• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 인터뷰
  • 인사•부음
  • 글로벌뉴스
인공지능
배터리
양자컴퓨팅
컨퍼런스
칼럼•연재
포토•영상

ZDNet 검색 페이지

'양영진'통합검색 결과 입니다. (2건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

[기고] 한국이 지향해야 할 AI강국 방향과 전략

요즘 인공지능(AI)이 사람들을 연일 놀라게 하고 있다. 의학, 법률, 소프트웨어 개발, 기획 등 거의 모든 분야에서 AI는 놀라운 속도로 문제를 해결해낸다. 일부에선 “이제 전문가가 필요 없는 시대가 오는 것 아니냐”는 말도 나온다. 실제로 많은 분야에서 AI의 성능은 웬만한 전문가를 능가한다. 그런데 이 놀라운 성과는 사실 간단한 방식으로 만들어졌다. 방대한 데이터를 모아 초거대 모델을 만들고, 연산 자원을 충분히 투입하는 구조다. 쉽게 말해, 데이터를 많이 모으고 돈을 쓰면 된다. 그래서 많은 국가와 기업이 AI 개발에 엄청난 돈과 자원을 쏟아붓는다. 반면, 사람이 직접 문제를 구조화하고 모델링하는 일은 어렵다. 문제를 정의하고, 그 구조를 체계적으로 정리하며, 이를 기계가 이해할 수 있는 형태로 바꾸는 과정은 상당한 전문성과 노력이 필요하다. 그래서 많은 사람들이 묻는다. "굳이 이렇게 어렵게 모델링을 해야 할까? 그냥 AI를 잘 쓰면 되는 거 아닌가? 하지만 쉬운 길이 항상 좋은 길은 아니다. AI는 결국 과거 데이터를 학습해 패턴을 일반화하는 도구다. 그러나 현실은 과거처럼 반복되지 않는다. 특히 산업 현장이나 정책 결정, 복잡한 시스템 운영처럼 다양한 이해관계와 예측 불가능한 변수가 얽힌 문제에서는, 과거 데이터를 아무리 학습해도 정확한 해답을 보장할 수 없다. 또한 초거대 언어모델은 텍스트 기반 추론에는 강하지만, 물리적 제약조건이나 수치 시뮬레이션, 시스템 간 연동 설계 같은 문제에는 한계가 뚜렷하다. 이런 문제는 정확한 문제 정의와 구조화, 모델링이 선행되지 않으면 AI도 방향을 잃는다. 최근 “AI를 잘만 활용하면 된다”는 이야기가 많다. 틀린 말은 아니다. 하지만 AI를 잘 활용하려면, 무엇보다 먼저 문제를 제대로 정의하고 구조화하는 능력이 전제되어야 한다. 모델링이 부실하면, AI는 아무리 뛰어나도 엉뚱한 답을 낼 수밖에 없다. 어떤 모델을 쓸지, 어떤 데이터를 학습시킬지, 어떤 질문을 해야 할지도 결국 사람의 몫이다. 다시 말해, AI를 잘 쓰려면, 사람이 먼저 모델링을 잘해야 한다. 이제 우리나라 현실을 돌아보자. 우리는 미국이나 중국처럼 GPU 자원을 마음껏 쓸 수 있는 나라가 아니다. 초거대 모델을 학습시킬 인프라도 부족하고, 인재 확보도 쉽지 않다. 단순히 기술을 따라가기만 해서는 경쟁력을 갖기 어렵다. 하지만 우리는 결코 약한 나라가 아니다. 한류를 만들어낸 창의적 역량, IT 산업에서의 세계적 성공 경험, 제약 조건 속에서도 문제를 창의적으로 풀어온 문화, 그리고 정밀한 시스템 설계와 통합 역량, 이 모든 것이 우리가 가진 분명한 강점이다. 특히, 우리는 이미 다양한 정보시스템을 구축·운영하며 풍부한 현장 지식과 경험, 축적된 데이터, 그리고 문제 해결의 노하우를 갖고 있다. 이러한 자산을 단순히 저장된 상태로 둘 것이 아니라, 디지털 전환을 통해 디지털트윈으로 재구성하고, 이를 기반으로 혁신적 아이디어를 실험하고 검증할 수 있다. 디지털트윈은 현실 시스템을 가상공간에 정밀하게 재현해준다. 우리가 축적한 데이터와 경험을 모델링, 가상실험을 통해 수없이 실수하고 실패하면서도 비용과 위험 없이 학습하고 개선할 수 있는 환경을 만든다. 슬기롭게 문제를 해결하고, 기존에 없던 방식으로 혁신을 만들어낼 수 있는 가능성이 바로 여기에 있다. 이제 중요한 결론이 나온다. 우리가 나아가야 할 길은 단순하다. GPU 스펙 경쟁이나 데이터 양에만 몰두할 것이 아니라, 우리 산업과 사회가 직면한 문제를 정밀하게 정의하고, 그 문제를 구조화하고 모델링하며, AI와 시뮬레이션을 결합해 검증 가능한 해결책을 만드는 것이다. 겉으로 보기엔 화려하지 않을 수 있다. 그러나 이것이야말로 문제를 제대로 푸는 기술, 그리고 우리 강점을 살릴 수 있는 전략이다. AI는 확실히 놀라운 도구다. 그러나 그 AI를 어떻게 활용할지 판단하고 설계하는 역량, 즉 문제를 구조화하고 해법을 만들 수 있는 능력은 여전히 인간에게 달려 있다. 이 능력이 바로 모델링이다. 결국, 우리가 진짜 갖춰야 할 핵심 역량은 더 많은 데이터도, 더 큰 연산자원도 아닌, 문제를 꿰뚫는 통찰과 모델링 능력, 그리고 실패를 두려워하지 않고 가상에서 실험하며 개선하는 자세다. 좋은 AI 전략은, 좋은 모델링에서 시작된다. 그리고 그것을 실현하는 무대는 디지털트윈 기반의 가상실험이다.

2025.06.02 23:42양영진

[디지털트윈 칼럼] AI 전문가의 노벨물리학상 수상 의미

"저는 물리학자가 아닙니다. 저는 물리학에 대해 매우 큰 존경심을 가지고 있지만, 대학 1학년 때 복잡한 수학을 못해서 물리학을 그만뒀습니다." 이번에 노벨 물리학상을 수상한 제프리 힌튼 교수의 말이다. 이 말은 많은 이들에게 깊은 인상을 남겼다. 물리학을 포기한 그가 어떻게 노벨 물리학상을 받을 수 있었을까? 제프리 힌튼의 노벨 물리학상 수상은 현대 과학에서 협력과 융합이 얼마나 중요한지를 잘 보여준다. AI 전문가로서의 그의 연구는 인공지능과 기계학습을 통해 사물 이치를 탐구하는 데 기여했으며, 이는 물리학 연구에 중요한 도움을 줬다. 특히 힌튼 연구는 데이터를 분석하고 복잡한 패턴을 인식하는 기계학습 모델인 '볼츠만 머신' 발전에 기여, 복잡한 현상을 설명하고 해결하는 데 중요한 역할을 했다. 이제 우리는 단순한 데이터 분석을 넘어 가상실험의 시대에 접어들고 있다는게 필자 생각이다. 가상실험은 물리적 실험을 대체하는 강력한 도구로, 디지털트윈을 통해 현실 세계의 복잡한 현상을 시뮬레이션할 수 있다. 이를 통해 사전 검증과 문제 해결이 가능해지는데, 가상실험이 성공하려면 디지털트윈이 정확하게 만들어져야 한다. 이는 단순히 데이터를 수집하는 것이 아니라, 사물의 이치를 깊이 이해하고 이를 모델에 반영해야 하기 때문이다. 이에 따라 기계학습과 가상실험을 융합한 BAS(Big Data+AI+Simulation) 기술이 필수라고 생각한다. BAS 기술은 빅데이터와 AI를 통해 실시간으로 사물 이치를 반영한 디지털트윈을 만들고, 이를 바탕으로 가상실험을 수행하는 기술이다. 기계학습을 통해 복잡한 패턴을 예측하고, 가상실험을 통해 그 예측을 검증하는 과정은 상호 보완적으로 작용, 더 나은 문제 해결 방안을 제시한다. 우리가 나아가야 할 방향은 경쟁을 넘어 협력이며, 기계학습을 넘어 가상실험으로, 지식에서 지혜로 나아가는 것이고, 이를 통해 더 나은 미래를 설계할 수 있다. "하면 된다. 안되면 되게 하라. 안되면 될 때까지." 우리나라가 한강의 기적을 이룬 데는 이런 정신이 크게 기여했다. 마찬가지로 문제 해결을 위해서는 불굴의 의지와 함께 지혜로운 접근이 필요하다. 하지만 아는 것은 유한하고, 모르는 것은 무한하다. 그래서 우리는 아는 것과 모르는 것을 구분하고, 모르는 것은 배우고 질문하는 데 전념해야 하고, 잘 아는 사람과 소통과 협력을 통해 지혜롭게 해결할 수 있다. 이런 자세가 미래 과학과 기술 발전의 열쇠가 될 것이다. 이 시대는 더 이상 단독적인 성과를 추구하기보다는 협력을 통해 시너지를 발휘하는 시대다. AI와 가상실험간 융합은 그 상징적 사례이며, 이를 통해 우리는 더욱 복잡한 문제를 해결하고 더 나은 세상을 만들어 나갈 수 있다고 생각한다.

2024.10.13 18:54양영진

  Prev 1 Next  

지금 뜨는 기사

이시각 헤드라인

은행권, 스테이블코인 해외송금으로 풀어나간다

정기선 HD현대 수석부회장, 인도 콕 집은 이유

GS25 돈키호테 팝업 1200명 운집…"기대 이하" 불만 속출

삼성전자, 반도체 쇼크에 '휘청'…"재고 충당·AI칩 대중 수출 규제 탓"

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.