[데일리환경=정이든 기자] 제임스 웹 우주망원경이 목성 질량의 약 2배에 불과한 갈색왜성을 발견했다. 지금까지 확인된 갈색왜성 가운데 가장 가벼운 사례로, 별이 만들어질 수 있는 최소 질량이 어디까지인지를 둘러싼 기존 이론에 새로운 질문을 던지고 있다. 유럽우주국(ESA)은 9월 15일 제임스 웹이 지구에서 약 1천 광년 떨어진 페르세우스자리의 별 탄생 지역 ‘IC 348’을 관측해 이 같은 천체들을 확인했다고 발표했다.갈색왜성은 별처럼 차가운 가스와 먼지 구름이 중력으로 뭉쳐 태어나지만, 질량이 충분하지 않아 중심부에서 수소 핵융합을 지속하지 못하는 천체다. 그래서 흔히 별과 행성의 중간에 있는 ‘실패한 별’이라고 불린다.연구진은 웹 망원경의 근적외선 카메라 ‘NIRCam’으로 어린 별과 갈색왜성이 내뿜는 미약한 열을 포착했다. 이후 근적외선 분광기 ‘NIRSpec’으로 빛의 성분을 분석해 질량과 대기 특성을 조사했다. 그 결과 태양 질량의 약 0.19%, 목성 질량의 약 2배밖에 되지 않는 갈색왜성이 확인됐다.특히 주목할 부분은 이 천체가 일반적인 행성과 달리 별 주위를 돌지 않고, 별과 같은 방식으로 독립적으로 태어났다는 점이다. 행성급 질량의 작은 천체도 거대한 분자구름이 붕괴하는 과정에서 홀로 만들어질 수 있다는 의미다.발견된 갈색왜성 가운데 하나에서는 주변을 둘러싼 원반의 흔적도 관측됐다. 연구진의 해석이 맞는다면 행성과 비슷한 질량을 지닌 천체 주변에서 다시 더 작은 행성이 만들어질 가능성도 있다. 다만 원반이 실제 행성 형성으로 이어지는지는 추가 관측이 필요하다.이번 발견은 별과 행성을 질량만으로 명확하게 구분하기 어렵다는 사실을 보여준다. 앞으로 중요한 것은 천체가 얼마나 무거운지만이 아니라, 어떤 환경에서 어떤 과정을 거쳐 태어났는지를 함께 밝히는 일이다. 우주가 별을 만드는 ‘최소 단위’가 어디까지 작아질 수 있는지, 과학계의 탐색은 이제 새로운 질량 영역으로 들어섰다.

[데일리환경=정민오 기자] 인공지능(AI) 경쟁이 새로운 국면에 접어들고 있다. 불과 몇 년 전만 해도 AI 산업의 핵심은 누가 더 뛰어난 모델을 개발하느냐에 있었다. 이제는 이야기가 달라졌다. AI의 성능 경쟁 뒤에는 반도체 확보 경쟁이 있고, 그 뒤에는 막대한 전력 확보 경쟁이 자리하고 있다.생성형 AI는 생각보다 많은 전기를 사용한다. 대규모 언어모델(LLM)을 학습시키기 위해서는 수만 개의 고성능 반도체가 동시에 가동된다. 서비스가 시작된 이후에도 이용자의 질문에 답하고 이미지를 생성하며 영상을 제작하는 과정에서 막대한 연산이 이뤄진다. 결국 AI 산업의 성장은 데이터센터 확대로 이어질 수밖에 없다.문제는 데이터센터가 대표적인 전력 다소비 시설이라는 점이다. 서버를 가동하는 데 필요한 전력뿐 아니라 장비에서 발생하는 열을 식히기 위한 냉각 설비에도 상당한 에너지가 투입된다. 국제에너지기구(IEA)와 글로벌 컨설팅 기관들은 향후 데이터센터 전력 수요가 급격히 증가할 것으로 전망하고 있다. 이 같은 변화는 단순한 산업 이슈를 넘어 국가 차원의 에너지 정책에도 영향을 미치고 있다. 미국에서는 빅테크 기업들이 원전 전력을 확보하기 위해 발전 사업자와 직접 계약을 체결하는 사례가 늘고 있다. 일부 기업은 소형모듈원전(SMR) 투자에도 적극적으로 나서고 있다. AI 산업을 뒷받침할 안정적인 전력 공급원이 필요하기 때문이다.한편 재생에너지 확대를 주장하는 목소리도 커지고 있다. 데이터센터 증가가 탄소배출 증가로 이어질 수 있다는 우려 때문이다. 실제로 AI 산업의 성장과 탄소중립 목표가 충돌할 가능성을 지적하는 전문가들도 적지 않다. AI가 발전할수록 더 많은 전력이 필요하지만, 그 전력을 어떤 방식으로 생산할 것인가는 여전히 해결해야 할 과제로 남아 있다.흥미로운 것은 AI가 기후위기 해결의 핵심 기술로도 평가받고 있다는 사실이다. AI는 전력 수요를 예측하고 에너지 효율을 높이며 건물과 공장의 에너지 사용량을 최적화할 수 있다. 기후변화 예측과 재난 대응에도 활용 범위가 확대되고 있다. 다시 말해 AI는 에너지를 소비하는 기술인 동시에 에너지 절약을 가능하게 하는 기술이기도 하다.결국 AI 시대의 진짜 경쟁은 알고리즘 경쟁만이 아니다. 얼마나 많은 전력을 안정적으로 확보할 수 있는지, 그리고 그 전력을 얼마나 친환경적으로 생산할 수 있는지가 국가와 기업의 경쟁력을 좌우할 가능성이 커지고 있다.AI는 기후위기의 해결사가 될 수도 있고 새로운 전력 블랙홀이 될 수도 있다. 기술 발전의 속도만큼 중요한 것은 그 기술을 지속가능하게 운영할 수 있는 에너지 체계를 구축하는 일이다. AI 혁명은 결국 전력 혁명과 함께 갈 수밖에 없다는 사실을 보여주고 있다.정민오 기자 dailyt@naver.com

[데일리환경=정민오 기자] 대한항공 계열 저비용항공사(LCC) 진에어 공식 홈페이지에서 20일 한때 서버 오류가 발생해 이용객들이 불편을 겪었다.이용자들에 따르면 이날 홈페이지 접속 과정에서 서버 에러 안내 문구가 표시되면서 항공권 예매와 예약 조회, 부가서비스 이용 등에 차질이 빚어졌다.주말과 휴일을 맞아 여행 일정 확인이나 항공권 예약을 하려던 고객들의 불편도 이어졌다.이번 접속 장애로 이용객 불편은 물론 항공권 판매와 고객 서비스 운영에도 영향을 미쳤을 것으로 보인다. 본지는 정확한 장애 발생 시간과 원인, 복구 여부 등에 대해 진에어 측에 확인을 요청한 상태다.정민오 기자 dailyt@naver.com

[데일리환경=정이든 기자] 인공지능이 사람의 질문에 답하는 단계를 넘어, 더 뛰어난 인공지능을 개발하는 과정에 직접 참여하기 시작했다. 아직 AI가 독자적으로 후속 모델을 설계하는 수준은 아니지만, 코드를 작성하고 실험을 수행하며 오류를 찾아내는 핵심 업무에서 AI의 비중이 빠르게 커지고 있다. AI 기업 앤트로픽은 최근 공개한 ‘AI가 스스로를 만들 때(When AI builds itself)’ 보고서에서 자사의 AI 모델 ‘클로드’가 새로운 AI를 개발하는 연구·엔지니어링 업무 상당 부분을 수행하고 있다고 밝혔다.앤트로픽에 따르면 2026년 5월 기준 회사의 실제 코드 저장소에 반영된 코드 가운데 80% 이상이 클로드가 작성한 것으로 분석됐다. 클로드 코드가 연구용으로 처음 공개된 2025년 2월 이전에는 그 비중이 한 자릿수 초반에 머물렀다.AI 활용이 본격화되면서 개발자가 처리하는 작업량도 크게 늘었다. 올해 2분기 앤트로픽 엔지니어 1명이 하루 동안 반영한 코드의 양은 2024년보다 약 8배 증가했다. 사람이 일일이 코드를 입력하는 대신, 해결할 문제와 목표를 제시하고 AI가 작성한 결과를 검토하는 방식으로 업무 구조가 바뀐 영향이다.다만 코드의 양이 8배 늘었다고 해서 실제 생산성이나 소프트웨어의 가치가 그대로 8배 증가했다고 해석해서는 안 된다. 코드의 품질과 유지보수 가능성, 보안성은 별도로 검증해야 하기 때문이다. 앤트로픽도 코드 줄 수는 품질보다 양을 측정하는 불완전한 지표라고 설명했다.며칠 걸리던 오류 분석, AI가 두 시간 만에 해결클로드는 지시받은 코드를 작성하는 수준에서도 벗어나고 있다. 실제로 수만 건의 AI 학습 작업이 갑자기 중단된 사고에서 클로드는 실행 중인 작업과 설정값을 차례로 분석해 문제를 일으킨 설정 하나를 찾아냈다. 통상 사람이 2~3일 동안 처리할 만한 작업을 약 두 시간 만에 마쳤다는 것이 회사 측 설명이다.2026년 4월에는 사람이 오랫동안 미뤄두었던 프로그램 오류 800여 건을 AI가 수정해 특정 오류 발생 빈도를 1천분의 1 수준으로 줄이기도 했다. 담당 엔지니어는 사람이 같은 작업을 직접 수행했다면 약 4년이 걸렸을 것으로 추정했다.AI가 연구 실험을 수행하는 능력도 빠르게 향상됐다. 앤트로픽이 작은 AI 모델의 학습 코드를 더 빠르게 작동하도록 개선하는 실험을 진행한 결과, 2025년 5월 클로드 오퍼스 4는 원래 코드보다 약 3배 빠른 결과를 만들었다. 2026년 4월 내부 모델은 같은 종류의 실험에서 약 52배의 속도 개선을 기록했다.이는 AI가 단순히 기존 자료를 찾아 답하는 도구에서 벗어나 가설을 시험하고, 결과를 확인한 뒤 다시 코드를 수정하는 ‘연구 반복 과정’까지 맡기 시작했다는 의미다.아직 사람이 방향 결정…‘완전한 자기 개선’과는 거리그렇다고 AI가 이미 사람의 도움 없이 더 강력한 AI를 만들어내는 것은 아니다.현재 클로드는 사람이 정해준 목표에 따라 코드를 작성하고 실험을 반복하는 능력은 뛰어나지만, 어떤 연구가 사회적으로 중요하고 어떤 결과를 신뢰해야 하는지 판단하는 능력에서는 여전히 한계가 있다. 연구 방향 설정과 최종 검증, 안전성 판단도 사람이 맡고 있다.앤트로픽은 AI가 스스로 후속 AI를 설계하고 훈련하는 단계를 ‘재귀적 자기 개선’이라고 설명한다. 회사는 “아직 그 단계에 도달하지 않았으며 반드시 실현된다고 단정할 수도 없다”고 선을 그었다.하지만 AI가 작성한 코드를 사람이 검토하는 속도보다 AI의 코드 생산 속도가 빨라지면서 새로운 병목현상도 나타나고 있다. 앞으로 개발자의 업무가 ‘직접 만드는 사람’에서 ‘무엇을 만들지 결정하고 결과를 검증하는 사람’으로 이동할 가능성이 커졌다는 뜻이다.빨라진 개발 속도만큼 안전장치도 필요AI가 AI 개발을 가속하면 신약과 기후기술, 보안, 과학 연구 분야에서 이전보다 훨씬 많은 실험을 수행할 수 있다. 소규모 조직도 여러 AI 에이전트를 활용해 과거 대규모 연구팀이 담당하던 업무를 처리할 가능성이 있다.반면 잘못된 코드나 보안 취약점이 더 빠르게 확산될 위험도 함께 커진다. AI가 만든 결과를 또 다른 AI가 평가하는 구조가 확대되면 오류가 반복돼도 사람이 제때 발견하지 못할 수 있다. AI가 복잡해질수록 왜 특정 결정을 내렸는지 설명하기 어려워지는 문제도 남는다.따라서 이번 발표에서 주목할 대목은 ‘AI가 인간을 대체했다’는 선언이 아니다. AI 개발의 속도가 사람의 검토·감독 능력을 앞지르기 시작했다는 경고에 가깝다.이제 필요한 것은 AI가 얼마나 많은 코드를 생산했는지만 따지는 일이 아니다. 누가 연구 목표를 결정하는지, 오류와 위험은 어떤 방식으로 검증하는지, 문제가 발생했을 때 사람이 즉시 개입할 수 있는지를 함께 공개해야 한다.AI가 다음 AI를 만드는 시대가 가까워질수록 사람에게 남는 가장 중요한 역할은 더 빨리 코드를 작성하는 일이 아니라, AI가 향하는 방향을 결정하고 멈춰야 할 순간을 판단하는 일이 될 것이다.

[데일리환경=정이든 기자] 미국 국립과학재단은 17일 저차원 반도체 기술을 실제 제조로 옮기는 연구투자를 발표했다. ‘저차원’은 물질의 크기가 작다는 말만이 아니라 전자가 움직이는 방향이 제한된 구조를 뜻한다. 얇다는 장점보다 균일한 생산·접촉·검증이 상용화의 관건이다.미국 국립과학재단은 17일 저차원 반도체 기술을 실제 제조로 옮기는 연구투자를 발표했다. ‘저차원’은 물질의 크기가 작다는 말만이 아니라 전자가 움직이는 방향이 제한된 구조를 뜻한다. 특히 원자 몇 층 두께의 2차원 물질은 종이보다 훨씬 얇으면서 전기적 성질을 조절할 수 있어 차세대 반도체 후보로 연구돼 왔다.쉽게 말하면 현재 반도체가 잘 정비된 다층도로라면 2차원 반도체는 한 층짜리 초박형 도로에 가깝다. 얇아질수록 전자가 문을 통과하듯 켜지고 꺼지는 동작을 정밀하게 제어할 가능성이 생긴다. 휘어지는 센서와 저전력 소자, 기존 실리콘 위에 쌓는 새로운 회로에도 응용 가능성이 있다. 그러나 얇다는 사실 자체가 빠르고 좋은 칩을 보장하지는 않는다.연구실에서는 작은 조각을 골라 뛰어난 성능을 보일 수 있다. 공장에서는 큰 웨이퍼 전체에 같은 두께와 결정품질을 만들어야한다. 먼지 하나와 미세한 주름, 층 사이의 오염이 수많은 소자의 성능을 흔든다. 한두 개가 잘 작동하는 것과 수십억 개를 높은 수율로 만드는 것 사이에는 재료 성장, 전사, 식각, 세정과 계측의 긴 간격이 있다.또 하나의 난제는 금속 전극과의 접촉이다. 전기가 들어오고 나가는 경계에서 저항이 커지면 물질 자체가 좋아도 에너지가 열로 새고 속도가 떨어진다. 아주 얇은 층을 손상시키지 않고 접촉을 만들고, 시간이 지나도 특성이 유지되게 해야 한다.시민들에게 익숙한 충전선도 단자가 나쁘면 전력이 제대로 흐르지 않는 것과 비슷하지만 원자층에서는 작은 결함의 영향이 훨씬 크다.NSF가 ‘번역’ 또는 전환을 강조하는 이유는 소재 논문과 생산라인 사이에 공동 기반이 필요하기 때문이다. 대학은 새로운 현상을 찾는 데 강하고 기업은 공정 반복성과 비용, 공급망을 본다. 표준 시료와 측정법, 공용 장비, 설계규칙을 함께 만들면 서로 다른 연구 결과를 비교할 수 있다. 발표는 투자 방향을 알린 단계이며 구체적인 상용제품 출시를 약속한 것은 아니다.2차원 물질이 기존 실리콘을 곧바로 대체한다는 표현도 조심해야 한다. 실리콘은 수십 년 동안 장비와 설계, 신뢰성 시험, 공급망이 축적됐다. 새 물질은 실리콘 위에 센서나 메모리, 통신소자를 더하는 보완적 방식부터 들어갈 가능성이 있다. 어느 용도에서 전력과 성능, 비용의 이득이 분명한지 비교해야 한다. 검증에는 같은 언어가 필요하다. 이동도와 접촉저항, 결함밀도, 수명 같은 지표를 어떤 온도와 크기에서 측정했는지 밝혀야 한다. 작은 소자의 최고 기록만 비교하면 실제 웨이퍼의 편차를 놓친다. 평균값과 불량률, 장시간 동작, 열과 습도, 반복 굽힘 시험을 함께 공개해야 산업 현장이 판단할 수 있다.환경 측면에서도 ‘얇아서 친환경’이라고 단정할 수 없다. 사용재료의 양은 적을 수 있지만 성장 과정의 고온과 진공, 희귀 원소, 세정 화학물질이 필요할 수 있다. 생산 에너지와 수율, 재활용 가능성을 포함한 전과정 평가가 필요하다. 성능이 조금 좋아도 제조 실패가 많으면 전체 자원소비는 커질 수 있다.한국 반도체 산업에는 소재와 장비, 계측, 후공정의 협업이라는 질문을 던진다. 해외 연구투자를 기술경쟁의 공포로만 읽기보다 어떤 공용시설과 인력교육, 표준화가 마련되는지 살펴야 한다. 국내 기업과 대학도 논문 수보다 시제품 재현성과 장비 접근, 실패 데이터의 공유를 강화할 필요가 있다.시민들이 기억할 핵심은 ‘원자층 반도체가 곧 휴대전화에 들어간다’가 아니다. 연구의 다음 단계가 더 분명해졌다는 의미다.웨이퍼 규모의 균일성, 접촉저항, 수율, 신뢰성, 공정비용이 실제로 개선되는지를 봐야 한다. 아주 얇은 재료가 산업의 두꺼운 장벽을 넘으려면 기록적인 한 개보다 똑같이 작동하는 수많은 소자가 필요하다.인력 측면에서는 재료과학자와 소자설계자, 장비엔지니어가 같은 문제를 서로 다른 언어로 보는 간격을 줄여야 한다. 공정 조건과 전기특성, 통계적 수율을 연결하는 데이터 인프라가 필요하다. 저차원 반도체는 한 종류의 물질을 가리키지 않는다. 그래핀처럼 탄소 원자가 한 층으로 배열된 물질도 있고, 전류를 켜고 끄는 데 더 적합한 전이금속 칼코게나이드 계열도 있다. 물질마다 밴드갭과 안정성, 성장온도가 달라 용도도 달라진다.따라서 2차원 물질이라는 큰 이름만 보고 성능을 비교하면 중요한 차이를 놓칠 수 있다. 공장으로 옮길 때는 기존 생산장비와의 호환성도 관건이다. 새 공정이 실리콘 웨이퍼를 오염시키거나 너무 높은 온도를 요구하면 기존 라인에 넣기 어렵다. 반대로 낮은 온도에서 균일한 막을 만들 수 있다면 이미 만든 회로 위에 새로운 기능을 쌓는 후공정에 유리할 수 있다. 성과는 최고 기록보다 기존 장비에서 반복 생산할 수 있는 공정 범위가 얼마나 넓어졌는지로 확인해야 한다.측정 방식에도 함정이 있다. 원자층 재료는 공기와 수분, 기판 표면과 측정 전극에 민감하다. 연구실마다 다른 조건에서 나온 수치를 단순 비교하면 어느 물질이 실제로 우수한지 알기 어렵다. 같은 표준시료를 여러 기관이 나눠 측정하고 차이를 공개하는 교차검증이 필요하다. 장비 교정과 데이터 형식까지 맞춰야 인공지능을 이용한 공정 최적화도 믿을 수 있다.시민생활과의 연결은 당장 새 기기를 사는 문제가 아니다. 저전력 센서가 제품이 되면 의료와 환경감시, 산업설비의 전력소비를 줄일 가능성이 있지만 개인정보와 전자폐기물 문제도 커질 수 있다. 작고 값싼 센서가 어디에 설치되고 어떤 데이터를 모으는지에 대한 규칙이 함께 필요하다. 기술의 얇음이 책임의 얇음으로 이어져서는 안 된다.NSF 발표를 지켜볼 때는 선정 과제의 기관과 예산, 목표 공정 크기, 웨이퍼 규모, 공동시설 이용대상, 표준화 일정이 공개되는지 확인하면 된다. 몇 년 뒤 논문과 특허 수만 제시하기보다 수율과 신뢰성, 기업 이전과 중소기업의 시설 이용실적을 보여줘야 공공투자의 산업적 의미를 판단할 수 있다

[데일리환경=정이든 기자] 인공지능이 글과 그림을 만드는 단계를 넘어 태양보다 뜨거운 핵융합 플라스마를 실시간으로 제어하는 수준까지 발전했다. 사람이 상황을 파악하기도 전에 위험 징후를 찾아내고, 가열장치의 출력과 방향을 조절해 불안정 현상이 시작되는 것을 막은 것이다.미국 에너지부 산하 프린스턴 플라스마물리연구소(PPPL)와 프린스턴대학교 연구진은 지난 9월 2일 인공지능 기반 핵융합 제어 체계 ‘팩맨(PACMAN)’을 실제 핵융합 실험장치에서 시험하는 데 성공했다고 발표했다. 연구 결과는 국제학술지 "뉴클리어 퓨전"에 게재됐다. 팩맨은 ‘기계학습을 이용한 예측과 제어’를 뜻하는 영문 명칭에서 만든 이름이다. 여러 인공지능 모델이 핵융합 장치의 온도와 밀도, 자기장 신호를 동시에 읽고 플라스마의 상태를 판단한 뒤 필요한 제어 명령을 내린다.1초에 50번씩 핵융합 상태 점검핵융합은 수소와 같은 가벼운 원자핵을 결합해 에너지를 얻는 기술이다. 태양이 빛과 열을 내는 원리와 같아 흔히 ‘인공태양’으로 불린다.지구에서 핵융합 반응을 일으키려면 기체를 태양 중심부보다 높은 온도로 가열해 플라스마 상태로 만들어야 한다. 토카막이라는 도넛 모양의 장치는 강력한 자기장으로 이 초고온 플라스마가 벽에 닿지 않도록 붙잡는다.문제는 플라스마가 매우 불안정하다는 점이다. 작은 흔들림도 수천분의 1초 만에 커져 핵융합 반응을 중단시키거나 장치에 부담을 줄 수 있다. 사람의 반응 속도로는 대응하기 어렵고, 기존의 정밀 시뮬레이션은 계산에 며칠에서 몇 달이 걸려 실시간 제어에 사용할 수 없었다.팩맨은 전체 판단과 제어 과정을 약 20밀리초, 즉 0.02초마다 반복한다. 1초에 약 50번씩 장치의 상태를 확인하고 필요한 조치를 내리는 셈이다.인공지능은 먼저 각종 센서의 측정값을 수집해 오류를 걸러낸다. 이어 여러 기계학습 모델이 플라스마에서 어떤 현상이 일어나고 있는지, 앞으로 어떤 문제가 발생할지를 예측한다. 마지막으로 제어장치가 가열 빔과 가스 공급장치 등에 명령을 보내 플라스마 상태를 조정한다.이상 현상 발생 0.2초 전에 예측연구진은 미국 샌디에이고에 있는 DIII-D 핵융합 실험시설에서 팩맨을 다섯 차례 시험했다.팩맨은 실험 과정에서 플라스마 가장자리에서 발생하는 갑작스러운 에너지 분출을 예측하고, 빠른 입자가 일으키는 파동을 감지·제어했다. 플라스마의 밀도와 회전 속도를 연구진이 설정한 목표에 맞추는 역할도 수행했다.가장 눈에 띄는 성과는 ‘티어링 모드’라고 불리는 불안정 현상을 발생 약 200밀리초 전에 예측한 것이다. 200밀리초는 0.2초에 불과하지만, 20밀리초마다 판단하는 팩맨에는 대응할 시간이 있었다. 인공지능은 플라스마 상태를 미리 바꿔 불안정 현상이 본격적으로 나타나는 것을 막았다.기존 제어장치는 이상 현상이 발생한 다음 이를 억제하는 방식이었다. 이 과정에서 핵융합 성능이 크게 낮아질 수 있다. 반면 팩맨은 문제가 생길 가능성을 먼저 알아채고 조건을 조정한다는 점에서 차이가 있다.AI는 플라스마를 가열하는 6개의 ‘자이로트론’도 동시에 조절했다. 자이로트론은 강력한 마이크로파를 발생시키는 장치다. 팩맨은 각 장치의 출력뿐 아니라 마이크로파를 보내는 거울의 방향까지 실시간으로 바꿔 연구진이 미리 정한 목표를 달성했다.AI가 핵융합로를 마음대로 운영한다는 뜻은 아니다이번 연구가 인공지능에 핵융합 장치의 모든 권한을 넘겼다는 의미는 아니다. 연구진은 사람이 전체 실험 목표와 작동 범위를 설정하고, 별도의 안전장치가 AI의 명령을 다시 확인하도록 설계했다.서로 다른 AI 모델이 충돌하는 명령을 내리거나 하드웨어의 허용 범위를 벗어날 경우 출력 단계에서 이를 차단한다. 실험이 끝난 뒤에는 물리학자들이 결과를 검토해 다음 실험의 제어 조건을 조정한다.팩맨의 중요한 특징은 새로운 AI 모델을 부품처럼 추가하거나 교체할 수 있다는 점이다. 첫 번째 모델을 설치하는 데는 수개월이 걸렸지만 두 번째 모델은 며칠 만에 연결할 수 있었다. 특정 핵융합 장치에만 사용하는 일회성 AI가 아니라 여러 장치와 연구에 적용할 수 있는 공통 제어 기반을 만들겠다는 구상이다.‘생성 AI’에서 ‘현실을 움직이는 AI’로이번 연구는 AI의 역할이 컴퓨터 화면 안에서 문장과 이미지를 생성하는 데 머물지 않는다는 사실을 보여준다. 센서가 보내는 현실의 정보를 읽고, 위험을 예측하고, 물리적인 장비를 직접 조절하는 ‘행동하는 AI’가 연구 현장에 들어오기 시작한 것이다.다만 팩맨이 핵융합 발전의 상용화를 완성한 것은 아니다. 안정적인 핵융합 반응을 장시간 유지하고 투입한 에너지보다 많은 전력을 경제적으로 생산하려면 재료와 설비, 연료 공급 등 해결해야 할 과제가 많다.그럼에도 사람이 따라가기 어려운 밀리초 단위의 변화를 AI가 감지하고 제어했다는 점은 의미가 크다. 앞으로 AI는 핵융합뿐 아니라 전력망과 우주선, 반도체 생산시설처럼 순간적인 판단이 필요한 복잡한 시스템에서 인간의 ‘초고속 보조 조종사’ 역할을 맡을 가능성이 있다.

[데일리환경=정이든 기자] 생성형 인공지능(AI)을 처음 접하는 시민들이 가장 많이 묻는 질문은 “어떤 AI가 가장 좋은가”다. 그러나 실제로는 성능 순위를 따지기보다 자신이 하려는 일에 적합한 도구를 고르는 것이 중요하다. 같은 질문이라도 글쓰기, 자료 검색, 문서 분석, 이미지 제작처럼 목적에 따라 편리한 AI가 달라지기 때문이다. 현재 시민들이 비교적 쉽게 접근할 수 있는 대표적인 대화형 AI로는 오픈AI의 ChatGPT, 구글의 Gemini, 앤트로픽의 Claude가 있다. 세 서비스 모두 질문에 답하고 글을 작성하며 자료를 요약하는 기본 기능을 갖췄지만, 연결되는 서비스와 결과물을 만드는 방식에는 차이가 있다.무엇부터 해야 할지 모르면 'ChatGPT'ChatGPT는 한 가지 전문 작업보다 여러 생활·업무를 두루 처리하려는 사람에게 적합하다. 문자나 이메일 초안을 작성하고, 어려운 용어를 쉽게 설명하거나 여행 일정과 식단을 짜는 것부터 문서·표·이미지 제작까지 한 대화 안에서 이어가기 편하다.오픈AI는 ChatGPT의 주요 용도로 질문과 학습, 글쓰기, 웹 검색, 이미지 생성, 선택지 비교, 문서·프레젠테이션·스프레드시트 제작 등을 안내하고 있다. 따라서 “AI를 처음 써보는데 무엇부터 할지 모르겠다”는 시민이라면 범용 도구로 시작하기 쉽다.예를 들어 냉장고 안의 식재료를 사진으로 보여주고 요리법을 묻거나, 행사 안내문을 작성한 뒤 같은 내용으로 포스터 시안을 만들어 달라고 요청할 수 있다. 여러 종류의 일을 하나의 AI에서 이어가려는 시민에게 편리한 선택이다.Gmail·구글 문서·유튜브를 자주 쓴다면 'Gemini'Gemini는 Gmail, 구글 문서, 드라이브, 지도, 유튜브 등 구글 서비스를 평소 많이 이용하는 시민에게 친숙하다. 텍스트뿐 아니라 이미지와 음성 등 여러 형식의 정보를 함께 다루고, 긴 자료를 올려 요약하거나 블로그 글의 구성과 이미지를 만드는 데도 활용할 수 있다.특히 이메일 내용 정리, 구글 문서 초안 작성, 여행지와 이동 경로 조사, 유튜브 영상 내용 파악처럼 구글의 생활 서비스와 연결되는 작업에서 접근성이 좋다. 다만 연동 가능한 서비스와 기능은 계정, 지역, 요금제에 따라 다를 수 있으므로 실제 화면에서 이용 가능 여부를 확인해야 한다. 구글 검색과 Gmail, 문서도구를 이미 익숙하게 사용하는 사람이라면 별도의 작업 환경을 새로 배우는 부담을 줄일 수 있다는 점이 장점이다.긴 글을 읽고 차분하게 정리하려면 'Claude'Claude는 긴 보고서나 여러 문서를 읽고 핵심 논리를 정리하거나, 초안을 자연스러운 문장으로 다듬는 작업에 활용하기 좋다. PDF·워드·엑셀·이미지 등을 올려 내용을 분석하고, 복잡한 자료에서 쟁점과 선택지를 나누어 달라고 요청할 수 있다.또한 ‘Artifacts’ 기능을 활용하면 정리된 내용을 문서, 도표, 시각화 자료 또는 간단한 대화형 결과물로 만들어 확인할 수 있다. 긴 회의록을 의제별로 분류하거나 사업계획서의 논리적 빈틈을 찾고, 장문의 글에서 중복 문장을 줄이는 작업에 유용하다. 글쓰기에서는 “짧게 써줘”보다 “원래 주장과 말투는 유지하고 중복 표현만 줄여 1천 자로 다듬어줘”처럼 기준을 구체적으로 제시해야 원하는 결과에 가까워진다.생활 속에서는 전용 도구를 함께 쓰는 편이 쉽다대화형 AI가 아이디어와 문장을 만들어 준다면, 전용 제작 도구는 그것을 실제 결과물로 바꾸는 역할을 한다.Canva는 행사 안내문, 카드뉴스, 메뉴판, 명함과 발표자료처럼 디자인이 필요한 작업에 활용하기 쉽다. 문장이나 주제를 입력해 발표자료 초안을 만들고, 만들어진 디자인을 다시 편집할 수 있다. 가족사진과 여행 영상을 짧은 추억 영상으로 만들 때는 CapCut과 같은 영상 편집 도구가 편리하다. 영상 비율을 정하고 음악·자막·효과를 추가할 수 있으며, 사진 한 장을 영상 제작의 시작점으로 사용하는 기능도 제공한다. 다만 얼굴과 음성을 복제하는 기능은 반드시 본인이나 가족의 동의를 받은 뒤 사용해야 한다. 생각을 발표자료나 카드 형태로 빠르게 정리하고 싶다면 Gamma를 활용할 수 있다. 간단한 주제나 기존 원고를 입력하면 프레젠테이션, 문서, 웹페이지 형태의 초안을 만들고 PDF나 파워포인트 등으로 내보낼 수 있다. 소규모 상품 판매를 시작하려는 시민은 쇼핑몰 제작 서비스의 AI 기능을 이용해 상품 설명, 페이지 구성, 사진 배치와 디자인 초안을 만들 수 있다. 예를 들어 Shopify의 AI 보조 기능은 쇼핑몰 주제 선택, 상품 사진 추가, 디자인 수정 등을 지원한다. 다만 결제·배송·환불·개인정보 처리방침은 AI가 만든 문장을 그대로 사용하지 말고 사업자가 직접 확인해야 한다. 처음부터 여러 AI를 결제할 필요는 없어처음 AI를 사용하는 시민이라면 세 서비스를 모두 유료로 가입하기보다 무료 이용 범위에서 같은 질문을 각각 입력해 보는 방법이 좋다. 답변의 정확성뿐 아니라 문장의 이해도, 수정의 편리성, 자신이 쓰는 앱과의 연결성을 비교하면 자신에게 맞는 도구를 찾을 수 있다.한 가지 AI로 초안을 만들고 다른 AI로 검토하는 방법도 효과적이다. 예를 들어 Gemini로 최근 자료를 찾고, Claude로 긴 자료를 정리한 뒤, ChatGPT에서 시민들이 이해하기 쉬운 기사나 안내문과 이미지로 구성하는 식이다. 다만 AI 세 개가 같은 내용을 말한다고 해서 반드시 사실이 되는 것은 아니다. 세 서비스가 비슷한 인터넷 자료를 바탕으로 같은 오류를 반복할 수도 있기 때문이다.AI에 맡겨도 최종 책임은 사람에게생성형 AI는 존재하지 않는 통계나 기관명, 책 제목, 인터넷 주소를 사실처럼 제시할 수 있다. 구글도 Gemini를 비롯한 대규모 언어모델이 정확하지 않거나 오해를 부르는 답을 자신 있게 생성할 수 있다고 안내한다. 따라서 지원금, 의료, 법률, 금융, 제품 가격과 같이 생활에 직접 영향을 주는 정보는 정부·공공기관·병원·금융회사 등 원문을 다시 확인해야 한다.주민등록번호, 계좌번호, 진료기록, 학생 생활기록, 회사의 미공개 자료와 다른 사람의 얼굴 사진을 무심코 입력해서도 안 된다. 문서가 필요하다면 이름과 연락처 등 개인 식별 정보를 먼저 가린 뒤 올리는 습관이 필요하다.AI 선택의 핵심은 ‘가장 강한 AI’를 찾는 데 있지 않다. 글을 쓰고 이미지를 만들며 여러 일을 한곳에서 처리하려면 ChatGPT, 구글 서비스와 자료 탐색이 생활의 중심이라면 Gemini, 긴 문서와 복잡한 생각을 차분하게 구조화하려면 Claude가 출발점이 될 수 있다.처음에는 하나의 작은 생활 문제를 맡겨보면 된다. “이번 주 냉장고 식재료로 저녁 메뉴를 짜줘”, “부모님 여행 사진으로 1분 영상의 순서를 정해줘”, “내 상품의 장점을 과장 없이 세 문장으로 써줘”처럼 구체적으로 요청할수록 AI는 시민들의 일상에 가까운 도구가 된다.

추석에 고향 가면 다들 하는 일이 있다. 부모님 폰 봐드리기. "이거 왜 자꾸 광고가 떠." "글씨가 작아졌어." "누가 자꾸 문자를 보내." 그러다 홈 화면을 넘겨보면 정체 모를 앱이 서른 개쯤 나온다. 누가 깔았는지 본인도 모른다. 대리점 직원이, 손주가, 광고 배너가, 그리고 어쩌면 사기범이. 보안 하는 사람 입장에서 이건 명절 소일거리가 아니라 실전 점검이다. 10분이면 되니 순서대로 해보시라.첫째, 모르는 앱은 지운다. 이름이 영어거나, 아이콘이 어디서 본 듯한데 뭔지 모르겠거나, 설치 시점이 최근이면 지운다. 걱정할 것 없다. 필요한 앱은 지워도 다시 깔면 되지만, 나쁜 앱은 남아 있으면 계속 나쁘다.둘째, 원격제어 앱을 찾는다. 이게 제일 중요하다. 보이스피싱 조직이 "휴대폰 점검해드리겠다"며 깔게 하는 게 이 앱이고, 한번 깔리면 그때부터 폰 화면은 상대방 것이다. 은행 앱도, 인증 문자도. 본인이 왜 깔았는지 설명 못 하는 원격제어 앱이 있으면 지우고, 최근 그런 전화를 받은 적 없는지 꼭 물어보시라. 그 대화가 이번 명절에 나눌 수 있는 가장 중요한 대화일 수 있다.셋째, 설정에서 '출처를 알 수 없는 앱 설치 허용'을 끈다. 문자 링크로 가짜 앱을 깔게 만드는 스미싱은 이 문이 열려 있어야 성립한다. 닫아두면 사기범이 보낸 링크를 눌러도 설치 자체가 안 된다. 한 번 끄면 끝나는 설정인데, 어르신 폰의 상당수가 열려 있다.넷째, 자동결제를 확인한다. 구독한 기억이 없는 서비스에 매달 몇천 원씩 빠져나가는 경우가 흔하다. 앱 마켓의 구독 관리와 통신사 앱의 부가서비스 항목을 보면 된다. 부모님이 "이건 무료라고 했는데"라고 하시는 건 대개 첫 달만 무료다.다섯째, 업데이트와 백업이다. 몇 년째 미뤄둔 운영체제 업데이트를 눌러드리고, 사진을 클라우드나 손주 폰으로 백업해드린다. 폰을 잃어버리거나 사기당해서 초기화하게 됐을 때, 어르신에게 제일 큰 상실은 돈이 아니라 손주 사진이다.마지막은 설정이 아니라 약속이다. "모르는 번호가 돈 얘기하면 일단 끊고 나한테 전화해." 이 한마디가 위의 다섯 가지를 합친 것보다 세다. 사기범이 제일 두려워하는 건 최신 보안 앱이 아니라, 피해자가 전화를 끊고 자식에게 확인하는 그 30초다. 앱 서른 개를 지우는 것도 좋지만, 그 30초를 만들어드리고 오시라.*본 칼럼 내용은 본지 편집방향과 다를 수 있습니다.

[데일리환경=정이든 기자] 차체 안으로 들어가는 매립형 도어 손잡이가 전기차를 중심으로 빠르게 확산하고 있다. 공기 흐름을 매끄럽게 해 공기저항을 줄이고 차량 외관을 깔끔하게 만드는 장점이 있지만, 사고로 저전압 전원이 끊기거나 전자식 잠금장치가 손상됐을 때 문을 어떻게 열어야 하는지 시민들이 알기 어렵다는 문제가 뒤따른다. 매립형 또는 플러시 도어 손잡이는 평소 차체 표면과 거의 같은 높이로 들어가 있다가 스마트키가 접근하거나 운전자가 손잡이를 누르면 밖으로 나오거나 한쪽이 들리는 구조다. 모든 매립형 손잡이가 전동식인 것은 아니다. 손으로 한쪽을 눌러 반대편을 잡아당기는 기계식 손잡이도 있고, 모터가 손잡이를 밀어내는 전동식도 있다.차 안쪽 개방 방식도 다르다. 일반 손잡이를 당겨 기계적으로 문을 여는 차량이 있는가 하면, 버튼을 누르면 전기신호가 잠금장치를 해제하는 차량도 있다. 일부 차량은 평상시 사용하는 전자식 버튼과 별도로 정전·사고 때 사용할 기계식 비상개방 레버나 케이블을 마련하고 있다.문제는 이 비상장치의 위치와 작동법이 통일돼 있지 않다는 점이다. 운전석과 앞좌석은 눈에 잘 띄는 레버를 당기면 열리지만 뒷좌석은 도어 포켓 안쪽, 스피커 덮개 아래, 매트나 수납공간 안쪽에 케이블이 숨겨진 차종도 있다. 앞문과 뒷문의 방식이 다르거나 차량의 연식과 좌석 위치에 따라 장치 유무가 달라지는 사례도 있어 다른 차에서 익힌 방법을 그대로 적용하기 어렵다.전자식 문이라고 해서 사고 때 반드시 열리지 않는다는 뜻은 아니다. 정상적으로 충돌신호를 감지해 자동으로 잠금을 해제하는 차량도 있다. 그러나 사고 충격으로 배선이나 제어장치가 손상되거나 저전압 배터리의 전력이 부족하면 전자식 개방 기능이 작동하지 않을 가능성을 배제할 수 없다. 이때 탑승자는 기계식 비상개방장치를 사용해야 한다.차량 밖의 구조자에게는 문제가 더 복잡하다. 전원이 끊겨 매립형 손잡이가 나오지 않으면 기계식 장치가 차 안에 있더라도 외부에서 문을 열기 어려울 수 있다. 사고로 문틀이 변형되거나 잠금장치가 물리적으로 손상된 경우에는 손잡이가 정상이어도 문이 열리지 않을 수 있으므로, ‘전자식 고장’과 ‘차체 변형’을 구분할 필요도 있다.미국에서는 이런 위험이 실제 안전조사로 이어졌다. 미국 도로교통안전국(NHTSA)은 2025년 저전압 공급이 부족해 외부 전자식 도어 손잡이가 작동하지 않았다는 신고와 관련해 2021년형 테슬라 모델Y 약 17만4천 대를 대상으로 예비조사에 착수했다. NHTSA 조사 관련 보도에 따르면 신고 사례 가운데는 외부에서 어린이를 꺼내기 위해 유리창을 깨야 했다는 내용도 포함됐다. 다만 조사는 결함 여부를 판단하는 절차이므로 조사 착수 자체를 결함 확정으로 해석해서는 안 된다. 미국 의회에서도 전기차의 기계식 비상개방장치를 쉽게 찾고 사용할 수 있도록 하자는 ‘SAFE Exit Act’가 2026년 발의됐다. 법안은 비상개방장치의 위치와 표시를 알기 쉽게 하고, 구조자가 차량 밖에서도 접근할 수 있는 방안을 다룬다. 중국은 한발 더 나아갔다. 중국 정부가 발표한 새 기준은 2027년 1월 1일부터 새로 출시되는 차량에 차 안과 밖에서 작동할 수 있는 기계식 개방 기능을 요구한다. 외부 손잡이는 손으로 잡을 공간을 확보하고, 내부 장치는 탑승자가 쉽게 알아볼 수 있도록 위치와 표시 요건을 강화하는 내용이 포함됐다. 기존 승인 차량에는 2029년까지의 유예기간이 주어졌다. 유엔 유럽경제위원회에서도 충돌 이후 차량 문을 열고 탑승자를 구조할 수 있도록 관련 규정 보완 논의가 진행되고 있다. 이는 매립형이라는 디자인 자체보다 전원이 사라진 뒤에도 문을 기계적으로 열 수 있는지, 장치가 눈에 잘 띄고 직관적으로 작동하는지가 안전의 핵심이라는 의미다. 국내 자동차 안전기준에는 문과 잠금장치의 구조, 충돌 때 문이 열리지 않도록 하는 성능 등 일반적인 기준이 마련돼 있다. 그러나 공개된 기준을 기준으로 보면 매립형 외부 손잡이와 전자식 내부 개방장치에 대해 비상용 기계식 장치의 위치·표시·작동방식을 차종 간 동일하게 만드는 별도 세부기준은 확인하기 어렵다.기존 기준은 주로 충돌 중 탑승자가 차량 밖으로 튕겨 나가지 않도록 문이 닫힌 상태를 유지하는 성능에 초점이 맞춰져 있다. 이제는 충돌 후 탑승자 스스로 탈출하거나 구조대가 문을 신속히 열 수 있는 ‘사후 개방성’까지 함께 살펴야 한다.시민들이 가장 먼저 해야 할 일은 자신의 차량에 기계식 비상개방장치가 있는지 확인하는 것이다. 차량 사용설명서에서 ‘비상시 도어 열기’, ‘수동 도어 개방’, ‘기계식 잠금 해제’ 등의 항목을 찾아 운전석뿐 아니라 조수석과 뒷좌석의 위치를 각각 확인해야 한다.덮개를 열거나 수납함 안쪽의 케이블을 당겨야 한다면 덮개 제거 순서와 당기는 방향도 익혀둘 필요가 있다. 단, 장치에 따라 실제 작동 시 내장재나 창문 장치가 손상될 수 있으므로 제조사가 허용한 방식 안에서 정차 상태로 위치와 동작 순서를 확인해야 한다.어린이나 고령자에게는 말로만 설명하는 것으로 충분하지 않을 수 있다. 어느 좌석에서 어떤 장치를 찾아야 하는지 직접 보여주고, 평소 사용하는 전자식 버튼과 비상용 기계식 레버가 어떻게 다른지 알려줘야 한다. 렌터카나 공유차량을 이용할 때도 출발 전에 비상개방 방법을 간단히 확인하는 습관이 필요하다.유리창 파쇄도 만능 대책은 아니다. 차종에 따라 옆유리에 접합유리가 사용돼 일반 비상망치로 쉽게 깨지지 않을 수 있다. 자신의 차량에 강화유리와 접합유리 중 어떤 유리가 적용됐는지, 제조사가 안내하는 비상탈출 방법이 무엇인지 미리 확인하는 편이 안전하다.정부와 제작사는 소비자에게 모든 책임을 돌려서는 안 된다. 비상개방장치가 있더라도 어두운 실내에서 찾기 어렵거나 뒷좌석 승객이 쉽게 사용할 수 없다면 실질적인 안전장치라고 보기 어렵다. 기계식 장치의 설치 여부뿐 아니라 좌석에서 손이 닿는 위치, 어둠 속 식별성, 통일된 그림표시, 어린이·고령자의 조작 가능성까지 평가해야 한다.자동차의 첨단화는 손잡이를 보이지 않게 만드는 데서 끝나서는 안 된다. 평소에는 매끈한 디자인을 유지하더라도 사고로 전원이 사라진 순간에는 누구나 같은 방식으로 문을 열 수 있어야 한다. 안전장치는 위급한 순간에 처음 찾는 장치가 아니라, 구매 직후 위치와 사용법을 익혀두는 장치여야 한다.