그러한 위험한 상황이 해소되면 또다시 망각하게 된다. 하늘을 보면 낮에는 해가 보이고 밤에는 달과 별이 보이지만, 그것이 얼마나 떨어져 있고 얼마나 큰 것인지 알 수 없다. 대낮에는 햇빛이 너무나도 강렬해서 해를 똑바로 바라보지도 못한다. 그믐날 밤에는 달빛도 거의 없어 별빛에만 의존해서 보아야 해서, 어둠 속에서 주변 물체의 존재를 확인하기도 어렵다. 도시의 경우 밤에도 각종 조명에 의한 빛 공해 때문에라도 밤하늘을 보는 일 자체가 많지 않다. 또한 지구와 다른 천체의 사이에는 무엇이 있는지 알지 못한다. 학교에서 교과서와 선생님의 설명을 통해서 그러려니 하는 경우가 대부분이다. 교과서를 집필한 사람이나 그 교과서를 사용해서 수업을 진행하던 선생님도 자신이 확인한 내용은 거의 없다. 그렇지만 시험 문제로 출제되고 모두가 그렇게 믿으니 그런가 보다 할 뿐이다. 상식은 이렇게 만들어지고 힘을 얻게 된다. 그 상식을 경계로 비상식 또는 몰상식한 사람이 가려진다. 때로는 사회성이 부족한 사람 또는 이단자로 비치기도 한다. 과연 그런 구별은 가능한 것일까? 역사 속의 몇 가지 사례로 살펴보자.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   우리는 현재 디지털 시대에 살고 있다고 추정된다. 디지털 시대는 디지털 기술과 디지털 경제, 문화 등 인간의 모든 활동에 디지털 영향을 포함한다. 디지털이란 무엇일까? 디지털 (digital)의 반대 개념은 아날로그(analog)이거나, 물리적(physical)이거나 또는 현실(reality)이라고 할 수도 있다. 이제는 디지털이 단순하게 아날로그에 대비되는 개념만은 아니다. 최근에는 디지털이 스마트와 같은 의미로 사용되기도 한다. 대망의 2025년은 디지털 철학(philosophy of the digital)에 대해서 생각해 보는 것으로 시작하려고 한다. 이전에도 디지털을 단편적으로 많이 생각해 봤다. 그래서 이번에는 세 가지 방향으로 생각해 보기로 했다. 디지털 철학의 본질적 관점, 그리고 현재 산업의 기술, 트렌드, 전환의 관점, 그리고 나 자신의 개인적 관점이다.   디지털 철학의 본질적 관점 디지털 기술의 발전은 단순한 편리함을 넘어 인간의 사고 방식, 소통 방식, 그리고 문화·정치·사회구조까지 재편하는 거대한 변화를 이끌어냈다. 디지털 철학은 디지털 기술이 인간의 가치관과 전통적 사고 방식에 미치는 영향을 성찰하며, 새로운 디지털 시대에서 인간 존재의 의미와 윤리적 과제를 생각한다. 단순히 기술의 수용을 넘어, 디지털 기술과 함께 인간성을 재정의하는 새로운 사고 방식으로 접근해야 한다. 디지털 전환은 기존의 산업 구조와 생활 방식을 근본적으로 재구성하는 과정이다. 이는 단순한 기술적 업그레이드가 아니라 클라우드, 인공지능(AI), 사물인터넷(IoT) 등 첨단 기술을 통해 비즈니스 모델, 사회 구조, 그리고 개인의 일상까지 혁신하는 거대한 변화이다. 이러한 디지털 전환은 우리 사회가 농경사회에서 산업사회, 그리고 정보사회로 변천했던 역사적 전환과 유사한, 대대적 인식의 변화를 요구한다. 오늘날 디지털 기술 트렌드는 5G, 양자컴퓨팅, 웹 3.0, 확장현실(XR), 디지털 트윈 등으로 대표되며, 이는 인간에게 새로운 철학적 질문을 던진다. 디지털 정체성은 어디까지 확장될 수 있는가? 데이터 폭증 속에서 정보의 진위는 어떻게 판별하며, 알고리즘 필터를 통해 얻는 지식은 얼마나 객관적인가? 또한, 인공지능이 의사결정 과정에 깊이 관여할 때 책임과 윤리적 기준은 어떻게 설정해야 하는가? 이러한 질문은 디지털 시대를 살아가는 우리가 반드시 성찰해야 할 과제가 된다.   그림 1. 디지털 지속가능성(digital sustainability)   디지털 전환은 인간적 가치를 재고하는 기회를 제공한다. 정보 접근성과 업무 효율성이 극대화되고 생활의 편의성이 증대되는 긍정적인 측면이 있는 반면, 개인 정보의 상업화, AI를 통한 여론 조작, 디지털 중독, 인간관계의 피상화 등 부정적인 영향도 함께 존재한다. 디지털 철학은 이러한 양면성을 직시하며, 새로운 기술 환경 속에서 인간다움을 유지하고 증진할 수 있는 가치체계를 모색한다. 이를 위해 실천적 노력이 필수적이다. 기술 독점과 프라이버시 침해를 방지하기 위한 제도적 대응과 법적 규범을 마련해야 하며, 디지털 리터러시 교육을 강화해 시민들이 기술을 비판적으로 수용할 수 있는 능력을 길러야 한다. 또한, 예술, 문학, 게임 등 다양한 문화적 표현을 통해 디지털 시대의 경험을 재해석하는 것도 중요하다. 디지털 철학은 기술 발전과 인간적 가치를 연결하는 새로운 생각의 방식이다. 이는 단순히 기술에 적응하는 수동적 태도를 넘어, 기술과 함께 인간다운 삶을 재정의하며 발전시키는 능동적이고 비판적인 접근을 요구한다. 디지털 전환의 시대를 살아가는 우리 모두는 디지털 철학자로서, 기술과 인간의 조화를 모색하는 역할을 맡고 있다.   디지털 산업 상황적 관점 현대 산업은 기술(technology), 트렌드(trends), 전환(transformation)이라는 세 가지 주요 키워드로 요약될 수 있다. 이들은 서로 긴밀히 연결되어 산업 발전을 주도하며, 기업들이 경쟁력을 유지하기 위해 혁신과 적응에 주력해야 하는 핵심 요소로 자리잡았다. 기술의 영역에서는 디지털화와 자동화가 가장 두드러진 변화로 인공지능, 머신러닝, 사물인터넷, 에지 컴퓨팅 등의 첨단 기술이 생산 공정을 자동화하며 효율성을 극대화하고 있다. 더불어 스마트 공장과 디지털 트윈, 소프트웨어 정의, 데이터 기반 의사결정 시스템의 도입은 산업의 지능화와 효율화를 이끌고 있다. 에너지 분야에서도 재생 가능 에너지, 탄소 중립 설루션, 전기차 배터리 기술 등 지속가능성을 지원하는 혁신적인 기술이 빠르게 발전하고 있다. 트렌드 측면에서는 지속가능성과 ESG 경영이 핵심으로 떠오르고 있다. 환경, 사회, 거버넌스를 고려한 경영 방침이 요구되면서 탄소 배출 감소와 친환경 제품 개발이 주요 트렌드로 자리잡고 있다. 또한, 고객 중심 혁신이 강조되며 맞춤형 제품과 서비스, 디지털 플랫폼을 통한 고객 경험 강화가 기업의 중요한 목표가 되고 있다. 글로벌 공급망의 불확실성 증가에 따라 생산 공정의 지역화를 통해 리스크를 최소화하려는 리쇼어링 트렌드도 주목받고 있다.   그림 2. 디지털 수명주기 지속가능성(digital lifecycle sustainability)   전환의 과정에서는 디지털 트랜스포메이션이 중심에 있다. 기존 산업 구조가 디지털 기술을 기반으로 한 새로운 구조로 전환되며, 전통 제조업에서 SaaS(서비스형 소프트웨어) 기반 제조 플랫폼으로의 변화가 가속화되고 있다. 또한, 다양한 산업 간 융합이 활발히 이루어지며, 이를 통해 자동차 산업과 IT 기술의 결합으로 탄생한 커넥티드 카와 자율주행차와 같은 새로운 비즈니스 모델이 창출되고 있다. 이와 함께 미래 산업을 이끌어갈 인재에 대한 요구도 커지고 있다. 인공지능, 데이터 분석, 클라우드 기술에 능숙한 디지털 전문 인재 확보와 기존 인력의 재교육(reskilling) 및 업스킬링(upskilling)이 필수 과제로 떠오르고 있다. 기술, 트렌드, 변환이라는 세 가지 키워드는 현대 산업의 발전을 이끄는 중요한 축이다. 기업은 이 변화에 신속히 적응하고, 혁신을 통해 지속 가능한 경쟁력을 확보해야 한다. 이는 단순한 생존 전략을 넘어, 미래를 대비하는 필수적인 접근 방식으로 자리잡고 있다.   디지털 개인적 삶의 관점 나의 컬럼에서 디지털이라는 제목을 시작한 것은 2008년 9월호의 ‘자료에서 디지털 지혜까지’이다. 그리고 마지막은 2024년 10월호 ‘디지털 디톡스와 디지털 안식년’이다. 2008년부터 2024년까지 총 49편의 칼럼에 디지털이라는 제목이 포함되었다. 이 칼럼을 쓰고 나면 드디어 50번째 디지털 제목이 포함된 글을 완성하는 셈이 된다. 작년 10월호 칼럼을 쓰고 디지털 디톡스를 하기 위해서 자전거를 타다가 사고를 당해서 팔목 수술을 했다. 덕분에 확실하게 디지털도 중요하지만 그와 대응하는 아날로그, 물리적, 현실이 중요하다는 것을 깨닫는 계기가 되었다. 인간은 죽을 때까지 배우는 것 같다. 수술을 하기 위해서 건강 검진을 하다 보니 자신의 건강 수치를 알 수 있었다. 지난 몇 년 간의 건강 검진 수치를 비교해 봤는데, 이제는 더 이상 미룰 수 있는 수준이 아니라서 우선 체중을 10kg 감량했다. 이전에는 감량을 한 적이 있으나 운동만으로는 한계가 있어서 음식을 조절했다. 그동안 건강 관리는 무계획적으로 한 것 같다. 체중, 혈압, 혈당, 콜레스트롤, 체지방, 내장지방, 골격근, 간수치 등을 실시간으로 측정하고 그 원인을 분석해야 한다. 관리는 측정이 시작이다. 측정하지 않는 것은 가설이지 관리가 될 수 없다. 최근에는 스마트폰을 포함한 다양한 기기에서 블루투스로 데이터가 저장되어서 스마트폰에서 통합적으로 관리할 수 있다. 심지어 혈당 측정도 분 단위로 측정하는 장비가 있다.   그림 3. 디지털 건강 지속가능성(digital health sustainability)   디지털을 추구해도 우리의 신체와 생각은 물리적이고 현실 세계에 존재한다. 요즘 화두는 건강인 것 같다. 최근에는 취미보다는 건강을 위한 운동을 많이 하는 것 같다. 한강 강변에서 열심히 러닝하고, 체육관에서 근육 운동을 하는 사람이 점점 많아지고 있다. 요즘 디지털과 같이 사용되는 것이 스마트일 것이다. 현재의 스마트는 디지털 기술을 이용하는 스마트이다. 주변에는 스마트폰, 스마트 시티, 스마트 공장 등을 볼 수 있다. 그러나 전통적 스마트는 우리의 뇌에서 생각하는 스마트이다. 우리의 뇌는 스마트를 추구한다. 우리 인간은 이기적으로 자기 중심적이다. 우선 인간의 첫 번째 스마트는 자유롭게 생각하고 행동하는 행복을 추구하는 감각적 스마트이다. 인간은 행복하게 사는 것을 첫 번째 스마트라고 생각한다. 그러나 우리의 행복은 영원히 지속되지 않는다. 그리고 그 행복이 타인과의 비교할 때는 스트레스가 된다. 심지어 쾌락적 행복감은 오랜 우울증이나 고독감이 찾아올 수도 있다. 두 번째 스마트는 이성적 스마트이다. 불행해지지 않도록 노력하는 것이다. 건강을 위해서 맛있는 음식도 참는다. 미래에 대비하고 리스크를 관리하고 준비하고 저축한다. 그러나 항상 미래는 불확실하고 세상은 변화 무쌍하기 때문에 준비하는 것에는 한계가 있다. 세 번째 스마트는 지혜적 스마트이다. 이것은 행복해지려고 노력하거나 불행해지지 않으려고 하기보다는 불행에 잘 빠지지 않는 것이다. 그리고 불행에서 잘 빠져나오는 것이다. 디지털 시대를 포함한 격동의 시대에는 이러한 지혜적 스마트가 가장 필요하다. 그리고 지혜적 스마트에는 디지털 지속가능성이 포함되어야 한다. 디지털 철학의 시작은 왜, 무엇을, 어떻게 우리가 디지털 기술을 적용해서 스마트하게 살아가는 것이다. 그리고 그것은 2025년의 시작이 될 것이다.   ■ 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.

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.

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.