파운데이션모델

6 Contents

[인터뷰] 바이오인공지능연구센터 ABC #014 | 장혜식 서울대 생명과학부 교수

공학적 배경을 가진 연구자가 생명과학에 매료된 이유는 생명체를 하나의 정밀한 시스템으로 바라보는 시각 때문입니다. 기계의 숨겨진 기능을 탐구하며 사용 설명서를 탐독하던 호기심은 자연스럽게 우리 몸이라는 거대한 유기체의 작동 원리에 대한 탐구로 이어졌습니다. 특히 소프트웨어 개발 현장에서 쌓은 논리적 사고는 생물학적 데이터를 정보의 흐름으로 해석하는 데 결정적인 역할을 했습니다. 이는 단순한 암기 위주의 생물학을 넘어, 시스템의 설계도를 정밀하게 분석하는 공학적 접근을 가능하게 했습니다. 생물정보학은 생명체를 구성하는 DNA, RNA, 단백질과 같은 정보 물질들이 어떻게 디지털 정보를 전달하고 가공하는지 컴퓨터로 분석하는 학문입니다. 생명체의 수분을 제외한 질량의 대부분이 이러한 정보 물질로 이루어져 있다는 점은 생물학이 곧 방대한 데이터 분석의 장임을 시사합니다. 컴퓨터 전공자로서의 경험은 복잡한 절차를 정밀하게 설계하고, 방대한 데이터 속에서 남들이 놓치기 쉬운 구석진 정보를 찾아내어 새로운 인사이트를 도출하는 데 큰 강점으로 작용하며 연구의 지평을 넓혀줍니다. 유전 물질 하면 흔히 정적인 DNA를 떠올리지만, 실제 생명 현상을 역동적으로 조절하는 핵심은 RNA에 있습니다. RNA는 세포의 종류나 상태에 따라 정보를 짧거나 길게, 혹은 많거나 적게 조절하며 생명의 드라마를 실시간으로 써 내려갑니다. 특히 최근의 mRNA 백신 연구에서는 동일한 단백질을 만들면서도 더 안정적이고 효율적인 RNA 구조를 설계하는 '코돈 최적화'가 핵심 과제로 떠올랐습니다. 이는 수많은 조합 중 최적의 설계도를 찾아내는 과정으로, 생물학적 원리와 공학적 최적화 기법이 만나는 지점입니다. 인공지능 기술의 발전은 생물학 연구의 패러다임을 근본적으로 바꾸고 있습니다. 유전체 정보를 대량으로 학습한 파운데이션 모델은 전문가가 직관적으로 느끼던 복잡한 생물학적 맥락을 주관의 개입 없이 정교하게 분석해냅니다. 또한, 실험 로봇을 활용한 '피지컬 AI'는 그동안 연구의 병목 현상이었던 데이터 확보 문제를 해결하여 수십만 개의 데이터 포인트를 동시에 확보할 수 있는 환경을 제공합니다. 이러한 기술적 진보는 계산적 예측과 실험적 증명을 가속화하며 바이오 연구에 전례 없는 기회를 창출하고 있습니다. 급변하는 기술 시대에서 가장 중요한 것은 정해진 보상을 좇는 것이 아니라, 연구 과정 그 자체에서 진정한 재미를 찾는 태도입니다. AI가 인간의 많은 역할을 대신할 미래에는 자신이 무엇을 할 때 행복한지 이해하고, 그 즐거움을 사회적 가치로 연결하는 능력이 필수적입니다. 또한, 생물학적 지식과 데이터가 소수의 폐쇄적인 환경에 머물지 않고 오픈소스 소프트웨어처럼 개방된 플랫폼에서 공유될 때 과학은 더욱 빠르고 안전하게 발전할 수 있습니다. 이러한 개방형 환경은 다음 세대 연구자들에게 더 넓은 탐구의 장을 열어줄 것입니다.

[인터뷰] 바이오인공지능연구센터 ABC #014 | 장혜식 서울대 생명과학부 교수
카오스재단카오스크로스
  • 생명과학
  • 뇌인지과학
  • 융합

생성형 AI와 오픈소스가 여는 바이오 연구 패러다임

인공지능 기술은 단순한 대화를 넘어 인간처럼 추론하고 스스로 행동하는 에이전트 시대로 진입하고 있습니다. 샘 올트먼이 제시한 인공일반지능(AGI)의 단계 중 세 번째인 에이전트 단계는 이미 현실화되었으며, 이제는 아인슈타인처럼 복잡한 난제를 해결하는 ‘이노베이터’ 단계를 향해 나아가고 있습니다. 특히 생물학 분야는 데이터가 방대하고 복잡하여 인공지능이 혁신을 일으키기에 가장 적합한 영역으로 꼽힙니다. 여러 개의 전문 에이전트가 협업하는 멀티에이전트 시스템은 생명과학의 난제를 해결하며 인간 과학자의 한계를 보완하는 강력한 도구가 될 것입니다. 과거 4조 원이 넘게 들었던 인간 게놈 프로젝트의 유전체 분석 비용이 이제는 100달러 수준으로 떨어지며 데이터의 폭발적 증가를 가져왔습니다. 구글 딥마인드와 엔비디아 같은 빅테크 기업들은 이러한 막대한 데이터를 학습하여 단백질 구조를 예측하고 유전체의 맥락을 이해하는 파운데이션 모델을 잇달아 발표하고 있습니다. 연구자들이 수십 년간 고생하며 찾았던 유전체 패턴을 인공지능은 시퀀싱 분석만으로 단숨에 해결하기 시작했습니다. 이는 단순한 기술 발전을 넘어 질병의 근본 원인을 찾고 치료하는 슈퍼 휴먼 인공지능 시대의 서막을 알리는 신호입니다. 의료 및 생명과학 분야의 전문 지식을 학습시키기 위해 수천만 건의 의생명 문헌과 의학 교과서를 활용한 특화 모델 개발이 가속화되고 있습니다. 기존에는 전문의 수준의 분석력을 확보하기 위해 수년의 시간이 걸렸지만, 오픈소스 기반의 거대언어모델(LLM)을 파인튜닝함으로써 그 기간을 획기적으로 단축할 수 있게 되었습니다. 6년이 걸리는 의대 교육 과정을 단 6주 만에 학습시킨다는 목표 아래, 의료 현장의 복잡한 질문에 답하고 논문을 분석하는 수준까지 도달했습니다. 이러한 기술은 인프라가 부족한 지역에서도 수준 높은 의료 솔루션을 제공하는 기반이 됩니다. 바이오 데이터의 생산과 실험 과정 역시 인공지능과 로봇이 결합한 자동화 파운드리 시스템으로 진화하고 있습니다. 가설 수립부터 실험 설계, DNA 추출, 시퀀싱 및 결과 리포트 작성에 이르기까지 사람이 거의 개입하지 않는 ‘클로즈드 루프’ 형태의 실험실이 운영되고 있습니다. 인류가 수십 년간 축적한 단백질 데이터보다 훨씬 많은 양을 짧은 시간 안에 확보하여 신약 개발의 속도를 높이는 방식입니다. 이제 실험은 더 이상 인간의 전유물이 아니며, 인공지능이 주도적으로 가설을 세우고 이를 물리적 실험으로 검증하는 데이터 중심의 과학 시대가 열리고 있습니다. 미래의 헬스케어는 개인의 유전 정보와 장기적인 건강검진 기록을 통합 분석하는 개인화된 인공지능 에이전트가 담당할 것입니다. 수백만 개의 변이를 자연어로 해석하여 건강 위험을 경고하고 맞춤형 생활 습관을 제안하는 시스템은 초고령 사회의 의료 난제를 해결할 핵심 열쇠입니다. 바이러스나 면역학 등 각 분야의 전문 에이전트들이 클라우드 상에서 협업하며 최적의 치료법을 도출하는 멀티에이전트 시스템은 인공지능 과학자의 실현을 앞당기고 있습니다. 우리는 이제 인공지능이 스스로 가설을 세우고 혁신을 일구는 이노베이터 단계를 목전에 두고 있습니다.

생성형 AI와 오픈소스가 여는 바이오 연구 패러다임
한국전자통신연구원오픈소스 테크데이
  • 생명과학
  • 융합
  • 공학·기술

연결과 혁신을 위한 VARCO의 오픈소스 현황 및 전략

NC AI는 NC소프트에서 14년 넘게 AI를 연구해온 R&D 조직이 분사하여 설립된 전문 기업입니다. '바르코(VARCO)' 브랜드를 중심으로 게임 개발에 최적화된 대형언어모델(LLM)을 독자적으로 개발해왔으며, 현재는 이를 기반으로 한 다양한 멀티모달 기술을 확장하고 있습니다. 기술 개발에 그치지 않고 사용자가 창의성을 마음껏 발휘할 수 있는 환경을 구축하는 데 집중하고 있습니다. 누구나 크리에이터가 될 수 있는 세상을 꿈꾸며 게임을 넘어 미디어와 패션 등 다양한 콘텐츠 산업 전반으로 그 영역을 넓혀가는 중입니다. 게임 서비스에 필수적인 번역과 음성 기술은 고도화된 도메인 이해를 바탕으로 합니다. MMORPG의 다국어 채팅은 실시간성과 세계관 고유 용어의 보존이 매우 중요한데, NC AI는 이를 해결한 특화 번역기를 성공적으로 운영 중입니다. 또한, 단순한 정보 전달을 넘어 감정과 다이내믹한 연기가 필요한 게임 특성에 맞춘 음성 합성(TTS) 기술을 개발했습니다. 음성 인식과 번역, 보이스 컨버전(Voice Conversion) 기술을 결합하여 성우의 목소리 톤을 그대로 유지하면서도 다양한 외국어로 자연스럽게 더빙이 가능한 기술은 미디어 제작에 혁신을 가져오고 있습니다. 3차원 리소스 제작의 효율성을 높이기 위해 텍스트나 이미지만으로 3D 모델을 생성하는 기술을 선보였습니다. 단순 생성을 넘어 자연어로 특정 부위의 형태나 질감을 세밀하게 수정할 수 있는 편집 기능은 현업 작업자들의 실질적인 요구를 반영한 결과입니다. 더불어 음성 데이터를 기반으로 캐릭터의 입 모양과 감정 표현을 자동으로 생성하는 립싱크 기술과, 방대한 모션 캡처 데이터를 검색하여 재활용하는 기술도 함께 제공합니다. 이러한 기술들은 고비용의 수작업을 줄이고 고품질의 컷신 제작 시간을 획기적으로 단축하는 데 기여합니다. 사운드 분야에서는 수만 개의 라이브러리를 지능적으로 검색하거나 텍스트를 통해 새로운 효과음을 직접 생성하는 기능을 제공합니다. 특히 영상 분석을 통해 배경음과 효과음을 개별 파일로 분리하여 생성함으로써 작업자의 컨트롤 가능성을 극대화했습니다. 최근에는 패션 대기업과 협업하여 업계 전문 용어를 이해하는 전용 이미지 생성 모델을 론칭하기도 했습니다. 이는 창작자가 복잡한 프롬프트를 입력하지 않아도 원하는 카테고리 선택만으로 디자인과 배경 합성을 수행하게 도와주며, 게임 기술이 다른 산업군으로 확산되는 대표적인 사례가 되고 있습니다. 지속적인 연구 성과를 사회와 공유하기 위해 바르코(VARCO) LLM과 평가 모델, 시각 언어 모델(VLM) 등을 오픈소스로 공개하고 있습니다. 특히 국가적 AI 파운데이션 모델 개발 과제에 선정되어 한국의 제조, 유통, 문화 산업 전반에 쓰일 수 있는 모델을 개발 중입니다. '도메인옵스(DomainOps)' 플랫폼을 통해 산업별 데이터를 효율적으로 파인튜닝(Fine-tuning)할 수 있는 환경을 구축하고, 다양한 크기의 모델을 상업적 이용이 가능한 라이선스로 배포할 계획입니다. 이는 단순한 기술 공개를 넘어 국내 산업 전반의 실질적인 AI 전환을 주도하려는 강한 의지를 담고 있습니다.

연결과 혁신을 위한 VARCO의 오픈소스 현황 및 전략
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

첨단 인공지능 안전 및 신뢰성 표준화 동향

인공지능 기술은 딥러닝 시대를 넘어 대규모 학습 기반의 거대 AI 시대로 빠르게 진입하고 있습니다. 최근에는 LLM이나 파운데이션 모델을 넘어, 인간의 통제 범위를 벗어날 수 있는 위험성을 강조한 '프론티어 AI'라는 용어가 등장하기 시작했습니다. 이러한 첨단 AI는 작업 시간을 획기적으로 단축하며 산업 전반의 효율성을 높이고 있지만, 동시에 우리가 과거에 인지하지 못했던 새로운 차원의 위험 요소를 내포하고 있습니다. 이는 단순한 기술 발전을 넘어 인류의 안전과 신뢰성에 대한 진지한 고민이 필요한 시점임을 시사합니다. 인공지능이 생성하는 영상과 이미지의 품질은 실사를 방불케 할 정도로 정교해졌습니다. 텍스트 몇 줄만으로 고화질 영상을 만들어내는 기술은 창작의 문턱을 낮추었지만, 딥페이크와 같은 기술은 범죄에 악용될 소지도 다분합니다. 특히 AI의 지능이 우수한 인간 수준인 IQ 120을 넘어서고 조만간 상위 5%의 인간 능력을 갖출 것으로 예측되면서, 기술적 신뢰를 넘어 인간 사회의 근간을 흔들 수 있는 잠재적 위험에 대한 우려가 커지고 있습니다. 이에 따라 단순한 성능 지표보다 AI 시스템이 인간의 통제를 벗어나지 않도록 보장하는 안전 장치 마련이 시급해졌습니다. AI가 초래할 수 있는 잠재적 위험은 국가 안보와도 직결되는 중대한 사안입니다. 첨단 AI 시스템이 무기화되거나 전력망 붕괴와 같은 재앙적 효과를 낼 수 있다는 경고에 따라 세계 각국은 국제적인 협력 체계를 구축하고 있습니다. 영국에서 열린 AI 안전 정상회의와 UN의 안전한 AI 협력 결의문 채택은 이러한 위기감의 반영입니다. 과거 산업 혁명 시기에 '안전 제일'을 외쳤던 것처럼, AI 분야에서도 기술 발전의 속도만큼이나 위험을 관리하고 통제하는 체계적인 안전 관리 프로세스를 정립하는 것이 인류의 생존을 위해 필수적인 과제가 되었습니다. 미국과 유럽을 중심으로 AI에 대한 법적 규제와 관리 체계가 구체화되고 있습니다. 미국 행정명령은 고성능 모델에 대한 보고 의무를 부여했으며, EU 인공지능법은 위험 등급에 따라 금지되거나 엄격히 관리되어야 할 시스템을 정의하고 있습니다. 이러한 흐름 속에서 주요국들은 'AI 안전 연구소(AISI)'를 설립하여 거버넌스를 총괄하고 있습니다. 한국 또한 ETRI를 중심으로 AI 안전 연구소 발족을 준비하며 국제적인 안전 표준화 흐름에 발맞추고 있으며, 이는 기술의 신뢰성과 국가 차원의 대응력을 확보하기 위한 중요한 제도적 기반이 될 것입니다. 오픈소스 생태계는 생성형 AI의 비약적인 발전에 기여하고 있지만, 동시에 보안과 안전 관리의 사각지대라는 위험을 안고 있습니다. 특정 기업의 관리를 받지 않는 모델은 예상치 못한 취약점을 내포한 채 배포될 가능성이 높기 때문입니다. 이에 대응하여 영국의 '인스펙'이나 미국의 '다이옵트라'와 같은 안전 검사 도구들이 오픈소스로 공개되어 누구나 모델의 신뢰성을 평가할 수 있도록 돕고 있습니다. 또한 MLCommons와 같은 민간 기구에서도 AI 안전 벤치마크를 수립하며 기술적 장치를 마련하고 있으며, 이는 안전한 인공지능 생태계 구축을 위한 필수적인 행보입니다.

첨단 인공지능 안전 및 신뢰성 표준화 동향
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[EOST2023] 원자력 분야의 거대언어모델 활용

인공지능 연구 분야는 개방과 공유, 협업의 문화를 바탕으로 다른 학문보다 훨씬 빠르게 발전하고 있습니다. 소스 코드를 공개하고 연구자들이 자발적으로 커뮤니티를 형성해 지식을 나누는 문화는 기술 혁신의 핵심 동력이 되었습니다. 최근 등장한 거대 언어 모델(LLM)인 파운데이션 모델은 기존의 패러다임을 완전히 바꾸어 놓았습니다. 특정 작업을 위해 방대한 데이터를 모으고 개별 모델을 학습시키던 방식에서 벗어나, 이제는 잘 구축된 하나의 모델을 다각도로 활용하여 인간 이상의 성능을 끌어내는 시대로 접어들었습니다. 거대 언어 모델(LLM)의 등장은 데이터 구축 사업의 효율성 측면에서도 큰 충격을 주었습니다. 과거 수십억 원의 예산을 투입해 수동으로 구축했던 데이터셋보다 거대 언어 모델(LLM)을 활용해 생성한 데이터가 품질 면에서 더 우수한 경우도 빈번해졌습니다. 이는 복잡한 수학 문제를 풀거나 시각 정보를 기반으로 질의응답을 수행하는 고난도 과제에서도 마찬가지입니다. 특정 목적만을 위해 개발된 인공지능 모델보다 범용적인 파운데이션 모델이 더 정교한 결과물을 내놓으면서, 인공지능 연구의 흐름은 이제 프롬프트 엔지니어링과 소량의 양질 데이터를 활용하는 방향으로 진화하고 있습니다. 원자력 분야에서도 이러한 기술을 실무에 도입하려는 시도가 활발합니다. 대표적으로는 검색 증강 생성(RAG) 기술을 활용한 지능형 챗봇 구축을 꼽을 수 있습니다. 거대 언어 모델(LLM)의 입력 제한을 극복하기 위해 방대한 규정집을 벡터화하여 저장한 뒤, 질문과 가장 관련 있는 정보를 추출하여 답변을 생성하는 방식입니다. 이를 통해 연구원 내부의 규정 질의응답은 물론, 대민 홍보용 캐릭터를 활용한 친근한 서비스까지 가능해졌습니다. 과거에는 막대한 비용이 소요되던 고성능 챗봇 개발이 효율적인 아키텍처 덕분에 누구나 접근 가능한 영역으로 들어왔습니다. 하지만 실전 배치 과정에서는 프롬프트 보안과 정보의 정확성이라는 과제가 남습니다. 프롬프트 엔지니어링을 통해 모델의 역할을 설정하더라도, 사용자의 유도 질문에 의해 내부 설정이 노출되거나 잘못된 정보를 전달할 위험이 존재하기 때문입니다. 이를 해결하기 위해 답변 생성 시 외부 검색 기능을 연동하여 실시간 정보를 반영하거나, 질문의 성격에 따라 모델의 동작 모드를 스스로 결정하게 하는 고도화 작업이 진행되고 있습니다. 전문 지식이 필요한 경우 영문 데이터를 우선 참조한 뒤 다시 번역하여 제공함으로써 답변의 신뢰도를 높이는 전략도 유효하게 작용합니다. 향후 원자력 분야의 인공지능은 단순한 문서 작업을 넘어 물리적 환경과 결합한 'AI 운전원'의 형태로 진화할 전망입니다. 원자력 발전소는 안전이 최우선인 규제 산업으로, 방대한 운영 절차서와 설계 문서를 정교하게 이해하는 인공지능이 필수적입니다. 현재 정보를 기반으로 미래를 예측하는 디지털 트윈 기술과 거대 언어 모델(LLM)을 결합하면, 사고 상황에서 최적의 의사결정을 지원하는 지능형 에이전트 구현이 가능해집니다. 컴퓨터 비전과 물리 모델, 그리고 언어 모델이 융합된 이 시스템은 인간 운전원의 판단을 도와 원자력 시설의 안전성을 한 차원 높여줄 것입니다.

[EOST2023] 원자력 분야의 거대언어모델 활용
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

EOST2021 HyperCLOVA: 초대규모 AI의 현재와 미래

바야흐로 초대규모 AI의 시대가 도래했습니다. 2020년 OpenAI가 공개한 GPT-3는 전 세계 기술계에 커다란 충격을 안겨주었습니다. 기존의 인공지능이 방대한 데이터를 통해 특정 기능을 학습하는 방식이었다면, 초대규모 AI는 소량의 예시만으로도 시, 소설, 코딩 등 인간의 창의적 영역을 모방하는 '인컨텍스트 러닝' 능력을 보여주었습니다. 이러한 흐름은 구글, 페이스북 등 글로벌 기술 거물들 간의 치열한 개발 경쟁으로 이어졌고, 단순히 정확도를 높이는 수준을 넘어 과거에는 상상 속에서만 존재했던 새로운 가능성의 문을 열고 있습니다. 인공지능 모델의 성능을 좌우하는 핵심 요소는 모델의 크기와 학습 데이터의 양입니다. 2015년 이미지 인식에서 인간을 능가했던 레즈넷과 비교해 보면, 최근의 비전 트랜스포머나 GPT-3 같은 모델들은 매개변수의 수와 데이터 규모 면에서 수천 배 이상 거대해졌습니다. 연구 결과에 따르면 모델과 데이터의 크기가 커질수록 성능의 한계를 돌파하는 '규모의 법칙'이 존재한다는 점이 입증되었습니다. 이에 따라 마이크로소프트와 엔비디아 등은 수천억 개의 매개변수를 가진 모델을 경쟁적으로 선보이며 초대규모 AI 기술의 우위를 점하기 위해 막대한 인프라 투자를 이어가고 있습니다. 네이버는 한국어 사용자들을 위한 독자적인 초대규모 AI인 '하이퍼클로바'를 구축하며 기술 주권 확보에 나섰습니다. 이를 위해 슈퍼컴퓨팅 인프라를 직접 도입하고 5,600억 토큰에 달하는 방대한 데이터를 학습시켰는데, 이 데이터의 90% 이상이 한국어로 구성되어 있다는 점이 핵심입니다. 기존 모델들이 한국어 이해에 한계를 보였던 것과 달리, 하이퍼클로바는 한국어 문맥과 문화적 특성을 깊이 있게 이해하도록 설계되었습니다. 이는 단순히 기술력을 과시하는 것을 넘어, 플랫폼을 이용하는 소상공인과 창작자들에게 더욱 강력한 비즈니스 도구를 제공하기 위한 전략적 선택입니다. 초대규모 AI는 개발 패러다임에 근본적인 변화를 가져왔습니다. 과거에는 서비스마다 개별적인 학습이 필요했지만, 이제는 하나의 거대한 '파운데이션 모델'로 다양한 문제를 해결합니다. 네이버는 비전문가도 AI를 손쉽게 활용할 수 있도록 '하이퍼클로바 스튜디오'를 개발했습니다. 이를 통해 전문적인 코딩 없이도 쇼핑 기획전 제목을 정하거나 대화 시나리오를 생성하는 작업이 가능해졌으며, 이는 기획자나 마케터 등 누구나 인공지능을 도구로 활용하는 로코드 AI 생태계의 가능성을 보여주고 있습니다. 기술의 발전만큼이나 중요한 것은 인공지능의 윤리와 지속 가능한 발전입니다. 네이버는 '사람을 위한 AI' 가이드라인을 수립하고, 서울대 및 카이스트와 협력하여 모델의 편향성이나 멀티모달 확장 같은 과제들을 풀어나가고 있습니다. 단순히 비용을 지원하는 방식을 넘어 연구원들이 대학과 밀착하여 현안을 해결하는 새로운 R&D 생태계를 구축 중입니다. 이러한 노력을 통해 한국의 인공지능 기술이 글로벌 시장에서 리더십을 확보하고, 기술 강대국들과 어깨를 나란히 하며 건강한 AI 생태계를 선도하고자 합니다.

EOST2021 HyperCLOVA: 초대규모 AI의 현재와 미래
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술