AI는 엔지니어링 패러다임을 혁신적으로 변화시키며, 다양한 분야에서 정밀성, 효율성, 적응성을 높이는 도구와 방법론을 제공하고 있다. AI 경쟁에서 선두를 유지하고자 하는 엔지니어링 리더는 생성형 AI, 검증(Verification and Validation, V&V), 차수 축소 모델(Reduced Order Models, ROM), 제어 시스템 설계 등 네 가지 핵심 영역의 발전에 집중해야 한다.

생성형 AI의 확장

텍스트 기반 생성형 AI가 소프트웨어 중심 워크플로우에 지속적으로 영향을 미치는 가운데, 고수준 추상화를 갖춘 엔지니어링 도구로의 확장이 진행 중이다. 2025년까지 블록 다이어그램, 3D 모델, 플로우 차트와 같은 '노코드(No-code)' 엔지니어링 도구에 생성형 AI를 적용하는 데 상당한 진전이 예상된다. 이러한 도구들은 엔지니어가 복잡한 시스템을 시각적으로 표현하고, 구성 요소를 손쉽게 편집하며, 내재된 복잡성을 관리할 수 있게 해준다. 생성형 AI와의 통합은 사용자 친화적인 인터페이스를 유지하면서도 생산성을 더욱 높일 것이다. 더 나아가 엔지니어링 모델을 이해하고 설계 및 관리를 지원하는 AI 코파일럿이 더 많은 도구에 통합될 전망이다.

AI 규정 준수를 위한 검증

자동차, 의료, 항공우주 분야의 안전이 중요한 시스템에 AI 통합이 가속화됨에 따라, 산업 규제 기관들은 AI 규정 준수 요구사항, 프레임워크, 지침을 도입하고 있다. 이에 엔지니어들은 V&V 프로세스를 우선시해야 한다. 이를 통해 모든 조건에서 AI 구성 요소의 배포 준비 상태를 확인하고, 신뢰성, 투명성, 편향성 관련 준수 표준을 충족할 수 있다.

V&V는 딥러닝 모델의 견고성을 검증하고, 특히 안전이 중요한 애플리케이션에서 학습 외 분포 (out-of-distribution, OOD) 시나리오를 감지하는 데 필수적이다. 강건성 검증이 중요한 이유는 신경망이 적대적 표본으로 알려진 사소하고 감지하기 어려운 변화로 인해 입력을 잘못 분류할 수 있기 때문이다. 예를 들어, 흉부 X선 이미지의 미세한 변화로 인해 AI 모델이 폐렴을 정상으로 잘못 판단할 수 있다.

엔지니어는 모델의 일관성에 대한 수학적 증명을 제공하고, 추상 해석과 같은 정형 검증 방법을 사용해 이러한 시나리오를 테스트할 수 있다. 이 프로세스는 취약성을 식별하고 해결함으로써 모델의 신뢰성을 높이고 안전 기준 준수를 보장한다.

OOD 감지 또한 중요하다. 이는 AI 시스템이 익숙하지 않은 입력을 인식하고 적절히 처리할 수 있게 해준다. 이 기능은 정확성과 안전성 유지에 필수적이며, 특히 예상치 못한 데이터로 인한 예측 오류를 방지한다. AI 모델은 학습 범주 안의 분포와 학습 범주 밖의 분포 데이터를 구별함으로써 중요 애플리케이션에서 잠재적 오류를 예방하고, 불확실한 경우 인간 전문가에게 판단을 맡길 수 있다.

엔지니어는 V&V에 집중함으로써 AI 프레임워크와 표준을 준수하면서 제품 개발을 진행할 수 있다. 이러한 사전 예방적 규정 준수 접근 방식은 AI 시스템의 안전성, 윤리적 건전성을 보장하고, 빠르게 변화하는 환경에서 경쟁 우위를 유지하는 데 도움이 된다.

AI 기반 차수 축소 모델의 부상

AI 기술과 연산 능력의 발전에 힘입어 AI 기반 ROM의 사용이 증가할 것으로 예상된다. 이러한 모델은 시스템 성능과 신뢰성을 향상시키고, 시스템 설계 및 시뮬레이션의 효율성과 효과를 높인다.

이러한 변화의 주된 원인은 엔지니어가 높은 수준의 정밀성과 속도를 유지하면서 점점 복잡해지는 시스템을 관리해야 할 필요성 때문이다. 기존의 컴퓨터 지원 공학(CAE) 및 전산유체역학(CFD) 모델은 정확하지만 계산량이 많고 실시간 애플리케이션에는 최적화되지 않았다. AI 기반 ROM은 정확성을 유지하면서도 계산 요구사항을 줄여 이 문제를 해결한다. 엔지니어는 이러한 모델을 사용해 복잡한 현상을 더욱 빠르게 시뮬레이션하고, 더 빠른 반복과 최적화를 촉진할 수 있다.

AI 기반 ROM은 다양한 파라미터와 조건에 적응할 수 있는 매우 다재다능한 능력을 갖추고 있어 여러 시나리오에 적용할 수 있다. 이는 특히 세부적인 모델링과 시뮬레이션을 필요로 하는 항공우주, 자동차, 에너지 분야의 엔지니어드 시스템에서 유용하다. 예를 들어, 항공기 구성 요소 설계 시 공기 역학적 특성과 응력 요소를 더욱 효율적으로 시뮬레이션할 수 있어 설계를 신속하게 최적화할 수 있다. 또한 다양한 비행 조건에 적응할 수 있어 동일한 모델로 여러 시나리오를 테스트할 수 있다. 이를 통해 개발 프로세스를 가속화하고, 비용을 절감하며, 최종 제품의 신뢰성을 향상시킬 수 있다.

AI를 활용한 복잡한 시스템 제어

AI의 제어 설계 통합은 복잡한 시스템과 임베디드 애플리케이션 관리 분야를 혁신하고 있다. 전통적으로 제어 시스템 설계는 시스템에 대한 심층적인 지식과 이해가 필요한 제1원리 모델링에 의존했다. 데이터 주도 모델링은 설계 범위의 작은 부분에서만 유효한 선형 모델로 크게 제한됐다. AI는 이러한 환경을 변화시키고 있다. 데이터로부터 정확한 비선형 모델을 생성함으로써 제1원리와 데이터를 결합하고 전체 작동 범위에서 유효한 고정밀 모델을 만들어 복잡한 시스템을 더 잘 제어할 수 있게 됐다.

동시에, 마이크로컨트롤러의 연산 능력이 향상되면서 AI 알고리즘을 시스템에 직접 내장하는 것이 가능해졌다. 이러한 통합은 반응성이 뛰어난 시스템이 표준인 소비자 가전 및 자동차 산업에 특히 중요하다. 예를 들어, 전력 툴에 내장된 AI는 갑작스러운 물질 밀도 변화와 같은 안전 위험을 초래할 수 있는 환경 변화를 모니터링하고 대응할 수 있다. 이러한 도구는 내장된 AI를 사용해 작업을 자율적으로 조정해 안전성과 성능을 향상시킨다.

AI와 복잡한 시스템 제어 및 임베디드 시스템의 융합은 더욱 견고하고 적응적이며 지능적인 제어 설계 시대를 열었다. 엔지니어는 이제 실시간으로 학습하고 적응하는 시스템을 만들어 전례 없는 정밀성과 효율성을 제공할 수 있게 됐다. 이를 통해 AI 기반 솔루션이 기존 제어 문제를 해결할 수 있는 환경이 조성되고, 다양한 엔지니어링 분야에서 더욱 스마트하고 통합된 시스템을 구축할 수 있는 길이 열리고 있다.

엔지니어들은 AI의 지속적인 발전에 주목해야 한다. 물리적 통찰력과 AI 모델의 융합은 투명성과 적응성을 높이고, 기존 접근 방식의 '블랙박스' 특성을 줄이고 있다. AI 도구의 대중화로 엔지니어는 고급 기능에 더욱 쉽게 접근할 수 있게 됐다. 이러한 발전은 엔지니어링 분야에서 AI의 역할을 확대하고, 기술 전문가들이 더 빠르고 효과적으로 혁신적인 엔지니어드 시스템을 구축할 수 있게 할 것이다.

이종민/매스웍스 코리아 대표

<기고와 칼럼은 본지 편집방향과 무관합니다>