주목해야 할 주요 트렌드

AI가 엔지니어링 패러다임 재편 

인공 지능(AI)은 엔지니어링 패러다임 재편에 핵심적인 역할을 하고 있으며, 다양한 영역에서 정확성, 효율성 및 적응성을 높이는 도구와 수법을 제공하고 있다. 

이러한 AI를 활용하여 시대를 앞서가고자 하는 엔지니어링 리더는 생성형 AI, 검증과 타당성 확인, 저차원화 모델(ROM:Reduced Order Model), 제어 시스템 설계 등 다음 네 가지 핵심 분야의 발전에 관심을 집중할 필요가 있다.

1. 생성형 AI: 블록 다이어그램, 3D 모델, 프로챠트에 진출

텍스트 기반인 생성형 AI의 초기 활용은 소프트웨어 중심 워크플로우에 계속 영향을 미치고 있지만, 고도의 추상화 기능을 갖춘 엔지니어링 도구에는 아직 그다지 큰 영향을 미치지 못하고 있다.

2025년에는 블록 다이어그램, 3D 모델 및 플로루챠트 등 노코드가 특징인 엔지니어링 도구 분야에 생성형 AI의 채택이 계속 증가할 것으로 예상된다.

엔지니어는 이러한 도구를 통해 복잡한 시스템을 그래픽으로 표현하고 콤포넌트를 간단히 편집하며 복잡성을 쉽게 관리할 수 있다.

또한 엔지니어가 생산성을 높이는 데 필수적이며 시스템 레벨의 퍼퍼먼스를 올리는데 자신감을 준다. 

생성형 AI를 이러한 도구와 통합하면 생산성을 더욱 향상시키는 동시에 최종 사용자들과 친숙한 인터페이스를 유지할 수 있다. 

위 영역에서 엔지니어링 모델을 이해하고 설계 및 관리하는 데 도움이 되는 소위 AI 비서를 통합하는 더 많은 도구가 나타날 것이다.

2. AI: 컴플라이언스 대응 검증과 타당성 확인에 활용

자동차, 헬스케어, 항공우주와 같은 산업의 안전이 중요한 시스템에 AI를 통합하는 추세가 가속됨에 따라 각 업계의 규제 기관은 AI 컴프라이언스 요건, 

프레임워크 및 가이던스를 도입하려는 움직임이 있다. 

엔지니어는 이에 대한 검증과 타당성 확인(V&V:Verification and Validation) 프로세스를 도입하여 AI 콤포넌트가 다양한 상황으로 전개될 수 있는 준비상태에서 잠재적인 신뢰성, 투명성 및 컴프라이언스와 관련된 바이어스 기준을 충족하고 있는지 확인할 필요가 있다.

특히, 안전이 중요한 어플리케이션에서 딥 러닝 모델의 견고성을 검증하여 분포에서 벗어나는 ODD(Out-of-Distribution) 시나리오 검출에 V&V는 필수적이다. 

신경망은 적대적 샘플이므로 탐지하기 어려운 미묘한 변경은 입력 내용을 잘못 분류할 수 있으므로 신뢰성 있는 검증이 필요하다. 

예를 들어 의료 부문에서 흉부 X선 이미지의 미세한 변화로 인해 폐렴으로 나타내는 이미지를 AI 모델이 정상이라고 잘못 판단할 수 있다. 

엔지니어는 AI 모델의 일관성에 대한 수학적 증명을 제공하여 추상적 해석을 형식검증 방법을 사용하여 이러한 시나리오를 테스트할 수 있다. 

이러한 프로세스로 취약성을 찾아 해결하면 모델의 신뢰성을 개선하고 안전기준에 대한 표준이 보장된다.

분포를 벗어난 검출도 중요하다. 

이것으로 AI 시스템이 알 수 없는 입력을 인식하고 적절하게 처리할 수 있게 된다. 

이 기능은 특히 예상치 못한 데이터로 인해 잘못된 예측이 발생하는 경우 정확성과 안전성을 유지하는 데 필수적이다. 

분포 내의 데이터와 분포에서 벗어난 데이터를 식별할 수 있는 기능의 AI 모델은 불확실한 경우 사람 전문가에게 위임할 수 있어 중요한 어플리케이션에서 잠재적인 문제를 방지할 수 있다.

V&V에 중점을 두어 엔지니어는 제품개발을 추진하면서 AI프레임워크와 표준을 준수할 수 있다. 

적극적인 컴프라이언스 접근법으로 AI 시스템의 신뢰성, 안정성, 윤리성이 확보되어 빠르게 변화하는 환경에서 경쟁력을 유지할 수 있다.

3. 엔지니어링에서 AI기반 저차원화(ROM:Reduced Order Model) 모델 등장

AI 기술과 컴퓨팅 능력의 진보로 AI 기반 저차원화 모델을 사용하는 추세가 증가될 것으로 예상된다. 

엔지니어들이 이러한 모델을 활용하면 시스템 성능과 신뢰성은 물론 시스템 설계 와 시뮬레이션 작업에 효율성과 유효성을 향상시킬 수 있다.

이러한 변화 속에서 엔지니어들은 점점 복잡화하는 시스템을 정확도와 속도를 유지하면서 관리해야 한다. 

기존의 CAE(Computer-Aided Engineering)와 CFD(Computational Fluid Dynamics) 모델은 정확하지만, 계산량이 많아 실시간 어플리케이션에는 적합하지 않다. 

AI 기반 저차원화 모델(ROM)은 정도를 유지하면서 계산 부하를 줄여 이 문제를 해결할 수 있다. 

엔지니어는 이러한 모델을 사용하여 복잡한 현상을 더 신속하고 반복적으로 시뮬레이션하여 최적화할 수 있다.

또한, AI 기반의 저차원화 모델(ROM)은 다양한 파라미터와 조건에 적응할 수 있는 등 매우 범용성이 높아 다양한 시나리오에서 적응력 향상이 기대된다. 

상세한 모델링과 시뮬레이션을 필요로 하는 복잡한 물리적 현상이 엔지니어링시스템에 포함되어야 하는 항공우주, 자동차 및 에너지 같은 산업에서 특히 이러한 적응성은 유용하다. 

예를 들어, 날개와 엔진과 같은 항공기 부품을 설계하여 테스트하는 엔지니어들은 공기 역학적 특성과 응력 요인을 보다 효율적으로 시뮬레이션할 수 있어 설계를 빠르게 반복하여 최적화할 수 있다. 또한, AI 기반 저차원화모델(ROM)은 다양한 비행 조건에 적응할 수 있어 동일한 모델을 사용하여 여러 시나리오 테스트에 사용할 수 있는 다목적 도구다. 

이 기능은 개발 프로세스를 가속화하고 비용을 절감하며 최종 제품의 신뢰성을 높일 수 있다.

4. AI가 복잡한 시스템 제어 장벽 타파

AI가 제어 설계에 지속적으로 통합되면 특히 복잡한 시스템이나 임베이디드 어플리케이션 관리에 있어서 혁신이 일어날 것이다. 

기존 제어 시스템 설계는 시스템에 대한 깊은 지식과 제1원리 모델링에 의존하고 있다. 

데이터 기반 모델링은 설계 범위의 아주 일부분에만 유효한 선형 모델로 제한되어 있다. 

AI가 데이터를 기반으로 정확한 비선형 모델을 생성할 수 있도록 하여 이 상황을 변혁하고 있다. 

이를 통해 제1원리와 데이터 조합으로 전체 작동 범위에서 유효하고 정확한 모델을 만들 수 있다. 

이러한 발전으로 복잡한 시스템을 더 잘 제어할 수 있게 되었다.

동시에 마이크로 컨트롤러의 계산능력이 향상됨에 따라 AI 알고리즘을 시스템에 직접 통합하는 일이 더 쉬워졌다.

이러한 통합은 반응형 시스템이 표준인 가전제품 및 자동차 업계에 특히 큰 영향을 미친다. 예를 들어 안전 관련 위험을 초래할 수 있는 재료 밀도의 급격한 변화 등 환경 변화를 모니터링하고 대응하기 위해 전동 공구에 AI가 내장되어 있다. 이러한 도구는 AI를 사용하여 동작을 자율적으로 조정하여 안전과 성능을 개선한다.

AI를 복잡한 시스템 제어 및 임베디드 시스템에 통합하면 보다 강력하고 적응력이 뛰어나며 지능적인 제어 설계의 시대가 열릴 것이다. 

엔지니어들은 이제 실시간으로 학습하고 적응하는 시스템을 구축하여 전례 없는 정확성과 효율성을 달성할 수 있다

AI 기반 솔루션은 기존 제어 문제를 해결하는 환경에서 다양한 엔지니어링 분야에 더 스마트하고 통합된 시스템의 길을 열어 준다.

엔지니어는 AI의 지속적인 성숙과 진보를 기대해도 된다. 물리학 지식과 AI 모델 융합으로 투명성과 적응성을 높여 기존 접근 방식인 블랙박스 문제를 완화시켜 준다. 

AI 도구의 민주화로 엔지니어는 고도의 기능에 더 쉽게 액세스할 수 있게 된다. 

이러한 발전으로 엔지니어링에서의 AI의 역할은 높아지고 기술 전문가들은 엔지니어링 시스템을 더 빠르고 효과적으로 구축할 수 있다.

참고 | https://monoist.itmedia.co.jp/mn/articles/2501/17/news016.html​