AD
■ 방송 : YTN 라디오 FM 94.5 (09:00~10:00)
■ 진행 : 조태현 기자
■ 방송일 : 2026년 1월 7일 수요일
■ 대담 : 이재욱 교수 (서울대 컴퓨터공학과, AI연구원장)
- AI전쟁, 최종승자는? 엔비디아 vs 구글? "구글이 승리할 것..TPU 자체 칩 보유 검색 이메일 광고 등 서비스 갖고 있고, 엔비디아 의존성도 낮아"
- 챗GPT, 언어이해 추론 특화..자연스런 대화 창의적 글쓰기에 강점, 심리상담까지
- 구글 제미나이, 검색 유튜브 등 구글 서비스와 연계..동영상 요약 등 뛰어나
- 이세돌-알파고 대국 이후 올해 10년째..2022년 챗GPT 통한 생성형 AI가 기폭제 역할, 2026년은 '피지컬AI'가 본격화할 것..'에이전틱AI' 확산
- 젠슨황 '피지컬AI 첫 사례는 자율주행차', 이미 학습된 데이터 존재, 경제적 가치 명확해 빠른 상용화 가능할 것
- 美, 피지컬AI 활용 '디지털 리쇼어링' 통해 제조업 부활 꿈꿔
- 美, 'AI판 맨해튼 프로젝트'인 '제네시스 미션' 가동 시작, 세계 최대 규모 과학데이터셋과 슈퍼컴을 하나로 통합하는 과학안보플랫폼 구축
- 中, 美 '제네시스 미션'에 대응되는 'SSC넷' 계획..中 전역 30개 이상 슈퍼컴퓨팅센터 고속망으로 연결
- 中 AI기술, 美와 동등하거나 특히 제조 부문에선 미국보다 높은 수준
- 中, 제조업 분야 강점 VS 美, 엔비디아 같은 컴퓨팅 범용모델 자산갖고 있어
- 미중이 AI 전략화하는 이유? AI가 가진 '증폭장치' 때문..'피지컬AI', 정보의 주권 넘어 행동의 주권까지 확장시켜
- 엔비디아 '베라 루빈', 학습과 추론이 둘다 가능한 범용 반도체..삼성·하이닉스의 HBM이 핵심기술
- AI인프라 문제..전세계 AI컴퓨팅 캐파의 3/4이 미국에, 韓 메모리 반도체는 세계1위지만, 데이터센터는 미국의 2% 불과
* 아래 텍스트는 실제 방송 내용과 차이가 있을 수 있으니 보다 정확한 내용은 방송으로 확인하시기를 바랍니다.
◇조태현: 네. 2026 경제 전망 오늘은 두 번째 시간입니다. 요즘은 그냥 AI 대전환이 아닙니다. 엊그제부터 시작한 세계 최대의 IT 박람회 CES 2026에서 나오는 각 기업들의 테마를 보면요. 다들 피지컬 AI로의 대전환을 이야기하고 있습니다. 젠슨황 NVIDIA CEO 역시 "피지컬 AI 기업으로 NVIDIA가 방향점을 잡았다"라고 선언하기도 했죠. AI만 들어도 아직까지 익숙하지 않으신 분들 많을 텐데, 피지컬 AI까지 나와서 당황스러운 분들도 있을 것 같습니다. 그래서 오늘은 서울대학교 AI 연구원장을 맡고 계신 이재욱 교수님과 함께 이야기 나눠보도록 하겠습니다. 교수님 어서 오십시오.
●이재욱: 네 안녕하세요.
◇조태현: 교수님께서는 서울대 컴퓨터 공학과에서 학생들을 가르치고 연구를 하시는 분이잖아요? 그런데 최근에 언론 보도를 보니까 ‘컴공 예전만 못하다, 철학과 언어학이 뜬다’ 라는 이야기가 나오더라고요. 이거 역시 AI가 바꾸는 흐름이라고 봐야 되는 겁니까?
●이재욱: 예. 과거에는 사실 소프트웨어를 어떻게 짜느냐 이런 것들이 중요했다고 하면은, 그런 기술적인 부분은 AI가 상당 부분 좀 대신하는 것이 사실이고요. 근데 이런 것들이 어떻게 보면은 컴퓨터 공학자의 자리를 뺏는다기보다는 역할의 진화라고 보는 것이 맞는 것 같고요. 그러니까 예를 들어서 예전에 자동차가 사실 대중화됐을 때 마차를 몰던 마부라는 직업이 운전기사라는 어떤 새로운 직업으로 진화를 한 것처럼, 그 코딩을 하는 부분이 지금 상당히 AI로 자동화가 많이 되고 있지만 그 코드로 무엇을 할 것인지, 그리고 왜 그것을 해야 하는지 이런 것들은 여전히 인간의 영역이죠. 그래서 저희 컴퓨터 공학의 교육 과정도 그런 것들에 맞춰서 진화를 하고 있고요. 결국은 저희가 교육에서도 지금 중점을 두는 부분이 문제 정의와 해결 능력이거든요. 그래서 단순히 개발자가 어떤 코드를 짜는 사람이 아니라, 복잡한 현실 문제를 정의를 하고, AI가 내놓은 결과물을 평가하고 검증을 하면서 어떻게 보면 전체적인 시스템을 설계하는. 그런 디자이너가 되어야 합니다. 그래서 말씀하신 대로 철학이나 언어학처럼 인간과 세상에 대한 어떤 깊은 이해를 다루는 학문이 더 중요해지는 이유이기도 하고요. 자신의 관점 관심 분야에서 AI라는 도구를 얹어서, 새로운 가치를 창출할 수 있는 인재가 앞으로 각광을 받을 것 같습니다.
◇조태현: 그러니까 소위 말하는 코드를 짜거나, 이런 단순 반복적인 작업들 이런 거는 다 AI한테 맡기고 그거를 잘 지휘할 수 있는 역할이 중요해진다. 이렇게 보면 되는 거예요?
●이재욱: 네 맞습니다.
◇조태현: 알겠습니다. 그러면 저처럼 코드를 짤 줄 모르는 사람들도 이런 상황에서 살아남을 공간이 생길지도 모르겠습니다. 교수님께서는 예전에 저희가 구글 TPU 관련해서 인터뷰를 한번 요청을 드렸었는데, 구글 출신이시죠? 그래서 여기서 한번 재미로 밸런스 게임 해보도록 하겠습니다. AI 시대의 최종 승자가 누가 될 것인가, 지금 많은 분들이 관심을 갖는 거예요. 일단은 1번은 NVIDIA, 2번은 구글, 하나 더 들어볼까요? 3번은 오픈 AI까지. 누가 승자가 될 거라고 보십니까?
●이재욱: 이게 조금 장단기에 따라 다를 것 같긴 한데, 뭐 최종이라고 하셨으니까 장기적으로 본다고 그러면 2번으로 하겠습니다. 사실은 지금 보면은 전 세계적으로 글로벌 기업이나 국가들이 경쟁적으로 지금 AI 인프라 구축에 투자를 하고 있거든요. 그래서 NVIDIA가 그런 걸로 크게 수혜를 보고 있는데, 이게 어떻게 보면 단기적인 수익을 기대해서라기보다는, 사실은 경쟁 회사나 경쟁 국가들이 투자를 하니 좀 따라가는 그런 측면도 크거든요. 그래서 이 시기가 지나고 나면 결국 그동안에 어떤 천문학적 투자에 대한 청구서가 날아들 텐데, 실제로 많은 유저들이 사용하는 유튜브라든지, 검색, 광고, 이메일, 뭐 이런 서비스를 갖고 있는 구글이 조금 더 수익화에 유리할 것 같다. 그런 측면이 있고요. 그리고 또 말씀하신 대로, TPU라고 하는 이 자체 AI 칩도 보유를 하고 있어서, NVIDIA에 대한 어떤 의존성이 좀 낮은 점도 리스크 관리 측면에서 유리할 것 같습니다.
◇조태현: 그러니까 수익을 낼 수 있는 창구도 많고, 이런 서비스가 있다는 거는 데이터를 많이 확보할 수 있다는 뜻도 되는 거잖아요?
●이재욱: 네 맞습니다.
◇조태현: 그런 면에서는 구글이 조금 더 가능성이 클 것이다 말씀을 해 주셨는데, 아직까지 우리 일반인들, 저 같은 사람들이 보기에는 AI 하면은 지금까지는 챗봇. 그러니까 생성형 AI가 조금 더 눈에 띄는 것 같은데, 챗GPT와 구글 제미나이 각축전이 벌어지고 있어요?
●이재욱: 네 맞습니다.
◇조태현: 지금은 어떻게 평가하십니까? 이런 경쟁 상황에 대해서.
●이재욱: 저도 사실은 그 두 가지 서비스를 다 같이 사용을 하고 있는데요. 이 서비스마다 조금씩 장단점들이 있는 것 같아요. 챗GPT 써보면 뭔가 좀 이렇게 굉장히 밸런스가 좋은 오각형의 그런 AI 느낌이 있고요. 특히 그 언어 이해나, 추론 쪽에 굉장히 특화가 잘 되어 있는 것 같고. 자연스러운 대화, 창의적인 글쓰기 이런 것들이 좀 좋은 것 같고요. 저희 학생들한테 물어보니까 그 챗GPT가 이런 심리 상담을 굉장히 잘해준다고 그래요. 그런 측면에서 좀 장점이 있는 것 같아요. 반면에 구글 제미나이 같은 경우는 뭐 검색이라든지, 유튜브라든지, G메일이나 덕스처럼 구글 생태계 전반에 있는 서비스랑 연결이 잘 돼 있어서, 좀 멀티 모델이라고 하는 저희 텍스트 이미지, 영상 코드 이런 것들도 통합적으로 처리해 주는 그런 면에서 강점이 있는 것 같습니다. 그래서 유튜브 동영상을 요약을 해준다든지, 이메일 답변을 생성해 준다든지, 뭐 이런 것들이 강점이 있고. 사실은 제가 이 서비스 잘 쓰는 기능 중에 하나는 어떤 자료를 갖고, 슬라이드나 아니면 인포그래픽 같은 한 장짜리 포스터 있잖아요? 자료를 요약해 주는 그런 것들을 만들어주는 걸 굉장히 잘해주는 것 같습니다.
◇조태현: 제가 최근에 좀 PPT 자료를 만들 일이 있어가지고요. 젠스파크라는 서비스가 있더라고요? 거기에다 텍스트를 이렇게 먹였더니, PPT를 기가 막히게 만들어 놓은 거예요. 그래서 깜짝 놀랐는데, 일반적인 직장인이라든지, 아니면 나는 그냥 검색 대행 정도면 충분하다 라고 했을 때 그 두 가지 챗봇 중에 어느 게 조금 더 쓰기가 편합니까?
●이재욱: 둘 다 조금 더 강점이 있는 것 같아요. 그러니까 조금 더 예를 들면 가장 최신 정보를 검색하는 약간 그런 기능이 필요한 것들은 아무래도 구글이 검색 기능이 좋기 때문에 그런 면으로 좀 유리해 보이고요. 그 외에 어떻게 보면 전체적으로 좀 이런 밸런스가 좋은 약간 이런 답변 같은 것들을 원할 때는 또 챗GPT를 쓰기도 하고. 저도 사실 둘 다 해보긴 하거든요? 그래서 좀 좋은 것들을 취하는 그런 식으로 쓰고 있습니다.
◇조태현: 알겠습니다. 다 장단점이 있으니까요. 잘 섞어서 쓰시면 되겠고요. 앞서서 말씀을 드린 것처럼, 지금 아직까지는 챗봇 형태의 생성형 AI가 우리에게 많이 주목을 받고 있는 그런 상황인데요. 사실 AI의 발전 과정을 보면 두 차례 빙하기라든지, 이런 것도 겪고 그랬지 않습니까? 올해가 이세돌 9단이 알파고와 대국을 펼친 지 꼭 10년이 되는 해라서, AI 전환의 원년이 될 것이다 이런 이야기를 하고 있는데요. 교수님께서도 동의하십니까?
●이재욱: 예. 저도 사실 어느 정도 동의를 하는 쪽이고요. 말씀하신 대로 AI 역사를 보면은 1997년에 IBM의 딥블루라는 체스를 하는 AI가 굉장히 반향을 일으켰고, 2016년에는 알파고 대국이 있었죠. 그리고 22년도에는 챗GPT를 통해서 생성형 AI가 굉장히 대중화되는 어떤 기폭제가 됐습니다. 그래서 올해는 제가 봤을 때는 일단 코딩이라든지, 또는 법률 금융, 이런 작업에서 소위 말하는 에이전틱 AI라고 하는 AI 시스템이 크게 확산이 될 거라고 예상이 되고요. 또 하나 말씀드리고 싶은 거는, 젠슨 황 CEO도 말씀을 하셨지만, AI가 화면 밖으로 나와서 우리의 물리적인 어떤 세계와, 직접적인 영향을 주고받는 피지컬 AI의 시대가 본격화되는 시점이 될 것 같습니다.
◇조태현: 그러니까 AI랑 채팅하는 걸 넘어서 실제로 물리적인 작용을 할 수 있는 그런 AI?
●이재욱: 맞습니다. 그래서 지금까지 AI가 어떻게 보면 좀 '생각하는 뇌'였다고 그러면은, 좀 움직이는 몸을 갖게 된다고 할까요? 그런 쪽으로 진화를 하게 될 것 같습니다.
◇조태현: 알겠습니다. 제가 조금 전에 앞서서 '인공지능이 빙하기를 겪었다' 이런 말씀을 드렸었는데, 그게 60년대인가요?
●이재욱: 예. 사실 1980년대에 좀 그런 것들이 사실 굉장히 컸고요. 그 때 AI에 대한 굉장한 기대가 높았어요. 왜냐하면 사실은 그 AI 기술에 대해서 이런 것들이 뭔가 '우리가 지금 하는 것들을 굉장히 뭔가 본질적으로 바꿀 거다' 이런 것들에 대한 기대치가 굉장히 높았는데, 사실은 그 기대에 미치지 못하는 어떤 기술이 따라오지 못했기 때문에 그런 것들로 인해서 뭔가 한번 큰 실망이 있었던 거죠. 그래서 그런 걸로 인해서 소위 말하는 'AI 빙하기'가 왔던 거고요. 그래서 90년대 이후로는 AI 연구가 굉장히 사실은 좀 침체가 됐었습니다. 그러다가 2천년대 들어오면서 AI를 통해서 굉장히 사실 여러 가지 이유가 있는데, 그 중 세가지로 AI가 다시 붐을 이루게 된 계기를 뽑는다고 그러면, 하나는 인터넷 레벨에 굉장히 많은 데이터들이 쌓이기 시작했고요. 그다음에 두 번째는 GPU라고 하는 새로운 굉장히 강력한 하드웨어 이런 것들이 또 등장을 했고, 그다음에 세 번째는 알고리즘적인 이 AI를 실행하기 위한 어떤 혁신들이 있어서 이런 것들이 어떻게 결합이 되면서 새롭게, 어떻게 보면 굉장히 기존보다는 강력한 AI들이 나오게 됐고. 그런 것들로 인해서 지금은 상당히 AI가 실질적인 어떤 영향력을 우리 삶에 주고 있는 그런 상황이 된 것 같아요.
◇조태현: 이 데이터랑 GPU 그러니까 병렬 연산에 적합한 GPU, 여기까지는 이해를 하겠는데요. 80년대랑 지금 쓰고 있는 알고리즘 여기에는 어떤 차이가 있길래 이렇게 급격한 변화가 올 수 있었던 겁니까?
●이재욱: 사실은 재미있는 게 뭐냐면요. 기존의 AI는 어떤 식으로 좀 동작을 했냐면, 그 사람들의 우리 인간이 어떻게 생각을 하는지? 약간 조금 우리 전문가들은 예를 들면 어떻게 이걸 사고를 하는지, 그런 것들을 좀 모사하려는 방향으로 시스템을, 알고리즘을 만들었어요. 근데 사실은 최근에 우리가 이걸 '스케일링 법칙'이라고 하는데요. 그게 뭐냐면은 결국은 굉장히 어떤 작업에 특화된 예를 들면 우리가 시각적인 이해라든지, 아니면 음성 자연어를 이해한다든지, 인간의 어떤 특정한 이해하는 방식을 AI로 복사해서 모사하려는 이런 방향보다 어떻게 보면 굉장히 기본적인 알고리즘의 레고 블록 같은 빌딩 블록을 만들고, 그런 것들을 굉장히 크게 그 크기를 키우면은 성능이 좋아진다라는 그게 스케일링 법칙이라고 하는 건데 그 스케일링 법칙에 기반한 알고리즘들이 지금은 사실 생성형 AI의 주류가 됐습니다.
◇조태현: 그러니까 제가 지금 이렇게 이해를 했어요. 예전에는 이것, 저것 하나하나 다 가르쳤다면은, 지금은 데이터를 먹이고 '알아서 해 봐' 이렇게 한다는 식으로 변했다는 뜻입니까?
●이재욱: '데이터와 계산'. 컴퓨터를 굉장히 큰 스케일로 주게 되면은, 특화된 어떤 어프로치보다도 굉장히 더 어떻게 보면 성능이 좋은 우리가 AI를 만들 수 있다. 이게 지금 저희가 알게 된 교훈이라고 할 수 있습니다.
◇조태현: 알겠습니다. 이런 획기적인 변환점, 언제 생긴 겁니까?
●이재욱: 네. 여러 가지 변곡점이 있었는데요. 저희 쪽에서 딥러닝이라고 하는데, 기존의 어떤 심층 신경망을 굉장히 깊게 쌓는 이런 기술들이 한 2010년 전후로 나오기 시작했고요. 그다음에 제가 아까 말씀드린 기본적인 '레고 블록'이라고 하는 '트랜스포머'라고 하는 그런 구조가 있는데, 그건 2017년에 발표가 됐습니다.
◇조태현: 알겠습니다. 이런 큰 변화를 겪었는데요. 조금 전에 트랜스포머 말씀을 해 주셨는데, 저희 PD가 아침에 CES 사진을 보고 "이젠 정말 트랜스포머가 현실화가 되냐" 이런 말씀을 하시더라고요. 그래서 CES 이야기를 한번 해보도록 하겠습니다. CES에서 이번에 단연 키워드를 꼽으라면 역시 피지컬 AI인 것 같아요. NVIDIA의 젠슨황 CEO가 ‘피지컬 AI의 챗GPT’ 이런 이야기들을 했는데, 그러니까 피지컬 AI, 우리가 어떤 식으로 이해를 하면 좋을까요?
●이재욱: 그냥 쉽게 말씀드리면은 생각하는 뇌가 달린 로봇이나 기계라고 생각하시면 될 것 같습니다. 그래서 예를 들면 챗GPT 같은 생성형 AI가 "사과가 뭐야?" 이렇게 물어보면은 이건 글이나 사진으로 설명을 해 주잖아요? 그게 아니라 피지컬 AI 같은 경우는 "이 사과를 집어봐" 이러면 실제로 팔을 뻗어서 사과를 집어 올리는 이런 능력을 갖게 되는 거죠. 그러니까 쉽게 말씀드리면 생성형 AI는 말을 하는 AI고, 피지컬 AI는 행동을 하는 그런 AI가 되는 거죠. 그래서 예를 들면 자율주행차가 도로 상황을 보고 핸들을 조작을 하거나, 또는 공장 로봇이 부품 조립을 하거나, 또 수술 로봇이 정밀한 어떤 동작을 수행하는 것이 모두 다 피지컬 AI의 영역이라고 보시면 될 것 같습니다.
◇조태현: 제 GPT는 원고 보고 "사과가 뭐야?"라고 그러니까 "너는 그것도 몰라?" 이렇게 답하던데, 제가 교육을 좀 잘못 시킨 것 같습니다. 이런 피지컬 AI 쪽으로 지금 주목을 받고 있는데요. NVIDIA가 '그록'이라는 반도체 기업에다가 굉장히 큰 돈을 베팅해서 또 화제가 되기도 했어요. 첫 사례로 자율주행차를 젠슨황 CEO는 이야기를 하고 있는데, 피지컬 AI. 우리가 제일 먼저 볼 수 있는 거는 자율주행차나 로봇. 이런 걸 꼽아야 될까요?
●이재욱: 예. 사실 젠슨 황 CEO도 자율주행차가 어떻게 보면 최초의 대규모 피지컬 AI 시장이라고 말씀을 하셨고, 그다음에 또 10년 내에 전 세계 자동차의 상당 부분이 자율 주행이 될 거라고 예측을 했습니다. 어제 현대차에서도 CES에서 휴머노이드 로봇 '아틀라스'를 공개하면서 피지컬 AI 시대에 개막 선언을 했죠. 그런데 자율주행차 같은 경우는 이미 수백만 대의 차량 데이터로 학습이 가능하고, 또 경제적인 가치가 명확하기 때문에 가장 빠르게 상용화가 될 것 같고요. 그렇지만 앞으로 제조 로봇이라든지, 물류 로봇, 또는 의료 로봇 등 다양한 어떤 분야에서 피지컬 AI가 동시다발적으로 발전할 것 같습니다.
◇조태현: 지금 각국이 피지컬 AI를 사실상 전략 자산화하고 있잖아요? 특히 미국 쪽에서 상당히 예민하게 반응하는 것 같습니다. 어떻게 움직이고 있나요?
●이재욱: 미국은 사실 그동안에 인건비가 굉장히 높기 때문에, 제조업을 사실 해외로 많이 내보냈었는데요. 그 AI와 로봇이 결합된 피지컬 AI를 통해서, 소위 말하는 걸 '디지털 리쇼어링'이라고 얘기를 하고 있는데, 제조업의 어떻게 보면 본국으로 좀 회기를 하는 이런 모양을 꿈꾸고 있는 것 같고요. 그래서 사람 대신 24시간 일하는 똑똑한 로봇이 있다면 어떤 분들은 '다크 팩토리'라고 말씀을 하시기도 하는데, 사람이 없는..
◇조태현: 아, 불은 꺼져 있고 기계만 움직이는?
●이재욱: 네. 그래서 그런 24시간 이런 똑똑한 로봇이 있다면, 사실은 비싼 임금 걱정 없이도 자국 내에 어떻게 보면 탄탄한 제조 공급망을 갖출 수 있기 때문에, '칩스법'이라든지 그 인플레이션 감축법 'IRA' 같은 이런 법들을 통해서 피지컬 AI의 제조 기반을 미국 생태계에 뿌리내리려고 하는 이 거대한 전략을 가지고 있는 것 같습니다.
◇조태현: 큰 흐름 자체는 달라지지 않는 것 같아요. 바이든 행정부 때는 이거를 조금 포장을 해서 점잖게 보이려고 했고, 트럼프 행정부 때는 정말 노골적으로 하고 있고. 이런 차이만 있는 것 같은데, 역시 이 배경에는 중국과의 'AI 패권 경쟁' 이런 것들도 있다고 볼 수가 있을 것 같습니다. 미국이 '제네시스 미션'이라는 걸 전략화하고 있는데, 이거를 AI 판 '맨해튼 프로젝트'라고 하거든요? 맨해튼 프로젝트면 핵무기잖아요? 이게 AI랑 뭐 어떻게 연결되는 겁니까?
●이재욱: 그 맨해튼 프로젝트는 아마 영화 <오펜하이머>라는 영화 최근에 보셨는지 모르겠어요. 그 영화가 맨해튼 프로젝트에 대한 영화인데요. 그게 2차 세계대전 당시에 핵무기를 개발했던 비밀 프로젝트였고요. 올해 지난 11월달에 발표된 '제네시스 미션'은 그 맨해튼 프로젝트에 비견되는, 어떻게 보면 역사적이고 국가적인 어떤 노력이라고 볼 수 있고, 이 내용을 보면 미국의 에너지부. 그러니까 그 에너지부를 주도로 해서 연방 정부가 지난 수십 년간 축적한 세계 최대 규모의 어떤 과학 데이터셋이라든지, 또는 국립연구소의 슈퍼 컴퓨터를 하나로 통합하는 미국의 어떻게 보면 '국가 과학안보플랫폼'을 구축하는 것이 핵심입니다.
◇조태현: 이렇게 하나로 통합해도 됩니까?
●이재욱: 뭐 그렇게 하면 아무래도 뭔가 좀 더 큰 스케일에 실험이라든지, 이런 것들을 하는 데 유리한 점도 있고요. 그리고 또 그 자원을 공유함으로써 효율적으로 이걸 또 운영할 수 있는 그런 측면이 있습니다. 그래서 저희가 내용을 또 자세하게 살펴보면, 과학 전용의 어떤 파운데이션 모델, 기본 모델을 만들겠다는 거. 그다음에 아까 말씀드린 대로 'AI 에이전트'라고 하는 어떤 그런 소프트웨어들을 만들어서 어떻게 보면 과학적인 가설을 검증하고, 또 이런 연구의 어떤 플로우를 자동화하는 부분까지를 실현하겠다고 하는 것이 그 내용이라고 보면 되겠습니다.
◇조태현: 아니 여쭤본 게, 한 곳에 모아놓으면 그런 효율성은 좋아지겠지만, 공격받기도 쉬울 것 같아 가지고 말씀 드린거였거든요.
●이재욱: 그런 측면도 있습니다.
◇조태현: 그런데 중국 역시 가만히 있지는 않을 것 같아요. 중국은 어떻게 대응하고 있나요?
●이재욱: 아 중국도요. 사실은 맞불을 놨는데요. 지난 12월 23일에 미국의 '제네시스 미션'에 대응되는 강력한 ‘자율형 AI 과학연구 시스템’을 공식적으로 출범을 시켰고요.
◇조태현: 크리스마스 선물 같은 거네요?
●이재욱: 예 맞습니다. 근데 핵심은 중국에 전체에 있는 30개 이상의 슈퍼 컴퓨팅 센터를 고속망으로 연결한 'SSC 넷'이라고 하는 이 슈퍼 컴퓨팅 네트워크의 약자인데요. SSC 넷이라고 하는 어떤 그런 클러스터를 만들겠다는 거고요. 그래서 이 시스템에 가장 중요한 부분은 그 과학자가 코딩을 하는 게 아니라, 어떤 일상적인 우리의 언어로 간단한 명령을 내리면 그 AI가 스스로 연구 단계를 나누고, 시뮬레이션도 돌리고, 데이터를 분석해서 보고서까지 완전히 자동화하는 소위 말하는 AI 사이언티스트라고 하거든요. 그런 것들을 구축하는 것들이 핵심적인 내용입니다.
◇조태현: 진짜 진짜 가능한 거예요? 그게?
●이재욱: 어느 정도 지금 예를 들면 저희 컴퓨터공학 쪽에서는 오히려 저희가 실험하는 내용이 주로 소프트웨어적인 코딩을 하는 거기 때문에, 그런 부분에서는 상당히 어떻게 포텐셜을 좀 보이고 있고요. 이거를 실질적으로 뭔가 자연과학적인 어떤 물리학이라든지, 아니면 생물학이라든지. 이런 것들은 어떻게 보면 물리적인 것들을 좀 제어를 해야 되기 때문에, 그런 것들은 조금 더 시간이 걸릴 것으로 생각하고 있습니다.
◇조태현: 알겠습니다. 중국이 무서운 게, 작년에 '딥시크 쇼크'라고 해갖고, 시장에 굉장히 큰 충격을 줬었잖아요? 그 쇼크를 준 배경을 보면은 미국처럼 어마어마한 투자를 하지도 않고, 이 정도 성능을 만들어냈다. 이게 쇼크로 많이 와닿았거든요? 지금 중국의 AI 수준은 어느 정도로 우리가 이해를 해야 됩니까?
●이재욱: 지금 어떻게 보면은 사실은 미국과 중국이 전 세계 AI의 2강을 형성하고 있는 거에는 의심의 여지가 없고요. 그리고 사실은 거의 미국과 동등한 수준의 AI 기술을 갖고 있거나, 어떤 분야에서는 특히 제조라든지, 이런 부분에서는 더 어떻게 보면 미국보다 높은 수준의 AI를 갖고 있다 라는 평가도 있습니다. 그래서 사실은 굉장히 높은 수준의 AI 기술을 갖고 있고요. 앞으로 미중 간의 어떤 갈등 경쟁이 더욱더 치열해질 것으로 예상이 되고 있습니다.
◇조태현: 알겠습니다. 계속적으로 반복되는 이런 싸움들, 미국과 중국의 어떤 AI 패권 경쟁까지 말씀을 드렸는데, 밸런스 게임 한번 더 해볼까요? 이 싸움의 승자는 누가 될 것인가. 1번은 미국, 2번은 중국이라고 하면요?
●이재욱: 이건 너무 어려운데요. 아마 분야별로 조금씩 이것도 장단점 서로 좀 나눠 갖는 모양새가 되지 않을까. 국가별로 더 장단점이 있으니까요. 아무래도 현재로 보면은 지금 중국 같은 경우는 이 제조 분야가 전 세계의 공장이잖아요? 그렇기 때문에 어떻게 보면 제조업 분야에서 굉장한 경쟁력을 갖고 있고요. 그리고 미국 같은 경우는 현재 반도체나, 어떤 컴퓨팅 NVIDIA. 이런 회사들을 비롯해서 컴퓨팅 자산이나 이런 것들에 굉장히 큰 강점을 갖고 있기 때문에, 범용 모델이라든지 뭐 AGI 이런 쪽에서는 미국이 좀 더 강점을 가지고 있을 것 같아서, 이런 식으로 어느 정도는 좀 이렇게 나눠지지 않을까 예상을 하게 됩니다.
◇조태현: 참 이거는 미국, 중국 어디에 물어봐도 명확하게 답변을 못 할것 같은 그런 문제 같습니다. 그런데 여기에서 그렇다면, 왜?를 여쭤봐야 될 것 같은데요. 중국과 미국이 AI 패권을 두고 이렇게까지 피 터지게 싸우는 배경, 이거는 뭘로 봐야 될까요?
●이재욱: 사실은 AI 기술이 굉장히 좀 특별하다면 특별하다는 점이 있는데요. 이게 그 '능력의 증폭 장치'라고 생각하실 수 있을 것 같아요.
◇조태현: 그게 무슨 말입니까?
●이재욱: 그러니까 예를 들면은, 우리 어떤 인간의 생산성을 늘려주는 데 있어서, 이게 사실은 어떤 10배의 생산성 증가를 가져다준다고 만약에 가정을 한다고 그러면, 1의 능력을 가진 사람은 예를 들면 10이 되고, 10의 능력을 가진 사람은 100이 되잖아요?
◇조태현: 교수님이 쓰시면 100이 되고, 제가 쓰면 10이 되고 이런?
●이재욱: 그런 뜻은 아닙니다만, 뭐 이런 어쨌거나 그 개인 또는 국가의 능력치를 증폭해 주는, 생산성을 증폭해 주는 증폭기 역할을 하거든요. 그래서 이거를 국가 간의 경쟁에 적용하면, 또 국력의 증폭 장치라고 볼 수도 있을 것 같아요. 그래서 과거에 AI가 사이버 공간에서 정보를 추천하고, 분석하고 이런 정도의 수준이었다고 하면은 피지컬 AI 시대에는 현실 세계에서 직접 어떤 세계를 지각하고, 판단하고, 작동하는. 이런 AI가 되기 때문에 정보의 주권을 넘어서 행동의 주권까지 이게 확장이 되는 거죠. 국방 분야의 어떤 적용은 가장 좀 직접적인 예로 볼 수 있고요. 그 외에도 자율주행이라든지, 로봇처럼 물리적인 시스템을 우리가 스스로 통제를 할 수 없다면 이 경제적인 종속은 물론, 안보에도 큰 영향이 있기 때문에 이 반도체로부터 알고리즘. 아까 물리적인 어떤 것을 제어하는, 전체적인 기술의 플로우를 통제할 수 있는 나라만이 미래의 패권을 가져갈 수 있다고 보고 있습니다.
◇조태현: 그렇기 때문에 이렇게까지 초반부터 치열한 신경전을 벌이고 있다? 피지컬 AI가 나오면 꼭 따라오는 게 '추론'이라는 말인데요. 1분의 시간을 드릴 테니까, 피지컬 AI의 추론을 좀 가볍게 설명 좀 부탁드려요.
●이재욱: 예. AI가 어떻게 보면 공부를 하는 단계를 학습이라고 한다면, 시험을 치르는 단계를 '추론'이라고 볼 수 있거든요. 그래서 사실 피지컬 AI에 있어서 추론이라는 거는, 어떻게 보면 안전, 또는 생명과 직접 연결이 돼 있습니다. 예를 들어서 추론이 필요한 이유는 로봇 같은 것들이 예상하지 못한 상황에서도 즉각적인 판단을 해야 되잖아요?
◇조태현: 네네네.
●이재욱: 예를 들면 자율주행차가 운전을 하다가 장애물을 보고 브레이크를 밟아야 할지, 차선을 바꿔야 할지 이런 결정을 즉각적으로 내려야 하기 때문에..
◇조태현: 그쵸. 10분 있다 결정을 내리면 아무 의미가 없죠.
●이재욱: 맞습니다. 그래서 이런 현실 세계에서 0.1초의 지체도 굉장히 큰 영향을 줄 수 있기 때문에, 피지컬 AI 시대에는 아주 빠르고 정확하게 판단을 내리는 그런 추론 기술. 이런 것들이 핵심적인 경쟁력이 됩니다.
◇조태현: 알겠습니다. 그렇기 때문에 NVIDIA 같은 데에서도 추론을 강조하는 것 같은데, '베라 루빈'이라는 거를 또 발표를 했어요. 이거는 AI 칩 중에서 '추론용 AI 칩'이라고 보면 되는 거죠? HBM3, HBM4 이런 것들도 등장을 하던데, 이게 어떻게 연결되는 거죠?
●이재욱: 사실 그 베라루빈 칩 자체는 아까 말씀드린 학습을 위해서도 쓸 수 있고, 추론을 위해서 쓸 수 있는 범용적인 반도체고요. 말씀하신 대로 빠른 추론을 위해서는 엄청난 양의 데이터를 처리를 해야 되거든요. 그래서 어제 NVIDIA가 발표한 베라 루빈은 그런 학습과 추론을 다 할 수 있는 칩인데, 특히 추론 과정에서는 소위 말하는 메모리의 읽고, 쓰기 속도가 굉장히 중요한 역할을 하거든요. 그래서 우리 SK하이닉스나, 삼성전자에서 개발하고 있는 '고대역폭 메모리' HBM이라고 하는 메모리가 핵심 기술이 됩니다.
◇조태현: 데이터를 빨리 먹고, 빨리 내뱉어줘야 된다?
●이재욱: 맞습니다. 데이터를 빨리 읽고, 빨리 쓰는 그런 것들이 사실은 그 추론 속도에 직접적인 영향을 주거든요. 그래서 SK하이닉스가 공개한 HBM 제 16단 적층 같은 경우는, 한 칩에 더 많은 메모리를 더 빠르게 읽고, 쓸 수 있다는 의미고요. 그 HBM 4를 발표를 했는데, HBM 3는 3세대고, 4는 4세대고 이런 식으로 해 세대별로 발전을 하고 있고, 이 세대가 지나갈수록 속도와 용량이 지속적으로 빠르게 발전을 하고 있습니다.
◇조태현: 알겠습니다. 그래서 교수님께서 비유해 주신 게 "AI 칩은 엔진이고, HBM은 고속도로다" 이 부분이 많이 와닿는 그런 비유입니다. 최근에 그런데 HBM만 각광을 받는 건 아니고요. D램 수요까지 폭증을 하고 있어서, 이런 것들이 주식시장에도 영향을 많이 미치고 있는데요. 여기에서 결국에 중심이 되는 거는 또 전력이 아닐까 싶어요. 전 세계적으로 보니까 미국에는 데이터 센터가 3800개가 넘는다고 하는데, 우리나라에는 80개밖에 안 된다 라는 이야기도 있어요. 우리나라 AI 인프라 투자, 이 정도로 괜찮은 겁니까?
●이재욱: 한 통계에 의하면 전 세계 AI 컴퓨팅 '캐파(CAPA)'의 전체 한 4분의 3 정도가 지금 미국에 있다고 해요. 우리나라가 사실은 메모리 반도체는 1등인데, 데이터센터 규모로 보면 한 미국의 한 2% 정도? 그래서 한 80여 개 정도에 불과하고요. 사실 피지컬 AI 시대의 '핵심 연료'라고 하면은, 데이터하고 전력. 그리고 '컴퓨팅 자원'이거든요. 그래서 우리가 반도체 칩을 잘 생산하는 것에 안주하지 않고, 국가 차원에서 대규모 AI 인프라와 전력망도 굉장히 중요하거든요. 전력망을 확충하는 그런 인프라 주권 확보가 시급하다고 생각합니다.
◇조태현: 여기에서 또 원전 문제가 등장할 텐데, 오늘은 다루지 않겠습니다. 끝으로 교수님께서는 지금 연구도 하시면서 또 양성을 하는 역할을 하고 계시잖아요? AI에 살아갈 후배들. 우리 때나 우리 윗분들 때랑은 완전히 다른 시대가 될 것 같은데, 후배들과 부모님들께는 어떤 말씀을 해 주시고 싶으십니까?
●이재욱: 사실 저희 대학에서도 굉장히 고민들이 많아요. 우리 AI 시대에 어떻게 우리 대학이 어떤 역할을 해야 되는가? 이런 것들에 고민이 많고요. 이게 사실은 굉장히 깊은 질문인 것이, 인간과 AI는 그러면 어떤 방식으로 공존을 해야 하는가. 그리고 노동의 미래는 어떻게 되는가. 이런 것들이 사실은 교육에 다 연결되어 있는 그런 주제거든요. 그래서 요즘 소위 말씀하시는 것들이 AI 시대에는 '질문을 잘하는 게 핵심이다, 생존법이다' 이렇게 말씀들을 많이 하시는데, 이게 맞는 말씀이고요. 맞는 말씀인데, 사실 질문의 수준이라는 것도 원래는 아는 만큼 할 수 있거든요.
◇조태현: 그렇죠.
●이재욱: 초등학생 수준의 지식을 갖고 있으면 초등학생 수준의 질문을 하는 거고, 전문가 수준의 지식을 갖고 있으면 전문가 수준의 질문을 하시겠죠. 그래서 역설적이게도 AI 시대에는 질문을 잘하기 위해서는 더 많이 보고, 더 읽고, 경험을 해서 나만의 어떤 기초들을 탄탄하게 쌓는 교육이 어떻게 보면 더 중요하다고 생각이 되고요. 그다음에 '어떻게(How)'라고 하는지 이런 것들은 AI가 금방 풀어주겠지만, 우리가 무엇을 해야 되고, 왜 해야 되는지. 이런 문제 정의에 대한 것들은 여전히 우리 인간들의 몫으로 남아 있기 때문에, 이걸 잘하려면 인간과 세상에 대한 어떤 깊은 이해. 그래서 이전에 말씀드린 철학이라든지, 언어학이라든지, 경제학이라든지, 인문사회과학적인 어떤 소양이 밑바탕이 되어야 된다고 생각을 합니다.
◇조태현: 결국에는 계속 자신을 벼리면서 공부를 해 나가는 것들 AI 시대에 있어서도 인간의 역할은 그런 측면에서는 줄어들진 않을 것 같습니다. 지금까지 서울대 AI 연구원장이신 이재욱 교수님과 함께 이야기 나눠봤습니다. 오늘 말씀 고맙습니다.
●이재욱: 네. 대단히 감사합니다.
YTN 김양원 (kimyw@ytnradio.kr)
[저작권자(c) YTN 무단전재, 재배포 및 AI 데이터 활용 금지]
■ 진행 : 조태현 기자
■ 방송일 : 2026년 1월 7일 수요일
■ 대담 : 이재욱 교수 (서울대 컴퓨터공학과, AI연구원장)
- AI전쟁, 최종승자는? 엔비디아 vs 구글? "구글이 승리할 것..TPU 자체 칩 보유 검색 이메일 광고 등 서비스 갖고 있고, 엔비디아 의존성도 낮아"
- 챗GPT, 언어이해 추론 특화..자연스런 대화 창의적 글쓰기에 강점, 심리상담까지
- 구글 제미나이, 검색 유튜브 등 구글 서비스와 연계..동영상 요약 등 뛰어나
- 이세돌-알파고 대국 이후 올해 10년째..2022년 챗GPT 통한 생성형 AI가 기폭제 역할, 2026년은 '피지컬AI'가 본격화할 것..'에이전틱AI' 확산
- 젠슨황 '피지컬AI 첫 사례는 자율주행차', 이미 학습된 데이터 존재, 경제적 가치 명확해 빠른 상용화 가능할 것
- 美, 피지컬AI 활용 '디지털 리쇼어링' 통해 제조업 부활 꿈꿔
- 美, 'AI판 맨해튼 프로젝트'인 '제네시스 미션' 가동 시작, 세계 최대 규모 과학데이터셋과 슈퍼컴을 하나로 통합하는 과학안보플랫폼 구축
- 中, 美 '제네시스 미션'에 대응되는 'SSC넷' 계획..中 전역 30개 이상 슈퍼컴퓨팅센터 고속망으로 연결
- 中 AI기술, 美와 동등하거나 특히 제조 부문에선 미국보다 높은 수준
- 中, 제조업 분야 강점 VS 美, 엔비디아 같은 컴퓨팅 범용모델 자산갖고 있어
- 미중이 AI 전략화하는 이유? AI가 가진 '증폭장치' 때문..'피지컬AI', 정보의 주권 넘어 행동의 주권까지 확장시켜
- 엔비디아 '베라 루빈', 학습과 추론이 둘다 가능한 범용 반도체..삼성·하이닉스의 HBM이 핵심기술
- AI인프라 문제..전세계 AI컴퓨팅 캐파의 3/4이 미국에, 韓 메모리 반도체는 세계1위지만, 데이터센터는 미국의 2% 불과
* 아래 텍스트는 실제 방송 내용과 차이가 있을 수 있으니 보다 정확한 내용은 방송으로 확인하시기를 바랍니다.
◇조태현: 네. 2026 경제 전망
●이재욱: 네 안녕하세요.
◇조태현: 교수님께서는 서울대 컴퓨터 공학과에서 학생들을 가르치고 연구를 하시는 분이잖아요? 그런데 최근에 언론 보도를 보니까 ‘컴공 예전만 못하다, 철학과 언어학이 뜬다’ 라는 이야기가 나오더라고요. 이거 역시 AI가 바꾸는 흐름이라고 봐야 되는 겁니까?
●이재욱: 예. 과거에는 사실 소프트웨어를 어떻게 짜느냐 이런 것들이 중요했다고 하면은, 그런 기술적인 부분은 AI가 상당 부분 좀 대신하는 것이 사실이고요. 근데 이런 것들이 어떻게 보면은 컴퓨터 공학자의 자리를 뺏는다기보다는 역할의 진화라고 보는 것이 맞는 것 같고요. 그러니까 예를 들어서 예전에 자동차가 사실 대중화됐을 때 마차를 몰던 마부라는 직업이 운전기사라는 어떤 새로운 직업으로 진화를 한 것처럼, 그 코딩을 하는 부분이 지금 상당히 AI로 자동화가 많이 되고 있지만 그 코드로 무엇을 할 것인지, 그리고 왜 그것을 해야 하는지 이런 것들은 여전히 인간의 영역이죠. 그래서 저희 컴퓨터 공학의 교육 과정도 그런 것들에 맞춰서 진화를 하고 있고요. 결국은 저희가 교육에서도 지금 중점을 두는 부분이 문제 정의와 해결 능력이거든요. 그래서 단순히 개발자가 어떤 코드를 짜는 사람이 아니라, 복잡한 현실 문제를 정의를 하고, AI가 내놓은 결과물을 평가하고 검증을 하면서 어떻게 보면 전체적인 시스템을 설계하는. 그런 디자이너가 되어야 합니다. 그래서 말씀하신 대로 철학이나 언어학처럼 인간과 세상에 대한 어떤 깊은 이해를 다루는 학문이 더 중요해지는 이유이기도 하고요. 자신의 관점 관심 분야에서 AI라는 도구를 얹어서, 새로운 가치를 창출할 수 있는 인재가 앞으로 각광을 받을 것 같습니다.
◇조태현: 그러니까 소위 말하는 코드를 짜거나, 이런 단순 반복적인 작업들 이런 거는 다 AI한테 맡기고 그거를 잘 지휘할 수 있는 역할이 중요해진다. 이렇게 보면 되는 거예요?
●이재욱: 네 맞습니다.
◇조태현: 알겠습니다. 그러면 저처럼 코드를 짤 줄 모르는 사람들도 이런 상황에서 살아남을 공간이 생길지도 모르겠습니다. 교수님께서는 예전에 저희가 구글 TPU 관련해서 인터뷰를 한번 요청을 드렸었는데, 구글 출신이시죠? 그래서 여기서 한번 재미로 밸런스 게임 해보도록 하겠습니다. AI 시대의 최종 승자가 누가 될 것인가, 지금 많은 분들이 관심을 갖는 거예요. 일단은 1번은 NVIDIA, 2번은 구글, 하나 더 들어볼까요? 3번은 오픈 AI까지. 누가 승자가 될 거라고 보십니까?
●이재욱: 이게 조금 장단기에 따라 다를 것 같긴 한데, 뭐 최종이라고 하셨으니까 장기적으로 본다고 그러면 2번으로 하겠습니다. 사실은 지금 보면은 전 세계적으로 글로벌 기업이나 국가들이 경쟁적으로 지금 AI 인프라 구축에 투자를 하고 있거든요. 그래서 NVIDIA가 그런 걸로 크게 수혜를 보고 있는데, 이게 어떻게 보면 단기적인 수익을 기대해서라기보다는, 사실은 경쟁 회사나 경쟁 국가들이 투자를 하니 좀 따라가는 그런 측면도 크거든요. 그래서 이 시기가 지나고 나면 결국 그동안에 어떤 천문학적 투자에 대한 청구서가 날아들 텐데, 실제로 많은 유저들이 사용하는 유튜브라든지, 검색, 광고, 이메일, 뭐 이런 서비스를 갖고 있는 구글이 조금 더 수익화에 유리할 것 같다. 그런 측면이 있고요. 그리고 또 말씀하신 대로, TPU라고 하는 이 자체 AI 칩도 보유를 하고 있어서, NVIDIA에 대한 어떤 의존성이 좀 낮은 점도 리스크 관리 측면에서 유리할 것 같습니다.
◇조태현: 그러니까 수익을 낼 수 있는 창구도 많고, 이런 서비스가 있다는 거는 데이터를 많이 확보할 수 있다는 뜻도 되는 거잖아요?
●이재욱: 네 맞습니다.
◇조태현: 그런 면에서는 구글이 조금 더 가능성이 클 것이다 말씀을 해 주셨는데, 아직까지 우리 일반인들, 저 같은 사람들이 보기에는 AI 하면은 지금까지는 챗봇. 그러니까 생성형 AI가 조금 더 눈에 띄는 것 같은데, 챗GPT와 구글 제미나이 각축전이 벌어지고 있어요?
●이재욱: 네 맞습니다.
◇조태현: 지금은 어떻게 평가하십니까? 이런 경쟁 상황에 대해서.
●이재욱: 저도 사실은 그 두 가지 서비스를 다 같이 사용을 하고 있는데요. 이 서비스마다 조금씩 장단점들이 있는 것 같아요. 챗GPT 써보면 뭔가 좀 이렇게 굉장히 밸런스가 좋은 오각형의 그런 AI 느낌이 있고요. 특히 그 언어 이해나, 추론 쪽에 굉장히 특화가 잘 되어 있는 것 같고. 자연스러운 대화, 창의적인 글쓰기 이런 것들이 좀 좋은 것 같고요. 저희 학생들한테 물어보니까 그 챗GPT가 이런 심리 상담을 굉장히 잘해준다고 그래요. 그런 측면에서 좀 장점이 있는 것 같아요. 반면에 구글 제미나이 같은 경우는 뭐 검색이라든지, 유튜브라든지, G메일이나 덕스처럼 구글 생태계 전반에 있는 서비스랑 연결이 잘 돼 있어서, 좀 멀티 모델이라고 하는 저희 텍스트 이미지, 영상 코드 이런 것들도 통합적으로 처리해 주는 그런 면에서 강점이 있는 것 같습니다. 그래서 유튜브 동영상을 요약을 해준다든지, 이메일 답변을 생성해 준다든지, 뭐 이런 것들이 강점이 있고. 사실은 제가 이 서비스 잘 쓰는 기능 중에 하나는 어떤 자료를 갖고, 슬라이드나 아니면 인포그래픽 같은 한 장짜리 포스터 있잖아요? 자료를 요약해 주는 그런 것들을 만들어주는 걸 굉장히 잘해주는 것 같습니다.
◇조태현: 제가 최근에 좀 PPT 자료를 만들 일이 있어가지고요. 젠스파크라는 서비스가 있더라고요? 거기에다 텍스트를 이렇게 먹였더니, PPT를 기가 막히게 만들어 놓은 거예요. 그래서 깜짝 놀랐는데, 일반적인 직장인이라든지, 아니면 나는 그냥 검색 대행 정도면 충분하다 라고 했을 때 그 두 가지 챗봇 중에 어느 게 조금 더 쓰기가 편합니까?
●이재욱: 둘 다 조금 더 강점이 있는 것 같아요. 그러니까 조금 더 예를 들면 가장 최신 정보를 검색하는 약간 그런 기능이 필요한 것들은 아무래도 구글이 검색 기능이 좋기 때문에 그런 면으로 좀 유리해 보이고요. 그 외에 어떻게 보면 전체적으로 좀 이런 밸런스가 좋은 약간 이런 답변 같은 것들을 원할 때는 또 챗GPT를 쓰기도 하고. 저도 사실 둘 다 해보긴 하거든요? 그래서 좀 좋은 것들을 취하는 그런 식으로 쓰고 있습니다.
◇조태현: 알겠습니다. 다 장단점이 있으니까요. 잘 섞어서 쓰시면 되겠고요. 앞서서 말씀을 드린 것처럼, 지금 아직까지는 챗봇 형태의 생성형 AI가 우리에게 많이 주목을 받고 있는 그런 상황인데요. 사실 AI의 발전 과정을 보면 두 차례 빙하기라든지, 이런 것도 겪고 그랬지 않습니까? 올해가 이세돌 9단이 알파고와 대국을 펼친 지 꼭 10년이 되는 해라서, AI 전환의 원년이 될 것이다 이런 이야기를 하고 있는데요. 교수님께서도 동의하십니까?
●이재욱: 예. 저도 사실 어느 정도 동의를 하는 쪽이고요. 말씀하신 대로 AI 역사를 보면은 1997년에 IBM의 딥블루라는 체스를 하는 AI가 굉장히 반향을 일으켰고, 2016년에는 알파고 대국이 있었죠. 그리고 22년도에는 챗GPT를 통해서 생성형 AI가 굉장히 대중화되는 어떤 기폭제가 됐습니다. 그래서 올해는 제가 봤을 때는 일단 코딩이라든지, 또는 법률 금융, 이런 작업에서 소위 말하는 에이전틱 AI라고 하는 AI 시스템이 크게 확산이 될 거라고 예상이 되고요. 또 하나 말씀드리고 싶은 거는, 젠슨 황 CEO도 말씀을 하셨지만, AI가 화면 밖으로 나와서 우리의 물리적인 어떤 세계와, 직접적인 영향을 주고받는 피지컬 AI의 시대가 본격화되는 시점이 될 것 같습니다.
◇조태현: 그러니까 AI랑 채팅하는 걸 넘어서 실제로 물리적인 작용을 할 수 있는 그런 AI?
●이재욱: 맞습니다. 그래서 지금까지 AI가 어떻게 보면 좀 '생각하는 뇌'였다고 그러면은, 좀 움직이는 몸을 갖게 된다고 할까요? 그런 쪽으로 진화를 하게 될 것 같습니다.
◇조태현: 알겠습니다. 제가 조금 전에 앞서서 '인공지능이 빙하기를 겪었다' 이런 말씀을 드렸었는데, 그게 60년대인가요?
●이재욱: 예. 사실 1980년대에 좀 그런 것들이 사실 굉장히 컸고요. 그 때 AI에 대한 굉장한 기대가 높았어요. 왜냐하면 사실은 그 AI 기술에 대해서 이런 것들이 뭔가 '우리가 지금 하는 것들을 굉장히 뭔가 본질적으로 바꿀 거다' 이런 것들에 대한 기대치가 굉장히 높았는데, 사실은 그 기대에 미치지 못하는 어떤 기술이 따라오지 못했기 때문에 그런 것들로 인해서 뭔가 한번 큰 실망이 있었던 거죠. 그래서 그런 걸로 인해서 소위 말하는 'AI 빙하기'가 왔던 거고요. 그래서 90년대 이후로는 AI 연구가 굉장히 사실은 좀 침체가 됐었습니다. 그러다가 2천년대 들어오면서 AI를 통해서 굉장히 사실 여러 가지 이유가 있는데, 그 중 세가지로 AI가 다시 붐을 이루게 된 계기를 뽑는다고 그러면, 하나는 인터넷 레벨에 굉장히 많은 데이터들이 쌓이기 시작했고요. 그다음에 두 번째는 GPU라고 하는 새로운 굉장히 강력한 하드웨어 이런 것들이 또 등장을 했고, 그다음에 세 번째는 알고리즘적인 이 AI를 실행하기 위한 어떤 혁신들이 있어서 이런 것들이 어떻게 결합이 되면서 새롭게, 어떻게 보면 굉장히 기존보다는 강력한 AI들이 나오게 됐고. 그런 것들로 인해서 지금은 상당히 AI가 실질적인 어떤 영향력을 우리 삶에 주고 있는 그런 상황이 된 것 같아요.
◇조태현: 이 데이터랑 GPU 그러니까 병렬 연산에 적합한 GPU, 여기까지는 이해를 하겠는데요. 80년대랑 지금 쓰고 있는 알고리즘 여기에는 어떤 차이가 있길래 이렇게 급격한 변화가 올 수 있었던 겁니까?
●이재욱: 사실은 재미있는 게 뭐냐면요. 기존의 AI는 어떤 식으로 좀 동작을 했냐면, 그 사람들의 우리 인간이 어떻게 생각을 하는지? 약간 조금 우리 전문가들은 예를 들면 어떻게 이걸 사고를 하는지, 그런 것들을 좀 모사하려는 방향으로 시스템을, 알고리즘을 만들었어요. 근데 사실은 최근에 우리가 이걸 '스케일링 법칙'이라고 하는데요. 그게 뭐냐면은 결국은 굉장히 어떤 작업에 특화된 예를 들면 우리가 시각적인 이해라든지, 아니면 음성 자연어를 이해한다든지, 인간의 어떤 특정한 이해하는 방식을 AI로 복사해서 모사하려는 이런 방향보다 어떻게 보면 굉장히 기본적인 알고리즘의 레고 블록 같은 빌딩 블록을 만들고, 그런 것들을 굉장히 크게 그 크기를 키우면은 성능이 좋아진다라는 그게 스케일링 법칙이라고 하는 건데 그 스케일링 법칙에 기반한 알고리즘들이 지금은 사실 생성형 AI의 주류가 됐습니다.
◇조태현: 그러니까 제가 지금 이렇게 이해를 했어요. 예전에는 이것, 저것 하나하나 다 가르쳤다면은, 지금은 데이터를 먹이고 '알아서 해 봐' 이렇게 한다는 식으로 변했다는 뜻입니까?
●이재욱: '데이터와 계산'. 컴퓨터를 굉장히 큰 스케일로 주게 되면은, 특화된 어떤 어프로치보다도 굉장히 더 어떻게 보면 성능이 좋은 우리가 AI를 만들 수 있다. 이게 지금 저희가 알게 된 교훈이라고 할 수 있습니다.
◇조태현: 알겠습니다. 이런 획기적인 변환점, 언제 생긴 겁니까?
●이재욱: 네. 여러 가지 변곡점이 있었는데요. 저희 쪽에서 딥러닝이라고 하는데, 기존의 어떤 심층 신경망을 굉장히 깊게 쌓는 이런 기술들이 한 2010년 전후로 나오기 시작했고요. 그다음에 제가 아까 말씀드린 기본적인 '레고 블록'이라고 하는 '트랜스포머'라고 하는 그런 구조가 있는데, 그건 2017년에 발표가 됐습니다.
◇조태현: 알겠습니다. 이런 큰 변화를 겪었는데요. 조금 전에 트랜스포머 말씀을 해 주셨는데, 저희 PD가 아침에 CES 사진을 보고 "이젠 정말 트랜스포머가 현실화가 되냐" 이런 말씀을 하시더라고요. 그래서 CES 이야기를 한번 해보도록 하겠습니다. CES에서 이번에 단연 키워드를 꼽으라면 역시 피지컬 AI인 것 같아요. NVIDIA의 젠슨황 CEO가 ‘피지컬 AI의 챗GPT’ 이런 이야기들을 했는데, 그러니까 피지컬 AI, 우리가 어떤 식으로 이해를 하면 좋을까요?
●이재욱: 그냥 쉽게 말씀드리면은 생각하는 뇌가 달린 로봇이나 기계라고 생각하시면 될 것 같습니다. 그래서 예를 들면 챗GPT 같은 생성형 AI가 "사과가 뭐야?" 이렇게 물어보면은 이건 글이나 사진으로 설명을 해 주잖아요? 그게 아니라 피지컬 AI 같은 경우는 "이 사과를 집어봐" 이러면 실제로 팔을 뻗어서 사과를 집어 올리는 이런 능력을 갖게 되는 거죠. 그러니까 쉽게 말씀드리면 생성형 AI는 말을 하는 AI고, 피지컬 AI는 행동을 하는 그런 AI가 되는 거죠. 그래서 예를 들면 자율주행차가 도로 상황을 보고 핸들을 조작을 하거나, 또는 공장 로봇이 부품 조립을 하거나, 또 수술 로봇이 정밀한 어떤 동작을 수행하는 것이 모두 다 피지컬 AI의 영역이라고 보시면 될 것 같습니다.
◇조태현: 제 GPT는 원고 보고 "사과가 뭐야?"라고 그러니까 "너는 그것도 몰라?" 이렇게 답하던데, 제가 교육을 좀 잘못 시킨 것 같습니다. 이런 피지컬 AI 쪽으로 지금 주목을 받고 있는데요. NVIDIA가 '그록'이라는 반도체 기업에다가 굉장히 큰 돈을 베팅해서 또 화제가 되기도 했어요. 첫 사례로 자율주행차를 젠슨황 CEO는 이야기를 하고 있는데, 피지컬 AI. 우리가 제일 먼저 볼 수 있는 거는 자율주행차나 로봇. 이런 걸 꼽아야 될까요?
●이재욱: 예. 사실 젠슨 황 CEO도 자율주행차가 어떻게 보면 최초의 대규모 피지컬 AI 시장이라고 말씀을 하셨고, 그다음에 또 10년 내에 전 세계 자동차의 상당 부분이 자율 주행이 될 거라고 예측을 했습니다. 어제 현대차에서도 CES에서 휴머노이드 로봇 '아틀라스'를 공개하면서 피지컬 AI 시대에 개막 선언을 했죠. 그런데 자율주행차 같은 경우는 이미 수백만 대의 차량 데이터로 학습이 가능하고, 또 경제적인 가치가 명확하기 때문에 가장 빠르게 상용화가 될 것 같고요. 그렇지만 앞으로 제조 로봇이라든지, 물류 로봇, 또는 의료 로봇 등 다양한 어떤 분야에서 피지컬 AI가 동시다발적으로 발전할 것 같습니다.
◇조태현: 지금 각국이 피지컬 AI를 사실상 전략 자산화하고 있잖아요? 특히 미국 쪽에서 상당히 예민하게 반응하는 것 같습니다. 어떻게 움직이고 있나요?
●이재욱: 미국은 사실 그동안에 인건비가 굉장히 높기 때문에, 제조업을 사실 해외로 많이 내보냈었는데요. 그 AI와 로봇이 결합된 피지컬 AI를 통해서, 소위 말하는 걸 '디지털 리쇼어링'이라고 얘기를 하고 있는데, 제조업의 어떻게 보면 본국으로 좀 회기를 하는 이런 모양을 꿈꾸고 있는 것 같고요. 그래서 사람 대신 24시간 일하는 똑똑한 로봇이 있다면 어떤 분들은 '다크 팩토리'라고 말씀을 하시기도 하는데, 사람이 없는..
◇조태현: 아, 불은 꺼져 있고 기계만 움직이는?
●이재욱: 네. 그래서 그런 24시간 이런 똑똑한 로봇이 있다면, 사실은 비싼 임금 걱정 없이도 자국 내에 어떻게 보면 탄탄한 제조 공급망을 갖출 수 있기 때문에, '칩스법'이라든지 그 인플레이션 감축법 'IRA' 같은 이런 법들을 통해서 피지컬 AI의 제조 기반을 미국 생태계에 뿌리내리려고 하는 이 거대한 전략을 가지고 있는 것 같습니다.
◇조태현: 큰 흐름 자체는 달라지지 않는 것 같아요. 바이든 행정부 때는 이거를 조금 포장을 해서 점잖게 보이려고 했고, 트럼프 행정부 때는 정말 노골적으로 하고 있고. 이런 차이만 있는 것 같은데, 역시 이 배경에는 중국과의 'AI 패권 경쟁' 이런 것들도 있다고 볼 수가 있을 것 같습니다. 미국이 '제네시스 미션'이라는 걸 전략화하고 있는데, 이거를 AI 판 '맨해튼 프로젝트'라고 하거든요? 맨해튼 프로젝트면 핵무기잖아요? 이게 AI랑 뭐 어떻게 연결되는 겁니까?
●이재욱: 그 맨해튼 프로젝트는 아마 영화 <오펜하이머>라는 영화 최근에 보셨는지 모르겠어요. 그 영화가 맨해튼 프로젝트에 대한 영화인데요. 그게 2차 세계대전 당시에 핵무기를 개발했던 비밀 프로젝트였고요. 올해 지난 11월달에 발표된 '제네시스 미션'은 그 맨해튼 프로젝트에 비견되는, 어떻게 보면 역사적이고 국가적인 어떤 노력이라고 볼 수 있고, 이 내용을 보면 미국의 에너지부. 그러니까 그 에너지부를 주도로 해서 연방 정부가 지난 수십 년간 축적한 세계 최대 규모의 어떤 과학 데이터셋이라든지, 또는 국립연구소의 슈퍼 컴퓨터를 하나로 통합하는 미국의 어떻게 보면 '국가 과학안보플랫폼'을 구축하는 것이 핵심입니다.
◇조태현: 이렇게 하나로 통합해도 됩니까?
●이재욱: 뭐 그렇게 하면 아무래도 뭔가 좀 더 큰 스케일에 실험이라든지, 이런 것들을 하는 데 유리한 점도 있고요. 그리고 또 그 자원을 공유함으로써 효율적으로 이걸 또 운영할 수 있는 그런 측면이 있습니다. 그래서 저희가 내용을 또 자세하게 살펴보면, 과학 전용의 어떤 파운데이션 모델, 기본 모델을 만들겠다는 거. 그다음에 아까 말씀드린 대로 'AI 에이전트'라고 하는 어떤 그런 소프트웨어들을 만들어서 어떻게 보면 과학적인 가설을 검증하고, 또 이런 연구의 어떤 플로우를 자동화하는 부분까지를 실현하겠다고 하는 것이 그 내용이라고 보면 되겠습니다.
◇조태현: 아니 여쭤본 게, 한 곳에 모아놓으면 그런 효율성은 좋아지겠지만, 공격받기도 쉬울 것 같아 가지고 말씀 드린거였거든요.
●이재욱: 그런 측면도 있습니다.
◇조태현: 그런데 중국 역시 가만히 있지는 않을 것 같아요. 중국은 어떻게 대응하고 있나요?
●이재욱: 아 중국도요. 사실은 맞불을 놨는데요. 지난 12월 23일에 미국의 '제네시스 미션'에 대응되는 강력한 ‘자율형 AI 과학연구 시스템’을 공식적으로 출범을 시켰고요.
◇조태현: 크리스마스 선물 같은 거네요?
●이재욱: 예 맞습니다. 근데 핵심은 중국에 전체에 있는 30개 이상의 슈퍼 컴퓨팅 센터를 고속망으로 연결한 'SSC 넷'이라고 하는 이 슈퍼 컴퓨팅 네트워크의 약자인데요. SSC 넷이라고 하는 어떤 그런 클러스터를 만들겠다는 거고요. 그래서 이 시스템에 가장 중요한 부분은 그 과학자가 코딩을 하는 게 아니라, 어떤 일상적인 우리의 언어로 간단한 명령을 내리면 그 AI가 스스로 연구 단계를 나누고, 시뮬레이션도 돌리고, 데이터를 분석해서 보고서까지 완전히 자동화하는 소위 말하는 AI 사이언티스트라고 하거든요. 그런 것들을 구축하는 것들이 핵심적인 내용입니다.
◇조태현: 진짜 진짜 가능한 거예요? 그게?
●이재욱: 어느 정도 지금 예를 들면 저희 컴퓨터공학 쪽에서는 오히려 저희가 실험하는 내용이 주로 소프트웨어적인 코딩을 하는 거기 때문에, 그런 부분에서는 상당히 어떻게 포텐셜을 좀 보이고 있고요. 이거를 실질적으로 뭔가 자연과학적인 어떤 물리학이라든지, 아니면 생물학이라든지. 이런 것들은 어떻게 보면 물리적인 것들을 좀 제어를 해야 되기 때문에, 그런 것들은 조금 더 시간이 걸릴 것으로 생각하고 있습니다.
◇조태현: 알겠습니다. 중국이 무서운 게, 작년에 '딥시크 쇼크'라고 해갖고, 시장에 굉장히 큰 충격을 줬었잖아요? 그 쇼크를 준 배경을 보면은 미국처럼 어마어마한 투자를 하지도 않고, 이 정도 성능을 만들어냈다. 이게 쇼크로 많이 와닿았거든요? 지금 중국의 AI 수준은 어느 정도로 우리가 이해를 해야 됩니까?
●이재욱: 지금 어떻게 보면은 사실은 미국과 중국이 전 세계 AI의 2강을 형성하고 있는 거에는 의심의 여지가 없고요. 그리고 사실은 거의 미국과 동등한 수준의 AI 기술을 갖고 있거나, 어떤 분야에서는 특히 제조라든지, 이런 부분에서는 더 어떻게 보면 미국보다 높은 수준의 AI를 갖고 있다 라는 평가도 있습니다. 그래서 사실은 굉장히 높은 수준의 AI 기술을 갖고 있고요. 앞으로 미중 간의 어떤 갈등 경쟁이 더욱더 치열해질 것으로 예상이 되고 있습니다.
◇조태현: 알겠습니다. 계속적으로 반복되는 이런 싸움들, 미국과 중국의 어떤 AI 패권 경쟁까지 말씀을 드렸는데, 밸런스 게임 한번 더 해볼까요? 이 싸움의 승자는 누가 될 것인가. 1번은 미국, 2번은 중국이라고 하면요?
●이재욱: 이건 너무 어려운데요. 아마 분야별로 조금씩 이것도 장단점 서로 좀 나눠 갖는 모양새가 되지 않을까. 국가별로 더 장단점이 있으니까요. 아무래도 현재로 보면은 지금 중국 같은 경우는 이 제조 분야가 전 세계의 공장이잖아요? 그렇기 때문에 어떻게 보면 제조업 분야에서 굉장한 경쟁력을 갖고 있고요. 그리고 미국 같은 경우는 현재 반도체나, 어떤 컴퓨팅 NVIDIA. 이런 회사들을 비롯해서 컴퓨팅 자산이나 이런 것들에 굉장히 큰 강점을 갖고 있기 때문에, 범용 모델이라든지 뭐 AGI 이런 쪽에서는 미국이 좀 더 강점을 가지고 있을 것 같아서, 이런 식으로 어느 정도는 좀 이렇게 나눠지지 않을까 예상을 하게 됩니다.
◇조태현: 참 이거는 미국, 중국 어디에 물어봐도 명확하게 답변을 못 할것 같은 그런 문제 같습니다. 그런데 여기에서 그렇다면, 왜?를 여쭤봐야 될 것 같은데요. 중국과 미국이 AI 패권을 두고 이렇게까지 피 터지게 싸우는 배경, 이거는 뭘로 봐야 될까요?
●이재욱: 사실은 AI 기술이 굉장히 좀 특별하다면 특별하다는 점이 있는데요. 이게 그 '능력의 증폭 장치'라고 생각하실 수 있을 것 같아요.
◇조태현: 그게 무슨 말입니까?
●이재욱: 그러니까 예를 들면은, 우리 어떤 인간의 생산성을 늘려주는 데 있어서, 이게 사실은 어떤 10배의 생산성 증가를 가져다준다고 만약에 가정을 한다고 그러면, 1의 능력을 가진 사람은 예를 들면 10이 되고, 10의 능력을 가진 사람은 100이 되잖아요?
◇조태현: 교수님이 쓰시면 100이 되고, 제가 쓰면 10이 되고 이런?
●이재욱: 그런 뜻은 아닙니다만, 뭐 이런 어쨌거나 그 개인 또는 국가의 능력치를 증폭해 주는, 생산성을 증폭해 주는 증폭기 역할을 하거든요. 그래서 이거를 국가 간의 경쟁에 적용하면, 또 국력의 증폭 장치라고 볼 수도 있을 것 같아요. 그래서 과거에 AI가 사이버 공간에서 정보를 추천하고, 분석하고 이런 정도의 수준이었다고 하면은 피지컬 AI 시대에는 현실 세계에서 직접 어떤 세계를 지각하고, 판단하고, 작동하는. 이런 AI가 되기 때문에 정보의 주권을 넘어서 행동의 주권까지 이게 확장이 되는 거죠. 국방 분야의 어떤 적용은 가장 좀 직접적인 예로 볼 수 있고요. 그 외에도 자율주행이라든지, 로봇처럼 물리적인 시스템을 우리가 스스로 통제를 할 수 없다면 이 경제적인 종속은 물론, 안보에도 큰 영향이 있기 때문에 이 반도체로부터 알고리즘. 아까 물리적인 어떤 것을 제어하는, 전체적인 기술의 플로우를 통제할 수 있는 나라만이 미래의 패권을 가져갈 수 있다고 보고 있습니다.
◇조태현: 그렇기 때문에 이렇게까지 초반부터 치열한 신경전을 벌이고 있다? 피지컬 AI가 나오면 꼭 따라오는 게 '추론'이라는 말인데요. 1분의 시간을 드릴 테니까, 피지컬 AI의 추론을 좀 가볍게 설명 좀 부탁드려요.
●이재욱: 예. AI가 어떻게 보면 공부를 하는 단계를 학습이라고 한다면, 시험을 치르는 단계를 '추론'이라고 볼 수 있거든요. 그래서 사실 피지컬 AI에 있어서 추론이라는 거는, 어떻게 보면 안전, 또는 생명과 직접 연결이 돼 있습니다. 예를 들어서 추론이 필요한 이유는 로봇 같은 것들이 예상하지 못한 상황에서도 즉각적인 판단을 해야 되잖아요?
◇조태현: 네네네.
●이재욱: 예를 들면 자율주행차가 운전을 하다가 장애물을 보고 브레이크를 밟아야 할지, 차선을 바꿔야 할지 이런 결정을 즉각적으로 내려야 하기 때문에..
◇조태현: 그쵸. 10분 있다 결정을 내리면 아무 의미가 없죠.
●이재욱: 맞습니다. 그래서 이런 현실 세계에서 0.1초의 지체도 굉장히 큰 영향을 줄 수 있기 때문에, 피지컬 AI 시대에는 아주 빠르고 정확하게 판단을 내리는 그런 추론 기술. 이런 것들이 핵심적인 경쟁력이 됩니다.
◇조태현: 알겠습니다. 그렇기 때문에 NVIDIA 같은 데에서도 추론을 강조하는 것 같은데, '베라 루빈'이라는 거를 또 발표를 했어요. 이거는 AI 칩 중에서 '추론용 AI 칩'이라고 보면 되는 거죠? HBM3, HBM4 이런 것들도 등장을 하던데, 이게 어떻게 연결되는 거죠?
●이재욱: 사실 그 베라루빈 칩 자체는 아까 말씀드린 학습을 위해서도 쓸 수 있고, 추론을 위해서 쓸 수 있는 범용적인 반도체고요. 말씀하신 대로 빠른 추론을 위해서는 엄청난 양의 데이터를 처리를 해야 되거든요. 그래서 어제 NVIDIA가 발표한 베라 루빈은 그런 학습과 추론을 다 할 수 있는 칩인데, 특히 추론 과정에서는 소위 말하는 메모리의 읽고, 쓰기 속도가 굉장히 중요한 역할을 하거든요. 그래서 우리 SK하이닉스나, 삼성전자에서 개발하고 있는 '고대역폭 메모리' HBM이라고 하는 메모리가 핵심 기술이 됩니다.
◇조태현: 데이터를 빨리 먹고, 빨리 내뱉어줘야 된다?
●이재욱: 맞습니다. 데이터를 빨리 읽고, 빨리 쓰는 그런 것들이 사실은 그 추론 속도에 직접적인 영향을 주거든요. 그래서 SK하이닉스가 공개한 HBM 제 16단 적층 같은 경우는, 한 칩에 더 많은 메모리를 더 빠르게 읽고, 쓸 수 있다는 의미고요. 그 HBM 4를 발표를 했는데, HBM 3는 3세대고, 4는 4세대고 이런 식으로 해 세대별로 발전을 하고 있고, 이 세대가 지나갈수록 속도와 용량이 지속적으로 빠르게 발전을 하고 있습니다.
◇조태현: 알겠습니다. 그래서 교수님께서 비유해 주신 게 "AI 칩은 엔진이고, HBM은 고속도로다" 이 부분이 많이 와닿는 그런 비유입니다. 최근에 그런데 HBM만 각광을 받는 건 아니고요. D램 수요까지 폭증을 하고 있어서, 이런 것들이 주식시장에도 영향을 많이 미치고 있는데요. 여기에서 결국에 중심이 되는 거는 또 전력이 아닐까 싶어요. 전 세계적으로 보니까 미국에는 데이터 센터가 3800개가 넘는다고 하는데, 우리나라에는 80개밖에 안 된다 라는 이야기도 있어요. 우리나라 AI 인프라 투자, 이 정도로 괜찮은 겁니까?
●이재욱: 한 통계에 의하면 전 세계 AI 컴퓨팅 '캐파(CAPA)'의 전체 한 4분의 3 정도가 지금 미국에 있다고 해요. 우리나라가 사실은 메모리 반도체는 1등인데, 데이터센터 규모로 보면 한 미국의 한 2% 정도? 그래서 한 80여 개 정도에 불과하고요. 사실 피지컬 AI 시대의 '핵심 연료'라고 하면은, 데이터하고 전력. 그리고 '컴퓨팅 자원'이거든요. 그래서 우리가 반도체 칩을 잘 생산하는 것에 안주하지 않고, 국가 차원에서 대규모 AI 인프라와 전력망도 굉장히 중요하거든요. 전력망을 확충하는 그런 인프라 주권 확보가 시급하다고 생각합니다.
◇조태현: 여기에서 또 원전 문제가 등장할 텐데, 오늘은 다루지 않겠습니다. 끝으로 교수님께서는 지금 연구도 하시면서 또 양성을 하는 역할을 하고 계시잖아요? AI에 살아갈 후배들. 우리 때나 우리 윗분들 때랑은 완전히 다른 시대가 될 것 같은데, 후배들과 부모님들께는 어떤 말씀을 해 주시고 싶으십니까?
●이재욱: 사실 저희 대학에서도 굉장히 고민들이 많아요. 우리 AI 시대에 어떻게 우리 대학이 어떤 역할을 해야 되는가? 이런 것들에 고민이 많고요. 이게 사실은 굉장히 깊은 질문인 것이, 인간과 AI는 그러면 어떤 방식으로 공존을 해야 하는가. 그리고 노동의 미래는 어떻게 되는가. 이런 것들이 사실은 교육에 다 연결되어 있는 그런 주제거든요. 그래서 요즘 소위 말씀하시는 것들이 AI 시대에는 '질문을 잘하는 게 핵심이다, 생존법이다' 이렇게 말씀들을 많이 하시는데, 이게 맞는 말씀이고요. 맞는 말씀인데, 사실 질문의 수준이라는 것도 원래는 아는 만큼 할 수 있거든요.
◇조태현: 그렇죠.
●이재욱: 초등학생 수준의 지식을 갖고 있으면 초등학생 수준의 질문을 하는 거고, 전문가 수준의 지식을 갖고 있으면 전문가 수준의 질문을 하시겠죠. 그래서 역설적이게도 AI 시대에는 질문을 잘하기 위해서는 더 많이 보고, 더 읽고, 경험을 해서 나만의 어떤 기초들을 탄탄하게 쌓는 교육이 어떻게 보면 더 중요하다고 생각이 되고요. 그다음에 '어떻게(How)'라고 하는지 이런 것들은 AI가 금방 풀어주겠지만, 우리가 무엇을 해야 되고, 왜 해야 되는지. 이런 문제 정의에 대한 것들은 여전히 우리 인간들의 몫으로 남아 있기 때문에, 이걸 잘하려면 인간과 세상에 대한 어떤 깊은 이해. 그래서 이전에 말씀드린 철학이라든지, 언어학이라든지, 경제학이라든지, 인문사회과학적인 어떤 소양이 밑바탕이 되어야 된다고 생각을 합니다.
◇조태현: 결국에는 계속 자신을 벼리면서 공부를 해 나가는 것들 AI 시대에 있어서도 인간의 역할은 그런 측면에서는 줄어들진 않을 것 같습니다. 지금까지 서울대 AI 연구원장이신 이재욱 교수님과 함께 이야기 나눠봤습니다. 오늘 말씀 고맙습니다.
●이재욱: 네. 대단히 감사합니다.
YTN 김양원 (kimyw@ytnradio.kr)
[저작권자(c) YTN 무단전재, 재배포 및 AI 데이터 활용 금지]
AD