UNIST가 제조업 인공지능(AI) 전환과 산학연 협력 방안을 논의하는 공동포럼을 열었다. UNIST는 9일(화) 오후 서울 용산구 피스앤파크컨벤션 로얄홀에서 한국산업기술진흥협회, LS일렉트릭, LG AI연구원, 포스코홀딩스와 함께 ‘2026 Korea Industrial AI 공동포럼’을 개최했다. 올해 주제는 ‘AI 대전환 시대, 제조 AI 초격차를 설계하다’였다. 기업 관계자 200여 명이 참석한 가운데 제조 현장에 특화된 AI 전략과 실행과제, 산업 적용 사례, 초격차 실현을 위한 산학연 협력 방안이 다뤄졌다. 개회식에서는 구자균 한국산업기술진흥협회 회장과 안현실 UNIST 연구부총장이 인사말을 전했다. 안 부총장은 “AI 기술은 생성형 AI를 넘어 스스로 계획하고 실행하는 에이전트형(Agentic) AI, 물리적 환경과 상호작용하는 피지컬(Physical) AI로 빠르게 진화하고 있다”며 “AI는 이제 선택 가능한 기술이 아니라 산업 경쟁력을 좌우하는 핵심 인프라가 됐다”고 말했다. 이어 “중요한 것은 AI를 얼마나 많이 보유하고 있느냐가 아니라, 이를 얼마나 효과적으로 현장에 적용하고 산업적 가치로 전환하느냐”라며 제조 현장 중심의 AI 역량 확보 필요성을 강조했다. 기조강연에는 임우형 LG AI연구원 원장이 나섰다. 임 원장은 ‘AI로 진화하는 산업생태계’를 주제로 LG의 AI 전략과 적용 사례를 소개했다. 첫 세션인 ‘한국 제조 AI 2030: 전략과 실행과제’에서는 유보선 인이지 최고기술책임자(CTO)가 제조업 AI 혁신 및 경쟁력 확보 전략을 제시했다. 이어 김영옥 HD현대 상무가 제조 AI 도입 방향과 추진 과정을 공유했다. 인이지는 최재식 대표가 UNIST 재직 당시 설립한 교원창업기업이다. AI 기반 산업 데이터 분석과 제조 공정 최적화 분야에서 기술력을 축적해 왔다. 이번 발표는 UNIST에서 출발한 AI 창업 성과가 제조 현장의 혁신 전략으로 확장되고 있음을 보여줬다. HD현대와 UNIST의 조선 산업 AX 협력 현황도 조명됐다. UNIST는 과학기술정보통신부 ‘초거대산업 AI 연구지원사업’ 공모에서 조선 분야 과제의 총괄연구기관으로 선정돼 HD현대중공업, HD한국조선해양, 크라우드웍스와 조선업 AX를 추진하고 있다. 이 사업에는 총 403억 원이 투입된다. 핵심은 조선업 현장에서 생성되는 설계·생산·품질 데이터와 현장 영상, 센서 데이터 등을 활용해 멀티모달 기반 초거대 AI 파운데이션 모델을 개발하고, 이를 실제 산업 현장에 적용·실증하는 데 있다. HD현대중공업과 HD한국조선해양은 실제 조선소에서 축적한 핵심 데이터를 제공하고, 개발 기술의 적용과 검증을 담당한다. UNIST는 이들 기업과 공동으로 실증 중심의 조선 AX 연구 체계를 구축하고 있다. 이번 포럼에서 제시된 HD현대의 제조 AI 추진 방향은 조선 산업의 AI 전환 가능성을 구체화한 산학협력 체계로 평가됐다. 두 번째 세션인 ‘산업 현장의 AI 전환 사례’에서는 허영신 마키나락스 최고사업책임자(CBO)가 ‘Agentic AI가 만드는 제조 현장의 새로운 임팩트’를 주제로 강연했다. 이현동 슈퍼브에이아이 부대표는 ‘Physical AI Readiness’를 통해 산업 적용 가능성과 도입을 위한 핵심 조건을 짚었다. 마지막 세션은 패널토론으로 이어졌다. 주제는 ‘AI 초격차, 전략과 현장의 간극을 어떻게 메울 것인가’였다. 이순영 LG AI연구원 랩장이 토론을 진행했으며, 세션 발표자 4명과 하형철 LS일렉트릭 이사, 윤일용 포스코홀딩스 연구소장이 패널로 참여했다. 참석자들은 제조 AI 초격차 실현을 위한 전략과 실행 방안을 놓고 의견을 나눴다. 안현실 연구부총장은 “제조 AI는 대한민국 산업 경쟁력을 좌우할 핵심 동력”이라며 “UNIST는 지역 제조기업과의 공동연구, 산업현장 중심의 AI 실증, 실무형 AI 인재 양성을 통해 국내 제조업의 AI 전환과 초격차 실현에 기여하겠다”고 밝혔다.

인공지능대학원 심재영 교수팀의 데이터셋 증류 기술 성과를 담은 논문 2편이 세계 최고 권위의 기계학습 국제학술대회인 '표현학습국제학회(ICLR 2026)'에 동시 채택됐다. 데이터셋 증류는 방대한 원본 데이터를 AI 학습에 꼭 필요한 소규모 합성 데이터로 압축하는 기술이다. 예를 들면 고양이 사진 100만 장을 모두 학습시키는 대신, 고양이의 귀 모양, 눈, 털, 자세, 배경 변화 같은 특징을 잘 담은 소수의 이미지나 합성 데이터를 만들어 학습시키는 식이다. 대규모 데이터를 반복 학습시키지 않아도 돼 학습 시간과 GPU, 전력 사용량을 줄일 수 있어, AI 학습의 비용 부담을 낮출 핵심 기술로 꼽힌다. 연구진은 데이터셋 증류 분야의 ‘3D 포인트 클라우드 데이터 압축’과 새 데이터 유입 시 이전 정보가 지워지는 ‘망각’이라는 두 과제에서 각각 해결책을 제시했다. ■ AI 학습용 3D 데이터, 더 작고 다양하게 압축한다 3D 포인트 클라우드 데이터는 물체나 공간의 표면을 수많은 점의 좌표로 나타낸 데이터다. 자율주행차가 주변 차량과 보행자, 도로 구조를 인식하거나 로봇이 물체의 형태를 파악해 집고 움직이는 데 꼭 필요하다. 하지만 이 3D 포인트 클라우드 데이터는 형태가 불규칙하고 정해진 순서가 없어, 기존 이미지 데이터에서 저장 공간을 효율적으로 압축하는 '매개변수화(Parameterization)' 기술을 적용하는 데 한계가 있다. 게다가 기존 방식은 고해상도의 단일 합성 데이터만 저장하려다 보니, 정해진 메모리 예산 내에서 데이터의 다양성을 확보하기 어려웠다. 심 교수팀(공동 제1저자 김동욱, 임재영 연구원)은 3D 포인트 클라우드에 맞춤형으로 설계된 '매개변수화 기반 데이터셋 증류 프레임워크'를 세계 최초로 제안했다. 고해상도 샘플 1개를 통째로 쓰는 대신, 해상도가 낮은 샘플인 '앵커(Anchor) 샘플’ 여러 개로 초기화하는 방식을 택해 메모리 효율을 극대화한 것이다. 연구팀은 여러 앵커 샘플의 모양을 스스로 부드럽게 혼합하는 '학습 가능한 3D 형상 모핑(Learnable Shape Morphing)' 기술도 접목했다. 이를 통해 AI는 가중치를 스스로 학습하며, 기존과 동일한 메모리 환경에서도 훨씬 다양하고 새로운 형태의 3D 합성 샘플들을 생성해낼 수 있게 됐다. 원본 데이터와 합성 데이터를 비교하는 과정에서 생길 수 있는 구조적 오류도 줄였다. 점들이 공간에 얼마나 고르게 퍼져 있는지를 반영하는 ‘균일도 인식 매칭 손실(Uniformity-Aware Matching Loss)’을 도입해, 원본과 합성 데이터의 3차원 구조가 어긋나지 않도록 했다. 개발된 기술은 ModelNet10 등 5개의 주요 3D 벤치마크 데이터셋에서 기존 방법론들을 압도하는 성능을 기록했다. 특히 ModelNet10 극한 압축 환경(클래스당 샘플 1개)에서는 기존 최고 정확도인 35.9%를 87.7%로 대폭 끌어올리는 결과를 달성했다. ■ “데이터 계속 쌓여도 저장 공간은 그대로”…연속 데이터셋 압축하는 AI 기술 개발 데이터 증류 연구는 일반적으로 전체 데이터가 처음부터 모두 준비되어 있다고 가정하지만, 실제 현장에서는 데이터가 한꺼번에 모이지 않는다. 자율주행차가 새로운 도로 환경을 만나거나, 로봇이 다른 조명·배경·센서 조건에서 주변 데이터를 얻는 것처럼 시간에 따라 데이터가 순차적으로 축적된다. 이때 새로 들어온 데이터마다 별도의 증류 데이터셋을 만들면 저장 공간과 학습 비용이 다시 늘어난다. 그렇다고 하나의 합성 데이터셋만 계속 고쳐 쓰면, 새 데이터의 특징이 덮어씌워지면서 이전 데이터의 정보가 사라지는 ‘망각(catastrophic forgetting)’ 문제가 생긴다. 연구팀은 이러한 순차적 데이터 유입 상황에서 합성 데이터셋의 크기를 키우지 않고, 이전 데이터와 새 데이터를 함께 담는 기술을 개발했다. 합성 데이터셋 내부의 각 데이터 샘플마다 과거 지식과 새로운 지식을 반영하는 비율을 서로 다르게 조절하는 기술이다. 예를 들어 일부 데이터는 과거 정보를 안정적으로 유지하는 역할에 집중하고, 다른 데이터는 새롭게 수집되는 데이터의 특징을 빠르게 학습하도록 역할을 분담하는 방식이다. 샘플별 갱신 비율은 메타러닝 기반 이중 최적화 기법을 통해 자동으로 찾도록 했다. 각 샘플이 이전 정보를 지키는 안정성(stability)과 새 정보를 받아들이는 적응성(plasticity) 가운데 어느 쪽에 더 집중해야 하는지를 스스로 조절하게 한 것이다. 이번 연구는 오민영 연구원이 제1저자로 참여했다. 연구팀은 “이번 연구는 데이터가 지속적으로 생성되는 실제 환경에서도 고정된 저장 용량만으로 효율적인 학습이 가능함을 보여준 사례”라며 “향후 자율주행, 로봇, 엣지 디바이스, 대규모 온라인 AI 서비스 등 지속적으로 데이터를 처리해야 하는 다양한 분야에 활용될 수 있을 것”이라고 밝혔다.

UNIST와 독일 프라운호퍼의 한국분원인 Fraunhofer Innovation Platform for Composites Research@UNIST(FIP-Composites@UNIST)가 프라운호퍼 본부의 단계평가를 통과해 3단계 연장을 확정했다. 센터 설립 이후 10년간 쌓아온 연구 성과와 국제협력 역량을 인정받은 결과다. FIP-Composites@UNIST는 앞으로 5년간 복합재료 분야 글로벌 연구협력의 거점 역할을 이어간다. FIP(Fraunhofer Innovation Platform)는 독일 프라운호퍼 연구협회가 해외 유수 대학, 연구기관과 전략적으로 구축하는 국제협력 플랫폼이다. 공동연구, 연구인력 교류, 기업지원, 기술사업화 등을 통해 세계 최고 수준의 연구역량을 현지에 접목하는 것을 목표로 한다. FIP-Composites@UNIST는 2016년 5월 1일 국내 최초로 프라운호퍼 본부의 공식 승인을 받아 설립된 프라운호퍼 산하 정식 연구분원이다. 센터장은 기계공학과 박영빈 교수가 맡고 있다. 이후 한국에너지공과대학교(KENTECH), 서울대학교, 고려대학교에도 한국분원이 추가로 설립되며 국내 프라운호퍼 협력 네트워크가 확대됐다. FIP-Composites@UNIST는 독일 프라운호퍼 화학기술연구소(Fraunhofer ICT)와 협력해 복합재 산업 전반에 걸친 연구개발을 수행하고 있다. 주요 연구 분야는 첨단 복합재료 설계 및 제조공정, 경량화 기술, 이종소재 접합, 복합재 재활용, 구조건전성 모니터링(SHM), AI 기반 수명예측(PHM) 등이다. 기업지원과 전문인력 양성을 통해 산학연 협력 생태계 구축에도 기여하고 있다. 지난 1·2단계(2016~2025) 동안 센터는 전용 연구센터를 건립하고, 세계적 수준의 복합재 제조·평가 장비를 구축했다. 국제공동연구 수행, 학생 및 연구인력 교류, 국내 기업 기술지원 등에서도 성과를 냈다. 특히 프라운호퍼 ICT와의 긴밀한 협력을 바탕으로 복합재료 분야 글로벌 연구 네트워크를 구축했다. 국내 기업들이 해외 선진기술에 접근할 수 있는 창구 역할도 수행해 왔다. 이런 성과를 토대로 FIP-Composites@UNIST는 지난해 말 프라운호퍼 본부가 실시한 단계평가에서 우수한 평가를 받았고, 3단계 연장이 최종 확정됐다. 한편 프라운호퍼 본부는 4월 28일부터 30일까지 ‘FIP in Korea Networking’ 행사를 열고 국내 4개 한국분원 간 교류와 협력 확대 방안을 논의했다. 행사 둘째 날인 29일에는 UNIST가 개최 기관을 맡아 프라운호퍼 본부 관계자와 독일 연구소, 한국분원 관계자들을 맞았다. 이날 총장 환담에서 프라운호퍼 본부 국제협력 담당 PM인 프라우케 미클러(Frauke Mickler) 박사는 “UNIST는 지난 10년간 탁월한 국제협력 성과를 보여주었다”며 “앞으로도 전 세계 모든 분원의 모범이 되는 '선도 모델(lighthouse)’ 역할을 해주기를 기대한다”고 말했다. 박종래 UNIST 총장은 “FIP-Composites@UNIST가 앞으로도 독일 프라운호퍼 연구소와의 긴밀한 협력을 통해 복합재료 분야의 연구개발, 기업지원, 인력양성을 선도할 수 있도록 UNIST도 적극 지원하겠다”고 화답했다. 이번 3단계 연장은 UNIST와 프라운호퍼가 함께 구축해 온 신뢰와 협력의 결실이다. 동시에 복합재료 분야 글로벌 혁신을 선도하기 위한 새로운 출발점이기도 하다. UNIST는 앞으로도 세계 최고 수준의 연구기관과 협력을 확대하며 미래 산업을 이끌 핵심기술 개발과 인재 양성에 박차를 가할 계획이다.

AI가 논문을 요약하고, 알고리즘이 작곡을 한다. 이 시대에 ‘창의성’이란 무엇인가 묻는 것은 이제 철학자만의 일이 아니다. 특히 과학기술 인재를 길러내는 우리에게 이 질문은 매우 실질적인 문제로 다가온다. 기계가 그림을 그리고 코드를 짜는 시대에, 우리는 무엇을 가르쳐야 하는가. 무엇을 인간의 것으로 남길 수 있는가. AI의 창의성은 본질적으로 소급적이다. 방대한 학습 데이터 속에 잠재된 패턴들을 탐색하고, 이를 새롭게 조합한다. 정교하고 때로는 경이롭기까지 하다. 그러나 AI는 과거의 총합에서 새로운 배열을 추출할 뿐이다. 존재하지 않는 것을 향한 호기심이나 그리움으로 창조하지 않는다. 요청에 응답할 뿐, 자발적 동기에서 창조하지 않는다. 그렇다면 인간만의 창의성은 어디에 있는가. 나는 그것이 “배신할 수 있는 능력”에 있다고 생각한다. 이 능력은 본질적으로 서로 다른 두 단계로 나눠 생각해 볼 수 있다. 첫 번째 단계는 의심할 수 있는 앎이다. 이것은 인지적 단계다. 어떤 패러다임을 그 내부에서 충분히 체득했을 때 비로소 그 틈이 보인다. 뉴턴 역학의 한계를 발견한 것은 물리학을 모르는 사람이 아니었다. 뉴턴을 가장 깊이 이해한 아인슈타인이었다. 음악 조성 체계의 한계를 깨달은 것은 서양 음악의 전통을 가장 철저히 훈련받은 쇤베르크였다. 의심은 무지에서 오지 않는다. 오히려 깊은 이해에서 온다. 어떤 체계에 깊이 몰입해 그것의 내부 논리를 완전히 소화했을 때, 그 체계가 설명하지 못하는 것들이 비로소 보이기 시작한다. 과학철학자 토마스 쿤은 그의 저서 <과학기술의 혁명>에서 이것을 “변칙 사례의 축적”이라 불렀다. 기존 패러다임으로 설명되지 않는 사례들이 쌓여가는 단계다. 이 단계에서 균열을 먼저 감지하는 사람은 가장 깊이 그 체계 안에 있던 사람이다. 이 첫 번째 단계는 AI가 어쩌면 더 잘 할 수 있다. 방대한 데이터 안에서 이상값을 감지하고, 기존 패턴이 설명하지 못하는 영역을 찾아내는 것은 AI가 이미 잘 하는 일이다. 진짜 문제는 그 다음이다. 두 번째 단계는 기존 패러다임을 부정할 수 있는 용기다. 깊은 이해를 통해 의심을 품는 것과, 그것을 세상 앞에 공개적으로 부정하고 전혀 다른 방향으로 걸어가는 것 사이에는 실존적 심연이 있다. 이 심연을 건너는 것이 진정한 배신이고, 바로 이 지점에서 AI와 인간이 근본적으로 갈린다. 배신은 잃을 것을 각오한 행위다. 밥 딜런이 포크 청중 앞에서 일렉기타를 들었을 때, 자신을 키워준 공동체의 인정을 잃을 각오를 했다. 실제로 청중은 야유했고, 배신자라고 외쳤다. 코페르니쿠스가 지동설을 발표했을 때, 그것은 시대의 진리를 거스르는 일이었고 목숨이 걸린 선택이었다. 쇤베르크가 조성을 버렸을 때, 그는 동시대 음악계로부터 철저히 고립되었다. 이들의 배신이 의미를 가지는 것은 잃을 것을 각오하고 행동했기 때문이다. AI에게는 잃을 공동체가 없다. 잃을 명성도, 무너질 정체성도 없다. 리스크가 없는 부정은 배신이 아니라 연산이다. AI는 영원히 두 번째 단계에 도달할 수 없다. 이것이 인간 창의성의 불가침 영역이다. 그런데 흥미로운 것은 두 단계 사이의 간극 자체다. 많은 사람들이 첫 번째 단계에 도달하고도 두 번째 단계로 넘어가지 못한다. 균열을 봤고 기존 패러다임이 삐걱거린다는 것을 알고 있다. 그러나 침묵한다. 속으로는 의심하면서 겉으로는 순응한다. 이것은 능력의 문제가 아니라 용기의 문제다. 왜 용기가 필요한가. 부정은 고독을 수반하기 때문이다. 전통을 배신하는 사람은 그 전통이 만들어준 소속감도 함께 잃는다. 새로운 길이 옳다는 확신도 처음에는 없다. 그저 기존의 것이 불충분하다는 감각, 그리고 다른 무언가를 향한 막연한 충동만 있을 뿐이다. 이 불확실성 속에서 발을 내딛는 것이 용기다. AI시대에 교육이 길러야 하는 것이 바로 이 간극을 건널 수 있는 힘과 용기가 아닐까. 2001년 한 증권회사의 광고가 생각난다. 남들이 모두 Yes라고 할 때 No라고 말할 수 있는 사람. 배성철 UNIST 교학부총장 <본 칼럼은 2026년 6월 10일 경상일보 “[배성철 칼럼]배신할 용기-AI와 차별된 인간의 창의성”이라는 제목으로 실린 것입니다.>

UNIST 전기전자공학과 연구팀이 우주항공청(KASA)이 주관하는 ‘2026년도 Space-K BIG 프로젝트 사업’ 인공위성·우주임무보증 분야 신규 과제 수행 기관으로 최종 선정됐다. Space-K BIG 프로젝트는 우주 분야 기술개발 역량과 인력양성 기반을 갖춘 대학을 연구센터로 지정해 기초·원천기술을 축적하고, 전문 인재를 체계적으로 길러내는 우주항공청의 핵심 사업이다. 이번 선정으로 UNIST 연구팀은 2030년 12월까지 연구를 수행한다. 총 57억 원의 정부출연금을 지원받아 임무 주도형 초저궤도 위성 플랫폼 개발과 우주 특화 인재 양성에 속도를 낸다. 이번 대형 과제는 전기전자공학과 변강일 교수가 연구책임자를 맡았다. 김명수, 이훈, 박진석, 최민호, 감동윤, 한가원, 정재용 교수가 함께 참여해 학과의 연구 역량을 모은다. 선정된 연구개발과제는 ‘임무 주도형 초저궤도 위성 융복합 플랫폼 원천기술 확보 및 글로벌 인재 양성’이다. 연구팀은 우주 임무에 필요한 핵심 소자와 부품, 플랫폼 기술을 아우르는 융복합 연구를 추진한다. 주요 연구 방향은 세 가지다. 먼저 RF, AI 반도체, 광·전자 소자가 극한 우주 환경에서도 안정적으로 작동할 수 있도록 신뢰성을 확보한다. 이어 저궤도 위성에 적용할 수 있는 국산 COTS, 즉 상용 완제품을 개발하고, 실제 운용을 통해 우주 헤리티지 확보에 나선다. 또 초저궤도 위성 융합 플랫폼을 구축해 미래 우주 임무에 투입할 수 있는 실전형 기술 기반을 마련한다. 인재 양성도 핵심 축이다. UNIST 연구팀은 국내외 우주항공 분야 기업, 정부출연연구소와 산·학·연 협력 생태계를 꾸려 공동 연구를 수행할 계획이다. 실습과 공동 프로젝트를 연계한 교육 프로그램을 운영해 연구개발과 교육이 맞물려 돌아가는 선순환 체계도 구축한다. 연구책임자 변강일 교수는 “이번 Space-K BIG 프로젝트 선정을 계기로 UNIST가 대한민국 초저궤도 위성 원천기술 연구를 선도하고, 세계적 수준의 우주 특화 인재를 배출할 기반을 마련했다”며 “참여 교수진의 전문성과 협력 기업의 혁신 기술을 결합해 미래 우주 산업에 실질적으로 기여할 성과를 내겠다”고 말했다.

디지털 시대를 떠받치는 두 기둥은 빅데이터와 블록체인이고 둘 다 2008년 세상에 데뷔했다. 미국 비우량 주택담보대출로 인해 미국 월가가 붕괴한 바로 다음 해 동시에 세상에 모습을 드러낸 것은 우연의 일치로 보기 힘들다. 둘 다 중앙 집중형 경제 질서에 대처하는 노력으로 판단되기 때문이다. 하지만 그 방법은 하늘과 땅만큼 달랐다. 빅데이터는 기존 권력형 중앙 통제 경제 질서에 편승했지만, 블록체인은 탈중앙의 길을 택해 잊혔다. 빅데이터는 AI의 연료다. '데이터는 디지털 시대의 새로운 석유'라는 표현이 있을 정도다. 데이터는 마치 산업혁명 이후의 성장 주도형 산업 경제의 값싼 화석 연료 같다는 느낌이 든다. 효율적인 생산을 가능하게 했던 화석 연료를 둘러싼 이권은 자연스럽게 중앙집중 권력 기관에서 통제할 수밖에 없었다. 마찬가지로 디지털 가치를 생산하는 인공지능의 연료인 빅데이터도 정부와 대규모 기업 자본이 통제하는 것과 판박이다. 엄청난 에너지를 요구하는 데이터 센터 유지가 화석 연료가 초래한 기후변화 재앙과 교차하는 것도 우연은 아닌 듯하다. 2008년 빅데이터와 같은 시기 데뷔한 블록체인은 빅데이터가 가치를 전면에 내세운 것과는 상반되게 자신의 구체적인 목적을 드러내지 않았다. 다만 기술의 목표를 탈중앙 경제 질서라고만 했다. 목적은 여전히 오리무중이다. 투기의 대상으로 전락해 버린 암호화폐를 보고 있노라면 블록체인이 악용되는 면도 적지 않아 보인다. 블록체인을 제대로 챙겨야 할 시간은 이미 지났다. 빅데이터는 의미의 창고라면 블록체인은 의미를 꿰는, 즉, 연결해 의미를 만드는 독특한 원리다. 그러니 블록체인을 저런 식으로 처박아 둬서는 안 된다. 2008년 세상에 데뷔해 2016년 이세돌 9단과 바둑 대국을 벌여 존재감을 확실히 알린 빅데이터와 AI에 비해 누군가에게는 마치 계륵과 같은 존재로 천덕꾸러기 취급 받는 게 블록체인이다. 빅데이터라는 창고에서 AI는 귀신같이 가능성 있는 의미 조각을 골라 가치를 만들어 우리에게 제공해 주는데, 굳이 한물간 투기 대상이나 만드는 블록체인 기술을 재평가하고 본격적으로 사용해야 하는지 의문을 가질 수 있다. 그렇게 판단한다면 당신은 중앙 집중형 통제만을 질서로 보는 관점을 가진 것이다. 빅데이터 속에서 데이터 조각을 찾아내어 AI가 엄청난 가치를 생산하는 데에는 기존 경제 질서인 신자유주의 논리가 버티고 있기 때문이다. 신자유주의는 정부의 간섭이 배제된 자유 시장을 주장해 마치 중앙 통제가 아닌 경제이론으로 착각할 수 있지만 실은 세계 경제의 유일한 가치기준인 미국과 같은 경제 강국의 법정화폐를 중심에 두고 모든 경제를 통제하고 있다. 디지털 세계를 홀로 떠받치는 빅데이터 기둥이 아무리 높아 위태해도 쉬 무너지지 않는 이유는 무언가 기둥을 계속해서 보강하기 때문이다. 신자유주의 경제 질서가 그 역할을 담당하고 있다. 하지만 신자유주의를 중심으로 한 중앙 집중형 경제 질서가 아무리 대단하다고 해도 기둥 하나로 버틸 수 있는 건축물은 없다. 자칫 기둥에 균열이 가기 시작하면 보강만으로 세계를 떠받치기에는 역부족일 것이다. 블록체인은 신자유주의 눈치 보지 않고 어디서든 의미 가능성을 엮어서 가치를 만들 수 있는 생성 원리다. 그러니 중앙 집중 경제 질서에게만 주어진 빅데이터를 사용할 권리를 블록체인에도 줘 한다. 그래서 빅데이터와 블록체인이란 두 기둥이 균형을 맞춰 가면서 디지털 세계를 떠받치도록 해야 한다. 중앙 집중 질서 못지않게 분산형 가치 질서도 이 시대는 요구하고 있다. 기후 재앙과 전쟁이 이미 일상처럼 돼버린 지금 더욱 간절하다. 인공지능 인재 양성에 투자하는 정부 예산의 아주 작은 부분이라도 블록체인을 통한 경제, 에너지, 교육 시스템 개혁에 쏟길 제안한다. 블록체인은, 경제 강대국의 단일 법정 화폐로 통제하는 중앙 집중 블랙홀로 빨아드린 가치를 다시 모든 시스템의 고유 기호로 돌려보내는 역할을 톡톡히 담당할 것이다. AI의 거대 언어 모델(LLM)의 의미 단자(monad) 기본 단위가 토큰인데, 블록체인의 기본 기호가 우연히도(또는 누군가의 의도로) 토큰인 것을 고려하면 탈중앙 세상의 새로운 출발을 여는 일종의 신호처럼 보인다. 조재원 UNIST 지구환경도시건설공학과 교수 <본 칼럼은 2026년 6월 9일 울산매일 “[매일시론] 잊혀진 블록체인”이라는 제목으로 실린 것입니다.>

체내 삽입형 의료기기의 무선 충전 효율을 높이는 기술이 나왔다. 기기 내부 회로마다 다른 부하 특성에 맞춰 전력 전달 경로를 바꿔 줌으로써 충전 과정에서 전력이 열로 손실되는 것을 줄인 기술이다. 향후 심박동기나 신경자극기 같은 기기의 배터리 수명을 늘려, 환자들이 겪는 주기적인 교체 수술 부담을 낮출 수 있을 것으로 기대된다. UNIST 전기전자공학과 변영재 교수팀은 체내 삽입 기기 내부의 전력 사용량에 맞춰 전기 에너지 전달 경로를 변경하는 무선 전력 전송 기술을 개발했다고 27일 밝혔다. 심박동기 같은 체내 삽입형 기기에는 신경을 자극하는 회로처럼 큰 전류가 필요한 고부하 회로와 데이터 처리 회로처럼 적은 전류로 동작하는 저부하 회로가 함께 들어간다. 부하가 달라지면 전력이 기기 안으로 가장 효율적으로 들어가는 조건도 달라지지만, 기존 충전 기술은 이 조건을 하나로 고정해 기기 작동 상황에 따라 전력 손실이 발생할 수 있다. 전력 손실은 발열 문제로도 이어져 주변 조직을 손상하거나 이물 반응을 유발할 수 있다. 연구팀이 개발한 무선충전 기술은 고부하와 저부하 상황을 구분하고, 각각의 상황에 맞는 ‘전용 정합 회로(Matching Network)’를 적용해 전력 전달 효율을 높였다. 정합 회로는 송신코일에서 넘어온 전력이 수신코일을 거쳐 기기 안으로 잘 들어오도록 조건을 맞춰주는 일종의 관문 회로다. 부하가 달라질 때마다 내부 전자 스위치가 고부하와 저부하에 맞는 정합 회로를 각각 연결해, 수신코일에서 들어온 전력이 기기 안으로 더 잘 넘어가도록 한 것이다. 또 교류 전력을 직류 전력으로 바꾸는 정류 회로의 효율도 함께 높였다. 몸 밖에서 넘어온 전력은 수신코일에 교류 형태로 전달되는데, 실제 의료기기 회로가 이를 쓰려면 직류 전력으로 바꿔야 한다. 연구팀은 이 과정에서 스위치가 켜지고 꺼지는 시점을 조절하는 기술을 적용해 변환 과정의 손실을 줄였다. 실험에서 송신코일에서 수신코일까지 전력이 넘어오는 비율인 링크 효율은 저부하 조건인 3mA에서 94.4%, 고부하 조건인 30mA에서 92.7%를 기록했다. 교류 전력을 직류 전력으로 바꾸는 능동 정류기의 전력 변환 효율도 최고 94.5%였으며, 입력 전압이 2.5~5.0V로 달라져도 92.3% 이상의 효율을 유지했다. 연구팀은 이번 기술이 향후 장시간 사용이 필요한 체내 삽입형 의료기기의 안정성과 사용 시간을 높이는 데 기여할 것으로 보고 있다. 또한 웨어러블 기기와 초소형 IoT 기기 등 다양한 저전력 전자기기 분야에서도 활용도가 높을 것으로 내다봤다. 연구 수행은 과학기술정보통신부 정보통신기획평가원의 지원을 받아 이뤄졌으며, 연구 결과는 반도체 회로·시스템 분야 국제학술지 IEEE 트랜잭션스 온 베리 라지 스케일 인터그레이션 시스템(Transactions on Very Large Scale Integration Systems)에 4월 29일 온라인 공개됐다.

UNIST 생활관과 울산혈액원은 5일(금), 307동 1층 유니스파크에서 정기 헌혈 캠페인 운영을 위한 업무협약을 체결하고, 헌혈버스를 매월 두 차례 이상 생활관 광장 앞에서 운영하기로 했다. 교내 헌혈버스는 그동안 생활관자치회 요청이 있을 때마다 비정기적으로 방문했다. 이번 협약으로 운영 일정이 정례화되면서 학생들은 보다 쉽게 헌혈에 참여할 수 있게 됐다. 생활관은 버스 운영에 필요한 장소를 제공하고, 구성원 참여를 높이기 위한 안내와 홍보를 지원한다. 헌혈버스가 생활관 광장 앞을 정기적으로 찾게 되면서 학생들의 접근성도 높아질 전망이다. 캠퍼스 밖으로 이동하지 않고 기숙사 인근에서 참여할 수 있어, 바쁜 학업 일정 속에서도 나눔을 실천할 수 있다. 이번 협약이 학생들이 일상 속에서 생명을 살리는 봉사와 이웃사랑의 의미를 되새기는 계기가 될 것으로 기대된다. 생활관자치회도 학생들의 자발적인 동참을 독려할 계획이다. 정기 일정은 생활관 공지와 자치회 SNS를 통해 사전에 안내된다. 참여 학생에게는 약식 건강검진과 봉사활동 인정, 대한적십자사 기념품이 제공된다. 최진혁 UNIST 생활관장은 “이번 협약을 통해 학생들이 캠퍼스 생활 속에서 나눔의 가치를 자연스럽게 실천할 기회가 더욱 넓어졌다”며 “생활관이 단순한 거주 공간을 넘어 봉사와 공동체 정신을 키우는 장으로 발전하기를 바란다”고 말했다. 최인규 대한적십자사 울산혈액원장은 “정기 협약을 통해 안정적인 헌혈 일정을 확보하게 됐다”며 “대학 구성원들의 자발적인 참여가 지역 사회의 혈액 수급 안정에 큰 힘이 될 것”이라고 전했다. 이날 협약식에는 최진혁 UNIST 생활관장과 생활지원팀 관계자, 생활관자치회 회장·대외협력실 실장·부실장, 대학원 총학생회 비상대책위원장, 최인규 대한적십자사 울산혈액원장과 담당 팀장 등이 참석했다.

윤성환 교수(인공지능대학원·전기전자공학과)가 디지털인재양성 공로로 부총리 겸 과학기술정보통신부 장관 표창을 수상했다. AI 기술을 제조 현장 교육과 공정 혁신으로 연결해 온 점을 인정받았다. AI를 공장에 적용할 때 가장 큰 변수는 현장이다. 연구실에서 학습한 데이터와 실제 설비에서 들어오는 데이터는 같지 않다. 원료 상태, 장비 조건, 운전 방식, 데이터 품질이 바뀌면 모델의 판단도 흔들릴 수 있다. 제조업에서는 이런 오류가 곧 생산 손실이나 안전 문제로 이어진다. 윤 교수는 이런 한계를 줄이는 ‘강건한 인공지능’ 학습 알고리즘을 개발해 왔다. 강건한 AI는 학습 때 보지 못한 환경 변화가 생겨도 안정적으로 작동하는 기술이다. 정해진 조건에서 높은 정확도를 내는 데 그치지 않고, 실제 산업 현장에서 신뢰할 수 있는 판단을 내리도록 만드는 것이 핵심이다. 그의 연구 역량은 딥러닝 분야 대표 학술대회인 ‘International Conference on Learning Representations(ICLR 2025)’에서 높이 평가됐다. 윤 교수는 AI 기반 최적화 기술인 강화학습 모델의 안정성을 높인 연구로 구두 발표 논문에 선정됐다. ICLR 구두 발표는 제출 논문 가운데 상위 2% 수준의 연구에 주어지는 성과다. 강화학습은 AI가 여러 선택을 시도하고 결과를 학습해 더 나은 결정을 찾아가는 기술이다. 제조 현장에서는 설비 운전 조건을 조정하거나 생산 공정을 효율화하는 데 활용될 수 있다. 다만 공장에서는 한 번의 잘못된 결정도 비용과 안전 리스크로 이어질 수 있다. 윤 교수의 연구는 강화학습이 불확실한 현장 조건에서도 흔들리지 않도록 신뢰성을 높였다는 점에서 주목받았다. 논문으로 검증한 기술은 울산과 동남권 제조업 교육 현장으로도 옮겨졌다. 윤 교수는 UNIST 부임 이후 산업체 재직자 대상 AI 교육 설계와 운영에 참여했다. 교육은 이론 강의가 아니라 현장 문제 해결에 맞춰졌다. 재직자들이 공정에서 겪는 문제를 제시하고, 이를 AI 실습 과제로 바꾸는 방식이었다. 공장 단위 생산·가공 설비에 강화학습 기반 최적화 기법을 적용한 사례도 만들었다. 공정의 안전성과 안정성을 유지하면서 설비 운영을 개선하는 접근이다. AI를 배우는 데서 끝내지 않고 실제 업무 변화로 이어지게 한 점이 이번 표창의 주요 배경으로 꼽힌다. 그는 현재 UNIST가 수행 중인 국가 주요 AI 연구 과제인 ‘AI스타펠로우십’에서 신진 프로젝트 리더로도 참여하고 있다. SK에너지와 협력해 석유화학 산업을 포함한 공정 프로세스에 적용 가능한 강건한 제조AI 원천기술을 개발하고 있다. 윤 교수는 “인공지능이 산업 현장에서 실제로 쓰이려면 높은 성능만으로는 부족하다”며 “환경이 달라져도 안정적으로 작동하는 강건한 AI 원천기술을 발전시키고, 이를 제조 현장의 문제 해결과 디지털 인재 양성으로 이어가겠다”고 소감을 밝혔다.