저는 유행어(buzzword)만 가득한 AI 프로젝트와 영향력이 미미한 데모에 지쳤습니다. 이 LLM들로 또 다른 챗봇을 만드는 것보다, 분명 더 영감을 주는 무언가를 할 수 있을 것입니다.

저에게 있어 그 답은 물리적 AI(physical AI)입니다. 모든 혁신적인 기술들이 마침내 현실 세계에 도달하여, 스스로 보고 움직이며 문제를 해결하는 로봇들로 구현되는 순간 말이죠. 저는 이것이 현재 기술 분야에서 가장 흥미로운 최전선이라고 생각합니다.

하지만 이 분야는 진입하기가 정말 어렵습니다. 왜냐하면 단일 분야가 아니기 때문입니다. 전자공학(electronics), 기계공학(mechanics), 프로그래밍(programming), 데이터(data), 그리고 AI까지 다섯 가지 분야가 쌓여 있습니다. 8개월 전, 저는 제 로봇 공학 여정을 처음부터 시작했고, 완전히 압도당했습니다.

LED를 깜빡이는 것에서 설거지를 하는 휴머노이드까지 어떻게 도달하나요?

어디서부터 무엇을 해야 할지, 혹은 이 모든 것이 궁극적으로 무엇을 향하고 있는지 감을 잡기 어려운 수많은 튜토리얼들이 흩어져 있습니다.

그래서 저는 지도를 만들기로 했습니다.

제가 가장 좋아하는 게임에서 최고의 아이디어를 가져왔습니다. 만약 Satisfactory나 Civ Six 같은 공장 건설 또는 전략 게임을 해본 적이 있다면 그 느낌을 알 것입니다. 거의 아무것도 없는 상태에서 시작하여, 만족스러운 단계마다 새로운 기술을 잠금 해제하는 경험 말입니다.

그러한 게임들은 우리가 명확하게 펼쳐진 잠금 해제 트리(tree of unlocks)로 제시된다면, 아무리 복잡해 보이는 시스템이라도 몇 시간이고 몰두하며 마스터할 의향이 있다는 것을 증명합니다.
그렇다면 왜 이 같은 본능을 실제 학습에 적용하지 않을까요?

기술 트리는 정확히 이것입니다: 각 노드가 기술(skill)이며, 각 연결고리가 전제 조건(prerequisite)인 구조화되고 시각적인 경로입니다. 가장 왼쪽의 '호기심(Curiosity)'에서 시작하여 전자공학, 기계공학, 코딩, 데이터, AI를 거쳐 자율 로봇 및 휴머노이드까지 나아갑니다. 아이디어는 간단합니다: 게임 시간을 학습 시간으로 바꾸는 것입니다.

이 트리가 실제로 무엇인지

트리의 모든 노드는 학습해야 할 기술이며, 별 모양의 노드들은 이론이 마침내 납땜 인두와 만나는 실습 프로젝트입니다. 노드는 학문 분야별로 색상이 지정되어 있어, 전자공학(electronics), 기계공학(mechanics), 프로그래밍(programming), 데이터 과학(data science), 또는 AI 중 어디에 속하는지 한눈에 알 수 있습니다.

이 프로젝트들이 바로 이정표입니다. 첫 LED를 깜빡이고, 작은 센서 스테이션을 만들고, 로봇 팔을 조립하고, 그다음에는 로봇 개를 만든 다음, SO-101 암이나 Reachy Mini 같은 더 진지한 영역으로 나아갑니다. 트리는 각 프로젝트로 연결되면서 좁아졌다가, 다른 쪽에서 새로운 기술이 해제될 때 다시 퍼져나갑니다.

graph structure view

그래프 데이터베이스 구조는 의존성(dependencies)과 시각적인 학습 경로를 가능하게 합니다. 콘텐츠 자체는 표준 문서 패키지(standard documentation packages)를 기반으로 구축되었기 때문에, 모든 엔지니어라면 익숙할 것입니다!

docs view

하지만 가장 중요한 부분은 이겁니다. 저는 로봇 공학을 처음부터 다시 쓰려고 하는 것이 아닙니다. 이미 창작자, 강좌, 문서 등 곳곳에 엄청나게 많은 훌륭한 콘텐츠가 존재합니다. 저희는 이 모든 지식을 재창조하는 것이 아닙니다. 단지 이 놀라운 자료들을 탐색하기 더 쉽게 만드는 것입니다. 이 기술 트리는 그 모든 것 위에 놓인 지도이며, 각 기술에 맞는 올바른 리소스를 그리고 마침내 말이 되는 순서로 안내해 줍니다.

이것은 제가 가장 많이 듣는 세 가지 질문에 답하도록 만들어졌습니다:

• 어디서부터 시작해야 하나요?
• LED 깜빡이기에서 자율 로봇까지 어떻게 가나요?
• 저는 소프트웨어, 기계 또는 데이터 배경 출신인데, 무엇이 부족한가요?

솔직히 말씀드리자면: 이 지도는 아직 완성 단계와는 거리가 멉니다. 그런데도 제가 일부러 공개했습니다.
이것은 오픈 소스(open source)이며 커뮤니티 주도 프로젝트입니다. 왜냐하면 한 사람이 전체 분야를 지도화하려고 한다면 항상 무언가를 놓치기 마련이기 때문입니다.
만약 여러분이 좋아하는 튜토리얼, 어떤 개념을 이해하는 데 결정적인 도움이 된 강좌, 또는 더 일찍 발견했으면 좋았을 만한 자료가 있다면 추가해 주셔도 좋습니다.

풀 리퀘스트(pull request)나 이슈를 열어주세요. 그리고 개선하는 모든 노드는 다음 사람이 길을 찾도록 돕습니다. 저장소에는 노드를 추가하는 방법에 대한 간단한 가이드가 있으며, 쉽게 참여할 수 있도록 몇 가지 좋은 초기 이슈를 태그해 두었습니다.

제가 게시(publish)했을 때 무슨 일이 벌어졌나요

저는 조용히 공개하고 제가 아끼는 커뮤니티 몇 군데에 공유했습니다. 첫날 안에 수백 명의 사람들이 이 지도를 탐색했고, 수십 명이 저장소를 클론(clone)했으며, 최초의 포크(forks)가 나타났습니다.
분석 데이터를 보니 사람들은 단순히 훑어보고 떠나지 않았습니다. 그들은 노드 하나하나를 열고, 경로를 따라 이동하며, 자료들을 클릭했습니다. 이는 제가 게임-트리 형식(game-tree format)이 장려하기를 바랐던 정확한 행동 양식이었습니다.

아직 초기 단계이고 완벽하지 않지만, 바로 더 많은 손길을 거칠수록 좋아지는 종류의 것입니다.
저와 함께 지도를 만들어 보세요!
로보틱스를 배우거나 가르치거나, 또는 물리적 AI(physical AI)에 대해 단순히 궁금한 점이 있다면 여러분의 시선과 기여를 받고 싶습니다.

지도를 탐색해 보세요: https://www.backtoengineering.com/
별표를 누르고 기여하기: https://github.com/iuliaferoli/backtoengineering

여러분은 이 지도에 무엇을 추가하시겠습니까? 댓글이나, 더 좋은 방법으로는 PR로 알려주세요.