AI의 최신 돌파구: 새로운 소식과 앞으로의 전망

인공지능(AI)은 산업을 혁신할 높은 잠재력 덕분에 중요성이 계속 커지고 있습니다.

결국 인간 지능을 기계에 시뮬레이션함으로써 효율성과 생산성 향상, 정확도와 의사결정 개선, 새로운 일자리 창출, 그리고 고객 경험 향상과 같은 이점을 제공합니다.

그 결과 AI는 기업 성장의 핵심 동력이 되었으며, 70% 이상의 기업이 이를 도입하고 있습니다. 추정에 따르면 투자 확대와 기술 발전으로 AI 글로벌 시장은 2030년까지 수조 달러 규모에 이를 수 있습니다.

올해만 해도 우리는 거대한 발전을 목격했습니다: OpenAI는 Humanity’s Last Exam 벤치마크에서 25% 이상의 정확도를 보인 딥 리서치 에이전트를 발표했으며, DeepSeek은 체인‑오브‑생각 추론을 활용한 DeepSeek‑R1을 출시했습니다; Baidu는 Ernie X1과 Ernie 4.5를 출시했으며, Stability AI는 사진을 3D 장면으로 변환할 수 있는 새로운 모델 Stable Virtual Camera를 공개했습니다.

한편 Google은 대만의 MediaTek과 협력해 차세대 텐서 처리 장치(TPU)를 개발하여 생산 비용과 기존 파트너 의존도를 낮추고 있습니다. 동시에 OpenAI, Oracle (ORCL ), SoftBank, MGX로 구성된 컨소시엄이 미국 정부와 협력해 The Stargate Project를 발표했습니다.

지난 주 Nvidia (NVDA ) 는 Grace Blackwell 칩 플랫폼으로 구동되는 새로운 ‘AI 개인 슈퍼컴퓨터’ 라인업을 발표했습니다. CEO Jensen Huang은 GTC 2025에서 DGX Spark와 DGX Station을 공개해 사용자가 다양한 규모의 AI 모델을 에지에서 프로토타입하고 미세조정하며 실행할 수 있게 했습니다.

그렇다면 이제 연구자들이 다양한 분야에서 AI를 통해 달성한 최신 주요 돌파구들을 살펴보겠습니다.

AI가 과대광고인지, 성장에 실질적인 내용이 있는지 알아보려면 여기를 클릭하세요.

AI가 스스로의 학습 과제를 해결하다

AI는 다른 분야에만 적용되는 것이 아니라 데이터 분석, 머신러닝, 자동화의 발전을 통해 보다 정교한 AI 시스템 개발을 가능하게 함으로써 스스로에게도 기여하고 있습니다. 이는 더 빠른 처리, 더 정확한 예측 및 향상된 의사결정을 이끌어냅니다.

이번 달에 연구자들은 훨씬 더 견고하고 아날로그와 디지털 모드 모두에서 작동하며 넓은 전압 범위에서 기능하는 새로운 멤리스티브 소자를 소개했습니다.

이러한 특성은 인공 신경망이 이전에 학습한 내용을 잊어버리는 ‘재앙적 망각’ 문제를 해결하는 데 도움이 될 수 있습니다. 이는 일반적으로 인간 뇌를 모방하도록 설계된 심층 신경망(DNN)이 새로운 작업을 위해 훈련될 때, 새로운 최적화가 이전에 학습한 내용을 덮어쓰면서 발생합니다.

우리 뇌는 시냅스 변화 정도를 조절할 수 있기 때문에 이러한 문제가 없습니다. 또한, 다양한 가소성 정도가 우리 뇌가 새로운 것을 영구적으로 학습하면서도 기존의 것을 잊지 않게 하는 것으로 추정됩니다. 연구자들은 새로운 멤리스터를 통해 이와 유사한 것을 달성했습니다.

멤리스터는 뇌 세포와 매우 유사하게 동작하며 전력 소모가 극히 적습니다. 저항 전환 메모리 장치의 일종인 멤리스터는 가해지는 전압에 따라 저항을 변화시킬 수 있습니다. 전압이 꺼진 후에도 구조적 변화를 겪어 저항값이 유지됩니다.

Peter Grünberg Institute (PGI-7) at Forschungszentrum Jülich의 Ilia Valov에 따르면:

“멤리스티브 소자는 뇌를 모델로 한 학습 가능한 신경 영감 컴퓨터 구성 요소의 이상적인 후보로 간주됩니다.”

상당한 진전이 있었지만, 높은 생산 실패율, 짧은 제품 수명, 기계적 영향에 대한 민감성 등으로 인해 상용화는 훨씬 더 느린 속도로 진행되고 있습니다.

이는 나노 규모 공정을 보다 잘 제어하고, 시스템 복잡성을 줄이며 기능 범위를 확대할 수 있는 새로운 재료와 전환 메커니즘에 대한 연구가 필요하다고 Valov는 말했습니다.

이를 위해 독일과 중국의 과학자들이 협력하여 화학적·전기적으로 더욱 안정적인 새로운 전기화학적 멤리스티브 메커니즘을 발견했으며, 이는 신경과학 응용 분야의 지평을 넓힐 것입니다.

AI가 탑재된 뇌 칩이 인류 진화의 다음 도약을 어떻게 선도할지 알아보려면 여기를 클릭하세요.

AI 지속 학습을 위한 멤리스터 돌파구

Nature Communications 저널에 발표된 이 연구는 양극성 멤리스터 작동의 두 가지 주요 메커니즘을 확인했습니다:

1. 전기화학적 금속화(ECM)
2. 원자가 변화 메커니즘(VCM)

ECM 멤리스터는 두 전극 사이에 금속 필라멘트를 형성합니다. 이 작은 ‘전도성 다리’는 전기 저항을 변화시키며 전압을 반전시키면 용해됩니다. 낮은 전환 전압과 빠른 전환 시간을 가능하게 하지만, 여기서 생성된 상태는 변동성이 크고 수명이 짧습니다.

VCM 멤리스터는 전극과 전해질 사이의 인터페이스에서 산소 이온의 이동으로 쇼트키 장벽을 변화시켜 저항을 바꿉니다. 비교적 안정적이지만 높은 전환 전압이 필요합니다.

각 프로세스마다 장단점이 존재하므로, 팀은 두 유형의 장점을 결합한 멤리스터를 설계했으며 이는 가능하다고 여겨지지 않았습니다.

따라서 새로운 멤리스터는 금속 산화물로 만든 필라멘트를 사용합니다(ECM처럼 완전히 금속성은 아닙니다). 이 필라멘트는 산소와 탄탈럼 이온의 이동에 의해 형성됩니다. 매우 안정적이며 완전히 용해되지 않습니다.

“이는 어느 정도 항상 존재하고 화학적으로만 변형되는 필라멘트라고 생각하면 됩니다.”

– Valov

새롭고 견고한 전환 메커니즘은 필라멘트 전도도 수정 메커니즘(FCM)이라고 불립니다. 이 메커니즘 기반 구성 요소는 고온에 더 강하고, 생산에 필요한 전압이 낮으며, 전압 범위가 넓고, 화학·전기적으로 더 안정적입니다. 또한 생산 중에 소모되는 부품이 적어 불량률이 낮아 수명이 길어집니다.

다양한 산화 상태는 멤리스터가 이진 및 아날로그 모드 모두에서 작동하도록 하여 ‘재앙적 망각’ 문제를 극복하는 데 도움이 됩니다.

Valov는 새로운 2단자 오믹 멤리스터의 ‘독특한 특성’이 다양한 전환 모드를 사용해 멤리스터의 변조를 제어함으로써 저장된 정보가 손실되지 않도록 한다고 설명했습니다.

연구자들은 이미 새로운 멤리스티브 부품을 인공 신경망 모델에 적용한 시뮬레이션을 수행했으며, 여러 이미지 데이터셋에서 높은 패턴 인식 정확도를 달성했습니다.

팀은 이제 더 좋고 안정적인 다른 재료들을 탐색할 예정이며, Valov는 이 ‘결과가 메모리 내 연산’ 응용 분야의 전자 개발을 더욱 진전시킬 것이라고 확신합니다.

현재 AI 분야를 선도하는 기업 중 하나인 Microsoft(MSFT )는 OpenAI에 120억 달러를 투자했으며, Copilot, Azure AI Studio, Microsoft 365, Dynamics 365, Power Platform 내 AI 기반 도구 등을 제공하고 있습니다. 시가총액 2.9조 달러 규모의 이 기술 대기업 주가는 현재 $394.58이며, 연초 대비 7.17% 하락했습니다. 2024년 12월 31일 종료된 분기에는 보고서에 따르면 매출이 12% 증가한 696억 달러, 희석 EPS는 3.23달러를 기록했습니다.

Satya Nadella CEO는 다음과 같이 말했습니다:

“우리는 기술 스택 전반에 걸쳐 혁신을 이루고 고객이 AI의 전체 ROI를 실현하도록 돕고 있습니다. 이미 AI 사업은 연간 130억 달러의 매출 달성률을 넘어 전년 대비 175% 성장했습니다.”

Microsoft 최신 소식

AI가 의료 분야에서 파킨슨병 진단을 개선하다

의료 분야에서 AI는 비용을 절감하고 환자 결과를 개선하기 위해 질병 탐지, 맞춤형 의학, 행정 업무 효율성 향상을 통해 진단, 치료 및 환자 관리를 강화하고 있습니다.

이제 AI는 임상의가 파킨슨병 및 관련 질환을 더 빠르고 정확하게 차별 진단하도록 도울 것입니다.

파킨슨병 진단 정확도는 평가 첫 5년 동안 55%에서 78% 사이이며, 유사한 움직임 장애와의 유사성 때문에 초기 진단이 어려울 수 있습니다.

하지만 플로리다 대학과 UF Health Norman Fixel Institute for Neurological Diseases 연구진이 개발한 새로운 AI 모델은 96% 이상의 정밀도를 자랑합니다.

연구에 따르면 파킨슨병(PD), 진행성 핵상 마비(PSP), 다계통 위축(MSA) 등 파킨슨 변이형을 구분하는 영상 기반 접근법은 특히 어려웠습니다. 그러나 최근 데이터는 확산 가중 MRI와 질병 특이 머신러닝(ML) 알고리즘을 결합하면 가능함을 보여줍니다.

NIH의 지원을 받아 JAMA Neurology²에 발표된 이 연구는 Automated Imaging Differentiation for Parkinsonism(AIDP)이라는 자동 MRI 처리 및 ML 소프트웨어를 상세히 설명하며, 비침습적 바이오마커 기술을 특징으로 합니다.

MRI 제조업체인 David Vaillancourt(UF 응용생리학 및 운동학 교수)는 시장 경쟁으로 인해 서로 소통하지 않으며 자체 소프트웨어와 시퀀스를 사용한다고 언급했습니다.

그래서 연구진은 모든 MRI 기기에서 작동하는 새로운 소프트웨어를 개발했습니다. 이 도구는 의사들이 다양한 질환 간 진단 효율성을 높이는 데 도움이 될 것이라고 Vaillancourt는 말했습니다.

AIDP에서 확산 가중 MRI는 뇌에서 신경 퇴행이 발생하는 위치를 물 분자 확산을 측정해 식별하며, 알고리즘은 뇌 스캔을 분석해 결과를 제공합니다.

이 알고리즘은 직접 클리닉 진단과 비교해 엄격히 테스트되었으며, 캐나다 2곳과 미국 19곳을 포함한 21개 사이트에서 수행되었습니다.

“이는 기술과 인공지능 간 혁신이 진단 정밀도를 향상시켜 파킨슨병 환자 치료를 더욱 개선할 수 있는 기회를 제공한다는 입증된 사례입니다.”

– Michael Okun, M.D., director of the Norman Fixel Institute for Neurological Diseases at UF Health.

연구진은 현재 미국 식품의약국(FDA) 승인을 목표로 하고 있습니다.

AI를 활용한 유방촬영술을 통한 심혈관 위험 예측

또 다른 딥러닝 모델은 유방촬영술 이미지를 기반으로 심혈관 위험을 예측하는 잠재력을 보여주었습니다. 이 연구는 미국 심장학회(ACC) 연례 과학 세션에서 발표되었으며, AI와 유방촬영술을 결합해 유방 조직 내 동맥의 칼슘 축적을 분석합니다.

혈관 내 칼슘 축적은 노화 또는 초기 심장 질환과 관련된 심혈관 손상의 신호입니다. 이전 연구에 따르면 동맥에 칼슘이 축적된 여성은 심장 질환 및 뇌졸중 위험이 51% 더 높습니다.

심장 질환은 미국에서 주요 사망 원인이지만, 여성의 경우 여전히 진단이 부족합니다. AI 기반 유방촬영술 스크리닝 도구는 많은 여성들이 정기적으로 받는 검사를 보다 효과적으로 활용함으로써 이를 변화시킬 수 있습니다.

미국에서는 매년 약 4천만 건의 유방촬영술이 시행됩니다. 이 X선은 유방암 검진에 사용되며, 유방 동맥 석회화도 보여주지만 해당 정보는 환자나 임상의에게 보고되지 않습니다.

새로운 연구는 이전에 유방촬영술에 사용되지 않았던 AI 이미지 분석 기법을 활용해 기술이 자동으로 석회화를 평가하고 심혈관 위험 등급을 제공할 수 있음을 보여줍니다. 연구 책임자인 Theo Dapamede 박사(Emory University)와 박사후 연구원은 다음과 같이 말했습니다.

“우리는 여성들이 암 검진을 받는 동시에 유방촬영술을 통해 심혈관 검진도 받을 수 있는 기회를 보고 있습니다. 우리의 연구는 유방 동맥 석회화가 특히 60세 이하 환자에서 심혈관 질환을 예측하는 좋은 지표임을 보여줍니다. 조기에 이러한 환자를 선별하면 심장 전문의에게 추가 위험 평가를 의뢰할 수 있습니다.”

도구를 만들기 위해 연구진은 유방촬영술 이미지에서 석회화된 혈관을 분할하도록 AI 모델을 훈련시켰습니다. 모델은 밝은 픽셀을 사용해 향후 심혈관 사건 위험을 계산했으며, 이는 56,000명 이상의 환자 데이터를 기반으로 합니다.

“딥러닝과 AI의 발전으로 이미지에서 더 많은 정보를 추출해 기회주의적 스크리닝에 활용하는 것이 훨씬 현실 가능해졌습니다.”

– Dapamede

연구 결과는 새로운 모델이 유방촬영술 이미지를 기반으로 저, 중, 고 위험군의 심혈관 위험을 잘 식별함을 보여줍니다.

그들에 따르면 60세 이하 및 60~80세 여성에서 유방 동맥 석회화 수준이 높을수록 급성 심장마비, 뇌졸중 또는 모든 원인에 의한 사망 위험이 2년 및 5년 후에 증가합니다.

이는 이 도구가 특히 젊은 여성에게 심장 질환 위험에 대한 조기 경고를 제공하고 조기 개입을 가능하게 함을 의미합니다.

연구 결과는 40 mm² 이상 높은 수준의 유방 동맥 석회화를 가진 경우, 10 mm² 이하 낮은 수준보다 5년 무사망 생존율이 현저히 낮다는 것을 보여줍니다.

연구진의 다음 단계는 FDA 승인을 받아 널리 활용하는 것이며, 향후 유방촬영술에서 추출할 수 있는 신장 질환 등 다른 질환의 바이오마커를 분석하는 유사 AI 모델도 검토할 계획입니다.

AI를 의료 분야에 적용하고 있는 기업 중 하나인 GE HealthCare Technologies(GEHC )는 기술에 크게 투자하고 제품 전반에 AI를 통합해 환자 치료를 개선하고 임상의 워크플로를 향상시키고 있습니다. 시가총액 37.26억 달러 규모의 이 회사 주가는 현재 $81.49이며, 4.23% 상승했습니다. 4Q24에 매출은 2% 증가한 53억 달러, 희석 EPS는 $1.57이었습니다.

GE Healthcare Technologies 최신 소식

재료 과학에서 AI: 박막 성장 공정 최적화

재료 과학은 새로운 재료 개발과 기존 재료 개선을 가능하게 하여 현대 혁신에 필수적입니다. 이 분야의 AI는 새로운 재료 발견 및 설계 가속화, 기존 재료 최적화, 제조 공정 개선에 기여하고 있습니다.

도쿄 과학대학(TUS) 연구진은 Kotsugi 교수의 지도 아래 AI를 활용해 박막 성장 공정에서 수지상 성장(dendritic growth)을 예측함으로써 최적화했습니다.

이러한 공정은 반도체 소자, 통신 기술, 센서 기술 개발에 핵심적인 역할을 합니다.

현재 박막은 기판 위에 얇은 재료 층을 순차적으로 증착해 성장합니다. 다층 박막 소자의 성능을 최대화하려면 기판을 정밀하게 제작해야 하며, 이는 구조적 구성에 큰 영향을 미쳐 기능과 성능에 영향을 줍니다.

하지만 구조는 조성, 분위기, 표면 결함 등 성장 공정 조건에 크게 좌우됩니다. 대면적 제조 과정에서 상업적 적용을 위해 중요한 문제는 수지상 구조가 발생한다는 점입니다.

이러한 나무 모양의 가지 구조는 박막의 평탄성을 감소시키며, 그래핀, 구리, 보로핀 등 재료에서 특히 초기 성장 단계와 다층 박막에서 흔히 관찰됩니다.

미세구조가 소자의 성능에 직접 영향을 미치므로 수지상 형성을 줄이는 것이 중요합니다. 이를 위해서는 수지상 가지를 유발하는 조건을 먼저 이해해야 합니다. 기존 수지상 연구 방법은 단순 시각 분석과 주관적 해석에 의존해 많은 시행착오가 필요합니다.

이 문제를 해결하기 위해 연구진은 AI 모델을 구축해 수지상 구조를 분석했습니다. 이 혁신적인 방법은 머신러닝(ML)과 지속적 동형성(PH) 및 에너지 분석을 결합해 수지상 성장의 구조와 공정을 연결합니다.

“우리 접근법은 성장 메커니즘에 대한 새로운 통찰을 제공하고, 박막 제조 최적화를 위한 강력한 데이터 기반 경로를 제시합니다.”

– Kotsugi 교수

AI, PH 및 에너지 분석을 결합한 수지상 성장 연구

Science and Technology of Advanced Materials: Methods에 발표³, 이 연구는 지속적 동형성(PH)을 사용해 전통적인 이미지 처리 기법이 간과하기 쉬운 수지상 미세구조의 복잡한 위상 특성을 포착하는 모델을 상세히 설명합니다.

PH는 기하학적 구조 내 구멍과 연결을 다중 스케일로 평가할 수 있게 하며, 머신러닝 기법인 주성분 분석(PCA)은 PH를 통해 추출된 핵심 수지상 형태 특징을 2차원 공간으로 축소하는 데 도움을 주었습니다.

이를 통해 팀은 수지상의 구조 변화를 정량화하고 이러한 변화와 재료의 자유 에너지 사이의 관계를 설정하여 수지상 형성 방식을 영향을 미치는 요인을 파악했습니다.

이 관계를 평가한 결과, 팀은 수지상 가지에 영향을 미치는 특정 조건과 숨겨진 성장 메커니즘을 발견했습니다.

“우리 프레임워크는 수지상 형태를 깁스 자유 에너지 변동에 정량적으로 매핑하여 가지 형성을 유도하는 에너지 구배를 밝혀냅니다.”

– Kotsugi

팀은 이후 육각형 구리(Cu) 기판에서 수지상 성장을 연구하고, 결과를 상전장 시뮬레이션 데이터와 비교해 접근법을 검증했습니다. Kotsugi는 다음과 같이 언급했습니다:

“위상과 자유 에너지를 통합함으로써 우리 방법은 재료 분석에 다목적 접근을 제공합니다. 이 통합을 통해 원자 규모 미세구조와 거시적 기능 사이의 계층적 연결을 다양한 재료에 걸쳐 확립할 수 있어 재료 과학의 미래 발전을 위한 길을 열어줍니다.”

그에 따르면 이 방법은 5G를 넘어선 고속 통신을 위한 고품질 박막 소자와 고성능 재료, 비평형 물리학, 센서 기술의 발전으로 이어질 수 있습니다.

재료 과학 분야에서 AI를 활용해 혁신을 주도하는 대표 기업인 Applied Materials(AMAT )는 AI(x) 플랫폼, ExtractAI, SEMVision™ H20 System을 통해 반도체 칩 제조를 강화하고 있습니다. 시가총액 123.6억 달러 규모의 이 회사 주가는 현재 $151이며, 연초 대비 6.5% 하락했습니다. 1Q25에 매출은 7% 증가한 71.7억 달러, GAAP EPS는 $1.45, 비GAAP EPS는 $2.38을 기록했습니다.

“산업계는 고급 컴퓨팅 및 보다 정교한 AI 개발을 가속화하려는 움직임이 가속화되고 있습니다. Applied Materials는 에너지 효율적인 AI에 필수적인 주요 장치 아키텍처 변곡점을 가능하게 하며, 고속 공동 혁신에 집중함으로써 고객 및 파트너와의 독특한 협업 기회를 창출하고, 향후 지속적인 성장과 초과 성과를 위한 입지를 다지고 있습니다.”

– CEO Gary Dickerson (지난 달)

Applied Materials 최신 소식

결론

AI는 이미 다양한 산업에서 비즈니스를 변화시키고 있습니다. 혁신 속도가 빨라지면서 장기적인 과제들을 해결하는 획기적인 솔루션이 등장하고 있습니다. 재료 과학, 의료 진단, 개인 슈퍼컴퓨터 등 다양한 분야에서의 이러한 발전을 통해 우리는 전례 없는 변혁을 약속하는 시대에 진입하고 있습니다.

AI가 계속 발전함에 따라 생산성 향상, 의사결정 개선, 새로운 영역 개척 능력은 미래를 형성하는 가장 강력한 힘 중 하나가 될 것입니다.

인공지능(AI) 투자에 대한 모든 정보를 알아보려면 여기를 클릭하세요.