알파고와 함께 다가온 인공지능은 산업계는 물론, 사회의 근간까지 뒤흔들고 있다. 인간의 지적 능력을 모방하는 인공지능 기술은 1956년 태동된 이래 불과 60여 년 만에 시대극에서나 가능한 등락을 보였다. 태동기엔 너무 쉽게 여겨졌고 시간이 좀 흐른 후엔 끝없는 다양성과 예외성을 보이며 인류를 좌절시켰다. 다행인 건 크고 작은 문제에 봉착할 때마다 다양한 대안이 고안됐단 사실이다. 수 차례 부침을 겪으며 기대와 실망 사이를 오간 결과, 시나브로 도달하고 있는 인공지능 시대의 생존 전략은 뭘까?

IT 기업이 인공비서 시장에 뛰어드는 이유

최근 인공지능의 대표적 응용 분야로 급부상하고 있는 것 중 하나가 ‘인공비서’다. 말 그대로 개인 비서 역할을 하는 인공지능 시스템을 의미한다. 애플과 구글, 마이크로소프트는 물론이고 온라인 쇼핑으로 유명한 아마존 등이 저마다 인공비서를 개발해 상용화에 나서고 있다. 올 초 구글 연례 개발자 회의 ‘구글 I/O 2018’에서 발표된 ‘듀플렉스(Duplex)’는 주인을 대신해 식당이나 미용실을 예약하는, 놀라운 시연을 보이기도 했다. 국내에서도 SK와 KT를 필두로 삼성까지 이 시장에 나서고 있지만 아직은 완벽하지 않은 음성 인식으로 메뉴 선택 방식을 대체하는 수준에 그치고 있는 듯하다.

IT 기업이 굳이 인공비서를 개발하는 이유는 뭘까? 기업은 일반적으로 소비자가 요구하는 제품을 개발, 가급적 완벽한 상태로 시장에 내고자 한다. 그런데 인공비서는 애플 아이폰처럼 고객이 요구한 것이라기보다 고객이 필요로 할 새 제품을 내놓은 것이다. 아직 미완성 형태지만 △일단 출시해 고객을 끌어 모은 후 △그 과정에서 수집된 데이터로 음성 인식 등 제품 자체 성능을 향상시키고 △데이터 분석을 통해 사용자 성향과 선호를 파악, 다른 서비스 추천과 같은 신규 비즈니스를 창출한다. 이때 API(Application Programming Interface)를 공개해 개발자들도 함께 끌어 모아 일종의 생태계를 형성함으로써 훨씬 큰 시장을 만들어 새로운 가치를 창출하는 방식으로 발전하고 있다.

공유경제 사업 계획 중이라면 AI에 주목을

우버(Uber) 사례를 보면 최근 불고 있는 공유경제와 인공지능의 활용에 대한 시사점을 얻을 수 있다. 우버는 자동차를 필요로 하는 사람과 보유하고 있는 사람을 중개하는 사업이다. 보통 이런 비즈니스를 하려면 디지털 지도가 필요한데 우버는 구글맵을 사용한다. 교통비를 결제할 땐 애플페이를 쓴다. 이미 공개된 온라인 플랫폼을 연계해 자신만의 서비스를 제공하는 것이다. 일견 ‘현대판 봉이 김선달’처럼 보이는 사업을 하는 우버가 기존 자동차 제조 기업보다 시가총액에서 크게 앞서는 상황, 어떻게 설명할 수 있을까? 앞으론 공개된 온라인 플랫폼을 적극적으로 활용, 고객에게 큰 편의를 제공하는 새로운 비즈니스 모델이 성행할 텐데 인공지능은 단연 그 핵심 기술이다.

최근 인공지능 성공 사례가 속속 발표되며 기업과 정부에서도 관련 분야에 관심을 갖고 투자를 계획하는 경우가 늘고 있다. 이런 현상이 단발적 해프닝으로 끝나지 않으려면 장기적 관점에서의 인력 양성과 지원이 필요하다. 이를 통해 인공지능이 일부 IT 업계의 전유물이 아니라 금융·제조·건설·물류 등 산업 전 분야에서 활발하게 도입돼야 한다. 오픈소스와 빅데이터로 무장한 원천기술을 바탕으로 현재 비즈니스를 강화하고 새로운 비즈니스를 창출하는 방향으로의 발전이 모색돼야 할 것이다.

‘빅데이터 기반 의사 결정’ 분야 활용 기대

다음으로 궁금해지는 건 일반인을 위한 인공지능 활용 요령이다. 일단 단기적으론 원래 인간이 잘하지 못하는 문제 해결에 쓰일 수 있다. 많은 양의 데이터를 분석해 결론을 내리는 형태의 객관적 의사 결정 문제 등이 대표적 예다. 구체적으로 △의학 치료 △법률 상담 △기후 예측 △교통 제어 △금융 투자 등에서 의사 결정을 돕는 방향으로 활용될 수 있을 것이다.

장기적으로 볼 때 인공지능은 핵가족(1인가족)화에 따른 고독감이나 소외감 같은 사회 문제를 해결하는 동반자로 사용될 것이다. 이미 일본이나 구미 선진국에선 실버 세대의 심리적 안정을 위해 인공지능이 탑재된 로봇 개발이 한창이다. 효율성이나 생산성을 넘어 ‘인간과 교감하며 인류에 도움을 주는’ 방향으로의 활용 방안이 모색되고 있는 것이다. 인간화된 지능 기술을 적극적으로 활용하면 인공비서나 가상친구 같은 인공지능 시스템이 실제 사회 구성원이 돼 건전한 사회를 형성하는 동반자가 되리라 기대한다.

기업, 인재 발굴 시 오픈소스 전략 참조할 만

전 세계적으로 불고 있는 인공지능 열풍은 국내 기업 입장에선 위기이자 기회다. 실제로 적지 않은 기업이 인공지능을 화두로 다양한 투자를 기획 중이다. 매우 고무적인 현상이지만 한편으론 뚜렷한 목표 없이 우왕좌왕하는 형국이기도 하다. 가장 먼저 고려돼야 할 사항은 인공지능의 실체를 정확히 이해하고 그 결과를 기반으로 달성하려는 목표를 명확히 하는 것이다. 일정 자본과 인력을 보유한 기업이라면 모든 기술을 자체적으로 개발하려 하기보다 핵심 기술을 보유한 스타트업을 적극적으로 인수, 합병(M&A)해 최대한 빨리 필요한 기술을 확보하는 전략이 유효할 수 있다.

오픈소스(open source) 정신에 입각해 기존의 폐쇄적 시각에서 벗어나 기술 플랫폼을 공개함으로써 우수 인재를 발굴, 훈련시키는 전략도 필요하다. 최근 애플·구글·마이크로소프트 등 글로벌 IT기업이 오픈소스 전략을 구사 중인 이유를 곱씹어봐야 한다. 완성된 인재를 찾기보다 저변을 확대해 우수한 인재를 키우고, 그들이 참신한 아이디어를 창출하도록 도와 필요한 인력을 자연스레 확보하는 편이 좋겠다.

칼럼 연재를 마치며

이제까지 총 다섯 차례에 걸쳐 인공지능의 기본 원리와 핵심 기술인 딥러닝을 소개하고, 알파고를 통해 인공지능 기술 개발 전략을 알아본 후 일자리 변화와 대처 방안까지 생각해봤다. 길지 않은 기간이었지만 관심 갖고 읽어주신 모든 분께 감사 말씀을 전한다.

인공지능은 먼 미래에나 있을 법한 막연한 기술이 아니다. ‘지금, 여기’ 유효한 오늘의 기술이다. 그 점을 충분히 이해, 활용해 각자의 분야에서 큰 성공을 거두길 바란다. 그 성과가 기업이나 국가 발전에도 기여할 수 있다면 더할 나위 없겠다.

인공지능은 모두에게 다양한 기회를 제공해줄 수 있는 기술이다. 그런 만큼 보다 많은 사람이 신명 나게 도전했으면 하는 바람이다. 우수 인재들이 인공지능에 대한 사회적 공감대를 바탕으로 앞다퉈 아이디어를 내고, 인공지능 기술을 지렛대 삼아 각종 서비스를 출시하며 글로벌 경쟁에 뛰어들어 새로운 부가가치를 창출할 수 있길 기대한다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

인간을 만물의 영장이라고 한다. 하지만 다른 동물에 비하면 신체 조건은 보잘것없다. 대신 가진 걸 최대한 효율적으로 활용한다. 대표적 동작이 던지기다. 인간과 신체 구조가 유사한 침팬지도 공 던지는 속도는 시속 30㎞ 정도밖에 안 된다. 초등학생 소년도 그보다 훨씬 빠르다. 메이저리그 투수의 구속은 시속 160㎞를 오간다.

다윈[1]은 “인간은 직립보행을 하며 손이 자유로워졌고, 그 결과 독특한 던지기 능력을 얻으며 사냥을 효과적으로 할 수 있게 됐다”고 추론했다. 실제로 이와 관련, 미국 하버드대학교 연구진이 분석한 결과가 2013년 6월 영국 과학 전문 주간지 네이처(Nature)에 소개된 적이 있다. 비결은 몸의 효과적 사용이었다. 인간의 던지기는 팔뿐 아니라 어깨(더 정확하게 말하면 전신)까지 활용하는 게 특징인데, 이때 어깨를 감싼 인대와 힘줄이 새총의 고무줄처럼 탄성에너지를 응축했다 던지는 순간 풀어놓는다. 인간은 어깨뼈가 낮고 위팔뼈(상완골)가 몸통 축과 직각이어서 팔을 뒤로 더 많이 젖힐 수 있다. 피구 경기를 할 때 여성이 공에 힘을 싣지 못하는 건 이 같은 팔 젖히기 요령에 미숙하기 때문이다. 야구하기에 적합한 인간의 어깨 구조만 해도 실은 오랜 조정의 결과물이다.

인체에 내장된 최고 기술 ‘읽고 쓰기’

흔히 ‘기술’이라고 하면 스마트폰 같은 외장 기기부터 떠올린다. 하지만 던지기처럼 인간 몸에 내장된 기술도 허다하다. 각종 예체능 분야 고수들의 고난도 기량을 떠올려보면 쉽게 알 수 있다. 개별적으로 특화된 기술 외에 인류 범용으로 확립된 기술도 있다. 그중 (아주 특별한) 하나가 바로 읽고 쓰는 능력이다.

언뜻 단순해 보이는 읽고 쓰기의 내력은 꽤 길고 복잡하다. 출발은 5만 년 전 언어의 발명(‘출현’이라고 보는 학자도 있다)으로 거슬러 올라간다. 인간 특유의 분절 언어가 생겨나게 된 과정은 학계에서도 여전히 미스터리다. 어쨌거나 (학자들이 곧잘 쓰는 표현에 따르면) 그건 인류 입장에서 기적 같은 일이었다. 미국 고인류학자 리처드 클라인[2]은 언어의 탄생을 “인간 운영 체제에 일어난 변화”라고까지 평가했다. 언어 덕에 비로소 인간이 마음을 길들이고 좀 더 정교한 생각을 할 수 있었단 뜻이다. 언어는 집단 내 의사소통과 집단 구성원 간 협동을 도왔다. 인간이 개념을 통해 자문자답할 수 있게 되고 그 결과, 학습·창작 욕구를 불태울 수 있게 된 데도 언어의 역할이 컸다.

뒤이어 언어를 담는 문자가 발명되면서 인류는 또 한 번 높이 도약했다. 이 과정에 대해선 여러 기록이 남아있다. 요즘은 문자와 글이 물과 공기처럼 익숙하지만 (모든 기술이 출현 초기에 그랬듯) ‘말의 시대’에서 ‘글의 시대’로 넘어올 때의 저항은 만만찮았다. 소크라테스[3]가 저항군에 속했다면 믿을 수 있을까.

플라톤[4]의 대화 ‘파이드로스’[5]에 따르면 그건 엄연한 사실이다. 인류에 문자를 선사한 테우트신이 “이 발명품은 이집트인을 더 현명하게 만들고 이집트인에게 보다 좋은 기억력을 선물할 것”이라고 하자, 타모스왕은 이렇게 대꾸한다. “그대의 발명은 학습자의 정신을 나태하게 만들 것이다. 학습자는 더 이상 자신의 기억을 사용하지 않을 테고, 스스로 생각하려 하기보다 문자로 쓰인 외부 자료를 보다 신뢰할 것이기 때문이다. 그대가 발명한 ‘그 특별한 것’은 추억을 보조한다. 그러니 그대가 제자들에게 준 건 진실이 아니라 진실처럼 보이는 것일 뿐이다. 그들은 많은 걸 듣는 청자(聽者)가 되겠지만 아무것도 배우지 못할 것이다. 그들은 모든 걸 다 아는 것처럼 보이겠지만 거의 아무것도 모를 것이다. 그들은 지루한 인간이 될 것이며, 실재하지도 않는 지혜를 보여주려 할 것이다.”

천하의 소크라테스도 틀릴 때가 있었다. 이후 장장 4000년간 인류는 글의 혜택 속에 살고 있다. 문명이란 단어부터가 ‘글로 밝아진다’는 뜻이다. 종교·과학 등 사피엔스의 모든 위업이 글 위에 쌓이고 전수됐다 해도 과언이 아니다.

독서가 뇌 속 소프트웨어 향상시킨다?

대량 인쇄술 발명은 여기에 터보 엔진 같은 역할을 했다. ‘글 읽는 뇌’의 저자인 프랑스 인지심리학자 스타니슬라스 드앤[6]은 “종이 위 점과 선이 눈을 거쳐 인간 의식에 심상으로 떠오르고 의미로 이해되는 과정은 경이 그 자체”라고 말한다. 실제로 인간은 한눈에 단어를 이해한다고 생각하지만 뇌는 글꼴에서 의미를 곧바로 얻지 않는다. 문자열을 부분으로 쪼개고, 그것들을 다시 문자·음절·형태소 등의 위계로 재구성하는 작업을 거친다. 이 같은 분해와 재결합이 모두 자동으로, 무의식적으로 이뤄지기 때문에 모를 뿐이다.

다시 말해 읽기는 뇌신경에 길을 내고 닦은 결과물이다. 실험에 따르면 글을 읽을 줄 아는 성인의 뇌와 문맹 성인의 뇌를 비교하면 전자가 좌반구 자원을 훨씬 더 많이 이용하고 언어의 기억 폭도 더 커진다. 드앤은 “오늘날 뇌과학은 여러 유형의 정보를 조합, 통합하는 능력이 언어와 연결돼있다고 규정한다”며 “인간이 초월적 사고 능력을 갖게 된 건 그 덕분”이라고 설명했다.

‘책 읽는 뇌’의 저자인 미국 인지과학자 매리언 울프[7]는 “독서는 뇌가 새로운 능력을 학습해 지능을 확대시켜가는 방법을 명확히 보여준다”며 “글을 곧바로 이해하는 능력은 초기 판독에 드는 시간을 줄여주는 대신 더 깊이 분석할 수 있는 기간을 늘리는 데 기여했다”고 썼다.

사실 인류가 이런 읽기 능력을 습득한 건 불과 수천 년 전이다. 더구나 대중 차원의 글 읽기는 불과 수백 년 전, 근대 교육이 도입된 후에야 실현됐다. 인류 종(種)의 긴 역사로 보면 비교적 최근 일인 셈이다. 던지기가 사냥을 위해 발달한 고도의 신체 기술이었던 것처럼 읽기도 뇌 속 정교한 소프트웨어 향상을 위한 신생 기술이었던 셈이다.

부의 양극화보다 두려운 ‘지의 양극화’

많은 사람이 자동화로 인한 인간의 위기와 부(富)의 양극화를 걱정한다. 그런데 실상 그 못지않게 우려해야 할 게 ‘지(知)의 양극화’다. “오늘날처럼 대중이 ‘짧고 쉬우며 직관적인’ 이미지에만 반응하면 자칫 사고마저 얕고 단순해질 수 있으며, 이를 방치하면 획일적 대중과 창의적 소수 간 격차는 점점 더 벌어질 수 있다”는 목소리가 높다. 그럴 경우, 가짜 뉴스와 선동을 앞세운 포퓰리즘의 위험도 커진다. 대중은 말할 것도 없고 (창의적) 소수도 안심할 수 없다. 그런 양상은 이미 지식 생산 영역을 중심으로 조금씩 표면화되고 있다. 이를테면 과학 시대의 지식은 인프라와 인력을 먼저 갖춘 곳에서 격차를 벌려간다. 출판과 저널리즘 품질 면에서도 글로벌 양극화의 징후가 뚜렷하다.

울프는 “독서야말로 인간이 딛고 심연으로 돌진해 들어갈 수도, 창공으로 날아오를 수도 있는 도약대”라고 말했다. 하지만 이 마법의 기술은 얕고 가벼운 공짜 오락물을 앞세운 또 다른 기술의 파상 공격으로 주춤거리는 중이다. 분명한 건 그 어떤 신기술도, 그리고 그 기술이 만들 새로운 세상도 인간 스스로 생각하는 능력을 잃으면 사상누각(沙上樓閣)일 수밖에 없단 사실이다. 인류가 꿈꾸는 미래 역시 ‘기술 사회 너머’를 생각하는 인간 능력에 좌우될 것이기 때문이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Charles R. Darwin(1809~1882). 영국 생물학자로 진화론과 자연선택설을 주장했다. ‘종(種)의 기원’ 등의 책을 썼다
[2] Richard G. Klein(1941~). 미국 스탠포드대학교 교수. “인류 역사의 한 지점에서 발생한 유전학적 돌연변이가 언어 능력과 관련 있는 두뇌 능력을 촉발시켰다”고 주장했다
[3] Socrates. 고대 그리스 철학자. 제자였던 플라톤의 ‘대화편’에 주요 사상이 수록돼 전해진다
[4] Plato. 고대 그리스 철학자로 ‘소크라테스의 변명’ ‘향연’ ‘국가’ 등의 저서를 남겼다
[5] 원제 ‘Phaidros’. 아름다운 강변 숲 속에서 이뤄진 파이드로스와 소크라테스의 대화를 담은 작품
[6] Stanislas Dehaene(1965~). 인지신경과학 전문가로 프랑스 인지신경촬영연구소(SACLAY) 소장을 맡고 있다
[7] Maryanne Wolf(1950~). 미국 터프츠 대학 엘리엇-피어슨 아동발달학과 교수 겸 독서와언어연구센터 소장

‘기록된 정보를 공개적으로 공유, 온전하고 안전하게 보관하는 기술’. 연재를 시작하며 소개했던 블록체인의 정의다. 더 간단하게 설명하면 ‘삭제와 수정이 불가능한 기록물을 남기는 기술’이라 해도 좋겠다. 이후 칼럼에선 블록체인이 어떻게 ‘신뢰’를 전파할 수 있는지, 또 신뢰를 기반으로 얼마나 많은 작업이 자동화될 수 있는지에 대해 각각 살폈다. 오늘은 그 마지막 순서로 블록체인의 미래 적용 방향, 더 나아가 블록체인이 만들어갈 미래를 다뤄볼 생각이다.

재화∙서비스 대가, 꼭 ‘돈’으로 치러야 할까?

블록체인의 앞날을 말하기에 앞서 블록체인을 탄생시키고 세상에 알린 계기였던 암호화폐 얘기부터 잠시 짚고 넘어가기로 하자.

돈에 붙여지는 이름은 화폐, 통화 등 여러 가지다. 돈을 이용하면 부(富), 즉 가치를 저장할 수 있을 뿐 아니라 물건을 사거나 교환할 수도 있다. 인류가 돈을 수단 삼아 가치를 저장, 교환해온 역사는 꽤 오래다. 누구나 돈을 사용하는 데 익숙하고, 그래선지 뭔가의 가치나 대가를 말할 때 가장 쉽게 설명할 수 있는 방법 중 하나가 돈이다.

예를 들어 A라는 사람이 아이에게 심부름 값 1000원을 건네며 음료수를 사오게 하는 상황을 떠올려보자. 이때 A는 아이에게 ‘(물건) 구매 대행 서비스’를 위탁하는 게 된다. 당연히 그 대가는 심부름 값이다. 즉 아이가 제공한 서비스 가치가 돈으로 환산된 것이다. 좀 유치한 가정이지만 아이가 이 1000원을 A에게 주고 1주일간 수학을 배운다면? 이번엔 A가 아이에게 제공한 교육 서비스 대가가 다시 돈으로 환산된다. 그런데 여기서 한 가지 의문이 생긴다. 각 상황에서 모든 대가는 꼭 돈으로 바뀌어야 하는 걸까?

앞선 사례에서 (아이가 A에게 제공한) 구매 대행 서비스와 (A가 아이에게 제공한) 교육 서비스가 교환될 수 있다면 그 상황에서 돈의 존재는 없어도 무방하다. 비단 이 예가 아니라도 가치를 표현할 수 있는 대체 수단이 마련되는 순간부터 돈은 더 이상 필수불가결한 수단이 아니다. 실물 화폐 거래 없이 기록만으로 돈을 대신하는 신용카드가 대표적이다.

A와 아이의 사례에서도 모든 거래가 신용카드로 이뤄졌다면 돈 대신 신용카드 거래 내역 기록만 남을 것이다. 그리고 이 기록을 관리하는 주체는 은행이다. 만약 거래 당사자가 은행을 믿지 못한다 해도 신용카드 이용이 가능할까? 아마 어려울 것이다. 생각이 여기까지 미친 사람이라면 두 가지 ‘포인트’를 발견할 수 있다. 첫째, 돈은 거래 기록으로 대신할 수 있다. 둘째, 이때 거래 기록은 믿을 수 있는 기관(이를테면 은행)을 통해 관리된다.

“제품 값, 유기농인 게 확인되면 지불할게요”

앞서 연재된 세 편의 칼럼을 모두 읽은 독자라면 블록체인이 위 두 요소를 모두 충족시킬 수 있는 기술이란 사실을 금세 알아챌 것이다(물론 첫째 조항을 통과하려면 거래 기록을 보호하고 거래자 신원을 안전하게 처리하는 기술이 추가돼야 한다).

암호화폐는, 은행 대신 (믿을 수 있는) 블록체인을 사용하고 거래 기록을 사용자 중심으로 바꿔놓은 형태다. 핀테크(fintech)의 하나로 분류되는 암호화폐 응용 분야가 블록체인을 활용한 최초 사례인 건 어쩌면 당연하다. 사람들이 돈을 얼마나 잘 이해하고 있는지, 돈이란 수단에 얼마나 익숙한지 보여주기 때문이다.

하지만 핀테크는 블록체인 응용의 시작이긴 해도 전부는 아니다. 앞서 살펴본 것처럼 서비스의 대가가 반드시 돈으로 환산될 필요는 없다. 그보다 중요한 건 ‘합당하고 서로 인정할 수 있는 가치 교환’이다. 만약 아직 발생하지 않은 미래 상황에 일정 조건을 걸 수 있다면 현재의 돈으론 불가능했던 ‘고급 가치 교환’도 가능해진다.

이번에도 이해를 돕기 위해 예를 들어 설명해보겠다. 유기농 상품을 구매하려는 소비자가 있다. 편의상 B라고 해두자. B는 유기농(이라고 광고하는) 상품을 사면서 그게 실제 유기농 상품이 맞을 때만 판매자에게 지불되는 돈을 쓰고 싶어 한다. 현행 실물 화폐 체계에서 이런 돈은 존재하지 않는다. 하지만 블록체인을 사용하면 얘기가 좀 달라진다.

블록체인 체계에선 조건에 따른 행위 정의가 가능하다. B의 사례에 이를 적용하면 B는 거래가 성사되는 시점에 자신이 구입할 물건 제조 과정 기록에 “모든 거래는 물건이 유기농 요건에 맞게 제조됐을 때에 한해 이뤄진다.”는 단서를 달면 된다. 이런 가정이 실현되려면 제조 과정 기록 일체가 블록체인에 남아야 한다. 거래 과정에서 가치뿐 아니라 (제조 관련) 정보까지 함께 교환되는 셈이다.

아쉽게도 B 사례에 등장하는 가치 교환 수단은 아직 상용화 전 단계다. 최근 관심을 모드는 암호화폐의 경우, 금전적 거래 쪽으로 응용 분야가 치우쳐 있어 개선된 신용카드처럼 쓰이는 게 사실이다. 스마트계약(smart contract)[1] 등이 등장하며 조금씩 발전하고 있긴 하지만 보편적 실용화 단계까지 이르려면 아직 갈 길이 멀다.

서류 제출은 간소하게, 이익 분배는 공정하게

블록체인의 가치 보존∙교환 기능이 제대로 활용되려면 블록체인에 저장되는 (신뢰할 수 있는) 정보와의 연결이 필수다. 다시 말해 모든 사물 정보가 저마다의 고유한 문서 형태로 블록체인에 저장되고, 이들 간 거래 정보가 가치 교환과 서로 연결될 때 비로소 블록체인은 제 몫을 다하게 된다. 블록체인이 제대로 응용되려면 블록체인에 의해 보존(교환)된 가치가 이용(거래) 정보와 잘 결합돼야 한단 얘기다.

현실적으로 생각했을 때 블록체인이 바꿀 미래, 그 시작은 오늘날 인류가 겪고 있는 모순적 상황의 해결이어야 한다. 이때 모순적 상황의 예로 들 수 있는 건 서류 중복 제출, 불공정한 이익 분배 따위일 것이다.

우선 서류 중복 제출부터. 행정 업무를 보거나 보험 처리 절차를 진행하며 똑같은 서류를 거푸 제출해본 경험, 누구나 한두 번은 있을 것이다. 이런 문제는 서류 저장소를 블록체인으로 설정하면 쉽게 해결할 수 있다. 제출된 서류를 보관해야 하는 기관이 직접 블록체인을 가동, 접수된 서류를 직접 처리하는 편이 여러모로 편하고 안전하기 때문이다. 아직은 블록체인에 대한 신뢰도가 높지 않고 관련 서비스 개발 정도도 미흡해 이런 체계가 곧바로 적용되긴 힘들겠지만 적절한 시스템만 갖춰진다면 그리 먼 얘기도 아니다. 친구끼리 한 약속이나 가족 간 내기 같은 소소한 기록을 증명할 때에도 기록 저장 수단을 블록체인으로 설정해둔 후 필요 시 해당 기록을 꺼내 확인하면 불필요한 분쟁이나 충돌을 막을 수 있다.

이익 분배의 공정성을 꾀할 수 있는 대표적 분야로 저작권료가 있다. 음악을 예로 들면 작곡자나 제작자는 자신이 만든 음악이 어디서 이용되고 얼마나 팔리는지 정확히 알기 힘들다. 관련 정보를 입수하기가 어렵기 때문이다. 음악 제작에 관여한 사람들 간 이익 배분 비중도 종종 합리적이지 못했다. 이래저래 정당한 대가를 챙겨 받지 못하는 음악인이 적지 않았다. 하지만 블록체인을 자동화 절차에 응용, 판매 수익을 일정 비율에 따라 배분하도록 미리 정하고 그에 맞춰 이익을 자동으로 나눌 수 있다면 이런 문제는 자연스레 해소된다.

공유경제∙직접민주주의 실현에도 기여 가능

아직 가시화되지 않은 블록체인의 미래가 궁금하다면 디지털 신원(digital identity) 문제에 관심을 기울여봄 직하다. 개개인의 신원이 확실히 보장되는 사회엔 장점이 많다. 일단 공유경제 운영이 가능해진다. 상품 공급∙유통망이 투명해질 수 있을 뿐 아니라 정보 소유권 문제도 한층 명확해진다.

공유경제를 한마디로 요약하면 “소유보다 사용”쯤 될 것이다. 모두가 사용하는 공유 자산을 적절히 운영하려면 개별 사용자의 신원이 확실히 파악될 필요가 있다. 또 개인 정보와 고유 자산 이용 관련 정보 일체는 투명하면서도 결점이 없어야 한다. 블록체인은 이 모든 전제를 충족시키는 기술이다.

블록체인의 특성인 무결성(integrity)과 신뢰는 안전한 물류 운송을 보장한다. 예를 들어 섭씨 5도의 냉장 상태를 유지하며 운반해야 할 물품이 있다고 했을 때 운전자 개인 정보와 운반 수단(냉장차)의 운행 정보를 블록체인에 남겨두면 이들 정보를 연결함으로써 유통망을 투명하게 유지할 수 있다. 차 내 온도의 비정상적 상승이나 하락도, 시동이 꺼진 채 방치되지 않았는지 여부도 바로 확인할 수 있기 때문이다.

신원 보장의 불확실성이 해소되면 사회 구성원 개개인이 생산해내는 정보에 대한 권리를 주장하는 일도 용이해진다. 이를테면 소비자 C는 자신의 쇼핑 정보를 마케팅에 활용하는 업체를 대상으로 소정의 정보 사용료를 청구할 수 있게 된다. 더 나아가 블록체인의 지속적 발전은 민주주의의 형태도 바꿔놓을 수 있다. 특히 탈(脫)중앙화를 통한 분산자율주의, 더 나아가 직접민주주의가 가능해질 전망이다. (물론 아직은 여러 변수가 있어 미래를 구체적으로 언급하긴 섣부른 감이 있다. 추후 기회가 된다면 이 부분에 대해서도 자세히 다뤄보고자 한다.)

총 네 편의 칼럼을 연재하며 블록체인을 최대한 쉽게 설명하기 위해 노력했다. 기술적 개념을 쉽게 설명하는 일이 얼마나 어려운 일인지 이번 기회를 통해 확실히 깨달았다. 개중 일부 내용에 관해선 비약이나 무리가 있다고 여길 수도 있을 것이다. 모쪼록 독자의 이해를 돕기 위해 노력한 흔적으로 널리 이해해주시길 바란다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1]블록체인과 같은 분산원장 기술에서 일정 거래 조건을 만족시키면 당사자 간 거래가 자동으로 체결되는 기술(보다 상세한 내용은 9월 6일 발행된 ‘자동화 앞에 놓인 과제, 최고 해결사는 블록체인?!’을 참조할 것

바야흐로 ‘인공지능 전성시대’다. 기업은 물론, 사회 전반에서 인공지능을 활용하고 그에 대처하려는 움직임이 활발하다. 한편에선 “인공지능 발달이 지식노동 자동화를 앞당기며 향후 천문학적 규모의 시장이 열릴 것”이라며 장밋빛 미래를 꿈꾼다. 하지만 다른 한편에선 ‘인공지능이 너무 발전해 내 일자리까지 빼앗아가면 어쩌지?’ 우려하는 이도 적지 않다.

새로운 기술이 등장하면 그 기술을 업(業)으로 삼던 이들이 위협 받는 현상은 유사 이래 꾸준히 반복돼왔다. 컴퓨터가 보급되며 단순 사무직 종사자 수가 대폭 줄어든 게 대표적 예다. 당연히 ‘인공지능이 가세하면 인간 주도로 진행되던 일 자체를 전부 빼앗기지 않을까?’란 우려도 어느 정도 타당성이 있다. 오늘은 기술에 의해 직업이 대체되는 현상을 들여다보고 인공지능 시대를 맞아 인류는 뭘 어떻게 준비해야 하는지도 짚어보려 한다.

일부선 “소비 시장 무너지고 대공황 올 것” 비관적 전망

새로운 기술의 등장으로 일자리 판세가 바뀌는 현상이 어제 오늘 일은 아니다. 기술과 도구의 발전이 사회 변화를 이끈 사례는 원시 수렵 사회에서부터 산업혁명기에 이르기까지 숱하게 발견된다. 19세기 초 영국에서 일어난 러다이트(Luddite)운동이 대표적이다. 당시 영국 노동자들은 그 즈음 보급되기 시작한 방직기와 증기기관이 자신들의 일자리를 없앨 거란 위협을 느끼고 기계를 고장 내는 한편, 공장을 불태웠다. 이를 러다이트운동이라고 한다.

역시 19세기 영국에서 시행됐던 일명 ‘붉은깃발법(Red Flag Act)’도 같은 맥락에서 들여다볼 만한 사회 현상이다. 1865년 제정된 이 법에 따라 당시 영국에서 자동차 한 대를 운행하려면 운전수와 기관원, 기수가 각각 있어야 했다. 이때 기수의 역할은 붉은 깃발이나 등을 들고 자동차보다 55미터 앞서 가는 것. “(자동차 등장으로 피해를 볼) 마부들의 일자리를 지킨다”는 명분으로 도입된 이 시대착오적 규제로 인해 영국은 전 세계에서 가장 먼저 자동차 산업을 시작하고도 독일과 미국에 뒤처지고 말았다.

인공지능은 러다이트운동이나 붉은깃발법 시행 때보다 훨씬 큰 사회적 혼란을 야기할 수 있다. 단순노동뿐 아니라 지식노동, 더 나아가 전문직까지 대체할 가능성이 다분하기 때문이다. 예를 들어 인공지능을 탑재한 자율주행차가 현실화되면 운송업 종사자는 얼마 지나지 않아 사라질 공산이 크다. 이 같은 기조가 단순히 운송업에 그치리란 보장도 없다. 의사나 변호사, 펀드매니저 같은 직업도 상당 부분 인공지능이 대체할 수 있으리라고 보는 시각이 지배적이다.

일부에선 좀 더 비관적인 예측을 내놓기도 한다. △‘이윤 증대’가 자본주의 경제의 첫 번째 속성인 만큼 △노동력이 기계, 더 나아가 인공지능으로 대체되는 현상은 가속화될 게 분명하지만 △인공지능이 소비까지 대신해주진 않으므로 △결국 소비 시장 붕괴와 대공황으로 이어질 거란 전망이 그것이다. 반면 “인공지능이 극도로 발전하면 로봇이 의식주를 해결해줄 뿐 아니라 노동에서 완전히 해방시켜줄 테니 인류가 할 일은 기술 발전에 집중하는 것일 뿐”이란 주장도 있다.

미래 직업 경쟁력, 관건은 ‘문제 해결 능력’과 ‘소통 능력’

2013년 9월 영국 옥스퍼드대학은 ‘향후 10년 내에 사라질 직업’에 관한 보고서를 펴내 눈길을 끌었다[1]. 이에 따르면 인공지능 등 첨단 기술 발달과 동시에 비중이 축소될 일자리엔 매뉴얼에 기반한 직종(텔레마케터, 콜센터 상담원 등)과 일부 전문 서비스 직종(의사·변호사·교사·기자 등)이 포함됐다. 하나같이 업무 성격이 △단순하고 반복적이며 △정교함을 필요로 하지 않고 △대면(對面) 소통 비중이 상대적으로 적은 특성을 지닌다.

반면, △늘 누군가를 ‘면대면(面對面)’으로 상대해야 하는 직업(심리상담사, 마사지 테라피스트 등) △창의적·예술적 감성을 필요로 하는 직업 △육체를 주로 쓰지만 복잡하고 정교한 업무를 처리해야 하는 직업(배관공∙수리공 등) 등의 일자리는 관련 노동 가치가 상승하며 점차 확대되리란 게 보고서의 결론이다. 요컨대 기술 혁신에 따라 일자리가 생겨났다 사라지는 건 자연스러운 현상이되, 그 과정에서 특정 일자리가 완전히 소멸되기보단 전체적 직무 수행 과정에서 그중 일부가 자동화 기술에 의해 대체된다고 보는 편이 맞을 것이다.

정도의 차이는 있겠지만 어떤 직업도 인공지능에 의한 일자리 대체에서 자유로울 수 없다. 모든 개인은 예외 없이 자신이 속한 일자리가 언제쯤 위협 받을지 미리 판단, 준비해야 한단 얘기다. 이를 위해 각 개인이 개발해야 할 역량은 종합적 판단∙분석력과 의사결정·소통 능력이다. 거꾸로 말하면 이 같은 역량이 요구되는 직종은 상대적으로 기술에 의해 대체될 위험이 낮다. 데이터과학자나 화이트해커, 소프트웨어 엔지니어 등이 이 부류에 해당한다.

인공지능 발달에도 끄떡없는 직업 경쟁력은 단순 지식의 암기나 답습만으론 갖춰지기 어렵다. 창의성과 문제 해결 능력, 상호 협업 능력을 기르는 체험 중심 교과 과정 도입이 절실한 이유다. 이와 더불어 새롭게 부각되고 있는 산업 분야와 디지털 기술 활용 관련 인식을 높이는 한편, 산업계 요구에 부합되는 수요 맞춤형 교육과 기술 훈련에 대한 투자도 게을리하지 말아야 한다.

개인 역량보다 사회적 평가 잣대 중시되는 시대 대비해야

한편, 사회적 차원에서 중요한 건 각 개인이 어떤 직업과 역량을 갖추느냐 하는 문제가 아니라 사회 전반적으로 인간의 역할이나 인간 일의 가치를 어떻게 평가하느냐 하는 문제다. 이에 따라 노동 평가 체제도 단순히 경제적 부가가치를 높이는 일에 대해서만 가치를 부여하고 임금을 지급하는 데서 벗어나, 사회적 대가를 지급할 인간의 일이나 역할을 다양하게 규정하고 그에 따라 적절한 대가를 지급하는 체제로 전환될 필요가 있다.

인공지능 기술은 출산율 저하와 고령화 현상에 따른 생산가능인구 감소 문제를 해결하는 데 도움이 될 것이다. 또한 향후 현대인의 일상은 물론, 산업 분야 곳곳에 깊숙이 침투해 현재 인간이 수행하는 일의 상당수를 대체할 전망이다.

‘인간이 만든 도구’에 불과한 인공지능을 어떻게 사용할지에 대해선 보다 깊은 논의가 필요하다. 하지만 우선적으로 필요한 건 ‘인간 삶을 더 풍요롭게 하는’ 인공지능을 만들어내는 일이다. 여기에 △새로운 일자리를 창출하기 위한 기존 인력 재교육 △근로 시간 감축과 고용 구조 변화를 고려한 노동 시장 재편 △인공지능으로 대체될 수 없는 노동 가치 제고 노력이 어우러진다면 인류 삶의 질은 한층 높아질 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] 원제 ‘The future of employment: how susceptible are jobs to computerization?’. 칼 베네딕트 프레이(Carl Benedikt Frey) 교수와 마이클 오스본(Michael A. Osborne) 교수가 함께 펴냈으며, 여기를 클릭하면 원문을 다운로드할 수 있다

최근 번역된 공상과학(SF)소설의 고전 중 ‘에레혼(Erewhon)’(1872)이 있다. 다윈[1]과 같은 시대를 산 영국 작가 사무엘 버틀러(Samuel Butler, 1835~1902)가 진화론에 착안해 쓴 작품이다. 미지의 세계를 탐험하는 형식을 취한 이 이야기엔 ‘기계 없는 사회’가 등장한다. 등장인물이 미개해서가 아니다. 생각이 앞선 나머지, 기계의 진화를 우려해 모두 파괴해버리는 설정이다. 소설 속 ‘기계 파괴 혁명’의 주역은 이렇게 변론한다. “나는 현존하는 기계 중 어떤 것도 겁내지 않음을 다시 강조하고 싶다. 그보다는 지금 모습에서 완전히 다른 것이 되어가는 놀라운 속도가 두려울 뿐이다. 지난 오랜 시간 동안 어떤 존재도 그토록 빠르게 진보한 적이 없다. 우리가 아직 제어할 수 있을 때 이런 움직임을 경계하고 주시하고 제어해야 하지 않겠는가? 그렇다면 지금 사용되는 기계 중에서 좀 더 발전된 기계를, 당장은 무해할지언정 파괴할 필요가 있지 않겠는가?”

“기술적 진보는 인간을 노예로 전락시킬 것”

기계 파괴 혁명을 실제로 시도한 사람도 있다. 시어도어 카진스키(Theodore J. Kaczynski)가 그 주인공. ‘유나바머(Unabomber)[2]’란 별명으로 더 잘 알려진 이 미국인은 1978년부터 1995년 사이 16회에 걸친 우편물 폭탄 테러로 3명을 살해하고 23명을 다치게 한 끝에 붙잡혔다. 17년 만에 체포되기 전 그의 요구 조건은 단 하나, 자신의 주장이 담긴 글을 유력 일간지에 내달란 거였다. 지금 같으면 트윗 한 번으로 족할 일이지만 당시만 해도 사람들에게 뭔가 알리려면 신문만 한 수단이 없었다. ‘산업 사회와 그 미래’[3]란 제목의 그 선언문은 실제로 1995년 9월 19일자 뉴욕타임스와 워싱턴포스트에 각각 실렸다.

3만5000개나 되는 단어로 구성된 선언문의 요지는 이랬다. “기술은 사회를 불안정하게, 삶은 무의미하게 만들었으며 광범위한 심리적 고통을 초래했다. 기술 진보로 인해 대부분의 사람은 인위적 목표를 향해 노력하는 ‘대리 만족’에 종사하는 데 시간을 소비하며 자기 주도적 활동과 만족은 얻을 수 없게 됐다. 기술적 진보는 결국 광범위한 인간 유전공학으로 이어질 것이며, 인간은 사회 시스템의 지배자가 아니라 사회 시스템의 요구를 충족시키기 위해 조정되는 노예로 전락할 것이다. 이런 체제가 거대해질수록 그 붕괴로 인한 결과도 더욱 참혹해진다. 어차피 붕괴될 거라면 빠를수록 좋다.” 카진스키는 단순한 사이코패스가 아니었다. 하버드대를 나와 24세에 UC버클리 최연소 수학 교수가 된 천재였다. 그의 글이 당대 식자(識者)들 사이에서 화제가 된 건 어쩌면 당연한 일이었다.

기술에 대한 반감은 산업혁명 시대 러다이트(Luddite)[4]운동 이래 주기적으로 표출됐다. 요즘도 SF 장르의 소설과 영화에선 기술이 초래할 묵시론적 이야기가 많다. 기술과 인간, 과연 상극일까? 연원을 따져보면 그 반대다. 인간은 시작부터 지금까지 기술과 공진화(共進化)해왔다. 5만 년 전 인류가 사방으로 팽창한 이래 의식주에 걸친 다양한 기술은 생존과 번영의 발판이었다. 영단어 ‘기술(technology)’의 어원인 고대 그리스어 ‘테크네(techne)’만 해도 당초 솜씨와 기교, 영리함을 포괄하는 말이었다. 이 단어가 로마로 건너가 라틴어 ‘아르스(ars)’가 됐고, 여기서 다시 ‘아트(art)’가 나온 사실은 익히 알려진 대로다.

‘인간이 빚었지만 독자적으로 진화하는’ 기술

기술의 차원이 달라진 건 근대의 일이다. 과학 지식과 산업 자본의 양 날개(정도가 아니라 터보 엔진에 가깝다)를 단 기술은 눈부신 도약을 거듭했다. 최근 들어 기술은 디지털화하는 동시에 물리적 제약에서도 벗어나고 있다. 말 그대로 기하급수적 발전이다. 미국 기술철학자 케빈 켈리(Kevin Kelly)는 이를 ‘테크늄(technium)’으로 명명한 후 “인간 마음의 산물이지만 독자적 생명체처럼 진화한다”고 판단했다.

문제는 공생(共生)하고 공영(共榮)해온 인간과 기술 간 보폭이 갈수록 벌어지고 있단 사실이다. 이와 관련, 최근 다시 고개 들기 시작한 ‘테크포비아’[5]의 근저엔 뚜렷한 이유가 자리 잡고 있다.

첫째, 자동화로 인한 실직의 불안이다. 인공지능을 비롯한 기술의 수준이 크게 신장하면서 인간 일자리는 시시각각 위협 받고 있다. 마치 섬 기슭에서부터 물이 차오르듯 하위 단순 업무부터 대체될 거란 사실은 누구나 예상할 수 있다. 한편에선 ‘직무 재교육을 통한 전직’을 대안으로 꼽지만 결코 말처럼 쉽지 않을뿐더러 그 과정에서의 단계적 도태도 불가피하다. 프랑스 기술철학자 베르나르 스티글레르(Bernard Stiegler)가 임금 노동에서 기여소득제로의 전환을 주장하는 것도 그런 이유에서다[6].

둘째, 기술이 낳은 혜택의 불평등이다. 기술 발전에 관해 이제껏 가장 일반적으로 통용돼온 견해는 “기술 비용은 낙수(落水)[7] 효과 덕에 지속적으로 낮아지고 그 결과, 평균 생활 수준은 높아질 것이다”였다. 어느 정도 맞는 말이다. 하지만 숨가쁜 기술 진보 수혜 격차는 부(富)의 불평등 심화와 맞물려 갈수록 분명한 차이를 낳고 있다. 이런 현상을 방치할 경우, 경제 불평등은 자칫 기술 때문에 항구적·생물학적 불평등으로 이어질 수 있다. 빈부 격차에 대한 분노가 커져가는 건 그런 전망의 확산과 무관하지 않다.

셋째, 기술이 초래한 민주주의 위협이다. 사실 이 현상은 매체 환경의 급격한 변화와 연관돼있다. 소셜미디어 플랫폼은 정보 유통 체계를 바꿔놓았다. 언론 독과점은 깨진 지 오래. 바야흐로 만인(萬人) 미디어 시대가 열렸다. 사람들은 기술을 ‘자유와 해방의 첨병’으로 떠받들었다. 언로(言路)가 확대된 것까진 좋았다. 하지만 시대적 흐름은 순식간에 ‘정보 홍수’에서 ‘가짜 뉴스’로 옮겨갔다. 오늘날은? 일명 ‘탈(脫)진실 시대’다. 정보의 신뢰 하락은 공동체 신진대사에 치명적이다. 그 결과를 지금 세계가 앓기 시작했다.

넷째, 기술은 인간 정체성마저 위협할 기세다. 성형수술이나 항우울제 차원이 아니다. 이젠 두뇌 개선, 나아가 유전 형질 개량까지 언급된다. 이런 움직임은 늘 난치병 치료에서 시작되지만 한 걸음만 더 내디디면 곧장 개량과 증강으로 이어진다. 유전자 편집 기술을 ‘유전자 가위’라 부르는 건 의미심장하다. 기질과 성향까지 색종이처럼 쉬 오리고 붙일 수 있게 됐단 뜻이기 때문이다.

현대 인류, ‘첨단기술’이란 이카루스 날개 달다

켈리는 인간 확장으로서의 기술을 논하며 그게 야기할 선택과 가능성의 무한 확대를 부각시킨다. 하지만 자율적 기술 이면의 산업 논리는 간과한다. 중요한 건 모든 기술 뒤에 인간의 선택과 결정이 자리 잡고 있단 사실이다. 실제로 기술을 특정 방향으로 밀고 끄는 건 어느 한 세력의 작용일 수 없다. 엔지니어의 아이디어와 기업의 의사 결정, 정부의 정책 수립, 유권자의 여론 생성이 고루 작용한 결과다.

그리스 신화 속 최고 엔지니어 다이달로스(Daedalus)는 아들 이카루스와 크레타섬을 탈출하며 날개를 활용했다. 새의 깃털을 밀랍으로 붙여 만든 날개였다. 출발 전 그는 이카루스에게 두 가지를 경고했다. “태양열 때문에 밀랍이 녹을 수 있으니 너무 높이 날진 말라”는 게 하나, “바다 물기에 날개가 무거워질 수 있으니 너무 낮지 않게, 하늘과 바다의 중간으로만 날아라”는 게 다른 하나였다.

현대인의 운명 역시 밀랍 날개로 하늘을 날아야 하는 이카루스의 그것과 닮았다. 그들에겐 ‘기술’이란 이름의 날개가 주어졌으며, 일단 그걸 접거나 꺾지 않고 날아야 한다. 기술이 여러 문제를 야기하는 건 피할 수 없는 사실이다. 하지만 그 해답이 기술의 혐오나 배격이 돼선 안 된다. 오히려 좀 더 섬세하고 사려 깊은 기술을 궁리, 개발하는 게 현명한 대처일 수 있다. 테크마니아(technomania)와 테크포비아의 협곡을 무사히 지나려면 오랜 기술을 다시 소환해야 할지도 모른다. 쓰기와 읽기를 통한 ‘생각하기’ 기술이 바로 그것이다. 다음 번 칼럼에선 그 얘길 해보려 한다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Charles R. Darwin(1809~1882). 영국 생물학자로 진화론과 자연선택설을 주장했다. ‘종(種)의 기원’ 등의 책을 썼다
[2] ‘University and airline bomber’의 약자
[3] 원제 ‘The Unabomber Manifesto: Industrial Society and Its Future’
[4] 1811년 영국 중∙북부 섬유 공업 지대 노동자를 중심으로 진행된 반(反)자본주의 운동
[5] techphobia. ‘테크노포비아(technophobia)’라고도 하며 ‘진보된 기술이나 복잡한 기기에 대한 공포나 비호감’을 일컫는다
[6] 스티글레르는 올봄 국내에서도 번역, 출간된 대담집 ‘고용은 끝났다, 일이여 오라!’(문학과지성사)에서 “임금으로 교환되는 노동은 진정한 앎을 파괴하므로 사라져야 하며, 보수와 무관하게 앎을 키우는 ‘기여 소득’을 창출하는 게 중요하다”고 강조했다
[7] trickle-down effect. 고소득층의 소득 증대가 소비·투자 확대로 이어져 궁극적으로 저소득층 소득 증가에까지 기여하게 되는 현상

미국 매사추세츠공과대학(MIT)이 발행하는 격월간 잡지 ‘MIT 테크놀로지 리뷰’는 매년 ‘10대 혁신 기술(10 Breakthrough Technologies)’을 선정, 발표한다. 올 2월 발표된 2018년 편에선 그 첫 번째 기술로 ‘금속3D프린팅(metal 3D printing)’이 선정됐다(참고로 함께 언급된 기술은 인공지능이었다).

기사에 따르면 금속3D프린팅은 원래 디자인 검증용 시제품 제작 기술로 널리 쓰였지만[1] 오늘날은 “충분히 크고” “매우 복잡하며” “(항공기 제조에 사용될 정도의) 신뢰성과 내구성을 갖춘” 금속 부품을 만들 수 있는 수준까지 발전했다. 머지않아 제품 양산을 목적으로 조성된 생산 시설이 3D프린터로 인해 단순화되고, 물류 센터까지 갖춘 대형 공업 단지가 분산형 연구∙생산 복합 시설로 바뀔 거란 예측도 있다. 기사만 읽으면 4차 산업혁명 시대가 정말 코앞으로 다가왔구나, 싶다.

흥미로운 대목도 있었다. 기사에 소개된 금속3D프린팅의 ‘키플레이어(key player)’는 전부 미국 회사였다. 그중 두 곳은 MIT 졸업생과 교수가 세운 스타트업이었다. 4차 산업혁명을 준비 중인 우리나라가 예의주시해야 할 대목이다.

산업계에선 3D프린팅 시장을 장비와 소재, 소프트웨어(관련 서비스 포함) 등 크게 세 부문(sector)으로 나눈다. 장비와 소재를 하드웨어로 묶으면 하드웨어가 한 축, 소프트웨어가 다른 한 축이 된다. 하지만 3D프린팅 시장의 현실을 들여다보면 이런 구분이 편협한 시각의 산물이란 사실을 금세 알 수 있다. 그보다 중요한 건 기술의 사업적 가치보다 기술이 만들어낼 ‘보이지 않는 부가가치’란 게 내 생각이다. 3D프린터 시장은 그 자체 규모보다 기기 활용에 따라 새롭게 창출되는 규모가 훨씬 더 크기 때문이다.

가치공학적으로도 입증된 3D프린팅의 시장성

특정 재화나 서비스의 가치를 분석할 때 가장 기본적인 접근 공식은 다음과 같다.

2차 세계대전 당시 미국 제너럴일렉트릭(GE)사가 고안한 가치 분석 방법이기도 한 이 공식을 풀어 쓰면 가치는 ‘재화나 서비스의 전 주기에서 얻는 질적 수준(품질) 대비 지불 비용’이라고 할 수 있다. 이때 질적 수준은 최종 결과물뿐 아니라 과정까지 아우르며, 비용 또한 단순히 지불된 돈뿐 아니라 소비된 에너지·시간·인력 등을 포함하는 경우가 일반적이다. 이 방식으로 3D프린팅 기술의 가치를 판단하면 어떻게 될까?

3D프린팅의 시장 가치를 입증하려면 기존 방식과 비교했을 때 시간(혹은 비용)을 줄여주거나 성능(혹은 품질)이 월등해야 한다. 편의상 전자를 A, 후자를 B라고 하자. 먼저 A의 경우부터. 제품 개발 과정에서 시제품을 만들 때 3D프린팅 기술을 활용하면 개발 전체에 드는 시간과 비용을 어느 정도 절감할 수 있다. 실제로 대부분의 기업이 3D프린터를 이렇게 사용하고 있다. 여기에 컴퓨터 시뮬레이션 기술 발전까지 더해지며 제품 개발 주기는 날로 단축되는 추세다.

다품종 소량 생산 제품이나 맞춤형 제품을 만들 때에도 3D프린팅 기술을 활용하면 양산 공정 개발과 금형 제작에 드는 시간과 노력, 비용을 절감할 수 있다. 대표적 분야가 의료 기구. 두개골 부분 이식이나 치아 교정 등 꽤 많은 사례가 국내외에서 보고되고 있다. 특히 치아 교정의 경우, 2000년대 중반 미국 얼라인테크놀로지(Align Technology)사가 3D프린팅 기술 활용 맞춤형 투명 교정 장치 브랜드 ‘인비절라인(Invisalign)’을 선보이며 큰 화제를 불러 모았다. 2016년엔 미국의 한 대학생이 3D프린팅 기술을 활용, 단돈 60달러로 투명 교정기를 만들어 셀프(self) 교정에 성공한 동영상이 유튜브에 공개되며 주목 받기도 했다.

▲ 티타늄 합금을 이용한 두개골 부분 이식 수술 장면 (출처: 김남훈 교수 제공)

다음은 B에 해당하는 사례들. 항공우주∙에너지 분야에서, 특히 난가공성(難加工性) 특수 소재를 활용한 기능성(혹은 경량화) 설계가 필요한 상황에서 3D프린팅 기술은 꽤 유용하다(항공기 부품을 가볍게 만들고 효율적으로 생산하기 위해 3D프린팅 기술을 활용 중인 글로벌 기업 사례는 지난 회차 칼럼에서 소개한 적이 있다). 록히드마틴(Lockheed Martine)이나 노스롭그루만(Northrop Grumman) 같은 미국 군수업체는 차세대 전투기 제작에 금속 3D프린팅 기술을 활용하고 있다. 국내 도입이 예정된 F35[2] 부품에도 3D프린팅 기술이 적용된 걸로 알려졌다. 이들 기업은 요구되는 성능을 갖춘 부품을 개발하기 위해 3D프린팅용 합금 소재 기술을 개발하고 있기도 하다.

물론 가장 좋은 건 A·B 두 경우가 공존하며 혁신적 가치를 이뤄내는 상황일 것이다(앞선 공식에 따르면 분모<비용>는 작아지고 분자<품질>는 커지는 셈이 되니 가치 상승 폭은 더 가팔라진다). 이런 결과를 얻기 위해서라도 (Design For Additive Manufacturing)의 효율적 활용은 반드시 필요하다(DFAM 개념은 역시 이전 회차 칼럼에서 자세히 다뤘다).

GM, 3D프린터로 신차 14종 무게 160㎏ 줄여

얼마 전 3D프린터 도입으로 비용을 절감한 미국 제너럴모터스(GM)사 공장 사례가 보도된 적이 있다. 기사에 따르면 3만5000달러(약 4000만 원)짜리 3D프린터 한 대를 구매, 제조 공정에 활용한 이 공장은 2년간 30만 달러(약 3억4000만 원) 이상을 아꼈다. 프린터 한 대 가격치곤 결코 낮지 않지만 자동차 양산 공정에 쓰이는 장비 중 하나라고 생각하면 그리 비싼 것도 아니다.

기사를 좀 더 꼼꼼히 읽어보니 그 3D프린터는 자동차 부품을 직접 만드는 데 쓰인 게 아니라 자동차 조립 공정 시 소모품으로 사용되는 소형 부품 제작에 활용된 거였다. 다시 말해 3D프린터 한 대가 자동차 조립 공정에 약간의 변화를 불러일으켰고 그 결과, 투입 비용의 10배에 해당하는 ‘가치’ 창출에 성공한 것이다.

그뿐 아니다. GM은 오토데스크[3]와 손잡고 자동차 섀시 등 주요 부품의 강성(剛性)은 유지하면서 가볍게 설계하는 데 DFAM 기술을 적극 활용해왔다. 최근 10년간 GM이 도입한 3D프린터는 50대 이상. 이들 기기를 활용, 시제품을 생산∙점검한 신차는 25만 대가 넘는다. 이 같은 노력 덕에 GM은 2016년 이후 출시된 신차 14종의 평균 차체 무게를 약 160㎏ 줄였다. 3D프린터 활용으로 타사보다 더 많이, 더 빨리 설계를 검증하고 그 결과를 실제 제품에 적용해 안전성을 점검한 덕분이다.

▲ GM이 오토데스크와 공동으로 개발한 자동차 안전벨트 브래킷(bracket, 비교적 커다란 부품을 장착하거나 받치기 위해 설치되는 연결용 부품). 생성적 디자인(generative design)이 적용된 부품이다(생성적 디자인에 대해 좀 더 자세히 알고 싶으면 여기 클릭) (출처: 김남훈 교수 제공)

GE의 3D프린팅 경쟁력이 놀랍고 무서운 이유

GE 사례는 이 칼럼 연재를 시작한 후 여러 차례 언급했었다. GE는 항공기용 엔진과 발전기용 부품 등 특수 분야 제품의 설계, 생산에 3D프린팅을 활용해왔다. 그러다 재작년 독일과 스웨덴에서 금속 3D프린팅 업체를 잇따라 인수, 합병했고 사내에 3D프린팅 사업 전담 부서 ‘GE 어디티브(GE Additive)’를 출범시키기에 이르렀다. 요즘은 3D프린터로 항공기용 부품을 만드는 데서 한 걸음 더 나아가 3D프린터를 직접 만들기도 한다. 3D프린터를 활용한 제품 개발·양산 대행 서비스 사업을 펼치고 그 과정에서 필요한 특수 금속 소재도 자체적으로 개발, 판매하고 있다.

요컨대 GE는 앞서 언급한 3D프린팅 기술의 세 부문, 즉 장비·소재·소프트웨어를 모두 취급하고 있을 뿐 아니라 응용 분야에 대해서도 전 주기적 가치 창출이 가능한 구조를 갖췄다. 단순히 3D프린팅 장비만 취급하거나 3D프린팅 제품 제작 서비스만 대행했을 때 기대할 수 있는 이익의 몇 곱절을 얻을 수 있는 시장 지배력을 확보한 것이다. ‘항공기 부품을 생산하고 부품 제조에 필요한 3D프린터를 만들며 그 노하우를 사업화하는’ GE는 놀라운 동시에 무섭기도 한 존재가 돼가고 있다. 3D프린팅 기술을 중심으로 연쇄적 가치를 끊임없이 창출해내고 있기 때문이다. 향후 우주항공 외에 다른 분야로 사업을 확장할 때에도 유리할 수밖에 없는 구조다.

사실 3D프린팅 기술 활용(과 그로 인한 가치 창출) 사례는 국내에서도 찾아볼 수 있다. 물론 기업 입장에선 그 모든 게 자체 노하우인 만큼 외부 공개를 꺼리는 경우가 태반이다. 하지만 당장 내가 직∙간접적으로 경험한 것들만 해도 그 수가 적지 않다. ‘설마 이런 것까지 될까?’ 싶은 응용 분야, 이를테면 고온∙고압의 극한 환경에서 사용되는 부품 관련 기술 개발에 도전해 성공한 사례도 여럿 존재한다. ‘3D프린팅 선진국’ 미국만큼은 아니겠지만 국내 기술 수준도 지속적으로 높아지고 있다.

4차 산업혁명의 미래가 인류에 희망적일지, 위협적일지 현재로선 판단하기 어렵다. 하지만 혁명이 어떤 방향으로 진행되든 그 모습은 오늘날 인류가 살고 있는 세상과는 확연히 다를 것이다. 3D프린팅 기술도 마찬가지다. 3D프린팅이 바꿔놓을, 다소 생소할 산업 환경에선 전에 없이 새로운 가치의 먹이사슬이 만들어질 전망이다. 인공지능 기술이 가까운 미래에 산업 기술과 경제 균형의 지도를 바꾸리란 건 이제 누구나 다 안다. 동일한 논리로 3D프린팅 기술은 생산과 물류 지도를 바꿔놓을 게 분명하다. 결국 지금 우리에게 가장 필요한 건 우리 산업 환경에 적합한 ‘한국형 3D프린팅’ 기술(과 시장)을 갖추려는 노력일 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] 이런 용도에서의 명칭은 ‘쾌속조형(rapid prototyping)’으로 더 많이 알려져 있다
[2] 공군∙해군∙해병대에서 사용되는 항공기 기능을 하나의 기종으로 통합한 지상공격용 전투기. JSF(Joint Strike Fighter)라고도 불린다. 미국 주도로 개발됐으며 록히드마틴과 보잉이 참여했다
[3] Autodesk. 2∙3차원 디자인 소프트웨어 개발 전문 기업으로 오토캐드∙3D스튜디오 등이 대표작이다. 미국 캘리포니아주(州)에 본사를 두고 있다

자동화(automation) 작업에서 가장 중요한 걸 두 가지 꼽으라면 ‘신뢰’와 ‘조건 만족’을 들 수 있다. ‘자동화’란 용어 자체가 인간 관점을 기준으로 붙여진 사실을 감안할 때, (자동화 대상인) 하드웨어나 소프트웨어 입장에서 생각해보면 자율적 판단이 요구되기 때문이다. 다시 말해 외부에서 특정 임무를 처리해 달라는 요청이 발생하면 하드웨어(또는 소프트웨어)는 요청 주체를 신뢰할 수 있는지, 또한 그 일을 할 수 있는 상황인지 판단해야 한다. 그리고 블록체인은 이런 과정에서 신뢰와 조건 만족을 둘 다 다룰 수 있도록 설계됐다.

전자상거래 행위, ‘송금’ ‘상품 발송’ 빼면 자동화 가능

최근 자동화는 하나의 사회 현상으로 봐도 무방할 만큼 친숙한 주제가 됐다. 하지만 적지 않은 사람이 자동화와 인공지능을 엇비슷하거나 같은 주제로 치부하곤 한다. 자동화는 인공지능과 달리 필요조건이 맞기만 하면 미리 정해진 일을 처리함으로써 기능한다. ‘온라인 중고 장터’에서의 거래 행위를 예로 들어 살펴보자<아래 참조>.

위 과정을 자동화 관점에서 들여다보면 판매자와 구매자 간 거래는 ④ 시점에서 발생한 후 ⑨ 시점에서 종결된다. 이때 ④ 시점의 계약 상태는 아래 <표1>과 같고 ⑨ 시점의 계약 상태는 <표5>가 돼야 한다. 통상적으로 현실에선 구매자가 송금을 완료하면<표2> 판매자는 “물건을 보냈다”는 증빙으로 운송장 사진을 찍어 구매자에게 보낸다<표3>. 만약 이 과정을 자동화한다면 어떻게 될까?

우선 모두가 알고 있는 전제는 ‘블록체인에 들어있는 자료는 신뢰할 수 있다’는 사실이다. 즉 아래 표 내 ‘상태’ 정보가 블록체인에 있다면 누구나 그 정보를 믿을 수 있다. 따라서 이 모든 과정을 자동화한다고 했을 때 판매자는 △(블록체인에 들어있는) 상태 정보를 살핀 후 △<표2> 상태가 됐을 때 상품을 자동으로 발송하고 △<표3>과 같이 상태 정보를 수정하면 된다. 이후 구매자는 △도착한 상품의 이상 유무를 확인하고 △이상 없을 시 상태 정보를 <표4>와 같이 변경한다. 그러고 나서 △구매자가 송금한 돈이 판매자에게 자동으로 지급되면 거래는 완료된다. 요컨대 ‘송금’(구매자)과 ‘물건 발송’(판매자)을 제외한 나머지 거래 행위는 모두 자동화로 해결할 수 있다.

자동화 실현 1등 공신은 블록체인 ‘스마트계약’ 기능

이상에서 살펴본 것처럼 자동화 절차가 원활하게 진행되려면 두 가지가 충족돼야 한다. ‘상호 신뢰 가능한 정보 기록 장치’가 하나, ‘기록(조건)에 따라 취해져야 할 행동’이 다른 하나다. 전자는 블록체인을 활용하면 확보할 수 있다. 결국 필요한 건 ‘상태 정보를 확인하고 주어진 조건에 따라 행동할 수 있는’ 프로그램인 셈이다.

그런데 블록체인은 ‘스마트계약(smart contract)’[1]이란 걸 제공한다. 그 덕에 단순히 믿을 만한 자료를 기록할 수 있는 건 물론, 그 자료의 조건에 따른 행위를 정의하는 일도 가능하다. 이를 활용하면 많은 일을 자동화할 수 있다. 대표적 예가 보험금 지급이다. 아파트 대물 배상 보험에 가입한 A가 누수로 인해 아랫집에 피해를 입혀 보험 배상금을 받고자 하는 경우를 생각해보자. 보통은 증빙 서류를 갖춰 보험사에 신고하면 한참 후에야 배상금이 나온다. 하지만 동일한 상황에서 블록체인을 사용하면 A가 자료를 등록하는 즉시 보험금이 지급되도록 자동화할 수 있다.

조금만 깊이 생각해보면 주변의 꽤 많은 일이 자동화 단계를 거쳐 진행된다. 행정 업무만 해도 웬만한 건 소정의 서류가 갖춰지면 알아서 다음 단계로 넘어간다. 간혹 여기저기 서류를 제출해야 하는데 이는 적절한 서류가 갖춰졌는지 신뢰하지 못해 발생하는 상황이다. 이 모든 경우에도 블록체인을 활용하면 절차가 한결 간소해진다.

공유경제 서비스, 대안 화폐 등 활용 잠재성 ‘무한대’

블록체인을 이용한 자동화는 공유경제 사회에서도 활용도가 높다. 호주 노동당이 제시한 공유경제 활성화 방안에 따르면 공유경제 체제에선 모두가 일정 규칙에 따라 공유 자산 사용에 따르는 대가를 공정하게 지불해야 한다. 그런데 블록체인을 활용하면 신뢰와 규칙을 기반으로 하는 자동화가 가능하다. 블록체인이 공유경제 활성화 방안 실현의 타당한 대안이 될 수 있는 근거다.

공유 자동차를 예로 들어보자. 공유 자동차 서비스 이용 희망자 B는 사용 예정 시간을 입력하고 그에 해당하는 비용을 지불하는 행위만으로 해당 시간 동안 특정 자동차를 자신의 것처럼 쓸 수 있다. 하지만 원활한 서비스가 이뤄지려면 몇 가지 전제 조건이 충족돼야 한다. 처음 약속된 장소에 승용차가 대기하고 있어야 하고, B 또한 사용을 마친 후엔 해당 장소에 승용차를 갖다 둬야 한다. 이 같은 약속이 지켜지지 않을 경우를 대비해 수많은 규칙이 정해지고, 그에 따라 취해질 조치 역시 미리 마련된다. 하지만 이 경우에도 블록체인을 이용해 모든 걸 자동화하면 약속 이행 여부에 대한 우려나 보상이 제대로 이뤄질지에 대한 걱정 같은 건 불필요해진다.

이제 마지막으로 ‘새로운 형태의 돈’을 생각해볼 차례다. 주는 이가 지불해도 받는 이는 쓸 수 없는 돈, 받는 이의 돈이 됐지만 특정 조건을 만족시켜야만(알맞은 상태로 만들어야만) 사용할 수 있는 돈이 있다고 생각해보자. 일상 속 거래에서 돈을 지불하고도 정당한 대가를 받지 못할까 봐 걱정해본 적이 있는 사람이라면 이런 돈의 효용 가치가 얼마나 높을지 충분히 상상할 수 있을 것이다.

상상 속에서만 존재하던 이런 돈도 블록체인의 힘을 빌리면 얼마든지 만들 수 있다. 아니, 이미 만들어져 있다. 실제로 블록체인을 활용, 지방자치단체나 공동체 내에서 통용되는 포인트나 적립금을 이런 형태의 돈으로 만들어 사용하면 여러 서비스와 혜택을 자동화할 수 있다. 조금만 더 생각해보면 반드시 ‘돈’의 형태일 필요도 없다. 서로의 가치를 합리적으로 교환할 수 있다면 돈보다 편리한 대안적 수단도 얼마든지 고려해봄 직하다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] 블록체인과 같은 분산원장 기술에서 일정 거래 조건을 만족시키면 당사자 간 거래가 자동으로 체결되는 기술. IBM이 주도하는 하이퍼레저(Hyperledger)의 경우, 체인코드(chaincode)란 이름으로 스마트계약을 제공한다

인공지능 분야에서 딥러닝의 등장은 종종 ‘혁명(revolution)’에 비견된다. 최근 회자되는 인공지능의 대부분이 딥러닝과 동의어처럼 사용될 정도다.

딥러닝이 진가를 발휘하는 영역은 영상인식, 그리고 언어처리 쪽이지만 몇 가지 딥러닝 구조를 복합적으로 사용하면 보다 흥미로운 응용도 가능하다. 이를테면 컨볼루션 신경망[1]과 순환 신경망[2]을 순차적으로 사용, 입력된 영상의 의미를 문장으로 설명하는 식이다. 거꾸로 문장 입력 작업을 통해 해당 내용의 영상을 생성하는 것도 가능하다. 그렇다면 딥러닝은 인공지능의 만능 키(key)일까? 이번 칼럼에선 기본 정의에서부터 성공 요인, 향후 발전 방향에 이르기까지 ‘딥러닝의 모든 것’을 살펴볼 생각이다.

오픈소스 기반… 데이터 충분하면 일정 성능 보장

명칭(deep learning)이 주는 선입견 때문일까, ‘딥러닝’이라고 하면 사람들은 꽤 다양한 걸 상상하곤 한다. 하지만 딥러닝은 쉽게 말해 ‘여러 층으로 구성된 신경망 학습 방법’이다. 신경망 학습법은 장단점이 뚜렷하다. 데이터 수집만 원활하면 학습 알고리즘을 통해 해결책을 자동으로 얻어낼 수 있지만, 데이터 양이 늘어날수록 층을 여러 개 쌓아야 하고 그 경우 학습법이 제대로 작동하지 않는단 한계가 있다.

신경망의 층을 여러 개로 늘려 만든 걸 ‘심층신경망(Deep Neural Network, DNN)’이라고 한다. 그리고 딥러닝은 바로 그 가중치를 결정하는 알고리즘이다. 심층신경망은 각 층이 이전 층의 표현을 좀 더 추상화해 변환하도록 기능함으로써 사람의 도움 없이도 적절한 특징을 자동으로 추출한다. 딥러닝엔 몇 가지 방법이 있으며, 그중 대표적이라 할 만한 게 컨볼루션 신경망과 순환 신경망이다. 전자는 영상인식과 같은 정적(靜的) 유형에, 후자는 언어처리와 같은 동적(動的) 유형에 각각 적합하다.

오픈소스[3]정신에 기반한 학습법이어서일까, 딥러닝의 공유 생태계는 상대적으로 탄탄한 편이다. 데이터만 충분하면 일정 수준 이상의 성능이 보장되는 것이다. 딥러닝의 성공 비결은 크게 세 가지로 요약할 수 있다. 첫째, 비(非)지도학습[4]에 의한 사전 학습이 주효했다. 그중 심층 오토인코더[5]는 입력과 출력이 동일한 신경망을 여러 개의 층으로 쌓은 것이다. 입력과 같은 출력을 내는 신경망의 가중치를 구하는 건 그리 의미가 없어 보이지만 여기선 데이터의 특징을 추출하는 효과를 기대할 수 있다.

둘째, 컨볼루션∙순환 신경망의 발전도 빼놓을 수 없다. 실제로 딥러닝 관련 학계에선 영상 인식 등에 사용되는 컨볼루션 신경망 구조와 학습법이 다양하게 제시되고 있다. 컨볼루션 신경망에선 서로 다른 크기의 컨볼루션 필터를 쌓아올리는 인셉션 모듈(inception module), 혹은 도중에 한 층 건너 뛰는 연결선을 도입한 레스넷(ResNet)[6]이 중요하다. 순환 신경망의 경우에도 매핑(mapping) 작업 시 주요 부분을 강조하는 ‘어텐션 메커니즘(attention mechanism)’ 도입이나 ‘인코더-디코더(encoder-decoder)’ 관계로 층을 쌓는 식의 구조가 실제 문제 해결에 큰 역할을 하고 있다.

셋째, GPU[7]병렬 컴퓨팅을 포함한 고성능 컴퓨팅 기술의 등장이다. 당초 GPU는 모든 화소에 동일하게 적용되는 그래픽 연산을 가속시키기 위해 개발된 것. 하지만 이후 딥러닝 학습이나 추론에 매우 효과적인 수단이란 사실이 밝혀졌고 이를 적극 활용한 결과, 오늘날 딥러닝 기술에서 떼려야 뗄 수 없는 존재로 자리 잡았다.

관건은 양질의 데이터 확보… ‘킬러앱’ 개발도 시급

딥러닝 기술이 유의미한 성과를 거두기 위해 가장 중요한 건 결국 양질의 학습 데이터다. 이렇게 볼 때 딥러닝 연구 방향은 학습에 사용할 수 있는 데이터 특성에 따라 세 가지로 생각해볼 수 있다. 첫째, 레이블(label)된 소수 데이터를 활용한 지도학습(supervised learning) 방식이다. 쉽게 떠올릴 수 있는 방법은 다른 분야에서 이미 다량의 데이터로 학습된 모형을 가져와 활용하는 것이다. 전이학습(transfer learning)이라고도 하는데 이를 발전시키면 풀고자 하는 문제와 관련, △한 번만 학습시켜도 되는 ‘원샷러닝(one-shot learning)’ △전혀 학습시키지 않아도 되는 ‘제로샷러닝(zero-shot learning)’도 가능해진다.

둘째, 레이블되지 않은 데이터를 이용한 비지도학습 방식이다. 레이블된 데이터가 없는 경우, 통계 기법을 활용해 각 층을 개별적으로 학습한 후 하나씩 쌓아 올리게 된다. 연구 초기 등장한 적이 있지만 성능은 아직 기대에 미치지 못해 오히려 들여다볼 여지가 있다. 마지막 방향이 강화학습(reinforcement learning) 방식을 사용하는 것이다. 데이터가 아예 없는 경우 적용 가능하며 일찍이 딥마인드가 심층 강화학습의 유용성을 입증한 바 있다(관련 연구는 좀 더 진척될 필요가 있다).

딥러닝의 향후 연구 방향에 대해선 수많은 연구자가 다양한 의견을 피력하고 있다. 한쪽에선 사전에 학습된 모형을 블록 형태로 쌓아 올려 복잡한 심층 모형을 구축하고, 다른 쪽에선 모바일 기기에서도 작동될 수 있도록 개선된 학습 방법 개발에 한창이다. 이 역시 정리하면 크게 세 가지 방향으로 전망해볼 수 있다.

첫째, 정규화를 통해 향상된 일반화 성능을 갖추는 방식이다. 딥러닝 기술 개발과 관련, “데이터만 많으면 그걸 효과적으로 매핑할 수 있는 함수 생성은 어렵지 않다”는 사실이 입증됐다. 따라서 앞으론 주어진 데이터에 지나치게 맞추기보다 일반화 성능을 높이는 모형으로서의 생성적 적대 신경망[8]이 유망해 보인다.

둘째, 학습된 결과를 설명할 수 있는 모형 개발이다. 딥러닝으로 학습된 모형은, 정확도 측면에선 더없이 효과적이지만 어떤 이유로 그런 결과가 나왔는지 시원하게 설명할 수 없는 문제가 늘 발목을 잡았다. 그럴 땐 외장 메모리를 사용한 딥러닝 모형, 이를테면 신경망 튜링 머신(Neural Turing Machine)이나 미분 가능한 신경 컨트롤러(Neural Differential Controller) 등이 유력한 해결책일 수 있다. 아직은 ‘대화 도중 맥락 저장’이나 ‘지하철 최단 경로 탐색’ 등 단순한 문제에 국한돼있지만 궁극적으론 설명 범위가 확장될 수 있으리라 기대를 모은다.

셋째, 역시 ‘킬러앱’[9]을 탄생시키는 것이다. 다만 이제껏 발표된 딥러닝 응용 사례 중 대부분은 킬러앱으로 분류하기엔 여러모로 역부족이다.

인간 수준의 인공지능 구현하려면 ‘딥러닝+α’ 필요

그렇다면 딥러닝 기술은 앞으로 어떤 방향으로 나아갈까? 일단 시각처리 분야에선 강화학습과 딥러닝이 결합되며 보다 강력한 성능을 낼 수 있다(알파고 때에도 강화학습을 통한 성능 향상 측면에서 큰 효과를 거둔 적이 있다). 언어처리 분야에선 단어나 구, 절을 넘어 문장이나 문서 전체를 이해하는 방식으로의 발전을 기대해봄 직하다.

하지만 딥러닝만으로 궁극의 인공지능이 실현될 거란 기대는 섣부르다. 지난 60여 년의 인공지능 역사가 이를 뒷받침한다. 논리추론∙탐색 등 곧 성공할 것 같았던 지식 기반 접근 방식이 벽에 부딪혔던 것처럼 딥러닝처럼 다량의 데이터를 토대로 하는 방식도 머지않아 한계에 직면할 것이다. 결국 ‘인간과 비슷한 수준의 인공지능’이 완성되려면 서로 달라 배타적인 것처럼 보이는 접근 방식의 합목적적 통합이 필요하지 않을까? 요(要)는, ‘꺼진 인공지능 기술도 다시 보자’는 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1]Convolutional Neural Network(CNN). 딥러닝의 기본 구조 중 하나다
[2]Recurrent Neural Network(RNN). 시간 흐름에 따라 변화하는 데이터를 학습하기 위한 딥러닝 모델
[3]open source. 인터넷 등을 통해 소프트웨어의 설계도에 해당하는 소스코드를 무상으로 공개해 누구나 개량, 재배포할 수 있도록 하는 것 
[4]unsupervised learning. 인공지능 분야 중 하나인 기계학습의 일종으로 학습용 데이터를 따로 구축하지 않고 데이터 자체를 분석하거나 군집하며 학습하는 방식을 일컫는다. ‘자율학습’이라고도 한다
[5]deep autoencoder. 비지도학습을 기반으로 하는 심층신경망의 일종
[6]컨볼루션 신경망의 최신 구조를 도입한 신경망. 알파고 제로에 사용됐다
[7]Graphics Processing Unit(그래픽 처리 장치)
[8]Generative Adversarial Network(GAN). 진짜 같은 가짜를 생성하는 모델(generator)과 그 진위를 판별하는 모델(discriminator) 간 경쟁을 통해 인공지능이 스스로 답을 찾아가도록 하는 딥러닝 알고리즘
[9]Killer App(lication). 시장에 등장하자마자 경쟁 제품을 몰아내고 시장을 완전히 재편할 정도로 인기를 누리며 투자 비용 대비 수십 배 이상의 수익을 올리는 재화나 서비스

이번 가을은 더없이 반가울 것이다. 올여름 서울 수은주가 39.6℃까지 올라갔다. 평균 체온보다 3℃ 높은 수치다. 111년 만의 최고 기록이라고 한다. 2주간 계속된 열대야에 나도 자다 깨다를 반복했다. ‘조금만 참으면 가을’이라며 마음을 다독이지만 한편에선 “이제 시작”이란 얘기도 들린다. “올여름 더위는 1회성이 아니라 지구온난화 현상 때문에 발생한 것인 만큼 앞으로도 자주 나타날 것이다.’’ 100년 이상 관측된 기상 자료를 토대로 최근 논문을 발표한 허창회 서울대 지구환경과학부 교수의 말이다.

재앙은 늘 “조금씩, 그러다 갑자기” 닥친다

한반도만의 일도 아니다. 북반구 곳곳이 이상고온으로 끓고 있다. 지난 1일<현지 시각> 미국 일간지 뉴욕타임스 주말판에 장문의 기후변화 리포트[1]가 떠서 한참 읽어봤다. 요지는 이렇다.

세계는 산업혁명 이후 평균 1℃ 이상 더워진 상태다. 그 수치가 2℃를 넘어가면 세계 열대 산호초 괴멸, 수 미터에 이르는 해수면 상승, 페르시아만 침잠 등 여러 가지 일이 생길 수 있다. 그나마 국제사회는 2015년 간신히 파리 기후협약에 합의했다. “산업화 이전 대비 지구 평균기온 상승 폭을 2℃ 아래로 낮추기 위해 노력한다”는 내용이었다. 하지만 이미 진행된 온난화 수준과 각국의 온실가스 감축 계획으로 미뤄보면 달성 가능성은 20분의 1 정도다. 게다가 구속력도, 강제력도 없다. 지구 평균기온 상승 폭이 3℃에 이르면 북극에 숲이 생기고 빙하가 녹으면서 해안 도시 대부분이 잠길 수 있다. 4℃ 상승하면 문제는 더 커진다. 유럽은 상시적으로 가뭄에 시달리고 중국∙인도∙방글라데시 영토 중 상당 부분은 사막화될 것이다. 태평양 폴리네시아 섬들은 줄줄이 침수되고 미국 남서부의 대부분은 거주 불능 지역으로 변할 전망이다.

기사엔 “지금 같은 고온 사태는 이미 예견됐던 것이며, 피할 수도 있었다”는 회한이 담겨있다. 1979년부터 1989년까지 10년간 기후변화를 이미 예측한 일부 과학자와 운동가의 노력으로 국제사회가 개선 작업에 착수할 뻔했다는 것이다. 하지만 이해가 얽힌 산업계 로비와 각국 정부의 국가이기주의 때문에 모든 노력은 뒷걸음질치고 말았다. 공교롭게도 그 주말 영국 경제 주간지 이코노미스트도 커버스토리에서 같은 주제를 다뤘다. 제목은 ‘사선에서(In the Line of Fire)’, 부제는 “세계는 기후변화와의 전쟁에서 지고 있다”였다.

그러고 보니 기억이 난다. 국제연합(UN)엔 ‘기후변화에 관한 정부 간 패널(IPCC)’[2]이란 기구가 있다. 2007년 앨 고어(Al Gore) 전(前) 미국 부통령과 공동으로 노벨평화상을 수상하며 세계적으로 알려졌다. 당시 선정 이유는 이랬다. “인간이 야기한 기후변화에 대한 지적 연구를 상당히 증진했을 뿐 아니라 상호 협력 필요성이 있는 사안과 관련, 조치를 취할 수 있는 기틀을 마련했다.” 노벨위원회는 “1980년대 지구온난화 현상은 그저 흥미 있는 가설에 불과했지만 1990년대 이후 IPCC의 활동 등에 힘입어 보다 확실한 증거를 얻었다”며 “이로써 최근 수 년간 계속돼온 지구온난화 현상의 원인이 인간(의 활동)이란 사실은 더욱 명확해졌다”고 밝혔다.

2006년 고어는 지구온난화 현상을 다룬 다큐멘터리(같은 해 책으로도 출간됐다) ‘불편한 진실’에 출연하며 부통령 시절 당시보다 뜨거운 조명을 받았다. 목전의 열대야는 어쩌면 당시 다큐멘터리 속 ‘불편’이 실현된 형태인지도 모른다. (헤밍웨이[3]의 소설 ‘태양은 다시 떠오른다’[4]엔 이런 대화가 등장한다. “왜 파산한 거지?” “두 가지였어. 조금씩 그러다 갑자기.” 재앙은 늘 그런 식으로 닥친다.)

미래 좌우할 과학, 과학에 무관심한 사람들

사실 이 모든 소동의 저변엔 과학이 있다. 기후변화의 주범으로 지목된 산업화가 과학혁명, 정확히 말하면 과학기술의 산물이었기 때문이다. (기술 문제는 더없이 중요해지고 있다. 이와 관련해선 다음 칼럼에서 따로 쓰겠다.) 기후변화를 감지하고 위험을 예측한 것 역시 과학자들이었다. 앞으로의 기후변화 해법 또한 과학에 기댈 수밖에 없을 것이다. 과학에서 출발해 과학으로 끝날 수밖에 없는 게 현대 인류의 운명이다.

그런데도 오늘날 과학의 의미와 의의를 제대로 이해하는 사람은 많지 않다. 특히 우리 사회가 그렇다. 여전히 이공 계통 영역 혹은 과학자의 전담 분야 정도로 생각하는 경향이 있다. 공론장에서 오가는 식자(識者)들의 논쟁도 과학적 태도와는 거리가 있다. 신문 기사나 칼럼에도 통계 수치나 최신 연구가 근거로 제시되는 경우는 드물다. 역사나 문헌 속 일화와 교훈, 주변 경험에서 나온 인상 비평이나 직관적 의견이 넘치는 것과는 대조적이다.

하지만 과학이야말로 오늘날 인류가 놓인 상황과 앞날까지 좌우할 주축이라 해도 과언이 아니다. 그만큼 일반 시민의 과학적 이해와 사고의 필요성 또한 높아지고 있다. ‘과학’이라고 하면 많은 사람이 코페르니쿠스[5]나 갈릴레이[6], 뉴턴[7]을 떠올린다. 하나같이 지동설이나 만유인력 같은 근대 과학 이론을 정립한 주역들이다. 학창 시절 과학 수업의 영향이다. 하지만 오늘날 과학에 대한 이해는 훨씬 깊고 또 넓어졌다. 혹자는 그 기원을 고대 철학이나 지식의 출현에서 찾기도 한다. 카를로 로벨리[8]는 플라톤[9]의 ‘파이돈’[10]에 등장하는 소크라테스[11]를 거명한다. 파이돈에서 소크라테스는 “지구는 구형이며 사람들은 그 속의 커다란 골짜기에서 산다”고 자기 생각을 말한다. 그러곤 덧붙인다. “나는 확신하지 않는다.” 로벨리는 이 같은 ‘무지(無知)의 자각’을 과학적 사고의 핵심으로 지목했다.

과학? 과학자 전유물 아닌 ‘인류 공동 기획’

과학적 사고는 인간의 불완전함에 대한 자각과 깊이 관련돼있다. 인간적 결점을 겸허하게 자인하고 성실히 극복하려는 최선의 노력이 곧 과학이란 얘기다. 과학은 진리의 총합이 아니라 계속되는 질문과 잠정적 답변의 반복이다. 칼 포퍼[12]는 ‘경험과 대조해 오류를 제거해가는 과정’을 과학 활동으로 봤다. 과학적 진리란 ‘최선의 설명력을 일관성 있게 유지하는 것’이지만 그 역시 진화한다. 사실이란 환경 속에서 설명력으로 살아남는 게 진리이기 때문이다.

과학이 미더운 건 확답을 제시해서가 아니다. ‘지금 이 순간’ 의지할 수 있는 최선이어서다. 그렇게 자신할 수 있는 건 과학이야말로 어떤 의문이나 비판에도 열려있고 수정 가능성을 인정하기 때문이다. 그러려면 잘못을 시인하는 정직성, 그리고 확신에 도전하는 용기 같은 덕목이 필요하다.

과학은 과학자들만의 일도 아니다. 그보다 인류의 공동 기획에 가깝다. 과학적 해결이 ‘과학자에게 결정을 맡긴다’와 동의어일 순 없다. 과학자는 그저 ‘좀 더 현명한’ 결정을 내리도록 돕는 사람이다. 어떤 선택을 할 수 있고 그 결과는 뭔지 알려주는 게 그들의 역할이다. 물론 그것만 해도 큰 도움이다. 과학은 가치중립적이지만 과학자는 특정 선택이 지니는 가치를 환산, 설명함으로써 선택에 중대한 영향을 미친다. 물론 궁극적 결정은 공동체의 몫이다. 이렇게 볼 때 과학은 민주주의와도 직결된다.

세상에 대한 인류의 지식도 근본을 따지고 들어가면 ‘어느 한 천재의 의식적 산물’이라기보다 ‘공동체 의존적이면서 사회적인 협력물’이란 인식이 힘을 얻고 있다. 인지과학자인 스티븐 슬로먼(Steven Sloman)과 필립 페른백(Philip Fernbach)은 지난해 함께 펴낸 책 ‘지식의 착각’[13]에서 지식을 ‘인지 노동의 분배’로 설명한다. 인간의 뇌는 놀라운 기관이지만 한계도 뚜렷하다. 그래서 개인은 자신의 뇌뿐 아니라 다른 데 저장된 지식에도 의존한다. 자신의 몸과 주변 환경, 타인, 집단도 모자라 이젠 ‘외장 두뇌’ 격인 컴퓨터와 클라우드 서버까지 사용한다. 인간의 마음은 외장 정보도 자신의 머릿속 정보와 연속선상에 있는 걸로 인식, 활용하도록 진화해왔다. 그래서일까, 현대인은 스마트폰을 잠시 놓고 오거나 네트워크 접속에 필요한 패스워드를 잊어버리면 두뇌 한쪽을 잃은 것마냥 당황한다. 지식의 연결성은 나날이 커지고 있다. 오늘날 소셜 미디어에 대한 우려가 커지고 가짜 뉴스를 우물에 탄 독약 보듯 하는 건 전부 그런 이유에서다.

“인간은 섬이 아니므로 서로 도우며 살아야”

어떤 면에서 건강한 민주주의는 시민사회가 성실한 학습 공동체 같을 때라야 제대로 작동할 수 있다. 한창 때 아테네에선 시민들의 학습과 토론이 이어졌고 로마 시대 도심엔 공공도서관이 있었다. 소크라테스가 아테네 시민을 성가시게 구는 ‘등에(gadfly)’를 자처한 것도 공동체의 무지를 깨닫게 하기 위해서였다. 그리고 그게 받아들여지지 않자 지체 없이 독배(毒杯)를 들었다.

미국 교육학자 앤 브라운(Ann Brown, 1943~1999)은 말한다. “인간은 누구도 섬이 아니며 모든 걸 다 아는 사람도 없다. 생존엔 공동 학습이 필요하다. 이런 상호 의존성은 공동 책임의 분위기와 상호 존중, 개인과 집단의 정체성을 촉진한다.”

카를로 로벨리는 ‘모든 순간의 물리학’[14](2016)에서 세상과 지식, 공동체 간 관계를 이렇게 요약했다. “우리의 현실은 우리가 함께 구축한 공통의 지식이 교차하는 풍요로운 연결망을 통해 만들어집니다. 이 모든 게 지금 우리가 설명하고 있는 자연 그 자체의 일부입니다. 우린 자연에서 통합된 부분이자, 헤아릴 수 없이 다양한 자연의 표현 방식 중 한 가지로 살아가는 자연의 일부입니다. 이런 점이 우리에게 세상의 일에 대한 지식을 쌓아야 한다고 가르칩니다.”

로벨리는 같은 책 후반에서 더 의미심장한 말을 했다. “내 생각에 우리 종(種)도 그리 오래 버티진 못할 것 같습니다. 우리에겐 거북이처럼 자신과 유사한 종을 수천만∙수백만 년간, 즉 인류 역사의 수백 배에 이르는 시간 동안 존재하게 할 만한 능력이 없는 것 같습니다. 우린 수명이 짧은 종에 속합니다. 게다가 스스로 위험을 자초하기까지 하죠. 우리가 변화의 도화선에 불을 붙인 결과, 기후와 환경은 처참한 지경에 이르렀고 이는 쉽게 회복되지 않을 겁니다. 어쩌면 지구엔 별일 아닌, 작은 에피소드일 수 있지만 인간은 아무 피해 없이 지나갈 수 없을 겁니다. 언론과 정치계는 우리 곁에 도사리고 있는 위험 요소를 무시합니다. 아마 지구상에서 개인의 죽음이 불가피하단 사실을 자각하고 있는 종은 우리 인간뿐일 겁니다. 조만간 우리가 만든 문명이 끝나기도 전에 우리 역시 진정으로 멸종에 이르는 모습을 의식적으로 깨달아야 하는 종이 될까 봐 두렵습니다.” 무더위 와중에도 오싹해지는 말 아닌가.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Losing Earth: The Decade We Almost Stopped Climate Change
[2]Intergovernmental Panel on Climate Change. 세계기상기구(WMO)와 UN환경계획(UNEP)이 공동 설립했다
[3] Ernest Hemingway(1899~1961). 미국 작가
[4] 원제 ‘The Sun Also Rises’
[5] Nicolaus Copernicus(1473~1543). 폴란드 천문학자로 지동설을 제창했다
[6] Galileo Galilei(1564~1642). 이탈리아 물리학자∙천문학자. 지동설을 주장해 교황청에서 종교 재판을 받았다
[7] Sir Isaac Newton(1642~1727). 영국 물리학자∙천문학자. 만유인력의 원리를 확립했다
[8] Carlo Rovelli. ‘우주론의 대가’로 평가 받는 이탈리아 이론물리학자. 프랑스 엑스마르세유대학교 이론물리학센터 교수로 재직 중이다
[9] Plato. 고대 그리스 철학자로 ‘소크라테스의 변명’ ‘향연’ ‘국가’ 등의 저서를 남겼다
[10] Phaedo. 플라톤의 중기 ‘대화편’ 중 하나. 소크라테스의 제자였던 플라톤이 소크라테스의 최후 날 상황을 친구 에케크라테에게 들려주는 내용으로 구성돼있다
[11] Socrates. 고대 그리스 철학자. 제자였던 플라톤의 ‘대화편’에 주요 사상이 수록돼 전해진다
[12] Karl R. Popper(1902~1994). 영국 과학철학자로 런던대학 교수를 지냈다. 비판적 합리주의를 주장했다
[13] 원제 ‘The Knowledge Illusion: Why We Never Think Alone’
[14] 원제 ‘Sette bervi lezioni di fisica’. 이탈리아어로 ‘우리는 누구인가, 란 물음에 대한 물리학의 대답’이란 뜻이다

3D프린팅 기술이 처음 소개됐을 당시 3D프린팅을 현자(賢者)의 돌[1]쯤 되는 만능 도구로 여기며 열광하는 이가 적지 않았다. 하지만 그중 상당수는 시중에 나와있는 3D프린터를 써보고 그 한계를 깨달으며 ‘뭐든 만들어낼 수 있는 기술’에서 ‘아직 먼 미래의 기술’로 당초 생각의 궤도를 조금씩 수정하고 있는 것 같다. 가끔 난 이런 생각을 해본다. 3D프린팅 기술이 아직 충분히 발전하지 못한 게 문제일까, 3D프린팅이란 신기술의 활용법에 서툰 인간이 문제일까? 이 질문에 대한 답을 찾으려면 DFAM(Design For Additive Manufacturing) 개념에 대한 이해가 필요하다.

새 뼈나 소라 껍질, ‘최대한 실물과 비슷하게’ 만들려면?

인간이 만들어내는 건 자연이 창조하는 것과 근본적으로 다르다. 하지만 인간은 자연이 빚어내는, 경이로운 결과물을 끊임없이 모방하며 발전해왔다. 새의 비행을 흉내 내 만든 항공기가 대표적 예다. 실제로 비행기 날개 형태와 뼈대 설계는 새의 그것과 유사한 부분이 많다. 새 날개 뼈의 단면 구조에도 재밌는 사실 하나가 숨어있다. 새 날개 뼈의 겉은 매우 단단하다. 반면, 속은 거의 비어있어 가볍다. 또한 내부는 복잡한 격자 형태로 이뤄져 있어 충격이나 하중을 잘 견딜 수 있다. 이런 구조적 특성은 △항공기 날개와 동체 △자동차 차체 △건축물 골조 등 주요 경량·강화 구조 설계에 널리 적용되고 있다.

생성적 디자인(generative design)이란 용어가 있다. 인공지능 소프트웨어와 클라우드 연산 능력을 활용, 엔지니어가 기본 매개변수만 정하면 수천 개의 설계 옵션을 생성시킬 수 있는 디자인을 일컫는다. 생물이 환경적 제한이나 자극에 맞춰 점진적으로 진화하듯 설계나 디자인이 반복적으로 진행되는 게 특징이다. 앞서 예로 든 새 날개 뼈 역시 새가 비행하기에 가장 적합한 방식으로 가벼우면서도 강한 형상을 지니기 위해 조금씩 진화한 결과라 할 수 있다.

생성적 디자인은 이전까지 일반적으로 쓰이던 규칙기반(rule-based) 설계 방식과 달리 매우 복잡한 설계 문제를 환경의 한계(경계) 조건과 함께 수학적으로 표현할 수 있다. 그중에서도 기계 부품이나 구조물 설계 시 수학적 계산으로 최적의 형상을 유추해내는 데 쓰이는 방법을 가리켜 위상최적화(topology optimization) 방식이라고 한다. 질량, 즉 재료를 공간상에 어떻게 분포시켜야 가벼우면서도 강한 구조를 만들 수 있는지 컴퓨터로 모의실험(simulation) 하는 방식이다.

생성적 디자인이나 위상최적화 방식이 제시하는 해답은 이상적이지만 현실에선 구현하기 힘든 경우가 많다. 아닌 게 아니라 새 뼈나 소라 껍질처럼 자연이 탄생시킨, 이상적이고 아름다운 구조를 인간 손으로 만들어내려 하면 시간과 노력이 너무 많이 든다. 그렇다면 기존 제조 공법 중 어떤 게 최적화된 생성적 구조를 한 번에 만들어낼 수 있을까? 이 대목에서 떠올릴 수 있는 기술이 바로 3D프린팅이다. 3D프린팅 기술이 4차 산업혁명 시대에 주목 받는 비결 역시 ‘생성적 디자인의 결과를 가장 쉽고 빠르게 실현시키는 방법’이란 사실에서 찾을 수 있다.

DFAM은 3D프린팅 기술 장점 극대화할 수 있는 설계법

3D프린팅은 재료를 첨삭해가며 구조물을 만들어내는 방식이란 의미에서 ‘적층제조(Additive Manufacturing)’라고도 불린다. 적층제조 공법을 사용하면 다양한 소재를 동시에 첨삭할 수 있을 뿐 아니라 아무리 복잡한 형상이라도, 위치나 방향에 관계없이 만들어낼 수 있다(물론 사용 방식에 따라 채택되는 소재의 종류와 구현되는 형상의 제약이 존재하긴 한다). 생명체가 세포를 분화시키며 성장, 진화하는 방식과 매우 유사하다. 다시 말해 생성적 디자인의 개념이 3D프린팅에서 구현 가능한 기술과 완벽히 호환되는 순간, 이전까지 존재했던 제조 활동에서의 제약은 사라진다고 볼 수 있다. 요컨대 DFAM은 3D프린팅 기술의 장점을 제품이나 시스템 제조에 최대한 활용하는 방법인 셈이다.

3D프린팅은 일찍이 “기존 산업의 패러다임을 바꿀 기술”이란 기대를 한 몸에 받아왔다. 실제로 3D프린팅 기술을 사용하면 아이디어 고안에서부터 제품 생산까지의 과정이 놀라울 만큼 단축된다. 또한 디자인·설계 관점이 180도 달라져 전에 없이 획기적인 디자인을 적용할 수 있게 된다. 그뿐 아니다. △최적 설계를 통한 초경량∙고강성 구조 구현 △복잡한 제품의 ‘조립 없는 원스톱(one-stop)’ 생산 △복합 소재의 동시 적용 등이 가능해진다. 3D프린팅 기술이 혁신적 설계법의 생산, 적용을 견인하는 것이다.

이처럼 3D프린팅 기술의 장점을 극대화할 수 있는 설계∙엔지니어링 접근법이 DFAM이다. DFAM은 DFM(Design For Manufacturing)에서 진일보한 개념으로, 기존 설계∙제조 공정에서 맞닥뜨리는 제약 극복 해법을 제공한단 점에서 의미가 있다. 아래 도표는 DFAM 도입 시 극복할 수 있는 형상∙재료∙차원의 복잡성과 관련, 3D프린팅 기술의 적용 사례를 도식화한 것이다.

▲ DFAM 공법을 도입하면 제조·설계 단계에서 형상∙재료∙차원의 복잡성 문제를 해결하는 데 도움을 받을 수 있다

자동차 산업 성장세 ‘최대’… 부품·차체도 3D프린팅으로

위 그래프에 나타난 것처럼 3D프린팅 시장의 영향력은 부문을 막론하고 급격히 커질 전망이다. 성장 폭이 특히 두드러지는 건 자동차 산업. DFAM 기술을 사용하면 복잡한 기능과 형상의 부품 모듈을 별도 조립 공정 없이, 일체형으로 만들 수 있기 때문이다. 내부 구조가 복잡한 고강성∙초경량 부품 설계와 제작을 통해 에너지 효율 개선에도 기여할 수 있다.

2040년 무렵이면 전체 신차 판매량의 54%를 차지하게 될 친환경(전기) 자동차 시장에도 주목할 필요가 있다[2]. 실제로 국내외 자동차 관련 업체들은 플라스틱∙금속∙탄소복합소재와 3D프린팅 기술을 자동차 생산에 적용하려는 노력을 계속해오고 있다. 해외에선 이미 독일∙미국∙일본 등에 본사를 둔 글로벌 자동차 (부품) 기업 상당수가 자사 신제품 개발과 양산에 3D프린팅 장비를 적극 활용해오고 있다.

사실 DFAM 적용으로 고성능 경량화를 실현시킨 자동차 부품 사례는 이제 너무 흔해져 식상할 정도다. 미국 일리노이주(州) 소재 3D프린팅 전문 기업 피트아메리카(FIT America)는 DFAM 기술을 활용, F1[3] 자동차용 실린더 블록(엔진 부품의 일종)의 성능을 높이고 중량도 80%나 가볍게 하는 데 성공했다. 일본 도요타자동차 역시 폴리머[4] 재질로 된 3D프린팅 경량 자동차 시트를 소개하며 시선을 모았다.

▲ DFAM 적용으로 성능을 높이고 중량은 낮춘 자동차 부품 사례. 도요타자동차가 만든 폴리머 재질 경량 시트(출처: 도요타 공식 홈페이지)

미국 애리조나주(州)에 본사를 둔 자동차 제조 기업 로컬모터스(Local Motors)도 눈 여겨볼 만하다. 이 회사는 향후 제조업이 나아가야 할 방향 중 하나로 ‘3D프린팅 기술을 중심에 놓고 디자이너∙개발자∙소비자가 함께 고민하는 협업 플랫폼’ 형태를 제시해 주목 받았다. 이는 △비단 자동차 산업뿐 아니라 모든 제조업이 ‘소량(경량)화∙다품종∙고성능∙맞춤형’의 방향으로 나아가고 있으며 △그 과정에서 필연적으로 3D프린팅(과 DFAM) 기술이 핵심 역할을 수행하리란 사실을 단적으로 보여주는 사례다.

지난해 내가 재직 중인 유니스트[5]에서도 DFAM 기술 적용 전기자동차 경량 차체 제작 프로젝트를 진행한 적이 있다. 당시 연구진은 위상최적화 방식을 도입, 짧은 시간에 차체 부품을 60% 내지 70% 경량화했고 고강성 프레임을 설계∙제작하는 데 성공했다(개발 단계에선 위상최적 설계 외에도 부품 일체화, 탄소복합소재 인쇄 등 다양한 DFAM 기법이 적용됐다). 코뿔소를 닮은 외관 덕에 ‘라이노(Rhino)[6]’란 애칭으로 더 자주 불렸던 이 차체는 ‘3D프린팅 갈라 인 울산’ ‘제1회 대한민국균형발전박람회’(이상 2017) ‘2018 부산국제모터쇼’ 등에 잇따라 전시되며 관람객의 관심을 모았다.

국내 시장은 아직 걸음마 수준… ‘맞춤형 기술’ 발굴 시급

물론 DFAM이 ‘단순 경량화 설계’만 의미하는 건 아니다. 지난 칼럼에서 소개했던 제너럴일렉트릭(GE)의 항공기 연료분사노즐(leap fuel nozzle)이나 오늘 소개한 로컬모터스가 만든 전기자동차에서 보듯 DFAM 기술을 활용하면 복잡한 부품을 일체화해 설계, 생산할 수 있을 뿐 아니라 공정 부담도 크게 줄일 수 있다.

하지만 아쉽게도 국내 산업 중에선 3D프린팅 기술 활용 사례가 많지 않은 게 현실이다. 신기술을 우리 실정에 맞게 적용, 발굴하고 개발 노하우를 축적해야 할 시점이지만 아직은 해외 성공 사례를 간신히 벤치마킹 하는 데 급급하다. “DFAM을 활용해 항공기 엔진 부품을 양산하고 특수 자동차 부품을 만드는 데 성공했다” “3D프린터로 다리를 건설하고 하루 만에 건물을 지어 올렸다” 같은 해외 보도를 연일 접할 때면 위기감마저 느껴진다(다음 회차에선 다양한 국내외 사례를 들며 3D프린팅 기술의 최근 동향과 미래 전망을 진단하고 바람직한 대응 방안도 짚어보겠다).

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] 중세 연금술사들이 “병을 치료하고 모든 물질을 황금으로 만든다”고 믿었던 돌
[2]“Bloomberg New Energy Finance Says 54% of New Car Sales by 2040 Will Be Electric”(블룸버그 2017년 7월 7일자<현지 시각> 보도). 관련 영상 바로 보기는 여기 참조
[3]FIA포뮬러원월드챔피언십(FIA Formula One World Championship)의 준말. 세계자동차연맹(FIA)이 규정한 차체와 엔진, 타이어 등을 갖춘 채 진행되는 자동차 경주대회다
[4]polymer. 분자가 기본 단위 반복으로 이뤄진 화합물. ‘중합체(重合體)’라고도 한다
[5]울산과학기술원(Ulsan National Institute of Science and Technology)
[6]‘코뿔소’를 뜻하는 영단어 ‘rhinoceros’에서 유래했다

지난 칼럼에선 △블록체인은 수정이나 삭제가 불가능한 기록물 생성 소프트웨어이며 △블록체인에 저장되는 자료는 여러 곳에 공유돼 온전하면서도 안전하게 보관될 수 있단 얘길 주로 했다. 오늘은 블록체인을 기술적 관점에서 접근, 구체적 구현 방식을 살피고 기술적 한계와 기타 문제에 대해서도 가볍게 다루려 한다.

문서 요약해 ‘고유 값’ 자동으로 생성하는 기술

앞선 글에서도 설명했듯 블록체인을 구성하는 기본 기술은 ‘암호 해시(hash)’다. ‘문서를 요약해 고유 값을 자동으로 생성하는 기술’ 정도로 정의될 수 있겠다. 단, 여기서 요약은 ‘내용’ 요약이 아니다. 암호 해시 기술을 적용하면 내용과 무관하게 문서를 요약한 후 고유 값을 생성한다. 이때 고유 값은 문서 길이에 상관없이 256바이트, 한글로 치면 128자 정도의 문자열(SHA[1]-2 기준)이다. (이 칼럼에선 자동으로 생성된 고유 값을 ‘암호 해시’로, 암호 해시를 자동으로 생성하는 기술은 ‘암호 해시 기술’로 구분해 사용할 생각이다.)

암호 해시는 몇 가지 특징을 지닌다. 첫째, 암호 해시만으론 그 내용을 짐작할 수조차 없다(제1역상 저항성). 둘째, 문서 내용이 조금이라도 바뀌면 암호 해시 역시 완전히 바뀌어버린다(제2역상 저항성). 셋째, 우연이라도 동일한 암호 해시를 갖는 문서가 나타나선 안 된다(충돌 저항성). 세 특성을 간단히 요약, 정리하면 다음과 같다. “암호 해시로 문서를 찾을 순 없지만 일단 문서가 주어지면 고유의 암호 해시가 만들어진다.”

암호 해시를 이용하면 문서 전체를 갖고 있지 않아도 그 문서의 조작 여부를 쉽게 밝혀낼 수 있다. 예를 들어 친구와 하나의 문서를 작성하고 그 문서의 암호 해시를 만든 후 나눠 가졌다고 하자. 이렇게 하면 원본 문서를 복사해 갖고 있지 않아도 어렵잖게 원본 진위 여부를 판별할 수 있다. 문서의 암호 해시를 만들어 (보관 중인) 암호 해시와 비교하면 되기 때문이다. 즉 암호 해시만 있으면 원본 문서는 누가 갖고 있든 상관이 없다. 심지어 제3자의 손에 있어도 괜찮다. 아무리 긴 문서라 해도 256바이트 정도의 암호 해시만 있으면 진위 여부가 손쉽게 밝혀지는 것이다.

한 걸음 더 나아가 문서 암호 해시를 모아둔 문서가 있다고 생각해보자. 암호 해시도 문자열 형태인 만큼 그걸 모으면 문서가 만들어진다. 그렇게 되면 ‘암호 해시를 모아 만든 문서의 암호 해시’를 구할 수도 있을 것이다. 이를 ‘모듬 암호 해시’라고 하자. 이제 여러 문서 중 하나라도 변경되면 해당 암호 해시가 변하고, 그 변화는 다시 암호 해시를 모아둔 문서 내용을 바꿔 결국 제목 암호 해시도 변경된다. 다시 말해 누군가 모듬 암호 해시를 알고 있으면 여러 문서 내용의 진위 파악도 쉬워진다. 만약 이런 과정을 여러 차례 반복하면 어떻게 될까? 마지막 암호 해시만 갖고도 이전까지 만들어진 문서 일체의 진위를 판별할 수 있다(블록체인에도 같은 원리가 적용된다).

이전 블록 해시가 ‘체인’처럼 다음 블록에 저장

블록체인에서 ‘블록’은 ‘헤드(Head)’와 ‘보디(Body)’로 나뉜다. 블록 보디엔 여러 거래 기록이 머클트리(Merkel Tree)로 불리는 구조로 구성된 후 저장된다(머클트리에 관해선 다음에 자세히 설명할 기회가 있을 것이다). 이렇게 하면 블록 보디 전체를 대표하는 암호 해시(이 글에선 ‘보디 암호 해시’라고 부르겠다)가 만들어진다.

한편, 블록 헤드엔 블록 보디 암호 해시 등 여러 가지 정보가 기록된다. 반드시 기록돼야 하는 정보만 해도 △블록 생성 시간 △블록 보디 암호 해시 △이전 블록 헤드 암호 해시 △논스(NONCE, Number used ONCE)[2]등 하나둘이 아니다<아래 그림 참조>.

이때 주의 깊게 볼 항목은 ‘이전 블록 헤드 암호 해시’다. 일단 블록 헤드 또한 하나의 문서와 같은 만큼 여기서 암호 해시를 구할 수 있다. 이 블록 헤드 암호 해시는 다음에 만들어지는 블록에 전달되는데, 다음 블록 입장에서 보면 이는 앞서 주의 깊게 봐둔 이전 블록 헤드 암호 해시다. 즉, 다음 블록 입장에서 보면 내 블록 헤드의 암호 해시가 다음 블록 헤드에 저장되는 이전 블록 헤드 암호 해시가 되는 것이다. 블록체인이란 명칭은 이처럼 “이전 블록 헤드 암호 해시가 다음 블록에 저장되는 행태의 반복”이란 뜻에서 붙여졌다.

악용 위험 낮추려 PoW 등 다양한 ‘합의’ 도입

우선 사슬(chain) 구조에만 집중해보자. 위 그림에 따르면 블록 보디 암호 해시는 블록 헤드에 들어있다. 자연히 각 블록 내 블록 보디에 변화가 생기면 블록 보디 암호 해시도 바뀐다. 이 경우, 블록 헤드에 기록되는 정보가 변한 것이므로 블록 헤드 암호 해시 역시 바뀐다. 블록 헤드 암호 해시 하나가 바뀌면 다음 블록 헤드에 기록되는 이전 블록 헤드 암호 해시도 함께 바뀐다. 그로 인해 다음 블록 헤드 암호 해시 역시 달라진다. 동일한 이유로 뒤따르는 블록 헤드 암호 해시 일체가 바뀐다. 이 때문에 블록체인이 한 번 형성된 후엔 그 내용을 변경할 수 없다. 하나의 변화를 위해 뒤따르는 정보를 전부 수정해야 하고, 그렇게 하지 않으려면 흔적이 남기 때문이다.

암호 해시 체인을 활용, 일단 기록된 내용을 수정하지 못하게 하는 구조는 이 정도면 이해가 될 것이다. 하지만 문제는 여전히 남는다. 만약 블록체인이 ‘한 사람이 만들어 복사한 후 사용하는’ 거라면 블록체인 만드는 사람을 확실히 믿을 수 있어야 할 것이다. 하지만 블록체인 만드는 사람이 나쁜 맘이라도 먹는다면? 문제는 일파만파 커질 수밖에 없다. 이 때문에 블록체인 기술 개발진은 △여럿이 동시에 블록체인을 만들면서도 △자신이 만든 블록을 보여주지 않고도 남과 똑같은 블록을 만들었단 사실을 증명할 방법을 고안했다. 블록체인 분야에선 이를 일명 ‘합의(consensus)’라고 한다.

시중엔 이미 다양한 합의 방식이 나와있다. 이 글에선 그중에서도 가장 기본이 되는 ‘PoW(Proof of Work)’에 대해 살펴보려 한다. 쉽게 말해 다수결의 원칙을 활용하는 것이며 그 과정에서 앞서 언급한 논스가 쓰인다.

앞서 암호 해시의 성질을 설명하며 “문서 내용이 조금이라도 달라지면 암호 해시 값이 완전히 바뀌어버린다”고 했었다. 논스는 블록 헤드에 기록되는 정보로 블록 헤드 암호 해시를 만드는 데 사용된다. 그리고 블록을 만들려는 사람이라면 누구나 블록을 만들기 전 미리 블록 헤드 암호 해시가 지녀야 하는 특징을 전달 받는다(이를테면 ‘0으로 시작하는 암호 해시’ 등등).

물론 처음 만들어진 블록 헤드 암호 해시가 그 특징을 갖고 있진 않다. 하지만 이때를 시작으로 논스를 1부터 차례로 변화시키며 암호 해시를 계속 만들어가면 특징을 만족시키는 게 나타난다(특징을 어떻게 만드는지에 관해 여기서 다루긴 적절치 않다). 이처럼 특징이 나타나는 최초의 논스 값을 공개하고 “그 수가 맞는다”는 과반의 동의를 받으면 그건 곧 (동의한) 과반의 사람들도 동일한 블록을 만들었단 걸 의미한다. 또한 그들은 해당 논스 포함 블록 헤드를 가진 블록을 등록, 배포하게 된다.

돈 많이 드는 기술… 충분한 타당성 검토 ‘필수’

블록체인에선 암호 해시 기술과 함께 공개키(public key) 암호 기술도 사용된다(이와 관련된 내용 역시 지면 관계상 다음 기회에 설명하겠다). 암호 해시 기술과 공개키 암호 기술은 전자서명 같은 디지털 보안의 근간이 된다. 앞에서 살펴본 것처럼 블록 체인을 만들고 유지하려면 엄청난 컴퓨팅 자원이 필요하다. 여럿이 동시에 작업을 해야 하는 만큼 많은 컴퓨터가 필요하고 자료를 분산, 저장해야 하므로 대규모 저장소 확보도 필수다. 더 나아가 합의 알고리즘을 수행하는 과정에서 네트워크 트래픽도 상당히 발생한다. 따라서 블록 체인 기술을 도입하기에 앞서 (기술 도입으로 얻을 수 있는) 장점이나 비용에 관한 고려가 반드시 선행돼야 한다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Secure Hash Algorithm. 미국 국립표준기술연구소(National Institute of Standards and Technology, NIST)가 표준으로 채택한 암호 해시 함수. SHA-0, SHA-1 함수는 임의 길이 메시지에 대해 160비트 출력값을 생성하지만 내부 결함이 발견되거나 해독법이 밝혀져 더 이상 쓰이지 않는다
[2] 암호화와 관련된 임의의 수. “(특정 상황에서) 한 번만 쓰기 위해 만들어진”의 의미를 담고 있다

작금의 인공지능 열풍에 불을 지핀 건 단연 알파고[1]다. 요즘 알파고는 축구, 심지어 TV 예능 프로그램에서조차 인공지능을 뜻하는 말로 쓰인다. 얼마 전엔 “인간이 제공한 데이터 없이 무(無)에서 출발, 혼자 대국하며 스스로 기력을 쌓았다”는 알파고 제로가 발표됐다. 알파고 제로는 딱 사흘 학습한 후 (이세돌 9단을 물리친) 알파고를 100대 0으로 이겼다. 인류가 수천 년에 걸쳐 축적한 실력을 인간의 도움 없이 돌파한 것이다. 알파고 제로는 어떤 원리로 작동할까? 그리고 한국 과학계에선 왜 그런 걸 만들지 못하고 있는 걸까?

게임 인공지능, 일부 경우의 수 따져 이후 승률 추정

바둑 같은 보드게임을 수행하기 위한 인공지능을 개발할 때 핵심은 ‘현재 판 모양을 입력, 이길 가능성이 가장 높은 지점을 출력하는 함수’를 만드는 것이다. 인간은 다년간의 경험을 통해 “이런 판에선 여기 둬야 이길 확률이 크다”는 직관으로 게임에 임한다.

물론 컴퓨터도 판 모양을 유형화해 다음 수를 결정할 수 있다. 하지만 보다 확실한 방법은 자기 차례가 됐을 때 모든 지점에 대해 실제로 끝까지 둬보고 이기는 지점을 택하는 것이다. 즉 자신이 둘 수 있는 지점 전체에 대해 상대가 둘 수 있는 지점 전체, 또 그에 대해 자신이 둘 수 있는 지점 전체 등 경우의 수를 끝까지 따져보고 그중 이긴 지점에 해당하는 경로의 첫 수를 다음 수로 두는 것이다. 이런 방식을 ‘트리(tree)탐색’이라고 한다.

트리탐색 방식으로 모든 경우의 수를 따지는 건 시간상 불가능하다. 이 때문에 실제 상황에선 ‘트리의 모든 분기를 전부 시도하지 않고 확률적으로 일부만 따지는’ 몬테카를로 방식[2]과 ‘트리의 끝까지 다 해보지 않고 도중에 그 이후 승률을 추정하는’ 경험함수가 사용된다. 이렇게 하면 다음 수를 빠르게 계산할 수 있다. 하지만 경험함수를 완벽하게 만들긴 어려웠던 게 사실이다.

알파고의 대국 승리 비결은 ‘심층신경망’과 ‘강화학습’

알파고엔 분기결정·승률계산 등 두 개의 함수가 활용된다. 전자는 정책망으로, 후자는 가치망으로 각각 구현된다. 알파고 개발진은 두 함수를 만들기 위해 영상 인식에 널리 쓰이는 컨볼루션 심층신경망[3]을 16만 개 기보로 학습시켰다. 이렇게 학습된 두 개의 신경망을 이용하면 몬테카를로 트리탐색 알고리즘으로 바둑 게임에서 다음 수를 계산하는 프로그램이 완성된다. 하지만 16만 개 기보에 바둑 형세를 모두 포함시키는 건 불가능하므로 이 역시 완벽한 함수라고 하긴 어렵다.

이 때문에 로봇의 제어나 의사 결정에 활용되는 강화학습[4]이 추가로 동원된다. 예를 들어보자. 알파고 프로그램을 복제해 하나는 검은 돌의 수를, 다른 하나는 흰 돌의 수를 각각 계산하게 하면 두 프로그램으로 바둑 게임을 할 수 있다. 강화학습에선 그 게임의 승패에 따라 이긴 프로그램 함수엔 보상을, 진 프로그램 함수엔 벌을 각각 주는 방식으로 함수의 정확도를 개선시킨다.

물론 여기서 ‘보상’이나 ‘벌’은 은유적 표현이며 실제 상황에선 신경망의 가중치를 올리거나 낮추는 식으로 매개변수를 보정한다. 즉, 무작위로 설정된 함수 Fº와 16만 기보 데이터를 사용해 F¹을 만들고 이를 다시 강화학습으로 조정해 F²를 만드는 것이다.

고성능 PC와 다량의 데이터가 핵심? ‘제로’는 달랐다

알파고 제로는, 앞서 설명한 내용에 따르면 F¹ 생성 과정을 생략하고 무작위로 설정된 Fº에서 직접 F²를 만든 형태다. 알파고에 비해 적은 컴퓨팅 자원을 투입하고도 알파고보다 훨씬 빠르고 정확한 게임 능력을 갖춘 셈이다.

알파고 제로가 만들어진 과정은 상식과도 배치된다. 무작위 함수에서 시작하는 것보다 데이터에서부터 초기화된 함수를 최적화하는 게 더 효율적일 것 같은데 알파고 제로는 기보를 사용하지 않고 강화학습만으로 함수를 만들었기 때문이다. 기본 데이터로 조정되지 않은 무작위 함수에서 출발해 적은 계산만으로 최적 함수를 만든 비결, 대체 뭘까?

알파고 제로 개발진은 정책망과 가치망으로 분리돼있던 승률평가 함수를 하나로 단순화하고 몬테카를로 방식으로 미리보기 탐색 기능을 갖추는 등 알파고보다 한층 개선된 강화학습 알고리즘을 선보였다. 그 결과, 함수 개선 속도는 빨라지고 안정적이면서도 정확한 학습이 가능해졌다.

또한 알파고 제로엔 컨볼루션 신경망의 최신 구조를 도입한 레스넷(ResNet) 신경망이 사용됐다. 알파고는 바둑에 필요한 특징을 추출, 딥러닝으로 학습했다. 그에 반해 알파고 제로는 흑백 돌이 놓이는 바둑판 자체를 영상으로 입력한 후 더 많은 층을 쌓는 데 유용한 잔여 학습을 통해 보다 정확한 함수를 얻는 데 성공했다. 4개의 TPU[5]가 사용된 알파고 제로를 사흘 만에 학습시킬 수 있었던 비결이다(알파고에 쓰인 TPU는 48개였다). 요컨대 알파고 제로는, “요즘 인공지능은 고성능 컴퓨터와 다량의 데이터로 완성된다”는 사람들의 통념과 반대로 그 둘이 배제된 알고리즘이 핵심이란 점에서 독특하다.

‘바둑 넘어서는 인공지능’ 만드는 건 결국 유능한 인재

알파고 제로까지 나왔으니 이제 인간 지식 없이 스스로 성장하는 인공지능이 가능해진 걸까? 안타깝게도 그 질문에 대한 답변은 “바둑 게임에서만 그렇다”다. 알파고 제로가 인간 도움 없이 스스로 성장하려면 바둑 규칙에 따른 ‘승률함수 기반 트리탐색 알고리즘’이 필요한데 그걸 만드는 건 결국 똑똑한 소프트웨어 개발자, 즉 인간의 몫이다.

최근 불고 있는 오픈소스[6] 열기에 힘입어 인공지능 분야 기술도 대부분 공개되고 있다. 자연스레 다음 의문은 ‘그런데도 우린 왜 이런 걸 만들지 못했을까?’로 이어진다. 일단 “강화학습만으로 무작위 함수에서 심층신경망을 만들 순 없을 것”이라고 막연히 생각해 시도조차 안 해봤을 수 있다. 컨볼루션 신경망에 강화학습을 적용하는 과정에서 간단한 문제 해결의 가능성만 확인한 채 완성시키지 않고 중단했을 가능성도 높다.

하지만 아직 완전히 포기하기엔 이르다. 구글 딥마인드조차 알파고 제로 개발에 쓰인 기술로 실질적 제품이나 서비스까지 완성하진 못한 상태이기 때문. 따라서 ‘기술의 핵심을 꿰뚫고 비전을 제시하는’ 리더가 ‘문제 해결 능력을 갖춘’ 소프트웨어 개발자의 능력을 결집한다면 충분히 해볼 만하다.

알파고 제로는 양질의 데이터를 확보하기 어려운 분야에 관한 한 강화학습 방식이 (바둑처럼 기보가 제공되는) 지도학습 방식보다 훨씬 유용할 수 있단 사실을 보여줬다. 당장 현실에선 의료∙법률∙투자∙예측 등 여러 문제가 도움을 받을 수 있다. 따라서 이 같은 문제를 적극적으로 발굴하는 것, 더 나아가 불치병이나 에너지 문제 같은 인류 난제를 해결하는 것이야말로 ‘알파고 제로 이후’를 고민해야 할 인류의 당면 과제다. 기술의 원리와 시사점을 이해하는 동시에 냉철한 자기 반성과 함께 그 기술의 활용 방안까지 모색해야 하는 시점인 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] AlpahGo. 구글의 인공지능개발 자회사 구글 딥마인드(Google DeepMind)가 개발한 인공지능 프로그램
[2] Monte carlo method. 문제에 포함된 변수들의 분포에서 반복적 무작위 추출을 수행하고, 문제에서 주어진 수치를 계산함으로써 결과값을 얻어내는 계산 알고리즘
[3] Convolutional Neural Network(CNN). 딥러닝(인공 신경망을 기반으로 구현된 기계 학습 기술)의 기본 구조 중 하나다
[4] reinforcement learning. 기계학습(machine learning)의 구현 방식 중 하나다
[5] Tensor Processing Units. 구글이 자체적으로 개발한 인공지능 전문 칩
[6] open source. 인터넷 등을 통해 소프트웨어의 설계도에 해당하는 소스코드를 무상으로 공개해 누구나 개량, 재배포할 수 있도록 하는 것

철학자 헤겔[1]의 아침 의례 중 하나는 신문 읽기였다. 일기에 “조간 신문을 읽는 건 현실주의자의 아침 기도”라고 썼을 정도다. 나도 매일 국내외 저널을 챙겨 보는 편이다. 헤겔은 세상사를 보며 신(=역사이성)의 행보를 읽었다는데, 나는 새로 접하는 단어나 표현에서 변화의 단서를 찾곤 한다. 최근 알게 된 단어로 ‘뉴티클(neuticles)’이 있다. 반려동물 주인이 수컷의 민망한 모습을 피하려 거세 수술을 하고선 그 녀석의 우울증이나 허전함을 달래주기 위해 시술하는 실리콘 보형물을 뜻한다. 그 단어가 소개된 장문의 뉴욕타임스 기사엔 요즘 미국인이 ‘털 없는 아기’에게 들이는 각종 ‘케어(care)’ 비용이 웬만한 사람의 생활비 수준을 넘었을 뿐 아니라 점점 기괴한 양상으로 치닫고 있다는 내용이 담겨있었다.

우연의 일치인지 그날 국내 한 일간지 특집 기사 주제도 반려동물이었다. 어느 매체 할 것 없이 언젠가부터 주변에 갖가지 펫(pet) 사진과 동영상, 관련 정보가 차고 넘친다. 나홀로족과 비혼(非婚)족, 딩크(Double Income, No Kids)족에 이어 딩펫(DINK+pet)족까지 늘어난 세태의 반영일 것이다. 생명윤리철학자 피터 싱어[2]는 동물권(animal rights)을 옹호하면서 인간의 공감 능력이 다른 생명체로 확장되는 도덕적 진화의 단계로 설명한 바 있다. 반려동물 문화의 확산도 그런 맥락의 일환이라면 다행이다. 하지만 행여 인간끼리의 반목과 소통 능력의 퇴화가 그 방향으로 치닫는 건 아닌지 간혹 의심스럽다.

“위 아 더 월드” 노래하던 휴머니즘은 어디 갔을까

그렇잖아도 연일 뉴스 면을 장식하는 게 난민[3] 이야기다. 유럽 난민 사태에 이어 미국 국경 봉쇄로 인한 가족의 생이별 사연이 전해지더니 제주도에서도 예멘 난민이 쟁점으로 등장했다. 여기에 각종 ‘혐오’까지 봇물 터지듯 쏟아진다. 외국인 혐오, 남녀 간 혐오, 각종 소수자 혐오…. 상대는 다 같은 사람과 사람이다. 한때 “손에 손 잡고”며 “위 아 더 월드(We are the world)”를 노래하던 휴머니즘은 어디 갔을까. 최근의 이런저런 표면적 균열이 자동화에 따른 ‘잉여 인간론’과 합쳐지며 사람들 마음 근저에서 일기 시작한 자기 정체성의 위기로 이어진 건 아닐까.

전통적으로 인간은 자신의 정체성과 가치를 어떤 초월적 기반에서 찾았다. 동서를 막론하고 신화나 종교, 형이상학적 해석이 삶의 의미를 뒷받침했다. 근대 이후 ‘탈(脫)주술화’와 함께 세속 사회가 도래한 후엔 민족과 국가 이념이 대중의 정신적 공백을 메웠다. 그 와중에도 인간 존엄성의 가치는 의심의 여지가 없었다. 하지만 그 전제였던 이성적 인간상은 19세기 들어 다윈(“인간도 동물이다”)과 니체(“신神은 죽었다”), 프로이트(“인간은 리비도[4]다”)의 연타로 기울기 시작했다. 급기야 전후 유럽의 포스트휴머니즘은 ‘주체의 해체’와 ‘인간의 죽음’을 앞당겨 말했다.

그래도 그땐 어디까지나 담론의 한 갈래였다. 지금은 더 근본적 차원의 도전이 이어지고 있다. 사변이 아니라 실험과 증거를 토대로 한 과학의 여러 연구 결과는 사람들의 기본 관념을 통째로 흔들고 있다. ‘자아’의 문제가 대표적이다.

우린 매일 아침 거울을 보며 얼굴 너머의 자신을 확인한다. 이런 자아 위에 누적되는 자신만의 체험과 기억을 더해 고유한 ‘나’가 유지된다. 하지만 오늘날 신경과학에 따르면 우리 뇌에 자아란 실체는 없다. 뇌는 모듈(module)의 조합처럼 시시각각 다양한 일을 분담, 협력해 처리한다. 각 영역이 오케스트라 연주자처럼 ‘자아 교향곡’을 연주할 뿐, 자아는 결국 뇌가 만들어내는 허구의 주인공이다.

(자아의 기반이라 할) 의식 자체에 대한 신비의 베일도 벗겨지고 있다. 의식 역시 뇌에서 일어나는 신경회로의 작동이다. 주관적으로 체험되는, 독특한 현상이란 점에서 다를 뿐이다. 물리적 입자에서 그런 게 생겨날 수 있는 이유마저 이른바 ‘창발(emergent)’ 현상으로 설명된다. 가령 같은 물 입자라도 딱딱한 고체와 축축한 액체, 가벼운 기체 등 어떤 형태로든 바뀔 수 있다. 맥스 테그마크[5] 미국 매사추세츠공과대(MIT) 교수는 “물리 현상인 의식이 비물질적으로 느껴지는 건 파동이나 연산처럼 작동하기 때문”이라고 설명한다.

인간이 행복에 만족 않고 한사코 ‘의미’ 찾는 이유

신(神)에 닿아있던 인간의 존재론적 의미 기반이 모래성처럼 흘러내리는 와중에 인간의 물리적 능력은 가파르게 신의 수준에 접근하고 있다. 사실 이 자체가 아이러니다. 자연을 길들인 인류는 이제 자신의 심신마저 맘대로 바꿔놓을 기세다. 다윈 진화론의 자연선택과 무작위변이는 비자연적 선택과 작위적 변이로 바뀌었다.

멕시코 미래학자 겸 사업가 후안 엔리케즈(Juan Enríquez)는 ‘우리 자신을 진화시키기(Evolving Ourselves)’라는 대담한 책에서 ‘지적 설계론’을 이야기한다. 원래 지적 설계론은 창조론자들이 진화론을 절충해 내놓은 이론이었지만 이제 설계의 주체는 신에서 인간으로 바뀌었다. 바야흐로 미래 운명이 점점 우리 손에 좌우되면서 정작 우리가 자신을 어떤 존재로 생각하는지, 뭘 기대하고 바라는지가 점점 더 중요해지고 있다.

21세기 벽두에 제출됐던 ‘트랜스휴머니스트 선언(Transhumanist Declaration)’은 인류의 전위가 어디로 향하고 있는지 잘 보여준다. 1장[6]에서 “인류는 미래에 과학과 기술에 의해 급격한 변화를 겪게 될 것이다. 예견하건대 여러 가지 인간의 상태를 재설계하는 일이 현실화될 것이다. 여기서 인간의 상태란 노화의 불가피성, 지적 능력에서의 제약들, 인간이 선택하지 않은 인간 정신의 특성, 고통, 지구란 행성에 갇혀 있는 제약 등을 포함한다”라고 한 데 이어, 7장[7]에선 “트랜스휴머니즘은 모든 지각력(sentience)을 갖는 존재-그것이 인공지능이건, 인간이건, 포스트휴먼이건, 동물이건 간에-의 웰빙을 옹호하며 근대 휴머니즘의 많은 원리를 아우른다”고 선언했다.

과학철학자 반 프라센[8]은 이렇게 말한다. “새로운 세기마다 우린 스스로가 누군지 재해석해야 한다. (중략) 지금까지 어떤 존재였고, 어떤 존재가 될 수 있었는지, 어떤 존재가 될 수 있는지에 대한 안목을 갖고서 우리 자신이 누군지 해석해야 한다. 이건 영원하면서도 끝없이 새롭게 되돌아오는 과제다.”

로이 바우마이스터(Roy Baumeister) 미국 플로리다주립대 심리학과 교수는 인간이 행복에 만족하지 않고 한사코 ‘의미’를 찾는 이유에 대해 “끝없이 변하는 삶 속에서 안정과 지속성을 찾기 위한 시도”라고 설명한다. 다시 말해 “삶은 변화인데 여기엔 변화의 과정을 늦추거나 중지시키려는 부단한 노력이 따르며, 이는 죽을 때까지 계속된다”는 것이다. 이 말은 스콧 피츠제럴드[9]의 묘비명에도 새겨져 있는 소설 ‘위대한 개츠비’의 마지막 문장을 닮았다. “우린 흐름을 거슬러 가는 조각배처럼 끊임없이 과거 속으로 떠밀려가면서 앞으로 나아간다.”

‘과학의 시대’에서 인간으로 살아가기, 해법은 ‘공감’

사실 고전 철학의 출발 지점도 다르지 않았다. 소크라테스는 최고의 지식이 ‘자신을 아는 것’이라 했지만, 그와 동시에 자신이 아는 유일한 사실이 ‘나는 모른다’는 것이라고도 했다. 일찌감치 인간 존재의 불확정성을 꿰뚫어본 셈이다. 우린 자신이 어떤 존재인지 묻고 답하면서 함께 자신을 만들어갈 뿐이다.

허망한가. 과학적 휴머니즘의 주창자인 인지과학자 스티븐 핑커[10]는 최근 펴낸 책 ‘지금, 계몽주의(Enlightenment Now)’에서 이렇게 답한다. “지혜를 향한 첫걸음은 ‘우주의 법칙은 당신을 개의치 않는다’는 사실을 깨닫는 것이다. 그 다음은 ‘그렇다고 해서 삶이 무의미하다는 뜻은 아니다’란 사실을 깨닫는 것이다. 왜냐하면 사람들은 당신에게 관심을 갖기 때문이다. 그 반대도 마찬가지다. (중략) 인간적 감수성을 지닌 사람이라면 누구나 당신을 염려한다. 당신의 고통을 그대로 느낀다는 뜻이 아니라-인간의 공감 능력이 수십 억 이방인에게까지 퍼질 정도로 강하진 않다-당신의 존재가 그들만큼이나 우주적으로 중요하고, 우리 모두는 우주의 법칙을 활용해 번영을 누릴 조건을 향상시킬 책임이 있음을 알고 있다는 뜻에서 그렇다.” 이 말을 난 “우린 서로가 서로에게 유일한 희망”이란 의미로 이해했다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Georg W. F. Hegel. 독일 관념론을 대표하는 철학자
[2] Peter A. D. Singer. 호주 출신 철학자. 미국 프린스턴대학 인간가치센터 석좌교수 겸 호주 멜버른대학 응용철학∙공공윤리학센터 명예교수. ‘생명윤리학’ ‘동물의 권리’ ‘효율적 이타주의자’ 등의 저서가 있다
[3] 難民. 전쟁이나 재난 따위를 당해 곤경에 빠진 백성
[4] Libido. 사람이 내재적으로 갖고 있는 성욕이나 성적 충동
[5] Max Tegmark. 스웨덴 출신 물리학자 겸 우주학자. 지난해 ‘라이프 3.0’(원제 ‘Life 3.0: Being Human in the Age of Artificial Intelligence’)을 펴냈다
[6]원문(“Humanity stands to be profoundly affected by science and technology in the future. We envision the possibility of broadening human potential by overcoming aging, cognitive shortcomings, involuntary suffering, and our confinement to planet Earth”) 참조
[7] 원문(“We advocate the well-being of all sentience, including humans, non-human animals, and any future artificial intellects, modified life forms, or other intelligences to which technological and scientific advance may give rise”) 참조
[8] Bas van Fraassen. 네덜란드계 미국 철학자. 미국 샌프란시스코대 철학과 교수로 재직 중이다
[9] F. Scott Fitzgerald(1896~1940). 미국 소설가
[10] Steven Pinker. 미국 심리학자 겸 대학(하버드대) 교수. 1998년과 2003년 퓰리처상을 수상했다

지난겨울, 평창 밤하늘에 수호랑을 수놓았던 드론 쇼는 분명 감동적이었다. 하지만 당시 관객들이 간과한 게 하나 있다. 드론 스스로 하늘과 땅, 숲과 나무, 함께 비행하는 ‘동료 드론’을 알아보고 날아간 게 아니라 위성이 알려주는 공간 좌표에 따라 정해진 대로 움직였단 사실이 그것.

드론, 자동차처럼 운전하려면 ‘자율 비행’ 필수

무인 자동차가 거리로 나오려면 도로 환경을 스스로 인식할 수 있는 기술이 필요하다. 자율비행 드론이 도심의 하늘을 비행하려 할 때에도 마찬가지다. 물론 차이점은 있다. 무인 자동차는 공간적 여유가 비교적 많고 무게에 대한 제약 조건도 크지 않다. 대용량 배터리를 탑재하고 여러 대의 컴퓨터와 고성능 센서를 설치, 필요한 정보를 확보한 후 복잡한 알고리즘을 적용하면 주변 환경을 충분히 인식할 수 있다.

하지만 드론의 경우 상황이 좀 다르다. 일단 하늘을 날아야 하기 때문에 고성능 센서나 제어기를 탑재하기가 만만찮다. GPS[1] 기술을 활용하면 공간 좌표는 얻을 수 있겠지만 나무나 전신주, 건물을 인식하고 다른 드론과의 충돌을 피하게 만드는 건 굉장히 어려운 일이다. 무엇보다 목표 지점으로 날아가게 하려면 드론 스스로 주변 환경을 인식하도록 해야 한다. 이 지점에서 궁금증이 하나 생긴다. ‘만약 드론 택시가 실제로 존재한다면 어떻게 작동될까?’

드론 택시처럼 사람을 태울 수 있는 드론이 자동차만큼이나 널리 보급된다고 상상해보자. 비행기는 자가용(自家用)이라도 다른 기기와 수 킬로미터의 안전 거리를 유지하는 한편, 공항 관제탑과의 교신을 통해 자신(과 주변) 위치 관련 정보도 제공 받으며 운항한다(수 미터 떨어진 상태에서의 고속 편대 비행은 일부 파일럿만이 구사할 수 있는, 고도의 기술이다).

자동차 운전 상황을 떠올려보자. 좌우를 살피며 전방 주시에 신경을 써도 가끔 교통사고가 나는데 위아래, 전후좌우에서 드론이 날아다니는 상황이라면 어떨까? 드론 운전자의 기술이 얼마나 고도화돼야 할지 어렵잖게 상상할 수 있다. 더욱이 빌딩 숲으로 이뤄진 도심에서 GPS가 정확한 위치를 파악하는 일은 여간 어렵지 않다. 이런저런 상황을 짐작해볼 때 드론이 오늘날 자동차처럼 운전 가능한 기기가 되려면 자율 비행이 가능해져야 할 것이다.

자율 비행 드론의 기반 기술은 GPS 아닌 센서

드론에 탑재된 센서만 활용, 실내∙외 환경을 스스로 인식하며 비행하는 기술은 전 세계적으로 활발하게 개발 중이다. 드론 자율 비행 기술은 GPS를 기반으로 하지 않는다. 그 대신 드론에 장착된 각종 센서로 환경을 인식하고, 경로를 스스로 만든 후 장애물을 피해 원하는 목표 지점까지 비행한다.

이런 기술이 실제로 구현 가능하려면 크게 세 가지 기술이 필요하다. △주변 장애물과 드론의 상대적 위치를 인식하는 환경인식 기술 △GPS 없이 스스로의 동작과 위치를 인식하는 위치추정 기술 △목표 지점까지의 비행 경로를 생성, 이를 추종해 비행하는 제어 기술이 각각 그것. 드론이 안전하게 비행하려면 3차원 장애물을 스스로 인식하고 피하는 건 물론, 목적지를 향해 이동하는 동안 자기 위치나 자세도 인식해야 하기 때문이다.

주변 장애물이나 (비행하려는) 빈 공간을 인식하는 건 3차원 공간에서 ‘채워진’ 곳과 ‘빈’ 곳을 찾는 문제로 단순화할 수 있다. 이런 모델을 만들 때 가장 대표적으로 쓰이는 게 벨로다인(Velodyne) 센서, 그리고 스테레오비전[2]이다. 벨로다인 센서란 ‘라이다(LiDAR)’[3]로 불리는 레이저 거리 센서가 기계적으로 회전하면서 3차원 공간상의 물체 표면 좌표를 알려주는 장치다.

레이저 빔 수가 하나면 한 점에 대한 거리 정보를, (한 줄로 정렬된) 여러 개의 레이저 빔을 사용하면 평면에 그려진 물체에 대한 거리 정보를 각각 알아낼 수 있다. 라이다 센서 내 레이저 빔은 용도에 따라 최소 8개에서 최대 128개까지 다양하게 장착된다. 벨로다인 센서를 활용하면 이 라이다 센서를 기계적으로 360도 회전시켜 전 방향을 스캔할 수 있다.

환경 인식 실험서 ‘스테레오비전’ 활발히 도입

라이다 센서는 장단점이 뚜렷한 편이다. 가시광선 영역의 빛에 의존하는 카메라와 달리 밤에도 사용 가능하고 거리 정보를 직접적으로 얻을 수 있는 건 장점이다. 반면, 레이저 빔 수에 따라 정밀도(resolution)가 달라지기 때문에 라이다 센서가 확보한 이미지만으로 ‘길 건너는 사람’과 ‘바람에 날아가는 신문지’를 정확하게 구분해내긴 쉽지 않다(최근 우버 사고[4]에서도 이 같은 한계가 드러났다.)

여러 가지 문제가 있지만 라이다 센서는 여전히 무인 자동차 가동에 없어선 안 될 장치다. 하지만 큰 덩치 때문에 드론엔 널리 활용되지 못하고 있다. 지금도 일부에선 (무인 자동차에서 활용되듯) △소형 라이다를 기계적으로 회전시켜 △3차원 거리 정보를 생성한 후 △주변 환경을 인식해보려는 시도가 이뤄지고 있다. 만약 CCD 카메라[5]나 CMOS 센서[6]처럼 소형 칩(chip) 형태의 ‘장거리용 다채널’ 라이다 레이저 빔 센서가 개발된다면 무인 자동차는 물론, 드론 분야에서도 혁신적 기술 개발이 이뤄질 것이다.

라이다 센서의 크기와 무게, 비행하는 드론 위에서 동적으로 작동하는 단점, 전력 문제 등으로 인해 일부에선 벨로다인 센서 대신 스테레오비전에 의존한 환경 인식 실험을 시도하고 있다. 이 경우, 두 개의 카메라를 사용하면 사람 눈과 같이 물체의 형상뿐 아니라 대략적 거리 정보까지 알아낼 수 있다. 삼각측량법을 쓰면 카메라를 한 대 사용하더라도 서로 다른 관찰 시점 간 이동 거리를 기반으로 카메라와 물체 간 거리를 계산하는 게 가능하다.

IMU·카메라 센서 함께 쓰면 거리 정밀 측정 가능

GPS 없이 드론의 위치나 동작을 알아내는 기술은 오늘날 가장 활발히 연구되는 분야 중 하나다. 한 대의 카메라를 활용하는 ‘모노큘러비전슬램(monocular vision SLAM[7])’이 대표적이다. 이 기술의 핵심은 한 장소에서 획득한 이미지와 이동 후 획득한 이미지 간 공통점을 아주 빠르게 찾아내는 것이다. 이때 공통되는 부분이 (고정된) 물체라면 그 변화에서부터 드론(카메라)의 이동 속도를 계산할 수 있다.

이처럼 ‘이미지 간 동일 지점의 지속 추적 기술’은 카메라로 물체를 인식하고 인식된 물체(나 카메라 이동) 위치를 추정하는 기본이다. 그 과정에서 흑백 정도나 주변 픽셀과의 차이 등 이미지의 국부적 특징이 활용된다. 다만 카메라로 얻은 이미지는 빛의 조건에 굉장히 민감하기 때문에 빛이 부족한 밤 시간대엔 사용하기 어렵다.

좀 더 현실적인 방법은 IMU 센서[8]와 카메라 센서를 함께 사용, 드론의 움직임을 추정하는 것이다. IMU 센서는 3축 가속도센서[9]와 3축 자이로센서[10]를 조합, 지자기[11] 방향을 기준으로 교정(calibration)하며 움직임을 포착하는 센서다. 흡사 자동차 속도계처럼 드론의 속도를 알려주는 센서로 이 속도를 적분[12]하면 카메라 한 대로도 이동 방향이나 거리를 보다 정확하게 측정할 수 있다. 단, 오차가 있는 속도를 적분해 이동 거리를 계산하는 만큼 멀리 갈수록 정확도가 낮아지는 점은 감안해야 한다.

경로계획, 전역·지역으로 구분… 인공지능 활용

마지막으로 짚어볼 기술은 경로계획(path plan)이나 작동제어와 관련돼있다. 경로계획은 전역(global)경로계획과 지역(local)경로계획으로 나뉜다. 전자는 ‘현 위치에서 목표 지점까지 어떻게 이동할지에 대한 고민’, 후자는 ‘바로 앞 장애물을 어떻게 피해갈지에 대한 고민’이라고 생각하면 된다.

전역경로계획에선 출발 시점에 주어지는 정보를 활용, 현재 위치에서 목표 위치까지 이동할 방법을 찾는다. 주로 인공지능이 적용되며 굉장히 많은 풀이가 존재한다. 일단 경로가 생성되더라도 드론이 이동하는 도중 환경 상태가 바뀔 수 있는데, 이를 실시간으로 반영해 원하는 경로를 효율적으로 찾아내야 한다. 반면, 지역경로계획은 실제 드론 동작을 기반으로 가까운 장애물을 회피하며 비행할 수 있도록 설계하는 게 관건이다. 제아무리 예쁘게 만들어진 경로도 드론이 그걸 제대로 추종할 수 없다면 곤란하다.

간단한 예를 하나 들어보자. 이전 칼럼에서도 살펴본 것처럼 드론 중 가장 흔한 형태는 4개 모터로 구동되는 쿼드로터다. 3차원 공간에서 드론은 3개 위치(x·y·z)와 3개 각도(롤·피치·요[13])를 모두 제어해야 한다. 보통 땐 위아래(z)와 제자리 회전(요), 롤과 피치 등 4개 동작이 가능하고 수평 면에서 앞으로 날아가려면 몸체를 앞으로 숙여야 한다. 만약 드론 앞에 하나의 벽이 있고 그 대각선 방향으로 작은 틈이 나있다면 드론은 충분한 거리를 도움닫기 한 후에야 자세를 틀어 벽을 통과할 수 있다. 이는 흡사 평형 주차를 잘하려면 빈 주차 공간을 바로 옆에 두고 앞뒤로 왔다갔다해야 하는 것과 비슷한 이치다. 자동차와 달리 제자리에서 멈춘 후 방향 바꾸기가 쉽지 않은 것 역시 드론 경로 설정 시 어려운 점 중 하나다.

‘자율 비행 드론 레이싱’ ADR 2년간 치러보니

ADR(Autonomous Drone Racing Competition)이란 행사가 있다. 자율비행 드론 기술을 평가하기 위해 2016년 내가 만든 대회다. 그해 대전에서 열린 국제지능형로봇학회(IROS)[14]를 시작으로 지난해엔 캐나다 밴쿠버(IROS 2017)에서 두 번째 행사가 마련됐다. 올해 대회 역시 스페인 마드리드(IROS 2018)에서 개최될 예정이다(유튜브에서 ‘ADR IROS’를 검색하면 관련 동영상을 찾아볼 수 있다, 올해 행사 안내는 여기 참조).

ADR은 드론에 탑재된 영상 센서를 기반으로 정사각형(1.5mx1.5m) 게이트의 빈 공간을 순차적으로 인식, 먼저 통과하면 승리하는 대회다. 주요 평가 항목은 △급회전 시 대처 능력 △수평 지그재그(혹은 나선형 상향) 경로 △움직이는 장애물을 인식하고 피해가는 기술 등이다. 특히 장애물의 경우, 시곗바늘 같은 게 달려있어 계속 움직이므로 이를 피해 통과하는 게 중요하다. 게이트는 눈에 잘 띄는 오렌지색으로 제작되지만 서로 겹쳐 보이기 때문에 정확한 인식이 쉽지 않다. 팀별로 주어지는 시간은 총 20분(2017년 대회 기준). 그동안 각 팀은 자율비행 드론을 띄워 그 드론이 정해진 순서에 따라 되도록 많은 장애물을 통과하게 해야 한다. 비행은 여러 차례 시도할 수 있다. 단, 새로 시작할 땐 출발 위치를 엄수해야 한다.

첫 대회 등록 팀은 7개국 11개. 하지만 이런저런 문제로 실제 참가 팀은 3개뿐이었다. 지난해에도 6개국에서 14개 팀이 등록을 마쳤지만 출전을 최종 확정 지은 건 7개 팀, 행사 당일 자율비행을 시도한 건 5개 팀에 불과했다. 2017년 대회 우승은 13개 게이트 중 9개 게이트를 3분11초6[15]의 기록으로 통과한 멕시코국립천체물리∙광학∙전자공학연구소(INAOE)[16] 팀에 돌아갔다. 스위스 취리히연방공과대학교(ETHZ)[17] 의 데이비드 스카라무자(Davide Scaramuzza) 교수 팀은 8개 게이트를 35초 8의 기록으로 통과, 2위에 올랐다(스카라무자 교수는 드론의 비행 컨트롤러[18] 로 많이 사용되는 픽스호크를 개발한 주인공이기도 하다). 국내에선 카이스트(KAIST) 팀이 첫 대회에서 10개 게이트를 1분26초5의 기록으로 통과, 우승을 거머쥐었지만 지난해엔 연습 비행 도중 드론이 망가지는 바람에 안타깝게도 제 기량을 펼치지 못했다.

관건은 장애물 인식과 경로계획, 작동제어 기술

두 차례의 ADR을 치르며 자율비행 드론 기술이 무인자동차에 비해 아직 여러모로 부족하단 사실을 다시 한 번 깨달았다. 앞서 언급한 주요 기술은 말할 것도 없고 호버링[19] 같은 기기 제어 기술 수준 역시 마빅(Mavic)처럼 정교한 동작 제어 능력을 갖추기엔 역부족인 게 현실이다. 드론이 비행 도중 실시간으로 장애물을 인식하고 그 정보를 활용, 비행 경로를 생성하며 정확히 제어하는 기술은 여전히 세계 각국에서 활발하게 연구 중이다. 이런 기술이 무르익을 수만 있다면 ‘도심 드론 비행’도 먼 미래 일만은 아닐 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

일본 만화 ‘도라에몽[1]’엔 4차원 주머니가 등장한다. 주인공은 필요한 물건이 있으면 크기와 모양에 관계없이 이 주머니에서 언제든 쉽게 꺼내 쓴다. 만화를 본 사람이라면 누구나 ‘나도 저런 주머니 하나 갖고 싶다’고 한 번쯤 생각해봤을 것이다. 그런가 하면 영화 ‘미션 임파서블’ 주인공은 극중 다른 인물로 변장하기 위해 첨단 장비를 활용, 3차원 가면 제작에 나선다. 관객의 흥미를 끌기에 충분히 매력적인 아이디어다. 혹자는 “상상 속에서나 가능한 기술”이라 말하겠지만 생각하기에 따라 “가까운 미래에 일상에서 접하게 될 장면”일 수도 있다. 그런데 만약 “이런 세상의 출현을 앞당길 기술이 3D프린팅”이라고 말한다면 지나친 비약일까?

연평균 성장률 30% 시장… 국내 점유율은 3.7% 불과

최근 국내 산업, 특히 제조업은 글로벌 시장에서 고전하고 있다. 한편에선 “한국 제조업을 부흥시키려면 4차 산업혁명을 통한 경쟁력 제고가 절실하다”는 주장도 나온다. 아닌 게 아니라 여기저기서 4차 산업혁명에 대한 얘기가 들려온다. 바야흐로 4차 산업혁명 시대가 열린 걸까? 이 글에서 지난(혹은 다가올) 산업혁명을 깊이 있게 얘기할 생각은 없다. 하지만 그 본질만큼은 짚고 넘어갈 필요가 있다.

1·2·3차 산업혁명은 인류 사회·문화 전반에 지대한 영향을 끼쳤다. 그와 동시에 인간 삶의 방식을 바꾸는 계기로 작용했다. 특히 기술적 측면에선 물류(나 제조) 수단 혁신의 단초를 제공했다. 그래서일까, 전문가들은 “4차 산업혁명에선 (드론·로봇·자율주행·인공지능 등으로 대표되는) 물류·데이터 혁명과 (3D프린팅으로 대표되는) 제조 공법 혁신이 특히 부각될 것”이라고 입을 모은다.

사실 3D프린팅 기술과 관련 시장은 4차 산업혁명이 논의되기 훨씬 전부터 세계적으로 주목 받으며 폭발적 성장을 거듭해왔다. 아래 표에서 확인할 수 있듯 3D프린팅 시장 규모는 내년에 117억 달러(약 13조280억 원)를 넘어선 후 매해 30% 이상의 성장률을 기록할 전망이다. 제품 관련 시장과 동일한 규모의 서비스 시장이 창출되고 있단 사실에 주목하면 3D프린팅 기술 발전이 초래할 제조업과 (제품) 서비스 시장 변화는 상상을 초월할 전망이다. 하지만 안타깝게도 2017년 현재 국내 3D프린팅 시장의 글로벌 점유율은 3.7%에 불과하다(2018 홀러스리포트[2]). ‘IT 강국’이니 ‘제조업 강국’이니 하는 말이 무색할 정도다.

△ 글로벌 3D프린팅 시장 규모 추이(장비∙소재∙소프트웨어∙서비스 합계 수치)

최초 개념 30년 전 등장… ‘전시용 샘플’ 벗어나기까지

3D프린팅 기술은 한때 ‘쾌속조형(Rapid Prototyping)’이란 용어로 불렸다. 하지만 최근엔 ‘적층제조(Additive Manufacturing)’란 표현이 더 널리 쓰인다. 이 같은 변화 이면엔 3D프린팅의 의미가 ‘단순 3차원 형상 제작’에서 ‘소재 특유의 물성과 신뢰성까지 감안한 기능성 제품 제조’로 확장돼온 사실이 숨어있다. 탄소복합소재가 쓰였거나 금속 성형이 가능한 고성능 장비가 속속 개발, 보급되고 있는 현실 역시 이 같은 흐름에 속도를 더한다. 더 이상 3D프린팅을 ‘높은 분들 보시는 전시용 샘플 제작 과정’으로 치부할 수 없게 된 것이다.

3D프린팅 개념이 처음 제안된 건 1980년대 들어서면서부터. 상용 3D프린터가 시장에 등장한 건 1980년대 말이었다. 1986년 미국 발명가 척 헐(Chuck Hull)이 최초로 특허 출원한 기술 SLA(StereoLithogrAphy)는 1988년 미국 3D시스템즈사(3D Systems社)에 의해 정식 제품으로 출시됐다. 이듬해인 1989년엔 역시 미국 발명가 스콧 크럼프(Scott Crump)의 특허 기술 FDM(Fused Deposition Method)을 활용한 3D프린터가 미국 스트라타시스사(Stratasys社)에서 출시됐다. (3D시스템즈와 스트라타시스는 오늘날 세계 시장에서 가장 영향력 있는 3D프린팅 기업이기도 하다.)

오늘날 생산·제조 분야에서 3D프린팅 기술의 장점은 일일이 열거할 수 없을 정도로 많다. 굳이 4차 산업혁명을 논할 필요도 없다. 일단 아이디어 구상에서 제품 생산까지의 과정이 놀라울 만큼 단축된다. 디자인(혹은 설계) 관점이 180도 달라져 획기적 적용도 가능해진다. 그뿐 아니다. 이론상으로만 존재했던 최적 구조, 이를테면 초경량 생체 모사 구조 따위도 얼마든지 구현해낼 수 있다. 형태가 복잡한 제품을 까다로운 조립 과정 없이 한 번에 생산할 수 있는 건 물론이고 서로 다른 소재를 동시에 적용, 제작하는 일도 문제없다.

비행기 부품, 자율주행 버스… 우주기지 구축에도 활용

△ GE사가 3D프린팅 기술을 활용, 선보인 제트 엔진용 연료분사노즐(출처: GE 공식 홈페이지)

3D프린팅 기술을 활용할 수 있는 분야 역시 △우주항공 △자동차 산업 △첨단 전자 산업 등 이미 그 폭이 상당하다. 몇 가지 예를 들어보자. 미국 제너럴일렉트릭사(GE社)는 2016년 세계 최초로 항공기 연료분사노즐(leap fuel nozzle)의 3D프린팅 생산에 성공했다. 당초 22개 부속품으로 구성되던 이 장비는 3D프린팅 절차를 거치며 단일 부품으로 제작됐고, 항공기 엔진에 성공적으로 장착됐다. GE 측은 “2020년까지 3D프린팅 기술로 만드는 항공용 엔진 부품 수를 10만 개까지 늘릴 계획”이라고 밝히기도 했다.

2014년 국제생산기술박람회에선 미국 기업 로컬모터스(Local Motors)가 3D프린팅 기술로 만들어진 소형 전기차 ‘스트라티(Strati)’를 선보였다. 고속도로를 주행할 만한 수준은 아니었지만 차체 제조에 소요된 시간은 단 이틀. 디자인 작업을 거쳐 차량을 완성하기까지의 기간을 다 합쳐도 1주일이 채 안 걸렸다. 상용화되려면 시간이 좀 더 걸리겠지만 자신이 원하는 자동차를 직접 디자인하고 만드는 시대가 머지않은 것이다. 로컬모터스는 2016년 자율주행 기능을 갖춘 소형 버스 ‘올리(Olli)’를 3D프린팅 기술로 제작, 공개하기도 했다. 이런 추세를 감안할 때 3D프린팅은 가까운 미래에 자동차·비행기 등 운송 수단 제조 시 필수 기술로 떠오를 전망이다.

△ 로컬모터스가 공개한 전기차 ‘스트라티’(왼쪽 사진)와 자율주행 소형 버스 ‘올리’. 둘 다 3D프린팅 기술로 완성됐다(출처: 로컬모터스 공식 홈페이지)

3D프린팅 기술은 이 밖에도 건축·가구·의류·신발·의료 등 다양한 분야에서 알게 모르게 널리 쓰이고 있다. 미래 활약상은 더 기대를 모은다. 이미 유럽우주국(ESA)은 3D프린터로 우주기지 건설 프로젝트를 기획 중이다. 인공 장기를 만들기 위한 ‘줄기세포 3D프린팅’ 연구도 세계적으로 활발히 진행되고 있다. 특히 우주기지 건설 프로젝트의 경우, 3D프린터만 우주선에 실어 행성으로 보내고 현지 토양에서 건설 재료를 구해 기지를 세울 예정이라니 ‘도라에몽 4차원 주머니’가 따로 없다. ‘3D프린팅으로 세워진 화성의 어느 병원에서 3D프린팅으로 제작된 인공심장을 이식하는 수술이 집도되는’ 날이 곧 올지도 모른다.

△ ESA가 기획 중인 ‘3D프린팅 우주기지’ 개념도(왼쪽 사진)과 기지 건설에 쓰일 3D프린터(출처: ESA 공식 홈페이지)

국내 현실은 열악… 원천기술 확보와 시장 발굴 등 시급

3D프린팅 기술의 가능성은 무궁무진하다. 당장 나만 해도 불과 이삼 년 전 국내외 기술 전시회나 학회에서 보고 들은 얘기와 작년 이후 확인한 사실 간 차이가 상당하다. 과거 3D프린팅의 가능성을 타진하는 흐름이 주를 이뤘다면, 요즘은 자동차·항공·의료 등 실제 수요 업체나 업종을 중심으로 3D프린팅의 실제 공정 적용 사례와 제품 제작 성공담이 훨씬 더 자주 보고된다. 관련 기술이 발전하고 수요 시장이 성장하는 속도 둘 다 너무 빨라 3D프린팅의 미래를 감히 예측하기도 조심스럽다. 하지만 3D프린팅 기술이 제조업 현장과 사람들의 일상 환경을 크게 바꾸리란 것, 따라서 우리도 하루 빨리 그 변화를 받아들일 준비를 마쳐야 한단 건 분명한 사실이다.

아쉽게도 3D프린팅 분야에서 국내 기술 수준은 미국∙독일∙일본 등 해외 선진국에 비해 다소 열악한 게 사실이다. 3D프린팅 기술이 적용되는 부문도 상대적으로 제한적이다. 가장 큰 원인은 산업용 3D프린팅 관련 원천기술[3] 부재, 그리고 한정적 수요 시장이다. 창의적 발상과 시도로 3D프린팅 기술을 한발 앞서 이해, 응용하려는 제조 현장에서의 노력도 아쉽다.

3D프린팅은 단순히 기존 제작 방식을 대체하는 기술이 아니다. 3D프린팅 기술이 본격적으로 도입되면 △시스템을 디자인(혹은 설계)하고 △재료를 선정하며 △실제로 제작한 후 △(제작에 쓰인) 시스템의 신뢰성을 검증하는 전 과정이 이전과는 달라져야 한다. 이와 관련, 최근엔 디자인(혹은 설계) 분야에서 3D프린팅 기술의 장점을 극대화하는 방법론의 하나로 일명 ‘DFAM(Design For Additive Manufacturing)’의 중요성이 강조되고 있기도 하다. (다음 번 칼럼에선 DFAM 방법론에 대해 좀 더 상세히 살펴보고 DFAM이 적용된 국내외 사례도 소개하고자 한다.)

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1]ドラえもん(Doraemon). 일본 작가 후지코 후지오가 집필한 어린이 공상과학 만화. 1969년 어린이 잡지 쇼가쿠칸에 연재되며 인기를 끌었고 동명의 애니메이션도 세계적 화제를 불러일으켰다
[2]Wohlers Report. 미국 컨설팅 기업 홀러스어소시에이츠(Wohlers Associates)가 매년 펴내는 글로벌 3D프린팅 산업 현황 보고서
[3]여기서 ‘원천기술’이란 장비나 소재의 특허에 국한되지 않고 응용 부분 일체를 포함하는 개념이다

블록체인이라고 하면 많은 사람이 비트코인 같은 암호화폐를 떠올린다. 블록체인이 비트코인 덕에 유명해지긴 했지만 암호화폐는 블록체인 중에서도 금융(finance) 응용의 하나일 뿐, 둘의 개념이 같은 건 아니다. 블록체인은 암호화폐로서뿐 아니라 다른 산업 분야에서도 여러 응용 가치를 지니고 있다. 따라서 이 글에선 블록체인의 미래 산업 활용 가능성을 살펴보기 위해 블록체인의 기술적 체계와 의의부터 짚고자 한다.

핵심은 ‘온전하고 안전하게 저장되는’ 정보

블록체인의 사전적 정의는 ‘공개적으로, 또 시간 순(順)으로 거래 기록을 공유하는 분산 디지털 장부(distributed digital ledger for shared transactions chronologically and publicly)’다. 다소 복잡하게 들리지만 잘 풀어보면 용어의 기본 개념을 어느 정도 이해할 수 있다.

우선 “기록을 공개적으로 공유한다”는 말의 의미부터 살펴보자. 공개되고 공유된 기록은 사실상 조작하거나 왜곡하기 어렵다. 블록체인에서도 기록물의 변조나 왜곡을 막기 위해 ‘블록(block)’ 단위로 생성되는 기록을 여러 장소에 나눠(분산) 저장한다. 덕분에 블록체인에선 정보가 온전하게 저장될 수 있다. 그런가 하면 “시간 순으로 기록을 남긴다”는 표현은 뒤집어 말하면 기록(물)이 순서를 지니고 있어 그걸 기록할 수 있단 얘기가 된다.

마지막으로 살펴볼 표현은 “디지털 장부”다. 디지털 장부란 쉽게 말해 컴퓨터에 저장된 기록물이다. 실제로 컴퓨터는 현대인의 삶 곳곳에 영향을 주고 있다. 컴퓨터의 도입은 일상의 자료를 쉽게 복사할 수 있도록 해줄 뿐 아니라 복사된 자료와 원본 간 품질 차이마저 없애버렸다. 하지만 이런 장점은 ‘기록 장부 보관’ 측면에선 오히려 약점으로 작용한다. 누군가 악의를 갖고 기록을 조작하거나 잘못된 기록을 남겨도 수정된 사본과 원본 간 차이가 구분되지 않기 때문이다.

블록체인은 이 문제를 해결하기 위해 ‘암호 해시(hash)’란 기술을 사용했다. 블록체인에 처음 만들어진 기록이 온전한 형태로, 안전하게 보관될 수 있는 이유다. 특정 기록물을 온전하고 안전하게 다룰 수 있는 기술이 갖는 영향력은 상당하다. 비트코인 사례에서 이미 확인했듯 금전 거래야말로 이 같은 기술 없인 불가능한 개념이다.

은행 등 ‘중간자’ 없이 자체 기록 보관 가능

블록체인 이전엔 그런 기술이 없었느냐고? 그 질문에 대한 답은 일단 “있다”다. 블록체인에 비해 보안에 좀 더 취약하고 (기록물을 다루는) 중간자, 즉 은행이 필요하긴 해도 오늘날 일상에서 쓰이는 금융 거래 프로그램은 대체로 기록물을 온전하고 안전하게 보관해준다. 사람들은 은행에 돈을 맡긴 후 은행에서 “우리가 당신 돈을 갖고 있다”는 기록을 받는다. 그런데 그 기록은 믿을 수 있는 걸까?

사실 그런 걱정은 불필요하다. 기록에 대한 책임이 은행에 있기 때문이다. ‘타인의 접근을 원천적으로 막아 기록이 온전하고 안전하게 지켜질 수 있도록 하는’ 게 은행의 역할이다. 은행이 ‘(거래 기록을 지키는) 중간자’로 불리는 이유이기도 하다. 사람들은 기록을 믿는 게 아니라 중간자를 믿는다. 이처럼 과거 기술은 믿을 만한 중간자를 두고 중간자에게 타인의 접근을 차단하는 권한을 부여, 기록을 온전하고 안전하게 다루는 방식으로 구현됐다.

반면, 블록체인 기술에선 중간자를 없앨 수 있다. 다시 언급하겠지만 모두에게 공개되는 일명 ‘퍼블릭 블록체인(public blockchain)’을 활용하면 누구나 중간자 없이 자신의 기록이나 개인 간 거래 내역 따위를 온전하고 안전하게 보관할 수 있다. 그뿐 아니다. 블록체인 체계에서 새로운 내용을 저장하거나 검색할 순 있어도 이미 저장된 내용의 수정이나 삭제는 불가능하다. 블록체인 기술 자체가 ‘미더운 중간자’ 역할을 하는 셈이다.

중간자를 별도로 정하는 경우, 은행 수수료처럼 별도 비용을 지불해야 하는 건 물론이고 중간자를 믿을 수 없는 상황이 발생했을 때 큰 문제로 이어질 수 있다. 이에 반해 블록체인은 자체 유지비가 들긴 해도 별도 비용이 발생하는 건 아니다(블록체인이 어떻게 만들어졌는지 궁금하다면 다음 칼럼을 기다려주시길. 이 글에선 블록체인 기술을 보다 잘 이해하기 위해 신뢰성 얘기부터 다루고자 한다).

‘믿을 만한’ 정보 제공으로 인간을 움직이다

앞서 여러 차례 언급했듯 블록체인에 보관된 기록은 온전하고 안전해서 믿을(신뢰할) 수 있다. 디지털을 기반으로 하는 신뢰는 여러 생각을 변화시킨다. 여럿이 공동으로 사용하는, 믿을 수 있는 장부가 있다고 가정해보자. 여기엔 친구와의 약속에서부터 주요 아이디어가 누구 머리에서 나왔는지까지 전부 기록할 수 있다. 사용처가 병원이라면 의사 처방과 지시 사항, 그걸 잘 따랐는지 여부도 장부에 담긴다. 이렇게 정리된 내용은 혹시 생길 수 있는 의료사고의 책임 소재를 입증하는 데에도 요긴하게 쓰일 수 있다. 타인과의 계약 내용 역시 블록체인에 저장해두면 마치 별도 공증을 받은 것처럼 확인할 수 있다.

사람들은 종종 친구나 가족의 부탁을 받아 그들의 일을 대신 해준다. 친구가 못을 박아 달라고 하면 별 의심 없이 그렇게 한다. 그 못이 친구 건지, 못을 박아도 되는 벽인지 등의 문제는 고려하지 않는다. 부탁한 친구를 믿기 때문이다. 직장 상사의 지시 사항을 따르는 것도 그 상사를 믿어서다. 만약 상사가 매우 의심스러운 지시를 내리고 그 지시에 불법적 요소가 있다면 대부분의 부하는 그 지시를 거부할 것이다. 믿을 수 없기 때문이다.

신뢰는 타인의 행동을 유발할 수 있다. 블록체인 역시 개인 간 기록 측면에서 신뢰를 제공하는 기술인 만큼 기술 자체를 통한 행동 유발이 가능하다. 여기에 시간 순으로 어떤 활동이 있었는지, 그 활동은 왜 일어났는지 등에 관한 기록물로서의 역할도 겸한다. 블록체인의 이 같은 특질을 잘 활용하면 기업에서도 블록체인을 활용해 업무를 진행할 수 있다. 자동화도 가능해진다(보다 자세한 내용은 다음 칼럼에서 다뤄질 예정이다).

신뢰 규모·성격 따라 ‘퍼블릭’ ‘프라이빗’ 구분

(실제로 그런 나라가 존재하진 않겠지만) 아직 발견되지 않은, ‘먼’이란 나라가 있다고 생각해보자. 그 나라에도 화폐가 있겠지만 아직 발견되지 않은 나라이기 때문에 우린 그 화폐의 존재 여부를 알지 못한다. 그런데 누군가 우리에게 먼 나라에서 통용되는 화폐를 준다면 우린 그걸 돈으로 사용할 수 있을까? 좀 더 현실적인 비유를 들 수도 있다. 누군가 아프리카 어느 나라에 가서 5만 원권 지폐를 내밀었다고 치자. 그 나라 사람들은 지폐를 받을까, 안 받을까?

아마 질문을 받은 사람 대부분은 “안 받는다”고 답할 것이다. 발견되지도 않은 나라를 신뢰할 수 없기 때문에 그 나라의 돈 역시 믿을 수 없는 것이다. 대한민국의 존재를 모르는 아프리카 어느 나라 국민의 입장도 다르지 않다. 이처럼 신뢰의 성격은 국지적이다.

블록체인 기술 중에도 ‘소규모 집단 내에서 그들끼리만 신뢰를 나누는’ 형태가 있다. 이를 (보편적 신뢰를 제공하는) 퍼블릭 블록체인과 비교해 ‘프라이빗 블록체인(private blockchain)’이라고 한다. 프라이빗 블록체인을 이용하려면 인터넷 사이트를 이용하듯 해당 시스템에 참여해 인증을 받아야 한다. 반면, 퍼블릭 블록체인을 이용하고자 한다면 자신이 누군지, 즉 디지털 아이덴티티(digital identity)를 스스로 밝혀내는 절차가 필요하다.

블록체인 기술, 자기계발 의지와 만난다면?

우린 아직 블록체인이 제공하는 신뢰를 암호화폐 형태로만 사용하고 있다. 하지만 앞서 살펴본 것처럼 신뢰는 모든 행동의 원인이 될 수 있다. 어쩌면 금전적 가치보다 발전을 향한 의지, 혹은 업무 성공을 향한 자기 만족이 오히려 더 큰 가치로 작용해 활발하고 적극적인 사회의 동력이 될 수도 있다. 이렇게 볼 때 블록체인이 지닌 가치는 무궁무진하며 사람들은 그중 극히 일부만 활용하고 있는 셈이다. 블록체인에도 분명 단점과 한계가 존재한다. 하지만 분명한 건 미래 활용 가치가 높은, 유망한 기술이란 사실이다(다음 회차에선 블록체인을 구성하는 기술을 알아보고 그 한계에 대해서도 살펴보겠다).

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

최근 ‘다 아는 단어인데도 뜻이 확실히 뭔지 애매한’ 말들이 범람하고 있다. 대표적인 게 4차 산업혁명이나 인공지능 같은 것들이다. 산업혁명이라고 하면 누구나 증기기관이나 전기에너지에 의한 대량 생산을 떠올릴 것이다. 흔히 4차 산업혁명의 핵심 기술은 인공지능이라고들 한다. 그런데 사람들에게 인공지능이 뭐냐고 물어보면 반응은 대략 두 가지로 요약된다. 경쟁사의 성공 사례에 고무된 경영층이라면 “모든 문제를 해결해줄 수 있는 만능 열쇠”라 할 테고, 인공지능을 한번쯤 배워본 사람이라면 “왕년에 써봐서 잘 아는데 말만 그럴듯하지 아무짝에 쓸모 없다”고 말할 것이다. 이처럼 ‘극과 극’ 반응이 나타나는 이유는 뭘까?

인공지능이 유독 어렵게 느껴지는 이유

인공지능을 한마디로 정의하긴 어렵다. 지능이란 것 자체가 모호해 인공적 재현이 힘든 까닭이다. 일반적으로 지능은 ‘외부를 인식하고 추론하며 적응하는 능력’으로 정의된다. 하지만 인간조차 그런 기능이 어떻게 발현되는지 모르는 상태에서 전통적 방법으로 지능을 만드는 건 결코 쉽지 않다. 일반적으로 인간에게 “어렵다”고 여겨지는 행위, 이를테면 △큰 수를 곱하거나 미적분 하기 △체스나 바둑 두기 △금융 시장에서 투자 결정 내리기 등은 컴퓨터로 비교적 쉽게 처리할 수 있다. 반면, △사진 보고 개인지 고양이인지 구별하기 △동화책 읽고 그 내용 이해하기 등 인간이 쉽게 해내는 행위를 컴퓨터로 구현해내긴 어렵다. 이 같은 현상을 ‘모라벡의 역설[1]’이라고 한다.

실제로 우리가 쉽다고 느끼는 일은 대부분 매우 복잡하다. 쉽게 보이는 건 오랜 진화 과정을 거치며 최적화됐기 때문이다. 하지만 큰 수의 곱셈이나 체스 등은 진화 과정 중 겪어보지 못한, 생소한 일이다. 인공지능이 어려운 건 그게 기술인 동시에 풀어야 할 문제이고, 하나의 기술이 아니라 다양한 기술을 일컫기 때문이다. 말하자면 인공지능은 고유명사라기보다 보통명사에 가까우며, 그 때문에 접근하기가 더 까다롭다.

빅데이터 분석, 관리하는 핵심 소프트웨어

최근 널리 회자되는 4차 산업혁명은 사람과 사물, 공간을 초(超)연결해 산업 구조와 사회 체계에 혁신을 일으키는 게 골자다. 이는 세계 경제의 저성장 고착화와 경제인구 고령화에 따라 선진국을 중심으로 자본주의 경계를 지속하기 위한 시도라고 볼 수 있다.

오늘날 관련 기술 발달로 예전에 비해 정확도가 매우 높으면서 가격이 대폭 저렴해진 센서를 다양한 지점에 부착할 수 있게 됐다. 또한 정보통신 기술의 비약적 발전에 힘입어 자동 생산과 지능형 시스템 구축을 위한 요소기술도 완비됐다. 사물인터넷(IoT)은 이 같은 센서와 네트워크를 활용, 각종 빅데이터를 쏟아낸다. 결국 이를 효과적으로 관리, 분석하는 소프트웨어가 필요한데 그게 바로 인공지능이다.

인공지능 하면 대부분 막연하게 공상과학 영화를 떠올린다. 하지만 현실에서 인공지능 소프트웨어는 제조 현장에서 쏟아지는 빅데이터를 지능적으로 처리, 제조업 분야의 효율성과 서비스업 분야의 편의성을 높이는 데 활용된다. 이때 쓰이는 인공지능 기술은 대부분 고도의 계산을 필요로 하기 때문에 ‘클라우드 컴퓨팅’으로 대변되는 고성능 컴퓨팅 자원 활용이 필수다. 그렇게 되면 마치 컨트롤 타워처럼 빅데이터를 분석, 관리하는 소프트웨어로서 핵심적 역할을 수행할 것이다. 인공지능이 필요에 따라 상황을 해석하고 스스로 자동 갱신함으로써 새로운 차원의 산업혁명이 가능해지는 셈이다.

‘문제 해결형’ 컴퓨터 코딩 능력 키워야

불과 60여 년간 인공지능은 ‘무협지에서나 가능할 법한’ 부침을 겪으며 점진적으로 발전해왔다. 초창기 연구진은 인공지능을 너무 쉽게 생각해 ‘다양성’과 ‘예외성’으로 대변되는 지능의 본질 앞에서 좌절하기 일쑤였다. 이후 그들은 문제에 봉착할 때마다 전문가 시스템과 신경망, 딥러닝(deep learning)에 이르기까지 실로 다양한 방법을 시도했다. 혹자는 인공지능을 “어떤 문제도 해결할 수 있는 마법의 열쇠”로 여긴다. 하지만 인공지능으로 성공을 거두려면 풀고자 하는 문제를 잘 이해하고 정형화하는 노력이 선행돼야 한다.

또한 최근 인공지능 분야의 대세는 오픈소스[2] 환경이다. 예전엔 하나의 기술이 개발, 보급되기까지 수년이 걸렸는데 최근엔 깃허브[3] 같은 오픈소스 공간에 거의 실시간으로 개발된 내용이 공개되고 있다. 모든 게 공개되는데다 플랫폼에서 쉽게 사용할 수 있게 되면서 한편에선 “더 이상 인공지능에 컴퓨터 프로그래밍은 필요 없다”는 얘기도 나온다.

그런데 역설적이게도 모든 게 공개되는 환경에선 소프트웨어 엔지니어의 능력이 오히려 ‘차별화 포인트’로 작용한다. 결국 관건은 실시간으로 공개되는 코드를 신속하게 입수하고 쉽게 사용할 수 있도록 하는 것이다. 최근 컴퓨터 코딩에 대한 관심이 높은데 인공지능 시대엔 ‘문제 해결형’ 컴퓨터 코딩 능력을 키우는 것이야말로 성공의 지름길이다.

‘지레 포기’는 금물… 인내와 끈기 필요

인공지능의 역사를 돌이켜보면 ‘태양 아래 새로운 건 없다’는 말이 떠오른다. 딥러닝처럼 매우 새로운 듯 보이는 기술도 실은 꽤 오래전 만들어진 방법인 경우가 허다하다. 그럼 왜 그땐 실패하고 지금은 성공했을까? 가장 큰 이유는 실제로 해보기도 전 지레 포기한 데 있다. ‘이렇게 복잡한 문제가 이 정도 방법으로 풀릴 리 없다’는 생각에 시도조차 안 한 것이다. 설혹 시도했다 해도 끝까지 가보기도 전 중단했다면 그 역시 실패의 원인일 수 있다.

인공지능을 ‘막연한 미래 기술’이 아니라 ‘4차 산업혁명 시대를 선도하는 실질적 기술’로 활용하려면 어떻게 해야 할까? 실제 문제를 해결하려면 완성된 인공지능 기술 하나를 사용하기보다 최선의 기술을 둘 이상 모아 일종의 ‘솔루션 아키텍처(solution architecture)’를 만들어야 한다.

인공지능 분야엔 수십 가지의 다양한 기술이 존재한다. 각 방법에 따른 특장점이 존재하므로 실제론 이들을 복합적으로 활용하면 시너지 효과를 거둘 수 있다. 이렇게 볼 때 인공지능 기술 자체도 중요하지만 그것 못지않게 풀고자 하는 문제의 특성을 체계적으로 분석, 정리하고 각 부분에 적합한 인공지능 기술을 복합적으로 활용하는 자세가 필요하다.

최근 성공을 거둔 인공지능 기술 아이디어도 처음 발표됐을 당시엔 (컴퓨터 환경의 제약이 있긴 했지만) 끝까지 가지 않고 중도에 포기한 경우가 많았다. 따라서 당면한 문제를 잘 정형화해 적절한 인공지능 기술을 결정했다면 끝까지 밀어붙이는 인내와 끈기로 성공을 거둘 수 있을 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Moravec’s Paradox. ‘인간에게 쉬운 건 컴퓨터에게 어렵고 인간에게 어려운 건 컴퓨터에게 쉽다’는 역설. 1970년대 미국 로봇공학자 한스 모라벡(Hans Moravec)이 컴퓨터와 인간의 능력 차를 설명하기 위해 처음 언급했다
[2] open source. 인터넷 등을 통해 소프트웨어의 설계도에 해당하는 소스코드를 무상으로 공개해 누구나 개량, 재배포할 수 있도록 하는 것
[3] GitHub. 깃(Git, 분산 버전 관리 도구의 일종) 사용 프로젝트를 지원하는 웹호스팅 서비스

알래스카는 자연산 연어로 유명하다. 그곳 남동부 항구도시 발데즈의 연어 부화장을 가서 본 적이 있다. 아시다시피 연어는 민물에서 나고 바다로 나가 성장한 후 산란기가 되면 고향으로 돌아와 알을 낳고 생을 마감한다. 산란지를 찾기 위해 수로를 따라 거슬러 오르는 연어들의 몸짓은 치열하다. 자칫 사냥 나온 곰의 끼니가 되기 쉽고, 몸싸움 끝에 뭍으로 밀려나면 갈매기 밥이 되기도 한다. 수면 위로 펄떡이는 놈이나 강변에서 헐떡이는 녀석을 보노라면 그 삶의 무게에 만감이 교차한다.

산란 끝낸 알래스카 연어의 운명

노벨상 수상 미국 생물학자 조지 월드[1]의 강연록을 보면 생물학적 삶과 죽음의 의미가 나온다. 생명의 순환에서 보자면 죽음은 삶과 짝을 이루는 통과의례다. 아메바는 죽음을 모른다. 단세포는 끊임없는 분열로 자기 복제본을 만들어낼 뿐이다. 그런 점에서 불멸이다. 하지만 생명은 새로운 재생산 방식을 만들어냈다. 유성생식이다. 유성생식을 하는 모든 유기체는 단세포(수정란)에서 생식세포와 체세포로 분화한다. 생식세포는 자기증식으로 불멸을 이어가지만 체세포(그 합이 몸이다)는 생식세포의 충실한 운반체가 된다. 반대편 생식세포(난자 혹은 정자)와의 만남이 성사되면 임무를 마치고 퇴장한다. 우린 그걸 ‘죽음’이라 부른다.

앞서 말한 알래스카 연어만 해도 새 생명을 위한 산란의 여정이 곧 죽음을 준비하는 길임을 보여준다. 연어가 산란지로 회귀할 때엔 소화기관마저 퇴화한다. 산란을 마친 성어는 겉보기엔 멀쩡하지만 기능적으론 막바지다. 이 시기엔 식도로 먹이를 밀어 넣어도 소화를 못 시킨다. 임무를 완수한 신체에게 생명은 작별을 고한다.

장어도 마찬가지다. 대서양을 사이에 둔 미주와 유럽 해안의 장어는 산란기가 되면 사르가소[2]의 심해로 모여든다. 산란을 마친 성어는 사멸하고 어린 장어는 홀로 고향 바다로 향한다. 미주 장어는 미주로, 유럽 장어는 반대편으로 가는데 헷갈리는 법이 없다. 어린 녀석들이 초행길을 어떻게 찾아가는진 수수께끼다. 덴마크 물리학자 닐스 보어[3]는 이를 두고 이렇게 말한 적이 있다. “새끼 장어들이 언제나 완벽하게 길을 찾아가는 건 자신들이 어디로 가고 있는지 모르기 때문일 겁니다.” 자유와 자율, 창조와 방황의 의미를 꿰뚫는 절묘한 해석 아닌가.

“내일 삶을 끝낼 수 있어 기쁘다”

얼마 전 죽음에 관한 뉴스가 있었다. 특이했다. 호주 생태학자 데이비드 구달(David Goodal) 박사 얘기다. 자결(自決)을 발표하고 실행하기까지의 전 과정이 실시간으로 세계 언론을 탔다. 104세에 이르러 스스로 존엄사를 결행한 그는 마지막 기자회견까지 열었다. “내일 삶을 끝낼 기회를 얻게 돼 기쁘다”고 했다. ‘환희의 송가’를 들으며 스스로 약물 밸브를 열어 생의 출구로 의연히 퇴장했다. 이런 일이 있었던가?

인간에게 삶과 죽음의 시기란 어찌할 수 없는 운명이었다. 동서양을 막론하고 신성불가침의 영역에 속했다. “죽지 못해 산다”는 말은 곧잘 해도, 마지못해 호흡기를 떼는 일은 있어도, 죽음을 함께 자축할 순 없었다. 구달 박사는 이런 통념에 금을 내고 떠났다. 연명이 무의미한 삶을 왜 이어가야 하는가. 그는 홀가분하게 떠났지만 우리에게 남긴 질문은 가볍지 않다.

아직 번역되지 않은 스티븐 핑커[4]의 신간 ‘지금, 계몽주의(Enlightenment Now)’엔 이런 일화가 나온다. 그가 대학에서 강연할 때의 일이다. 인지과학자인 그가 “인간의 정신적 삶은 뇌세포 활동 유형(pattern)으로 구성된다”고 하자 한 여학생이 손을 들고 물었다. “그런 삶을 내가 살아야 할 이유는 뭔가요?” 특별히 자살 의사가 비치거나 냉소적인 투의 질문이 아니었다. 이 책에서 핑커는 “불멸의 영혼에 관한 전통적·종교적 믿음이 과학으로 전복되고 난 후, 사람들이 떠올리게 된 삶의 의미와 목적에 관한 진지한 의문”이라고 썼다. 그의 책은 여학생의 질문에 대한 필사적 답변으로 봐도 무방하다. (그는 책에서 계몽주의의 유산인 이성·과학·휴머니즘·진보를 강력히 변론한다. 성공했을까. 평은 지금까지도 엇갈린다. 차차 얘기할 기회가 있을 것이다.)

오래, 풍요롭게 사는 게 전부일까?

오늘날 첨단 기술은 인간의 삶을 풍요롭게 만들고 있다. 적어도 많은 이가 그렇다고들 한다. 104년을 살다 간 구달 박사도 그 덕을 봤을 것이다. 하지만 역설적이게도 길어진 삶의 의미와 방향에 관한 물음 또한 절박해지고 있다. 많은 게 가능해지면서 오히려 왜 굳이 그걸 해야 하는지 묻는 사람도 늘고 있다. 요즘 국내외를 막론하고 정체성 문제가 뜨거운 사회 쟁점으로 떠오른 것 역시 (오랜 차별과 불평등 문제 외에도) 자신의 존재 의미를 찾으려는 깊은 욕구와 관련 있어 보인다.

한나 아렌트[5]는 일찍이 자신의 책 ‘인간의 조건’(1958)에서 현대 사회를 두고 “목적이 없기 때문에 끊임없는 생산 과정을 절대화하게 됐다”고 진단했다. 그는 인간의 실존적 조건을 오히려 시작과 끝, 자신의 용어로 ‘탄생성(natality)’과 ‘필멸성(mortality)’에서 찾았다. 인간 개인은 반드시 죽을 수밖에 없는 존재지만 불멸의 업적이나 흔적을 남김으로써 불멸성을 얻고 자신의 ‘신(神)적 본성’을 증명해 보이려 한단 것이다.

스티브 잡스도 2005년 미국 스탠퍼드대 졸업 축사에서 자신의 인생을 세 가지 얘기로 요약하면서 마지막 세 번째를 죽음에 할애했다. “우리 모두 언젠간 죽습니다. 아무도 피할 수 없죠. 삶이 만든 최고 작품이 죽음이니까요. 죽음은 삶의 또 다른 모습입니다. 죽음 덕분에 새것이 헌것을 대체할 수 있습니다. 지금 여러분은 ‘새로움’이란 자리에 서 있습니다. (중략) 그러니 낭비하지 마십시오. 도그마에 잡혀 다른 사람들의 생각에 얽매이지 마세요. 타인의 잡음이 여러분 내면의 진정한 목소리를 방해하지 못하게 하세요. 가장 중요한 건 마음과 영감을 따르는 용기입니다. 마음과 영감은 여러분이 진정으로 바라는 걸 이미 알고 있습니다.”

죽음을 준비할 때 생각해야 할 것

당시 그는 췌장암을 앓고 있었다. 그로부터 6년 후 눈을 감았고 같은 달 자신의 이름을 딴 900쪽짜리 평전으로 환생했다. 책엔 그가 직접 쓴 마지막 글도 실렸다.

“우리 중 많은 사람들도 인류에게 무언가 기여하기를, 그런 흐름에 무언가 추가하기를 바란다. 이것의 본질은 우리 각자가 알고 있는 유일한 방식으로 무언가를 표현하려고 노력한다는 것이다. 우리는 자신의 재능을 발휘해 깊은 감정을 표현하고 이전 시대에 이뤄진 모든 기여에 고마움을 표현하고 그 흐름에 무언가를 추가하려고 노력한다. 이것이 나를 이끌어준 원동력이다.”

56세에 마감한, 준비된 죽음이었다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] George Wald(1906~1997). 망막 내 단백질 로돕신 연구로 1967년 노벨생리∙의학상을 받았다(공동 수상)
[2] Sargasso. 북대서양의 미국 바하마제도 동쪽 앞바다. 모자반류(Sargassum natans)가 풍부하다고 해 붙여진 명칭이다
[3] Niels Bohr(1885~1962). 원자 구조 이해와 양자역학 성립에 기여한 공로를 인정받아 1922년 노벨물리학상을 받았다
[4] Steven Pinker. 미국 심리학자 겸 대학(하버드대) 교수. 1998년과 2003년 퓰리처상을 수상했다
[5] Hannah Arendt(1906~1975). 독일 태생의 유대인 철학사상가

올 초 평창의 밤하늘은 오륜기∙스노보드맨∙수호랑으로 변하는 1218대의 드론 덕에 유난히 밝게 빛났다. 2018 평창동계올림픽 폐막식 당시 소형 드론 300대가 보여준 라이브쇼는 ‘아이언맨’ 윤성빈 선수의 질주가 돋보였던 스켈레톤, 어느덧 익숙해진 “영미!” 외침이 인상적이었던 컬링만큼이나 사람들에게 큰 감동을 선사했다.

영상 제작, 농업 관리… 최근엔 ‘드론레이싱’ 인기

드론은 현대인의 일상에 생각보다 훨씬 더 가까이 와있다. ‘1박2일’ ‘삼시세끼’ ‘윤식당’(이상 tvN) ‘도시어부’(채널A) 등 적지 않은 TV 프로그램이 드론으로 주요 장면을 촬영한다. ‘지미집(Jimmy Jib)’으로 불리는, 크레인 같은 구조물 끝에 카메라를 매달아 하늘에서 내려다보는 듯한 장면을 촬영하던 때가 있었지만 요즘은 드론을 써서 손쉽게 눈이 시원해지는 야외 광경을 확보한다.

선진국에선 이미 10여 년 전부터 드론을 영상 제작에 활용해왔다. 실제로 △뉴올리언스 허리케인(2005) △미국 캘리포니아 산불(2007, 이상 미국) △아이티 지진(2010) 등 자연재해 현장을 누빈 드론 촬영 영상은 셀 수 없을 정도다. 드론이 출현하기 전에도 소형 무인 헬리콥터에 카메라를 달아 항공 촬영을 시도하곤 했다. 하지만 엔진으로 구동되는 기체(機體)의 특성상 진동이 심한 게 문제였다. 반면, 드론엔 기체의 움직임을 보정할 수 있는 짐벌(Gimbal∙수평유지장치)이 탑재돼 이 같은 한계에서 비교적 자유롭다.

드론 활용 영역은 예상 외로 다양하다. 일례로 농지 작황을 파악하고 농약을 살포하는 작업, 거대 교각이나 플랜트를 점검∙감시하는 일에도 드론이 쓰일 수 있다. 또 하나 흥미로운 응용 분야는 프로 리그로 발전 중인 드론레이싱(drone racing)이다. 2016년 두바이에서 개최된 드론레이싱대회 ‘월드드론프리(World Drone Prix)’ 당시엔 한국 소년 김민찬(12)군이 ‘프리스타일’ 부문에서 최연소 우승을 거머쥐며 주목 받기도 했다.

드론레이싱은 쉽게 말해 무선 드론 조종 경주 대회다. 경주에 출전하는 파일럿은 헤드온고글을 쓴 채 드론이 비행하는 동안 실시간으로 들어오는 영상을 보며 드론을 조종한다. 드론에 장착된 카메라로 촬영된 이 영상은 FPV(First Person View) 형태여서 파일럿에게 마치 실제 드론에 탑승한 듯한 느낌을 선사한다. 최대 시속이 150㎞에 이를 정도로 속도감이 대단한데다 여러 장애물을 곡예 비행으로 통과할 수도 있어 레이싱 장면은 F1 자동차 경주대회만큼이나 박진감 넘친다. 해외에서 드론레이싱 프로리그가 시작된 건 2016년. 하지만 불과 2년여 만에 ESPN 등 스포츠 채널에서 전 세계 70여 개국에 경주 장면이 중계될 정도로 인기를 누리고 있다. 이 기세대로라면 조만간 F1에 버금가는 글로벌 스포츠 엔터테인먼트 사업으로 성장할 수도 있을 전망이다.

‘4개 모터 탑재형’이 일반적… 자세∙속도 자동 제어

드론이 단기간에 대중적으로 보급될 수 있었던 비결은 뭘까? 일단 드론은 무선조종(Radio Control, RC) 헬리콥터와 달리 일반인도 요령만 익히면 누구나 쉽게 조종할 수 있다. 뿐만 아니라 대당 가격도 일반인이 충분히 넘볼 수 있을 수준으로 내려왔다. 물론 그 과정에서 실로 다양한 기술이 적용됐다.

드론은 4개(혹은 6개) 모터가 쌍을 이뤄 시계 방향으로, 또 반시계 방향으로 회전하며 추진력을 얻어 날아간다. 4개 모터를 이용한 드론이 보다 일반적인데 이를 쿼드로터(Quadroter) 혹은 쿼드콥터(Quadcopter)라고 한다(흔히 ‘드론’이라고 하면 쿼드로터를 이를 때가 많다). 소형 엔진으로 구동되는 RC 헬리콥터와 달리 드론엔 BLDC 모터[1]가 탑재돼 제어가 좀 더 용이하다. 반면, 모터의 추진력만으로 띄워야 해 기체 무게를 줄이는 게 중요하다. 강성을 유지하면서도 기체 무게를 줄이기 위해 탄소섬유복합소재(carbon fiber)가 쓰이는 이유다.

또 하나, 드론을 일반인이 조종할 수 있으려면 모터 속도나 자세가 자동으로 제어돼야 한다. 일반적인 GPS의 정확도는 수 미터(m) 수준이다. 내비게이션 장치를 켜고 자동차 전용 도로를 주행할 때 평행하는 길이 있는 곳에서 가끔 내비게이션이 오작동할 때가 있다. 내비게이션 자체에 트래킹(tracking) 알고리즘이 탑재돼있지 않고 GPS 값만 보정, 위치를 인식하는 탓에 오차가 ‘두 길의 떨어진 거리 이상’ 나면 위치를 헷갈리는 것이다. 이와 달리 드론에선 △동작을 감지할 수 있는 MEMS[2] 기반 IMU[3] △바닥을 보며 광학적 흐름(optic flow)를 읽어내는 카메라 센서 △외부에서 위치는 알려주는 GPS 등이 복합적으로 작동, 자동 자세 제어가 가능하다. 누구나 쉽게 드론을 조종할 수 있는 비결이다.

지금껏 살펴본 드론은 모두 ‘직접 조종’ 방식으로 제어된다. FPV 형태로 보든 맨눈으로 보든 파일럿이 드론 비행 동작을 느끼고 살필 수 있는 것. 사람이 조종하더라도 드론 제어의 상당 부분은 이미 자동화됐다. 쿼드로터의 경우, 4개 모터 속도가 잘 제어돼야 원하는 대로 움직일 수 있다. 마주 보는 모터가 짝을 이뤄 시계 방향, 혹은 반시계 방향으로 회전한다. 한쪽 방향으로만 돈다면 공중에 떠오르는 추진력은 얻을 수 있지만 몸체가 반대 방향으로 회전하게 된다. (모멘텀이 일정해야 하니까!) 헬리콥터도 이런 몸체 회전을 막기 위해 자그마한 꼬리 날개가 돌고 있다.

쿼드로터는 2개의 짝으로 모터 회전 방향을 달리해 몸체 회전 문제를 해결한다. 공중에 떠오른 드론은 상하좌우, 그리고 롤(Roll)[4]∙피치(Pitch)[5]∙요(Yaw)[6] 등 모두 여섯 방향으로 움직일 수 있다. 하지만 제어할 수 있는 건 4개 모터 속도다. 즉 2개의 자유도가 부족한 부족자유도 시스템이다. 평행주차, 즉 △주차 공간에 나란하게 차를 위치시키고 △운전자 어깨 선에 앞쪽 경계선을 맞춘 후 △핸들을 꺾어 후진하여 들어간 다음 △다시 반대 방향으로 핸들을 꺾는 등 차량을 옆으로 움직이기 위해 앞뒤로 조작하는 상황을 떠올리면 이해하기 쉽다.

드론은 4개의 모터를 제어해 여섯 방향의 움직임을 만들어낸다. 사람이 조종하는 드론 역시 4개 모터를 적절히 제어해 원하는 방향으로 날려보낼 수 있도록 설계된다. 드론에서 이런 성능을 수행하는 게 비행 컨트롤러(flight controller)다. 드론이 땅과 수평 방향으로 움직이려면 우선 자세를 움직이고자 하는 방향으로 숙인 후 4개 모터 속도를 높여야 한다. 바로 이 과정에서 비행 컨트롤러가 작동한다.

‘바둑돌 1000개 한 명이 동시에 움직이는’ 정교함

▲ 불빛을 머금은 드론들이 하늘에 활자를 만드는 쇼를 선보이고 있다 (출처 : 인텔 ‘슈팅스타’ 드론 공식 홈페이지)

수많은 드론이 한꺼번에 비행하며 조직적 움직임을 만들어 내려면 더 많은 부분에서 자동화된 제어가 이뤄져야 한다. 평창 드론쇼를 예로 들면 오륜기∙수호랑 등 구체적 대상의 모양이 점으로 표시된 후 드론이 각 점의 위치로 이동해야 한다. 이때 조종자는 각 드론의 위치를 센티미터(㎝) 단위 정확도로 제어할 수 있어야 한다.

평창 드론쇼를 연출한 ‘슈팅스타’ 드론 팀은 지상에 베이스 스테이션(base station)을 두고 GPS의 위치 정확도를 높인 RTK(Real-Time Kinematic) GPS를 이용해 드론 위치를 인식했다. 모든 드론의 위치를 정확히 측정, 원하는 방향으로 움직여 특정 형상을 만들어내는 일은 흡사 1000개의 바둑돌을 동시에 움직이는 것과 같다. 그 작업을 한 사람이 동시에 수행하는 것, 바로 그 일을 슈팅스타 팀이 평창에서 해냈다.

그렇다면 미래의 드론은 어떤 모습일까? ‘스타워즈’ 시리즈나 ‘제5원소’와 같은 영화 속 미래 풍경엔 ‘드론 택시’가 등장한다. 드론 택시엔 ‘로봇 파일럿’으로 표현되는 자율 비행 기능이 있어 빌딩 숲 사이를 스스로 인식하며 질서 정연하게 날아 다닌다. 2차원 평면에서 1차원 길을 따라 움직이는 무인자동차와 달리 자율 비행 드론은 3차원 공간에서 비행해야 하는 만큼 무인자동차와는 또 다른 문제를 내포하고 있다. 다음 회에선 자율 비행 드론에 대해 얘기하고자 한다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] brushless DC motor. 코일을 기계적인 브러시가 아닌 트랜지스터로 변환하는 것으로 브러시가 없기 때문에 스파크가 발생하지 않고 가스 폭발의 위험도 없다. DC 보통 모터보다 수명이 길기는 하나 값이 비싼 것이 흠이다.
[2] Micro Electro-Mechanical System(초소형 전자기계 체계)
[3] Inertial Measurement Unit(관성 측정 장치)
[4] 좌우로 회전하는 것
[5] 앞으로 쏠릴 때 기울어지는 방향
[6] Z축 뱡항으로 회전하는 것