앞으로의 기술은 어디로 갈까?

최근 AI 업계는 다양한 곳에서 새 출발을 하려는 모양새를 보이고 있습니다.

국내에 국한되지 않고 전 세계적인 추세군요.

신경망~딥러닝으로 흐르는 기본적인 AI 기술이 중심이 된 1차전과 LLM이 중심이 된 2차전이 마무리되고..

이제 전 세계가 새로운 3차전에 돌입할 준비를 하고 있습니다.

 

아마.. 이 3차전이 AI 기술의 주도권을 잡기 위한 마지막 전장이 되지 않을까.. 생각합니다.

또한 블로그에서, 그리고 지금까지 해 왔던 여러 강의에서 수 년 전부터 자주 이야기해 왔던 "AI는 사회 인프라의 영역으로 자리잡게 될 것이며.. 특별한 기술이 아닌 누구나 사용할 수 있는 기술, 그러나 사용하지 못하면 도태될 수 밖에 없는 그런 기술이 될 것이다"라는 이야기가 현실로 다가올 시점이라고 생각합니다.

 

올해 상반기부터 전문가 집단에서도 슬슬 흘러나오는 목소리가 이제 "AI라는 것만으로 앞서나갈 수 있는 길"이나 "AI를 가르치는 강의" 같은 것은 사라지기 시작할 것이다.. 라는 것입니다.

사실 저는 더 일찍 사라지기 시작할 것이라고 예상했었지만 생각보다는 좀 길어지고 있네요.

그래도 머지 않은 것 같습니다.

 

그럼 우리는 이제 무엇을 준비해야 할까요?

앞으로 다가올 시대에는 무엇으로 먹고 살아야 할까요?

AI의 위치가 기반 인프라로 내려가버리면 AI를 전공했지만 큰 회사나 많은 투자를 받은 스타트업에서 일하지 않고 개별적으로 움직이며 일하던 사람은 도태될 수 밖에 없는 것일까요?

이런 고민을 하기 시작할 때입니다.

 

그럼 앞으로의 기술 방향은 어디로 흘러갈까요?

일단은 수많은 영역을 대상으로 하지 않고 AI 전공자의 입장에서 볼 수 있는 영역만을 생각해 봅니다.

많은 AI/IT 전문가나 미래학자, 정책전문가 등의 예상으로는 차세대 기술의 핵심 영역은 로봇 기술, 양자 컴퓨팅, 생명공학, 에너지기술, 브레인-컴퓨터 인터페이스(BCI) 그리고 Edge AI + IoT + 반도체 중에서 나올 것으로 보고 있습니다.

(다른 영역이 더 있을 수도 있습니다만..)

이 중에서 우리가 접근할 수 있는 영역, 그 중에서도 가장 가능성이 높은 영역은 로봇 기술이 될 것으로 예상하고 있습니다.

 

로봇 기술은 최근 AI 분야에서 주목받고 있는 월드 모델, 피지컬 AI 등과 밀접하게 연관된 부분이라고 할 수 있습니다.

그러나 로봇 기술은 전자/전기/기계 제어 및 반도체 등 하드웨어가 큰 비중을 차지하고 있기 때문에 일반적인 AI / IT 전공자나 기술자들은 전자공학 계열의 전공자 및 기술자에 비해서 불리한 환경이라고 볼 수 있습니다.

저와 같은 전공자들이 AI가 뜨면서 기회를 잡았듯이 이제 전자공학 계열의 전공자들이 기회를 잡을 그런 시점이 오는 것입니다.

 

그럼 우리는 이대로 밀려나는 것을 바라보고 있어야 할까요?

그렇지는 않습니다.

또 그래서는 안되겠죠.

우리도 먹고 살아야 하니까요.

그럼 무엇을 준비해야 할 것인지.. 생각해 보았습니다.

 

먼저 너무 큰 위기감을 가질 필요는 없습니다.

로봇 기술은 비록 하드웨어의 비중이 크긴 하지만 그 로봇의 행동은 AI를 기반으로 결정되기 때문입니다.

AI의 중요성은 커지면 커졌지 줄어들지는 않는다는 말이죠.

그러나 기존의 AI 강의.. 같은 일은 이제 줄어들테니.. 강의를 하건.. 개발을 하건.. 우리는 로봇과 관련된 AI 모델을 개발하기 위한 기술과 이론을 제대로 준비해야 합니다.

그리고 이 영역은 피지컬 AI와 월드 모델의 개념을 제대로 이해하고 있을 필요가 있습니다.

로봇의 성능을 위해서는 양자컴퓨팅 분야도 어느 정도 이해하고 있어야 할 것 같습니다.

 

그리고 피지컬 AI를 단순히 이론으로만, 그리고 코드로만 이해하고 있는 것은 큰 도움이 되지 않을 것입니다.

비록 실제 로봇이 없더라도 시뮬레이션을 통해서 학습하고 연구할 수 있다고 하지만 로봇의 구조와 회로 이론 등의 기초적인 전자, 제어 기술은 이해해 두는 것이 좋을 것입니다.

회로 설계까지는 못하더라도(이런 것은 전공자들이 하겠죠) 주어진 회로의 특징을 이해해서 모델과 제어를 구현, 이해할 수준은 되어야 할 것입니다.

 

그리고 이러한 제어 기술, 상황인식, 의사결정 기술 등이 적용될 수 있는.. 광범위한 산업 분야에 대해서도 일정 수준 이상의 이해를 가지고 있어야 주어진 상황에 맞게, 주어진 프로젝트를 제대로 수행해 나갈 수 있을 것입니다.

다양한 도메인에 대한 지식과 활용, 경험이 필요하다는 것이죠.

 

또한 이처럼 로봇의 두뇌 역할을 하는 AI 모델, 시스템을 설계, 구현, 응용 및 활용하기 위해서는 다양한 영역에서의 AI의 융합, 즉 멀티 모달 AI 시스템을 제대로 이해하여야 합니다.

그래야 복잡한 상황에서 올바른 결정 및 판단을 로봇에게 지시할 수 있게 될 것입니다.

 

이러한 기술들에 대한 사전준비와 기술의 융합을 준비하는 것이 우리가 먹고 살아갈 미래의 기술을 준비하는 것이 될 것입니다.

너무 많네요. ㅠㅠ

 

AI + 로봇이 가야할 길(그림출처: MS Bing Image Creator로 직접 그림)

 

 

 

정리하면서 세부적인 내용의 예시를 들어보면 다음과 같다고 할 수 있습니다.

 

1. AI → Physical AI로의 확장
   • 기존 AI 기술을 로봇에 접목시키는 지각(AI Vision), 강화학습, LLM 기반 로봇 제어 등을 익힐 것
   • 예시 학습 방향
     • ROS2 기반 로봇 플랫폼 학습
     • YOLO, Segment Anything 등 비전 모델을 실제 카메라 입력에 적용
     • Open-RL, Isaac Gym 등을 활용한 강화학습 기반 로봇 제어
     • LLM을 로봇 자연어 명령 시스템에 접목 (예: SayCan, RT-X)
2. 로봇 기술자와 협업할 수 있는 도메인 융합 능력
   • 로봇공학자, 전기전자공학자와의 공통 언어를 이해할 수 있는 정도의 도메인 지식을 확보할 것
   • 추천 개념
     • 역기구학/순기구학(Kinematics)의 기초
     • 센서 퓨전, SLAM 개념
     • ROS에서 사용하는 TF(Frame Transform), Nav Stack, MoveIt 구조 이해
3. 멀티모달 AI와의 접점 확보
   • LLM + 비전 + 음성 + 로봇 제어 등 멀티모달 시스템은 앞으로의 로봇 AI의 핵심
   • 관련 기술 예시
     • VLM (Vision-Language Models) 기반 행동 계획
     • Diffusion Policy, Behaviours Transformers 같은 행동 생성 모델
     • Voice Command → Semantic Plan → 행동 실행 파이프라인 설계

 

해야 할 일이 매우 많이 늘어나고 있습니다.

그래도 도태되는 길만 남은 것이 아니라 또 한 번 핵심 위치로 나갈 수 있는 기회가 남아있다는 것을 다행이라고 해야 할 것 같습니다.