AI 사출성형기가 실제로 출시됐다는 뉴스를 봤습니다. 솔직히 첫 반응은 "드디어 왔구나"가 아니라 "내 자리는 괜찮을까"였습니다. 30년 가까이 현장에서 쌓아온 공정 경험이 데이터 몇 줄로 대체될 수 있다는 생각이 들자 기대보다 불안이 먼저였습니다. 그런데 자료를 찾아보고 나서야 알게 됐습니다. AI가 필요로 하는 게 바로 저 같은 사람이 현장에서 버려온 그 데이터라는 걸. 현장에서 버려온 데이터, 알고 보니 학습 원료였다성형기 메모리 용량이 작다는 건 업계에서 오래된 불만입니다. 조건지를 서너 장 쌓으면 자리가 없어서 폐기하고, 또 새로 작성하고. 저도 수십 년 동안 그렇게 해왔습니다. 당시엔 그냥 "어쩔 수 없다"라고 넘겼는데, 지금 생각하면 그 종이 한 장 한 장이 전부 학습 데이터였던 겁니다.머신..

사출성형 현장에서 20년 넘게 일하면서, 조건 하나 바꿀 때마다 머릿속에서 수백 번 시뮬레이션을 돌렸습니다. 바이오 베이스 플라스틱이나 탄소섬유강화 플라스틱(CFRP) 같은 신소재가 들어오면 그 부담은 몇 배가 됐습니다. 그런데 머신러닝이 그 암호를 대신 풀어줄 수 있다는 이야기를 접했을 때, 솔직히 처음엔 반신반의했습니다. 지금은 생각이 완전히 달라졌습니다. 데이터가 없으면 데이터를 만든다 — 데이터 합성의 발상머신러닝 얘기가 나오면 현장 사람들이 가장 먼저 하는 말이 있습니다. "데이터가 없는데 어떻게 씁니까?" 저도 똑같이 물었습니다. 신소재일수록 축적된 실험 데이터가 없고, 있어도 포맷이 제각각이라 쓸 수가 없습니다.케이스 웨스턴 리저브 대학교(Case Western Reserve Universi..