[AICON] Global AI 컨퍼런스 2024 마지막 날 2 - AI 비즈니스 2 : AI를 안전하게 사용하는 기술

이어서 AI 비즈니스 세션 중에서 세 번째로 강의하셨던 분의 강연을 정리해보려고 한다. 두 번째로 하셨던 분은 태국에서 오셨는데 자기 기업을 홍보하러 나오신 것 같았다. 근데 AICON 컨퍼런스에 온 사람들 대부분이 사실 이런 목적으로 강의를 진행하는 세션들이 정말 많았다.

대부분 2/3은 기술적인 AI 관련 내용을 설명하고 나머지는 자기 기업 소개와 홍보로 가득했다. 어떤 분은 아예 처음부터 끝까지 이런 이야기만 하는 분들도 있었다.

 

사실 이런 건 많이 실망스러웠다. 그래도 아직은 배울 게 더 많으니 이런 부분은 적당히 거르면서 들었다. 

---

 

 

 

 

AI 비즈니스 - AI를 안전하게 사용하는 기술

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

생성형 AI의 지속 성장에 대해 설명하고 있다. 특히, ChatGPT와 같은 생성형 AI가 인상적이지만, 이것이 시작에 불과하며 산업 전반에서 더욱 정교하고 광범위한 사용이 예상된다는 내용을 담고 있다.

주요 내용

1. ChatGPT는 멋지지만, 시작에 불과하다
   • ChatGPT와 같은 생성형 AI는 초기 모델로 창작 작업을 지원하는 역할을 한다.
   • Gartner의 Jackie Wiles는 2025년이면 신약 및 신소재의 **30%**가 생성형 AI를 사용하여 체계적으로 개발될 것이라 예측하고 있다.
2. 생성형 AI의 가치
   • 기존의 분류 프로세스에 의존하는 AI 시스템과 달리, 생성형 AI는 창의적인 기술과 발명에 가까운 가치를 제공한다.
   • AI 기술의 발전과 함께 검증된 업체와 서비스 도입이 필요하다는 점을 강조하고 있다.
3. 생성형 AI 사용이 예상되는 산업군과 용도
   • 오른쪽 하단 표에서는 생성형 AI가 활용될 것으로 예상되는 여러 산업군과 구체적인 용도를 보여준다.
   • 주요 산업군으로는 자동차 제조, 미디어, 건축 공학, 의료 서비스, 전자제품 제조, 제약 등이 포함된다.
   • 용도별로는 신약 개발, 신소재 관리, 칩 설계, 합성 데이터 생성, 부품 개발 등이 있다.

요약

생성형 AI는 ChatGPT와 같은 초기 모델을 넘어 다양한 산업에서 창의적이고 발명에 가까운 가치를 제공하며, 향후 신약 개발 및 소재 관리 등 여러 분야에서 중요한 역할을 할 것으로 기대되고 있다.

 

 

 

 

 

 

 

 

최근 산업 인공지능 기술 동향과 관련된 내용을 다루고 있다. Gartner에서 발표한 2024년 10대 전략 기술 트렌드를 중심으로, 인공지능 기술의 발전과 활용 방안에 대해 설명하고 있다.

주요 내용

1. Gartner 2024 10대 전략 기술 트렌드:
   • AI 신뢰 리스크 보안관리 (AI TRiSM): AI의 신뢰성과 보안을 강화하기 위한 기술.
   • 상시 위험 노출관리 (CTEM): 지속적인 위협 노출을 관리하여 보안을 강화하는 방법.
   • 지속 가능한 기술 (Sustainable Technology): 환경을 고려한 기술 개발 및 활용.
   • 플랫폼 엔지니어링: 개발자가 스스로 플랫폼을 설정하고 관리하는 방식.
   • AI 증강 개발 (AI-Augmented Development): AI를 이용해 개발 속도와 품질을 향상.
2. 생성형 AI와 관련된 주요 기술:
   • 생성형 AI: AI를 통해 새로운 콘텐츠나 데이터를 생성하는 기술.
   • 사전 훈련된 생성 변환기 (GPT): 대규모 데이터로 학습된 AI 모델로, 다양한 언어 작업 수행 가능.
   • 대규모 언어 모델 (LLM): 광범위한 텍스트 데이터를 통해 학습된 언어 모델.
   • 검색 증강 생성 (RAG): 검색과 생성 기능을 통합하여 정보 제공의 정확성을 높이는 기술.
3. 내부 데이터 관리와 협업의 중요성:
   • 대규모 데이터의 효과적인 관리가 AI 확장의 핵심 요소로 작용하고 있다.
   • 2024년에는 클라우드 서비스 제공 업체, 데이터 분석 기업, 산업 빅데이터 활용 회사들이 협업을 통해 AI 기술의 효율을 더욱 높일 것으로 예상하고 있다.
4. NVIDIA의 예측:
   • AI 기술이 제조업에 있어 효율성 향상, 낭비 감소, 지속 가능성 증대를 위한 새로운 접근 방식을 제시하고, 제조업의 혁신을 촉진할 것이라고 설명하고 있다.

요약

2024년의 인공지능 기술 트렌드는 신뢰성과 보안성, 협업을 통한 효율적인 데이터 관리, 그리고 생성형 AI의 확장적 활용이 중심을 이룰 것으로 보인다.

---

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

수십년 연구를 검증 하루 만에 감지했다는 것이 정말 놀라웠다.

 

 

 

 

 

이 슬라이드는 산업 변화 S자 곡선을 설명하며, AI를 통한 제조 혁신의 단계를 나타내고 있다. 이 곡선은 AI 기술이 산업에서 채택되고 확산되는 과정을 세 단계로 구분하여 설명하고 있다.

주요 단계

1. 학습 (Learning)
   • 이 단계에서는 시험착오와 개선이 이루어지며, 특정 공장이나 파일럿 단계에서 기술을 테스트하는 과정이다.
   • 이 단계에서 Pilot purgatory라는 표현은 초기 시도에서의 어려움과 느린 성장을 의미한다.
2. 행위 (Doing)
   • 검증된 기술이 네트워크로 확장되기 시작하는 단계로, 빠른 확장이 이루어진다.
   • 이 과정에서 Scaling Slump라는 현상이 나타나며, 기술 확장의 어려움과 비용 증가 등의 문제에 직면할 수 있다.
3. 최적화 (Optimizing)
   • 산업의 최종 단계로, 최고의 솔루션들이 비용 효율적이고 표준화된 방식으로 통합되는 뉴노멀로 자리잡는 단계이다.
   • 이 단계에서는 기술이 안정화되고 최적화된 운영이 가능해진다.

설명 내용

• 4차 산업혁명과 유사하게, AI를 통한 자율 제조가 기술 진보에 중요한 돌파구를 제공하고 있다.
• 교향곡의 오케스트라처럼, AI는 산업을 불협화음에서 조화롭게 변화시킨다는 비유가 쓰였다.
• 디지털화, 자동화, 로봇 공학, AI 통합 환경은 Industry 4.0 혁신에 중요한 역할을 한다는 내용이다.

요약

이 슬라이드는 산업에 AI 기술을 도입하는 과정에서 발생하는 여러 단계를 보여주며, 학습 - 확장 - 최적화의 순서로 기술이 발전하고 자리잡는 과정을 설명하고 있다.

 

 

 

 

 

 

AI를 통한 자율제조 패러다임의 변화를 설명하며, 제조업에서 AI 기술의 도입과 발전을 보여주고 있다.

주요 내용

1. AI 기술의 응용 개념도 및 기술 청사진
   • 그림은 나무를 중심으로, 제조업에서 AI 기술이 어떻게 뿌리부터 가지와 잎에 이르기까지 발전해 나가는지 비유적으로 표현하고 있다.
2. AI 기술의 주요 단계
   • 데이터 수집 및 통합 (뿌리 부분): 이 단계에서 센서 데이터 수집, 데이터 레이크 저장 등이 이루어지며, 기초 데이터를 모아 시스템에 통합한다.
   • 데이터 분석 및 모델링 (줄기 부분): 수집된 데이터를 분석하고, 언어지능, 데이터 마이닝, 머신러닝 등을 활용해 모델링을 진행하여 AI 시스템을 구축한다.
   • 예측 및 최적화 (가지 부분): 제조 공정에서 필요한 품질 개선, 수요 예측, 가격 변동 예측, 공정 최적화 등이 이루어지는 단계로, 효율성을 극대화한다.
   • 자동화 및 AI 제어 (잎과 열매 부분): 공정 시스템 자율화, 외부 환경 반영, AI 자동 제어 등을 통해 완전한 자동화가 이루어진다.
3. 최적화의 유형
   • 생산(Build-time) 최적화: 생산 과정에서의 최적화를 의미하며, 설비와 생산 시점에 최적화의 범위가 정해져 있다는 한계가 있다.
   • 운영(Run-time) 최적화: AI를 통한 자율 제조를 통해 실시간으로 생산 및 관리 표준화를 고도화하며, 운영 시 최적화가 지속적으로 이루어진다.
4. AI 자율제조의 최종 목표
   • 전체 제조 주기에서 AI를 통한 예측, 최적화, 제어가 자동으로 이루어져 제조 과정의 모든 단계에서 효율성이 극대화되는 것을 목표로 한다.

요약

이 슬라이드는 제조업에서 AI가 어떻게 데이터를 수집하고, 분석하고, 최적화하여 자율적인 제조 패러다임을 구축하는지를 설명하고 있다.

---

 

 

 

 

 

 

 

 

 

 

 

 

 

AI 모델의 작동 원리를 얼마나 잘 이해하고 있는가에 대한 문제를 제기하며, 자율주행차의 사고 사례를 예로 들고 있다.

주요 내용

1. 자율주행차 사고 사례
   • 이미지와 함께 Uber의 자율주행 차량이 보행자를 치어 사망하게 한 사고를 언급하고 있다. 이 사고는 2018년 3월 18일에 발생했으며, 자율주행 모드에서 보행자를 인식하지 못한 차량이 충돌을 일으켰다.
   • 추가적으로, 당시 차량에 있던 '안전 운전자'가 TV 프로그램을 시청하고 있었던 사실이 밝혀졌다. 이는 사고를 방지하기 위한 인간의 감시 역할이 제대로 이루어지지 않았음을 나타낸다.
2. 의문 제기
   • "우리는 AI 모델의 작동 원리를 잘 이해하고 있을까?"라는 질문을 통해, AI 시스템의 한계와 책임 문제에 대한 논의를 유도하고 있다.
   • 자율주행 AI 모델이 사람과 환경을 정확히 인식하고 반응할 수 있는지에 대한 의문과, AI 시스템에서 발생할 수 있는 예기치 않은 상황에 대비한 철저한 이해와 감시의 필요성을 강조한다.

요약

이 슬라이드는 AI 및 자율주행 기술이 가져올 수 있는 위험성을 강조하고, AI 시스템의 작동 원리를 충분히 이해하고 대비책을 마련하는 것이 중요한 과제임을 환기시키고 있다.

---

 

 

 

 

 

 

 

 

 

 

 

탄소배출 추이와 전기화로 인한 탄소 절감에 대한 내용을 다루고 있다. 슬라이드의 주요 내용을 설명하자면 다음과 같다.

1. 우리나라 온실가스 배출량

• 국내 업종별 온실가스 배출 그래프에서는 각 산업 부문이 전체 온실가스 배출량에 미치는 비중을 나타내고 있다.
  • 총 7.27억 톤의 온실가스가 배출되고 있으며, 이 중 에너지 전환이 가장 큰 비중을 차지한다.
  • 주요 배출 업종으로는 산업(2.61억 톤), 석유화학(0.47억 톤), 철강(1.01억 톤) 등이 있으며, 철강이 가장 큰 비중을 차지하는 것을 확인할 수 있다.

2. 글로벌 철강 산업의 Net-Zero 시나리오

• 철강 산업은 대규모 온실가스 배출 업종 중 하나로, 탄소 중립(Net-Zero) 목표를 달성하기 위해 전기로 전환이 필요하다는 점을 강조하고 있다.
• 향후 시나리오 그래프에서는 철강 생산에서 기존 고로(고온의 용광로) 대신 전기로(전기를 사용하여 금속을 녹이는 기술)로 점차 전환하는 비율이 증가하는 모습을 보여준다.
  • 2030년부터 점진적으로 신설 전기로의 비중이 증가하고, 2070년 이후에는 전기로로의 전환이 완전히 이루어질 것으로 예상하고 있다.

3. 전기로의 효과

• 전기로의 장점: 고로에 비해 탄소배출량을 75%까지 감축할 수 있는 효과가 있다.
  • 이를 통해 친환경 철강 전환이 가능하며, 전기 및 에너지 효율 향상을 통해 탄소 절감을 극대화할 수 있다.

4. 예시 및 전망

• 포스코 사례: 2019년과 비교해 2030년까지 10%, 2040년까지 50%, 2050년까지는 100% 탄소를 줄이는 것을 목표로 설정하였다.

요약

이 슬라이드는 철강 산업의 탄소 배출 문제를 해결하기 위해 전기로로의 전환이 필요하며, 이를 통해 탄소 배출을 크게 줄일 수 있음을 강조한다. 또한, 다양한 산업에서도 전기화와 에너지 효율 개선을 통한 글로벌 투자 확대가 중요함을 시사한다.

 

 

 

 

 

---

 

 

 

 

정리를 마치고

생성형 AI의 성장 가능성과 함께 AI 모델을 얼마나 신뢰할 수 있는지 질문을 던지는 좋은 강의였다. 하지만 대부분의 강의가 비슷한 내용들이 많아서 따로 설명할 것은 없는 것 같다.

이로써 비즈니스 파트는 정리를 모두 마쳤다. 다음은 미래 세션인데 이 내용은 아무리 봐도 정리할만한 중요한 내용이 없어서 그냥 넘어가기로 했다. 대부분 자신의 기업을 소개하는 이야기들이 많았고 특별히 시사점을 남길만한 주제도 없어 보였다. 

 

이제 마지막 세션인 윤리에 대해서 이야기해보려고 한다. 새벽 1시 반부터 7시가 다 된 지금까지 계속해서 컨퍼런스를 정리하고 있다. 어제한 것까지 하면 상당히 많다. 하지만 오늘은 강의 내용을 정리하며 많은 것들을 배울 수 있었다.