美 FDA 인력 줄이고 AI 도입… 제약·바이오 산업 인력 구조 바뀌나
- 미국 FDA는 대규모 인력 감축을 진행했으며, 6월 말까지 모든 센터에 생성형 AI를 본격적으로 도입할 예정입니다.
- FDA는 AI를 통해 업무 효율성을 높이고 심사 작업 시간을 단축할 수 있을 것으로 기대하고 있습니다. 글로벌 제약사들도 신약 후보 물질 발굴, 의약품 시장 분석 등 다양한 업무 영역에 AI를 적극적으로 활용하고 있습니다.
- AI는 신약 개발 비용과 시간을 획기적으로 줄일 수 있어 제약·바이오 기업의 필수 도구로 자리 잡고 있습니다.
- FDA는 동물실험을 오가노이드 시험1)으로 대체할 계획이며, AI를 이용하면 오가노이드 시험으로도 동물실험 효과를 거둘 수 있다고 예측하고 있습니다.
- 글로벌 AI 신약 개발 시장은 연평균 30% 이상 성장하여 2030년까지 약 10조 원 규모에 이를 것으로 전망됩니다.
- AI 도입이 가속화되면서 데이터 편향 문제, 규제 부족, 일자리 감소 등에 대한 우려도 제기되고 있습니다.
- AI 도입의 가속화: FDA의 AI 도입 결정은 제약·바이오 산업 전반에 걸쳐 AI 활용이 더욱 확산될 것임을 시사합니다. 이는 신약 개발의 효율성을 높이고 비용을 절감하는 데 기여할 수 있지만, 동시에 일자리 감소와 같은 사회적 문제에 대한 대비도 필요함을 의미합니다.
- 오가노이드와 AI의 결합: FDA가 동물실험을 오가노이드 시험으로 대체하고, AI를 활용하여 그 효과를 높이려는 시도는 매우 혁신적입니다. 이는 윤리적인 문제와 실험의 효율성 문제를 동시에 해결할 수 있는 가능성을 보여줍니다.
- AI 신약 개발 시장의 성장 가능성: AI 신약 개발 시장의 높은 성장률은 이 분야에 대한 투자와 연구 개발이 더욱 활발해질 것임을 예상하게 합니다. 한국 역시 이 분야에서 경쟁력을 확보하기 위한 노력이 필요합니다.
- AI 도입의 잠재적 위험: AI 도입으로 인한 데이터 편향, 규제 부족, 일자리 감소 등의 문제는 간과할 수 없습니다. 기술 발전과 함께 이러한 문제에 대한 사회적 논의와 대비가 필요합니다.
1) 오가노이드(organoid)는 인간의 줄기세포나 전구세포를 사용해 특정 장기의 구조와 기능을 3차원적으로 모사한 미니어처 형태의 인공 장기다. 오가노이드는 실제 장기와 유사한 시험 환경을 연구원에게 제공하며, 세포 간 상호작용과 조직 특유의 구조를 재현할 수도 있다
얼굴 사진 한장으로 암 예후 예측…”인공지능 혁명”
인공지능 모델 ‘페이스 에이지’에 대한 기사입니다.
- 페이스 에이지: 얼굴 사진으로 암 환자의 예후를 예측하는 인공지능 모델입니다.
- 연구 결과: 5만 8851명의 데이터를 기반으로 딥러닝 모델을 구축했으며, 80%의 정확도로 암 환자를 구별했습니다.
- 생체 나이: 얼굴 사진에서 측정한 생체 나이가 많을수록 암 환자의 생존율이 낮아지는 경향을 보였습니다.
- 임상적 활용: 의사의 주관적인 판단을 보완하고, 객관적인 지표를 통해 환자의 상태를 평가하고 치료 방침을 결정하는 데 도움을 줄 수 있습니다.
- 객관적 지표의 중요성: 기존에는 의사의 경험과 주관적인 판단에 의존했던 암 환자 예후 예측을, 인공지능을 통해 객관적인 데이터 기반으로 수행할 수 있게 되었다는 점에서 의미가 큽니다.
- 간단하고 정확한 예측: 얼굴 사진이라는 간단한 정보만으로 높은 정확도의 예측이 가능하다는 점은, 의료 현장에서 시간과 비용을 절약하고 효율성을 높이는 데 기여할 수 있습니다.
- 향후 발전 가능성: 페이스 에이지 모델은 아직 초기 단계이지만, 향후 더 많은 데이터를 학습하고 다양한 암 종류에 대한 예측 능력을 향상시킨다면, 암 진단 및 치료 분야에 혁신적인 변화를 가져올 수 있을 것으로 기대됩니다.
“한국, 인공지능 G3 도약하려면 지금이 마지막 기회”
이 기사는 대한민국이 인공지능(AI) 분야에서 글로벌 리더로 도약할 수 있는 기회에 대해 논의하고 있습니다. 향후 3~4년이 대한민국이 AI 선도국가(G3)에 진입할 수 있는 중요한 시기임을 강조합니다.
- 100조 원 규모의 민관 공동 투자를 제안하며, 대규모 투자의 필요성을 강조합니다. 현재 대한민국의 AI 투자는 미국, 중국, EU 등 선도 국가에 비해 현저히 낮은 수준입니다.
- 정부가 AI 생태계 및 시장 조성에 주도적인 역할을 해야 함을 강조합니다. 시장만으로는 해결할 수 없는 높은 초기 투자 비용 및 수요 불확실성과 같은 문제 해결을 포함합니다.
- 정부가 민간 부문의 참여를 장려하기 위해 인센티브를 제공하고 규제를 완화해야 한다고 제안합니다. 업계 리더들은 세금 인센티브보다는 데이터 센터 및 인프라와 같은 분야에 대한 정부의 직접 투자를 요구했습니다.
- 대한민국이 AI 분야에서 뒤처지지 않기 위해서는 적극적인 투자와 정부의 주도적인 역할이 필수적입니다.
- 단순히 세금 혜택을 제공하는 것보다 데이터 센터 및 인프라 구축과 같은 핵심 분야에 대한 정부의 직접 투자가 더 효과적일 수 있습니다.
- 향후 몇 년 안에 AI 분야에 대한 투자를 확대하고 생태계를 구축하는 데 성공하면 대한민국은 AI 선도 국가로 도약할 수 있는 잠재력이 있습니다.
[기고] “인공지능과 클라우드, 파킨슨병을 해독하다”
이 기사는 인공지능(AI)과 클라우드 컴퓨팅 기술이 파킨슨병 연구 및 치료에 기여하는 바를 요약하고 있습니다.
- 파킨슨병 진단 및 치료의 어려움: 기존 진단 방식의 한계와 근본적인 치료법 부재.
- AI 및 클라우드 기술의 역할: 뇌 이해도 향상, 진단 속도 개선, 새로운 치료법 개발 기여 가능성.
- 유전체 해독 및 데이터 분석: 파킨슨병 관련 유전자 마커 식별 및 질병 진행 양상 패턴 파악.
- 바이오마커 연구: 척수액 분석을 통한 진단 활용 바이오마커 발견 및 AI 기반 영상 분석을 통한 뇌 조직 변화 모니터링.
- 뇌세포 지도화: 뇌세포 데이터베이스 구축 및 AI 활용을 통한 뇌세포 유형 특성 해독 및 신경 질환 진행에 따른 변화 모니터링.
- AI 기반 뇌심부자극술(DBS): 환자 개개인의 뇌 활동에 맞춰 자극 치료를 자동 조정하는 기술 개발.
- AI와 클라우드 기술은 파킨슨병 연구 및 치료 분야에 혁신적인 변화를 가져올 잠재력이 있습니다. 특히, 데이터 분석, 바이오마커 연구, 뇌세포 지도화, AI 기반 치료법 개발 등 다양한 분야에서 긍정적인 영향을 미칠 것으로 기대됩니다.
- AI 기술은 파킨슨병 진단의 정확성을 높이고, 환자 맞춤형 치료법 개발을 가속화할 수 있습니다.
- 클라우드 컴퓨팅 기술은 대규모 데이터 처리 및 분석을 가능하게 하여 파킨슨병 연구의 효율성을 높일 수 있습니다.
AI가 AI칩 설계… “수백 시간 걸리던 일 1시간 만에”
- 반도체 산업에서 인공지능(AI) 활용이 증가하고 있으며, 이는 반도체 설계 및 제조의 복잡성, 시간 제약, 인력 부족 문제를 해결하는 데 기여합니다.
- AI는 부품 배치 최적화 및 설계 코드 생성을 통해 칩 설계에 필요한 시간을 대폭 단축합니다 (수백 시간에서 1시간 이내로).
- 엔비디아, 삼성 등 기업들은 반도체 설계를 위한 AI 도구를 개발하여 성능과 수율을 향상시키고 있습니다.
- AI는 제조 과정에서도 결함 식별 및 해결 속도를 높여 효율성을 개선합니다.
- 데이터 보안 문제와 기업들의 데이터 공유 꺼림으로 인해 AI 도입에 어려움이 있지만, 전문가들은 AI가 향후 반도체 설계 및 파운드리 기업의 경쟁력에 필수적이라고 예측합니다. 이는 AI 인재 수요 증가로 이어질 것입니다.
- AI의 중요성 증가: 반도체 산업에서 AI는 단순한 도구를 넘어 경쟁력 확보의 핵심 요소로 자리매김하고 있습니다.
- 산업 지형 변화: AI 기술력에 따라 반도체 설계 및 제조 기업 간의 경쟁 우위가 달라질 수 있습니다.
- AI 인재 확보 경쟁 심화: AI 기술 발전에 따라 반도체 산업에서 AI 전문가에 대한 수요가 급증할 것으로 예상됩니다.
- 데이터 공유 및 보안 문제 해결 필요: AI 도입 확대를 위해서는 데이터 보안 문제 해결과 함께 기업 간 데이터 공유를 장려하는 노력이 필요합니다.
국방용 입는 로봇 만든다…엔젤로보틱스-LIG넥스원 맞손
- 엔젤로보틱스와 LIG넥스원이 국방용 웨어러블 로봇 개발을 위해 협력합니다. 웨어러블 로봇 전문 기업인 엔젤로보틱스는 LIG넥스원과 국방 분야 웨어러블 로봇 기술 혁신을 위한 공동 개발 협약을 체결했습니다. 양사는 웨어러블 로봇 기술 공동 연구 개발, 실제 적용 가능성 검증, 미래 국방 작전 요구에 부응하는 기술 역량 확보를 목표로 합니다. 이번 협력은 2023년 웨어러블 로봇 상용화를 위한 양해각서(MOU) 체결을 바탕으로 더욱 심화된 관계를 구축하고 본격적인 공동 기술 개발 단계에 돌입하는 것입니다.
- 이번 협력은 엔젤로보틱스가 민간 분야에서 국방 산업으로 기술 영역을 확장하는 전략적 움직임으로 해석됩니다. 엔젤로보틱스는 웨어러블 로봇 기술적 경계를 넓혀 국방력 강화에 기여하고자 합니다. 또한, 인간 중심의 기술 혁신과 사회적 가치 실현에 집중하며 의료 분야를 넘어 산업 및 국방 분야까지 기술 응용 분야를 확대하고 있습니다.
중국 휴머노이드 로봇, 출퇴근·등하교 시간대 교통 정리에 투입
- 중국에서 ‘쿠아보’ 휴머노이드 로봇이 출근 시간 교통 통제를 돕기 위해 배치되었습니다.
- LEJU ROBOT에서 개발한 쿠아보는 쓰촨성 몐양시에서 보행자들이 안전하게 도로를 건너고 교통 흐름을 원활하게 하는 데 사용됩니다.
- 이 로봇은 최대 5km/h의 속도로 이동할 수 있으며 360도 회전이 가능합니다. 여러 대의 카메라, 센서, 음성 인식 시스템을 갖춘 쿠아보는 실시간으로 도로 상황을 모니터링하고 교통을 분석하여 교통 흐름을 최적화할 수 있습니다.
- 또한 현지 쓰촨 방언으로 소통할 수 있습니다. 쿠아보는 화웨이의 ‘판구’ AI 모델로 구동되어 요리 및 청소와 같은 가사 작업을 수행할 수 있습니다.
- 교통 체증 완화: 쿠아보 로봇은 교통 체증이 심한 지역에서 교통 흐름을 효율적으로 관리하고 보행자의 안전을 확보하는 데 기여할 수 있습니다.
- AI 기술의 발전: 화웨이의 ‘판구’ AI 모델을 통해 쿠아보는 교통 통제뿐만 아니라 다양한 가사 작업까지 수행할 수 있어 AI 기술의 광범위한 활용 가능성을 보여줍니다.
- 휴머노이드 로봇의 사회적 역할 확대: 쿠아보의 사례는 휴머노이드 로봇이 단순한 산업 현장을 넘어 일상생활과 공공 서비스 영역으로 확장될 수 있음을 시사합니다.
- 지역 맞춤형 서비스: 쿠아보가 쓰촨 방언으로 소통할 수 있다는 점은 로봇이 특정 지역의 문화적, 언어적 특성을 고려하여 맞춤형 서비스를 제공할 수 있음을 보여줍니다.
개미 모방한 군집 로봇…단순 개체 모여 복잡한 행동 구현
이 기사는 개미와 같은 군집 생명체에서 영감을 얻어 개발된 차세대 군집 로봇 시스템인 ‘링크봇(Link-bot)’에 대해 다룹니다.
- 서울대 김호영 교수 연구팀은 링크봇이 별도의 제어 없이 스스로 이동, 탐사, 운반 등의 임무를 수행할 수 있음을 밝혔습니다.
- 링크봇은 방향성을 가진 입자들이 V자 형태의 체인 구조로 연결되어 있으며, 링크 구조의 기하학적 조절을 통해 다양한 움직임을 수행할 수 있습니다.
- 연구팀은 링크봇이 재난 구조, 험지 운송, 환경 감시 등 다양한 분야에서 활용될 수 있을 것으로 기대하며, 저비용의 자율 소프트 로보틱스와 차세대 집단 지능 시스템의 새로운 가능성을 제시할 것으로 전망했습니다.
- 링크봇은 기존 로봇 시스템의 한계를 넘어, 자율적인 움직임과 집단 지능을 통해 다양한 환경에서 효율적인 작업을 수행할 수 있다는 점에서 혁신적입니다.
- 특히 재난 구조나 험지 운송과 같이 인간의 접근이 어려운 환경에서 링크봇의 활용 가능성이 높을 것으로 예상됩니다.
- 저비용으로 제작 가능하다는 점은 링크봇의 상용화 가능성을 높이는 요인입니다. 링크봇 연구는 소프트 로보틱스 및 집단 지능 시스템 분야의 발전에 기여할 것으로 기대됩니다.
‘스스로 짐 싣는’ 택배 로봇 등장 이러다 정말 사람 일자리 뺏겠네
- 스위스 취리히연방공대(ETH 취리히) 연구진이 스스로 택배 상자를 집어 옮길 수 있는 4족보행 로봇 ‘레바(LEVA)’를 개발했습니다. 길이 1.2m, 폭 0.75m 크기의 레바는 바퀴가 달린 네 다리를 이용해 이동하며, 동체에 장착된 특수 장치와 고성능 카메라를 통해 최대 85kg 무게의 상자를 스스로 움켜쥐고 옮길 수 있습니다.
- 특히, 계단이나 울퉁불퉁한 길도 자율주행으로 이동 가능하며, 기존의 단순히 이송만 가능했던 택배 로봇들과 달리 스스로 적재 작업까지 수행할 수 있다는 점에서 혁신적입니다. 연구진은 레바가 택배 운송 과정의 문제를 해결할 중요한 방법이 될 것이라고 밝혔습니다.
- 이번에 공개된 ‘레바’는 택배 산업의 자동화에 상당한 파장을 일으킬 수 있는 기술적 진보를 보여줍니다. 기존의 택배 로봇들이 배송의 마지막 단계나 특정 구역 내 이동에 국한되었던 반면, 레바는 스스로 물건을 싣는 능력까지 갖춤으로써 물류 프로세스 전반의 효율성을 극대화할 잠재력을 지닙니다. 이는 곧 택배 노동자들이 수행하던 육체적인 노동 강도를 줄여줄 수 있다는 긍정적인 측면을 제시합니다.
- 그러나 동시에, 레바와 같은 고성능 로봇의 등장은 장기적으로 택배 노동자들의 일자리 감소라는 사회적 문제를 야기할 수 있다는 점을 간과할 수 없습니다. 특히 연구진 스스로도 이러한 가능성을 언급했다는 점에서, 기술 발전과 함께 노동 시장의 변화에 대한 심도 있는 논의와 대비가 필요함을 시사합니다.
- 결론적으로, ‘레바’의 개발은 택배 산업의 혁신을 이끌 잠재력을 가진 동시에, 기술 발전이 가져올 수 있는 고용 불안정이라는 숙제를 우리 사회에 던져주고 있습니다. 앞으로 레바의 성능 고도화 과정과 함께, 자동화 시대에 인간과 로봇이 어떻게 공존할 수 있을지에 대한 다각적인 고민이 필요해 보입니다.
엔비디아, 오픈 소스 최고 성능 ‘코드 추론’ 모델 공개
- 엔비디아가 코드 생성 및 문제 해결에 최적화된 오픈 소스 추론 모델인 ‘OCR(Open Code Reasoning)’ 제품군을 공개했습니다.
- OCR 모델은 디버깅, 코드 생성, 논리 완성 등 실제 개발 환경에서 필요한 복잡한 코드 추론 작업을 수행하도록 설계되었습니다.
- 코드 중심 벤치마크인 라이브코드벤치에서 OpenAI 모델을 능가하는 성능을 보였으며, 32B 모델은 오픈 소스 모델 중 코드 추론 성능에서 최상위권을 기록했습니다. 다양한 추론 프레임워크와 호환되어 활용도가 높으며, 개발자, 연구자, 기업이 기존 AI 인프라에 쉽게 통합할 수 있습니다.
- 최근 주요 AI 기업들이 코드 AI에 집중하는 가운데, 엔비디아가 오픈 소스로 코드 전문 추론 모델을 공개하여 이 분야 시장을 확대하려는 의도로 보입니다. 이는 개발자들에게 더 많은 선택지가 제공되어, 코드 AI 기술 발전을 가속화할 수 있을 것으로 보입니다.
외부 데이터 없이 스스로 배우고 성장하는 ‘자기주도형’ 추론 모델 등장
이 기사는 외부 데이터 없이 스스로 학습하고 성장하는 ‘자기주도형’ 추론 모델인 ‘앱솔루트 제로 리즈너(AZR)’에 대해 소개합니다.
- AZR 모델은 코드 실행기를 통해 스스로 학습 과제를 만들고 해결하며, 결과에 대한 피드백을 통해 추론 능력을 향상시킵니다.
- 연구 결과, AZR 모델은 다양한 크기와 구조의 AI 모델에 적용 가능하며, 수학 및 코딩 추론 벤치마크에서 기존 최고 모델보다 뛰어난 성능을 보였습니다.
- 특히, 전문가가 만든 데이터셋 없이도 기존 모델보다 높은 코딩 정확도를 나타냈으며, 모델 크기가 커질수록 성능 향상도 뚜렷하게 나타났습니다.
- 외부 데이터 의존성 감소: AZR 모델은 외부 데이터 없이 자체적으로 학습하므로, 데이터 부족 문제나 편향된 데이터로 인한 성능 저하 문제를 해결할 수 있습니다.
- 높은 코딩 정확도: 전문가 데이터셋 없이도 기존 모델보다 높은 코딩 정확도를 보여, 실제 코딩 환경에서의 활용 가능성이 높습니다.
- 모델 크기 확장성: 모델 크기가 커질수록 성능이 향상되는 경향을 보여, 향후 더 큰 모델을 통해 더욱 강력한 추론 능력을 기대할 수 있습니다.
- 다양한 모델 적용 가능성: 다양한 크기와 구조의 AI 모델에 적용될 수 있어, 범용적인 추론 모델로서의 잠재력을 가지고 있습니다.
게임용 GPU로 구동하는 ‘특정 업무 전용’ 모델 등장…”GPT-4o보다 빠르고 정확”
AI 스타트업 파스티노가 특정 언어 작업에 최적화된 TLM(Task-Specific Language Models) 제품군을 출시했습니다. TLM은 요약, 함수 호출, 텍스트-JSON 변환 등 특정 언어 작업을 수행하며, 기존 범용 LLM보다 속도와 정확도가 뛰어나고 운영 비용이 낮다는 장점이 있습니다.
- TLM의 특징 및 장점
- 특정 작업 최적화: TLM은 특정 작업 수행에 특화되어 있어 범용 LLM 대비 뛰어난 성능을 보입니다.
- 높은 속도와 정확도: 기존 LLM보다 빠른 추론 속도와 높은 정확도를 제공합니다.
- 낮은 운영 비용: 효율적인 모델 구조로 운영 비용을 절감할 수 있습니다.
- 다양한 활용: CPU나 일반 소비자용 GPU에서도 원활하게 구동되어 활용성이 높습니다.
- GPT-4o 대비 성능: 특정 작업에서 GPT-4o보다 빠른 추론 속도와 높은 정확도를 기록했습니다.
- 파스티노의 서비스 및 투자 유치
- 파스티노는 월 정액 요금제로 TLM API를 자유롭게 사용할 수 있도록 했으며, 월 1만 건까지 무료로 사용할 수 있는 무료 모델 API도 제공합니다.
- 최근에는 코슬라 벤처스가 주도한 시드 라운드에서 1750만 달러를 유치하여, 현재까지 총 투자금은 약 2500만 달러에 달합니다.
- 파스티노의 TLM 제품군은 특정 작업에 최적화된 모델이라는 점에서 기존 LLM의 한계를 극복하고 새로운 가능성을 제시합니다. 특히, 속도, 정확도, 운영 비용 측면에서 경쟁력을 갖추고 있어 다양한 산업 분야에서 활용될 것으로 기대됩니다. 또한, 파스티노의 적극적인 투자 유치는 TLM 기술의 성장 가능성을 보여주는 중요한 지표입니다.