최근 들어 점차 더 많은 업계에서 인공지능(AI)의 채택이 증가하는 추세를 보이고 있다. AI는 지속적인 발전을 가능케 하고 기술과 인간의 상호 작용에도 혁신을 일으키고 있다.
시장조사기관 포레스터의 경우 올 2024년 기업의 AI 이니셔티브가 생산성 및 창의적 문제 해결 능력을 50% 향상할 것으로 예측했다.
특히 엔지니어와 교육자의 업무 시간을 절약해 주는 건 물론, 궁극적으로 과학 및 공학을 발전시키는 방향으로 나아갈 것이다.
2024년 AI의 지속적 모멘텀을 주도할 세 가지 주요 트렌드는 다음과 같다. 이는 엔지니어와 교육자의 업무 효율성을 높이는 혁신적 키워드이기도 하다.
먼저 'AI 및 시뮬레이션'이다. 이는 엔지니어링 시스템 설계 및 개발에 필수적인 요소로 자리 잡을 것이다. 한 마디로 AI와 시뮬레이션이 부재한 기존 시스템은 '예외'가 되리라는 전망이다. AI를 이용하면 여러 도메인의 컴포넌트, 서브시스템을 결합해 주변 세계를 인식하고 그에 반응하는 지능형 엔지니어링 시스템을 구축할 수 있다.
예를 들어, 기계(터빈 블레이드 및 기어박스), 전기(발전기) 및 제어(블레이드 피치) 컴포넌트를 결합하는 풍력 터빈을 개발하고 있다면, 여기에 시뮬레이션을 결합해 설계, 개발을 진행할 경우 성공 확률은 더욱 높아진다.
특히 멀티도메인 모델링 및 시뮬레이션 수행은 센서의 데이터를 처리해 인지 시스템과 자율 시스템 개발을 견인할 수 있다. 하지만 시스템 복잡성이 증가할수록 일부 시뮬레이션에서는 테스트가 계산 집약적으로 이뤄진다. 시스템 수준 설계 및 임베디드 설계, 특히 실시간으로 AI 모델을 실행하는 테스트의 경우 성능이 떨어질 수 있다.
이때는 AI 'ROM(차수 축소 모델)'을 사용해 시뮬레이션을 향상할 수 있다.
ROM은 시뮬레이션을 가속화하며 테스트에 허용 가능한 정확도를 제공한다. 아울러 제1원리 모델을 보완해 정확도, 성능, 복잡도 간 상충관계를 분석하는 변형(Variant)을 구현할 수 있다.
점차 더 많은 엔지니어가 AI 기반 ROM 모델을 시스템에 통합하는 흐름이다. 이로써 타사 모델을 최대한 유사하게 구현, 시뮬레이션을 가속화하고 해당 모델의 복잡도를 줄여 HIL(Hardware-in-the-Loop) 테스트를 가능케 하거나 FEA(유한요소해석) 시뮬레이션 속도를 높일 수 있다.
두번째 키워드는 임베디드 AI의 변화다. 임베디드 AI에는 소형 모델이 선호될 것이며 컴퓨터 비전 및 언어에서는 대형 모델 선호 흐름이 계속될 것이다. 대개 AI 모델 실행은 대용량의 메모리를 필요로 하는 수백만 개의 파라미터를 요구한다.
연구에서는 정확도가 가장 중요하지만, AI 모델을 하드웨어에 배포할 때는 메모리와 정확도 사이 균형을 고려해야 한다. 즉 AI 실무자는 속도와 메모리에 민감한 하드웨어에 모델을 배포할 경우 그 성능이 어떻게 달라질지 고려해야 한다.
이때 컴퓨터 비전에 통상적으로 사용하는 종단 간 AI 모델을 사용하면 기존 제어 시스템에 작은 컴포넌트 형태로 추가할 수 있다.
소형 AI 모델을 논할 때 특히 중요한 주제는 '점진적 학습'이다. 점진적 학습이란 새로운 데이터를 제공해 모델이 실시간으로 자체 지식을 업데이트, 지속 학습할 수 있게 하는 머신러닝 접근법이다. 엣지 배포에 효율적인 방법으로 간주한다.
마지막 트렌드는 '생성 AI가 공학 교수에게 주는 도움'이다. 특히 공학 교수가 고급 주제를 가르칠 때 많은 도움을 줄 수 있다. 인터넷 또는 휴대전화가 등장하면서 교육 환경이 완전히 바뀐 것처럼, 생성 AI는 전체 공학 교육 환경을 향상할 수 있다.
특히 공학도들에게 컴퓨터 프로그래밍 등 기초 기술을 가르치는 데 소요되는 시간을 절약할 수 있다. 과거 기초 개념 및 기술을 가르치는 데 할애했던 시간을 복잡한 엔지니어링 시스템 설계 및 구현 등 보다 수준 높은 주제를 연구, 강의하는 데 사용할 수 있다.
챗GPT와 같은 대형언어모델(LLM) 기반 서비스를 이용해 시뮬레이션을 실행, 대화 방식의 연습 및 실습을 진행하고 학생들의 참여도까지 높일 수 있다.
나아가 프롬프트 엔지니어링 등 '생성 AI를 효과적으로 사용하기 위한 역량'을 지도할 때도 용이하다. 학생들이 비판적인 사고 능력을 길러 공학 학문 분야에서도 주도적 학습을 실천하도록 한다.
결과적으로 AI의 발전과 함께 엔지니어와 교육자의 생산성, 잠재력이 증가하고 있다. 다수 산업과 교육 기관에서 AI를 활용한다면 정보에 입각한 결정, 실행 가능한 통찰력, 보다 높은 효율성을 기대할 수 있을 것이다.
이종민 매스웍스코리아 대표
