"액체 신경망과 에지 기술로 AI 지속 가능성 문제 해결 가능"

“기존 딥러닝(심층 학습) 모델보다 에너지 효율이 약 100배 높은 ‘액체 신경망(LN-N·Liquid Neural Network)’으로 피지컬 AI(Physical AI·자율주행차나 로봇 등 물리적 형태가 있는 AI) 확산에 따른 지속 가능성 문제를 해결할 수 있을 것이다. 오늘날 필요한 컴퓨팅 및 전력의 극히 일부만으로 강력한 추론이 가능하다는 얘기다.”

루마니아 출신 다니엘라 루스(Daniela Rus) 미국 매사추세츠공대(MIT) 컴퓨터과학·인공지능연구소(CSAIL) 소장은 피지컬 AI의 시대가 오면서 AI의 지속 가능성이 도전받을 것이라면서도 이같이 낙관했다.

루스 소장은 공기나 액체 등의 압력에 의해 부드럽고 세밀하게 움직이는 로봇인 ‘소프트 로봇’ 분야 세계 최고 전문가 중 한 명이다. 2002년에는 미국 맥아더재단이 여러 분야에서 탁월한 독창성과 통찰력을 보인 천재에게 수여하는 ‘맥아더 펠로십’을 수상했다. 그가 이끄는 CSAIL은 MIT 내 최대 연구 조직이다. 현재 연구소에 60여 개 연구실이 있으며, 매년 6500만달러(약 956억원)를 연구에 투자한다. 루스 교수는 CSAIL에서 스핀오프한 인공지능(AI) 스타트업 ‘리퀴드 AI’ ..