default_top_notch
default_setNet1_2
ad34

KAIST 김종환 교수

기사승인 2018.04.30  03:20:37

공유
default_news_ad1

                           "선택과 집중 통해 로봇산업 육성해야"

인공지능(AI)의 꽃은 메모리... 진정한 AI가 되려면 기본적으로 메모리에 저장해야
유비쿼터스 로봇(3G) → 지네틱 로봇(4G) → 바이오 로봇(5G)으로 발전
모든 로봇에 디지털 DNA 임베딩 하면 로봇 일탈 막을 수 있어
'국제로봇올림피아드' 국내 창시했다고 찬밥...세계적인 상징성 갖고 더 크게 키워야
 한국적인 로봇이 무엇인가 더 많은 고민 필요할 때 

 

   
 ▲한국과학기술원(KAIST) 김종환 교수

한국과학기술원(KAIST) 김종환 교수(61)는 서울대에서 전자공학으로 학사, 석사, 박사학위를 받았다. 졸업 후 1988년부터 현재까지 30년간 KAIST 교수로 재직하고 있다. 현재는 공과대학장과 기계지능 및 로봇공학 다기관지원 연구단 단장을 맡아 단순 기계학습을 넘어 인간의 지능을 학습하는 기계지능학습(Machine Intelligence Learning) 기술을 개발하고 있다. IEEE Fellow이면서 1995년 최초로 로봇축구, 1998년 국제로봇올림피아드, 2017년 AI(인공지능) 월드컵을 창시해 국내 로봇산업을 발전시키고 국제화시킨 로봇공학자다. 세계로봇축구연맹 회장, 국제로봇올림피아드위원회 회장, 대한로봇축구협회 회장, 우주정보소년단 부총재, 카이스트 마이크로 로봇설계교육센터 소장, 카이스트 지능로봇연구센터 소장을 역임했다. 주요 연구분야는 인공지능 분야다. 교육용 로봇 플랫폼을 비롯해 ‘마이봇(MYBOT)’이란 이름의 인공지능 로봇을 개발하였고, 스위스 다보스포럼에 초청돼 연설하는 등 인공지능 로봇 분야 최고 권위자 가운데 한사람이다. 1997년 자랑스런 신한국인 대통령상, 로봇산업 발전 공로로 2011년 제6회 대한민국 로봇대상 산업부장관상, 2016년 서울대 개교 70주년을 맞아 '한국을 빛내는 70인의 서울공대 박사'에 선정되었다.

Q. 최근에 하고 있는 연구를 소개 부탁 드립니다.

 

최근 인공지능(AI)이 핫 이슈입니다. 보통 일반적인 AI를 인공지능으로 알고 있지만 전문가 입장에서는 그런 AI 뿐만 아니라 연산지능(Computational Intelligence), 즉 실수(實數)를 가지고 계산하면서 지능을 높이는 퍼지논리(Fuzzy Logic)나 신경망(Neural Networks)처럼 진화연산을 중심으로 한 연산지능(CI)이 있습니다. 물론 요즘에는 다 통합해서 AI라고 하지만 여전히 연산지능 분야도 해외 학회가 2년에 한번씩 열리는데 2000명 넘게 모이는 큰 학회입니다. 이러한 인텔리전스들이 기계학습(Machine Learning)이라는 것을 통해서 만난 것이 기계지능(Machine intelligence)입니다. 기계지능이라고 하면 컴퓨터나 로봇 같은 다양한 시스템에 지능을 부여하겠다는 것입니다.

저희가 하는 차별화 된 연구는 결국 기계지능이 인간지능 수준으로 가기 위해 연구되고 있는데, 그러기 위해서는 단순 기계학습이 아닌 기계지능학습(사람의 지능을 학습하는 기계), 궁극적으로는 컴퓨터나 기계가 인간지능을 구현하자는 것입니다. 그래서 기계지능학습(MIL:Machine Intelligence Learning)을 연구하고 있는데 제가 처음 만든 용어이자 개념입니다. 작년 1월 IEEE 연산지능 매거진에 소개 되기도 했습니다. 알고리즘적으로는 MIL을 중심으로 하고 있는데 미래사회는 디지털 동반자를 어떻게 MIL을 통해 학습되게 할 것인가에 대한 연구를 하고 있습니다. 그런데 디지털 동반자가 머릿속에 잘 그려지지 않기 때문에 3차원 아바타 형태로 구현해서 3D 에이전트를 스마트 디바이스에 넣을 수 있는, 대화가 가능한 연구를 하고 있습니다. 에이전트 임베디드 로봇이란 용어도 제가 처음 만든 것인데 피지컬한 실제 로봇과 나를 닮은 가상의 3D 에이전트가 대화도 하고 나를 대신해 회의에 참여할 수 도 있습니다. 

   
▲공대 학장실에서

Q. 로봇이 인간의 사고방식을 모사하는 지능학습을 기계지능학습이라고 하셨는데 그 기술이 지금 어느정도 구현되어 있나요? 또 사람의 사고방식을 실제 모사하는데 까지는 어느 정도 시간이 더 필요한가요?

우리가 집을 사려한다고 가정할때 하나만 보고 사지는 않습니다. 적어도 세군데는 본다고 가정하면, 직장과 가까운지, 가격이 괜찮은지, 크기는 괜찮은지, 조용한지, 리모델링이 되어 있는지를 보고 평가하는데 0에서 1점으로 해서 객관적으로 평가하고, 두 번째, 세 번째 집에 가서도 객관적인 평가를 할 것입니다. 그중에서 자기의 선호도(Preference)라는 것이 있는데 예를 들면 돈이 별로 없으면 넓은 평수가 좋겠지만 싼집을 구할 수밖에 없는 경우입니다. 5개의 평가기준(Criteria)을 반영해 첫 번째, 두 번째, 세 번째 집의 객관적인 데이터와 서로 타협해 제일 조건에 맞는 집을 사게 되는데 그것을 ‘멀티 크라이테리어 디시즌 메이킹 프로세스 (MCDM:Multi Criteria Decision Making Process)’라고 하고 이러한 일련의 과정을 알고리즘화 할수 있습니다. 즉, 그 과정을 그대로 AI에게 학습시킬 수 있는데 이것이 인텔리전스 러닝입니다.

이렇게 단순한 의사결정 과정만이 아니라 복합적인 의사 결정, 사람의 창의력까지 포함한 모든 인텔리전스를 배울수 있겠냐는 질문일테인데 기계지능((Machine Intelligence)을 로봇 관점에서 크게 6가지로 분류할 수 있습니다. 하나는, IQ(지능지수)에 해당되는 인지 지능(Cognitive Intellingence), 두번째는, EQ(감성지능)이 있는 사회 지능(Social Intelligence), 세번째는, 로봇은 적절한 행동을 보이지 못하면 바보 같기 때문에 행동 지능(Behavioral Intelligence)이 있습니다. 네번째는 생활환경지능(Ambient Intelligence)으로 환경에서 얼마나 정보를 잘 모을수 있는가, 다섯번째는 소프트웨어 로봇과 실제 로봇과의 협업도 중요하고, 휴머노이드 로봇과 다른 휴머노이드 로봇 사이의 협업도 중요하기 때문에 협업지능(Collaborative Intelligence), 마지막은 유전지능(Genetic Intelligence)으로 이것이 디지털 생명체니까 가상세계에서 진화를 거쳐 부모 세대로부터 물려받은 지네틱 인텔리전스 등으로 구별해 연구하고 있습니다.

우리는 직관적으로 정보를 얻을수 있지만 로봇은 그렇지 못합니다. 그래서 유비쿼터스 로봇(Ubiquitous Robot, Ubibot)이라고 제가 2000년도에 처음 정의했고, 그 이후 일반적인 용어가 되었는데 모바일 로봇(Mobile Robot)과 소프트웨어 로봇(SoBot), 임베디드 로봇(Embot)으로 구성되어서 5 Anys(Any Times, Any Place, Any Network, Any Device, Any Service)를 만족시키는 로봇을 말합니다. 그런데 애니 타임, 애니 플레이스에서 사용되려면 전송이 가능(transmittable)해야 합니다. 돌아 다닐수 있고, 네트워킹이 되려면 소프트웨어 로봇이 필요할 것이라고 생각했습니다. 디지털 에이전트도 그런 콘셉이고, 아바타도 결국 소프트웨어 로봇이고, 환경에서 디지털 컬렉션 하려면 환경이 임베디드된 로봇을 임베디드 로봇으로 정의했는데 최근에는 IoT(사물인터넷)로 발전하였습니다. 그 당시에는 유비쿼터스 로봇을 하나의 컴퍼넌트 임베디드 로봇(Embot)으로 정의했습니다. MIL(기계지능학습)이 인지지능 쪽의 의사결정해야 하는 부분을 모델링해서 학습해 올 수 있다는 이야기이고, 사회 지능도 결과적으로 사회적(Social)이 되려면 감성적이어야 하는데, 감성적이 되게 하려면 장기 기억(long term memory) 소자속에 감성적(emotional)인 메모리를 통해 감성과 함께 사용자와 상호작용해야 진정한 기계지능학습이라고 할 수 있습니다.

   
▲오픈 카이스트 오픈 랩 행사에서

Q. 서울대에서 학사, 석사, 박사과정 모두 전자공학을 전공하셨는데 로봇을 하시게 된 계기가 있으시다면?

어떻게 지능적으로 로봇을 제어할 것인가라는 관점에서 보다 보니 제어쪽을 공부했기 때문에 자연스럽게 애플리케이션 대상으로 로봇을 보게 되었고, 1997년 당시 로봇은 대부분 매니퓰레이터, 산업용이었습니다. 매니퓰레이터에서 중요한 것은 어떻게 지능적으로 잘 제어할것인가 하는 것이 연구 이슈였습니다. 그렇게 지능제어를 해오다 결국 더 큰 개념의 전반적인 제어로 발전하다 보니 자연스럽게 로봇 지능기술 연구를 해왔고, 최근에 AI(인공지능)가 급부상하면서 로봇과 함께 4차 산업혁명의 화두인 인공지능 로봇으로 발전해 가고 있습니다. 그래서 저희 랩은 지난 30년동안 인공지능 분야를 계속 연구해 왔다고 할 수 있습니다. 

그러다보니 자연스럽게 AI 관련 커다란 과제도 하고 있고, 작년 4월 DARPA에서 L2M(Lifelong to Learning Machine.평생 학습머신) 프로젝트가 나왔지만 우리는 2016년부터 지능정보 플래그십 연구개발 과제를 이미 하고 있는데, 이 적응형 기계학습을 저는 MIL이라고 제안한 것입니다. 이미 저희는 컨티뉴얼 러닝(연속학습:Continual learning)을 하고 있습니다. 기존에 이미지 학습하는것도 얼굴 인식은 다 하지만 그 다음것을 배우면 전에 인식했던 사람 얼굴을 잊어버립니다. 우리 두뇌처럼 메모리 할 수 있는, 수 없이 많은 사람들이 AI한다고 하지만 메모리 이야기하는 사람은 아무도 없습니다. AI의 꽃은 메모리라고 생각합니다.

학습했으면 메모리에 저장합니다. 학습했다는 것은 우리 두뇌에서 시냅스를 거쳐 다른 뉴런으로 가고, 다시 X1(엑스원)을 통해 또 다른데로 시냅스 웨이트(weight)들이 연결되면서 기본적인 프로세싱이 가능하게 되는 것 입니다. 그런데 저희는 이미 그러한 콘볼루션 신경망(CNN:Convolution Neural Network)에 메모리 넣는 것을 했는데 여기서 중요한 것은 성장한다는 것입니다. 성장하는 메모리(Growing Developmental Memory)를 넣었기 때문에 점점 인식해야 될 것들이 다양해져도 계속 학습해 기존 연구결과들 보다 더 좋은 결과를 얻게 됩니다. 

현재 AI 연구한다고 말하는 사람들이 많습니다. 물체인식 하는 사람도 AI한다고 하지만 진정 우리와 같은 인텔리전스에 해당되는 수준의 AI인가 따져보면 부분적입니다. 음성대화하는 사람도, THINKING 메커니즘 하는 사람도 모두 AI 한다고 합니다. 부분적인 알고리즘 모듈을 가지고 하면서 마치 AI 전체를 하는 것처럼 이야기 하는데 그것은 아니라고 생각합니다. 진정한 AI가 되려면 기본적으로 메모리에 저장해야 됩니다. 배웠으면 어디엔가 저장해놓고 또 다음것을 배워야 되는데 이러한 개념이 없습니다. 머신러닝이라고 이야기 하지만 러닝 다음에는 메모리가 결합이 되어야 한다는 것 입니다. 삼성, SK하이닉스는 반도체 컴퍼넌트로서 메모리이고 저희는 SW알고리즘적으로 인공 신경을 발전적으로 만들어 나가는 과정이라고 말씀드릴 수 있겠습니다. 

   
▲IROS2016 행사에서 강연하는 김종환 교수

에피소드들을 저장하는 에피소딕 메모리(Episodic Memory;일화적 기억)는 에피소드를 저장할 수 있을 뿐만 아니라 인출(Retrieval)할 수도 있습니다. 저장하는것만 중요한게 아니라 인출하는 것 또한 중요합니다. 유사한 환경이 되면 ‘아 그때 내가 뭐했지’하고 다시 기억해 내는 것도 있고, 이모셔널 메모리(Emotional Memory;정서적 기억)는 이모션을 기억하고 이모셔널하게 표현할 수 있는 능력까지도 기억하고, 그 다음 쎄마틱 메모리(Sematic memory;사실적 기억)는 볼펜의 의미가 무엇인지 알아야 쓰잖아요. 그 다음 프로시저럴 메모리(Procedural Memory;절차적 기억)는 사람들은 볼펜을 쉽게 잡지만 실제 로봇이 하려면 많은 계산이 필요합니다. 프로시저럴 메모리는 이런 궤적(trajectory)들을 기억할 수 있는 메모리입니다. 이러한 것을 다 통합하는 롱텀 메모리를 저희가 함께 연구하고 있습니다.

우리가 인공지능 로봇이라고 하는 것들은 특히 일본 소프트뱅크 페퍼 같은 로봇은 지능이 학습하면서 발전해 가는 시스템입니다. 그럼 그 로봇들은 지능, 네트웍을 통해서 어딘가에 저장되어 있는 것 입니다.

Q. 그럼 지금 이야기 해주신 저장하고는 다른 개념인가요?

다른 개념입니다. 거시적으로 보면 클라우드에 있는 저장 스토리지도 메모리입니다. 그런데 거기서는 예를들어 ‘물병 인식하자, 이것이 무엇인지 알아보자’ 그러면 네트웍을 통해 클라우드에 이미지를 보내면 프로세싱해서 받아 대답합니다. 대화도 마찬가지입니다. 대화를 들으면 전달이 되어 해독해서 내가 대답할 것을 받아서 이야기하는 것입니다. 이러한 것은 일종의 기능들이 분산되어 갖다 쓰는거라면 저희는 이러한 것들이 하나의 바이올로지에서 영감을 받아 유니파이드된 시스템으로 계속 학습할 수 있는 알고리즘이라고 보면 됩니다. 그래서 제가 제안한것이 인텔리전스 오퍼레이팅 아키텍처(IOA, Intelligence Operation Architecture), 기계 지능을 구현하기 위해서는 마치 소프트웨어 아키텍처라고 하는데, 지능기술이 구현되려면 이러한 아키텍처가 필요합니다. 

   
▲중국 금약그룹과 로봇사업 협력회의 당시

Q. 로봇을 하시게 된 계기...

자연스럽게 지능제어 하다보니 더 발전해서 제어컨셉을 지능기술로 확장해서 했고, 그 다음에 가상세계와 현실세계를 연결해주는 유비쿼터스 로봇을 하게 되었고, 유비쿼터스 로봇을 하다보니 그 개체들이 퍼스낼리티, 디지털 DNA를 갖게 해줘야 되겠다해서 지네틱 로봇(Genetic robot)을 제가 처음으로 제안했습니다.

로봇을 세대(Generation)별로 설명드리면 로봇 1세대는 인더스트리얼 로봇(산업용 로봇)으로, 70년대 당시에는 한국에서 로봇하시는 분이 거의 없었습니다. 84년도에 처음으로 KAIST 정명진 교수님이 부임해 오셔서 그때 시작했습니다. 산업용 로봇은 사람보다 빠르고 정확하고 튼튼해야 한다는 것이 연구 핵심이었습니다. 지금 이야기하는 지능형로봇 또는 서비스 로봇은 2세대 로봇으로 얼마만큼 지능적인지, 얼마만큼 상호작용하는지, 얼마만큼 덱스트러스(Dexterous;손재주)한 모션인지가 중요한 키워드입니다. 3세대는 유니쿼터스 로봇으로 네트웍이 연결되어 있는가, 심레스(Seamless) 테크놀러지로 가상세계와 실세계의 경계가 보이지 않게 그리고 조용하게 있는 듯 없는 듯 캄테크놀러지(Calm Technology), 그 다음에 콘텍스트 어웨어니스(Context Awareness :상황 인식)으로 하드웨어 모바일 로봇이 움직여서 무엇인가 서비스 하거나, 소프트웨어 로봇이 대화를 하거나 할 수 있겠죠. 그 다음이 4세대 로봇으로 지네틱 로봇(Genetic robot), 유전자 로봇입니다. 

Q.그럼 지금은 계속 발전해서 지네틱 로봇까지 와 있다고 할 수 있나요?

그렇습니다. 디지털 DNA를 어떻게 표현할것인가, 어떻게 진화시킬것인가, 어떻게 적응할것인가 등이 4세대 로봇의 키워드들입니다. 

Q. 그럼 지네틱 로봇 다음으로는 어느 로봇이 나올까요?

5세대 로봇으로 바이오 로봇입니다. 이것은 사실 인류의 궁극적인 목적이라고 할 수 있습니다. 사실 돈은 여기에 있다고 개인적으로 생각하는데 사이보그(로봇 같은 사람), 안드로이드(사람같은 로봇)가 여기에 해당됩니다. 그래서 바이오 시그널하고 얼마나 호환이 되는지, 바이오에 의해서 컨트롤되는가, 바이오들이 미케니컬 시스템으로 임베딩이 되는가, 바이오 썸씽 이런 것이 키워드가 될 것입니다. 

Q.인공지능을 개발하고 계신데, 우리가 가장 경계해야 할 것은 무엇이 있을까요?

저는 AI를 “IOA 기반에서 통합된 시스템이면서도 연속 학습(Continual Learning)이 가능한 것”이라고 정의합니다. 단순하게 알파고처럼 바둑을 잘둔다고 경계할 것도 겁낼 필요도 없습니다. 하나의 알고리즘에 불과하기 때문입니다. 고영테크놀러지의 반도체 검사장비 시스템에서의 고장진단을 예측하는 AI도 실제적인 AI입니다. 

2005년인가 로이터 통신하고 인터뷰 할 때도 지금과 비슷한 질문을 받았는데 그때 제가 제안한 것이 마치 표준화가 있듯이 앞으로 나오는 모든 로봇에는 디지털 DNA를 임베딩 해야 한다. 디지털 DNA는 바로 성향(Personality) DNA를 엔코딩하고 있어서 사람을 공격하는 행위가 발현이 안되게 됩니다. 다시 말씀드리면 로봇의 정의는 S(Sensing), T(Thinking), A(Acting)가 가능해야 합니다. 센싱하면서 인식(씽킹)까지 들어가야 인텔리전스가 되겠고, 여기까지가 가상세계에서의 에이전트라면, 피지컬 액션이 가능한 STA머신이 바로 로봇입니다. 그래서 이 로봇, STA 머신에다가 디지털 DNA(어떤 센싱이 들어오면 어떻게 액션하라는 일련의 과정을 디지털 코드화 함)를 심어 놓으면 이러한 상황에서 사람을 해치려고 하면 그러한 행동이 발현되지 않게 하라는 유전자 정보를 통해서 가능할 것이라고 생각합니다. 너무 야심적이죠. 세계인들이 우리가 제시하는 디지털 DNA 표준화에 맞춰 따라 온다면 좋겠지요. 그리고 전쟁 로봇은 이 표준화, 지놈(Genome) 규격에 맞지 않으니 허락할 수 없다. 저희가 2004년도에 연구해서 2007년에 발표했던 것들이 인공 지놈에 대한 연구였습니다. 결국 로봇은 행동 발현까지가 로봇이기 때문에 행동 발현에서 나쁜 발현, 이상한 행동이 나오면 나오지 않게끔 DNA의 코드 범위를 예를 들면 0에서 142까지만 하자는 것입니다. 

   
▲2015 FIRA로보월드컵 업무협약 당시 모습

Q.로봇축구협회를 전세계에서 처음 만드셨는데 만들게 된 계기가 있다면...

1995년 YS(김영삼 대통령) 시절 세계화 바람이 불 때, 어느날 신문을 보니 우리 젊은이들이 유럽으로 배낭여행을 가서 역에서 잠을 자면서 여행한다고 하는데 그 당시 제가 받은 느낌은 여유없이 해외로 나가 유럽문화를 겉모습만 보고 와서 열등감과 패배감에 사로잡혀 오면 어쩌나 하는 생각을 했습니다. 그래서 우리 젊은이들에게 밖으로만 다니는 것이 세계화가 아니라 우리나라 내에서도 좋은 무대를 통해 세계 젊은이들과 함께 겨루면서 국제화를 이뤄낼수 있을 것이라는 생각에 이들에게 기회를 줘야 겠다는 생각을 첫 번째 가지고 있었고, 또 항상 제 머릿속에 맴돌고 있었던게 왜 우리는 고유의 대회가 없을까, 뭔가 기회를 줘야 되는데 하는 고민을 하고 있었습니다. 그 당시 국내에서는 마이크로마우스대회(일본에서 창설)가 열리고 있었습니다. 세 번째는 카이스트가 정부에서 많은 관심과 국민적 성원속에 설립된 최고 상아탑인데 사회에 과학기술의 흐름, 발전, 성과물을 자연스럽게 보여줄수 있는 방법이 없을까 고민하다 로봇축구를 생각해 냈습니다.

그렇게해서 시작되었는데 98년도인가 서울 잠실 역도경기장에서 청소년 과학페스티벌 행사에 노벨상 수상자 강연이 있었는데 저에게도 영어로 강연을 해 달라고 의뢰가 왔습니다. 그런데 주최측에서 제가 마지막 순서였는데 밖에 아직 들어오지 못한 청소년들이 많이 있으니 우리말로 한번 만 더 강연을 해 달라고 해서 더 했습니다. 그 당시 어린이들 질문이 우리도 로봇축구 하게 해 달라는 것 이었습니다. 어린이들이 로봇축구 만들고 하는게 쉽지 않은데 어떻게 하나 고민했습니다. 그러다 국제로봇올림피아드, 수학올림피아드, 과학올림피아드 등이 많은데 다 외국에서 시작된 것 입니다. 그렇게 시작해 1999년, 2000년 카이스트 체육관에서 대회를 했습니다. 당시는 국내에 교육용 로봇 컨셉이 없을 때 입니다. 그래서 어린이들에게 해 줄 수 있는 제품이 레고 밖에 없어 그것을 이용하다 2002년~2003년도에 실제 교육용 로봇시스템과 콘텐츠를 개발해 사업화할 수 있게 넘겨 준 것이 카이맥스 회사 제품입니다. 그 전후로 로보티즈, 로보로보 같은 교육용 로봇 업체가 생겨 나기 시작했고 그때부터 국내에도 교육용 로봇 산업이 생긴 것입니다.

아이디어 하나로 교육용 로봇 산업, 축구 로봇 하나로 지능형 로봇 산업을 일구었습니다. 물론 제가 직접 한 것은 아니지만 많은 영감을 주었고 모범을 보였다고 생각합니다. 아주 중요한 포인트인데 수학올림피아드를 우리나라가 유치했다고 해서 돈을 벌지 못합니다. 하지만 로봇올림피아드는 산업이 있는데 왜 그것을 모르는지 답답합니다. 교육용 로봇산업, 콘텐츠, 종사하는 사람과 학원도 있습니다. 그리고 해외 수출도 하고 있습니다. 

   
▲2015 부천 국제로봇올림피아드대회에서 축사를 하고 있는 김종환 교수

국제로봇올림피아드가 자그마한 국가라도 해외에서 시작되었다면 거기에 학생들 파견해야 된다고 난리쳤을텐데 우리나라에서 시작했다고 우습게 생각하는 경향이 있습니다. 레고는 3회 대회부터 레고 부품을 사용하지 않으면 지원하지 않겠다고 해서 받지 않았습니다. 그 당시부터 국내에도 조그만 회사들이 생겨나기 시작했고, 그 기업들과 성장해 IROC(국제로봇올림피아드 조직위원회)까지 구성해 지금까지 운영하고 있습니다. 그런데 우리도 이제는 고쳐야합니다. 외국에서 만들었다고 하면 난리들 치고, 무슨 대회 있으면 정부에서 자금 끌어 모아 세계 로봇대회 내 보내고 합니다. 국제로봇올림피아드 대회도 국내 대회에서만 대략 만명 정도의 청소년들이 예선을 거쳐 전국대회, 세계대회로 가는데 이것이 눈에 보이지 않지만 엄청한 임팩트가 있다고 생각합니다.

원조가 생기면 또 비슷한게 생겨나서 1/n하고 마치 다른 대회가 진짜 원조인 것처럼 하는 것이 많이 아쉽습니다. 원조는 원조대로 위엄과 품위를 인정해 주어야 신바람 나서 할텐데 뭔가 된다 싶으면 서로 달라붙고 자기것이라고 하니 안타깝습니다. 물론 이러한 것이 자연계에서 일어나는 진화 과정이기 때문에 나쁘다는 뜻은 아닙니다. 다만 저희가 추구하는 것은 가치, 상징성, 대한민국 로봇계가 다 같이 커 나가려면 세계적으로 상징성있는 사업을 같이 키워주고, 파이를 나누던지 해야 할텐데 상징성있는 사업 마저 짖눌러 버리고 올망졸망한 것 가지고 무엇을 해보겠다는 것은 아니라고 봅니다. 정부도 새로운 대회를 만들고 돈을 쏟아 붇는데 그게 생태계이기 때문에 나쁘다는 것은 아닙니다. 하지만 상징성 있는 대회는 같이 힘을 합쳐 키운 다음 과실을 같이 나누고, 그것이 튼튼해져 청소년들까지 퍼져 나가고, 그 학생들이 이공계로 진학해 우리 과학기술계가 더 강력해지는 선순환을 생각해야 되지 않을까 생각합니다. 그런면에서 공무원들도 문제인 것 같고, 한국로봇산업진흥원에도 이번 인터뷰를 통해 제 뜻이 잘 전달됐으면 좋겠습니다. 

   
▲연구실에서 학생들과 토론하고 있는 김종환 교수

Q.로봇을 전공하겠다는 후배들이 많이 생겨나고 있는데 조언을 해 주신다면... 

로봇은 종합 학문이기 때문에 어느 한 분야만 해서는 안 될것이고, 지금은 융복합 사회, 융복합 공학이기 때문에 다양한 분야에 관심을 가지고 연구해야 될 것입니다. 논문도 특정 분야만 갖고 임팩트있는 연구를 할 수 있지만 다른 분야와 융합되었을 때 새로운 결과를 제시할 수 있습니다. 그러려면 복합적인 사고 방식과 함께 다양한 분야에 관심을 갖고 연구해야 합니다. 저도 처음에는 제어를 중심으로 해서 시작됐지만 그 당시 대세는 1세대 로봇, 즉 산업용 로봇이었기 때문에 가능했지만 2세대, 3세대 로봇으로 오면서 저 스스로가 진화하고 적응하면서 학문을 발전시켜 왔듯이 단순히 지능제어에서 지능기술 이러한 발전의 원동력은 기술에 대한, 학문에 대한 다양한 관심을 가지고 있어야만 가능할 것입니다. 그래야 융합할 수 있는 안목이 생기고 능력이 생길 것입니다. 산업용 로봇에서는 단순했지만 지능형 로봇에서 IoT 로봇으로 넘어가는 지금 단계에서는 더 융합학문이 필요합니다. 

   
▲Taif 대학 관계자들과 미팅

Q. 어떻게 하면 국내 로봇산업이 한 단계 더 발전할 수 있을까요.

 

 

일종의 선택과 집중을 통해 투자가 이뤄져야 되는데 그 동안 선택과 집중을 잘 했는지 반성해야 합니다. 실력있는 기업을 잘 선택해 상징성 있게 키워 놓았다면 그로 인해 다른 기업들이 그것을 보고 따라갔을텐데 지금은 올망졸망 나눠져 그런게 없습니다. 그런면에서 정부도 선택과 집중이 매우 중요하다고 봅니다. 문화, 예술 같은 분야에서는 평준화가 필요할지 모르지만 과학기술분야, 산업분야에서는 강자만이 살아남는 승자독식(winner takes all) 구조인데 평준화가 어디 있습니까. 대외적으로 우리는 삼성, LG, 현대에 대해 큰 자부심을 갖고 있지 않습니까. 그러한 상징적인 기업이 있으므로 해서 우리나라 국격도 올라가고 거기에 맞는 대접을 받는 것입니다.

로봇산업도 그런면에서는 청소용 로봇이 많은 시장을 점유해 가고, 잘하고 있지만 기업의 정보 흐름, 정보 교류, 정보 공유 같은 시스템이 너무 약한게 아닌가 생각합니다. 중소/중견기업에서 로봇을 아이디어 상품으로도 할 수 있는데 예를들면 제가 하고 있는 기계지능 및 로봇공학 다기관 지원연구단(MIR-MSREP:Machine Intelligence and Robotics Multi-Sponsored Research and Education Platform)이 바로 중소/중견기업을 지원하기 위한 연구센터입니다. 연구성과 코너에 아카이브(arKiv)가 있는데 그곳에 10페이지 정도의 요약기술보고서가 올려져 있고 소스 코드도 공개해 중소/중견기업이 기술정보를 빨리 받아 활용할 수 있게 했습니다. 전반적으로 이렇게 기업들이 더 잘하게 할 수 있게끔 하는 기반이나 시스템이 갖추어져 있지 않은 상태에서 자금만 조금 지원해주고 잘 해보라고 하는 것은 아니라는 생각이 듭니다. 그래서 우리 연구단에서는 영어논문 이외에 중소/중견, 스타트업 연구원들이 편리하게 볼 수 있도록 한글로 된 10페이지 이내 기술보고서를 작성해 관련된 소스코드와 함께 공개하고 있습니다. 보고 모르면 와서 관련 교수 20여명이 계시니 더 상담하고 기술의 흐름, 발전, 공유가 원활하게 선순환 되어야 하는게 아닌가 생각합니다. 그런면에서 지금이라도 다기관 지원 사업이 필요하다고 생각합니다. 우리나라는 지금 대부분의 연구가 기업과 대학, 교수하고만 연결되어 있지 커다란 우산 아래에 여러기업들이 함께 들어와 운영되어 정보가 공유되는 경우는 없습니다.

   
▲학장실에서 포즈를 취하고 있는 김종환 교수

Q. 정부나 정책 당국에 건의하고 싶은게 있다면...

 

 

어쩌면 우리뿐만 아니라 외국도 비슷한 상황이라고 여겨집니다. 일본의 페퍼로봇은 손정의 회장의 사업적인 감각, 충분한 자금, 비즈니스 플랜이 갖추어져 서 가능한 사업으로 우리가 한국적인 로봇이 무엇인가에 대해 더 많은 고민을 해야되는게 아닌가 생각해 봅니다. 네트워크 환경이 잘 갖춰져 있고 호기심이 많고 좋은 것이면 사용합니다. 지난번 판교 포럼에서도 질문이 나왔지만 몇 번 쓰고 나면 재미 없어 사용을 안하는데 그것이 우리 한국인들의 우수성 같습니다. 그래서 바로 컨티뉴얼 러닝(연속학습:Continual learning)이 필요합니다. 재미있는 대화라든가 재미있는 뭔가를 해줄 수 있는 로봇으로, 이전 로봇과 다른 살아있는 로봇이 되려면 로봇도 컨티뉴얼 러닝이 되어야 합니다. 최근 범부처 과제를 보고 참 훌륭하다고 생각했습니다. 산자부에서는 하드웨어 로봇 플랫폼을 만드는 것을 지원하고, 과기부에서는 AI를 지원해 팀으로 해서 제대로 된 AI 로봇을 만드는 것인데 그런데서 우리 경쟁력이 나오지 않을까 생각합니다.

로봇만 놓고 왜 돈을 못 버느냐고 이야기하는데 생각을 바꿔 다른 분야와 접목이 되었을때 돌파구가 나올 것이라고 봅니다. 예를들면 IoT와 로봇의 결합, IoT와 로봇 그리고 AI의 결합 등, 집안 환경에서 IoT가 잘 갖춰져 있는 로봇이 있고 AI가 의사결정을 하는 환경이 구축되면 새로운 비즈니스 모델이 나올수 있을 것입니다. 그러려면 결국 융합 연구, 창의적 연구가 되어야 하지 않을까 생각합니다. 그러면에서 범부처 과제는 신선하게 보았고 그런 시도가 필요하다고 봅니다. 

   
▲공과대학 학과장 회의를 주재하는 김종환 학장

Q. 공대 학장을 맏고 계시고, 카이스트에서 유능한 인재를 많이 배출하고 있는데 이를 위한 카이스트만의 프로그램이나 노하우가 있다면 소개 부탁 드립니다. 

 

 

카이스트는 로봇학제 전공이 있습니다. 일부 대학에도 물론 로봇학과가 있지만 로봇학제 전공은 대학원 프로그램입니다. 거듭 말씀드리지만 로봇은 한 분야의 연구가 아니라 기계, 전자, 건설환경에도 필요합니다. 그래서 여러 분야 20여명의 교수님들이 학제전공 프로그램을 공유하고 있습니다. 기존 전자공학에서 배울수 있는 제한된 지식이 아니라 다양한 분야를 배울 수 있는 기회를 제공하고 있다는 것이 차이입니다. 또 카이스트는 세계적인 대학으로 월드 랭킹이 공대가 15위로 모든 시스템, 제도, 교과 과정 등이 매우 우수하다고 할수 있습니다. 

로봇학제 전공에서의 로봇이 결국 AI와 연동되는 AI 특성화 프로그램이 더 나와야 되리라 생각하고 그렇게 준비하고 있고 특성화 대학원에서는 1학년 신입생부터 AI교육을 충실히 하고 있기 때문에 로봇학제 전공에서는 그런 기본 지식이 로봇에 잘 접목이 될 수 있는 좋은 환경이라고 말씀 드릴수 있습니다.

Q. 앞으로 꼭 해보고 싶은 연구 분야라든가, 꼭 하고 싶은 일이 있다면...

MIL에 대한 연구는 계속 진행될것이고, 저도 나이 60이 되면 연구를 좀 줄여 나가야겠다고 생각했는데 사회적인 분위기도 많이 바뀌어 그럴 생각은 없고 아직 할 일도 많아 65세까지는 연구를 계속 할 생각입니다. 훌륭한 지식과 경험, 네트워크를 가지고 있는 사람들이 단순히 나이 60이 되었다고 연구를 줄여나가고 물러나는것은 사회적 손실이라 생각하기 때문에 능력이 되면 더 일을 해야 된다고 봅니다. 

   
▲올해 열린 AI월드컵 대회 사진

남은 기간 동안 꼭 책임져야 될 일은 AI월드컵으로 시작을 했으니 제대로 해야 되는게 아닌가 싶습니다. 그것도 또한 상징성 사업이라고 생각합니다. AI 월드컵 소스코드가 4월 1일부터 모두 공개되어 해외팀도 등록을 받습니다. 1~2년 지나면 고등학생까지도 할 수 있게 교육도 하고 오픈할 예정입니다. AI가 세계적으로 논문으로 만 나오지 상징성이 없잖습니까. 대한민국에 가면 AI 월드컵이 있다는 것을 세계인에게 알리는 것이 제 경험을 가지고 할 수 있는 사회봉사가 아닐까 생각합니다. 

[김종환 교수 프로필] 

 

 

1957년 서울생. 서울고등학교 졸업
1981 서울대학교 공과대학 전자공학과 졸업
1983 서울대학교 공과대학원 전자공학과 졸업(석사)
1987 서울대학교 공과대학원 전자공학과 졸업(박사) 
1988 ~ 1992 카이스트 전기및전자공학과 조교수
1992 ~ 1998 카이스트 전기및전자공학과 부교수
1998 ~ 현 카이스트 전기및전자공학과 부교수
2000 ~ 카이스트 마이크로 로봇설계교육센터 소장
2003 ~ 카이스트 지능로봇연구센터 소장
2004 ~ 카이스트 로봇공학 학제전공 책임교수
2016 ~ 카이스트 기계지능 및 로봇공학 다기관지원 연구단 단장
2017 ~ 카이스트 공과대학장
1999 ~ 세계로봇축구연맹 회장
           국제로봇올림피아드위원회 회장
           대한로봇축구협회 회장
           우주정보소년단 부총재
1997 자랑스런 신한국인 대통령상
2011 대한민국 로봇대상 산업부장관상 수상
2016 서울대 개교 70주년 '한국을 빛내는 70인의 서울공대 박사' 선정
       한국공학한림원 회원
       IEEE(국제전기전자학회) Fellow

조규남 ceo@irobotnews.com

<저작권자 © 로봇신문사 모바일 무단전재 및 재배포금지>
default_news_ad4
ad49
default_side_ad1
ad42
ad62
ad63
ad65
ad44
ad86
ad90
ad105
ad110

인기기사

ad56
ad133
ad58

포토

1 2 3
set_P1
ad60
ad74
default_main_ad1
default_setNet1_1

섹션별 인기기사 및 최근기사

default_setNet2
ad36
default_bottom
#top
default_bottom_notch