고층 빌딩, 넓은 공원, 간소화된 대중교통으로 번성하는 대도시를 상상해 보세요. 이 도시의 디자인은 전문 도시 계획가뿐만 아니라 열렬한 도시 건설 게임 애호가인 열정적인 시민들에게서 비롯된 것일까요?

영국 랭커스터 대학교의 새로운 연구는 도시 어린이들의 의견을 설계에 반영하여 도시 계획에 혁신을 가져오는 것을 목표로 합니다. 게임과 디지털 게임 담론에 관한 동료 심사 과학 저널인 Acta Ludologica에 게재된 이 연구는 현재의 도시 개발 관행에서  대중의 참여가 부족하다는 것을 보여주며 변형된'도시' 와 같은 게임 플랫폼을 활용할  것을 제안합니다: 스카이라인" 또는"심 시티" 와 같은 게임 플랫폼을 사용하여 주민들에게 현실적인 시뮬레이션을 제공함으로써 도시 계획에 대한 주민들의 참여와 인식을 높일 것을 제안합니다.

이 연구의 핵심은 '도시'를 정교하게 수정한 기술입니다: 스카이라인'을 정교하게 수정한 것으로, 플레이어가 실제 건물과 모델을 임포트하여 실제와 같은 도시 환경을 만들 수 있습니다. 참가자는 교육, 공공 서비스, 세금 정책 등 도시 생활의 여러 측면을 관리할 수 있으며, 게임 대시보드를 통해 시민의 행복도를 추적할 수 있습니다. 이 대화형 접근 방식은 플레이어에게 도시 계획의 복잡성에 대해 교육할 뿐만 아니라 실제 적용을 위한 도구로도 활용할 수 있습니다. 랭커스터의 디자인 주도 연구소인 ImaginationLancaster의 폴 큐튼과 폴 콜튼 연구원은 랭커스터 시의회와의 워크숍을 통해 새로운 정원 마을 계획에 어린이들을 참여시킨 후 이 방법의 효과를 입증했습니다.

이 연구의 의미는 매우 깊습니다. 연구진은 게임 디자인과 도시 계획을 통합하여 계획 과정에서 시민 참여를 높일 수 있는 비용 효율적이고 즐겁고 확장 가능한 방법을 제시합니다. 이러한 접근 방식은 또한 젊은 층의 계획에 대한 관심이 미미하다는 왕립 도시계획연구소의 데이터에서 알 수 있듯이 대중 참여의 변화가 시급한 필요성을 해결합니다.

이 연구는 이러한 혁신적인 게임 기술 사용이 기획자를 지원하고, 기술 개발을 강화하며, 사람들이 생활 공간의 변화에 더 깊이 관여하는 데 필요한 도구를 제공할 수 있다고 제안하며 결론을 내립니다. 궁극적으로 이 연구는 도시 개발에서 보다 협력적이고 역동적인 미래를 위한 길을 열어줍니다.

색다른 기술 영감의 다음 행선지는 미시적인 DNA의 세계로 안내합니다. 독일 드레스덴 공과대학의 연구원들은 인공 지능을 이용해 DNA의 숨겨진 언어를 풀고 유전학과 질병에 대한 새로운 인사이트를 제공하고 있습니다.

DNA는 생명체를 만들고 유지하기 위한 모든 지침을 담고 있는 생명의 청사진으로 묘사되기도 합니다. 그러나 DNA 내의 모든 정보를 해독하는 것은 매우 복잡하고 아직 완전히 이해되지 않았으며, 기존의 DNA 분석 방법은 느리고 노동 집약적일 수 있습니다. 바로 여기에 인공 지능이 등장합니다.

드레스덴 대학교의 연구원들은 자연어 처리에서 사용되는 것과 같은 기술을 사용하여 DNA 서열을 언어처럼 취급하는 GROVER (Genome Rules Obtained via Extracted Representations) 라는새로운 AI 모델을 개발했습니다. AI는 DNA 코드 내의 패턴과 구조를 분석하여 염기서열을 식별할 수 있습니다. 외국어를 해독하는 것과 유사한 이 방법을 통해 연구자들은 유전자 데이터를 더 빠르고 정확하게 해석하기 위해 GROVER를 사용할 수 있습니다.

GROVER는 전체 인간 게놈에 대한 훈련을 통해 연구자들이 유전 암호에 대한 통찰력을 얻고 유전체학 및 개인 맞춤형 의학을 발전시킬 수 있는 DNA 사전을 만듭니다. Nature Machine Intelligence에 게재된 이 연구는 DNA의 복잡성을 이해하는 데 중요한 돌파구를 마련할 수 있는 잠재력을 가지고 있습니다.

"언어 측면에서 우리는 문법, 구문, 의미론에 대해 이야기하고 있습니다." 이 프로젝트의 연구자인 멜리사 사나브리아는 대학 웹사이트에 이렇게 말했습니다. "DNA의 경우, 이는 염기서열을 지배하는 규칙, 뉴클레오티드와 염기서열의 순서, 염기서열의 의미를 배우는 것을 의미합니다. 인간의 언어를 학습하는 GPT 모델과 마찬가지로 GROVER는 기본적으로 DNA를 '말하는' 방법을 학습했습니다."

델프트 공과대학교 MAVLab의 연구원들은 개미가 주변 환경을 탐색하는 방식에서 영감을 얻어 로봇 탐색에 획기적인 발전을 이루었습니다. 개미는 장거리 여행 후에도 시각적 인식(스냅샷)과 걸음 수 계산(만보계)을 결합하여 집으로 돌아갑니다. MAVLab은 이 방법을 모방하여 작고 가벼운 로봇을 위한 곤충에서 영감을 얻은 내비게이션 전략을 개발했습니다.

기존의 자율 주행 시스템은 소형 로봇에는 실용적이지 않은 하드웨어에 의존하는 경우가 많습니다. 자연에서 영감을 받은 MAVLabs 연구원들은 로봇이 주변 환경을 스냅샷으로 촬영하여 내비게이션을 지원하는 시스템을 설계했습니다. 헨젤과 그레텔의 빵 부스러기 흔적과 유사한 이 방법은 로봇이 간격을 두고 시각적 스냅샷을 찍고 이를 사용하여 돌아오는 여정을 안내하는 방식입니다. 이러한 스냅샷을 주행 거리 측정과 결합하면 로봇이 더 먼 거리를 더 효율적으로 주행할 수 있어 계산 부담이 크게 줄어듭니다.