"AI는 인간 위해 존재해야…'모두의 AI' 필요"

27일 'AI프론티어 심포지엄' 개최
최예진 美스탠포드대 HAI 교수 "모두가 AI 개발해야, 생성형 AI 민주화" 발표
얀 르쿤 교수 "학계에의 투자가 AI 경쟁에서 승리하는 길" 강조

(서울=뉴스1) = 배경훈 부총리 겸 과학기술정보통신부 장관이 27일 오전 서울 용산구 드래곤시티호텔에서 열린 'AI 프론티어 국제 심포지엄 2025' 에서 AI석학 좌담회를 하고 있다. 왼쪽부터 배경훈 부총리, 얀 르쿤 뉴욕대 교수, 최예진 스탠포드대 교수, 조경현 뉴욕대 교수, 김기응 KAIST 교수.(과학기술정보통신부 제공. 재판매 및 DB 금지) 2025.10.27/뉴스1 Copyright (C) 뉴스1. All rights reserved. 무단 전재 및 재배포, AI학습 이용 금지. /사진=(서울=뉴스1)

"AI(인공지능)는 인간에 의해 만들어지고 인간을 위해 존재해야 합니다. 소수 기업이나 국가가 아니라 전 세계 사람들이 AI를 개발·관리해야 합니다. 아무런 조치를 취하지 않으면 인간이 AI에 봉사해야 하는 사회가 올 수도 있습니다."

최예진 미국 스탠포드대 HAI(인간중심 AI 연구소) 교수의 얘기다. 최 교수는 27일 서울 용산 드래곤시티에서 과학기술정보통신부 주최로 열린 'AI 프론티어 심포지엄' 기조 발표자로 나와 이같이 밝혔다.

이날 심포지엄은 지난해 국가 AI 연구역량 결집을 위해 설립한 '국가AI연구거점'(서울 양재동 소재)과 같은 해 과기정통부 및 IITP(정보통신기획평가원)이 미국 뉴욕대와 함께 글로벌 수준의 AI 연구를 추진하기 위해 설립한 '글로벌AI프론티어랩'(미국 뉴욕 소재)의 1년여 연구 성과를 공유하기 위해 마련됐다.

최 교수는 이날 '생성형 AI의 민주화, 스케일링 법칙을 초월하여'라는 주제로 기조 발제를 진행했다. 그는 "더 작은 AI 모델을 더 똑똑하게 만들 수 있다"는 점을 계속 강조했다. 지금이야 오픈AI 등 빅테크 반열에 올라선 AI 기업들이 초대규모 데이터를 학습시키는 중량급 LLM(거대언어모델)으로 지배적 위치에 올라 있지만 앞으로도 지금까지처럼 '더 큰 것이 더 좋다'는 식으로 AI 모델이 진화하지는 못할 것이라는 것이다.

[서울=뉴시스] 배경훈 부총리 겸 과학기술정보통신부 장관이 27일 서울 용산구 드래곤시티호텔에서 열린 'AI 프론티어 국제 심포지엄 2025' 에 참석해 얀 르쿤 뉴욕대 교수와 대화를 나누고 있다. (사진=과학기술정보통신부 제공) 2025.10.27. /사진=류현주

그는 자신이 참가한 최근 연구에서 150만개 파라미터(매개변수) 수준의 작은 AI모델로도 매우 복잡한 수학 문제를 풀 수 있었음을 예로 들었다. 최 교수는 AI가 스스로 만든 데이터, 즉 '합성 데이터'의 활용이 답이 될 수 있다고 제안했다.

그는 "합성 데이터에 대한 일반적 우려는 AI가 스스로 생성한 데이터로 반복 학습하면 성능이 저하된다는 것"이라며 "그것은 (합성 데이터에 대해) 노력 없이 접근했을 때의 이야기다. 노력을 기울이면 (합성 데이터) 관련 문제를 완전히 피할 수 있다"고 했다.

또 "사람들이 '그냥 챗GPT를 쓰라'고 하겠지만 저는 다른 것도 시도해보자고 말한다"며 "우리 스스로의 모델을 만들어야 한다"고 강조했다. 이같은 스스로의 모델, 작고도 똑똑한 모델을 만들기 위한 방안으로 '협력'을 얘기했다. 전 세계의 대학, 기업, 스타트업 출신 전문가들이 전지구적 규모로 협력한 결과 작은 모델로도 강화학습을 거친 모델보다 더 잘 작동했다는 것이다.

이날 글로벌 AI 석학으로 꼽히는 얀 르쿤 미국 뉴욕대 교수도 기조 발표자로 나왔다. 그는 '월드모델 학습'이라는 주제의 발표를 통해 앞으로의 AI 모델이 지금처럼 텍스트 기반의 LLM이 아니라 AI 스스로 세상을 관찰해 이해하고 과업을 계획·실행하는 '월드모델'이 될 것으로 전망했다. 르쿤 교수는 또 "(피지컬 AI 등 형태로 구현될) 월드모델이 데이터를 학습하는 방식은 LLM과 전혀 다른 양상으로 전개될 것"이라며 "장기적으로 인간 수준의 AI에 관심이 있다면 LLM에만 집중해서는 안된다. LLM이 할 수 없는 능력들에 대해 연구해야 한다"고 했다.

그는 "많은 이들이 산업에서 혁신이 태동된다고 보고 GPU(그래픽처리장치)나 돈을 투자하고 엔지니어를 투입하지만 이 모든 혁신 아이디어들이 학계에서 나온다는 것을 잊어버린다"며 "딥러닝(심화학습), 합성곱 신경망(이미지·영상 데이터 특화 딥러닝), 자연어처리 등은 이미 학계에서는 5년, 20년 전에 있었던 것들"이라고 했다. AI 패권경쟁에서 승리하려면 튼튼한 R&D(연구개발) 기반이 필수라는 조언이다.

황국상 기자 gshwang@mt.co.kr

Copyright ⓒ 머니투데이 & mt.co.kr. 무단 전재 및 재배포, AI학습 이용 금지.