생성형 AI, 우주 탐사에 새로운 자율성을 제공하다
Generative AI Gives Spacecraft the Autonomy Engineers Once Feared
IEEE Spectrum AINASA가 화성 로버 경로 계획에 생성형 AI를 활용하고 ISS에서 유지보수 모델을 테스트하는 등, 우주 탐사 분야에 인공지능 도입이 가속화되고 있습니다.
- 과거에는 예측 가능한 시스템이 중요했지만, 임무의 복잡성과 원거리 이동으로 인해 주변 환경을 해석하고 스스로 결정을 내리는 자율성이 핵심 동력으로 부상했습니다.
- 목성이나 유로파처럼 지구와 멀리 떨어진 곳에서 발생하는 급변하거나 예상치 못한 상황에 대응하려면 기계가 실시간으로 판단하는 능력이 필수적입니다.
- 향후 과제는 AI의 신뢰성을 확보하고 자율성이 가져올 잠재적 위험을 관리하며, 미세중력 환경에서의 데이터 부족 문제를 해결하는 것입니다.
NASA는 화성 탐사 로버 경로 계획에 앤트로픽의 Claude 모델을 활용하는 등 생성형 AI를 우주 임무에 도입하고 있다. 실제로 NASA와 IBM은 국제우주정거장(ISS)과 위성에 압축된 AI 모델을 탑재하여 궤도에서 홍수나 구름 같은 현상을 식별하는 데 사용했으며, 우주비행사들은 ISS에서 유지보수 절차 관련 질문에 을 테스트하기도 했다. 이러한 실험은 과거 엔지니어들이 지구상에서 결정했던 시스템의 역할을 넘어, AI가 주변 환경을 해석하고 스스로 임무를 계획하며 결정을 내리는 방향으로 우주 공학이 변화하고 있음을 보여준다.
자율성의 필요성은 특히 지구와 멀리 떨어진 미션일수록 두드러진다. 과거에는 엔지니어들이 행동 예측이 가능한 결정론적 시스템을 선호했지만, 임무가 복잡해지고 원거리로 이동함에 따라 이 모델은 한계에 부딪혔다. 예를 들어 목성의 유로파 탐사 같은 경우, 지표면의 엔지니어가 실시간으로 지시하기 어려울 만큼 빠르게 발생하는 상황에 대응하려면 우주선 자체에 진정한 자율성이 필수적이다.
상업용 로봇 공학 분야에서는 미세중력 환경이 큰 난관을 제기한다. 지구에서 학습된 최신 로봇 모델이라도 궤도 공간의 물리 법칙은 완전히 다르기 때문에 즉시 실패할 수 있다. 따라서 전문가들은 자율 시스템에 대한 목표를 '절대 오류가 없도록 보장하는 것'이 아니라, 제한된 응용 분야부터 시작하여 시스템의 행동을 학습하고 점진적으로 사용 범위를 확장하며 배포 위험을 관리하는 데 초점을 맞춰야 한다고 제언한다.
용어 풀이
- LLM
- 방대한 글을 학습해 문장을 이해하고 만들어 내는 AI 모델. ChatGPT, Claude, Gemini가 여기에 속해요.