00:14지정학적으로 우리가 유니크한 중국 빼고 할 수 있는 건 결국은 제조 현장을 잘 갖고 있다는 거잖아요.
00:21그래서 이제 데이터, 제조 데이터라든지 로봇의 동작 데이터 이런 것들을 잘 쌓아 올려서 우리만의 어떤 데이터와 그 데이터에 대해서 움직이는
00:32지능을 만들 수 있다면 우리가 좀 우리 스스로 얘기를 할 수 있을 것 같고요.
00:36우리만의 제조 스킬을 잘 만들어 놓으면 그 데이터가 중요한 것 같고요.
00:41그다음 우리나라가 또 중요한 건 뭐냐면은 또 그렇게 중요하지 않은 부품이랄까요?
00:45대량 생산하는 모품들은 또 중국에 닿아 있기 때문에 얼마지 그걸 이용해서 두 나라의 장점을, 그러니까 미국에서의 어떤 지능과 중국에서의 여러
00:55가지 부품 밸류체인을 잘 묶어서
00:57우리가 또 굉장히 인재가 많고 다른 나라에 비해서 또 접근할 수 있는 나라도 많기 때문에 그런 것도 우리가 잘 하면은
01:05좀 두 나라 사이에서 살아남는 센 3등이 되지 않을까.
01:09모든 것을 중국이 할 수 있는 건 아니고 또 중국의 밸류체인을 이용해서 우리가 다른 것들을 해나갈 수 있기 때문에 가능하다고
01:17봅니다.
01:19근데 뭐 우리가 100% 국산화된 우리만의 로봇을 만들 수 있다.
01:22이거는 좀 욕심인 것 같고요.
01:24우리가 100% 국산이 자동차를 만들고 있지는 않잖아요.
01:28미국, 중국과 비교해서 현재 대한민국이 뒤쳐져 있거나 또는 시급히 보완해야 될 인프라나 기술적 약점이 있다면 어떤 걸 좀 꼽을 수
01:38있겠습니까?
01:38제 생각에는 자본이나 인재 이런 것보다 우리나라 어떤 제조업의 형태를 잘 봐야 될 것 같은데요.
01:47우리나라 제조업이라는 게 굉장히 학습 능력이 탁월하고 책임감이 있는 인재들을 갈아 넣어가지고 지금까지 온 것 같거든요.
01:54이분들이 은퇴를 앞두고 있고 그래서 새로운 우리 선진국에서 태어난 세대들은 그런 거에 관심이 없고 하니까
02:01이들이 은퇴하게 되면 어떻게든 이 노하우를 잘 보존해서 노하우 플러스 공장까지 하나의 패키지로 만들 수 있는 기술을 빨리 만들어야 되는데
02:10이게 굉장히 도전인 것 같아요.
02:14여러분 조선 가보면 조선업장 가보면 그분들이 빨리도 배우시고 정말 열심히 하시고 헌신적인 분들이 계신데
02:21그분들이 이제 막내가 60대, 50대 이러잖아요.
02:25그분들은 통해서 그분 노하우가 있는 공장과 시스템이 다 풀로 묶여야 되는데
02:31아마 그런 것 땐 피지컬 AI라는 것들 고민들을 많이 하고 있는 것 같아요.
02:35공장에서 돌아가는 데이터가 제각각이면서 피지컬 AI의 발전을 가로막고 있다고 교수님께서 말씀하셨습니다.
02:43이를 해결하기 위한 방안은 뭐가 있을까요?
02:46그래서 이제 많이 우리나라에서 시도하고 있는데
02:48그래서 이제 제조 OS라는 개념, 오퍼레이팅 시스템을 중간에 레이어를 껴서
02:54다양한 회사와 다양한 공식 기회가 하나로 맞물릴 수 있는 그런 시도들을 지금 하고 있어요.
03:00우리 산업공학과는 기업과에서도 같이 하고 있는 그런 어프로치가 있는데
03:04우리가 그걸 또 믿을 배우라고 얘기를 합니다.
03:07그래서 중간에 그런 기술들을 개발해서 다양한 로봇과 여러 다양한 형태의 3D 프린팅이나 이런 것들을
03:13하나로 묶을 수 있는 기술들을 우리가 만들어야 되고
03:18데이터는 회사별로 다 다른 거고
03:20특히 이제 다음 말씀은 촉각 데이터는 이미 촉각 만든 사람 마음대로 나오고 있기 때문에요.
03:26그런 것들을 표준도 잡아야 되고
03:28한국은 제조 로봇 밀도에서 세계 1위이자
03:32사실 세계 최고 수준의 AI 반도체 기술을 보유하고 있다고 평가됩니다.
03:38이런 인프라가 한국형 피지컬 AI 발전에 상당히 무기가 좀 될 수 있을까요?
03:44그러니까 또 로봇에는 HBM이 들어가지 않고요.
03:46우리나라가 좋은 백그라운드 갖고 있다는 얘기는 할 수 있을 것 같아요.
03:50오히려 HBM에서 훈련된 데이터를 잘 할 수 있는 그런 운동 지능을 개발한다든지 이런 것들이 더 필요한 것 같아요.
04:00그다음에 제조 밀도 이거는 지금 우리가 얘기하는 그 로봇은 피지컬 AI를 수용할 수 있는 로봇보다도 산업형 로봇.
04:08제가 처음 말씀드렸듯이 프로그래밍이라고 하거나 그렇게 해서 프로그래밍을 해서 하는 로봇들이기 때문에
04:16현대자동차가 이제 로봇을 어떻게 하냐면요.
04:19자동차가 바뀌면 모델이 바뀌면 공장 전체를 다 끄고 프로그래밍을 다 짜서 그걸 로봇이 쫙 내리거든요.
04:25그런 건 이제 그게 이제 피지컬 AI라고 생각할 수는 없는 것 같고
04:30이제 AI가 보고 바뀌었으면 자기가 알아서 프로그램을 하나하나 보고 짜고
04:36또 테스트도 하고 이런 거에 다 될 수 있는 거 우리가 피지컬 AI라고 하고 있거든요.
04:40이런 정부 정책에 대한 평가나 또는 이런 정부의 지원이나 규제 같은 혁신 측면에서
04:48현장에서 느끼는 혹시 아쉬움 같은 건 조금 없을까요?
04:52그런데 저는 어떤 식으로 스피드 같아요.
04:54방향은 맞는데 그것들을 법으로 이루어지게 하는 스피드가 너무 늦어서
05:00우리가 새로운 기술들을 개발하고 나면은 바깥으로 나가야 되는데 온갖 안전이 다 걸려 있잖아요.
05:06그래서 샌드박스라는 것도 있긴 했는데 아직도 너무 느린 것 같아요.
05:10그런 것들이. 그러니까 우리나라가 안전과 여러 가지 사회의 안전이라든지 여러 가지 많이 고려하다 보니까
05:17우리가 새로운 기술을 시도하기가 굉장히 어렵고
05:19또 하나는 제가 말씀드린 건 이제 중앙정부에서는 뭔가를 막 하는데
05:24실질적으로 돌아가는 건 지방정부에서 이제 뭐 테크노 파악 이런 데서 같이 일 들으라고 해 나가야 되잖아요.
05:30그 사이가 굉장히 많이 걸리는 중앙정부에서 지방정부까지 내려오는 게 굉장히 많이 시간이 걸리는 것 같습니다.
05:36그래서 그런 것도 문제인 것 같고요.
05:39그 다음에는 지금의 뭐 이거는 기사인지 모르겠지만 내일지 모르겠지만
05:45지금의 우리가 리딩하는 분들은 AI 하시는 분들이 근본적으로 조심스럽게 얘기해야 되는데
05:52그분들의 근본적인 생각은 엔드 투 엔드면 끝이다.
05:56그러니까 많은 데이터가 있으면 무조건 된다.
06:01그런데 또 반대 저같이 이제 로보틱스라고 하는 사람들 입장에서는
06:06네 말이 맞는데 그 데이터가 감당할 수 있는 만큼의 데이터냐.
06:11엔드 투 엔드로 데이터를 쌓기 위해서는 엄청난 비용이 들 텐데
06:15그걸 감당할 수 있겠느냐.
06:17그러니까 이기는 예를 그런 얘기를 하더라고요.
06:22테슬라가 엔드 투 엔드 방식이거든요.
06:24카메라만 갖고.
06:27근데 아직은 우리가 100% 그게 안 되고 한 중간 정도까지
06:31거의 한 80%의 자율주행이 되잖아요.
06:35웨이머 같은 경우는 굉장히 다양한 센서를 써서
06:38중간중간에 그 얘기하면 약간 피지컬 AI를 적용하는데 훨씬 실적이 좋거든요.
06:44사실은 자율주행 시간도 훨씬 길고.
06:47그 얘기는 뭐냐면 엔드 투 엔드가 답은 아닐 것 같은데
06:50지금 우리나라의 모든 리딩하시는 장관님부터 다 AI를 하신 분들이기 때문에
06:54이걸 AI 엔드 투 엔드와 무조건 많은 데이터라는 식으로 메모리 되어 있는 것 같아요.
07:01얼마든지 공학적 지식과 이런 것 같으면
07:05그 데이터 양을 줄여버릴 수가 있는데
07:07생명들을 덜 쓰고 있는 것 같아요.
07:10엔비리아가 한국의 피지컬 A 파트너로 최초로
07:13카이스트와 교수님 연구팀을 낙점했습니다.
07:16엔비리아의 공동으로 개발 중인 인체 동작 파운데이션 모델의 개념과
07:21이것이 향후 글로벌 로봇 제조 생태계에 어떤 지각변동을 가져올지 궁금합니다.
07:27지금 정부에서 추진하고 있는 것들은 제조 AI를 아주 하고 있어요.
07:33그런데 저희 입장에서는 의료, 복지, 국방, 안전 이런 데 많은 피지컬 AI가 있고 사람들이 무언가를 하고 있거든요.
07:42그래서 우리 입장에서는 사람들의 데이터, 로봇의 데이터가 아니라 조금 더 포커스를 바꿔서
07:48사람들의 데이터를 많이 쌓아 올리면
07:51여기서 조금 애를 쓰면 로봇의 데이터로 바꿀 수 있지 않을까
07:55그러면 어떤 일이 벌어지냐면
07:58아까도 말씀드렸다시피 어떤 근로자들의 암묵지를 코딩할 수도 있을 거고
08:05그다음에 이 로봇을 하기 위한 로봇의 동작을 이 사람들의 동작으로부터 미리 할 수가 있을 거고요.
08:12그런데 저희들의 목표는 사람의 데이터, 건강한 사람이건 아픈 사람이건 다 쌓아 올리면
08:19이게 언젠가는 로봇으로 갈 수도 있고
08:23아니면 로봇과 사람을 할 때 로봇을 움직이는 데이터로 갈 수 있다.
08:27그래서 우리는 인체 동작 파운데이션이 거기서 나온 겁니다.
08:30그래서 피지컬 AI는 기계공학, 컴퓨터공학, 뇌과학 등이 융합된 고난도 분야입니다.
08:35사실 글로벌 인재 경쟁이 굉장히 치열한데
08:39한국이 이런 융합 인재를 키워내기 위한 어떤 게 좀 보완해거나 보충해야 되거나 그런 것들이 있을까요?
08:48그러니까 뭐 카이스데도 AX 대학이 좀 생겼어요. AI 대학이 이제 대전에 생겼어요.
08:53그래서 이제 사실 거기에는 이제 기계, 전기, 전산과 교수들이 가서 이제 트랜스포메이션 하겠다고 하고 있는데
09:00저는 교육이 부족한 것 같지는 않아요.
09:02요즘 세상에서 뭐 얼마든지 다 AI 잘 쓰고 또 우리나라는 다 컴퓨터 했는데
09:08중요한 거는 이 인재들한테 좀 열정을 줄 수 있는 환경을 만들어야 될 것 같아요.
09:13그래서 지금 제가 아까 몇 번 얘기했지만 이 친구들은 선진국에서 태어난 애들이라
09:18뭐 어디를 추격해서 따로 잡자 이런 데는 관심이 없고요.
09:22자기가 정말 관심이 있는 거에 열정을 할 수 있는 것 같은데
09:26그래서 되게 재미있는 실험을 저희가 했었는데
09:28이거는 이제 디지털타임스 기사도 있더라고요.
09:30서울대 애들하고 카이스테들을 카이스테로 모아갔고요.
09:34패커톤이라고 100시간 동안
09:36기본적인 그 로봇의 구성품을 주고 니네가 로봇을 만들어 봐라 했어요.
09:41근데 논문이 나오는 것도 아니고 스펙이 쌓이는 것도 아닌데
09:45정말 열심히 해갖고 100시간 동안 밤 잠을 줄여가면서 또 협업하고
09:50또 깜짝 놀란 건 이 경쟁을 해야 되는데
09:53한 팀의 문제를 찾으면 다른 친구들이 물어보면 그냥 알려줘요. 거기서.
09:58그런 것들을 보고 지금 젊은 세대들한테 그런 열정을 찾을 수 있는 기회를 주면
10:04즉 피지컬 AI라는 걸 통해서 너희들이 정말 네가 하고 싶은 걸 할 수 있다.
10:09로봇을 만들고 싶은 놈은 로봇을 만들 수 있고
10:11수백 개 로봇을 움직일 수 있는 걸 그런 걸 준다면 아마 우리나라도 가능성이 있지 않을까.
10:17그런 다 인재들에 의해서 어떤 도메인 날리지라고 그러죠.
10:21그러니까 그게 중요하다고 생각을 하거든요.
10:23자기 분야에 자기 도메인 날리지를 최대한 잘 교육을 시키고
10:28AI랑 분석을 해야 되는 게 중요하다.
10:30또 하나는 지금 점점 약해지고 있는 게 뭐냐면
10:34우리가 핸드온 익스피리언스라는 얘기를 해요. 손으로 만드는 것들.
10:37그래서 저희 카이스트 기용학과도 굉장히 실험들을 많이 늘리는 게
10:40학생들이 손으로 만들어 보고 이런 것들이 정말
10:43그 사람에게 좋은 AI를 적용할 때 있어서 아주 좋은 경험을 주거든요.
10:47그러면 쉽게 많은 것들이 해결될 수 있다고 생각을 해요.
10:52핸드온 익스피리언스라고 해요.
10:54핸드온 익스피리언스라고 해요.
10:56진짜 손으로 해보는 거죠.
댓글