방송대 컴퓨터의이해 9강: 4차 산업혁명과 네 가지 핵심 기술
스마트 공장에서 센서가 설비 상태를 읽고, 네트워크로 보낸 데이터가 클라우드에 쌓이며, 분석 결과가 고장 가능성을 예측해 설비를 조정한다. 이 한 장면에는 사물인터넷·클라우드 컴퓨팅·빅데이터·인공지능이 모두 들어 있다. 각 기술의 개념과 관련 기술, 사례를 역할 중심으로 구분하고 다시 하나의 흐름으로 연결해 보자.
네 기술은 하나의 지능형 서비스 사슬을 만든다
9강은 4차 산업혁명의 개요와 미래사회 변화, 그리고 사물인터넷·클라우드 컴퓨팅·빅데이터·인공지능을 다룬다. 네 기술은 서로 대체하는 선택지가 아니다. 현실의 상태를 감지하고 연결하는 기술, 컴퓨팅 자원을 제공하는 기술, 큰 데이터 집합에서 정보를 추출하는 분야, 학습과 추론을 통해 판단하는 기술로 역할이 다르다.
- 감지·연결: 사물인터넷 장치가 온도, 위치, 동작 같은 현실의 상태를 데이터로 만들고 교환한다.
- 자원 제공: 클라우드 컴퓨팅이 인터넷을 통해 저장공간, 서버, 실행환경과 응용 소프트웨어를 제공한다.
- 수집·분석: 빅데이터 기술이 방대한 데이터를 수집·저장·처리·분석·표현한다.
- 판단·행동: 인공지능이 학습·탐색·지식 표현 등을 이용해 예측하거나 행동을 결정한다.
스마트 공장의 예에서 센서와 통신은 사물인터넷, 원격 서버와 저장공간은 클라우드, 오랜 설비 기록을 다루는 과정은 빅데이터, 고장 확률을 예측하고 대응을 권하는 기능은 인공지능에 가깝다. 하나의 제품에 여러 기술이 들어 있어도 각 기술의 주된 역할을 물으면 구분할 수 있다.
학습 나침반: 낯선 사례를 만나면 ‘무엇이 감지하는가 → 어디서 계산·저장하는가 → 어떤 데이터를 분석하는가 → 어떤 판단이나 행동이 나오는가’를 순서대로 묻는다.
4차 산업혁명은 연결·융합·지능이 시스템 전체를 바꾸는 변화다
강의자료는 1차 산업혁명을 증기기관에 의한 기계화, 2차를 전기와 대량생산, 3차를 전자·정보기술에 의한 자동화와 연결한다. 4차 산업혁명은 3차 산업혁명의 디지털 기반 위에서 물리적·디지털·생물학적 영역의 경계를 흐리게 하는 기술 융합으로 설명된다. 이전 단계와 완전히 단절된 사건이라기보다 디지털화된 기술들이 더 빠르고 넓게 결합하는 변화로 이해해야 한다.
이를 구분하는 관점은 속도, 범위, 시스템 영향이다. 변화가 선형적 속도를 넘어 빠르게 진행되고, 여러 산업과 사회 영역에 넓게 확산되며, 개별 장치가 아니라 생산·소비·조직 운영의 시스템을 바꾼다는 뜻이다. 따라서 새 기계 한 대가 등장했다는 사실만으로는 충분하지 않다. 연결된 기술이 업무 흐름과 가치 창출 방식을 어떻게 재구성하는지까지 살펴야 한다.
| 단계 | 주요 동력 | 생산 변화의 초점 |
|---|---|---|
| 1차 산업혁명 | 물과 증기력 | 생산의 기계화 |
| 2차 산업혁명 | 전기 에너지 | 대량생산 |
| 3차 산업혁명 | 전자·정보기술 | 생산 자동화 |
| 4차 산업혁명 | 디지털 기반의 기술 융합 | 물리·디지털·생물학 영역과 시스템의 결합 |
오개념 교정: ‘인터넷을 사용하면 모두 4차 산업혁명’이라고 단정할 수 없다. 강의의 구분 기준은 단순 사용 여부보다 연결과 융합이 만들어 내는 속도·범위·시스템 수준의 영향이다.
초연결·초융합·초지능은 서로 이어지는 세 가지 특성이다
초연결(hyper connectivity)은 사람과 사람뿐 아니라 사람과 사물, 사물과 사물이 네트워크로 이어지는 특성이다. 사물인터넷, 만물인터넷과 클라우드는 연결 대상과 서비스 범위를 넓힌다. 연결의 목적은 단순 접속이 아니라 상태와 명령을 데이터로 교환하는 데 있다.
초융합(hyper convergence)은 서로 다른 기술과 영역이 결합해 새로운 기능을 만드는 특성이다. 강의자료는 가상물리 시스템(CPS), 혼합현실(MR), 인공지능과 3D 프린팅 등을 예로 든다. 공장의 물리 설비와 디지털 모델을 연결하여 상태를 분석하고 제어한다면 물리 세계와 정보 세계가 결합한 융합 사례가 된다.
초지능(hyper intelligence)은 연결된 사물이 수집한 데이터를 분석해 인간의 직접 개입을 줄이고 스스로 상호작용하는 방향을 뜻한다. ‘사물지능(AI of Things)’은 AI와 IoT의 결합을 나타낸다. IoT가 데이터를 모으고 전달하는 역할을 한다면 AI는 그 데이터에서 판단 규칙이나 예측을 만들어 행동으로 잇는다.
세 단어 연결법: 초연결은 관계의 확대, 초융합은 경계의 결합, 초지능은 판단의 자동화를 강조한다. 하나의 사례에 세 특성이 함께 나타날 수 있다.
미래사회는 편리함과 함께 새로운 판단 과제를 만든다
강의자료는 기술 융합을 통한 신산업과 새 일자리의 창출 가능성을 제시하면서, 일자리 감소와 고용 불안 같은 문제도 함께 언급한다. 기술이 모든 직무를 같은 방식으로 없애거나 늘린다고 단순화하기보다 어떤 과업이 자동화되고 어떤 새로운 설계·관리·분석 과업이 생기는지 나누어 보아야 한다.
스마트 시티, 공장, 의료, 교통, 교육은 연결된 데이터와 자동화된 판단을 이용한다. 동시에 시스템 의존도가 높아지면 데이터의 정확성, 개인정보 보호, 보안과 장애 대응이 중요해진다. 지능화 사회에서는 편리함이 커질 수 있지만 의존적 지식 감소, 기억력이나 인지능력 저하 가능성도 학습자료의 검토 대상으로 제시된다.
초연결 사회는 재택근무·원격교육·원격진료 같은 비대면 활동을 돕지만 해킹과 사생활 침해의 위험도 넓힌다. 공유경제는 소유보다 필요한 때의 이용을 강조하나, 이용 당사자 사이의 갈등과 기존 가치관의 혼란이 생길 수 있다. 따라서 미래사회 사례는 ‘이익인가 위험인가’ 중 하나만 고르는 문제가 아니라 같은 연결 구조가 어떤 편익과 취약점을 동시에 만드는지 분석하는 문제다.
사물인터넷은 사물을 연결해 데이터를 교환한다
사물인터넷(Internet of Things, IoT)은 센서·처리기·소프트웨어를 갖춘 사물이 인터넷 등의 통신망을 통해 다른 사물이나 시스템과 데이터를 교환하는 체계다. 기계끼리 통신하는 M2M에서 사물인터넷으로, 더 넓은 사람·프로세스·데이터까지 잇는 만물인터넷(IoE)으로 연결 범위를 확장해 볼 수 있다.
관련 기술은 네 묶음으로 정리할 수 있다. 센싱 기술은 현실 상태를 측정하고, 유무선 통신과 네트워크 인프라는 데이터를 운반한다. IoT 서비스 인터페이스는 데이터를 응용 서비스가 사용할 수 있게 연결하고, IoT 보안 기술은 장치·통신·서비스 전 과정의 오용과 침해를 막는다. 센서만 부착했거나 인터넷 연결만 했다고 전체 IoT 서비스가 완성되는 것은 아니다.
| 사례 | 감지·수집 대상 | 연결 뒤 생기는 서비스 |
|---|---|---|
| 스마트 홈 | 온도, 움직임, 가전 상태 | 원격 확인과 자동 제어 |
| 헬스케어 | 활동량과 생체 정보 | 건강 모니터링과 맞춤 서비스 |
| 스마트 시티 | 교통·시설·환경 상태 | 도시 서비스의 통합 운영 |
| 스마트 팩토리 | 설비·공정·제품 상태 | 공정 감시와 생산 최적화 |
| 스마트 카 | 차량과 주변 환경 정보 | 연결형 안내·안전·제어 |
클라우드 컴퓨팅은 자원을 소유하는 대신 서비스로 이용하게 한다
클라우드 컴퓨팅은 사용자에게 컴퓨팅 장비나 환경을 인터넷을 통해 제공하고 이용한 만큼 비용을 지불하게 하는 기술이다. 개인용 컴퓨터에 모든 것을 설치·저장하는 방식, 중앙 서버를 여러 클라이언트가 이용하는 방식에서 더 나아가 네트워크를 통해 필요한 자원을 탄력적으로 쓰는 환경으로 이해할 수 있다.
장점은 큰 초기 비용을 줄이고, 사용량에 맞춰 비용을 내며, 다양한 기기에서 서비스를 이용하고 데이터를 원격에 보관할 수 있다는 것이다. 반면 데이터 손실이나 개인정보 유출 가능성, 세밀한 맞춤 서비스의 어려움, 통신환경에 따른 품질 변화가 단점이 될 수 있다. ‘클라우드에 두면 언제나 안전하다’거나 ‘로컬보다 언제나 싸다’고 일반화하지 말고 사용 조건을 함께 평가해야 한다.
| 모델 | 서비스로 받는 핵심 | 사용자가 주로 다루는 범위 |
|---|---|---|
| IaaS | 가상 서버·저장장치·네트워크 같은 인프라 | 운영체제와 응용 환경을 구성한다 |
| PaaS | 응용프로그램을 개발·실행할 플랫폼 | 플랫폼 위에서 응용을 개발한다 |
| SaaS | 완성된 응용 소프트웨어 | 인터넷으로 기능을 바로 이용한다 |
가상화는 하나의 물리 자원을 여러 가상 자원처럼 나누어 쓰게 하고, 분산컴퓨팅은 여러 컴퓨터가 작업을 분담하게 한다. 오픈 인터페이스는 서로 다른 서비스와 자원이 정해진 방식으로 연결되게 한다. 응용 소프트웨어 사용, 차량 내비게이션 지도 데이터, 금융 서비스와 인터넷 강의가 강의자료의 활용 사례다.
빅데이터는 크기만이 아니라 다루기 어려운 데이터의 성격을 본다
빅데이터는 기존 데이터 처리 프로그램으로 다루기에는 너무 크거나 복잡한 데이터 집합을 체계적으로 분석하여 정보를 추출하거나 처리하는 방법을 다루는 분야다. 단순히 파일 용량이 크다는 사실만으로 개념이 완성되지는 않는다. 빠르게 들어오는 여러 형식의 자료에서 신뢰할 만하고 가치 있는 결과를 만들어야 한다.
강의자료의 5V는 크기(Volume), 속도(Velocity), 다양성(Variety), 정확성(Veracity), 가치(Value)다. 수백만 건의 기록은 크기, 실시간 센서 흐름은 속도, 문자·영상·위치가 섞인 자료는 다양성, 오류와 편향을 가려 내는 일은 정확성, 분석 결과가 실제 의사결정에 기여하는지는 가치와 연결된다.
관련 기술은 데이터의 수집 → 저장 → 처리 → 분석 → 표현이라는 파이프라인으로 정리할 수 있다. 의료에서는 질병 현황과 건강 데이터를, 상권에서는 지역별 소비·유동 데이터를, 교육에서는 학습 활동 데이터를 분석할 수 있다. 시각화는 결과를 전달하는 표현 단계이며, 원자료를 모으는 수집 단계와 혼동하지 않아야 한다.
5V 진단 질문: 얼마나 많은가, 얼마나 빠르게 생기는가, 형식이 얼마나 다른가, 믿을 만한가, 어떤 쓸모를 만드는가를 차례로 확인한다.
인공지능은 지능적 행동을 만드는 방법의 집합이다
인공지능(Artificial Intelligence, AI)은 인간처럼 사고하고 감지하며 행동하도록 설계된 일련의 알고리즘 체계이자, 인간의 지능을 컴퓨터 시스템으로 만들거나 그렇게 만들 수 있는 방법을 연구·개발하는 컴퓨터과학의 한 영역이다. 번역기, 통역기, 스마트 스피커, 내비게이션, 자율주행 자동차, 기상 예보와 기후변화 예측이 강의자료의 사례다.
관련 기술에는 문제의 해를 찾아가는 탐색, 사실과 관계를 컴퓨터가 다룰 형태로 나타내는 지식 표현, 환경을 인식해 목표에 맞게 행동하는 지능형 에이전트, 데이터에서 규칙을 배우는 기계학습이 있다. 인공지능 전체와 기계학습을 같은 말로 쓰면 범위가 뒤바뀐다. 기계학습은 인공지능을 구현하는 여러 접근 중 하나다.
| 학습 방식 | 주어진 정보 | 학습의 초점 |
|---|---|---|
| 지도학습 | 입력과 정답의 짝 | 새 입력의 정답을 예측하는 규칙 |
| 비지도학습 | 정답 표시가 없는 데이터 | 숨은 구조나 유사한 집단 발견 |
| 강화학습 | 행동 결과에 따른 보상 | 누적 보상을 높이는 행동 전략 |
딥러닝은 기계학습 안에서 다층 신경망을 활용하는 접근으로 제시된다. 따라서 포함 관계는 대체로 ‘인공지능 안에 기계학습, 기계학습 안에 딥러닝’이다. 기술 이름을 크기 순서로 외우기보다, 인공지능이라는 넓은 목표를 기계학습이 데이터 기반으로 구현하고 그중 딥러닝이 특정 모델 구조를 사용한다고 이해하면 된다.
사례의 주인공은 제품명이 아니라 병목 역할이다
스마트 농장에서 토양 센서는 데이터를 잘 보내지만 저장공간이 부족해 과거 기록을 유지하지 못한다고 하자. 이때 우선 보강할 역할은 원격 컴퓨팅 자원을 제공하는 클라우드다. 데이터는 충분히 쌓였지만 형식이 제각각이고 처리 속도가 느리다면 빅데이터 파이프라인의 문제다. 분석 결과는 있으나 자동 판단이 부정확하다면 인공지능 모델과 학습 데이터의 품질을 점검해야 한다.
| 관찰된 병목 | 우선 확인할 기술 | 판단 이유 |
|---|---|---|
| 현실 상태를 측정하거나 보내지 못함 | 사물인터넷 | 센싱과 통신 연결의 문제다 |
| 서버·저장공간·실행환경이 부족함 | 클라우드 컴퓨팅 | 컴퓨팅 자원 제공의 문제다 |
| 대량·실시간·다형식 데이터를 다루지 못함 | 빅데이터 | 수집부터 표현까지의 처리 문제다 |
| 데이터는 있으나 예측·분류·행동이 부정확함 | 인공지능 | 학습과 지능적 판단의 문제다 |
실제 서비스의 실패는 여러 단계에 걸칠 수 있다. 센서 오류는 부정확한 데이터를 만들고, 네트워크 장애는 전송을 끊으며, 저장·처리 설계의 문제는 분석을 늦추고, 편향된 학습 데이터는 잘못된 예측을 만든다. 그러므로 마지막 결과만 보고 AI의 잘못이라고 단정하지 말고 사슬을 역으로 추적한다.
핵심 개념 정리
- 4차 산업혁명은 3차 산업혁명의 디지털 기반 위에서 물리·디지털·생물학 영역의 융합이 속도·범위·시스템 영향으로 확대되는 변화다.
- 초연결은 관계 확대, 초융합은 영역 결합, 초지능은 데이터 기반 판단과 자율 상호작용을 강조한다.
- 사물인터넷은 감지와 연결, 클라우드는 컴퓨팅 자원 제공, 빅데이터는 대규모 데이터 처리, 인공지능은 학습·추론·행동에 초점이 있다.
- 클라우드 서비스 모델은 인프라를 받는 IaaS, 개발 플랫폼을 받는 PaaS, 완성된 소프트웨어를 쓰는 SaaS로 구분한다.
- 빅데이터의 5V는 크기·속도·다양성·정확성·가치이며, 기계학습은 인공지능의 한 접근이고 딥러닝은 기계학습에 포함된다.
네 기술을 한 문장으로 외우려 하지 말고 서비스의 흐름을 그려 보자. 사물인터넷이 현실을 데이터로 연결하고, 클라우드가 자원을 제공하며, 빅데이터가 자료를 처리하고, 인공지능이 판단과 행동으로 되돌린다. 이 역할 지도를 갖고 있으면 스마트 홈·도시·공장·자동차처럼 이름이 달라져도 핵심 기술과 병목을 설명할 수 있다.
예상문제 10선
1. 4차 산업혁명의 특징을 가장 정확하게 설명한 것은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ②
- ① 오답: 증기기관과 생산 기계화는 1차 산업혁명의 중심이다.
- ② 정답: 4차 산업혁명은 디지털 기반의 기술 융합과 시스템 수준의 변화를 강조한다.
- ③ 오답: 전기와 대량생산은 2차 산업혁명의 중심이다.
- ④ 오답: 연결과 자동화를 줄이는 설명이어서 강의의 특성과 반대다.
2. 초연결·초융합·초지능의 구분으로 옳은 것은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ③
- ① 오답: 초연결과 초지능의 핵심 역할을 서로 바꾸었다.
- ② 오답: 접속 확대는 초연결에 가깝고 초융합은 서로 다른 기술과 영역의 결합이다.
- ③ 정답: 세 특성의 구분 기준을 관계·경계·판단으로 정확히 잡았다.
- ④ 오답: 스마트 서비스 하나에서 세 특성이 함께 나타날 수 있다.
3. 스마트 공장에서 현실의 온도와 진동을 측정해 네트워크로 보내는 역할에 가장 가까운 기술은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ①
- ① 정답: 센싱과 네트워크를 통해 사물의 상태 데이터를 교환하는 역할은 IoT의 핵심이다.
- ② 오답: SaaS는 완성된 응용 소프트웨어를 서비스로 이용하는 클라우드 모델이다.
- ③ 오답: 시각화는 처리 결과를 표현하는 단계이지 현실 상태를 감지하는 단계가 아니다.
- ④ 오답: 지도학습은 정답이 있는 데이터에서 예측 규칙을 배우는 방식이다.
4. 사용자가 웹에서 완성된 업무용 소프트웨어를 바로 이용하는 클라우드 서비스 모델은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ④
- ① 오답: IoE는 연결 범위가 확장된 만물인터넷 개념이지 클라우드 서비스 모델이 아니다.
- ② 오답: IaaS는 가상 서버·저장장치·네트워크 같은 인프라를 제공한다.
- ③ 오답: PaaS는 응용프로그램 개발과 실행을 위한 플랫폼을 제공한다.
- ④ 정답: SaaS는 사용자가 설치·운영할 필요를 줄이고 완성된 소프트웨어 기능을 제공한다.
5. 클라우드 컴퓨팅의 장점과 주의점을 바르게 짝지은 것은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ②
- ① 오답: 클라우드는 인터넷을 통한 자원 제공이므로 통신환경이 중요하다.
- ② 정답: 적은 초기 비용은 장점이며 네트워크 상태에 서비스 품질이 좌우될 수 있다.
- ③ 오답: 개인정보 유출은 장점이 아니라 방지해야 할 위험이고 비용은 사용량과 관련될 수 있다.
- ④ 오답: 데이터 손실은 가능성이지 확정된 결과가 아니며 초기 비용 절감이 대표 장점이다.
6. 센서 데이터가 매초 매우 빠르게 들어와 즉시 처리해야 한다는 특징은 빅데이터의 어느 V와 가장 직접 관련되는가?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ①
- ① 정답: 데이터 생성과 유입, 처리의 빠르기를 강조하는 성격은 속도다.
- ② 오답: 다양성은 문자·영상·센서값 등 서로 다른 형식과 출처를 다루는 성격이다.
- ③ 오답: 정확성은 데이터의 오류·신뢰도와 관련된다.
- ④ 오답: 가치는 분석 결과가 유용한 성과를 만드는가와 관련된다.
7. 강의에서 제시한 빅데이터 관련 기술의 일반 흐름으로 가장 알맞은 것은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ③
- ① 오답: 결과 표현을 데이터 수집보다 먼저 두었고 강의 흐름에 없는 삭제를 삽입했다.
- ② 오답: 분석하려면 먼저 데이터를 수집·저장하고 처리할 수 있어야 한다.
- ③ 정답: 데이터가 들어와 결과로 전달되기까지의 파이프라인을 바르게 배열했다.
- ④ 오답: 표현이 수집과 분석보다 먼저 올 수 없어 인과 순서가 뒤집혔다.
8. 인공지능, 기계학습, 딥러닝의 포함 관계로 가장 적절한 것은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ④
- ① 오답: 가장 넓은 목표 영역인 인공지능과 구체적 접근인 딥러닝의 범위를 뒤집었다.
- ② 오답: 서로 관련되지만 같은 범위의 동의어는 아니다.
- ③ 오답: 기계학습은 데이터에서 규칙을 배우는 인공지능의 주요 접근이다.
- ④ 정답: 강의자료의 기술 관계를 넓은 개념에서 좁은 개념 순으로 정확히 나타냈다.
9. 정답표 없이 고객 데이터를 유사한 특성의 집단으로 나누려 할 때 가장 가까운 기계학습 방식은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ③
- ① 오답: 지도학습은 입력과 함께 학습할 정답이 주어진 상황에 적합하다.
- ② 오답: 강화학습은 행동 결과의 보상을 이용해 전략을 학습한다.
- ③ 정답: 정답 표시가 없는 데이터에서 숨은 구조나 집단을 찾는 방식은 비지도학습이다.
- ④ 오답: 가상화는 컴퓨팅 자원을 논리적으로 나누는 클라우드 관련 기술이다.
10. 스마트 농장의 센서는 정상이고 데이터도 클라우드에 충분히 쌓였지만, 질병 예측 결과가 계속 부정확하다. 가장 타당한 우선 점검은?
정답입니다.
오답입니다. 답안을 다시 선택해 보세요.
정답 및 해설 보기
정답: ④
- ① 오답: 감지 단계가 정상이어도 이후 처리와 판단 단계에서 실패할 수 있다.
- ② 오답: 데이터가 이미 정상적으로 쌓였다면 예측 정확도의 직접 원인을 먼저 살펴야 한다.
- ③ 오답: 증기력은 산업혁명 역사 구분이며 현재 예측 오류의 기술 병목이 아니다.
- ④ 정답: 입력과 저장이 정상인데 예측이 부정확하면 데이터 품질과 모델 학습·판단을 우선 점검하는 것이 합리적이다.
참고 자료와 작성 기준
이 글은 해당 차시 강의자료를 바탕으로 학습 목적에 맞게 재구성한 비공식 학습자료입니다. 개념의 포함 관계, 기술별 역할 지도와 문제 해설은 학습자의 이해를 돕도록 구성하고 검토했습니다.
- 작성·편집: 올에이클래스 학습연구팀
- 주요 근거: 한국방송통신대학교 컴퓨터과학과 「컴퓨터의이해」 9강 ‘4차 산업혁명과 미래사회’ 강의자료(2022)
- 보충 자료: 별도의 외부 자료를 사용하지 않았습니다.
- 편집 원칙: 올에이클래스 편집 정책
- 최종 내용 검토: 2026-09-08
댓글
댓글 쓰기