신약 개발·산업로봇…"생성AI 쓰임새? 이미 산업 혁신 첨병"
'챗GPT' 등장 이후 기업들의 집중 기술 투자 영역으로 떠오른 생성 인공지능(AI)이 신약 개발, 산업용 로봇 등 영역에서 활발히 접목되면서 생산성을 크게 개선할 것으로 전망됐다. 서용석 한국과학기술원(KAIST) 문술미래전략대학원 교수는 29일 분당두산타워에서 개최된 '두산에너빌리티 DX 포럼 2024'에서 생성AI로 나타나는 사회 변화를 소개하면서 이같이 언급했다. 서용석 교수는 “컴퓨터가 인간보다 월등한 계산 능력과 기억능력을 토대로 추론과 판단에 강점을 보였다면, 생성AI는 뭔가를 조합하고 만들어내고 있다”며 “R&D에 생성AI가 어떻게 적용되고 있고, 그 결과로 산업 발전에 어떤 영향을 미치는지 주목하고자 한다”고 언급했다. 신약 개발은 생성AI가 두각을 드러내는 분야 중 하나다. 서 교수는 “사람이 새로운 물질을 찾으려면 엄청나게 많은 시간이 걸리고, 찾지 못할 수도 있다"며 "생성AI는 방대한 데이터를 활용해 매우 빠른 속도로 새로운 물질을 찾아내고 조합해낸다”고 강조했다. 이런 기술 발전을 토대로 신약 시장은 매년 20% 성장률을 보이고 있다. 신약 개발에는 막대한 비용과 시간이 소모되는 임상 과정이 필요하다. 이 점을 고려하면 의료 데이터가 풍부한 한국이 시장을 선도할 잠재력을 갖추고 있다는 분석이다. 서 교수는 "국민들이 병원을 가장 많이 가는 게 우리나라이고, 그만큼 임상 데이터가 풍부해 AI와 이를 접목할 수 있다면 임상에 따르는 자원을 획기적으로 줄일 수 있을 것"이라며 "데이터 단절 및 개인정보 보호 규제 관련 문제들이 해결된다면, 규모가 엄청난 바이오 시장에서 우리나라가 대규모 산업군을 형성할 수 있을 것"이라고 전망했다. 바이오 영역 중 단백질 설계에서도 AI가 접목되면서 설계 성공률이 급격히 올라갔다고 덧붙였다. 서 교수는 "최근 학술지 네이처에서 관련 논문을 모집하는 등, AI를 연구에 활용하는 방안이 과학계 큰 화두로 자리잡았다"고 짚었다. AI는 자동화 공정을 확대하는 산업 혁신 영역에서도 톡톡한 역할을 하고 있다. 특히 사람의 손길을 대체하기 위한 로봇의 범용성과 기술 완성도를 높이는 데 있어 생성 AI가 한계를 극복할 해법으로 주목받고 있다. 서 교수는 "지금까지의 자동화 공정 속 로봇은 이미 설계된 알고리즘과 레이블화된 데이터셋을 토대로 움직일 뿐, 자체적으로 판단해 움직이는 수준에 이르진 못했다"며 "조립 부품이 다양하거나 공정에 사람의 손기술이 필요하고, 조립 작업이 복잡한 경우, 제품의 크기가 매우 클 경우엔 로봇을 도입해 생산성을 높이는 데 한계가 있었다"고 지적했다. 이런 한계를 극복하고자 사람과 상호작용하는 '협동로봇'이 등장했다. 그러나 로봇의 상당한 무게, 매우 빠른 작업 속도와 높은 수준의 작업 정밀도 등이 결과적으로 작업 인력의 안전에 위협을 초래하는 부작용이 따랐다. 생성AI는 이런 부작용 없이, 로봇의 물리적 제어 능력과 판단 능력을 고도화하는 도구로 개발되고 있다. 다만 로봇이 이런 역량을 기르는 데 필요한 데이터가 극히 적어 폭발적인 기술 성장을 기대하긴 여의치 않다고 봤다. 서 교수는 "문자나 시청각 데이터는 장기간 축적됐지만, 어떤 동작을 위해 필요한 힘의 정도와 신체의 조절 수준, 촉각 정보 등 물리적 상호작용 관련 데이터는 미비하다"며 "로봇이 특정 행동을 수행하고 이후 상황을 예측해 필요한 행동을 연속적으로 수행할 수 있게 해야 하지만 촉각을 포함한 사람의 작업 기술을 데이터베이스화해 로봇 학습에 활용하려는 노력이 아직 매우 초기 단계"라고 설명했다. 이런 점을 염두해 최근 등장한 것이 언어 모델 AI, 시각 모델 AI, 행동 모델 AI를 통합한 대규모행동모델(LAM)이다. 그러나 기본적으로 데이터를 확보하는 데 어려움을 겪고 있고, 물리적 접촉 수준을 나타내는 데이터 표준 방식도 부재해 모델이 대형화되지 못하고 있다. 다만 서 교수는 향후 이 문제가 해결된다면, 장기적으로 사람과 유사한 로봇이 구현될 수도 있다고 봤다. 서 교수는 "범용 로봇 개발에 있어 데이터와 AI 모델의 한계, 대규모 GPU와 외부 네트워크 연결 필요성 등이 제약으로 작용하고 있다"면서도 "충분한 데이터를 확보해 대규모 AI 모델 기반 학습을 접목할 수 있게 된다면, 어쩌면 안드로이드와 같은 로봇이 등장할 수도 있을 것"이라고 기대했다.
