글로벌 주요기관 전망 / 2025년 유망기술 트랜드 및 시사점 공유(2)

주요 유망기술 분석

■ 글로벌 기관들이 공통적으로 전망하는 유망기술의 정의, 장점과 응용분야, 도전과 한계, 발전방향에 대해 KISTEP 내부 구축 AI 분석도구(GPT Researcher)를 활용해 분석

 

 ○ 소형언어모델(Small Language Models)

항목	주요 내용
정의	● 언어의 패턴과 관계를 학습하기 위해 방대한 양의 텍스트 데이터로 훈련된 대규모 언어 모델(LLM)의 축소 버전으로 LLM과 달리, 소규모 언어 모델은 컴퓨팅 성능과 메모리를 덜 필요로 하기 때문에 소형 장치나 엣지 컴퓨팅 시나리오에 배치하는 데 더 적합
장점과 응용	● (효율성) 더 적은 연산 능력과 메모리를 필요로 하기 때문에 모바일 장치에서 임베디드 시스템에 이르기까지 다양한 응용 분야에서 사용 가능, 이런 효율성은 또한 비용 절감 및 에너지 소비 감소로 인한 환경 영향 감소 가능 ● (맞춤화) 다른 중요한 장점은 맞춤화(Customization)로 적은 데이터와 연산 자원을 사용하여 특정 작업이나 영역에 맞게 미세 조정 가능하여 틈새 응용 분야에서 매우 다양하고 유용하게 사용 가능 ● (의료) 최소한의 컴퓨팅 자원으로 임상 텍스트 분석, 환자 데이터 개인 정보 보호, 개인 맞춤형 의약품 추천 등에 사용 가능 ● (교육) 자원이 부족한 장치에서 접근할 수 있는 적응형 평가와 실시간 피드백 메커니즘을 통해 개인 맞춤형 학습 경험을 촉진하는 것이 가능 ● (금융) 작은 언어 모델은 시장 동향에 대한 감정 분석, 위험 평가, 규정 준수 모니터링에 지연 시간 감소와 효율성 증가를 통해 활용 가능 ● (엣지 장치) 엣지에서 작동할 수 있는 능력 덕분에 음성 지원, 스마트 홈 장치, 자율주행 차량과 같이 즉각적인 반응 시간이 중요한 실시간 응용 프로그램에 특히 유용
도전과 한계	● (성능 부족) 작은 언어 모델이 최근 몇 년 동안 상당한 발전을 이루었지만, 복잡한 작업에 대한 정확성과 기능 면에서 여전히 큰 모델에 비해 부족 ● (데이터셋 부족) 또 다른 문제는 고품질의 훈련 데이터의 가용성 부족으로 작은 언어 모델은 의도하는 작업이나 영역을 대표하는 잘 큐레이션된 데이터셋이 필요하나, 이러한 데이터셋은 제한적
발전 방향	● (훈련방법) 모델 성능을 저해하지 않으면서 더 작은 데이터셋을 활용할 수 있는 더 효과적인 훈련방법을 개발 ● (아키텍처) 모델의 기능은 유지하면서 크기와 계산 요구 사항을 줄일 수 있는 새로운 아키텍처와 기술을 탐구 ● (설명가능 AI) 작은 언어 모델을 더 투명하고, 설명 가능하고, 공정하게 만드는 것에 대한 강조로, 이러한 모델이 어떻게 결정을 내리는지 이해하는 방법을 개발하고 훈련 데이터에 편견이 존재하지 않도록 하는 방법이 포함

 

 ○ 고속학습 로봇(Fast-learning robots)

항목	주요 내용
정의	● 지능형 에이전트1 또는 디지털 직원이라고도 불리는 빠른 학습 로봇은 첨단 알고리즘과 기계학습 기술을 통해 작업을 빠르게 학습할 수 있는 로봇의 한 유형으로 이 로봇들은 새로운 상황에 적응하고, 경험을 통해 학습하며, 시간이 지남에 따라 성능을 향상시킬 수 있도록 설계
장점과 응용	● (빠른 학습) 며칠 또는 몇 주가 걸리는 전통적인 로봇에 비해, 몇 분 또는 몇 시간 안에 작업을 학습 ● (적응력) 새로운 상황, 환경, 작업에 적응할 수 있어서 매우 다재다능하고 효율적 ● (성능 향상) 빠른 학습 로봇은 기계 학습 알고리즘과 데이터 분석을 통해 시간이 지남에 따라 성능을 향상시키는 것이 가능 ● (제조업) 빠른 학습 로봇은 새로운 생산 라인, 제품 또는 제조 공정에 신속하게 적응할 수 있어, 기업이 변화하는 시장 수요에 신속하게 대응 ● (물류) 고속학습 로봇들은 실시간 데이터와 트렌드를 학습함으로써 공급망 운영을 최적화할 수 있으며, 이를 통해 비용을 절감하고 배송 시간 단축 ● (의료) 빠른 학습 로봇은 환자 치료에 도움을 주고, 의료 데이터로부터 학습하며, 진단 정확도를 향상
도전과 한계	● (기술적 복잡성) 빠른 학습 로봇은 고급 알고리즘, 기계 학습 기술, 고품질 데이터가 필요하기 때문에 기술적으로 개발과 구현이 어려움 ● (비용) 빠른 학습 로봇의 개발과 배치에는 비용이 많이 들 수 있기 때문에 일부 회사나 산업에서는 접근하기 어려움 ● (윤리적 문제) 빠르게 학습하는 로봇의 사용은 일자리 대체, 의사결정의 편향, 인간 안전에 대한 잠재적 위험과 같은 윤리적 문제를 야기
발전 방향	● (효율성 향상) 빠른 학습 로봇은 작업을 자동화하고, 인건비를 줄이며, 생산성을 향상시켜 효율성과 경쟁력을 향상 ● (혁신 촉진) 고속학습로봇을 사용하면 기업이 더 빠르게 혁신하고, 변화하는 시장 수요에 대응하며, 새로운 제품이나 서비스 창출 가능 ● (새로운 일자리) 빠른 학습 로봇이 일부 일자리를 대체할 수 있지만, 로봇 공학, AI 개발, 데이터 분석 등의 분야에서 새로운 일자리를 창출

 

 ○ 생성형 AI 검색

항목	주요 내용
정의	● 인공지능 알고리즘을 사용하여 사용자 질문에 인간과 유사한 답변을 생성하는 것으로, 이러한 알고리즘은 텍스트, 이미지, 기타 형태의 미디어를 포함한 방대한 양의 데이터를 학습하여 정확하고 관련성 있는 답변을 생성할 수 있는 패턴과 관계를 학습
장점과 응용	● (자연어 이해) 생성형 AI 모델은 뉘앙스와 맥락을 포함한 자연어 질문을 이해 가능 ● (텍스트 생성) 생성형 AI 모델은 기사, 요약, 답변을 포함한 사용자 질문에 인간과 같은 텍스트 응답을 생성 가능 ● (이미지 및 비디오) 생성형 AI 모델은 이미지 및 비디오도 이해할 수 있으므로 시각적 콘텐츠를 기반으로 응답 생성 가능 ● (검색 엔진) 생성형 AI 검색은 검색 엔진 결과의 정확성과 관련성을 향상시키는 데 사용 가능 ● (가상 비서) 구글 어시스턴트나 시리와 같은 가상 비서에 통합되어 보다 정확하고 유용한 답변을 제공 ● (콘텐츠 생성) 생성형 AI 검색은 기사, 소셜 미디어 게시물, 제품 설명 등 고품질 콘텐츠를 생성하는 데 사용 가능
도전과 한계	● (편견과 오류) 생성형 AI 모델은 훈련 데이터에 존재하는 편견과 오류를 영속화할 수 있으므로 부정확하거나 오도하는 응답을 생성할 가능성 존재 ● (투명성 부족) 생성형 AI 모델의 복잡성으로 인해 응답에 도달하는 방법을 이해하기 어려워 투명성과 신뢰성이 부족할 가능성
발전 방향	● 편향 및 오류 등 AI의 한계를 극복하기 위해 구글과 같은 회사들은 생성적 AI 모델을 개발하고 배포하는 데 책임감 있는 접근 방식(품질 표준 유지, 질문 유형 제한 등)을 취하고 있으며, 기술이 계속 발전함에 따라 검색 엔진 결과의 정확성과 관련성이 크게 향상될 것으로 기대

 

 ○ 공간 컴퓨팅

항목	주요 내용
정의	● 인공지능(AI), 컴퓨터 비전, 확장 현실(XR)과 같은 첨단 기술을 통해 디지털 세계와 물리적 세계를 통합하는 패러다임인 공간 컴퓨팅은 다양한 산업을 빠르게 변화시키는 중
장점과 응용	● (향상된 사용자 경험) 디지털 영역과 물리적 영역이 원활하게 통합될 때, 몰입형 경험이 학습성과를 향상시켜 교육 및 훈련 환경에서 상호작용이 보다 직관적이고 접근하기 쉬워짐 ● (최적화된 작업 흐름과 생산성) 산업 응용 분야에서 공간 컴퓨팅은 복잡한 프로세스를 디지털화해 간소화함으로써 전반적인 효율성과 생산성을 향상 ● (자연스러운 상호작용) 보다 유기적인 인간-컴퓨터 상호작용을 가능하게 함으로써 장애가 있는 사람들을 포함하여 모든 사람들이 기술을 쉽게 사용할 수 있도록 함 ● (고급 데이터 분석 및 시각화) 복잡한 데이터를 공간적으로 분석하고 시각화하는 능력을 향상
도전과 한계	● (실시간 데이터 처리) 효과적인 상호작용을 위해서는 즉각적인 피드백이 필수이며, 시스템의 반응성이 중요 ● (통합의 복잡성) AI, IoT, AR, VR 등 다양한 기술을 기능적 공간컴퓨팅 시스템에 통합하는 것은 상당한 기술적 전문성과 지원을 필요로 함 ● (데이터 소유권과 저작권) 생성형 AI와 공간컴퓨팅의 중복은 생성된 데이터의 소유권과 저작권에 더 복잡한 문제를 초래
발전 방향	● 공간 컴퓨팅과 생성형 AI의 융합은 더 풍부하고 몰입도 높은 사용자 경험을 위한 기회를 창출할 것으로 전망됨. 인터넷이 3D 중심으로 발전하는 미래가 예상되며, 기술뿐만 아니라 사회적 상호작용과 경제모델에도 영향을 미치며 산업전반에 걸쳐 광범위한 변화가 예상

 

결론 및 시사점

■ 글로벌 주요 기관들은 '24년에 이어 '25년에도 더욱 진화된 AI 기술들이 각 분야의 혁신을 이끌며 경제·사회는 물론 실생활과 일하는 방식에도 큰 영향을 미칠 것으로 전망

○ '22년 ChatGPT로 시작된 초거대 AI 경쟁을 통해 급격히 발전 중인 AI 기술은 이제 소형언어모델, 에이전트 AI, AI 검색 등 기술 발전 방향이 구체화되고 있으며, 이와 함께 로봇·공간컴퓨팅·모빌리티·바이오테크 등 다양한 기술분야와 융합을 통해 물리적 영역으로 혁신이 더욱 확대될 전망

 

 ○ '25년 CES의 주제 역시 Connect, Solve, Discover, DIVE IN(몰입)으로 AI 등 첨단기술을 통해 연결하고 문제를 해결하며 가능성을 발견해 변화를 깊이 탐구하자는 의미로, 이번 CES는 다양한 산업에 걸쳐 인공지능 전환(AX)에 따른 미래 모습을 확인하는 자리가 될 것으로 기대 중

 

 ○ '24년 노벨 물리학상과 화학상이 각각 AI 학습 기술, AI를 통한 단백질 구조예측 및 설계 연구 분야에 수여된 점은 AI가 최근 연구계에서 얼마나 혁신적이고 중요한 역할을 하는지 보여줌

 

■  '25년 1월 출범하는 트럼피 2기 행정부는 바이든 행정부의 AI 규제를 철폐하고, AI R&D 집중 지원을 선거공약에서 제시한 바 있으며, 중국 또한 AI 분야의 경쟁력 확보에 총력을 기울이는 중

 

 ○ AI는 트럼프 경제 아젠단의 핵심으로, AI 분야 세계 선두를 유지하기 위해 공공 및 민간 자원을 집중투자하고 AI에 관한 연방정책과 정부 활용 등을 조정하는 책임자를 임명하는 방언 검토 중

 

 ○ 중국 AI 기업 딥시크가 개발한 V3 LLM은 성능평가에서 GPT-4, 라마3.1을 뛰어넘는 등 중국은 AI 분야에서 기술력과 효율성을 동시에 추구하며 글로벌 경쟁에서 우위를 점하려고 노력 중

 

 ○ 이러한 글로벌 동향으 AI 산업의 경쟁 구도를 재편할 가능성이 크며, 우리나라와 기업들도 이에 대응하기 위해 주요국의 기술 발전과 지원 정책 등의 동향을 면밀히 분석할 필요

 

■ 글로벌 기관들이 선정한 유망기술들의 상위 분야는 대부분 우리나라 12대 국가전략기술과 연계되는 분야로, 향후 전략기술의 세부 50개 기술 분야로 수정·보완을 고려해야 하는 기술

 

 ○ 국가전략기술 분야들, 특히 AI 부야는 기술발전 속도가 타 기술 분야에 비해 눈부시게 빨라 향후에도 지속적으로 세부적인 미래 유망기술을 발굴, 분석해 전략 수립에 반영할 필요

 

 ○ 기술발전 속도와 상용화 주기 등을 고려하여 R&D 투자전략을 수립하고 새로운 기술 도입과 규제 완화 방안, 장기적 인프라 확보 방안 등을 종합적으로 고려할 필요

 

 ○ 반면, R&D 투자 시 국내 현황이나 수요에 대한 분석이나 면밀한 연구계획 수립없이 글로벌 기관들이 발표한 유망기술을 맹목적으로 따르는 것은 경계할 필요

 

- 이상 KISTEP 브리프 '글로벌 주요기관 전망 2025년 유망기술 트랜드 및 시사점', '최창택(KISTEP)' - 내용 기재