인공지능뉴스

최근 MIT의 CSAIL 연구팀이 개발한 DisCIPL 프레임워크는 대형 언어 모델(LLM)이 소형 언어 모델(LM)과 협력하여 효율성을 극대화하는 방안으로 주목받고 있습니다. 이 시스템은 LLM이 계획을 세우고, 소형 모델들이 이를 기반으로 작업을 수행하며, 최종적인 결과의 정확성을 높이는 방식으로 작동합니다. DisCIPL은 특히 규칙 기반 작업에서 두드러진 성과를 보이며, 리소스 사용을 줄이고 정확성을 높이고자 하는 AI 기술 발전에 기여하고 있습니다. 작은 언어 모델의 협업 DisCIPL의 핵심은 소형 언어 모델들이 협업하여 대형 모델의 지시를 수행하는 것입니다. 이 시스템에서 LLM은 ‘리더’ 역할을 맡아 전반적인 작업을 계획합니다. 이 과정에서 LLM은 소형 모델들에게 명확한 지침을 주어 각 모델이 특정 작업에 맞춰 영화관의 예약을 도와주듯 원활히 진행될 수 있도록 합니다. 이는 마치 프로젝트를 기획하는 큰 계약자를 두고, 여러 하청업체들이 협업하여 효율적인 결과를 도출하는 것과 유사합니다. 소형 모델들은 LLM이 지정한 범위 내에서 창의성을 발휘할 수 있는 기회를 가지게 되며, 이는 다양한 작업에서의 결과물의 질을 높이는 데 기여합니다. 예를 들어, 소형 모델들이 만든 문장이나 리스트는 전체 시스템의 목표에 맞춰 조정되며, LLM은 이를 확인하고 필요한 경우 개선사항을 제안합니다. 이렇게 협력함으로써 소형 모델들은 좀 더 정확하고 빠른 결과물을 생성할 수 있게 됩니다. 효율성을 통한 성능 향상 DisCIPL의 아키텍처는 성능과 효율성을 동시에 추구하는데 초점을 맞추고 있습니다. LLM이 전체적인 계획을 세우고, 이를 여러 소형 모델이 분담하여 처리함으로써, 결과적으로 더 빠르고 비용 효율적인 작업 수행이 가능해집니다. 연구팀에 따르면, DisCIPL을 사용함으로써 기존의 GPT-4o와 같은 대형 모델보다도 더 높은 정확도로 결과물을 생성하는 데 성공했다고 합니다. 이러한 효율성은 특히 재정적 부담을 경감하는 데 기여합니다. 소형...

미국 해군을 위한 인공지능 교육 프로그램인 “2N6: Applied Artificial Intelligence Program for Naval Officers”가 MIT에서 새롭게 시작됩니다. 이 프로그램은 해양 및 군사 응용을 고려한 인공지능의 적용을 통해 국방 분야에서의 기술적 역량을 키우고자 합니다. MIT의 기계 공학 및 전기공학과가 협력해 진행하는 이 프로그램은 해군 장교들에게 필요한 필수 지식과 실무 능력을 배양하는 데 중점을 두고 있습니다. AI를 통한 의사결정 지원 21세기 군사 작전에서는 빠르고 정확한 의사결정이 필수적입니다. 인공지능(AI)은 이러한 목표를 달성하기 위한 중요한 도구로 자리잡고 있습니다. MIT의 2N6 프로그램은 해군 장교들에게 AI 기술을 활용한 의사결정 지원 시스템에 대한 깊은 이해를 제공하며, 이를 통해 보다 신속하고 정확한 판단을 내릴 수 있도록 돕습니다. AI는 방대한 양의 데이터를 실시간으로 분석하고, 이를 기반으로 최적의 결정안을 제시할 수 있습니다. 해군 작전에서 발생할 수 있는 복잡한 변수들을 고려할 때, AI는 군사 전략 수립, 자원 배분 및 위험 관리에 큰 도움을 줍니다. 이 프로그램을 통해 장교들은 AI를 활용하여 어떻게 군사 작전의 효율성을 높일 수 있는지를 배우게 됩니다. 또한, 프로그램의 커리큘럼은 재고 관리, 물류 및 사이버 방어 관련 AI 응용에 중점을 둡니다. 이러한 과정은 해군이 인공지능 기술을 실제 군사 작전에 통합하는 데 필요한 기초를 제공합니다. 해양 자율 시스템의 혁신 현대 해양 작전은 자율 시스템의 혁신에 의존하고 있으며, MIT의 2N6 프로그램은 이러한 분야에서의 연구와 학습을 강화하고자 합니다. 특히, 해상 및 수중 무인 시스템에 대한 연구는 해양 국방의 미래를 재정의하는 데 중요한 역할을 하고 있습니다. 이 프로그램에서는 해양 자율 시스템을 위한 AI 적용 기술을 심층적으로 탐구하며, 해군 장교들은 이러한 혁신적인 기술을 통해 어떻게 임무 수행을 향상...

MIT 연구진이 공간적 데이터 분석을 위한 새로운 신뢰 구간 방법론을 개발하여 환경 과학, 경제학 및 역학 분야에서의 실험 결과 신뢰성을 높이고 있습니다. 이 방법은 기존의 잘못된 신뢰 구간 계산 방식을 개선하여 실제 데이터의 변동성을 제대로 반영하도록 돕습니다. 연구진의 결과는 최근 신경 정보 처리 시스템 회의에서 발표되었고, 이는 복잡한 공간적 관계를 이해하는 데 중요한 기여를 하고 있습니다. 신뢰 구간의 중요성 신뢰 구간은 통계적 분석에서 추정된 값의 정확성을 평가하는 데 없어서는 안 되는 요소입니다. 이러한 신뢰 구간은 연구자가 특정 변수 간의 관계를 이해하고 이를 바탕으로 결정을 내릴 수 있도록 돕습니다. 그러나 기존의 신뢰 구간 생성 방법은 공간적 변동성을 제대로 반영하지 못하여 신뢰할 수 없는 결과를 초래하곤 했습니다. 예를 들어, 환경 오염과 저체중 출생아의 관계를 연구할 때, 기존 방법으로 생성된 신뢰 구간은 서로 다른 지역에서 수집된 데이터를 기반으로 하여 잘못된 예측을 내놓을 수 있습니다. 연구자들은 이러한 문제를 해결하기 위해 새로운 신뢰 구간 생성 방식을 개발했습니다. 이 방식은 데이터가 공간적으로 변화하는 것을 고려해 보다 현실적이고 실용적인 신뢰 구간을 제공합니다. 특히, 연구진은 공간적 데이터 분석에서 "공간적 매끄러움"이라는 가정을 도입했습니다. 이 가정은 한 지역에서 다른 지역으로 데이터가 불연속적으로 변화하기보다는 부드럽게 변화해야 한다는 것을 의미합니다. 이러한 매끄러움은 예를 들어 대기 오염 물질이 도시의 특정 지점에서 감소하는 방식을 반영합니다. 즉, 연구자들은 신뢰 구간을 제공할 때 공간적 데이터의 고유 특성을 반드시 고려해야 한다고 주장합니다. 기존 방법의 한계 기존의 신뢰 구간 생성 방법론은 일반적으로 몇 가지 기본 가정을 따릅니다. 첫째로, 데이터가 독립적이고 동일한 분포를 가지고 있다는 전제를 두고 있습니다. 그러나 현실에서는 환경 데이터를 수집할 때, 참고로 삼는 측정소...

MIT 연구진이 기존 회로 위에 여러 기능 부품을 적층할 수 있는 새로운 제작 방법을 개발하여 에너지 효율이 높은 전자기기 생산을 가능하게 했습니다. 기존 회로에서는 논리 장치와 메모리 장치가 별도로 제작되어 데이터가 서로 이동하는 과정에서 에너지가 낭비되었습니다. 이 새로운 전자소자 집적 플랫폼은 반도체 칩 위에 트랜지스터와 메모리 장치를 하나로 통합하여 에너지를 절약하고 계산 속도를 높일 수 있도록 합니다. 에너지 효율적인 전자소자를 위한 새로운 통합 플랫폼 MIT의 연구팀은 전통적인 회로 설계의 한계를 극복하기 위해 새로운 전자소자 통합 플랫폼을 제안했습니다. 일반적으로, 트랜지스터와 메모리 장치는 별도의 구성 요소로 제작되어 있기 때문에 데이터 이동 시 불필요한 에너지 소모가 발생합니다. 하지만 이 플랫폼은 트랜지스터와 메모리 장치를 하나의 긴 밀집형 회로로 통합하여 데이터 전송 거리를 줄이고 에너지 효율을 높입니다. 기존 CMOS 칩은 일반적으로 능동 부품이 만들어지는 전면과 서로 연결되는 와이어와 금속 결합을 포함한 후면으로 나뉘어 있습니다. 데이터가 이 와이어를 통해 이동할 때 일부 에너지가 잃어지며, 약간의 비대칭 정렬이 성능을 저하시킬 수 있습니다. MIT 연구팀은 이러한 문제를 해결하기 위해 능동 구성 요소를 칩의 후면에 적층하는 기술을 개발하였습니다. 이는 에너지 효율성을 높이는 데 기여하게 됩니다. 연구팀은 불규칙한 열처리 없이 기존 회로에서 손상 없이 새로운 소재인 비정질 인듐 산화물을 이용하여 후면에 능동 부품으로서의 트랜지스터를 극소형으로 제작하였습니다. 이러한 접근은 칩 뒤쪽의 낮은 온도에서 트랜지스터를 성장시킬 수 있어 기존 구조를 보호하면서 새로운 기능을 추가할 수 있게 해줍니다. 최적화된 제작 공정으로 성능 강화 안정적인 성능을 얻기 위해, MIT 연구진은 매우 조밀한 두께인 약 2nm의 인듐 산화물 층을 성공적으로 제작하기 위한 최적화된 제작 공정을 개발하였습니다. 트랜지스터가 작동하기 위해서는 몇 가지...

MIT의 현재 연구진과 졸업생들이 2025년도 AI2050 펠로우로 선정되었다는 소식이 전해졌다. 이 가운데 Zongyi Li와 Tess Smidt가 조기 경력 펠로우로 이름을 올렸으며, 총 9명의 MIT 관련 인사가 이번 프로그램에 포함되었다. AI2050 펠로우십은 인공지능과 관련된 연구의 발전을 위한 혁신적인 기회를 제공하는 것을 목표로 한다. Zongyi Li와 AI2050 조기 경력 펠로우 Zongyi Li는 MIT의 컴퓨터 과학 및 인공지능 연구소(CSAIL)에서 포닥 연구원으로 활동하고 있으며, 인공지능 분야에서의 중요한 발걸음을 내딛고 있다. 그의 연구는 신경 연산자 방법을 개발하여 과학적 컴퓨팅을 가속화하는 데 초점을 맞추고 있다. Li는 캘리포니아 공과대학교(칼텍)에서 컴퓨터 및 수학 과학 박사 학위를 취득하였으며, 기계 학습 분야에서 여러 학술적 성과를 보여주었다. 현재 그는 2026년부터는 뉴욕 대학교의 Courant Institute of Mathematical Sciences에서 데이터 과학 및 수학의 조교수가 될 예정이다. Li는 연구 자금으로 다양한 장학금을 수여받았으며, NVIDIA에서의 인턴 경험을 통해 연구 능력을 더욱 배가시켰다. 그의 업적은 AI2050 펠로우십이 제공하는 지원 아래 더 큰 영향력을 발휘할 것으로 기대된다. 또한, Tess Smidt는 MIT 전기공학 및 컴퓨터 과학 학부의 부교수로서, 물리학, 기하학, 기계 학습의 융합을 통해 새로운 알고리즘을 디자인하는 데 집중하고 있다. 각각의 연구들을 통해 물질과 분자 디자인에 기여하고 있어, 실제 산업에서도 그 활용 가능성이 점점 더 커지고 있다. Smidt는 그녀의 경력 초기에 다양한 연구 및 산업 경험을 쌓았으며, 이번 AI2050 벤처를 통해 더 많은 기회를 모색할 수 있을 것으로 보인다. MIT 졸업생들, AI2050 펠로우로의 진출 이번 AI2050 펠로우십에는 MIT 졸업생들이 다수 포함되어 있다. 조기 경력 펠로우로 선정된 Bria...

MIT 연구진이 음성 인식을 기반으로 한 혁신적인 로봇 제작 시스템을 개발했습니다. 이 시스템은 사용자가 원하는 객체를 말하면, 로봇 팔이 그 객체를 신속하게 제작하는 기능을 제공합니다. 예를 들어, 간단한 의자와 같은 가구를 단 몇 분 안에 만들어내며, 이는 디자인과 제조의 새로운 시대를 열어줄 것으로 기대됩니다. 음성 인식의 혁신적인 활용 MIT의 새로운 음성 인식 기반 로봇 제작 시스템은 사용자의 음성을 인식하여 원하는 객체를 실시간으로 생성하는 획기적인 기술입니다. 사용자가 "간단한 스툴을 원해"라고 말하면, 로봇 팔이 이를 이해하고 즉시 조립을 시작합니다. 이 과정은 자연어 처리(NLP)와 3D 생성 AI를 활용하여 이루어집니다. 이러한 기술 융합은 사용자가 3D 모델링이나 로봇 프로그래밍에 대한 전문 지식 없더라도, 손쉽게 물건을 디자인하고 제작할 수 있는 길을 열어줍니다. 특히, 이 시스템은 단순히 물체를 만들어내는 것에 그치지 않고, 사용자가 필요로 하는 디자인을 즉각적으로 제공할 수 있는 가능성을 보여줍니다. 음성 인식 기술은 다양한 분야에서 활용되고 있지만, 물리적 객체 생산에 적용된 사례는 드물었기에 이 연구는 매우 주목받고 있습니다. 이로 인해 우리는 말만으로도 물체를 생성할 수 있는 가까운 미래를 꿈꿀 수 있게 되었습니다. 3D 생성 AI를 통한 디자인 혁신 다음 단계는 음성 인식 후 3D 생성 AI가 사용자의 요구를 반영하여 디지털 메쉬 형태로 객체를 변환하는 과정입니다. 이 단계에서는 사용자가 요구하는 특정 디자인에 맞춰 신속하게 조정된 객체를 생성합니다. 생성된 디지털 메쉬는 이후 조립 방법 및 모든 요소의 연결성을 고려하여 실제 물체로 변환되는 과정을 거치게 됩니다. 3D 생성 AI의 등장으로 기존의 디자인 및 제작 프로세스가 혁신적으로 변화하고 있습니다. 사용자는 단순한 아이디어만 제공하면, AI가 이를 3D 데이터로 전환하고 로봇이 이를 기반으로 조립하는 과정을 통해 한층 이동할 수 있습니...

인간의 몸으로 하기 힘든 작업들이 존재합니다. 특히 물류 창고에서의 트럭 및 shipping 컨테이너의 짐을 내리는 일은 반복적이고 힘든 작업으로, 이로 인해 물류 창고에서의 부상율이 평균의 두 배에 달하는 이유입니다. Pickle Robot Company는 이러한 문제를 해결하기 위해 자율적으로 작동하는 로봇을 통해 물류 시장에서의 혁신을 이끌고 있습니다. 물류 혁신을 위한 로봇 기술의 발전 물류 창고에서의 작업 환경은 매우 어렵고 가혹합니다. 특히, 짐을 내리는 작업은 육체적으로 힘들며 오래 지속될 경우 많은 부상을 초래할 수 있습니다. Pickle Robot Company는 이러한 문제를 인식하고, 한 개의 팔을 가진 로봇을 개발하여 물류 창고에서의 작업을 대체하고 있습니다. 그들의 로봇은 50파운드까지의 상자를 자동으로 흡입하여 컨베이어 벨트로 옮기는 기능을 가지고 있습니다. 이 로봇은 생성적 AI 및 머신 러닝 알고리즘을 결합하여 새로운 환경에서도 자율적으로 작동하며, 시간이 지남에 따라 성능을 향상시킬 수 있습니다. 이러한 기술들은 로봇이 첫 번째 날부터 다양한 작업을 수행하게 해 줍니다. 더불어, 이들은 현장에서의 노동력을 줄이고, 인간 근로자들이 더 복잡한 문제를 해결하는 데 집중할 수 있도록 돕고 있습니다. 물류 분야에서의 자동화의 필요성은 더욱 커지고 있으며, 많은 기업들이 경쟁력을 높이기 위해 투자하고 있습니다. Pickle Robot Company는 UPS, Ryobi Tools, Yusen Logistics와 같은 고객들과 협력하고 있으며, 이로 인해 수익성과 기술력을 동시에 발전시키고 있습니다. 이러한 고객들과의 협력이 로봇 기술의 지속적인 발전을 이끌고 있습니다. 로봇의 내구성 및 적응력 강화 Pickle Robot Company의 로봇은 고온 환경에서도 뛰어난 내구성을 보장하고 있습니다. 예를 들어, 캘리포니아의 사막에서 한 고객과 함께 첫 번째 시스템을 1년간 시범 운영한 결과, 여름철에는 130도까지 도달하는...

최근 MIT 연구팀은 대형 언어 모델(LLM)의 문제 해결 능력을 향상시키기 위한 새로운 방안을 제시했습니다. 이 방법은 질문의 복잡성에 따라 계산 예산을 동적으로 조정하여 보다 효율적인 문제 해결을 가능하게 합니다. 연구 결과, 이 기술을 활용하면 기존 방법에 비해 컴퓨터 자원을 절약하면서도 유사한 정확도를 유지할 수 있다는 것을 확인했습니다. 계산 예산의 동적 조정 최근 언어 모델의 효율성을 높이기 위한 연구의 초점은 '인퍼런스 타임 스케일링'이라는 새로운 접근법에 집중되고 있습니다. 이 방법을 통해 LLM은 복잡한 문제에 대해 더 오랜 시간 동안 사고할 수 있게 됩니다. 하지만 기존의 접근법은 모든 문제에 대해 고정된 계산 예산을 할당함으로써, 계산 자원을 낭비하는 경우가 많았습니다. 연구진은 이를 개선하기 위해 계산 예산을 질문의 난이도에 따라 동적으로 조정할 수 있는 방법인 '인스턴스 적응 스케일링'을 개발했습니다. 이 방법은 LLM이 자신이 알고 있는 것이 무엇인지 알고, 각 잠재적 해결책이 올바른 정답으로 이어질 가능성에 응답하여 계산 비용을 조절할 수 있도록 돕습니다. 연구 결과에 따르면, 이 기술을 적용한 LLM은 기존 방법에 비해 최대 절반의 계산 비용으로도 유사한 정확도를 기록할 수 있었습니다. 이를 통해 작은 언어 모델조차도 복잡한 문제에 대해 더욱 효과적으로 작동할 수 있게 되며, 이는 향후 고비용과 시간이 수반되는 여러 Anwendungen에서의 활용 가능성을 높입니다. 따라서 사용자들은 더 적은 에너지를 소비하면서도 높은 정확도의 인공지능을 활용할 수 있게 될 것입니다. 신뢰성 있는 불확실성 추정 연구팀은 LLM이 더욱 효과적인 문제 해결을 위해 '프로세스 리워드 모델'(PRM)을 사용하여 각 잠재적 해결책의 가능성을 평가하도록 했습니다. PRM은 LLM이 문제를 해결하기 위해 생성한 여러 솔루션 후보 중에서 가장 유망한 것을 선택하는 데 도움을 줍니다. 하지만 기존 PR...

미세 비행 로봇은 미래에 지진 등의 재난 상황에서 생존자를 수색하는 데 도움을 줄 수 있는 혁신적인 기술로 주목받고 있다. MIT의 연구진은 이러한 로봇이 실제 곤충처럼 날 수 있도록 새로운 인공지능 기반 제어 시스템을 개발했다. 이로 인해 이 미세 로봇은 이전에 비해 비행 성능이 크게 향상되어, 더 복잡한 비행 경로를 자유롭게 비행할 수 있는 능력을 갖추게 되었다. 비행 성능 향상을 위한 AI 제어 시스템 MIT의 연구팀은 최근 AI를 기반으로 한 로봇 제어 시스템을 개발하여 미세 비행 로봇의 비행 성능을 획기적으로 향상시켰다. 이러한 시스템은 두 가지 단계의 제어 방식을 통해 로봇이 복잡한 비행 경로를 따라 날 수 있게 해준다. 첫 번째 단계에서는 동적 수학 모델을 기반으로 한 예측 제어기를 사용하여 로봇의 행동을 예측하고, 최적의 행동 시퀀스를 계획한다. 이 과정은 매우 정교하며, 로봇이 공중에서 연속적으로 회전을 하거나 빠르게 방향을 전환하도록 도와준다. 핵심적인 이점은 이 제어기가 로봇의 비행 안정성을 높이고 충돌을 방지하는 데 필요한 힘과 토크의 제약을 고려하는 점이다. 예를 들어, 연속적으로 10번의 재회전을 수행하기 위해서는 로봇이 처음 상태를 정확하게 맞춰야 하며, 미세한 오류라도 쌓이면 결국 비행 로봇은 추락할 수 있다. 이러한 과정을 통해 연구진은 로봇이 비행 경로를 벗어나지 않고, 정확하게 조작될 수 있도록 했다. 미세 로봇의 신속한 비행 성능 향상 연구 결과, 새롭게 개발된 제어 시스템 덕분에 로봇은 속도가 447% 향상되고, 가속도는 255% 증가했다. 이는 로봇이 10회의 공중 재회전을 11초 만에 완료할 수 있게 만든다. 이 로봇은 연속적인 비행 동작 중에도 계획된 경로를 벗어나는 일이 없었으며, 이는 비행 로봇이 실시간으로 안정성 있게 작동할 수 있는 기반을 마련해준다. 연구진은 이러한 성능 개선을 통해 금속 재질의 전통적인 드론과 비교했을 때 로봇이 더욱 향상된 조종 성능을 가지게 되었다고 설명하며, 이는...

MIT 에너지 이니셔티브(MITEI) 연구팀이 개발한 새로운 컴퓨터 모델링 도구인 Macro는 전력 및 에너지 집중 산업 분야에서 전력 생성 용량, 송전선 및 다른 필수 인프라에 대한 향후 요구 사항을 예측하고 준비하는 데 큰 도움을 줄 것입니다. 이 도구는 전력망이 고객에게 효율적이고 신뢰할 수 있으며 저렴한 전기를 계속 제공할 수 있도록 하는 데 중요한 역할을 할 수 있습니다. Macro는 프린스턴 대학교 및 뉴욕 대학교와의 협력을 통해 MITEI의 기부 지원 연구 프로젝트의 일환으로 개발되었습니다. 효율적이고 신뢰할 수 있는 전력 계획의 필요성 전 세계적으로 전력 수요는 인공지능의 급속한 발전과 차량 및 건물의 전기화 등 다양한 요인으로 폭발적으로 증가하고 있습니다. 그 결과, 전력 생성과 송전 시설의 확장이 필수적으로 요구되고 있으며, 수많은 풍력 및 태양광 에너지 프로젝트가 운영되고 있지만 이러한 에너지원은 항상 전력을 생산할 수 없으므로 보완적인 전력원과 저장 시설이 필요합니다. 전력 소비자인 데이터 센터, 제조업체, 병원 등은 엄격한 신뢰성 요구 사항을 충족해야 하며, 이를 토대로 인프라 계획가들은 나날이 복잡해지는 환경 속에서 원활하게 전력망을 운영해야 합니다. Macro는 이러한 문제를 해결하는 데 도움을 주는 도구로, 기후 변화와 관련된 정책 및 신기술의 영향을 보다 효과적으로 이해하고 분석할 수 있도록 설계되었습니다. Macro는 산업 부문 간의 상호 의존성을 고려하여 다양한 정책 시나리오를 시뮬레이션할 수 있는 강력한 모델로, 결과적으로 전력 비용을 최소화하고 모든 이해관계자에게 가치를 극대화하는 방안을 탐색할 수 있게 해 줍니다. 이를 통해 전력 계획가들은 가능성 있는 정책과 기술 실현의 영향을 실시간으로 평가하며, 전력망의 신뢰성과 연료 가격 변동 등 다양한 요인에 미치는 영향을 분석할 수 있습니다. Macro의 혁신적인 구조와 기능 Macro는 MITEI의 이전 모델인 GenX 및 DOLPHYN의 경험과 발전...

최근 MIT의 연구진들이 개발한 부드러운 로봇 팔은 포도나 브로콜리와 같은 섬세한 물체를 안전하게 조작할 수 있는 기술을 선보였습니다. 이 로봇은 고급 물리 모델링 기술과 비선형 제어 이론을 결합해 실시간으로 힘을 조절하며 안전하게 작동합니다. 향후 의료, 산업 및 가사 분야에서 안전하고 효율적인 로봇의 활용 가능성을 열어줄 이 연구는 주목받고 있습니다. 차세대 안전성 기반의 제어 기술 부드러운 로봇의 안전한 상호작용을 위한 기술은 비선형 제어 이론을 포함한 복합적인 접근 방식으로 구성되어 있습니다. MIT CSAIL과 LIDS 연구팀은 "접촉 인식 안전" 프레임워크를 개발했으며, 이는 로봇이 안전하게 작업할 수 있도록 경계를 설정합니다. 이 방법의 핵심 요소는 고차 제어 장벽 함수(HOCBF)와 고차 제어 리apunov 함수(HOCLF)입니다. HOCBF는 로봇이 안전하지 않은 힘을 발생시키지 않도록 안전한 운전 경계를 설정하며, HOCLF는 로봇이 목표를 효율적으로 달성하도록 유도합니다. 이러한 방식으로 로봇은 환경과 상호작용할 때 자신의 한계를 인식하고, 목표를 달성하는 동시에 안전성을 확보하는 방법을 배우게 됩니다. 부드러운 로봇의 동적 특성을 고려한 이러한 제어 기술은 기존의 강체 로봇 시스템에서도 확립된 알고리즘을 기반으로 하여 안전한 작업을 가능하게 만듭니다. 연구팀은 이러한 방법이 실제 환경에서 로봇의 안전성과 응답성을 크게 향상시킬 것으로 기대하고 있습니다. 이를 통해 부드러운 로봇이 다양한 작업에 적응하고 복잡한 상황에서도 효과적으로 대처할 수 있게 됩니다. 또한 이 연구는 다른 연구팀과의 협력을 통해 구현되고 있으며, 산업에서의 실제 적용 가능성에 크게 기여할 것입니다. 각종 실험을 통한 시스템 검증 부드러운 로봇의 안전한 상호작용 방식을 확인하기 위해 연구팀은 여러 실험을 진행했습니다. 한 실험에서는 로봇이 부드러운 표면에 부드럽게 압력을 가하며 적절한 힘을 유지하는 것이었습니다. 로봇은 힘의 미세한...

노르웨이는 양식된 대서양 연어의 세계 최대 생산국이며, 고급 해산물의 주요 수출국으로 알려져 있습니다. 최근 MIT의 두 학생이 노르헤이 트로임스다트에서 해양 아쿠아컬쳐의 최첨단 기술을 탐구하기 위해 방문했습니다. 이들은 SINTEF Ocean이라는 유럽 최대의 연구기관에서 혁신적인 아쿠아컬쳐 기술을 경험하고 연구에 참여했습니다. AI 기반 피딩 최적화 노르웨이의 아쿠아컬쳐 산업에서 가장 핵심적인 도전 과제 중 하나는 바로 효율적인 사료 관리입니다. MIT 학생인 베켓 드보는 인공지능을 활용하여 어류 사료의 최적화 프로젝트에 참여했습니다. 그는 양식장의 다양한 요소—어류의 크기나 수온 등을 분석하여 가장 이상적인 사료 양을 제공하는 알고리즘을 개발했습니다. 이를 통해 농부들은 비용을 절감하면서도 최상의 결과를 얻을 수 있었습니다. 노르웨이의 아쿠아컬쳐에서는 환경 센서와 데이터 시각화 시스템 등을 통해 어류의 건강 상태를 모니터링하고, 알고리즘을 통해 더 나은 결정이 이뤄질 수 있습니다. 이는 개별 어민들이 데이터 기반으로 보다 효율적으로 의사 결정을 내리는 데 큰 도움을 줍니다. 드보는 이러한 실무 경험을 통해 머신러닝 기술을 더욱 발전시키고, 실제 산업에서 문제를 해결하는 과정의 중요성을 깨달았습니다. 로봇 기술의 발전 아쿠아컬쳐의 또 다른 혁신적인 분야는 바로 로봇 기술입니다. MIT의 또 다른 학생인 토니 탱은 수중 비행체와 조작 시스템의 시뮬레이션을 통해 양식장을 운영하는 로봇 팔을 개발하는 프로젝트에 참여했습니다. 그는 이 시스템을 통해 양식장에 존재하는 그물의 손상을 신속하고 효율적으로 수리하는 방법을 연구했습니다. 노르웨이의 많은 어업은 수천 개의 로봇을 사용하고 있습니다. 그러나 이러한 로봇들을 일일이 조작하는 것은 현실적으로 불가능하기 때문에, 자율성 수준을 높이는 것이 필수적입니다. 탱은 실습을 통해 로봇 기술의 실제 적용 사례를 목격하며, 아쿠아컬쳐와 로봇 기술의 미래에 대해 깊은 통찰을 얻게 되었습니다. 이런 경험...

최근 배터리 혁신은 전기차 및 에너지 시스템에 중대한 변화를 가져오고 있습니다. 제너럴 모터스(GM) 배터리, 추진 및 지속 가능성 담당 부사장인 커트 켈티(Kurt Kelty)는 MIT 에너지 이니셔티브(MITEI) 가을 콜로퀴움에서 차세대 배터리 기술의 상용화를 통한 미국의 배터리 혁신을 촉진하고 있는 기업의 비전을 공유했습니다. 이번 글에서는 GM의 배터리 혁신과 미국 배터리 산업의 미래에 대해 깊이 살펴보겠습니다. 전기차 배터리 혁신: affordability(합리적인 가격) 전기차의普及를 위해서는 무엇보다도 배터리 비용을 낮추는 것이 중요합니다. 커트 켈티는 배터리가 차량 비용의 약 30%를 차지하고 있다는 사실을 강조하며, 이를 해결하기 위한GM의 노력을 전했습니다. 현재 GM은 인공지능(AI)을 활용하여 연구 및 개발 시간을 획기적으로 단축하고 있으며, 전통적인 방식으로 몇 달이 걸리던 모델링이 이제는 몇 일로 줄어들었습니다. 이 기술을 통해 배터리의 니켈 함량을 조정했을 경우, 에너지 밀도, 안전성, 충전 능력 등에 미치는 영향을 신속하게 분석할 수 있게 되었습니다. GM이 주목하고 있는 혁신적인 배터리 기술 중 하나는 리튬 망간 리치(LMR) 배터리입니다. 이 배터리는 니켈의 함량을 줄이고 망간을 추가하여 비용을 절감하고 충분한 주행 거리(W-range)를 유지할 수 있는 장점을 가지고 있습니다. LMR 배터리는 이전의 고니켈 배터리와 비교하여 가격 경쟁력을 갖추고 있으며, GM은 2028년부터 이 배터리를 장착한 전기차를 시장에 출시할 예정입니다. 이처럼 GM의 혁신적인 접근 방식은 전기차의 가격을 대중 친화적으로 만들 수 있는 가능성을 보여줍니다. 이를 통해 보다 많은 소비자들이 전기차를 선택할 수 있는 장이 마련될 것입니다. 미국 배터리 산업의 미래: localization(현지화) 전기차 및 배터리 산업의 지속 가능한 성장을 위해서는 공급망의 현지화가 필수적입니다. 커트 켈티는 미국이 중국에 의존하지 않고 독립적인 ...

MIT Sloan School의 박사 과정 학생인 벤자민 매닝은 AI 시스템의 발전이 우리의 온라인 활동에 미치는 영향과 이로 인해 미래의 노동 환경이 어떻게 변화할지를 연구하고 있습니다. 그는 AI 에이전트를 어떻게 설계하고 평가할 수 있는지, 또한 이런 시스템이 시장과 제도에 미치는 영향을 탐구하고 있습니다. 매닝은 MIT에서 배운 내용을 바탕으로 경제학과 AI 연구를 통해 혁신적인 사회적 발견을 이루고자 합니다. AI 시스템의 설계와 이해 AI가 우리의 일상생활에서 점점 더 중요한 역할을 차지하고 있는 가운데, 인간의 의사결정을 대체하거나 보조하는 AI 시스템의 설계는 매우 중요해졌습니다. 벤자민 매닝은 이러한 AI 시스템을 설계하는 방법뿐만 아니라, 이들이 우리의 선호를 어떻게 이해하고 반영할 수 있는지를 연구하고 있습니다. 이를 통해 그는 사용자의 의사결정을 어떻게 지원할 수 있는지에 대한 중요한 질문을 던지고 있습니다. AI 시스템은 단순한 명령을 수행하는 도구가 아닙니다. 시스템이 사용자 데이터를 분석하고 예측하는 데는 복잡한 알고리즘과 기계 학습 기술이 필요합니다. 매닝은 이 분야에서의 연구를 통해 더 나은 사용자 경험을 창출하는 방법을 모색하고 있으며, 이는 궁극적으로 AI와 경제학의 융합을 통해 사회적 발견으로 이어질 수 있습니다. 그가 찾고자 하는 해답은 간단하지만 심오합니다. 어떻게 하면 AI가 더 나은 결정을 내릴 수 있도록 할 것인가? 이는 다양한 산업에서의 적용 가능성을 가지고 있으며, 경제적 효과도 상당할 것입니다. 매닝은 이를 통해 AI 시스템이 단순한 정보 제공자를 넘어, 사용자와의 관계를 이해하고, 각 개인에게 맞춤형 조언을 제공할 수 있는 미래를 그립니다. 경제적 변화와 AI의 역할 AI가 경제에 미치는 영향은 이미 전 세계적으로 가시화되고 있습니다. 매닝은 AI 시스템이 인간의 행동을 얼마나 잘 시뮬레이션할 수 있는지를 연구하고 있습니다. 이러한 연구는 경제학과 사회 과학의 경계를 허물...