캐드앤그래픽스 지식방송 CNG TV 지상 중계

CNG TV는 12월 1일 ‘설계 가능한 인과 기반 AI : 지식조립공장의 시대가 온다!’를 주제로 웨비나를 진행했다. 이번 방송은 디원 류용효 상무의 사회로 진행되었으며, 데이터 기반 AI가 가진 한계를 짚어보고 이를 극복하기 위한 대안으로 제조 도메인 지식을 결합한 '인과 기반 AI(causal AI)'와 '지식 조립 공장'의 개념이 상세히 소개됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자

상관관계와 인과관계의 명확한 구분, 제조 현장의 한계 극복

캠지컨설팅 대표이기도 한 인하대학교 이창선 교수는 “데이터로만 예측하는 시대는 지났다. 반드시 인과 지식이 결합되어야 하며, 인과관계를 잘 분석하는 기업이 미래 경쟁력을 갖게 될 것”이라고 강조했다.

이창선 교수는 현재 AI 기술, 특히 데이터 패턴에 의존하는 귀납 추론의 한계를 지적하며 발표를 시작했다. AI는 ‘비 오는 날 아이스크림 판매가 줄어든다’와 같은 상관관계를 찾는 데는 탁월하지만, ‘A가 변하면 B가 어떻게 변하는가’라는 인과관계를 밝히는 데는 약점이 있다는 것이다.

특히 물리적 법칙이 지배하는 제조 산업(철강, 반도체, 화학 등)에서는 이러한 데이터 기반의 상관 예측이 치명적인 한계를 드러낼 수 있다. 이 교수는 “넷플릭스나 유튜브 추천 알고리즘처럼 ‘왜’가 중요하지 않은 분야와 달리, 제조 현장에서는 원인을 파악해 설계를 변경하고 공정을 제어해야 한다”고 설명했다.

데이터는 세상을 비추는 거울과 같아서 오류가 포함되거나 겉모습만 비추는 경우가 많다. 예를 들어 기온이 오를 때 불량률이 높아지는 현상이 특정 지역에서는 맞을 수 있지만, 실제 원인이 ‘습도’라면 사막 지역에서는 전혀 다른 결과가 나올 수 있다. 즉, 상관관계만 보고 제어하려 들면 공장이나 설비가 바뀌었을 때 AI 모델이 작동하지 않는 ‘상황 적응 한계’에 부딪히게 된다.

이 교수는 “닭이 울어서 해가 뜨는 것은 절대 아니다. 인과관계는 반드시 원인에서 결과로 흐르는 방향성이 있어야 한다”며, 단순히 데이터 패턴이 일치한다고 해서 이를 원인과 결과로 해석해서는 안 된다고 강조했다.

지식 조립 공장과 프로토콜

이러한 한계를 극복하기 위해 제시된 개념이 바로 ‘지식 조립 공장(Knowledge Assembly Factory)’과 ‘캠지(CamG) AI’다. 이는 하드웨어 공장이 아닌 소프트웨어 공장으로, 제조 도메인 전문가가 직접 AI를 활용할 수 있도록 돕는 시스템이다.

지식 조립 공장은 ▲원재료(현장의 센서·공정 데이터) ▲생산 작업 지시서(도메인 전문가의 인과 지식 설계 문서) ▲생산 설비(지식 조립 AI)를 통해 ▲최종 제품(인과 예측 AI)을 생산해 낸다.

여기서 가장 중요한 것은 인간 전문가와 AI가 협력하기 위한 표준화된 규칙, 즉 ‘지식 공유 프로토콜’이다. 전문가의 머릿속 노하우를 AI가 이해할 수 있는 형태(인과 지식 그래프 등)로 변환하는 ‘입력 프로토콜’과, AI가 생성한 복잡한 수식 모델을 다시 인간이 이해하고 평가할 수 있게 변환하는 ‘출력 프로토콜’이 핵심 역할을 한다.

이창선 교수는 발표를 마무리하며 “이러한 지식 조립 방식이 확산된다면 대한민국이 ‘지식 제조 AI 강국’으로 도약할 수 있을 것”이라며, “기업의 노하우가 축적되고 진화하는 ‘지식의 진화’를 통해 제조 경쟁력을 강화해야 한다”고 제언했다.

■ 기사 내용은 PDF로도 제공됩니다.