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.

캐드앤그래픽스는 SIMTOS 2024 행사 기간 중 4월 4일과 5일에 ‘디지털 제조 & 뿌리산업 컨퍼런스’를 진행했다. AI 제조 혁신과 디지털 트윈을 다룬 ‘디지털 제조 컨퍼런스(4월 4일)’와 스마트 공장 및 뿌리산업의 디지털 전환을 주제로 한 ‘뿌리산업 컨퍼런스(4월 5일)’을 통해 제조 분야 디지털 전환의 흐름을 짚고, 미래 혁신 전략과 사례를 살펴보는 자리가 마련됐다. ■ 정수진 편집장     4월 5일 ‘뿌리산업 컨퍼런스’에서는 ‘뿌리산업 대전환, DX와 스마트팩토리’를 테마로 5편의 발표가 진행됐다. 한국생산기술연구원의 최태훈 연구소장은 ‘미래 산업환경 대응 지능화 뿌리기술’에 대해 발표했다. 디지털화(digitalization) 및 디지털 전환(DX)은 대량의 데이터를 수집/분석할 수 있는 기술로 꼽힌다. 주요 선진국은 매스 커스터마이제이션(대량맞춤생산) 및 퍼스널라이제이션(개인화)으로 대표되는 경제 패러다임의 변화에 대응하기 위해 DX 기술을 기반으로 생산 제조 시스템 및 서비스 시스템의 변화를 추진하고 있다. 데이터의 활용을 기반으로 서비스를 개인화/자동화하며 프로세스를 혁신하는 인더스트리 4.0과 스마트 공장이 대표적이다. 스마트 공장의 구성 요소로 ▲공장 내 모든 장비의 소통 ▲공장 내 모든 구성요소의 역할 파악과 협업 ▲자율 운영 등을 꼽은 최태훈 연구소장은 “스마트 공장의 목적과 활용도 측면에서 생산성 향상에 아직 집중하고 있는 것이 국내 뿌리기업의 현실”이라면서, 공정 최적화를 넘어 유연생산과 자율제조를 추진해야 한다고 짚었다. 또한 중견/중소기업의 디지털 전환 확산을 위해서는 대기업의 상생 노력 및 정부의 정책 고민도 중요하다고 덧붙였다.   ▲ 한국생산기술연구원 최태훈 연구소장   LG전자의 송시용 상무는 ‘스마트 팩토리 구축 여정과 사례’ 발표에서 “스마트 공장의 목적을 명확히 하고 긴 여정을 짧게 가져가는 것이 경쟁력이 될 것”이라고 전했다. 송시용 상무가 바라보는 스마트 공장은 새로운 생산 시스템의 초기 기획부터 구축, 안정화, 양산 운영까지 전체 라이프사이클의 경쟁력을 확보하는 수단이다. 이를 위해 양산 운영 단계까지 빠르게 도달하는 것이 스마트 공장 성공의 열쇠라는 것이다. 또한, 송시용 상무는 LG전자가 구축한 스마트 공장인 ‘드림 팩토리’의 사례를 소개했다. 드림 팩토리는 양산 3년 전부터 초기 기획을 진행했고, 자동화를 위한 표준화와 공용화 등을 선결 과제로 추진했다. 이를 통해 제품 개발, 생산 시스템 및 SCM(공급망 관리), 공법 및 장비 등의 영역에서 자동화와 운영 최적화, AI 기반의 성능 예측과 실시간 설비 데이터 기반 고장 예지 등의 기능을 구축했다. 송시용 상무는 “생산 현장의 직접 영역 외에 간접 영역의 디지털 전환도 함께 추진해야 효용을 높일 수 있다”고 덧붙였다.   ▲ LG전자 송시용 상무   현대자동차의 최영태 상무는 ‘현대자동차 HMGIS 스마트 팩토리 구축 사례 소개’에 대해 발표했다. 현대자동차는 미래 자동차 생산 기술을 연구 및 실증하기 위한 싱가포르 글로벌 혁신센터(HMGIS)를 구축했다. HMGIS는 현대자동차그룹의 스마트 공장 브랜드인 ‘이포레스트(E-FOREST)’를 실증하기 위한 테스트베드의 역할도 한다. 최영태 상무는 현대자동차가 추구하는 스마트 제조 플랫폼의 핵심 가치로 ▲휴머노이드 로봇 등을 활용한 자동화 ▲공장의 자율 운영 및 소프트웨어 정의 공장(SDF) ▲인체공학적인 스마트 공장 기술 ▲수소 에너지 기반의 넷제로 공장 등을 꼽았다. 또한, 스마트 공장 추진 사례로 ▲산업용 로봇/협동로봇, 머신비전, AI 기술을 활용한 조립 자동화 시스템 ▲자율주행, 통합 관제 기술 등을 활용한 경로 이송 물류작업의 자동화 시스템 ▲제조 현장의 데이터를 시각화/공유하는 IoT 기반의 팩토리 BI(비즈니스 인텔리전스) ▲데이터 분석/비전 품질 검사/생산 관련 정보 및 자동화 가이던스 제공 등을 위한 팩토리 AI를 소개했다.   ▲ 현대자동차 최영태 상무   에스엔에이치의 민태기 연구소장은 ‘공작기계의 역사와 제조업의 과거와 미래’에 대해 발표하면서 스마트 공장에 대한 큰 그림을 그리는 데에 도움이 될 만한 내용을 소개했다. 공작기계의 역사는 우리가 생각하는 것보다 오래 되어, 맷돌도 초보적인 공작기계로 볼 수 있을 정도이다. 이후 산업혁명 시기에는 증기기관 방적기가 등장하면서 의류의 생산성이 높아지고, 난방과 조리에 쓰고 남은 열을 활용할 수 있게 되면서 조리 기술이 발달하는 등 기계가 생활을 변화시키기도 했다. 특히 정밀가공 기술의 발전은 대포의 성능을 크게 높이면서 국제정세의 변화를 이끌었다. 비교적 최근에는 직렬 공정의 리스크에 대한 고민이 분산시스템과 CPS(사이버 물리 시스템) 등을 고민하게 했고, CNC 머신의 등장은 4차 산업혁명으로 이어지는 시작점이 되었다. 민태기 연구소장은 “이후에도 공작기계는 더 많은 산업과 우리 생활 가까이 자리잡고 있다”면서, “제조현장과 제품 생산의 미래는 성능과 생산성을 넘어 ‘우리의 삶을 어떻게 바꿀 것인가’라는 흥미와 관심이 주도할 것”이라고 전했다.   ▲ 에스엔에이치 민태기 연구소장   산업통상자원 R&D전략기획단의 임영목 MD는 ‘산업 R&D 정책 방향’에 대한 발표에서 “우리 정부는 자유무역 체제 하에서 기술 패권, 생산성 강화, 디지털 전환과 같은 글로벌 환경 변화에 대응해야 한다는 측면에서 R&D 및 정책 모델의 전환을 추진 중”이라면서, “첨단 전략 기술, 혁신 인재, 개방형 혁신, 산업 융합, 스케일업 등의 키워드를 정책에 반영할 필요성이 커졌다”고 전했다. 정부는 파편적인 과제 지원에 그치지 않고 전략적인 목표 아래 다양한 전문 분야를 연결해 산업 혁신으로 이어질 수 있는 정책 거버넌스에 대한 고민을 하고 있다. 임영목 MD는 이런 흐름에서 향후 정부 R&D 지원 정책의 주된 방향으로 ▲고위험 차세대 기술에 대한 R&D 투자 집중 ▲기업 등 민간의 기술 수요자 중심으로 프로세스 변화 ▲ 산업 단위의 공통 핵심기술에 대한 투자 확대 ▲기업 수요 기반으로 전략적 글로벌 공동 연구 추진 ▲민관 공동투자 대상 기업의 스케일업 지원 ▲선진 연구자의 참여 및 성장 지원 등을 꼽았다.   ▲ 산업통상자원 R&D전략기획단 임영목 MD   같이 보기 : [포커스] 디지털 제조 컨퍼런스, 제조산업 혁신 전략과 디지털 트윈의 활용 방안 소개

한국오라클이 지난 4월 16일 ‘모던 데이터 플랫폼 및 데이터베이스 혁신 전략’을 주제로 기자간담회를 열고, 융합형 데이터베이스(Converged DB)를 중심으로 한 오라클의 포괄적인 기업 데이터 관리 기술의 현재와 미래에 대해 소개했다.  ■ 박경수 기자   기자간담회에는 ‘DB의 아버지’라 불리는 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장이 참석해 ‘데이터, AI 및 앱 개발의 미래’를 주제로 발표하고, 오라클 DB 솔루션이 향후 AI 시대를 주도할 데이터 플랫폼의 미래 시장에서 어떤 가치를 갖고 있는지 설명했다.   오라클 모던 데이터 플랫폼 오라클 모던 데이터 플랫폼(Oracle Modern Data Platform)은 전체 라이프사이클을 간소화하고 더 빠른 속도로 통찰력을 제공한다는 점이 특징이다. 단일 플랫폼 상에서 모든 트랜잭션, 웨어하우스, 분석 및 인공지능(AI)/머신러닝(ML) 자산에 대한 수집, 선별(curation) 및 관리를 통해 기업이 데이터에 대한 더 큰 통제 권한을 얻을 수 있다. 오라클은 온프레미스, 하이브리드, 규제, 퍼블릭 클라우드 솔루션 등 원하는 형식이 무엇이든 지원할 수 있다고 강조했다. 모던 데이터 플랫폼은 기업 조직에 데이터 저장, 처리 및 분석을 위한 통합 환경을 제공하는 중앙 집중형 인프라로, 일반적으로 데이터 웨어하우스, 데이터 레이크, 추출, 변환, 로드(ETL) 파이프라인 및 분석 도구 등의 기술들을 포함하고 있다.  모던 데이터 플랫폼은 표준화 및 통합된 데이터 관리 접근방식을 확립해 기업 조직이 귀중한 통찰력을 얻고, 데이터 기반 의사결정을 내릴 수 있도록 하는 지원하는 것을 주된 목표로 삼는다. 단일 통합 저장소에서 데이터 자산을 중앙 집중형으로 관리해 데이터에 대한 더 쉬운 액세스, 협업 및 통제를 가능케 한다.   ▲ 오라클 모던 데이터 플랫폼 기자간담회 모습   융합형 데이터베이스 중심의 기업 데이터관리 앤디 멘델손 부사장은 “오라클의 데이터베이스 비전은 기업 앱 및 분석 개발 운영을 어떠한 활용 사례 및 규모에서든 수월하게 만드는 것”이라며, “전략적 핵심은 기업의 개발뿐만 아니라, 생성형 AI 및 LLM 결합을 통해 생성까지 쉽게 만드는 것”이라고 말했다. 이러한 비전 달성을 지원하는 두 가지 핵심 축은 ‘융합형 DB’ 및 ‘자율운영 DB’이다. 오라클의 융합형 DB는 23c 버전을 클라우드 환경으로 정식 출시됐고, 곧 사내구축형 환경으로도 출시될 예정이다. 멘델손 부사장은 오라클이 2023년 9월에 발표한 차세대 융합형 DB인 오라클 DB 23c가 기존 관계형 모델과 JSON 및 그래프 모델 간의 통합을 구현하는 혁신을 이뤘다고 소개했다. 또한 최근의 앱은 관계형뿐만 아니라 JSON, 그래프 등 다양한 데이터 유형이 혼합 운영되는 가운데, 개발자는 오라클 DB 23c를 통해 3가지 유형의 데이터 장점을 모두 활용하는 앱을 개발, 운영하고 있으며 그 과정에서 데이터의 일관성을 손쉽게 유지할 수 있다고 설명했다. 융합형 DB는 멀티 모델, 멀티 테넌트 및 멀티 워크로드 DB로, 각 개발팀이 원하는 데이터 모델과 액세스 방법을 지원하면서 불필요한 기능으로 방해받지 않도록 한다. 또한 각 개발 팀이 필요로 하는 모든 워크로드(OLTP, 분석, IoT 등)를 탁월한 성능으로 지원한다.  한편 오라클은 지난해 9월 오라클 데이터베이스23c(Oracle Database 23c)에 AI 벡터를 사용하는 시맨틱 검색 기능을 추가할 계획이라고 발표했다. AI 벡터 검색(AI Vector Search)이라는 기능 모음에는 새로운 벡터 데이터 유형, 벡터 인덱스, 벡터 검색 SQL 연산자 등이 포함되어 있다.   ▲ 오라클의 앤디 멘델손 DB 서버 기술개발사업부 총괄 부사장   생성형 AI 기술과 데이터베이스 접목 멘델손 부사장은 또 오라클 DB 비전과 관련해 생성형 AI를 접목한 융합형 DB(Converged Database)와 이를 구동하는 자율운영 DB(Oracle Autonomous Database)를 통해 모던 앱 및 분석을 생성 및 운영하는 작업이 간소화될 것이라고 강조했다. 이를 통해 융합 개방형 SQL DB가 기존 단일목적 상용 DB를 대체함으로써, 기업 개발자와 IT 전문가가 데이터 통합 시간을 줄이고 혁신에 더 집중하도록 돕는다는 전략이다. 오라클은 생성형 AI 기능을 자사 DB 포트폴리오에 내장하고 있는데, 기업이 오라클의 AI 기반 애플리케이션을 구축하도록 지원하기 위함이다. 대표적인 예로, 기업은 자율운영 데이터베이스 셀렉트 AI(Autonomous Database Select AI) 기능을 사용해 자체 엔터프라이즈 데이터와 생성형 AI가 제공하는 생산성 및 창의성의 장점 모두를 활용함으로써 애플리케이션 개발을 가속화할 뿐만 아니라, 신규 비즈니스 솔루션 구축을 진행할 수 있다. 또한 오라클은 OCI 데이터 사이언스(OCI Data Science)의 기능도 확장하고 있으며, 이를 통해 기업이 허깅페이스(Hugging Face)의 트랜스포머(Transformers) 또는 파이토치(PyTorch)와 같은 오픈소스 라이브러리를 사용해 복수의 LLM을 구축, 훈련, 배포 및 관리하도록 지원한다.   ▲ 차세대 융합형 데이터베이스, 오라클 DB 23c   오라클 글로벌 분산형 자율운영 데이터베이스 오라클 글로벌 분산형 자율운영 데이터베이스(Oracle Globally Distributed Autonomous Database)는 기업이 데이터 레지던시 요건을 충족시키고, 비즈니스 크리티컬 애플리케이션에 생존성을 제공하며, 클라우드급 DB 성능을 제공하도록 지원하는 완전 자동화된 분산형 클라우드 DB다.  또한 Oracle DB 샤드 세트로 분산된 단일 논리적 오라클 DB로, 각 샤드는 논리적 DB 데이터의 하위 집합을 호스팅하는 독립적인 오라클 DB 인스턴스다. 다수 샤드를 하나의 OCI 가용성 도메인, 여러 OCI 가용성 도메인 또는 리전, 또는 상이한 지역의 OCI 리전에서 실행해 각각 성능 극대화, 최상의 가용성 확보 및 데이터 레지던시 요건을 지원할 수 있다. 이 밖에도 기업의 핵심 워크로드 구동에 최적화된 고성능 및 고안정성을 제공하는 동시에, 데이터 주권 및 보안 강화를 지원하는 오라클의 서비스로는 오라클 융합형 DB(Oracle Converged Database), 오라클 자율운영 DB(Oracle Autonomous Database), 오라클 엑사데이터 클라우드앳커스터머(Oracle Exadata Cloud@Customer), MySQL 히트웨이브(MySQL HeatWave) 등이 있다. 또한 오라클은 기업 요구사항을 충족시킬 수 있는 DB 및 분석 서비스에 지속적으로 투자하고 있다.   멀티 클라우드 지원 오라클의 또 다른 전략적 핵심은 '멀티 클라우드 지원'이다. 오라클과 마이크로소프트는 주로 애저(Azure) 클라우드 이용 약정 계약을 맺고 있다. 애저 환경에서 자사의 앱 및 오라클 DB를 함께 운영하길 원하는 양사 고객들을 위해 ‘오라클 데이터베이스앳애저(Oracle Database@Azure)’를 발표했다.  해당 오퍼링은 물리적인 엑사데이터(Exadata) 하드웨어를 애저 클라우드 리전 안에 위치시켜 애저 클라우드 데이터 센터 안에서 바로 엑사데이터 기반 클라우드 서비스를 제공하는 변화를 선보였다. 이를 통해 양사 고객들은 기존 애저 클라우드 서비스에 대한 이용 약정 계약 금액만으로 애저 클라우드 및 오라클 데이터베이스 클라우드 서비스를 모두 사용할 수 있게 됐다. 향후 오라클은 MS 외에도 타 클라우드 기업들과 파트너십 확대를 전략적 목표로 삼고 있으며, 올해 오라클 클라우드 월드에서 관련 내용을 소개할 예정이다.  이번 기자간담회를 통해 오라클은 오라클 DB에 많은 양의 비즈니스 데이터를 보유한 기업들이 강력한 AI 기술 및 SQL을 손쉽게 활용해 간단한 방식으로 데이터 검색을 지원하는데 초점을 맞추고 있다는 것을 알 수 있다. 이를 통해 기업은 내부 독점 데이터를 더 잘 활용하는 것은 물론 이해할 수 있게 될 것으로 전망하고 있다. 또한 표준 SQL 기반으로 제공되는 AI 기술이기 때문에 컴퓨터 공학 부문에서 높은 학위가 없다고 하더라도 SQL을 이용할 수 있는 모든 DBA(데이터베이스 관리자)가 활용할 수 있다는 점도 특징이다.    질의 응답 Q. 오라클 DB의 자연어 질문 및 답변 지원 기능과 관련해, 이를 일반적 챗GPT와 비교 시, 기업 내 환경에서는 일반 사용자들이 경험하는 환각현상 같은 것들이 허용되지 않고 정확해야 하는데 이에 대한 관점은 A. 회사 내 데이터에 대해 LLM 기반 검색은 말씀하신 그런 LLM 모델로는 좋은 답을 제공할 수 없다. 말씀한 모델은 인터넷에 공개된 방대한 데이터에 대해 훈련됐지만, 기업 보유의 프라이빗 데이터에 대해서는 전혀 알지 못하기 때문이다. 비즈니스적인 질문을 비즈니스 데이터에 대해 할 경우에 자연어로 질문을 할 때 LLM이 올바른 SQL 질문을 만들 수 있도록 도울 수 있는 데이터 강화가 필요하다. 그래서 사용자의 질문의 맥락에 따라서 가장 적절하다고 생각되는 데이터베이스 스키마를 생성 및 제공해야 한다.  이에 오라클은 LLM이 SQL 생성 후 적절한 오라클 데이터베이스에 있는 스키마만 참조할 수 있도록 하며, 인터넷 공개 데이터로 답변하지 않도록 한다. 애널리스트들이 자주 묻는 질문을 알고 있기 때문에, 이것을 기반으로 관계형 뷰를 만들어서 여기서 가장 자주 묻는 질문에 해당하는 스키마 생성 및 이를 LLM에 전송해서 기업 맥락에 맞는 답변할 수 있도록 보완한다.    Q. 자율운영 DB 개념과 다른 리전에서 고가용성 및 레지던스 확보를 지원하는 기능에 대해 설명해 달라 A. 글로벌 분산형 자율운영 DB는 전 세계적으로 각국 정부가 데이터 주권 규제 강화하고 있는 추세를 지원하고자 출시했다. 예를 들어 현대기아자동차 같이 글로벌하게 운영하는 기업은 전 세계 고객에 대한 DB를 갖고 있다. 데이터 주권 규제로 인해 고객 DB를 국가별로 분산해서 나눠서 관리해야 하는 의무가 있다. 하나의 단일한 고객 DB를 통합해서 관리할 수 없고, 중국, EU 등으로 나눠서 관리해야 하며 이것을 데이터베이스 샤딩이라는 용어로 표현하고 있다. 그래서 23c에서 글로벌 샤딩을 쉽게 만드는 기술을 포함하고 있다.   Q. 파운데이션 LLM 사업을 직접 하지 않는 이유와 최근에 등장하는 경쟁력 있는 MS 오픈 AI, 구글 제미나이 등에 모델을 올리기 어려운 점에 대한 관점은 A. 챗GPT 같은 파운데이션 LLM 모델 개발 구축에 많은 비용이 들며, 시장의 무료 모델을 쓸 수 있기 때문이다. 또한 셀렉트 AI 등 오라클이 AI로 LLM 활용을 지원하는 기술들 중 좋은 API로 연결해 시중의 인기 있는 널리 사용되고 있는 LLM 모델과 잘 연동되고 지원하도록 기술을 고도화하고 있다. 오라클 클라우드 관점에서 오픈AI 등 LLM 벤더와 파트너십을 맺어서 오라클 클라우드를 사용하도록 움직이고 있다. 말하자면 프라이빗 LLM 만들 수 있도록 지원하는 것이다. 현재 AI 커뮤니티에서 굉장히 많은 개발 움직임이 있는데, 그 중 하나가 업무별로 특화된 LLM을 만드는 것이다. 이 경우 운영 비용이 굉장히 저렴해질텐데, 예를 들면 SQL 생성에 특화된 LLM 만든다고 했을 때, 이런 쪽과 협력해서 특화된 기술을 저렴한 비용으로 사용할 수 있도록 하는 협력을 진행하고 있다.      ■ 기사 내용은 PDF로도 제공됩니다.

머티리얼라이즈와 레니쇼(Renishaw)는 레니쇼의 적층제조(AM) 시스템을 사용하는 제조업체의 효율성과 생산성을 높이기 위한 파트너십을 발표했다. 파트너십에 따라 레니쇼 시스템 사용자는 금속 AM 시스템인 RenAM 500 시리즈에 맞춤화된 머티리얼라이즈의 빌드 프로세서 소프트웨어를 활용하는 한편, 머티리얼라이즈의 데이터 및 빌드 준비 소프트웨어인 매직스(Magics)에 액세스할 수 있다. 이를 통해 레니쇼의 3D 프린팅 시스템 사용자는 디자인부터 3D 프린팅 파트까지 원활한 워크플로를 구축하고, 3D 프린팅 프로세스를 제어 및 맞춤화하며, 생산 시간을 단축하고, 3D 프린팅 작업의 효율을 높일 수 있다. 금속 부품을 산업 규모로 생산하기 위해 적층제조를 도입하는 제조기업이 많아지고 있다. 산업용 3D 프린팅의 핵심 기술은 레이저 파우더 베드 융합(LPBF)으로, 사용자가 생산성 향상을 위해 프린트 파라미터를 조정할 수 있는 기능을 제공한다. 하지만 경험이 없는 사용자에게는 LPBF가 어려울 수 있으므로 이 기술을 최대한 활용하려면 추가 교육이 필요할 수 있다. 제조업체는 소프트웨어를 통해 3D 프린팅 프로세스를 최적화하고 워크플로를 간소화하여 기술의 잠재력을 최대한 활용할 수 있다.     빌드 프로세서는 3D 프린터와 데이터 준비 소프트웨어를 연결하여 디자인부터 프린트까지 적층제조 프로세스를 간소화한다. 머티리얼라이즈의 차세대 빌드 프로세서는 레니쇼가 최근 출시한 TEMPUS 기술을 보완한다. 레니쇼의 RenAM 500 시리즈 3D 프린팅 장비에 적용된 이 새로운 스캐닝 알고리즘은 리코터(recoater)가 움직이는 동안 레이저를 발사하여, 품질 저하 없이 파트 제작 시간을 줄일 수 있다. 머티리얼라이즈의 차세대 빌드 프로세서 소프트웨어는 데이터를 일관되게 처리하고 복잡한 지오메트리와 대량의 파트에 대한 데이터 처리 속도를 높인다. 또한 레니쇼 AM 시스템을 위한 새로운 빌드 프로세서는 파트 레벨에서 전용 프린트 파라미터를 사용하여 생산성을 높이고 품질을 최적화하여, 서로 다르거나 동일한 파트의 대량 생산에 효과적이다. Renishaw AM 시스템용 빌드 프로세서를 사용해 연결할 수 있는 매직스는 다양한 임포트 파일 형식과 호환되며, 주요 3D 프린팅 기술에 대한 연결성을 제공하는 기술 중립적인 데이터 및 빌드 준비 소프트웨어이다. 또한, 사용자에게 고급 워크플로 제어 및 자동화를 제공한다. 이 소프트웨어는 물리학 기반 모델링을 사용하여 서포트 구조 생성을 자동화하는 LPBF 시스템의 데이터 및 빌드 준비를 최적화한다. 제조기업은 머티리얼라이즈 빌드 프로세서 소프트웨어 개발 키트를 사용하여 자신만의 지적 재산(IP)을 만들고, 개방형 소프트웨어 시스템을 통해 금속 3D 프린팅 애플리케이션에 맞는 차세대 빌드 프로세서를 자체적으로 제작할 수 있다. 맞춤형 빌드 프로세서는 비용 효율성, 생산 속도 및 파트 품질을 더욱 높여 복잡한 부품을 제조하고 일관된 품질, 불량률 감소 및 리드 타임 단축으로 동일하거나 개인화된 제품을 대량 생산하는 데에 기여한다. 머티리얼라이즈의 카렐 브란스(Karel Brans) 파트너십 수석 디렉터는 “이번 파트너십을 통해 효율적인 금속 3D 프린팅에 대한 독특한 접근 방식이 가능해졌다. 레니쇼의 TEMPUS 기술과 머티리얼라이즈 빌드 프로세서의 고속 데이터 처리 능력을 결합하면 생산 시간을 크게 단축할 수 있다”면서, “3D 프린터 제조업체와의 파트너십은 빌드 준비를 최적화하고 빌드 작업을 간소화하여 효율성을 극대화한다. 이를 통해 모든 수량과 맞춤화 수준으로 제조가 가능하여 사용자가 생산 능력을 확장할 수 있다”고 전했다. 레니쇼의 맷 파크스(Matt Parkes) AM 전략 개발 매니저는 “머티리얼라이즈와의 협력을 통해 다양한 제조 애플리케이션에 3D 프린팅을 도입하는 레니쇼 사용자를 지원할 수 있게 되었다”면서, “머티리얼라이즈의 차세대 빌드 프로세서는 소프트웨어 포트폴리오와 결합하여 우리의 최근 기술 업데이트를 보완한다. 금속 3D 프린팅이 제조 퍼즐의 필수 요소로 자리 잡으면서 업계를 지원하는 데 필요한 도구에 대해 협력할 수 있게 되었다”고 전했다.

마이크로소프트가 생성형 AI 기술로 다양한 국내 산업의 고객 서비스 혁신과 비즈니스 성장을 지원하며 AI 트랜스포메이션 혁신 사례를 구축하고 있다고 소개했다. 마이크로소프트는 AI 기술이 조직 경쟁력 유지를 위한 필수적인 비즈니스 요소가 될 것으로 전망하고 있다. 마이크로소프트가 의뢰한 글로벌 시장 조사기관 IDC의 연구 결과에 따르면 조사에 참여한 응답자 71%가 이미 회사에서 AI를 사용하고 있으며, 이들은 평균적으로 1년 2개월 만에 AI 투자에 대한 수익을 실현하고 있는 것으로 나타났다. 이 연구는 전 세계 2100명 이상의 비즈니스 리더와 의사 결정권자를 대상으로 실시됐다. 마이크로소프트는 애저 오픈AI 서비스(Azure OpenAI Service)를 통해 향상된 컴플라이언스, 데이터 보안 강화, 확장성, 책임 있는 AI 등 차별화된 서비스를 제공하고 있다. 이 서비스는 전 세계 1만 8000개 이상의 조직과 포춘 500대 기업 중 절반 이상이 사용하며 전 세계 조직의 AI 트랜스포메이션 속도를 가속화하고 있다. 마이크로소프트는 국내에서도 자사의 AI 기술을 도입해 업무 프로세스를 혁신하고 새로운 비즈니스 모델 개발에 나서는 기업들이 늘고 있다고 전했다. LG전자의 H&A본부는 생성형 AI 기반 빅데이터 분석 솔루션인 찾다(CHATDA)를 도입해 고객 요구 사항을 효과적으로 파악하고 사용자 경험을 개선했다. 이 시스템은 마이크로소프트 애저 환경과 애저 오픈AI 서비스를 활용해 데이터 보안과 안정성을 강화한다. 또한, 자연어 처리 기능으로 현업의 분석 요구사항에 부합하는 데이터를 정밀하게 선별하고, 이를 기반으로 분석 코드를 자동 생성 및 실행한다. 이를 통해 법무검토, 데이터 탐색, 가공 분석에 소요되던 시간이 평균 5일에서 30분으로 단축돼 업무 효율성이 향상됐다.     AI 서비스 플랫폼 기업 뤼튼테크놀로지스는 애저 오픈AI 서비스와 프로비전드 스루풋(Provisioned Throughput : PTU)를 도입해 이전보다 두 배 이상 증가한 사용자 트래픽을 안정적으로 처리하고 있다. 이러한 운영 안정성과 지속적인 서비스 개선을 바탕으로, 뤼튼 서비스의 고객 만족도를 나타내는 NPS(Net Promoter Score) 점수가 30% 이상 향상됐다. 크래프톤의 AI 전문 스튜디오인 렐루게임즈도 애저 오픈AI 서비스를 도입해 새로운 게임 개발에 나서고 있다.  특히 오는 6월 출시를 앞둔 '언커버 더 스모킹 건'은 플레이어가 용의자와 대화하며 사건을 해결하는 추리 게임으로, 플레이어의 자유도를 높여 실제와 유사한 현실감 있는 게임 환경을 제공한다. 렐루 게임즈는 이를 구현하기 위해 대형언어모델(LLM)의 애플리케이션 프로그래밍 인터페이스(API)를 70% 이상 사용하고 있다.  배달 플랫폼 ‘배달의 민족’을 운영하는 우아한형제들은 애저 오픈AI 서비스를 활용해 고객 상황에 맞는 메뉴를 제안하는 ‘메뉴뚝딱AI’ 서비스를 선보여 고객 편의성을 높였다. 이 서비스는 고객이 작성한 리뷰를 분석해 음식 특성과 주문 성향을 파악하는 키워드를 추출하고, 시간대·식사 동반자·상황·맛 등을 고려해 안전성 검증을 거친 120종의 컨텍스트를 통해 사용자에게 맞춤형 메뉴를 추천한다. 융합 사고력 기업 크레버스는 마이크로소프트 AI 솔루션을 도입해 자동으로 과제를 평가하고 개인 맞춤형 피드백을 제공하는 시스템을 구축, 학생들의 만족도를 크게 높였다. 이 과정에서 평균 3.5일이 걸렸던 과제 채점 시간이 7초로 단축돼 실시간 피드백을 제공하고 있으며, 운영 비용도 약 85% 절감될 것으로 기대하고 있다. 반려로봇 개발기업 효돌은 AI 기반 대화형 AI 돌봄 로봇 ‘효돌 2.0’에 애저 오픈AI 및 애저 코그니티브 서비스(Azure Cognitive Services)를 도입해 음성 엔진을 개선하고 대화 기능을 고도화했다. 이를 통해 사용자와의 친밀감이 기존 대비 10% 이상 증가됐으며, 맞춤형 신경망(Custom Neural) 기반 STT/TTS 엔진을 활용해 시니어층의 우울증이나 치매 징후를 조기에 발견하고 정신 건강 상태를 진단할 수 있게 됐다. 한국마이크로소프트의 조원우 대표는 “AI 기술은 한국의 산업 전반에 긍정적인 변화를 가져오고 있다”며, “앞으로도 마이크로소프트는 가장 신뢰할 수 있는 AI 트랜스포메이션 파트너로서 국내 기업들이 AI를 통해 업무 프로세스를 혁신하고, 더 나은 고객 경험을 제공할 수 있도록 적극 지원할 것”이라고 전했다.

한국산업지능화협회가 소재융합기술연구조합과 철강·금속 등 소재산업의 디지털 전환과 인적자원의 역량 강화를 위한 업무협약을 체결했다고 밝혔다. 소재융합기술연구조합은 금속 소재의 탄소중립, 디지털 전환, 산업 간 가치사슬 등의 융합기술 R&D를 발굴, 기획하고 운영하기 위해 새롭게 설립되는 조합으로, 오는 4월 19일 창립총회를 열 예정이다.  최근 모든 산업에서 디지털 전환과 탄소중립이 빠르게 확산됨에 따라, 우리 산업의 기초가 되는 소재 산업의 디지털 전환이 새로운 화두가 되었다. 특히, 소재 기술의 발전은 지속 가능한 발전 및 환경 보호에도 중요한 역할을 한다. 새로운 소재 및 기술을 개발하여 자원 소비를 줄이고 재활용 가능한 소재를 이용함으로써 지속 가능한 사회 및 환경 보호에 기여할 것으로 기대되고 있는 상황이다. 양 기관은 이번 협약을 통해 지속 가능한 디지털 전환과 탄소중립 사회의 도래에 따른 소재산업의 디지털 전환과 소재융합기술 개발을 위해 기술 교류, R&D 추진, 인력 양성, 산업 홍보 등 다양한 분야에서 협력할 예정이다.  한국산업지능화협회의 이상진 본부장은 “이번 협약을 통해 소재 산업과 소재융합기술의 디지털 전환 촉진과 경쟁력 강화를 위해 상호협력을 기반으로 연구, 개발 및 교류 등을 위한 유기적인 협조체계를 구축하겠다”고 포부를 밝혔다.