[AI포럼] 김형철 한국지능정보사회진흥원장, 피지컬 AI 시대, 국가 데이터의 역할을 다시 묻다

디따

관련기사 : https://www.dt.co.kr/article/12083903  -----------------------------------------------------------------------------------------------------------------------------------------------------------   디따 유튜브 구독하기 https://www.youtube.com/channel/UCxdgnFyzm3WcalaBn2Ya6hg   네이버TV https://tv.naver.com/ditta   데일리모션 https://www.dailymotion.com/dtwithcom   디지털타임스 홈페이지 http://www.dt.co.kr/   디지털타임스 페이스북 https://www.facebook.com/Digitaltimesnews   ☏ 제보하기 photo@dt.co.kr   -----------------------------------------------------------------------------------------------------------------------------------------------------------  #디지털타임스 #AI포럼#피지컬 #ai #포럼 #은행회관  @ditta ​

Transcript

00:03안녕하세요. 방금 소개받은 한국지능정보사회진흥원 원장 김형철입니다.

00:10이렇게 만장하신 자리에 제가 기조 강연을 해도 되나 모르겠습니다만

00:18지워만 우리 박 대표님의 명을 받아서 중요한 화두를 함께 나누고자 합니다.

00:26피지컬 AI에 대한 기술적이고 깊은 여러 주제들은 뒤에 이어지는 기조 강연자들께서 하시겠지만

00:39저는 이 자리에서 함께 생각을 해보고 우리가 어디로 나아가야 하는가 라는 질문을 이 자리에 드리고자 합니다.

00:50이 부제를 국가 데이터의 역할을 다시 묻다라고 했는데 데이터에 관한 질문인데

00:59데이터에 관한 질문으로 국한되지 않고 우리의 시선과 우리의 그림은 얼마나 크게 그려야

01:07이게 실제 워킹하는 것일까 라는 질문으로 대체하고 싶습니다.

01:16사실 AI는 알파고부터 시작되었다고 10년 전에 알파고부터 시작되었다고 얘기를 하죠.

01:24물론 그전에는 수십 년간 AI는 진행되어 왔습니다만

01:30우리 대중에게 와닿은 사건은 알파고 사건이고

01:33그때 딥러닝이 어떻게 판단을 하는지에 관해서 우리 실용의 학과에 다가왔다고 얘기한 게 불과 10년 전입니다.

01:42그 사이에 생성형 AI가 나와서 이런 이렇게 깜짝 놀라게 우리 주변에서 바로 쓰일 수 있다니

01:49그러더니 에이전틱 AI 하두가 있으면서 피지컬 AI까지

01:55에이전틱 AI는 일을 하더니 피지컬 AI는 실제 물리세계에서 움직이면서 일을 한다는 것까지 되어 있죠.

02:03이게 발전 방향을 얘기한다고 봐도 결국은 이게 다 함께 섞여서 AI는 발전이 되고

02:09우리 사회가 그리고 기술이 발전될 거라고 믿습니다.

02:15여기에서 이런 것들이 이렇게 발전을 하고 있는데 현실 세계로 나왔는데

02:21우리는 현재 로봇, 휴머노이드, 공장을 우선 초점하고 있습니다.

02:31저는 그게 그 방향이 맞다고 생각을 합니다.

02:33왜냐하면 거기에 가장 AI가 그리고 로봇이 활동할 수 있는 정제된 공간이고

02:41우리나라는 제주 경쟁력이 있고 그걸 가장 우선 그 산업계를 뚫고 나가야 된다고 보기 때문에 맞고

02:51또 거기에 데이터가 많이 있습니다.

02:55그래서 제주에서 시작하지만 이 피지컬 AI의 전체 범위가 제주와 공장에 국한될 것이냐

03:03그건 절대로 그렇지 않을 것이라고 보고 있습니다.

03:06그거는 이미 공장 안에 있지 않다라고 굉장히 많은 로봇들의 피규어라든가 굉장히 많은 로봇들이 사례를 보여주고 있죠.

03:16점점 넓어지고 있습니다.

03:20그런 것들이 가정에서 그리고 우리 일상으로 다가오는데

03:25이것들이 제주에서 교통, 재난안전, 의료돌봄, 도시시설 등으로 확장이 되나가는데

03:32여기에서 데이터는 우리는 제주 공장 안에서 로봇만 가지고 데이터를 만들어서 제대로 학습하기에도 우리 모두는 바쁩니다.

03:45왜냐하면 거기에는 수많은 장비와 제어기와 그런 데서 데이터가 나오고 있지만

03:53데이터는 제조마다 다르고 공장마다 다르고 산업마다 다릅니다.

03:58그것들이 어떻게 정리되어 있느냐에 따라서 공통적으로 AI가 배우고 학습할 수 있는

04:05손쉽게 사용할 수 있는 데이터가 되느냐 하는 문제이기 때문에

04:09그런데 이것들이 일상생활까지 나와 있는 상황에서는

04:13이런 데이터는 종류가 점점 더 많아집니다.

04:19일상생활까지를 봤는데 저는 피지컬 AI가 인지하고 감각, 센싱이죠.

04:28판단하고 행동하는 이 모든 것을 할 수 있는 AI로 봤을 때

04:32저는 모든 것이 액티레이터가 있는 곳 그리고 센서가 있는 모든 곳은

04:39피지컬 AI로 바라봐야 되는 영역이라고 생각합니다.

04:43그 중에 한 가지 티피컬한 사례가 자율주행 자동차를 피지컬 AI로 볼 것이냐 안 볼 것이냐

04:51불과 우리가 1년 반 전만 해도 논쟁이 있었습니다.

04:56그러나 지금은 자율주행 자동차를 아무도 피지컬 AI가 아니다라고 주장하지 않습니다.

05:02걔는 이미 로봇이니까요.

05:04로봇이고 우리의 일상생활 속에 들어와 있기 때문에 그렇죠.

05:08그런데 좀 더 시선을 넓혀서 센서가 만약 강우량 센서 그리고 액티레이터가 수문을 조절하는 밸브라고 생각한다면

05:20어디까지가 피지컬 AI의 영역일 거냐 이 국가는 피지컬 AI의 영역에 포함되지 않을 거냐라는 것에서

05:31이 시선은 저는 자연스레 피지컬 AI 영역은 국가까지 저는 번진다고 보고 있습니다.

05:37우리가 고속도로를 달리면서 터널 전에 터널 차단 시스템이라는 걸 보셨을 겁니다.

05:45그는 터널 안에 화재가 났거나 무슨 사고가 났을 때 밖에서 알림으로 알려주죠.

05:51그거를 현재는 많은 부분이 온라인으로 되어 있지만 그게 다 연결이 되어 있다면

05:56걔는 피지컬 AI가 아니냐는 거죠.

05:58그리고 얘는 싸인보드만 나와 있지만 물리적인 차단 시스템이 된다면

06:03그리고 어디선가 비가 많이 오고 어디는 물이 흐르지 않는다면

06:07그 중간 어딘가에는 홍수가 날 것이라는 걸 뻔히 센싱과 판단할 수 있는데

06:12거기에 아무런 액티레이터가 없다면 그리고 액티레이터가 이미 있다면

06:17걔는 어떻게 조절할 것이냐에 관한 영역까지 저는 피지컬 AI 영역으로 볼 수 있고

06:23우리는 점점 그렇게 확대되어 나갈 것이라고 봅니다.

06:27물론 로봇이 휴머노이드가 계란을 집기 위해서 컵을 옮기기 위해서

06:38동작 하나 하는 것의 데이터를 학습하고

06:41그걸 동작을 자연스럽게 하는 것은 매우 중요하고도 어려운 일입니다.

06:46그걸 잘하는 것이 관건입니다.

06:49그건 우리 사람의 뇌로 봤을 때 대뇌와 소뇌와 그리고 척수로 구분해서 볼 수가 있겠습니다.

06:58척수는 반사 동작입니다.

07:00로봇이 잘못 쳐서 컵이 넘어지려고 할 때 얼른 빨리 잡는 것 그건 척수가 하는 영역이죠.

07:06내가 저 컵을 잡아야겠다고 지시가 내려왔을 때

07:08손이 자연스러운 동작으로 가서 집어오는 것

07:11그거는 손해가 하는 영역이죠.

07:14대뇌는 저게 컵이 있는데 나는 저걸 왜 잡으려고 하는지에 대한 플래닝과 판단을 하는 거죠.

07:19그러면 우리의 데이터도 피지컬 AI를 바라보는 데이터도 그렇게 나누어져 있고

07:26그렇게 접근을 해낸다고 보는 겁니다.

07:28하나는 행동을 위한 데이터입니다.

07:31How to죠.

07:33이건 손해와 척수의 영역에 해당되는 데이터를 잘 모으고 잘 학습하고

07:38동작이 자연스러워 되는 겁니다.

07:40그런 부분들에 대한 것들 우리는 지금 많이 초점을 가지고 진행하고 있고

07:44거기서 힘이나 촉각이나 센서나 그런 것들을 어떻게 학습을 잘해서 자연스럽게 정확하게 잘할 것이냐

07:50라는 화두로 가고 있는 거죠.

07:52그런데 얘가 그런 동작을 행동을 하는데

07:55그 행동을 하기 위한 판단의 근거 맥락에 대한 데이터는 어디에서 날 것이냐

08:01그걸 다 일일이 지침을 줄 것이냐

08:03아니면 어디까지 자동화 레벨을 올릴 것이냐에 관한 관점으로

08:07그 컨텍스트에 관한 것은 현실을 이해하는 데이터가 필요하다는 겁니다.

08:11거기 현실을 이해하는 데이터는 공간과 환경에 관련된 부분도 있고

08:15그리고 맥락 등에 대한 행정정보, 서비스정보, 안정규정, 규정

08:19여러 가지가 함께 종합해서 이 액츄에이터를 왜 어떻게 동작시켜야 되느냐라는

08:26판단까지 다 해서 동작을 시키는 것이 이 범위로 볼 수 있다는 겁니다.

08:31피지컬 AI를 이런 관점으로 봤을 때

08:33결국은 이 데이터는 우리가 당장 제조 현장에서

08:39동작을 어떻게 자연스럽게 하고

08:42그 주어진 트라이 정해진 미션을 어떻게 잘 수행하느냐에만

08:48국한되어 있지 않다는 겁니다.

08:50그러면 국가 데이터라고 제가 도발적인 정의를 하나를 오늘 제시를 했습니다.

08:58국가 데이터라는 것이 어디에도 아직 정의되어 있지 않고

09:03우리가 쓰지 않고 있습니다.

09:04그러나 각 산업계에서 제조업에서 농림 쪽에서 해양수산 쪽에서

09:12데이터를 피지컬 AI를 위해서 만들어내고 있는데

09:16그리고 그게 창고에 쌓이고 있는데

09:18과연 그 데이터들이 같은 틀에 담기고 있느냐라는 질문을 해야 되고

09:25그 같은 틀에 담기고 있어야 되도록 정의를 하는 것은

09:30국가의 역할이라고 보는 겁니다.

09:32그래서 각 산업 영역에 있는 데이터들이 어떻게 같은 틀에 역해서

09:37AI로 해석하고 AI가 접근할 수 있고 하도록 하느냐

09:40지금도 이미 한 공장만 봐도 라인에서 라인 장비 A와 라인 장비 B

09:46그런 서로 같은 데이터를 다루고 있는데

09:49다른 규격을 가지고 다른 아이디어와 다른 명칭을 가지고 얘기할 수 있어서

09:53호환이 안 됩니다.

09:55이걸 다 연결하는 것을 더 점점 크게 보면

09:57산업현장 데이터와 도시생활 데이터에 관한

10:02전체 큰 틀에 산업현장 데이터 공공 데이터의 연결도 중요하고

10:08그들에 대한 상호호환성에 관련된 문제를 정부 입장에서는 바라보고

10:13다가서고 그리고 그런 표준 등을 정의해서 각각의 데이터가 쌓여 있도록

10:19그렇게 해야 된다는 말씀을 드릴 수 있겠습니다.

10:24그래서 데이터가 피스컬 AI로 만나면 정보가 현실의 대응으로 이어지는데

10:29재난안전에서도 단순히 로봇이 드론이 어디에 가서 무엇을 하는 동작을 잘하는 것을 떠나서

10:37어느 상황에서 왜 거기를 가야 되는지

10:40그런 판단까지 연계가 되는 이런 부분들에 대해서

10:43위험 지역을 탐색하고 수색하고 하는 것까지 연결될 수 있다는

10:48이런 사례들로 볼 수 있겠습니다.

10:53그런데 우리는 이미 로봇이 움직이는 로봇이 행동에 필요한

10:59행동 역량을 키우기 위한 데이터만 가지고도

11:03이렇게 많은 한계를 이미 느끼고 있습니다.

11:09데이터가 분절되어 있고 기관별로 그리고 산업별로 분야별로 데이터가 사일로가 되어 있고

11:16그다음에 표준이 되어 있지 않기 때문에 똑같은 제조에서만 봐도

11:22제조에서 A지역과 B지역 제조사가 함께 우리는 영업비밀은 지키는 선에서

11:30함께 데이터를 가지고 학습해서 똑똑한 모델이 적용될 수 있도록 한다 하더라도

11:35너무 달라서 함께 쓸 수가 없는 그런 상황들에 대한 문제

11:39그리고 의미연결 데이터는 있지만 이 데이터가 어떤 의미를 갖고 있는지에 대한

11:44메타 정보가 없다는 문제 그리고 실시간성 이거는 데이터가 발생했지만

11:50사람이 모아서 업로드를 해서 한 달에 한 번 업데이트가 되는 데이터

11:55그런 주기적인 이런 문제들에 대한 해법이 필요하고

11:59그런 것들을 데이터의 양을 늘리는 것만큼 서로 연결하고

12:03AI가 활용할 수 있도록 해주는 것이 중요하다고 보겠습니다

12:09그래서 데이터를 막 쌓고 만들고 개방하는 것을 넘어서

12:14AI가 활용할 수 있는 국가 데이터 체계로 만드는 것이 국가의 책무이고

12:19우리가 피지컬 AI에서 바라보는 시점은 단순히 한 동작의 데이터에

12:27북한하지 않고 맥락까지 이어지는 데이터를 함께 봐야 된다라는 걸로 보겠습니다

12:32그래서 데이터가 연결이 되어야 되고 표준화가 되어 있어야 되고

12:36그리고 AI가 이해할 수 있고 AI가 접근할 수 있는 데이터가 되어야 되고

12:40현실과 함께 움직이는 필요하면 라이브 스트리밍 성격의 데이터가 되어야

12:46그것들이 현장에서 실제 쓰일 수 있다고 볼 수 있겠습니다

12:51그래서 AI가 연결하고 활용할 수 있는 데이터 체계로 전환이 되고

12:55그런 그림을 그려나가야 한다

12:58그런데 이런 그림이 우리가 맨 백지부터 새로 그릴 그런 성격은 아닙니다

13:04이미 정부에서는 이런 부분에 대한 데이터 기반을 피스 바이 피스로 추진해 오고 있었습니다

13:12그중에 하나가 흩어진 데이터를 연결하는 것들에 대한 국가 데이터 카탈로그나

13:18그런 것들에 대해서 추진을 하고 있고

13:20AI의 활용 기반에서는 학습용 데이터 통합 체계나 등등을 추진하고 있고

13:25또 실증 확산을 위해서 데이터가 현실을 잇는 이런 부분에 대한

13:30피지컬 AI의 네트워크 AI 관련 데이터에 대한 부분을 추진하고 있고

13:35실내 기반은 어떻게 하면 영업 비밀과 나는 내놓기 싫은 데이터인데

13:39우리가 함께 힘을 모아서 더 똑똑한 모델을 만들어서 나눠가질 수 있을까

13:43라는 그런 부분에 대한 것들을 피스 바이 피스로 진행을 하고 이미 하고 있습니다

13:48그래서 우리는 백지에서 시작하지 않고 이것들을 어떻게 오가나이저를 하면서

13:53그림을 그리고 추진하느냐가 우리의 피지컬 AI의 일강을 넘어

13:58향후 계속 더 큰 그림으로 쓸 수 있느냐라는 것을 볼 수 있습니다

14:05그리고 그 데이터들이 사람이 다 보고 사람이 다운로드해서

14:11사람이 제공하고 하는 것을 넘어서서 AI가 억세스하고

14:16그리고 에이전트가 억세스를 해서 그거를 쓸 수 있도록 하는 것이

14:22연결성이 매우 중요하고 그래서 국가 데이터 카탈로그 표준 같은 것으로

14:27전부 정의를 하고 그리고 API와 MCP 등으로 물론 MCP는 지금 현재 가장 가까이 보이는 기술이지만

14:33얘가 A2A나 다른 것들로 발전해 나갈 때 거기에 맞출 수 있는 데이터 체계가 되어 있고

14:39그 체계 하에서 데이터는 산업별로 국가에서 쌓아나가야 그 데이터를

14:46근간으로 우리가 더 큰 엔진들을 만들 수 있다고 볼 수 있겠습니다

14:54거기에서 한 가지 더 중요한 것은 지금까지 멋진 그림 그리는 건 좋은데

15:01나는 내 산업 우리 공장의 데이터를 나는 밖에 내놓을 수가 없어

15:05왜냐하면 내가 내놓은 게 귀찮아서가 아니라 그걸 내놓는 것은

15:09나의 공장의 수율이 바로 나타나는 거고 그리고 나의 매출이 나타나는 거고

15:14그런 것들이 다 드러나는 거기 때문에 이건 영업비밀에 해당돼서 낼 수가 없어

15:19그리고 이건 어떤 의료 데이터에서는 각 개인에 대한 프라이버시와 관련된 부분들이기 때문에

15:24내놓을 수가 없어 라는 것들이 다 이유가 있고 다 그 이유가 맞습니다

15:28그런 경우에는 우리가 데이터 스페이스라고 하는 서로 합의된 공간에 데이터를 모아놓고

15:36거기에서 연합학습으로 페더레이트 러닝으로 학습해서 모델만 가져가는 걸로

15:42함께 점점 데이터를 많이 모으고 그리고 그 데이터를 가지고 고도화된 모델을 만들어내는

15:49그래서 그걸 다 같이 향유하고 그거에 대한 페이백을 할 수 있는 그런 시스템들에 대해서

15:54우리는 전체 그림으로 나아갈 수가 있겠습니다

15:58지금 제가 이렇게 짧게 말씀을 드렸는데

16:02이 말씀드린 내용들이 우리가 피지컬 AI를 알아보면서 피지컬 AI가 공장에서

16:10로봇이 어떻게 동작을 자연스럽고 정확하게 하느냐라는 것을 넘어서서

16:14정부는 국가는 데이터라는 체계를 어느 정도 규모로 크기로 바라보고

16:21어디까지 그림을 그려놔야 그 사이에 데이터는 우리가 시간이 될 때마다 채워놓으면서

16:26안정적으로 확장해 나갈 수 있겠느냐라는 이런 관점으로 제가 말씀을 드렸습니다

16:33발표 마치겠습니다. 감사합니다

카테고리

트랜스크립트

댓글

추천