## 화면 속 가상 세계를 넘어 현실로 나온 인공지능

우리가 흔히 접하는 챗GPT나 바드 같은 생성형 AI는 모니터 화면 안에서만 존재합니다. 질문을 던지면 텍스트나 이미지로 답을 주지만, 스스로 움직여 우리 방을 청소하거나 컵을 들어 올릴 수는 없습니다. 이처럼 디지털 공간에만 머무는 인공지능을 '사이버 AI' 또는 '전통적 AI'라고 부릅니다.

하지만 인공지능 기술이 고도화되면서 과학자들은 오랜 숙원에 다시 도전하기 시작했습니다. 바로 AI에게 '물리적인 육체'를 부여하는 것입니다. 이것이 바로 최근 테크 업계에서 가장 뜨거운 화두인 '피지컬 AI(Physical AI)'의 시작입니다. 피지컬 AI는 가상 세계의 지능을 로봇, 자동차, 드론 같은 물리적 하드웨어에 결합하여 현실 세계를 직접 변화시키는 기술을 말합니다.

처음 피지컬 AI라는 개념을 접했을 때, 많은 사람들은 단순히 '로봇 공학이 조금 더 발전한 것 아닌가?'라고 생각하곤 합니다. 저 역시 처음에는 기존 산업용 로봇에 AI 칩 하나 꽂은 수준인 줄 알았습니다. 하지만 역사를 추적해 보면, 이는 단순한 기계 장치의 업그레이드가 아니라 '지능의 패러다임' 자체가 완전히 뒤바뀐 사건이라는 것을 알 수 있습니다.

## 1세대: 규칙 기반 로봇과 물리적 하드웨어의 한계

피지컬 AI의 뿌리를 찾으려면 1960년대로 거슬러 올라가야 합니다. 세계 최초의 고전적 로봇이자 인공지능 로봇으로 평가받는 셰이키(Shakey)가 그 주인공입니다. 당시 스탠퍼드 연구소에서 개발한 셰이키는 바퀴가 달린 몸체에 카메라와 센서를 탑재하고 있었습니다.

명령을 내리면 방 안의 장애물을 피해 상자를 밀어 옮기는 수준의 작업을 수행했습니다. 지금 보면 아주 단순해 보이지만, 당시에는 엄청난 충격이었습니다. 하지만 이 시절의 기술은 '피지컬 AI'라고 부르기엔 치명적인 한계가 있었습니다. 바로 '소프트웨어의 부재'였습니다.

이때의 로봇들은 개발자가 입력한 완벽한 규칙(If-Then) 안에서만 움직였습니다. "앞에 장애물이 있으면 오른쪽으로 90도 회전하라"는 식의 명령어 규칙을 수천 개씩 코딩해 넣은 것입니다. 문제는 현실 세계가 그렇게 만만하지 않다는 점이었습니다. 먼지가 조금 쌓여서 센서 값이 달라지거나, 상자의 위치가 몇 센티미터만 틀어져도 로봇은 통째로 얼어붙어 버렸습니다. 하드웨어 기술은 발전하고 있었지만, 변화무쌍한 현실 세계에 적응할 수 있는 ' 유연한 지능'이 없었던 시절이었습니다.

## 2세대: 딥러닝의 폭발과 시뮬레이션 기술의 도입

2010년대에 접어들면서 인공지능 생태계에 지각변동이 일어났습니다. 바로 딥러닝(Deep Learning)의 등장입니다. 컴퓨터가 인간처럼 스스로 데이터를 학습하고 패턴을 찾아내기 시작하면서, 피지컬 AI도 새로운 국면을 맞이하게 되었습니다.

이 시기부터 과학자들은 로봇에게 일일이 규칙을 가르치는 대신, 로봇이 스스로 보고 배우는 방식을 연구했습니다. 수만 번의 실패를 거듭하며 물건을 잡는 법을 스스로 깨우치게 만드는 '강화학습(Reinforcement Learning)'이 도입된 것입니다. 제가 연구실에서 처음 딥러닝 기반 로봇의 학습 영상을 보았을 때의 전율이 아직도 생생합니다. 처음엔 허공을 헛손질하던 로봇 팔이, 몇 시간 뒤에는 정확하게 물건을 집어 올리는 모습은 경이로움 그 자체였습니다.

하지만 또 다른 벽에 부딪혔습니다. 현실 세계에서 로봇이 수만 번 넘어지고 부딪히며 학습하기에는 시간과 비용이 너무 많이 들고, 하드웨어가 쉽게 파손된다는 점이었습니다. 이를 해결하기 위해 등장한 것이 바로 '디지털 트윈'과 가상 시뮬레이션 기술입니다. 엔비디아의 아이작(Isaac)이나 오픈AI의 가상 환경 환경 속에서, 로봇은 현실보다 수천 배 빠른 속도로 수억 번의 시뮬레이션 학습을 거친 뒤 그 지능만 현실의 몸체로 다운로드받는 방식을 취하게 되었습니다.

## 3세대: 거대언어모델(LLM)과의 결합, 그리고 현재

현재 우리가 마주하고 있는 피지컬 AI는 3세대 진화의 정점에 있습니다. 바로 생성형 AI와 거대언어모델(LLM)이 로봇의 육체와 결합한 형태입니다. 과거에는 로봇에게 "저기 있는 파란색 컵을 집어서 싱크대에 넣어줘"라고 명령하려면, 파란색을 인식하는 알고리즘과 컵의 위치를 계산하는 알고리즘을 복잡하게 연동해야 했습니다.

하지만 최근의 피지컬 AI는 인간의 자연어를 그대로 이해합니다. "목이 마르네"라고 슬쩍 흘려 말하면, AI는 '목이 마르다 -> 음료수가 필요하다 -> 냉장고로 간다 -> 캔을 집어 인간에게 가져다준다'라는 고차원적인 맥락을 스스로 추론하고 행동으로 연결합니다.

단순히 프로그래밍된 반복 작업을 수행하는 기계에서, 주변 환경을 실시간으로 인지하고 판단하여 물리적인 영향력을 행사하는 '진정한 의미의 피지컬 AI' 시대가 도래한 것입니다. 물론 여전히 배터리 효율성 문제나 시뮬레이션과 현실의 오차(Sim-to-Real) 같은 기술적 난제들이 산적해 있습니다. 그러나 하드웨어의 정밀함과 소프트웨어의 거대한 지능이 결합하는 속도는 우리가 상상하는 것보다 훨씬 빠릅니다.

## 핵심 요약

• 피지컬 AI는 모니터 안의 지능(사이버 AI)을 넘어, 로봇 등 물리적 하드웨어를 통해 현실 세계를 움직이는 기술이다.

• 1세대 규칙 기반 로봇은 정해진 명령어 안에서만 움직여 현실의 변수(오차)에 대응하지 못하는 한계가 있었다.

• 2세대 딥러닝과 시뮬레이션 기술의 도입으로 로봇이 스스로 학습하는 기반이 마련되었다.

• 현재 3세대는 거대언어모델(LLM)과 결합하여 인간의 맥락적 명령을 이해하고 스스로 판단해 움직이는 수준으로 진화 중이다.