[AICON] Global AI 컨퍼런스 2024 첫째 날 3 - 기조 강연 2 : AI 패러다임의 전환과 산업 융합 생태계

30분 간의 첫 번째 기조 강연이 끝나고 두 번째 강연이 이어졌다. 이번에는 한국인이라 통역이 필요 없는 점이 마음에 들었다. 그럼 이 내용도 정리해 보겠다.

---

 

 

 

 

기조 강연 2 - AI 패러다임의 전환과 산업 융합 생태계

 

 

 

 

 

 

 

 

 

 

 

 

이것은 "첫 번째 사이클"로 불리는 기술 발전 주기를 설명하고 있으며, 주요 요소로 PC(개인용 컴퓨터), 윈도우(Windows), 인터넷을 포함하고 있다. 이 사이클은 정보 기술의 급속한 발전과 대중화를 이끈 중요한 시기로, 여러 상징적인 기업과 서비스가 함께 등장했다.

주요 내용

1. PC 판매량 (1996-2017)
   • 왼쪽 그래프는 1996년부터 2017년까지의 전 세계 PC 판매량을 보여준다. 초기에는 판매량이 점차 증가하다가 2011년과 2012년에 최고치를 기록한 후, 이후에는 점차 감소하는 추세를 보인다. 이는 PC 시장의 성숙기와 스마트폰 등 다른 디지털 기기의 등장으로 인한 수요 감소를 반영한다.
2. 주요 기업 및 기술
   • Microsoft Windows: 개인용 컴퓨터의 운영체제인 윈도우는 PC 사용의 표준이 되었고, 대중화에 큰 기여를 했다.
   • Intel: "Intel Inside"라는 슬로건으로 유명한 인텔은 PC용 프로세서를 공급하는 주요 기업으로, PC 성능 향상과 보급에 중요한 역할을 했다.
   • Google: 인터넷 검색 엔진으로 시작해 다양한 서비스로 확장하며, 인터넷을 활용한 정보 검색과 온라인 서비스의 중심이 되었다.
   • Naver: 한국에서 시작된 검색 엔진이자 포털 사이트로, 한국 인터넷 사용자들에게 큰 영향을 미쳤다.

요약

이 사이클은 PC, 운영체제, 인터넷이라는 세 가지 주요 요소가 결합하여 정보화 사회의 기반을 구축한 시기이다. 이 시기에 등장한 주요 기업과 기술들은 현대의 디지털 경제와 인터넷 환경을 만들어내는 데 중요한 역할을 했다.

 

 

 

 

 

 

이 이미지는 "두 번째 사이클"로, 스마트폰과 소셜미디어의 급격한 성장을 보여준다. 스마트폰의 보급과 함께 소셜미디어 플랫폼들이 발전하면서 새로운 디지털 생태계가 형성된 시기를 설명하고 있다.

주요 내용

1. 아이폰 판매량 (2007-2015)
   • 왼쪽 그래프는 2007년부터 2015년까지의 글로벌 아이폰 판매량을 나타낸다. 초기에는 판매량이 적었으나, 해마다 급격히 증가하여 2015년에는 약 231.22 million (파란색) 대에 도달했다. 이는 스마트폰 시장의 폭발적인 성장을 나타내며, 모바일 기기의 대중화를 상징한다.
2. 주요 기업 및 플랫폼
   • Google : 검색 엔진뿐만 아니라 YouTube와 같은 소셜 및 미디어 플랫폼을 통해 모바일 인터넷 생태계에서 중요한 역할을 하고 있다.
   • YouTube : 동영상 플랫폼으로, 스마트폰 사용자들이 손쉽게 접근할 수 있는 주요 미디어 소비 채널로 자리 잡았다.
   • Facebook : 글로벌 소셜미디어 플랫폼으로, 스마트폰과 함께 대중화되어 사용자들이 온라인에서 서로 소통하고 정보를 공유할 수 있는 환경을 제공한다.
   • Qualcomm : 스마트폰의 핵심 기술인 반도체 칩을 공급하는 회사로, 모바일 기기의 성능을 향상하고 무선 통신 기술 발전에 기여했다.
   • Kakao : 한국의 모바일 메신저와 소셜 플랫폼으로, 스마트폰 대중화와 함께 다양한 서비스를 제공하며 한국 내에서 강력한 영향력을 발휘했다.

요약

이 두 번째 사이클은 스마트폰 보급과 소셜미디어의 급성장으로 인해 사용자들이 디지털 콘텐츠에 접근하고 소통하는 방식이 변화한 시기이다. 스마트폰과 소셜미디어 플랫폼들은 사람들의 생활 방식을 변화시키며 새로운 비즈니스 모델과 기술 생태계를 창출했다.

 

 

 

 

 

이것은 3번째 인공지능 붐이 일어난 세 가지 주요 이유를 설명하고 있다. 인공지능이 현재처럼 빠르게 발전하게 된 배경에는 아래와 같은 요소들이 있다.

1. 강력한 GPU 프로세싱
   • 병렬 컴퓨팅이 가능해지면서 인공지능의 연산 능력이 크게 향상되었다. 특히, GPU는 많은 데이터를 병렬로 처리하는 데 탁월한 성능을 발휘하여 딥러닝과 같은 복잡한 알고리즘을 빠르게 학습시키는 데 중요한 역할을 한다.
2. 방대한 학습자료 데이터 (Big Data)
   • 인터넷과 디지털화된 사회 덕분에 방대한 양의 데이터가 축적되었다. 인공지능이 학습할 수 있는 자료가 많아지면서, AI 모델이 더 정확하고 정교해졌다. 이러한 빅데이터는 다양한 분야에서 인공지능 모델을 훈련시키고 검증하는 데 중요한 기반이 된다.
3. 기계의 자기 학습 알고리즘 (Deep Learning)
   • 딥러닝 알고리즘이 발전하면서 인공지능이 스스로 학습할 수 있는 능력이 크게 향상되었다. 딥러닝은 신경망 구조를 통해 데이터를 학습하고 패턴을 인식하는 방식으로, 이미지 인식, 음성 인식 등 다양한 응용 분야에서 탁월한 성능을 발휘하고 있다.

요약

이 세 가지 요소, 즉 강력한 GPU, 빅데이터, 딥러닝 알고리즘은 3번째 인공지능 붐을 일으킨 핵심 원인이다. 이를 통해 인공지능이 더욱 정교하고 강력해졌으며, 다양한 산업과 일상생활에 적용될 수 있게 되었다.

 

 

 

 

 

 

 

 

 

 

 

고객과 시장의 요구를 파악하기 위해 던져야 할 핵심 질문들을 나열하고 있다. 이 질문들은 제품이나 서비스 개발 시 고객의 문제와 필요를 이해하고, 시장 가능성을 평가하는 데 도움을 준다.

1. 당신의 고객은?
   • 고객이 누구인지 명확하게 정의하는 것은 사업의 방향을 설정하는 첫 단계이다. 목표 고객층을 파악해야 맞춤형 해결책을 제공할 수 있다.
2. 그들에게 해결되지 않은 문제는?
   • 고객이 겪고 있는 해결되지 않은 문제를 파악하는 것은 중요한데, 이는 차별화된 솔루션을 제공할 기회를 제공한다.
3. 빅테크 기업이 조만간 결국 해결할 문제인가?
   • 대형 기술 기업들이 곧 해결할 수 있는 문제인지 파악하는 것이 중요하다. 경쟁 우위를 확보하기 위해서는 아직 대형 기업들이 해결하지 않은 틈새 문제를 공략하는 것이 유리할 수 있다.
4. 5년 내에 얼마가 시장이 커질 수 있는가?
   • 5년 내에 해당 시장이 성장할 가능성을 평가하는 질문이다. 시장의 성장 잠재력이 충분히 있는지 파악해야 투자의 가치를 예측할 수 있다.
5. AI가 적용된다고 달라지는 것은 무엇인가?
   • AI 기술이 적용될 때 기존 방식과 달라지는 점을 분석하는 질문이다. 인공지능이 문제 해결에 미치는 영향과 가치를 이해해야 AI 활용의 필요성을 판단할 수 있다.

이 질문들은 고객의 니즈와 시장의 성장 가능성을 철저히 분석하여 전략을 수립하는 데 도움을 주며, 특히 인공지능이 적용될 경우의 차별화된 가치를 파악하는 데 중점을 두고 있다.

 

 

 

 

 

 

인공지능(AI) 시스템의 비용과 효율을 고려할 때 주요하게 다루어야 할 요소들을 설명하고 있다. AI의 발전과 확산이 이루어지면서 자원과 비용의 최적화를 위한 다양한 선택지가 제시되고 있으며, 지속 가능성에 대한 고민도 포함된다.

주요 내용

1. AI 팩토리 vs. On Device AI
   • AI 팩토리는 클라우드 서버와 같은 대규모 데이터 센터에서 AI 연산을 처리하는 방식이며, On Device AI는 사용자 기기 내에서 AI 연산을 수행하는 방식이다. 두 방식은 각각의 장단점이 있으며, 비용과 에너지 효율성 면에서 차이가 있다.
2. LLM vs. SLM
   • LLM (Large Language Model)과 SLM (Small Language Model)의 비교로, LLM은 대규모 연산 자원이 필요하지만 높은 성능을 제공하며, SLM은 자원 소비를 줄이고 효율성을 높이기 위해 경량화된 모델을 사용한다. 각 상황에 따라 어떤 모델을 사용하는 것이 효율적인지 결정해야 한다.
3. 반도체 부족: GPUs, HBMs, Foundry
   • GPUs(그래픽 처리 장치), HBMs(고대역폭 메모리), 그리고 파운드리(반도체 제조 공장)의 부족은 AI 시스템의 확장과 성능에 큰 영향을 미친다. 이들은 AI 모델의 학습과 추론에 필수적인 자원들이므로, 공급 부족 시 비용이 증가하고 성능 향상이 어려워질 수 있다.
4. 여러 자원의 부족: Electricity, Networks, Metals, Water
   • 전기, 네트워크 인프라, 금속 자원, 물과 같은 필수 자원들이 부족할 경우 AI 운영의 지속 가능성이 위협받는다. 이들 자원은 AI 데이터 센터와 같은 인프라의 운영에 필수적이다.
5. 지속가능한가?
   • AI 기술이 지속 가능한 방식으로 운영될 수 있는지에 대한 질문이다. 자원 소비와 비용이 증가하는 상황에서 효율성을 높이고 환경에 미치는 영향을 줄이기 위한 방안이 필요하다.

요약

이 요소들은 AI 시스템의 비용 절감과 효율성 극대화를 위해 고려해야 할 사항들이다. AI의 성장을 지속하려면 자원 소비를 최소화하고, 효율적인 모델과 인프라를 선택하는 것이 중요하다.

 

 

 

 

 

 

2023년부터 2032년까지 인공지능(AI) 칩 시장의 성장 전망을 보여주는 그래프이다. 시장 규모는 미국 달러(USD) 단위로 표시되어 있으며, 해마다 급격한 성장이 예상된다.

이 그래프는 AI 칩 시장이 매년 성장할 것으로 예상되며, 2023년의 $21.87 billion에서 2032년에는 $227.48 billion까지 확대될 것임을 시사한다. 이는 AI 기술의 확산과 다양한 산업에서의 수요 증가가 주된 원인으로, AI 칩의 수요와 중요성이 꾸준히 상승할 것으로 보인다.

 

 

 

 

 

 

이것은 멀티모달 생성형 AI 기술을 소개하며, 영화 Her에서 묘사된 가상 인공지능 비서와 같은 기술을 현실화하고자 하는 시도를 강조하고 있다.

• 멀티모달 생성형 AI는 텍스트뿐 아니라 이미지, 음성 등 다양한 형태의 데이터를 동시에 처리하고 이해할 수 있는 인공지능을 의미한다. 이러한 AI는 단순히 텍스트 대화만 하는 것이 아니라, 이미지와 음성을 인식하고 생성하는 능력을 갖추고 있어 사람과의 소통 방식이 더욱 자연스럽고 직관적으로 발전할 수 있다.
• Her 영화에서의 가상 비서는 사용자의 감정과 필요를 이해하고, 일상 속에서 자연스러운 대화를 이어나가는 지능형 AI로 등장하는데, 이 이미지에서는 그러한 AI 비서를 현실에서 구현하고자 하는 목표를 나타낸다.
• GPT-4와 같은 최신 AI 모델들이 이러한 멀티모달 능력을 점차 갖추고 있어, 텍스트 입력뿐 아니라 시각적, 청각적 정보에 대한 이해와 상호작용이 가능해지고 있다.

이 기술은 인간과 AI의 상호작용이 한층 더 발전하여, AI가 단순한 도구가 아니라 일상 속에서 감정과 상황을 이해하고 대화할 수 있는 파트너가 되는 미래를 지향하고 있다.

 

 

 

 

 

AI 처리의 중심이 기존의 중앙 클라우드(Central Cloud)에서 엣지(Edge)와 온디바이스(On-device)로 이동하고 있음을 보여준다. 이를 통해 AI 처리의 효율성과 성능을 개선하고, 네트워크 사용의 효율을 극대화하려는 목표가 설명된다.

주요 내용

1. 중앙 클라우드 (Central Cloud)
   • 기존의 AI 처리는 대부분 중앙 클라우드에서 이루어졌으며, 이 방식은 대규모 데이터 처리가 가능하지만 네트워크 대역폭을 많이 소모하고, 데이터 전송 시간이 길어지는 문제가 있다.
   • 이러한 중앙 집중형 처리는 높은 성능을 제공하지만, 실시간성이나 개인정보 보호 측면에서 한계가 있다.
2. 엣지 클라우드 (Edge Cloud)
   • 엣지 클라우드는 중앙 클라우드와 사용자 기기 사이에서 데이터를 처리하는 중간 단계로, 클라우드의 기능 일부를 네트워크 말단에 배치하여 데이터를 더 빠르게 처리할 수 있다.
   • 5G 네트워크의 도입으로 엣지 클라우드가 활성화되고 있으며, 이는 데이터 전송 속도와 지연 시간을 줄이는 데 큰 도움을 준다.
3. 온디바이스 (On-device)
   • 온디바이스 AI는 데이터가 생성되는 기기 자체에서 AI 처리를 수행하는 방식이다. 예를 들어 스마트폰이나 자율주행차 내에서 실시간으로 AI 연산을 수행할 수 있다.
   • 이 방식은 비용 절감, 개인정보 보호, 저지연성(low latency), 높은 신뢰성, 네트워크 대역폭의 효율적 사용과 같은 장점이 있다.

요약

AI 처리의 중심이 엣지와 온디바이스로 이동함에 따라, 실시간 처리가 필요하거나 데이터 전송에 따른 지연이 문제가 되는 상황에서 효율성을 극대화할 수 있다. 이러한 변화는 특히 5G 네트워크와 같은 최신 통신 기술이 발전하면서 가능해졌으며, AI 처리의 효율성을 높이고, 비용을 절감하며, 개인정보 보호를 강화할 수 있다.

 

 

 

 

 

 

현재 우리나라에서 상용화되고 있는 휴머노이드 로봇이다. 주로 과학관이나 호텔 등에서 많이 사용된다고 한다.

 

 

 

 

 

 

이 로봇은 이탈리아에서 만든 로봇인데 이탈리아 특유의 디자인이 느껴진다. 기술을 넘어 디자인이 되었을 때의 가능성을 보여준다.

 

 

 

 

AI와 데이터 기술이 발전하면서도 아직 해결해야 할 여러 중요한 문제들을 나열하고 있다. 각 항목은 기술의 실제적인 활용에서 부딪히는 과제들을 나타낸다.

주요 문제들

1. 완전히 다른 차원의 보안 문제
   • AI와 데이터의 확산은 보안 문제를 한 차원 더 복잡하게 만든다. 다양한 연결성과 데이터 흐름이 늘어나면서 사이버 보안 위협에 대한 강력한 대응이 요구된다.
2. 데이터 프라이버시
   • 사용자 데이터가 폭넓게 활용되면서 개인정보 보호가 중요한 이슈로 떠오르고 있다. 데이터를 어떻게 수집하고 저장하며, 보호할 것인가에 대한 명확한 정책과 기술이 필요하다.
3. 기존 데이터와 어떻게 연결하고, 얼마나 쉽게 활용할 수 있는가?
   • 기존 시스템에 축적된 데이터를 새로운 AI 시스템에 통합하여 쉽게 사용할 수 있는지가 문제이다. 데이터의 연결성과 호환성 문제를 해결해야 AI의 활용을 극대화할 수 있다.
4. 여러 서비스를 효과적으로 조율해서 활용하려면?
   • AI 서비스와 데이터를 효과적으로 통합하고 조율하는 문제로, 다양한 AI 시스템 간의 협업과 데이터 교환을 원활하게 만드는 것이 과제이다.
5. 실제 공장이나 특정 산업에 접목된다면, 실제로 가치가 있는가?
   • AI가 실제 산업 현장에서 적용될 때 실질적인 가치를 창출하는지 평가해야 한다. 기술 자체보다 그것이 비즈니스와 운영 효율성에 실제로 기여하는지가 중요하다.

요약

이 문제들은 AI와 데이터 기술의 발전이 단순한 기술적 성공을 넘어, 보안, 프라이버시, 데이터 통합, 서비스 조율, 그리고 실제 산업 가치를 창출할 수 있는지에 대한 고민을 필요로 한다. 기술의 성공적인 도입을 위해서는 이러한 문제들을 해결하는 것이 필수적이다.

 

 

 

 

 

 

---

 

 

 

 

정리를 마치고

AI 시스템에서 무엇을 가장 먼저 고려해야 하는지 배울 수 있는 강의였다. 기술적인 면도 중요하지만 어떤 가치를 어떻게 전달할지도 정말 중요하다. 그리고 비용과 효율도 빠질 수 없는 문제이며, 공공재로 eco 시스템을 갖는 것도 고려해 볼 사항이다.

뒷부분에 모빌리티와 미래 도시에 관한 내용도 있었으나 지금은 별로 관심 있는 내용이 아니라서 이 부분은 소개하지 않았다.