제조업의 용기 있는 신세계와 구세계: AI, 설계, 혁신

이 칼럼의 원래 의도는 요즘 많은 화제를 모으는 문구인 인공지능(AI)에 대해 논의하는 것이었습니다. 어떤 척도로 보든 AI에 대한 관심은 기하급수적으로 확대되고 있습니다. 해당 주제로 읽을 수 있는 기사 수와 Google Trends에 따른 해당 기사 검색 수 모두에서 말입니다.

설계 및 형상 최적화, 생성 설계, 예측 분석 등 다른 형태의 AI도 있습니다. 이를 몇 가지 예로 들 수 있는데, 지능형 근로자들이 위협을 느껴야 할 것 같은 인상을 줄 수 있습니다. 일부 전문가는 인공지능이 우리 모두를 대체할 수 있다고 말합니다.

저는 그렇게 생각하지 않습니다. 저는 AI가 우리를 대체하기보다 크게 도울 것이라고 생각합니다.

이유를 이해하려면, 사람들이 AI라고 부르는 것이 단지 수학이라는 점을 고려해 보세요. 네, 제대로 들으셨습니다. 놀랍도록 복잡한 함수와 계산과 결합된 숫자와 자릿수일 뿐입니다. 저는 이 분야에 약간의 경험이 있습니다. 경력 초기에 간단한 신경망을 프로그래밍한 적이 있는데, 이는 오늘날 더 폭넓은 수용을 찾고 있는 많은 형태의 AI 기초 중 하나입니다. 저는 이미지 분석에서 AI를 어떻게 사용할지 더 잘 이해하기 위해 이 작업을 했고, 몇 가지를 깨달았습니다.

첫 번째 깨달음은 방대한 양의 데이터를 사용하여 '인간' 행동을 복제하는 형태의 AI가 단지 통계적 모델링과 회귀 분석의 한 형태라는 것입니다. 믿을 수 없을 정도로 극단적인 형태이긴 하지만요. 알고리즘을 훈련시키려면 많은 데이터가 필요합니다. 최적화나 생성 설계에도 다른 수학을 사용하지만 마찬가지입니다. AI는 더 사용하기 쉬운 형태로 포장된 매우 복잡한 수학일 뿐입니다.

또 다른 깨달음은 20년 전에는 괜찮은 답을 얻기 위해 얼마나 오래 기다려야 했는지입니다. 이는 강력한 컴퓨팅 덕분에 훨씬 더 어려운 문제들이 오늘날 쉽게 해결되는 것과 대조적입니다. 저렴하고 보편적인 센서가 방대한 데이터 세트를 제공합니다. 여러분은 저처럼 AI 기능을 프로그래밍할 필요도 없습니다. '딥 뉴럴 넷' 같은 모델을 구매하거나 대여할 수 있습니다. IBM의 Watson과 MathWorks Neural Network Toolbox가 두 가지 예입니다. 데이터를 제공하면 고유한 AI 솔루션을 얻습니다. 오늘날 AI는 현장 로봇을 더 다재다능하게 만들고 엔지니어들이 최적화를 통해 부품을 설계하도록 돕고 있습니다.

하지만 수학, 센서, 데이터는 모두 엔지니어와 근로자의 열망에 의해 형성되어야 할 도구로 남습니다. 이들은 개별 작업을 인간보다 더 잘 수행할 수 있지만, 어떤 작업을 수행할지, 왜 수행할지는 항상 인간의 영역으로 남을 것입니다. 인공지능은 목적성이 비어 있습니다. 그것은 항상 우리의 일이 될 것입니다.

항상 올바른 도구는 아님

마지막으로, AI의 다양한 형태 같은 화려한 수학이 항상 올바른 도구는 아닙니다. 이것이 이 칼럼 제목의 '구세계' 부분으로 이어집니다. 이는 이번 달 ME 기사로 광학 비교기(optical comparator)를 조사할 때 저에게 와닿았습니다. 1920년대로 거슬러 올라가는 측정 기술인 광학 비교기의 뿌리입니다. 오늘날 대부분의 모델은 기초적인 디지털 전자장치로 업데이트되었지만, 기본 아이디어는 동일합니다. 부품의 그림자를 큰 화면에 확대하고 인간이 측정을 수행합니다. 이 기계들은 다양한 수준의 디지털 개선을 거쳐 기본 아이디어부터 머신 비전까지 제조 현장 곳곳에서 발견됩니다. 제 정보원 중 한 명은 회사 서비스가 최근 50년 된 모델을 수리했다고 말했습니다.

AI 같은 미래 기술과 검증된 구세계 기술의 공존이 제조와 엔지니어링의 지속적인 현실입니다. 아마도 이는 엔지니어들이 신기술을 완전히 수용하는 것을 단순하게 꺼리는 것일 수 있습니다. 같은 정보원이 말했듯, 그는 때때로 광학 비교기에서도 신기술을 사용할 수 있음을 강조해야 한다고 합니다. 그래도 광학 비교기, 마이크로미터, 캘리퍼스, 그리고 그들을 사용하는 인간들이 더 화려한 어떤 것으로 완전히 대체될 것 같지는 않습니다.