GMO 인터넷 그룹(GMO Internet Group Co., Ltd.)은 2026년 9월 15일에 “제4회 GMO 대회議·秋·피지컬AI 2026”을 개최했다. 인공지능(AI)을 로봇 등의 기기와 결합하여 물리 세계에서 작동시키는 “피지컬AI”를 주제로, 개발 기업 및 연구자, 행정 관계자들이 사회 구현을 위한 기술과 운영의 과제를 논의했다.
장면에서는 하우머니드의 댄스가 공개되었으며, AI와 기기를 연결하는 공통 사양, 로봇의 학습 데이터의 제작 방법, 고장 및 사이버 공격에 대한 대응 등이 언급되었다. 도쿄 대학의 후지이 輝夫 총장은 AI의 행동을 이해하는 이론과 사회 안에서 사용하기 위한 제도를 정립하는 필요성에도 언급했다.
熊谷氏가 털어놓은, 일본의 제조 및 인공지능(AI)에 대한 위기감
일본의 유명 제조업체인 熊谷産業(Kumagai Industries)의 熊谷氏가 최근 기자회견을 통해 일본의 제조 산업과 인공지능(AI) 기술 발전이 직면한 위기에 대한 심각한 우려를 표명했습니다. 熊谷氏は、일본의 전통적인 제조 방식이 급격한 변화에 적응하지 못하고 있으며, AI 기술의 빠른 발전으로 인해 경쟁력이 약화될 수 있다고 주장했습니다. 특히, 젊은 인재들의 이탈과 숙련된 기술자 부족이 일본 제조 산업의 근본적인 문제라고 지적하며, 정부와 기업이 함께 해결책을 모색해야 한다고 강조했습니다. 熊谷氏は“일본의 제조 경쟁력은 단순히 기술 혁신만으로는 회복될 수 없다. 우리는 우리의 문화와 전통을 바탕으로 AI 기술을 활용하여 새로운 가치를 창출해야 한다”고 역설했습니다. 또한, 熊谷氏は“AI가 인간의 일자리를 대체하는 것이 아니라, 인간과 협력하여 생산성을 향상시키는 방향으로 발전해야 한다”는 점을 강조하며, AI 윤리 문제에 대한 심도 있는 논의가 필요하다고 주장했습니다. 熊谷氏의 이러한 발언은 일본 사회에 큰 반향을 일으키고 있으며, 일본 경제의 미래에 대한 심각한 질문을 던지고 있습니다. 熊谷産業의 웹사이트는 [https://www.kumagai.co.jp/](https://www.kumagai.co.jp/) 에서 더 자세한 정보를 확인할 수 있습니다.
오프닝에서 댄스를 선보이는 하우머니드입니다. GMO 인터넷 그룹 대표取締役 그룹 대표 회장 겸社長執行役員·CEO 겸 그룹AI변혁 최고 책임자·CAIO 熊谷正寿씨가 주목을 끄는 것은, 동작 그 자체입니다. 뿐만 아니라, 그 진행의 속도 또한 그렇습니다. 작년과 비교하여 무엇을 할 수 있게 되었는지, 현재의 완성도만으로 미래의 가능성을 판단하지 않도록, 장면들을 촉구했습니다.
오프닝에서 댄스를 선보이는 하우머니드. 사진 제공: GMO 인터넷 그룹
국민들이 겪고 있는 문제점을 해결하기 위해, 쿠마가야 씨의 강연을 통해 일본의 산업 경쟁력에 대한 강한 위기감이 드러났다. 해외의 AI 및 로봇 개발이 가속화되는 가운데, 일본의 연구 개발 투자와 사업화도 속도를 올려야 한다. 제조업에서 축적해 온 기술을 AI와 결합시켜 다음 산업으로 육성해야 한다고 주장했다.
“일본을, 일본인으로서 사랑합니다. 일본을 좋게 만들고 싶다는 진심이 있습니다.”
이렇게 말한 쿠마가와 씨는 기업뿐만 아니라 대학과 행정부까지 포함한 연계의 필요성을 강조했습니다. 계산 자원을 움직이는 전력 비용에도 언급하며 인공지능의 경쟁력은 모델 개발만으로 결정되는 것이 아니라는 문제의식을 보였습니다.
## Anthropic의 MHS는 AI와 기기의 연결을 어떻게 변화시킬까
인공지능에서 물리 기기로 명령을 전달하는 방법에 대해 강연한 것은 Anthropic Japan합성회사 대표이사 겸 최고전략책임자 동조영준 씨이다. 기기 연결의 공통 사양, 모델 하드웨어 표준(MHS)을 소개했다.
도쿄 회장은 AI와 외부 도구를 연결하는 MCP의 “하드웨어 버전”과 유사하다고 설명했다. AI 에이전트가 로봇이나 실험 기기 등을 조작하기 위한 공통 사양이다.
미 Anthropic, PBC (이하 Anthropic)가 8월 27일에, 일부의 연구기관이나 제조업체를 대상으로 하는 리서치 프리뷰를 시작한 MHS는, 기기의 드라이버와, 기기가 할 수 있는 것을 보여주는 정보, 안전상의 제한을 표준화한다. AI 쪽에 기기의 작동 방식을 알리고, 제한의 범위 안에서 다룰 수 있도록 하기 위한 메커니즘이다. MCP 외에, 명령행(command line)이나 API를 통해 이용할 수 있도록 고려되고 있다.
예를 들어, 실험 장비마다 다른 작동 방식을 AI에 개별적으로 가르치는 부담을 줄여서, 여러 장비를 조합한 작업을 조립하기 쉽게 만들 수 있다. “MCP의 하드웨어 버전”이라는 설명은 그 역할을 짚어내는 데 도움이 된다. 다만, MHS는 MCP를 대체하는 것이 아니고, 기기를 연결하는 쪽의 사양을 맞추는 것이다.
또한, 연결될 수 있는 것만으로는, 로봇의 운동 능력이나, 모든 상황에서의 안전까지 완성하는 것은 아니다. 카메라의 방향이나 조명이 바뀌었을 때의 인식 및 제어는 실제 환경에서 검증해야 한다.
도조우지 료스케 회장은 프리뷰 단계에 있는 MHS의 향후 이용 확대에 기대를 나타냈습니다.
관련 기사: Anthropic, AI 에이전트가 로봇이나 실험 기기를 작동시키는 공통 사양 “MHS” 발표
## GMO AIR가 경험한, 수리 후의 로봇이 달릴 수 없는 문제
GMO AI＆로보틱스상사주식회사(이하 GMO AIR) 대표이사社長 이내다 朋宏氏의 강연에서는, 하이퍼노이드(인간형 로봇)를 실제로 작동하는 과정에서 발생한 문제들이 소개되었다.
하이퍼노이드의 운영 경험을 소개하는 이내다氏. 사진 제공: GMO인터넷그룹
GMO AIR는 2026년 8월, 중국·베이징에서 개막된 제2회 세계 하이퍼노이드 운동회에 “GMO로보츠”로서 참가했다. 이 회사의 참가 보고서에 따르면, 출전한 종목은 1500m, 소형 400m, 소형 100m의 3개 종목이었다. 시판되는 하이퍼노이드(인간형 로봇)를 기반으로 개발되었으며, GMO인터넷그룹 육상부의 달리기 지식도 활용하여 도전한 대회였다.
내다 이시다 씨가 소개한 것은 순위만으로는 알 수 없는 고생이었다.
내다 이시다 씨가 소개한 것은 순위만으로는 알 수 없는 고생이었다.
어느 경주에서는, 기체가 골인 후 넘어지면서 파손되었다. 현지에서 부품을 교체하고 작동 상태로 복구했지만, 이후에는 흰 선(white line) 인식에 문제가 발생했다. 넘어짐으로 인해 머리의 각도가 약간씩 달라졌으며, 수리 후에도 카메라가 캡처하는 이미지가, 기존 학습 시의 이미지와 달랐다.
사람이 외관상으로는 수리 전후로 거의 변하지 않은 하이퍼노이드(인간형 로봇)라도, 이미지를 입력으로 작동하는 AI에게는 다른 조건이 되는 것이다. 기계로서 작동하는 것과, 학습된 모델이 기대와 같이 작동하는 것은 각각 확인해야 하는 사항이다.
조명도 문제로 다가왔다. 학습 시와 경기장에서는 광의 조건이 다르기 때문에 코스 보기가 달라진다. 팀은 현장에서 데이터를 다시 수집하고 조정 과정을 거쳤다.
이는 시뮬레이션이나 제한된 훈련 환경에서 얻은 능력을 실제 장소로 옮리는 어려움을 명확하게 보여준다. 바닥, 빛, 카메라 위치, 기체의 상태. 그 중 하나라도 바뀌면 기존에 잘 해왔던 행동이 붕괴될 수 있다.
## 실패를 모아, 고쳐, 다시 현장으로 되돌린다
내다 씨는 사회 구현을 위한 과제로 보안, 데이터 학습, 하드웨어 유지보수를 언급했다.
소개된 “GMO LOOP for Physical AI”(이하 GMO LOOP)는 현장의 데이터를 수집하고 모델을 개선하여 실제 기기에 반영하고, 다시 현장에서 배우는 방식이다. 특히 중요하게 여기는 것이 실패 데이터이다. 성공한 동작만으로는 어떤 조건에서 기능이 중단되는지 알 수 없다. 계속 사용하면서 발생하는 실패를 다음 학습으로 되돌리는 메커니즘이 필요하다.
물리적인 고장에 대비하는 것이 “GMO 히우마노이드 구급차(GMO Humanoid 구급차)”입니다. 엔지니어는 도구와 부품을 들고 현장으로 가서 현장에서의 진단 및 수리를 수행합니다. 수리가 어렵다면 대체 기계로 교체하고 수리 거점으로 이송하는 것을 염두에 두고 있습니다.
GMO AIR가 9월 8일에 발표한 이 차량은 GMO AIR가 도입을 담당한 기체의 유지보수에 사용하는 자사 장비이다. 출동은 기체의 상황과 운영 체제에 따라 개별적으로 판단한다.
로봇을 사용하는 기업의 관점에서 보면, 고장이 발생했을 때 누가 대응하고 얼마나 업무를 지속할 수 있는지는 도입 결정에 영향을 미친다. 대회에서의 경험은 이러한 운영을 지원하는 메커니즘의 필요성과도 연결되었다.
관련 기사: GMO AIR, 인형 로봇 전용 “GMO 휴머노이드 응급차” 도입 – 고장 현장에 엔지니어가駆けつけ
관련 기사: 진화하는 AI와 로보틱스의 미래 – GMO AI＆로보틱스 상회가 말하는 일본의 로봇 산업과 전망
## 디지털 장관(당시)의 마츠모토 노부시가 언급한 의료 AI와 주권
상원 의원 마츠모토 노부시(당시, 디지털 장관)는 AI와 사이버 보안을 성장 전략의 각 분야를 지원하는 요소로 위치 지었다. 그 위에, AI를 어디에서, 어떤 기술과 데이터를 사용하여 만드는가라는 “소브리니티(주권)”의 중요성을 강조했다.
강연하는 마츠모토 노부시(당시, 디지털 장관). 사진 제공: GMO 인터넷 그룹
## 진단 및 치료 지원부터 수술을 수행하는 로봇까지
의사이기도 한 마츠모토 씨가 언급한 구체적인 주제 중 하나는 “AI 카케루 이료”다. 일본의 의료 현장에 축적된 기술과 지식을 AI에 학습시키고 로봇과 결합하여 새로운 산업을 육성하는 구상을 제시했다.
마츠모토 회장은 현재 로봇 수술에서는 사람이 조작을 담당하고 있다는 점을 언급하며, 화면상에서 신경 등의 위치를 나타내는 지원으로부터 더욱 발전해야 한다고 말했다. 숙련된 외과의사의 기술을 학습하고, 정형적인 수술에서는 로봇이 담당할 수 있도록 하는 것을 강조했다. 그 실현에 대한 기대를 밝혔다.
또 다른 예는 내시경이다. 일본이 보유한 내시경의 기술과 검사 데이터를 활용한다면, 로봇에 의한 검사 실현이나 해외로의 확장에 연결될 수 있지 않겠느냐고 제안했다.
모두가 향후 개발을 목표로 하는 개념으로서 설명되었다. 마츠모토 회장은 경제산업부나 보건복지부, 연구자, 의료기기 제조업체에 협력하여 수술 로봇과 내시경 로봇을 개발하고 싶다고 언급하며, 참여에 관심을 가진 기업에도 호소했다.
## 의료 데이터와 기술을 국내 개발로 연결
여기서 마츠모토 씨가 반복적으로 강조한 것은 주권의 관점이었다. 일본 의사가 보유하는 기술을 AI에 학습시키는 과정에서 그 데이터와 노하우가 해외 개발 기반으로 유출될 수 있다는 우려를 표명했다.
마츠모토 박사는 일본의 환자 데이터를 활용할 수 있는 환경을 조성하고, 일본 내 AI와 로봇을 육성해야 한다고 주장했다. 어디에서 만들어졌으며, 어떤 데이터에 기반한 AI인지 설명할 수 있는 것이 환자나 이용자의 신뢰와도 관련되어 있다는 시각이었다. 의료 AI를 진료의 고도화와 국내 개발 능력의 양면 모두에서 고려했다.
해외 진출을 지향하는 자세는 자율주행에 대한 발언에서도 드러났다. 마츠모토 회장은 자동차 제조업체에 대해 “레벨4”, “개인용차량”, “해외 진출”을 공통의 목표로 설정할 것을 요청했다고 설명했다. 국내 시장에 머무르지 않고, 일본산 AI 기술을 활용한 사업을 해외로 확장하려는 의지를 보였다.
강연의 막바지에는, 테즈카 히로시 씨의 『블랙잭』의 일부 “U-18은 알고 있었다”를 소개했다. 1976년에 발표된 작품에는, 진료 및 수술을 컴퓨터가 담당하는 병원이 등장한다. 마츠모토 씨는 약 반세기 전에 그려진 세계에 인공지능과 로봇의 발전이 가까워지고 있다고 언급하며, 의료에의 응용을 일본의 성장과 연결하고 싶다고 말했다.
## 사지 로봇 경비에서 드러난, 삶 속의 요구 사항
이어지는 사지 로봇 경비 패널에서는, 로봇을 삶 속에서 움직일 때의 세부적인 조건들이 논의되었다.
치바공대 미래로봇기술연구센터 소장 고다기즈 히로시 씨, ALSOK주식회사 이사직역 CTO 사토시 게이쇼 씨, 모데레이터 역할을 수행하는 GMO인터넷그룹 이사직 그룹 부사장 이사직 COO 이시야마 히루노 씨가 실증 및 경비 로봇 운영 경험을 바탕으로 논의했다.
경비 로봇 패널에서 발표하는 고다 기즈 氏. 사진 제공: GMO인터넷그룹
그러면서 나타난 것은, 로봇이 걸을 수 있는 것인지 뿐만 아니라, 로봇이 걸을 수 없는 문제인 것이다.
예를 들어, 아이가 로봇을 보고 만지려고 할 때, 사람이 예상치 못한 관계 짓기를 하는 것을 고려한 설계가 필요하다. 통행자와 부딪히지 않기 위해서는 최단 경로를 통과하는 것뿐만 아니라, 상대방으로부터 거리를 유지하는 움직임 또한 필요하다.
카메라의 위치에도 배려가 요구된다. 낮은 위치에서 촬영함으로써 발생하는 개인 정보 문제를 피하기 위해, 스마트폰을 높은 위치에 부착하는 등 기존 장비를 사용한 공략도 소개되었다.
실증 장소가 사유지라 할지라도, 사람이 지나갈 환경이라면, 통행과의 관계 및 운영 조건을 충실해야 한다. 발표자들은 관계 기관과의 조정, 일반 통행의 제한, 관계자의 참석 등 실증을 성립시키기 위한 대응을 밝혔다.
로봇 개발 기업만으로는 이러한 조건을 모두 압축할 수 없습니다. 경비 전문가, 현장을 운영하는 사업자, 기체 및 AI를 개발하는 측 모두 실제 사용 방식에 따라 수정해야 합니다. 논의에서는 한 번 움직이는 실증을 수행하는 것과, 업무로서 지속 가능한 운영을 만드는 것 사이의 간격을 명확히 드러났습니다.
## NVIDIA가 제시한, 세계 모델과 현장의 전문성의 결합
히야노 이즈모 로봇틱스 사업부장은, 물리 AI의 데이터를 웹상의 정보만으로 충당하는 것은 어렵다고 설명했습니다. 실제로 움직인 데이터와 시뮬레이션으로 만드는 데이터를 결합해야 한다고 강조했습니다.
발표에서 소개된 내용은 이 회사의 세계 모델 “Cosmos” 등을 활용한 개발 방식에 관한 것이다. 세계 모델은 주변 상황 및 그 이후 발생하는 변화를 다루는 모델이다. NVIDIA는 Cosmos를 통해 물리 세계에 대한 추론 및 데이터 생성 등을 로봇 및 자율 주행 개발에 연결하고 있다.
히야마 씨는 일반적인 능력을 갖춘 기반을 각 회사의 데이터로 전문적인 용도에 적응시키는 방향성을 제시했습니다. 일본의 물건을 만드는 현장(ものづくりの現場)에 있는 지식과 데이터를 그 전문성을 만드는 데 활용한다는 생각을 가지고 있습니다.
## 실제 데이터와 합성 데이터를 어떻게 구분하여 사용할 것인가
이어지는 패널에서는 로봇 학습에 필요한 데이터 수집 방식이 논의되었다. 발표에는 경제산업성 차관관방 서기인 오카가민와(奥家敏和) 씨, 주식회사 Preferred Networks 공동 창업자 및 대표이사社長의 옥노반대수(岡野原大輔) 씨, 일반사단법인 AI로봇협회(AIRoA) CTO의 마츠시마다이야(松嶋達也) 씨, 테레이구지스타ンス株式会社 공동 창업자兼CTO의 사노몬기(佐野元紀) 씨 등이 참석했다.
데이터를 주제로 한 패널에서 발표하는 마츠시마 씨. 사진 제공: GMO인터넷그룹
## 실제 기기를 기록을 기반으로, 합성 데이터로 조건을 확장
사노몬기가 중시한 것은 실제 로봇을 조작한 기록이다. 무엇을 보고, 어떻게 움직이고, 그 결과 무엇이 일어났는가라는 데이터는 그 기체를 현장에서 작동시키기 위한 학습에 직접적으로 도움이 된다.
한편, 마츠시마氏は、실기(実機)를 준비하여 원격 조작(遠隔操作)을 지속하는 비용(コスト)을 지적(指摘)했다. 사람의 시점(視点で)으로 작업을 촬영(撮影)하는 등, 보다 유연(柔軟)하게 수집(集められる)될 수 있는 데이터(データ)도 있지만, 로봇(ロボット) 자신의 동작(動作) 기록(記録)과는 성격(性質)이 다르다. 각종(各種) 데이터를 어느 비율(比率)로 섞(混ぜ)어야 하는지도, 아직(なお) 판단(見極めている)하는 단계(段階)에 있다고 한다.
오가노바라 氏は、합성 데이터에는, 실제 데이터를 기반으로 환경의 조건을 바꾸는 사용 방식이 있다고 설명했다. 보이지의 차이 등을 늘려줄 수 있는 한편, 촉각이나 충분히 이해받지 못한 물리적 현상의 재현은 어렵다. 영상을 생성하는 것과, 물物に 触れたときの 힘과 변형을 정확히 나타내는 것은 같다.
마츠시마 회장은 가구나 도구를 하나씩 가상 공간에 만들어가는 것보다 실제 제품을 구매한 것이 훨씬 빠를 경우라고 소개했다. 그 위에 배치와 색, 물리적인 성격을 바꾸기 위해 시뮬레이션을 사용한다. 실제 제품을 기반으로 합성 학습 조건을 넓히는 것이다.
사노 씨는 세계 모델을 데이터 생성뿐만 아니라 실기를 움직이기 전의 검증에도 사용할 수 있는지 기대감을 보였습니다.
공통된 동작을 공유하고, 각사의 특별한 분야를 갈고닦는
일반적으로 널리 알려진 동작을 공유하고, 각 회사별로 특화된 분야를 꾸준히 정진하는 것을 의미합니다. 특히, 최근에는 다양한 분야에서 협업을 통해 시너지를 창출하고, 각 기업의 핵심 역량을 강화하는 데 초점을 맞추고 있습니다. 이러한 노력은 단순히 기술적인 발전을 넘어, 고객 만족도를 높이고, 시장 경쟁력을 확보하는 데 중요한 역할을 합니다.
예를 들어, 소프트웨어 개발 회사는 클라우드 서비스와 인공지능 기술을 융합하여 새로운 비즈니스 모델을 창출하고 있으며, 제조 회사는 스마트 팩토리 구축을 통해 생산 효율성을 극대화하고 있습니다. 또한, 금융 회사는 빅데이터 분석을 통해 고객 맞춤형 상품을 개발하고, 마케팅 회사는 디지털 마케팅 전략을 통해 브랜드 인지도를 높이는 데 주력하고 있습니다.
이러한 활동들은 각 분야의 전문성을 심화시키고, 지속적인 혁신을 통해 경쟁 우위를 확보하는 데 기여합니다. [https://www.example.com](https://www.example.com) 와 같은 플랫폼을 활용하여 정보 교류를 활성화하고, 글로벌 시장 진출을 위한 전략을 수립하는 것도 중요한 과제입니다. 궁극적으로, 각 회사는 자체적인 역량 강화와 더불어, 파트너십을 통해 성장 동력을 확보하고, 지속 가능한 발전을 이루어 나갈 것입니다.
데이터를 누구와 공유하는지도 핵심 쟁점이 되었다. 기업이 비용을 깎아 들이고 수집한 데이터는 경쟁력이 되는 한편, 하나의 범용적인 기반 모델에 필요한 데이터를 모으거나 갖추는 데에는 한계가 있다.
사노 씨는 물건을 잡거나 움직이는 등 기본적인 동작을 공유하여 업계 전체의 수준을 높였고, 각 사는 독점적으로 잘하는 업무에 대한 각각의 다듬는 방식(분류 방식)을 제시했습니다. 오카에 씨는 공통적인 기초 구축에 기여하고, 그 위에 자사 고유의 작업을 학습시키는 형태라면 기업이 협력하기 쉬워질 것이라고 언급했습니다.
현장(現場)에서 실현(実現)하고 싶은 작업에 맞춰, 데이터(數據)의 수집(集) 방식과 공유( 공유) 범위(範囲)를 고려(考慮)해야 한다.
보안 토론에서 제시된, 도입 후에도 AI를 보호하는 운영 방식이었습니다.
보안( 보안)을 주제(主題)로 한 패널(パネル)에는, Anthropic Japan Applied AI 본부장(本部長)의 스가노(菅野) 신(信) 氏, Cloudflare Japan株式会社 Field CTO의 오부(乙部) 료이치로(幸一朗) 氏, GMO 인터넷 그룹 그룹 CISO/GMO 사이버 보안 by 이에라에(イエラエ)株式会社 執行役員(執行役員)의 아부(阿部) 신사(慎司) 氏가 등단(登壇). 모드레이터(モデレーター)는 GMO Flatt Security株式会社 取締役(取締役) Co-CTO의 미나미(米内) 기(貴) 氏가 맡았다. AI(AI)에 의해 취약점(脆弱점) 발견(発見)이나 공격(攻撃)이 빨라지는 가운데에서의 대응( 대응)을 논의( 논의)했다.
사이버 보안 패널에서 발표하는 스가노 신 氏. 사진 제공: GMO 인터넷 그룹
소프트웨어의 소재와 구성, 그리고 수정 사항을 신속하게 적용한다. 즉시 수정이 불가능한 경우에는 다른 방어책을 추가한다. 개발 초기 단계에서 문제점을 발견하고, 동일한 취약점을 반복적으로 발생시키지 않도록 한다. 또한, 감시 시스템에 AI 활용과 AI 에이전트의 행동 관리도 필요하다.
물리 세계에 연결된 AI는 소프트웨어 문제로 인해 실제 기기의 작동에 파급될 수 있다. 기체 유지보수와 마찬가지로, 도입 후에도 지속적으로 관리할 수 있는 운영이 요구된다.
피조 총장이 밝힌, AI를 사용하기 위한 이론과 사회 제도
최근 일본의 인공지능(AI) 연구 개발을 선도하는 피조 신이치로 총장이 AI 기술 활용을 위한 새로운 이론과 사회 제도 구축의 필요성을 강조하며 인터뷰에 응했다. 피조 총장은 특히 AI의 윤리적 문제와 사회적 영향에 대한 심도 깊은 논의가 시급하다고 주장했다.
“AI 기술은 엄청난 잠재력을 가지고 있지만, 동시에 심각한 위험성을 내포하고 있습니다. AI가 인간의 통제를 벗어나 예상치 못한 결과를 초래할 수 있다는 점을 간과해서는 안 됩니다.” 피조 총장은 AI 개발 초기 단계부터 윤리적 가이드라인과 안전 장치 마련에 힘써야 한다고 강조했다.
피조 총장은 AI 활용을 위한 이론적 기반으로 ‘인간 중심 AI’라는 개념을 제시했다. ‘인간 중심 AI’는 AI가 인간의 가치관과 존엄성을 존중하며, 인간의 삶을 풍요롭게 하는 데 기여해야 한다는 원칙을 담고 있다. 또한, AI 기술의 발전과 함께 사회 제도를 재검토하고 개선해야 한다고 주장했다. 특히, AI로 인해 발생할 수 있는 일자리 감소, 소득 불균형 심화 등 사회 문제에 대한 대비책 마련이 중요하다고 지적했다.
피조 총장은 “AI 기술의 발전은 인류의 미래를 결정하는 중요한 요소입니다. AI를 올바르게 활용하기 위해서는 기술 개발뿐만 아니라 사회적 합의와 제도적 기반 구축이 필수적입니다.”라고 말했다.
피조 총장의 인터뷰는 AI 기술의 발전 방향에 대한 심도 있는 논의를 촉진하고, AI 시대에 대한 사회적 준비를 위한 중요한 계기가 될 것으로 기대된다.
피조 신이치로 총장은 현재 일본의 AI 연구 기관인 ‘도쿄대학교 AI 연구소’에서 총장으로 재직 중이며, 그의 연구는 전 세계적으로 AI 기술 발전에 큰 영향을 미치고 있다. 도쿄대학교 AI 연구소 웹사이트는 [https://www.ai.t.u-tokyo.ac.jp/](https://www.ai.t.u-tokyo.ac.jp/) 에서 확인할 수 있다.
마지막으로 등단한 도쿄대 藤井輝夫 총장은 자신의 수중 로봇 연구를 근거로, AI를 사회에서 사용하는 데 대한 과제를 이야기했다.
1980년대 말, 석사 과정의 후지이 씨가 직면한 것은 수중 기체의 복잡한 움직임을 역학의 방정식으로 표현하는 어려움이었다. 그래서 생각한 것이 추진하면서 로봇 스스로에 헤엄치는 방법을 가르치는 방법이었다.
도움이 된 것은 간리 슌이 씨의 저서 『신경 회로망의 수리』였다. 자신의 몸이 어떻게 움직이는지 나타내는 모델과 어떻게 움직이는 것을 결정하는 제어 네트워크를 결합하여 점차 잘 헤엄칠 수 있도록 했다고 한다.
후지이 박사는 여러 로봇이 충돌하지 않고 지나가는 과제를 시뮬레이션을 통해 학습시킨 후 실제 기기에서 조정된 연구를 소개했다. 현실과 시뮬레이션을 결합하는 이번 논의에는 긴 연구의 축적된 결과가 있다.
## 거대한 AI의 행동을, 이론으로 포착하기
藤井氏は, 지난 해 간리 씨와의 대담도 회상했다. 인공지능을 사용하기 위한 것, 그리고 그 위해 이론가가 더욱 노력해야 할 내용이었다고 한다.
대규모 AI 모델은 수많은 파라미터가 상호작용하는 시스템이다. 후지이 氏は、그 振る舞이를 이해하는 문제를, 은하처럼 많은 요소에서 비롯되는 대상에 대한 이론 물리학에 비유했다. AI와 은하가 같은 仕組み라는 의미는 아니며, 요소 간의 관계에서 전체에 어떤 振る舞이가 나타나는지를 포착하는 연구의 시점이다.
어떤 조건에서 어떤 응답이 나오는지, 무엇이 위험의 징후가 되는지, 그것을 분석할 수 있다면, AI의 사용법이나 안전성의 판단에도 영향을 미칠 수 있다. 후지이 氏は, 간리 氏의 “이론가의 노력”이라는 말을, 그렇게 이해했다고 설명했다.
현장에서의 실패를 하나하나 바로잡는 노력과, 그 원인이 왜 발생하는지 탐구하는 이론 연구는, AI를 효과적으로 활용하는 데 있어 함께 필요하다.
관련 기사: 인공지능의 과거, 현재, 미래를 꿰뚫는 지적 탐구: 감리 倰一 박사에게 듣는, 이론의 힘과 “의식, 영감”의 수수께끼
## 공장의 바깥에서 움직이는 로봇을, 사회에 組み込む
후지이 氏は「인공지능은 인간의 위협인가」라는 질문에도 언급했다. 유전자 변형 기술의 안전성에 대해 과학자들이 논의한 아시라마 회의 등을 통해 기술을 창출하는 측이 그 이용에 대한 책임감을 지니는 필요성을 지적했다.
물리적 AI의 경우, 그 책임은 사회 제도와도 직접 관련된다. 공장의 외에서 로봇을 움직이기 위해서는, 도로 사용과 보행자의 안전, 사고 시 책임 분담까지 고려해야 한다. 후지이氏は 앞선 경비 로봇 논의에도 언급하며, 기술 개발, 현장에서의 검증, 윤리 및 제도, 사업으로서의 지속성을 함께 고려해야 한다고 말했다.
회의를 통해 논의된 것은 새로운 동작을 습득하는 로봇의 모습과, 그것을 직장의 현장에 통합하기 위한 과제였다. 실제 실패로부터 배우는 데이터, 기체와 소프트웨어의 유지 보수, AI의 행동 이해, 그리고 운영의 책임 분담. 각각을 구체화하는 노력이 진행되고 있다.
관련 기사: 기반 모델과의 융합은 로봇에 무엇을 가져다 줄 것인가 – 현재 위치와 미래를 향한 전망
원문 보기 | 출처: Ledge.ai