AI-World-Story

내 손안의 작은 컴퓨터인 스마트폰을 쓰다 보면 가장 먼저 부딪히는 벽이 하나 있다. 바로 저장 공간 부족이다. 사진 몇 장 찍고 게임 좀 설치했을 뿐인데 용량이 꽉 찼다는 경고 메시지가 뜨면 한숨부터 나온다. 사람들은 보통 구글 드라이브나 드롭박스 같은 클라우드 서비스를 쓰지만, 파일을 올리고 내릴 때마다 기다리는 시간이 너무 길어 답답함을 느끼곤 한다. 그런데 최근 아주 놀라운 연구 결과가 발표되었다. 안드로이드 스마트폰에 네트워크 블록 디바이스 즉, NBD라는 기술을 접목하면 내 폰의 용량을 마치 무한대처럼 늘리면서도 마치 내 폰에 직접 저장한 것처럼 아주 빠르게 쓸 수 있다는 소식이다. 똑똑하지만 배고픈 안드로이드에게 무한한 창고를 선물하다 우리 주변의 수많은 가전제품과 스마트 기기들은 대부분 안드로이드 시스템을 머리로 쓰고 있다. 특히 팔(ARM) 기반의 프로세서는 전기를 적게 먹으면서도 성능이 좋아 스마트폰뿐만 아니라 사물인터넷 기기들의 핵심 부품으로 사랑받고 있다. 하지만 이 기기들은 몸집이 작다 보니 데이터를 저장할 공간이 늘 부족하다는 치명적인 단점이 있다. 이 문제를 해결하기 위해 연구진은 리눅스라는 운영체제에서 예전부터 쓰이던 보물 같은 기술인 엔비디아(NBD) 프로토콜에 주목했다. 이 기술의 핵심은 멀리 떨어진 서버에 있는 거대한 저장 장치를 마치 내 스마트폰에 직접 꽂은 마이크로 SD 카드나 하드디스크처럼 인식하게 만드는 것이다. 기존의 클라우드 방식이 파일을 하나하나 통째로 주고받는 방식이었다면, 이 방식은 데이터의 아주 작은 단위인 블록을 직접 건드린다. 덕분에 중간 단계의 군더더기가 사라져 속도는 엄청나게 빨라지고 전력 소모는 획기적으로 줄어들게 된다. 스마트폰이 거대한 데이터 창고와 직접 연결된 전용 고속도로를 갖게 되는 셈이다. 기존 클라우드보다 2배 빠른 속도! 실험으로 증명된 압도적 성능 연구진은 이 마법 같은 기술이 정말 효과가 있는지 알아보기 위해 아주 꼼꼼한 실험을 진행했다. 우리가 흔히 사용하는 구글 ...

  여러분은 바퀴벌레를 얼마나 싫어하는가? 만약 1점부터 7점까지 점수를 매기라고 한다면, 아마 많은 사람이 고민도 없이 7점을 선택할 것이다. 그런데 여기에 커다란 함정이 있다. 7점을 고른 수많은 사람이 모두 똑같은 수준으로 바퀴벌레를 싫어하는 걸까? 어떤 사람은 바퀴벌레 사진만 봐도 기절할 정도이고, 어떤 사람은 직접 마주쳤을 때만 소리를 지를 수도 있다. 하지만 기존의 객관식 설문 조사는 이 미세한 차이를 모두 7점이라는 하나의 숫자에 가둬버린다. 이를 학술적으로는 천장 효과(Ceiling Effect)라고 부른다. 최근 이 문제를 인공지능(AI)으로 해결한 흥미로운 연구가 발표되어 화제다. 숫자에 갇힌 우리의 마음, 천장 효과라는 보이지 않는 벽 우리가 흔히 접하는 설문 조사는 대부분 5지 선다나 7점 척도로 이루어진다. 하지만 공포나 혐오처럼 아주 강렬한 감정을 측정할 때, 이 방식은 한계에 부딪힌다. 너무 많은 사람이 최고점을 선택하기 때문에, 정작 그 사람들 사이의 차이를 구별할 수 없게 되는 것이다. 실제로 과거의 한 연구에서는 바퀴벌레에 대한 공포와 살충제 사용량 사이의 관계를 밝히려 했지만 실패했다. 응답자의 절반 가까이가 이미 최고점인 7점을 찍어버렸기 때문이다. 공포의 깊이가 저마다 다른데 숫자는 똑같으니, 통계적으로 아무런 의미를 찾아낼 수 없었던 셈이다. 이 보이지 않는 벽을 깨기 위해 이스라엘 하이파 대학교 연구진이 새로운 방식을 들고 나왔다. 인공지능이 심사위원이 된다? 맞춤형 주관식 테스트의 탄생 연구팀은 단순한 숫자가 아닌, 사람들의 진짜 목소리를 듣기로 했다. 그들이 고안한 방식은 다단계 적응형 테스트(MST)와 거대 언어 모델(LLM)을 결합한 하이브리드 시스템이다. 쉽게 말해, 인공지능이 응답자의 대답에 따라 다음 질문을 던지고, 그 대답을 직접 분석하는 방식이다. 먼저, 응답자는 바퀴벌레를 얼마나 싫어하는지 묻는 간단한 질문에 답한다. 인공지능은 이 답변을 바탕으로 응답자를 저, 중, 고의 세 가지 그룹...

구글이나 네이버에서 '주차장 꿀팁'이나 '주차 전쟁'을 검색해본 적이 있는가? 꽉 찬 주차장을 뱅글뱅글 돌며 빈자리를 찾다가 약속 시간에 늦어 진땀을 흘린 경험은 누구에게나 있을 것이다. 이제 그런 걱정은 접어둬도 좋다. 하늘을 나는 작은 드론이 당신의 주차 문제를 완벽하게 해결해 줄 날이 머지않았다. 멕시코의 연구진이 최신 인공지능 기술과 드론을 결합해, 주차장의 빈자리를 실시간으로 찾아내는 혁신적인 시스템을 개발했다는 소식이다. 이 똑똑한 드론이 어떻게 우리의 일상을 바꿀지 지금부터 자세히 살펴보자. 하늘 위에서 내려다보는 주차장, 인공지능의 눈을 갖다 기존에도 주차 공간을 확인하는 시스템은 있었다. 하지만 주차장 바닥에 센서를 하나하나 매립하거나, 모든 구역을 감시하기 위해 수십 대의 CCTV를 설치해야 하는 등 비용과 관리가 만만치 않았다. 연구팀은 이 문제를 해결하기 위해 드론을 선택했다. 드론은 넓은 주차장을 한눈에 내려다볼 수 있고, 필요한 곳으로 자유롭게 이동할 수 있기 때문이다. 연구진은 특히 가볍고 조작이 쉬운 DJI Mini 3 드론을 사용했다. 이 작은 드론이 찍은 고화질 사진을 최첨단 인공지능인 요로브이11(YOLOv11)이 분석하게 했다. 요로브이11은 물체를 감지하는 속도가 매우 빠르고 정확해서, 드론이 날아다니는 동안 실시간으로 어떤 자리가 비어 있고 어떤 자리에 차가 있는지 즉시 판별해낸다. 실험의 핵심은 데이터와 알고리즘의 조화였다 연구진은 멕시코 마사틀란에 있는 대학교 주차장에서 직접 드론을 띄워 수많은 사진을 찍었다. 단순한 사진 촬영에 그치지 않고, 인공지능이 공부할 수 있도록 차량과 주차 구역을 일일이 표시하는 정교한 작업이 진행됐다. 데이터가 부족할 때는 사진을 돌리거나 밝기를 조절하는 증강 기법을 사용해 인공지능을 더욱 혹독하게 훈련시켰다. 그 결과, 이 인공지능 시스템은 차량 감지 정확도에서 99.1%라는 놀라운 성적을 거두었다. 주차 구역을 찾는 능력 또한 95.8%에 달해, ...

  텔레파시가 현실이 되는 세상이 오고 있다면 믿겠는가? 상상만으로도 컴퓨터와 대화를 나누고, 목소리를 잃은 사람들이 다시 세상과 소통하는 꿈같은 이야기가 지금 우리 뇌 안에서 펼쳐지고 있다. 최근 발표된 연구는 인간이 머릿속으로 떠올리는 ‘상상 속의 말(Imagined Speech)’을 뇌파(EEG)를 통해 해독하는 기술이 어디까지 왔는지, 그리고 우리가 해결해야 할 숙제는 무엇인지를 생생하게 보여준다. 마음의 소리를 포착하는 뇌파의 마법, 왜 지금 이 연구에 주목해야 할까? 우리는 평소 겉으로 말을 내뱉지 않아도 끊임없이 머릿속으로 생각한다. 이를 ‘침묵의 언어 사고’라고 부른다. 사고나 질병으로 몸이 마비되어 말을 할 수 없는 사람들에게 이 내면의 목소리를 밖으로 꺼내주는 기술은 그야말로 생명줄과 같다. 뇌파(EEG)는 수술 없이 머리에 전극을 붙이는 것만으로 뇌의 전기 신호를 읽어낼 수 있어 안전하고 빠르다는 장점이 있다. 하지만 뇌파는 잡음이 많고 신호가 복잡해 해독하기가 무척 까다롭다. 이번 연구는 지난 10년 동안 이 어려운 문제를 풀기 위해 인류가 어떤 노력을 기울여왔는지, 언어학부터 신경과학, 인공지능 기술까지 총동원된 최신 성적표를 공개했다. 뇌는 어떻게 말할 준비를 할까? 감각과 운동의 오케스트라가 시작된다 연구 결과에 따르면, 우리가 말을 상상할 때 뇌는 단순히 언어 영역만 사용하는 것이 아니다. 놀랍게도 혀나 입술을 움직이는 것과 관련된 ‘감각-운동 피질’이 아주 활발하게 움직인다. 실제로 소리를 내지 않아도 뇌는 마치 말을 하려는 것처럼 근육에 보낼 신호를 미리 시뮬레이션하고 있는 셈이다. 이 발견은 매우 중요하다. 인공지능이 단어의 의미 자체를 찾는 것보다, 뇌가 단어를 발음하려고 준비하는 ‘운동 신호’를 포착할 때 해독 정확도가 훨씬 높았기 때문이다. 즉, 마음을 읽는 열쇠는 뇌의 운동 계획 속에 숨어 있었다. 또한, 연구진은 인공지능이 뇌파를 분석할 때 어떤 정보를 활용해야 가장 똑똑해지는지도 밝혀냈다. 단순히 시...

  — 설명까지 해주는 인공지능, 통신사 고객 이탈 예측의 판을 바꾸다 “왜 이 고객은 떠나려 했을까?”라는 질문에서 연구는 시작됐다 통신사를 한 번 떠난 고객을 다시 돌아오게 하는 일은 쉽지 않다. 새 고객을 데려오는 데 드는 비용이 기존 고객을 붙잡는 비용의 몇 배나 되기 때문이다. 그래서 통신사에게  고객 이탈 , 즉 ‘해지’는 단순한 숫자가 아니라 회사의 생존과 직결된 문제다. 그동안 인공지능은 “이 고객은 곧 떠난다”라는  예측 은 잘해왔다. 문제는 그 다음이었다. 왜 떠나는지 설명을 못 했다. 마치 시험에서 정답은 맞혔는데 풀이 과정이 없는 것처럼 말이다. 현장에 있는 마케터나 상담원은 이 결과를 믿고 행동하기가 어려웠다. 이 연구는 바로 그 지점에 질문을 던졌다. “예측만 잘하는 AI가 아니라, 이유까지 말해주는 AI를 만들 수는 없을까?” 7천 명의 고객 데이터를 AI에게 맡겨봤다 연구진은 실제 통신사 고객 행동을 잘 반영한 공개 데이터셋을 사용했다. 약  7,000명 이 넘는 고객의 정보였다. 계약 형태, 요금, 사용 기간, 결제 방식, 서비스 이용 내역 등이 모두 담겨 있었다. AI에게는 단순히 데이터를 던져주지 않았다. 요금과 사용 기간을 결합해  월평균 사용 강도 를 만들고 여러 서비스를 동시에 쓰는지 여부를 하나의 지표로 묶었다 이렇게  사람이 먼저 고민해서 만든 정보 를 AI에게 건네자, 모델은 훨씬 똑똑해졌다. AI 여러 명을 모아 ‘팀플레이’를 시켰다 연구의 핵심 아이디어 중 하나는  여러 AI 모델을 동시에 쓰는 방식 이었다. 한 명의 천재보다, 서로 다른 재능을 가진 전문가 팀이 더 나은 결정을 내릴 수 있다는 발상이다. 이 연구에서는 나무처럼 갈라지며 판단하는 AI 실수를 보완하며 점점 똑똑해지는 AI 신경망처럼 작동하는 AI 이렇게 성격이 다른  7종의 AI 를 훈련시켰다. 그리고 가장 성능이 좋은 세 모델의 의견을  평균  내어...