Photon Capital (@PhotonCap)
2025-11-13 | ❤️ 230 | 🔁 58
<Physical AI의 핵심: 왜 도메인 지식이 중요한가?>
흥미로운 강연 내용 공유 드립니다.
키노트를 맡아주신 장래혁 박사님* 은 전자공학 및 제어 분야의 저명한 교수님이십니다. 이날, AI 기술이 실제 물리 시스템(Physical AI)에 적용될 때 ‘도메인 지식’이 빠지면 어떤 함정에 빠지는지를 보여주는 일화를 소개해주셨습니다. - “요즘은 학생들이 domain knowledge보단 AI 사용법에 더욱 관심이 있다.”
- “AI 만능”의 함정: PID 제어 일화
“학생에게 [시스템 제어의 핵심인] PID 제어기 최적화를 과제로 내주었습니다. 그랬더니 그 학생은 제어 공학(도메인 지식)을 적극적으로 활용하기 보다는 오직 AI 기법만 사용해서 ‘모든 파라미터’를 전부 최적화하려고 시도했습니다. 하지만 교수님 말씀하시길, ‘그 개념(P, I, D가 각각 무슨 의미인지)을 제대로 알고 접근해야지, 그냥 AI로 무작정 최적화하면 평생이 걸려도 못한다’고 하셨습니다.”
이 일화는 AI가 강력한 도구(Tool)이기는 하지만, 무엇을, 왜, 어떻게 최적화해야 하는지 아는 ‘도메인 지식’이 없다면 AI는 무용지물이거나 오히려 비효율을 초래할 수 있음을 극명하게 보여줍니다.
이는 저도 photonic design을 하거나, 일을 할 때도 마찬가지로 적용이 됩니다. 아내와도 관련하여 이야기를 많이 나누는데, 점점 더 domain knowledge(공학, 교육학, 의학, 자연과학, 사회과학 등) 분야 상관없이 domain 지식은 점점 더 요구될 것이고, 이것이 기본이 돼야할 것 같습니다.
- 왜 ‘도메인 지식’이 핵심인가? (PPA 최적화)
교수님의 핵심 주장은 “단순히 뛰어난 AI 모델이나 CS 기술만으로는 실제 산업 현장(Physical Domain)의 문제를 효율적으로 해결할 수 없다”는 것입니다.
오히려 해당 산업 분야의 고유한 전문 지식(도메인 지식)을 AI에 통합(Encapsulation)해야만 로봇이나 시스템의 핵심 성능 지표인 “PPA(Power, Performance, Area)“를 실질적으로 향상시킬 수 있습니다. -P (Power): 전력 소모 -P (Performance): 성능 (속도, 정확성) -A (Area): 면적 (칩 크기, 시스템 크기, 즉 비용)
도메인 지식이 없으면 AI는 위 일화처럼 ‘평생 걸리는’ 최적화를 시도하지만, 도메인 지식이 있으면 AI가 집중해야 할 영역을 명확히 알려주어 PPA를 극적으로 개선할 수 있습니다.
- ‘범용’ 솔루션 vs ‘맞춤형’ 솔루션
이 차이는 시장에 제품을 공급하는 방식에서 명확히 드러납니다.
A. ‘One-Size-Fits-All’ (범용) 솔루션의 문제 비유: 모든 식당에 동일한 최고 사양의 ‘주방용 로봇’을 공급합니다.
비효율: 이 로봇은 모든 기능을 갖추고 있기에 필요 이상으로 비쌉니다. (PPA 최적화 실패) 유지보수: 한식당, 중식당, 피자 가게 등 각기 다른 실제 주방 환경(도메인)의 특수성이 반영되지 않아 A/S 요구가 빈번하게 발생합니다.
B. ‘맞춤형 (Customized)’ 솔루션의 이점 해결책: “우리 식당은 피자 도우만 만들면 됩니다”와 같이 고객(회사)이 특정 요구사항을 명확하게 제시합니다.
효율적 대응: 로봇 회사는 자사가 보유한 ‘도메인 지식이 통합된 AI 라이브러리’ (예: 모터 제어, 반죽 인식)를 바탕으로, 해당 요구에 꼭 맞는 맞춤형 로봇을 더 빠르고 저렴하게 제공합니다. (PPA 최적화 성공) 상호 이익: 고객은 필요한 기능만 얻고, 공급자는 불필요한 A/S 부담에서 벗어나 서로가 편해지는 결과를 낳습니다.
- 전 범용적 로봇을 만들에 판매하면 더 효율적이고 대량생산 관점에서 좋을 줄 알았는데, 이점은 의외였습니다. 단가 절감이나 A/S 측면에서 큰 비용이 발생하는 점은 생각해봐야할 것 같습니다.
- 결론
결국 Physical AI의 성공은 범용 AI 모델의 성능이 아니라, 제어 공학, 로봇 공학 등 실제 물리 시스템에 대한 깊이 있는 ‘도메인 지식’을 AI에 똑똑하게 내재화하고, 이를 바탕으로 ‘편리한 맞춤형 솔루션’을 제공하여 PPA를 최적화하는 데 달려있다는 강력한 메시지입니다.
*現 삼성전자 advisor, 前 서울대학교/KAIST 교수/삼성SDI EVP, ACM/IEEE Fellow
미디어
인용 트윗
Photon Capital (@PhotonCap)
실리콘밸리 한 행사 다녀왔습니다. 행사 다녀와보니 미국 정부의 셧다운이 공식 종료됐군요.
오늘 다녀온 행사는 “The AI Silicon Race”라는 제목으로, 흥미로운 대한민국 AI startup 세 곳:Axion AI, Mobilint, HyperAccel 에서
AI HW 부문, AI 기반 EDA, AI edge AI, NPU, LPU 등에 대해 흥미로운 이야기를 들려줬습니다. 키노트는 서울대, 카이스트에서 교수를 하셨던 장래혁 교수님이시네요. (IEEE Fellow)
Main Keynote Session: From Semiconductor PPA Optimization to Physical AI - Library-Based Design Challenges and New Frontiers
Naehyuck Chang, Advisor and Former EVP of Samsung Electronics
Sub-Session 1: AI Starts Here - 온디바이스 AI 시대, 경량화된 NPU아키텍처의 진화
Richard Burroughs, Vice President @ Mobilint, Inc. (Presented in English)
Sub-Session 2: Bridging Performance and Affordability in AI Silicon - AI 반도체 혁신, 성능과 비용의 균형을 잇다
Juntaek Oh, Compiler Engineer @ HyperAccel
