[태그:] 자율주행

도심 상공을 날아다니는 드론을 해킹하는 데 필요한 장비가 온라인 마켓에서 수십만 원이면 구해진다. 영화 속 이야기가 아니다. GPS 스푸핑 키트, RF 재머, 패킷 스니퍼 — 전부 실존하는 물건들이다. 이걸 이용한 드론 공격은 이미 공항 관제, 군사 시설, 기업 보안 현장에서 실제로 벌어지고 있다. 단순히 드론 하나 떨어뜨리는 게 전부가 아니다. 데이터 탈취, 스파이 활동, 물리적 충돌까지 — 드론 해킹이 뭔지, 어떻게 막는지 하나씩 짚어본다.

드론이 해킹 표적이 되는 이유

구조적으로 보면 이유가 명확하다. 드론은 조종기와 Wi-Fi, 무선 주파수(RF), GPS 신호로 통신한다. 이 신호들이 암호화되지 않았거나 허술하면 해커 입장에선 문이 열린 것이나 마찬가지다. 핵심은 이 통신 채널을 가로채거나 교란하는 것.

드론 자체가 지닌 가치도 문제다. 고성능 카메라가 달린 드론에는 측량 데이터, 시설 보안 정보, 개인 사생활 영상 같은 민감한 정보가 담긴다. 물류 배송 드론이라면 고가 상품, 농업용 드론이라면 작황 데이터가 탈취 대상이 된다. 결국 드론은 ‘날아다니는 데이터 저장소’이자 ‘원격 조종 가능한 도구’다. 해커들이 탐낼 만하다.

실제로 쓰이는 드론 해킹 수법 4가지

기술 수준도 천차만별이다. 고도의 전문 지식이 필요한 것도 있고, 비교적 간단한 장비로 가능한 기법도 있다. 대표적인 네 가지다.

• GPS 스푸핑 (GPS Spoofing): 가짜 GPS 신호를 쏴서 드론을 속이는 방식이다. 드론이 자기 위치를 잘못 인식하게 만들어, 해커가 원하는 좌표로 유도한다. 자동 복귀(Return-to-Home) 기능을 눌렀는데 드론이 집이 아닌 전혀 다른 곳으로 날아가는 — 이게 스푸핑의 결과다. 고전적이지만 여전히 효과가 크다.
• RF 재밍 (RF Jamming): 특정 주파수 대역에 강력한 노이즈 신호를 쏟아부어 드론과 조종기 사이 통신을 끊어버린다. 신호가 끊긴 드론은 제자리에 멈추거나 비상 착륙하거나, 최악의 경우 통제 불능으로 추락한다.
• 패킷 스니핑 & 주입 (Packet Sniffing & Injection): 통신 데이터를 몰래 엿듣는 ‘스니핑’과, 위조 명령을 끼워 넣는 ‘주입’ 공격을 합친 기법이다. 통신이 암호화되지 않았다면 실시간 영상 피드를 그대로 훔쳐볼 수 있고, ‘모터 정지’나 ‘강제 착륙’ 같은 명령을 외부에서 내리는 것도 가능하다.
• 펌웨어 취약점 공격 (Firmware Exploitation): 드론 운영체제 격인 펌웨어의 보안 허점을 파고드는 가장 정교한 방식이다. 성공하면 드론 전체 제어권을 빼앗을 수 있다. 제조사가 설정한 비행 고도 제한, 비행 금지 구역 설정도 전부 무력화된다. 이건 좀 다른 차원의 얘기다.

해킹당하면 실제로 어떤 일이 생기나

드론 해킹 피해가 기기 분실 하나로 끝나면 그나마 다행이다. 해커의 의도에 따라 결과는 훨씬 심각해진다.

첫째, 핵심 데이터 유출이다. 산업 현장을 촬영하던 드론이 해킹당하면 기업 기밀 설계 도면이나 생산 공정 정보가 경쟁사로 넘어갈 수 있다. 개인 사생활을 담은 영상이 유출되어 디지털 성범죄에 악용될 여지도 있다. 생각보다 피해 범위가 넓다.

둘째, 물리적 파괴와 운반 수단 악용이다. 해커가 드론을 직접 조종해 공항, 원자력 발전소, 데이터 센터 같은 핵심 시설에 충돌시키는 시나리오가 실제로 연구 대상이 되고 있다. 교도소나 국경 너머로 마약·무기 같은 금지 물품을 드론으로 날라 보내는 범죄도 이미 여러 차례 보고된 사례가 있다.

셋째, ‘드론 봇넷(Drone Botnet)’ 형성이다. 감염된 드론 여러 대를 ‘좀비 드론’으로 만든 뒤, 특정 서버나 네트워크를 향해 동시다발 디도스(DDoS) 공격을 퍼붓는 방식이다. 공상과학처럼 들릴 수 있지만, 기술적으로는 현실성이 충분한 위협이다.

창과 방패: 안티 드론 기술의 현재

위협이 커지면서 ‘안티 드론(Counter-Drone)’ 기술도 빠르게 발전하고 있다. 크게 탐지, 무력화, 파괴 — 세 단계로 나뉜다.

• 탐지 기술: 레이더, RF 스캐너, 음향 센서, 광학 카메라를 복합 운용해 미승인 드론 침입을 먼저 잡아낸다. AI 기반 이미지 분석 기술은 새와 드론을 구분하는 정확도를 꾸준히 높이는 중이다.
• 무력화 기술: 재밍(Jamming)이 가장 보편적으로 쓰인다. GPS 신호를 교란하는 스푸핑(Spoofing)으로 드론을 안전한 구역으로 유도해 착륙시키는 방법도 있다. 공격 기법을 역으로 방어에 쓰는 셈이다.
• 물리적 포획/파괴: 그물총을 쏘거나, 요격 드론을 띄워 포획하는 방식이다. 군사 목적으로는 고출력 레이저나 마이크로웨이브(HPM) 빔으로 드론 전자 회로를 태워버리는 기술도 실전에 쓰인다.

개인 드론 사용자가 당장 해야 할 것들

개인이 안티 드론 시스템을 직접 구축하긴 현실적으로 어렵다. 그래도 기본 수칙만 지켜도 위험을 상당 부분 낮출 수 있다.

첫째, 펌웨어를 항상 최신 상태로 유지해야 한다. 제조사는 보안 취약점이 발견되면 펌웨어 업데이트로 패치를 배포한다. 스마트폰 OS 업데이트처럼 드론 펌웨어도 주기적으로 확인하고 설치하는 습관이 필요하다.

둘째, 초기 비밀번호 변경은 기본 중의 기본이다. 드론 Wi-Fi나 관리자 계정의 기본 비밀번호는 제조사 매뉴얼에 공개된 경우가 많다. 복잡하고 추측하기 어려운 비밀번호로 즉시 바꿔야 한다. 이걸 그냥 두는 사람이 생각보다 많다.

셋째, 공용 Wi-Fi 환경에서 드론을 조종하는 건 피하는 게 낫다. 통신 내용이 그대로 노출될 가능성이 높기 때문이다. 보안이 검증된 공식 앱을 쓰는 것도 당연한 전제다.

보안 없는 드론은 그냥 날아다니는 취약점이다

드론은 이미 취미용 장난감 수준을 한참 넘어섰다. 물류, 농업, 건설, 미디어 — 산업 전반에서 핵심 도구로 자리를 굳혔다. 쓰임새가 넓어질수록 보안의 구멍도 커진다. PC나 스마트폰에 백신을 깔고 비밀번호를 거는 것처럼, 하늘을 나는 컴퓨터인 드론의 보안을 챙기는 건 이제 선택이 아닌 기본이 됐다. 드론을 사는 순간, 보안도 함께 사야 한다.

출처: TechCrunch

밤새 짠 코드가 경쟁사 서비스에 버젓이 들어가 있는 걸 발견했다. 그것도 내가 오픈소스로 공개한 코드라서 법적으로 문제없다는 주장까지 따라온다면. 이런 일이 실제로 벌어진다. 오픈소스를 ‘공짜’와 ‘자유’를 동의어로 착각하는 순간, 이런 상황이 생긴다. 그 경계를 정하는 게 라이선스다.

오픈소스는 공짜 뷔페가 아니다

공짜 뷔페라도 접시는 반납해야 하고, 음식을 외부로 싸들고 나가면 안 된다. 오픈소스도 마찬가지다. 누구나 쓸 수 있지만, 조건이 붙는다.

이 조건을 무시하면 단순한 에티켓 문제로 끝나지 않는다. 소스 코드 전체를 강제 공개해야 하거나, 거액의 손해배상 청구를 받는 상황이 온다. 스타트업 입장에서는 서비스 존폐를 건드리는 수준의 리스크다. 개발자든 기획자든, 우리 서비스에 어떤 오픈소스가 들어가 있고 그 라이선스가 뭘 허용하는지 모르면 곤란하다. 법정 다툼은 ‘몰랐다’는 말을 들어주지 않는다.

MIT, GPL, 아파치 — 3대 라이선스

오픈소스 라이선스 종류는 수십 가지지만, 실제로 현장에서 자주 마주치는 건 세 개다. MIT, GPL, 아파치(Apache) 2.0. 이 셋만 제대로 이해해도 웬만한 라이선스 이슈는 걸러낼 수 있다. 차이의 핵심은 딱 하나, ‘자유를 어디까지 허용하느냐’다.

• MIT: 출처만 남겨줘, 나머진 알아서 써. (가장 허용적)
• GPL: 내 코드로 만든 건 너도 똑같이 공개해야 해. (강력한 공유 의무)
• 아파치 2.0: MIT처럼 자유롭되, 특허 건드리는 건 안 돼. (실용성 + 법적 안전망)

각각 뭐가 다른지 뜯어보자.

MIT 라이선스: 조건이 딱 하나

React, VS Code, .NET Core. 이름만 대면 아는 프로젝트들이 MIT 라이선스를 쓴다. 그도 그럴 것이, 조건이 단 하나다. 원본 저작권 표시와 MIT 라이선스 원문을 결과물에 포함할 것. 그게 전부다.

• 상업적 이용, 수정, 복제, 배포 모두 자유.
• 소스 코드를 공개하지 않아도 된다.
• 다른 라이선스와 충돌할 일도 거의 없다.

기업들이 MIT를 제일 좋아하는 이유가 여기 있다. 갖다 쓰고, 수정하고, 상품으로 팔아도 된다. 저작권 고지 하나만 넣으면 그만이다. 자유도가 높은 만큼 다른 라이선스와의 호환성도 넓어서 복잡한 의존성 트리를 관리할 때도 상대적으로 편하다.

GPL 라이선스: 카피레프트의 칼날

GPL(GNU General Public License)은 MIT와 철학이 정반대다. 핵심 개념은 카피레프트(Copyleft). 저작권을 뜻하는 Copyright를 뒤집은 말로, 자유롭게 공유된 코드는 계속해서 자유롭게 공유되어야 한다는 사상이 담겨 있다.

• GPL 코드를 한 줄이라도 포함한 파생 프로그램은 반드시 동일한 GPL 라이선스로 소스 코드 전체를 공개해야 한다.

이게 왜 무섭냐면, 상용 소프트웨어에 GPL 코드가 단 한 줄 섞여 들어갔다가 전체 소스를 공개해야 할 수 있기 때문이다. 리눅스 커널, Git, 워드프레스가 GPL 기반이다. 오픈소스 정신을 가장 강력하게 지키는 장치지만, 기업 코드베이스에서는 가장 조심해야 할 라이선스다. 이건 좀 과하다 싶을 정도로 강제성이 세다. 참고로, 라이브러리 형태로 ‘연결’해서 쓰는 경우를 위해 제한을 완화한 LGPL이라는 버전도 있다. 라이브러리를 동적 링크 방식으로만 쓴다면 LGPL 쪽이 숨통이 트인다.

아파치 라이선스 2.0: 특허까지 건드린다

안드로이드, 쿠버네티스, Swift. 대규모 기업 주도 오픈소스 프로젝트가 아파치 2.0을 선택하는 데는 이유가 있다. MIT처럼 자유롭게 쓸 수 있으면서, 특허 문제를 명시적으로 다루기 때문이다.

• 상업적 이용, 수정, 배포 자유. 소스 코드 공개 의무 없음.
• 원본 저작권 및 라이선스 정보 명시 필요.
• 결정적 차이: 명시적 특허 조항이 들어간다. 기여자는 자신이 기여한 부분의 특허 사용권을 사용자에게 무료로 부여하고, 사용자는 기여자에게 특허 소송을 제기할 수 없다.

이 특허 조항이 구글·애플 같은 대기업이 아파치 2.0을 선호하는 이유다. 잠재적 특허 분쟁을 사전에 차단하는 안전장치 역할을 한다. MIT는 특허 관련 조항이 없어서, 규모가 커지면 법적 불확실성이 남는다. 그 지점에서 아파치 2.0이 더 안정적이다.

라이선스 위반, ‘몰랐다’는 말은 안 통한다

얼마 전 한 스타트업이 고객사 오픈소스 코드를 라이선스 규정에 어긋나게 가져다 썼다는 의혹이 테크 업계 뉴스에 올랐다. 이런 사건이 터지면 세 가지 타격이 동시에 온다.

• 법적 분쟁: 라이선스 소유자는 소스 코드 공개 요구나 손해배상 청구가 가능하다. 법정 싸움은 시간과 비용 모두 소모가 크다.
• 평판 훼손: ‘남의 코드 훔친 회사’ 낙인은 개발자 커뮤니티와 투자자 모두에게 치명적이다. 좋은 인재 영입도, 다음 투자 유치도 어려워진다.
• 프로젝트 중단: 문제 코드를 전부 식별하고 걷어내야 한다. 서비스 핵심 기능에 깊숙이 엮여 있으면 사실상 처음부터 다시 짜는 최악의 시나리오가 펼쳐진다.

결국 라이선스 관리는 개발 실무 중 하나가 아니다. 회사의 생존을 좌우하는 리스크 관리다. 나중에 투자받거나 M&A 협상 테이블에 앉았을 때, 라이선스 감사(audit)가 발목을 잡는 경우가 생각보다 많다.

어떤 라이선스를 골라야 할까

직접 오픈소스를 공개하거나, 제품에 어떤 라이선스의 코드를 써야 할지 모르겠다면 이 세 가지 질문만 던져보면 된다.

1. 다른 사람이 상업적으로 써도 괜찮은가?
대부분 괜찮다면 MIT나 아파치가 맞다. 조건을 최소화해서 사용자 저변을 넓히는 전략이다.

2. 내 코드를 쓴 파생 프로젝트도 반드시 공개하게 만들고 싶은가?
오픈소스 확산이 목표라면 GPL이 답이다. 상업적 활용도를 높이고 싶다면 MIT나 아파치를 선택해야 한다. 솔직히 여기서 갈린다. GPL을 택하는 순간, 기업 고객이 채택하기 어려워진다는 걸 감안해야 한다.

3. 여러 기업이 동시에 참여하는 프로젝트인가?
규모가 크고 특허 리스크가 있다면 아파치 2.0이 현명한 선택이다. 기여자 간의 잠재적 분쟁을 라이선스 텍스트 자체로 예방한다.

오픈소스는 개발 생태계를 키우는 진짜 자산이다. 단, 뒤에 붙은 규칙을 제대로 알고 써야 그 가치를 온전히 누릴 수 있다. 라이선스 하나 허술하게 관리했다가 서비스 전체가 흔들리는 일, 남 얘기가 아닐 수 있다.

출처: TechCrunch

테슬라 FSD를 켜놓고 뒷자리에서 잠드는 영상이 유튜브에 올라올 때마다 댓글이 둘로 갈린다. “이미 완전 자율주행 아니냐”는 쪽과 “저러다 죽는다”는 쪽. 둘 다 틀린 말은 아닌데, 문제는 논쟁의 전제 자체가 엇나가 있다는 거다. 얼마 전 Wired가 전한 내용도 마찬가지다. 로보택시 운행 중 위급 상황에서 사람이 원격으로 개입한다는 사실에 많은 사람이 “자율주행 아니었어?”라며 고개를 갸웃했다. 우리가 상상하는 자율주행과 실제 기술 사이의 간극, 생각보다 크다.

레벨을 모르면 기능을 과신한다

자율주행은 ‘된다/안 된다’의 이분법이 아니다. 국제자동차기술자협회(SAE)가 레벨 0부터 5까지 총 6단계로 구분한 데는 분명한 이유가 있다. 어느 레벨인지 모르고 타면 기능을 과신하다 사고로 이어진다. 사고가 났을 때 책임이 운전자한테 있는지 제조사한테 있는지도 레벨에 따라 완전히 달라진다. 단순한 기술 분류가 아니라 법적 기준이다.

레벨 0~2: 운전자가 여전히 주인공

지금 도로 위 차 대부분이 여기에 속한다. ‘자율주행’이라는 표현보다 운전자 보조 시스템(ADAS)이 더 정확하다.

• 레벨 0 (비자동화): 운전자가 모든 걸 제어한다. 자동 긴급 제동, 후방 충돌 경고 같은 단순 경고 기능만 포함된다.
• 레벨 1 (운전자 보조): 조향(차선 유지 보조)이나 가감속(어댑티브 크루즈 컨트롤) 중 하나만 보조한다. 동시에 두 가지는 안 된다. 손은 항상 운전대 위에 있어야 한다.
• 레벨 2 (부분 자동화): 조향과 가감속을 동시에 보조한다. 고속도로 주행 보조(HDA)가 여기다. 핵심은 이거다 — 시스템이 못 하는 상황이 오면 즉시 운전자가 받아야 한다. 모든 책임은 운전자에게 있다. 테슬라 오토파일럿도, FSD(Full Self-Driving) 베타도 법적으로는 레벨 2다. 이름이 ‘완전 자율주행’이어도.

레벨 3: 책임 소재가 바뀌는 지점

레벨 3부터 진짜 ‘자율주행’이라는 표현이 어울리기 시작한다. 제한된 조건 안에서 시스템이 운전의 주체가 된다. 고속도로 정체 구간처럼 정해진 상황에서는 운전대에서 손을 떼도 전방을 계속 주시하지 않아도 된다. 단, 시스템이 “이제 당신이 받아요”라고 요청하면 즉시 대응해야 한다. 무조건 딴짓만 해도 된다는 뜻이 아니다.

결정적인 차이는 책임이다. 시스템 작동 조건 내에서 사고가 나면 제조사가 책임진다. 제조사들이 레벨 3 기술을 내놓는 데 극도로 신중한 이유가 여기에 있다. 한번 출시하면 사고 책임을 고스란히 떠안아야 하니까.

레벨 4: 정해진 구역 안에서는 진짜다

운전자 개입이 거의 필요 없다. 지정된 지역(Geofencing) 내에서는 시스템이 주행 전체를 책임진다. 뒷자리에서 자도 된다. 시스템이 한계 상황을 만나면 스스로 안전한 곳에 정차한다. 멈추는 것 자체가 기능이다.

‘로보택시’라고 불리는 서비스들이 목표로 삼는 수준이 레벨 4다. 구글 웨이모(Waymo), GM 크루즈(Cruise)가 대표적이다. 미국 일부 도시에서 이미 운행 중이긴 한데, 지금은 여전히 ‘제한된’ 레벨 4라는 단서가 붙는다.

레벨 5: 이론적으론 완벽하다

운전대도 없고 페달도 없다. 날씨, 지역, 도로 상태에 상관없이 어디든 스스로 간다. 사람이 운전할 수 있는 모든 상황을 시스템이 처리한다. 이게 레벨 5다.

솔직히 말하면 아직 멀었다. 폭설, 비포장도로, 예고 없이 생기는 공사 구간 같은 극단적인 변수를 전부 처리하려면 현재 기술로는 부족하다. 어느 회사도 아직 거기에 못 미쳤다. 이론 속에 있는 단계라고 보는 게 현실적이다.

로보택시, 결국 몇 레벨인가

지금 상용화된 로보택시는 대부분 ‘제한된’ 레벨 4다. 특정 도시의 일부 구역, 맑은 날씨 같은 조건이 붙는다. 그 조건을 벗어나면 운행이 멈추거나 원격 관제 센터가 개입한다.

Wired 보도에서 나온 원격 제어도 이 맥락이다. 갑작스러운 공사 구간이나 시스템이 제대로 읽지 못하는 복잡한 교차로처럼, 스스로 해결하기 어려운 ‘엣지 케이스(Edge Case)’에 한해 사람이 보완하는 구조다. 기술적 결함이 아니라 안전 장치다. 이 둘을 구분하는 게 중요하다.

마케팅 이름과 실제 레벨은 다르다

‘완전 자율주행’이라는 이름으로 팔리는 기능이 실제로는 레벨 2인 경우가 많다. 운전자가 계속 주의를 기울여야 하는 단계인데, 이름만 들으면 다 알아서 한다는 인상을 준다. 이건 좀 심각한 간극이다.

기술은 빠르게 발전하고 있다. 그러나 레벨 5가 일상이 되려면 기술 문제만이 아니라 법제도, 보험 체계, 도로 인프라까지 함께 바뀌어야 한다. 남은 과제가 한두 가지가 아니다. 당분간은 내 차의 자율주행 레벨이 몇인지 정확히 알고, 그 범위 안에서 쓰는 게 제일 안전한 방법이다.

출처: Wired

차에서 스마트폰 보다가 속이 뒤집힌 경험, 한 번쯤은 있을 것이다. 멀미약은 졸리고, 지압 밴드는 반신반의하게 되고. 근데 최근 삼성 C-Lab에서 꽤 황당할 정도로 단순한 솔루션을 들고 나왔다. 헤드폰 꽂고 60초만 특정 소리를 들으면 멀미가 줄어든다는 거다. 약도 아니고, 특별한 장비도 없이 오직 소리만으로. 솔직히 처음 들었을 때 좀 의심스러웠다. 그래서 원리를 직접 파고들었다.

멀미, 뇌에서는 무슨 일이 벌어지나

원리부터 알아야 납득이 된다. 멀미는 한마디로 ‘뇌의 버그’, 즉 ‘감각 충돌’이다. 우리 몸의 평형감각은 두 가지 정보를 동시에 받아서 처리한다.

• 눈 (시각 정보): 지금 내 몸이 어디에 있고, 어떻게 움직이는지를 시각으로 인식한다.
• 귀 안쪽 전정기관 (평형 정보): 몸의 기울어짐, 가속도, 회전 같은 물리적 움직임을 감지한다.

평소엔 이 두 신호가 딱 맞아떨어진다. 걸어갈 때 눈은 풍경이 움직이는 걸 보고, 전정기관은 몸이 앞으로 나아간다고 느끼고. 뇌가 ‘걷고 있구나’라고 판단하는 게 자연스럽다. 문제는 차 안에서다. 스마트폰을 보면 눈은 ‘가만히 있다’는 신호를 보내는데, 전정기관은 ‘차가 흔들리고 가속하며 움직인다’는 신호를 동시에 보낸다. 두 센서에서 완전히 다른 데이터가 들어오는 셈이다. 이 감각 불일치(sensory mismatch)에 뇌가 혼란을 느끼고, 이걸 ‘독성 물질로 인한 이상 신호’로 오인해서 구토, 어지럼증 같은 방어기제를 작동시킨다. 그게 멀미다.

소리가 뇌의 버그를 디버깅한다고?

핵심은 이 감각 불일치를 어떻게 해소하느냐다. The Verge 보도에 의하면, 삼성 C-Lab이 개발한 ‘히어라피(Hearapy)’는 100Hz의 저주파 사인파(sine wave)를 이용한다. 헤드폰으로 60초간 이 소리를 들으면 멀미 증상이 완화된다는 주장이다.

이론은 이렇다. 귀 안쪽에는 소리를 듣는 달팽이관만 있는 게 아니다. 움직임을 감지하는 전정기관이 바로 옆에 붙어있다. 특정 주파수의 소리 진동이 이 전정기관을 미세하게 자극해서, 혼란에 빠진 평형감각 신호를 ‘리셋’하거나 ‘보정’하는 역할을 한다는 가설이다. 오류 난 센서에 특정 신호를 줘서 정상 범위로 되돌리는 디버깅 과정이라고 생각하면 딱이다. 뇌에게 ‘지금 들어오는 움직임 신호가 실제 상황이야’라고 확인시켜주는 거다. 소리를 통해서.

근거가 있긴 한가? 솔직히 따져보면

초기 단계 기술인 건 맞다. 모든 사람에게 효과가 있다고 단정 짓긴 어렵다. 사람마다 전정기관 민감도가 다르고, 멀미를 느끼는 조건도 제각각이기 때문이다. 근데 이게 완전히 근거 없는 이야기는 아니다. ‘갈바닉 전정 자극(GVS)’처럼 미세한 전기 신호로 전정기관을 자극해 균형감각을 조절하는 연구는 꽤 오래전부터 진행되어 왔다. 소리 진동을 이용하는 히어라피는 그 원리를 좀 더 쉽고 안전하게 일상으로 가져오려는 시도다.

결정적으로, 이런 앱은 부작용이 거의 없다. 멀미약처럼 졸리거나 입이 마르는 불편함 없이 써볼 수 있다는 점에서 이건 좀 매력적이다. 효과가 개인마다 다를 수 있더라도, 밑져야 본전이라는 마음으로 시도해보기엔 충분한 선택지다.

소리 말고도 이런 기술들이 있다

IT 업계가 멀미 해결을 위해 시도하는 건 히어라피만이 아니다. 감각 불일치를 줄인다는 핵심 원리는 같은데, 접근하는 방식이 제각각이다.

• 시각 정보 보강 (애플): iOS 업데이트에서 ‘차량 움직임 신호’ 기능을 선보였다. 화면 가장자리에 움직이는 점들을 표시해서, 눈에도 차량의 가속·회전 정보를 시각적으로 제공한다. 정지된 화면을 볼 때 생기는 시각과 전정기관의 불일치를 줄이는 방식이다.
• 인공 수평선 (시트로엥): 프랑스 자동차 회사 시트로엥이 내놓은 ‘씨트로엥(Seetroën)’ 안경은 특수 액체로 눈앞에 인공 수평선을 만들어낸다. 뇌가 이 수평선을 기준으로 움직임을 다시 인식하게 해서 멀미를 줄이는 원리다.
• 햅틱 피드백 시트: 차량 움직임에 맞춰 시트가 미세하게 진동하거나 움직여서, 탑승자에게 촉각으로 움직임 정보를 추가 제공하는 기술이다. 아직 연구 단계지만, 방향성은 있다.

자율주행 시대에 멀미 해결이 갑자기 중요해진 이유

이런 기술들이 한꺼번에 쏟아지는 데는 이유가 있다. 자율주행이다. 운전자가 운전대에서 손을 떼는 순간, 차 안의 모든 사람이 ‘승객’이 된다. 승객은 운전자보다 멀미를 훨씬 쉽게 느낀다. 운전자는 앞으로의 움직임을 예측하고 조작하지만, 승객은 예측 없이 수동적으로 움직임을 받아들이기 때문이다.

자율주행차 안에서 사람들이 편안하게 책을 읽고, 영화를 보고, 업무를 하려면 멀미 문제 해결이 필수다. 멀미 때문에 아무것도 못 하면 자율주행 기술의 가치는 반으로 줄어든다. 글로벌 자동차·IT 기업들이 멀미 저감 기술에 막대한 투자를 하는 이유가 바로 그것이다. 어쩌면 미래 자동차의 핵심 경쟁력은 주행 성능이 아니라 ‘얼마나 쾌적한 실내 경험을 제공하는가’가 될지도 모른다.

자주 나오는 질문들

Q: 히어라피 같은 앱은 어떤 헤드폰으로 들어야 하나요?
A: 고가 장비는 필요 없다. 일반 유선·무선 이어폰·헤드폰으로도 충분하다. 소리의 ‘진동’이 내이(內耳)에 잘 전달되는 게 중요하니, 외부 소음이 어느 정도 차단되는 커널형 이어폰이나 헤드폰이 조금 더 유리하긴 하다.

Q: 소리 말고 일상에서 멀미를 줄이는 팁은요?
A: 고전적이지만 가장 확실한 방법은 ‘시선’ 조절이다. 가까운 스마트폰 화면 대신, 진행 방향의 먼 풍경을 보는 것. 눈이 보는 정보와 몸이 느끼는 움직임 정보가 맞아떨어지면 뇌의 혼란이 줄어든다. 차내 환기, 과식 자제도 실제로 도움이 된다.

출처: The Verge

퇴근길 차 안, 시리한테 “내일 발표 논리 반박 포인트 뭐가 있을까?” 물어봤다가 검색 결과 읽어주는 걸 들어본 적 있을 겁니다. 뭔가 허전한 그 느낌. 이제 달라졌습니다.

시리 혼자 독점하던 시대는 끝났다

카플레이(CarPlay)의 음성 제어는 오랫동안 시리(Siri)가 독점했습니다. “엄마한테 전화해줘”, “케이팝 틀어줘” 같은 단순 명령은 나쁘지 않았지만, 조금만 복잡해지면 바로 한계가 드러났죠. 결국 웹 검색 결과를 읽어주는 수준에 머무는 경우가 대부분이었습니다.

그런데 애플이 iOS 업데이트를 통해 카플레이에 ‘음성 기반 대화형 앱’을 공식 허용했습니다. 개발사들이 자사 AI 챗봇을 카플레이와 연동할 길을 열어준 거죠. 그 첫 주자가 OpenAI의 ChatGPT입니다.

연결은 3단계, 준비물은 2가지

설정이 복잡하지 않습니다. 준비물은 딱 두 가지뿐.

• 최신 iOS 버전: 음성 기반 대화형 앱을 지원하는 버전으로 업데이트되어 있어야 합니다.
• 최신 ChatGPT 앱: 앱스토어에서 공식 앱을 최신 버전으로 설치하거나 업데이트해야 합니다.

이 두 가지만 갖추면, 차에 아이폰 연결했을 때 카플레이 홈 화면에 ChatGPT 아이콘이 자동으로 뜹니다. 안 보인다면 설정 > 일반 > CarPlay > 내 차 선택 > 사용자화 메뉴에서 직접 추가하면 됩니다. 별도 계정 연동이나 복잡한 페어링 절차는 없습니다.

실제로는 이런 걸 물어볼 수 있다

운전 중 ChatGPT를 쓸 수 있는 상황, 생각보다 폭이 넓습니다. 단순 정보 검색을 넘어 실질적인 업무 보조까지.

• 이동 중 브레인스토밍: “30대 남성 타겟 스마트워치 광고 카피 5개 만들어줘”
• 출장 준비: “부산 KTX역 근처 주차 가능하고 1인 비즈니스 런치 세트 있는 식당 추천해줘”
• 즉석 콘텐츠 생성: “지금 보이는 한강 노을 주제로 짧은 시 지어줘”
• 영어 미팅 준비: “내일 미팅에서 쓸 세련된 비즈니스 영어 표현 5가지 알려주고 역할극 연습 해줘”

시리가 ‘비서’ 역할이었다면, ChatGPT는 ‘생각하는 파트너’에 가깝습니다. 막혀 있던 이동 시간을 진짜 쓸모 있게 만들어줄 여지가 있는 거죠.

안전은? 핵심은 ‘음성 전용’ 구조다

운전 중 스마트폰 사용이 위험하다는 건 다 압니다. 그래서 카플레이 연동 AI는 철저히 음성 중심(Voice-First)으로 설계되어 있습니다. 화면에는 최소한의 정보만 뜨고, 모든 상호작용은 목소리로 이루어집니다.

다만 주의할 게 있습니다. AI 답변이 길어지면 집중력이 흐트러질 수 있어요. “짧게 답해줘”라고 미리 지시하는 습관이 중요합니다. 손은 운전대, 눈은 전방. 기술은 도구고, 안전 운전의 책임은 운전자 본인에게 있습니다.

다음 수순 — 제미나이, 클로드도 들어온다

이번 변화의 진짜 의미는 ChatGPT 하나가 아닙니다. 애플이 카플레이라는 플랫폼을 외부에 개방했다는 신호탄입니다. 구글의 제미나이(Gemini), 앤트로픽의 클로드(Claude), 국내 AI 모델 기반 앱들도 카플레이에 들어올 통로가 생긴 셈입니다.

머지않아 AI 선택지가 여럿 생긴다면, 본인 취향과 용도에 맞는 AI를 골라서 운전 중 파트너로 쓰는 시대가 됩니다. 자동차가 단순한 이동 수단을 넘어 ‘스마트 기기’이자 ‘업무 공간’으로 바뀌는 흐름, 그 첫 단추를 ChatGPT가 끼운 모양새입니다.

빠른 FAQ

Q: 무료 사용자도 쓸 수 있나요?
A: 네. 무료 사용자도 기본 모델(GPT-3.5)로 카플레이에서 ChatGPT를 이용 가능합니다. Plus 구독자는 GPT-4o 등 최신 모델을 선택할 수 있어요.

Q: 안드로이드 오토는요?
A: 구글 어시스턴트가 제미나이와 통합 중이지만, 현재 카플레이처럼 서드파티 앱을 자유롭게 연동하는 구조는 아직 아닙니다. 비슷한 방향으로 열릴 가능성은 충분합니다.

Q: 특정 차량 모델에서만 지원되나요?
A: 애플 카플레이를 지원하는 차량이라면 어디서든 됩니다. 차종보다는 아이폰 iOS 버전과 ChatGPT 앱 버전이 더 중요합니다.

출처: The Verge

탱크가 아니라 코드가 전쟁을 이긴다. 조금 과장처럼 들릴 수 있지만, 지금 벌어지고 있는 국방 기술의 전환을 보면 꼭 그렇지만도 않다. 최신 F-35 전투기는 800만 줄 이상의 소프트웨어로 움직이는 ‘날아다니는 서버’에 가깝다. 하드웨어 성능이 아니라 데이터와 알고리즘이 전력(戰力)의 척도가 되는 시대—AI는 그 중심에 있다.

국방 AI가 실제로 하는 일

군사용 로봇이나 드론 정도로 국방 AI를 좁게 보면 실상을 놓친다. 인공지능 기술을 국방과 안보 전반에 적용하는 포괄적 개념으로, 정보 수집부터 전술 결정까지 거의 모든 군사 활동에 개입한다. 의사 결정 속도가 빨라지고, 인명 피해가 줄며, 자원 배분이 최적화된다는 장점이 거론되지만—솔직히 그게 다 좋은 것만은 아니다. 그 얘기는 뒤에서.

• 정보 분석 및 위협 예측: 위성 이미지, 첩보 자료, 통신 감청 데이터를 AI가 병렬로 처리한다. 인간 분석관이 며칠 걸릴 작업을 몇 분에 끝내는 수준이다. 단순 탐지를 넘어, 과거 패턴을 기반으로 적의 다음 움직임까지 예측한다.
• 자율 시스템 운용: 무인 항공기(UAV), 무인 지상 차량(UGV), 무인 수상정(USV)이 여기에 해당한다. 정찰, 감시, 심지어 공격까지 인간 개입을 최소화한 채 수행하도록 설계된다.
• 지휘 통제 및 의사 결정 지원: 실시간 전장 데이터를 종합해 지휘관에게 작전 선택지를 제안한다. 최종 결정은 인간이 하지만, 그 판단 재료를 AI가 만든다는 점에서 전략의 상당 부분을 AI가 설계하는 셈이다.
• 사이버 방어 및 공격: 악성코드 패턴 탐지, 사이버 공격 예측, 방어 시스템 자동 강화까지. 동시에 적국 인프라를 교란하는 공격 도구로도 쓰일 여지가 있다—이 지점에서 국제법 논쟁이 시작된다.

무기를 자동화하는 것과, 군사 작전 전체에 지능을 심는 것은 완전히 다른 이야기다. 국방 AI는 후자다.

왜 하필 지금인가

국방 AI 투자가 급격히 늘어난 데는 몇 가지 요인이 겹쳐 있다.

가장 직접적인 건 지정학적 긴장과 기술 패권 경쟁이다. 미국, 중국, 러시아가 AI 군사 기술에 쏟아붓는 예산은 이미 천문학적이다. 재래식 무기로는 더 이상 우위를 장담하기 어렵다는 공감대가 강대국들 사이에 퍼졌다. 이 레이스에서 뒤처지면 어떻게 되는지는 역사가 여러 번 보여줬다.

컴퓨팅 파워의 도약도 빼놓을 수 없다. 클라우드 인프라, 고성능 GPU, 빅데이터 처리 기술이 5년 전과는 비교할 수 없는 수준에 도달했다. 실시간 전장 데이터 분석이 기술적으로는 이미 가능하다. 비용과 보안이 문제이지 성능 자체는 아니다.

TechCrunch가 전한 바에 따르면, 소프트웨어 중심의 국방 체계로의 전환 속도가 예상보다 훨씬 빠르다. 전투기 한 대가 수백만 줄의 코드로 움직이는 현실에서, 소프트웨어의 질이 곧 전력의 질이다.

인명 피해를 줄이려는 압박도 실질적인 동인이다. 자국 병사의 희생을 최소화하고 싶다는 건 어느 나라 정치인이든 마찬가지다. 위험한 임무를 AI 시스템에 넘길 수 있다면 그 유혹은 크다. 물론 그게 다른 쪽에서 어떤 결과를 낳는지는 또 다른 문제지만.

AI가 실제로 전투를 바꾸는 방식

개념이 아니라 구체적으로 어떻게 달라지는지 보자.

• 자율 비행 전투기와 무인 편대: 미국 방위산업체들이 개발 중인 ‘퓨리(Fury)’ 프로젝트가 대표적이다. 유인 전투기와 함께 날거나 완전히 독립적으로 임무를 수행하는 무인 편대(Loyal Wingman) 개념이다. 조종사 없이도 공중전 시나리오를 학습하고, 실시간으로 전술을 수정하며, 유인기보다 먼저 날아가 적 방어망을 흔든다. 생존율은 올리고 작전 반경은 넓힌다—이론상으론.
• 스마트 센서와 예측 유지보수: 전투 장비가 고장 나기 전에 미리 안다. AI가 센서 데이터를 분석해 부품 이상 가능성을 수치로 제시한다. 전장에서 장비가 갑자기 먹통 되는 상황 자체를 줄이는 게 핵심이다.
• 분산형 네트워크와 공동 작전: 지상군, 해군 함정, 공군기가 AI를 통해 실시간으로 정보를 공유하고 협력한다. 단일 지휘 시스템을 파괴해도 전체가 무너지지 않는 구조다. 분산 자체가 방어력이 된다.
• 전술 시뮬레이션 및 훈련: 실제 전장을 가상으로 복제해 병사들이 무한 반복 훈련을 받는다. AI 상대는 매번 새로운 전술을 쓰기 때문에 고정 패턴을 외우는 게 아니라 상황 판단력 자체가 올라간다.

이 변화들이 한꺼번에 맞물리면 전투의 속도, 규모, 예측 불가능성이 동시에 올라간다. 전통적인 전력 균형 계산식이 흔들리는 이유가 여기 있다.

시장을 움직이는 기업들, 그리고 남은 진짜 문제들

이 판을 만드는 기업들을 보면 흥미롭다. 록히드마틴이나 보잉 같은 전통 방위산업체만의 영역이 더 이상 아니다. 실리콘밸리 스타트업들이 빠르게 치고 들어오고 있다.

쉴드 AI(Shield AI)는 자율 비행 소프트웨어 ‘히어로(Hivemind)’로 주목받는다. GPS 신호 없는 실내에서도 드론이 비행하고, 여러 대가 편대를 이루어 자율 정찰 임무를 수행한다. TechCrunch 기사를 보면, 미 공군과의 계약 이후 기업 가치가 127억 달러(약 17조원)로 전년 대비 140% 상승했다. 소프트웨어 하나가 이만한 가치를 만드는 시대가 됐다는 게 실감난다.

앤듀릴(Anduril)은 국경 보안과 대드론 시스템에 AI를 적용한다. AI 기반 센서와 드론을 통합해 위협을 실시간 감지하고 대응하는 솔루션인데, 기존 방위산업체들이 10년 걸릴 개발을 3년 만에 내놓는 민첩함이 강점이다.

그런데 문제가 있다. 몇 가지 꽤 심각한 것들이.

첫째는 윤리 문제다. AI가 인간 개입 없이 살상 여부를 결정하는 ‘킬러 로봇’ 논쟁은 이미 유엔 차원에서 진행 중이다. 오작동 시 책임은 누구에게 있는가—개발사인가, 군인가, 정부인가. 아직 명확한 답이 없다. 이 질문에 답하지 못한 채 기술이 먼저 달려가고 있다는 게 불편한 현실이다.

둘째는 사이버 보안이다. 고도로 지능화된 AI 시스템일수록 해킹이나 교란에 노출되는 공격 표면도 넓어진다. 적국이 아군 AI를 오작동시키거나 통제권을 빼앗는다면, 그 결과는 단순 장비 고장이 아니다.

셋째는 기술 격차다. AI 군사 기술을 선점한 나라가 압도적 군사 우위를 가져가면, 나머지 국가들과의 불균형이 새로운 불안정 요인이 된다. 기술 개발과 국제 규범 형성이 같은 속도로 가지 않으면 위험하다.

다음 수순은

국방 AI의 방향은 이미 정해졌다. 되돌릴 수 없다는 게 더 정확한 표현이다. 정보 우위 확보부터 자율 전투 시스템 운용까지, AI는 군사 작전 전반에 깊이 들어와 있다. 하드웨어 군비 경쟁에서 소프트웨어·데이터 경쟁으로의 전환—이미 시작됐다.

앞으로 인간과 AI의 협업은 더 촘촘해질 것이다. AI가 단순 도구를 넘어 전략적 파트너 역할을 하는 시나리오도 현실에서 멀지 않다. 다만 기술의 속도와 윤리·국제법의 속도가 너무 벌어지면 어떤 일이 생기는지, 역사는 이미 몇 번 보여준 바 있다. 기술 발전에 못지않게 통제 방안과 국제 합의가 필요한 이유가 바로 여기에 있다. 솔직히 이 부분이 더 어렵다.

출처: TechCrunch