전통적 방식에서 AI 기반으로의 아키텍처 변화에 대한 실증 연구

사이버 물리 시스템(CPS)에서 효과적인 AI 채택은 설계 지식을 엔지니어링 관행에 내재화하는 것에 달려 있습니다. 그러나 AI가 활성화된 컴포넌트들이 분석적으로 도출된 제어 법칙을 점점 대체함에 따라, 이러한 변화는 컨트롤러 아키텍처가 패러다임 간에 어떻게 다르거나 유사한지에 대한 체계적인 이해 없이 발생하고 있습니다. 본 연구는 문헌에서 파생된 10가지 구조적 범주와 9가지 기능적 역할을 바탕으로 전통적 방식과 AI 기반 Simulink 컨트롤러를 실증적으로 연구하여 이러한 격차를 해소하고자 합니다. 이 연구는 8가지 컨트롤러 유형과 10가지 응용 분야에 걸친 62개의 실제 모델을 분석하고, 13명의 전문가들을 설문 조사하여 세 가지 아키텍처적 긴장 관계를 식별했습니다. 첫째, 서브시스템 구성은 패러다임에 관계없이 모든 컨트롤러 구조에서 지배적이며, 컨트롤러 전체 면적의 68-72%를 차지하는 반면, 핵심 제어 로직은 최소한의 공간을 차지합니다. 둘째, AI 기반 컨트롤러는 이산 동역학(discrete dynamics)과 사용자 정의 추상화에 크게 의존하는데, 이는 AI 문헌에서 거의 찾아볼 수 없는 범주이며, 기술된 아키텍처와 구현된 아키텍처 사이에 격차를 노출시킵니다. 셋째, 전문가들의 기대에도 불구하고 제약 조건 강제 블록(constraint enforcement blocks)이 AI 기반 모델에서는 크게 사라지는 경향을 보입니다. 이는 안전 메커니즘이 명시적인 구조에서 암묵적인 학습 시간 아티팩트(training-time artifacts)로 이동하면서 추적성(traceability)이 깨지는 불일치를 보여줍니다.